Strategie je jedním z nejzneužívanějších pojmů slovníku moderního podnikání. Proč tomu tak je? Protože strategické myšlení není v porovnání s operativním měřitelné. Navíc na strategické uvažování schází potřebný čas.

Když by čas byl, docela určitě by se ve výstupu takového strategického cvičení prakticky jakékoliv firmy rozhodně objevily termíny jako jako „inovace“, „digitalizace“, „AI“. V prostředí neustálých změn by dobrá strategie měla být dostatečně flexibilní, aby umožnila přizpůsobení se novým příležitostem a nahlížela budoucnost z nově vznikajících úhlů pohledu. Benefity digitalizace a AI se evolučně zdokonalují a jejich výsledky dnes nejde dohlédnout.

„Stratégové vytvářejí mosty mezi nápady, plány a lidmi, kterých si ostatní ani nevšimnou.“

Harvard Business Review

Strategie je užitečná právě tím, že se dívá na realitu s odstupem, osvětluje účel a směr a tak napomáhá rozdělování zdrojů a dělat z méně více. Většina manažerů nevnímá, že by je strategie v adopci AI omezovala anebo brzdila – to by mohla být dobrá zpráva.

Frameworků pro vývoj strategie je nespočet; já si však neodpustím z vlastní praxe pojmenovat několik momentů pro které strategie často selhávají:

• Výsledná strategie není dostatečně diferencující, nečelí jasně výzvám
• Výsledná strategie je jen cíl/vize, neříká, jak ho dosáhne
• Hotová strategie zůstane nepochopena (zůstane u „vyvolených nahoře“)
• Strategie je oddělená od cílů oddělení/týmů/jednotlivců
• Strategie není vyztužená fakty, ale je formována např politikou
• Lidé nejednají v souladu se strategií

U vašeho prvního AI projektu bude důležité, aby přispíval do záměru, který jste AI strategicky vytkli. Abyste si uměli obhájit zdroje na pilot a vzdělávání a připravili se na budoucí roll-out a vývoj dalších AI řešení v případě úspěchu. V zásadě budete stavět na dvou nohách: na datech (Jaká data potřebuju?, Jak je získám?, Jak je udržím konzistentní?) a na modelu (Jaký model?, Jak bude velkej?, Jak ho budu trénovat?). Pro PoC (Proof of Concept) použijete vyčištěná data v kontrolovaném prostředí a ten nejlepší model – teprve po posouzení business přínosů se budete zabývat existujícími datovými strukturami a nákladově výkonnostní optimalizací zvoleného modelu.

AI strategie pomůže i při rozhodování „build“ vs „buy“. Pro první experimenty sáhnete po existujících řešeních, ale pro vybudování komplexní AI platformy budete zvažovat a) použití stávajících modelů, jejich finetuning a transfer learning, b) vybudování vlastního modelu od nuly, anebo c) použití zabudovaných modelů v rámci enterprise softwarové licence.

Za velmi povedený považuju následující framework, který popisuje 5 kroků v procesu posuzování a nasazování AI řešení:

Legal aspekty

Jako svazující se nejčastěji skloňují oblasti legislativy, které by se měly adresovat ve fázi proveditelnosti (a na které se většina firem v tomto stádiu moc neptá). Legislativními aspekty používání AI se intenzivně zabývá Evropský parlament v podobě Nařízení o umělé inteligenci (AI Act), který byl v kompromisní podobě schválen v březnu 2024.

Kromě (pochopitelného) nedostatku AI odborníků bych osobně mezi podstatné parametry navíc zařadil samotnou důvěru v AI. Důvěra, že AI řešení bude fungovat spolehlivě a bezpečně, že bude ošetřena proti náhodným anebo záměrným zneužitím, že si nenabere lidské biasy. Důvěra, že budeme umět vysvětlit její výstupy, například proč byla nějaká žádost zmítnuta (např u bankovních produktů), jak došla k dané diagnóze (ve zdravotnictví), anebo proč samořiditelné auto zahnulo.

Bude prostě potřeba mít neustále na paměti, že jde o „živý“ organismus, nad kterým je nutné bdít, protože se bude neustále vyvíjet a učit tím, jak bude fungovat a jak se bude měnit způsob jejího používání v organizaci.