Abru teď hodně stavíte jako AI firmu. Nejen že využíváte umělou inteligenci sami, také ji implementujete do produktů. Kde dnes vidíte nejrychlejší a nejlépe obhajitelný přínos AI?
Případů, kdy AI přinesla skutečně reálné výsledky, zatím není mnoho. Největší přínos ale vidíme u opakovatelných činností, kdy AI připravuje data, vytěžuje dokumenty, generuje reporty, odpovídá na dotazy v přirozeném jazyce. Naopak nefunguje dobře v situacích, kde chybějí jasná pravidla.
Takže třeba účetnictví je to pravé?
Definitivně účetnictví. U účetních služeb nabízíme třeba AI systém, který vytěží přijatý doklad, zapíše ho do databáze a upozorní účetní na případnou anomálii – nezvykle vysoká částka, neobvyklý bankovní účet…
Přesně to od systému s umělou inteligencí zákazníci dnes očekávají. Nechtějí, aby jednal autonomně bez jejich dozoru, ale aby jim pomáhal a šetřil čas.
Nechtějí autonomii, protože se bojí, že AI udělá něco, co by neměla?
Přesně tak. Z našeho letošního průzkumu mezi zákazníky vyplynulo, že plnou autonomii zatím nechtějí, což ale neznamená, že to za půl roku už nebude platit. Pokud však AI nasadí, pak vyžadují, aby bylo možné vždy zpětně dohledat, z jakých dat AI při rozhodnutí vycházela a co ji k tomu vedlo.
Takže největší brzdou většího rozvoje umělé inteligence je strach dát odpovědnost AI?
Brzd je víc. Jednou je odpovědnost, druhou pak nejistota ohledně vlastních dat. Jak jsem říkal, k perfektnímu nasazení AI potřebujete mít skvělé datové podklady, a to je u řady firem velký problém. Hodně záleží na oboru a ochotě experimentovat, i drobné zpřesnění dat ale dokáže ve velkém objemu ušetřit značné částky a zvýšit kvalitu AI výstupů.
Kde naopak AI není vhodná?
Všude tam, kde potřebujete deterministický model, tedy proces, který se musí chovat vždy stejně. AI totiž umí interpretovat, a to je přesně to, co v těchto případech nechcete. Zeptáte se jí třikrát na stejnou věc a třikrát dostanete trochu jinou odpověď.
Typický příklad je plánování tras pro rozvoz. Řešili jsme to u zákazníka, který prodává a rozváží uhlí. Chtěl nasadit AI na optimalizaci tras aut. My jsme mu ale řekli: tohle není úkol pro AI. Je to čistě matematický problém, na nějž existují specializované optimalizační softwary. AI do toho může vstupovat okrajově, třeba doplnit aktuální informace o uzavírkách, ale samotné plánování tras a vytěžování kapacity aut jí svěřit nelze.
Obecně platí, čím jasněji a přesněji dokážete proces popsat pravidly, tím líp se do něj AI nasazuje. Jakmile ale potřebujete garantovaný, opakovatelný výsledek bez prostoru pro interpretaci, je lepší sáhnout po klasickém, deterministickém řešení.
Co je zásadní, aby firma uspěla na poli AI?
Úspěch AI není o samotné technologii, ale o tom, jak ji firma umí používat. Klíčové jsou pořádek ve firemních datech a lidé naučení ji používat. Z kvalitních dat se AI rychle učí a nehalucinuje, edukovaní zaměstnanci ji zase dovedou využívat na maximum a umějí také najít nové, neotřelé způsoby, kde a jak ji efektivně nasadit.
A musejí také v AI věřit. Management nesmí v zaměstnanci vyvolat obavu, že bude kvůli umělé inteligenci vyhozen. Musí mu ukázat, že mu AI přinese reálnou hodnotu, zvýší jeho výkon nebo mu uvolní ruce ke kreativnější práci. Bez jasného business case a bez měření výsledků se nic dobrého ve firmě nestane. Doporučujeme začít tam, kde je nejvyšší administrativní zátěž, změřit přínos a postupovat metodou nejslabšího článku řetězu.
Jak lze přínos AI exaktně měřit? Kolik spálíte tokenů, nebo používáte jinou metriku?
Petr Havelka, CEO Abra
Doporučujeme neměřit samotné využití technologie formou počtu tokenů. To je spíš nástroj pro optimalizaci nákladů. Ale dívat se na konkrétní byznys procesy, jako jsou doba vyřízení objednávky, počet reklamací, množství zpracovaných faktur, délka určitého procesu. Nejdřív naměříte aktuální stav a potom ho porovnáte po nasazení AI. S viditelnými výsledky i snadněji získáte podporu uvnitř firmy k dalšímu nasazování umělé inteligence.
Setkal jste se u zákazníků s přehnanými očekáváními nebo s případem, kdy se na AI vrhli a zjistili, že to není přesně to, co očekávali nebo potřebovali?
Spíš řešíme opačný problém – zákazníci často nevědí, co přesně by měli chtít, ale cítí, že to potřebují nasadit. Nejčastěji očekávají AI funkce, kustomizaci agend, úsporu času a vytváření automatických reportů. Klienta s přehnanými očekáváními jsem zatím nepotkal.
Je možné říct, ve kterém oboru jsou firmy nejodvážnější?
