Autor: Tomáš Karľa
Umelá inteligencia je vo firmách často vnímaná ako zázračný nástroj, ktorý po pripojení k firemným dokumentom automaticky odpovedá na všetky otázky. Keď potom generuje nezmysly, mnohí manažéri obviňujú technológiu. Problém však spravidla nie je v AI, ale v dátach, ku ktorým má prístup. Kvalita odpovedí je priamo úmerná kvalite podkladov – a väčšina firiem má svoje dáta v chaose.
Medzi očakávaniami a realitou je priepasť
Mnohí manažéri veria, že nákupom drahých AI licencií automaticky vyriešili problém s technologickou pripravenosťou firmy. Je to omyl. Umelá inteligencia v skutočnosti nie je inteligenciou samou o sebe. Dá sa prirovnať k pokročilej kalkulačke na slová alebo k mimoriadne sčítanému, no slepému knihovníkovi. Je trénovaná na terabajtoch dát a odpovede dáva podľa matematickej pravdepodobnosti – predpovedá, aké slovo by malo logicky nasledovať za tým predchádzajúcim. Aj keď sa technológia rýchlo zdokonaľuje, halucinovanie (vymýšľanie si faktov) stále nie je odstránené.
Chaotické a nepresné dáta AI neopraví, len z nich vygeneruje presvedčivo znejúce nezmysly. Medzi tým, čo manažment očakáva, a tým, ako AI reálne funguje, býva veľký rozdiel. A čím väčší je, tým viac skepsy v podniku narastá.
V roku 2025 firmy dramaticky často rušili svoje AI projekty – vzdalo to až 42 % z nich. Prieskumy ukazujú, že práve zanedbaná kvalita interných dát bola jedným z hlavných dôvodov zlyhania.
Firemné dáta sú často v chaose
Podľa odhadov je až 90 % všetkých informácií vo firmách roztrúsených v zmluvách, e-mailoch, PDF dokumentoch alebo tabuľkách bez jednotného systému. V praxi to znamená, že kľúčové podklady, ako cenníky, technické manuály alebo zmluvy, môžu existovať súčasne na SharePointe, Google Drive, v e-mailoch aj vo viacerých excelovských súboroch.
Pri práci na finančnom reporte si tím môže posielať súbory s názvami ako „FINAL“, „FINAL_v2“ alebo „nová verzia“, hoci stále ide o ten istý dokument. Keď sú podklady takto roztrúsené, vzniká chaos, neistota a zbytočné spory. Nájsť správnu verziu bez jedného centrálneho úložiska je nekonečný boj. Často pritom vznikajú aj tieňové súbory, ktoré tím používa ako neoficiálnu verziu pravdy.
Medzi typické problémy patria aj neaktuálne dokumenty. Starý cenník môže pri potvrdení objednávky viesť k chybe, strate dôvery alebo strate obchodu. Dôležité rozhodnutia zároveň často nezávisia len od samotného súboru, ale aj od súvisiacich schválení, poznámok či dodatkov. Ak tím potrebuje zistiť platnosť klauzúl v zmluve, samotná zmluva možno existuje, ale revízie, e-mailové schválenia a dodatky sú roztrúsené v rôznych archívoch.
Výsledkom je pomalšie rozhodovanie a neistota pri posudzovaní rizík. Ak navyše neexistuje jasná história zmien, firma pri prípadnom audite nedokáže spätne preukázať, ktorá verzia zmluvy v danom čase platila.
Ďalším častým problémom sú nejednotné názvy súborov a pojmov. Rozdielne označenie rovnakých údajov, napríklad „Client“ a „Account“, vie človek často intuitívne spárovať. AI systém ich však môže vnímať ako odlišné entity.
Práve preto je pred väčšími AI projektmi dôležité riešiť aj digitalizáciu a čistenie dát, najmä ak firma pracuje so staršími databázami, CRM, ERP systémami alebo údajmi z viacerých zdrojov. Bez uprataných vstupov sa aj dobrý AI nástroj veľmi rýchlo zmení na drahý experiment.
Prečo ani najlepší model nedokáže zachrániť nekvalitné údaje
V oblasti umelej inteligencie platí stará informatická zásada garbage in, garbage out – ak sú vstupné údaje chybné, neúplné alebo neaktuálne, rovnako nespoľahlivý bude aj výsledok.
Model sa učí zo vzorov, ktoré v dátach nachádza, a ak sú tieto vzory nekonzistentné, prenesie ich aj do svojich odpovedí. Chýbajúce informácie, duplicity, nesprávne označené záznamy alebo rozdielne interpretácie rovnakých pojmov vedú k skresleným výsledkom. Problém sa navyše znásobuje pri generatívnej AI. Ak má nástroj k dispozícii iba rozporuplné dokumenty, nedokáže určiť správnu verziu. Namiesto toho vytvorí odpoveď na základe štatistickej pravdepodobnosti, čo môže viesť k nepresnostiam alebo halucináciám.
To pochopiteľne ničí dôveru používateľov. Zamestnanci prestanú AI veriť, vrátia sa k ručnému hľadaniu v zložkách a sľubovaná efektivita je preč.
Čo funguje v praxi
Dobre spravená dátová základňa je podľa California Management Review jedným zo šiestich kľúčových zdrojov konkurenčnej výhody v ére AI. Autori zdôrazňujú, že efektívne využívanie AI sa nezaobíde bez kvalitného dátového základu. Ak sú však dáta správne štruktúrované, bežné aplikácie generatívnej AI dokážu podľa výskumov priniesť zvýšenie produktivity o viac než 30 %.
Funguje to aj v praxi. V automobilke Rivian zaviedli interný znalostný systém, ktorý zamestnancom dáva len overené odpovede, čím im šetrí hodiny času. Uber išiel podobnou cestou – ich nástroje vedia zosumarizovať históriu komunikácie, takže zákaznícka podpora nestráca kontext.
Odborníci odporúčajú na úvod dôkladne pripraviť údaje. Mike Mason z Thoughtworks varuje, že len tak pustiť AI k firemným podkladom bez prípravy nefunguje. Najprv musíte vybrať kľúčové oblasti firmy a dať do poriadku tie najdôležitejšie informácie.
Ako postupovať, ak AI vo firme generuje nezmysly
Ak AI generuje nezmysly, riešenie nie je v aktualizácii modelu, ale v dátach. Postup je pomerne priamočiary:
Najprv si zmapujte zdroje. Musíte presne určiť priečinky a dokumenty, z ktorých má AI čerpať overené informácie. Používateľ si tak môže jednoducho overiť pôvod informácie a odhaliť prípadné chyby.
Odstráňte duplicity a zastaraný obsah. Vyhnite sa tomu, aby ste uchovávali viacero verzií toho istého dokumentu bez jasného označenia platnosti. Jeden dokument – jedna aktuálna verzia.
Znalosti centralizujte. Ideálne je jedno prostredie, ktoré slúži ako oficiálny zdroj pravdy. Nie SharePoint aj Google Drive súčasne, ale jeden jasne definovaný systém.
Určte jasné pravidlá. Kto za daný dokument zodpovedá? Kto ho pravidelne aktualizuje a schvaľuje zmeny? Bez toho sa vám v systéme opäť nahromadí balast.
Pridajte jednoduchú spätnú väzbu. Ak používateľ narazí na nesprávnu odpoveď, mal by mať možnosť jednoducho ju označiť a odoslať na kontrolu. Ak má systém fungovať dlhodobo, musí sa vedieť učiť z vlastných chýb na základe toho, čo mu ľudia vo firme nahlásia.
Nastavte si realistické očakávania. AI nie je kúzelník. Je to nástroj, ktorý je rovnako dobrý ako dáta, ku ktorým má prístup.
Najťažšia práca nie je s promptami, ale s dátami
Úspešné nasadenie AI nezačína nákupom najnovšej licencie, ale poriadnym vyčistením a usporiadaním firemných dát. Centralizované úložiská, jasné pravidlá správy dokumentov, jednotná terminológia a pravidelná aktualizácia obsahu majú často väčší vplyv na výslednú kvalitu riešenia než samotná voľba technologickej platformy. Kto to pochopí skôr, bude mať z AI reálny úžitok. Kto bude čakať, kým sa problém prejaví na plný výkon, bude mať nielen nefunkčný nástroj, ale aj tím, ktorý mu prestal veriť.