Určitě technologické firmy jsou napřed. Menší adopci vidíme v tradičnějších oborech, jako jsou potravinářství nebo zemědělství. Také regulovaná odvětví, která pracují s citlivými zákaznickými nebo pacientskými daty, jsou logicky opatrnější.
Není to spíš tím, že high-tech firmy jsou mladší a mají větší pořádek v datech a je pro ně jednodušší?
Je pravda, že firmy nové ekonomiky přemýšlejí od začátku jinak, protože vznikají přímo v době AI. Organizace s delší historií bývají konzervativnější. Je třeba také říct, že jsou mezi našimi zákazníky i ti mnohem opatrnější, kteří AI zatím vůbec nepoužívají.
Jak velká je vlastně skupina firem, které AI řeší?
Umělou inteligenci nějakým způsobem řeší skoro všechny organizace, potvrzuje to i náš průzkum mezi zákazníky. Jen málokterá firma ale zvažuje AI uvnitř svého systému. Většina řeší věci vně,
jako jsou chatboty, přípravy nabídek, e-maily, kalendáře. Uvnitř organizace je adopce mnohem nižší mimo jiné proto, že starší ERP systémy jsou uzavřené, pokud z nich nelze dostat data ven přes API, danou AI funkci jednoduše nasadit nemůžete.
Abra má AI nasazenou ve všech svých produktech?
Samozřejmě. AI u nás není nadstavbou vedle systému, ale součástí produktů. Vyvíjíme ji přímo do obou produktových linek – do Abra Flexi i Abra Aiva tak, aby ji uživatel potkal rovnou v agendě, se kterou pracuje.
Abra Flexi, naše krabicové řešení pro menší firmy, má AI nápovědu i MCP server, který nyní intenzivně testujeme, abychom jej mohli zpřístupnit zákazníkům. U Abra Aiva, určené pro větší a kustomizovatelné nasazení, nahrazujeme dřívější low-code platformu novým AI nástrojem pro custom development. Má ale pevně daná pravidla, aby zůstal bezpečný a kompatibilní do budoucna, bezpečnost je u nás priorita číslo jedna.
Než AI funkci nasadíme k zákazníkům, prochází interním bezpečnostním testováním, simulujeme i to, jak by ji bylo možné zneužít, například pokusy o manipulaci vstupů nebo obcházení oprávnění. Stejně jako u klasického softwaru platí, že bezpečnostní díru je levnější najít u nás ve vývoji než u zákazníka v produkci.
Systém také budeme postupně rozšiřovat o další AI agenty a nástroje pro práci s firemními procesy, přičemž uživatel bude mít nad výstupy a výsledky generovanými umělou inteligencí neustálou kontrolu.
Vy sami v Abře pracujete s AI hodně?
Umělá inteligence je pro naši firmu zásadní, pracuje s ní prakticky každý náš zaměstnanec. Interně nejvíc AI používáme ve vývoji. U programátorů jsme naměřili zrychlení od dvaceti do šedesáti procent podle typu práce – monitorujeme čas potřebný k dodání výsledku, ne počet napsaných řádků.
Nejvíc jsme ušetřili na testování: skripty píšeme dřív, než se software vůbec začne vyvíjet, a code review pak zabere jednotky minut místo hodin. Běžně se stává, že jeden programátor řídí tři čtyři souběžné AI session najednou, což výrazně zvyšuje jeho efektivitu. Manuální kódování z práce našich lidí téměř mizí.
Nabíráte tedy vůbec nějaké vývojáře juniory?
Ano. Junioři totiž AI používají přirozeně, snažíme se proto udržet zdravý mix obou generací. Na programátory se dnes kladou jiné nároky než dřív, jako operátor AI musí dobře znát byznys doménu zákazníka, aby dokázal řídit práci AI agentů/kodérů.
Kde jinde ještě AI používáte?
Mimo vývoj AI prostupuje prakticky celou firmou – marketing, obchod, finance, reporting, zákaznická podpora. Telemetrie s její pomocí sleduje chování zákazníků, což se hodí jak na trendové analýzy, tak na kontrolu, zda klienti využívají vše, na co mají v rámci předplatného našich produktů nárok.
Náklady na AI nás vycházejí zhruba na tři a půl tisíce korun na uživatele měsíčně.
Jak řešíte kyberbezpečnost?
Bezpečnost je pro nás prioritou číslo jedna. AI totiž demokratizovala nejen vývoj, ale do určité míry i hacking. Firmy velikosti našich zákazníků (především SMB) byly dříve pro útočníky často méně zajímavé, protože útok na ně byl relativně nákladný. Dnes tomu tak už není. Zažili jsme například situaci, kdy zákazník přišel o data a zaplatil útočníkovi výkupné, aniž nám o incidentu řekl. Zaplacení výkupného přitom samo o sobě nic neřeší. Pokud ve firmě zůstane původní zranitelnost nebo kompromitovaný přístup, může se útok kdykoliv opakovat. Technologie je navíc jen jednou částí problému, druhou je chování lidí. Základem by proto vždy měla být firemní strategie kybernetické bezpečnosti, ze které vycházejí konkrétní technická a organizační opatření. A tu je potřeba průběžně rozvíjet podle toho, jak se mění technologie i samotná rizika.
Dnes je velkým tématem samozřejmě AI. Nemá smysl se jí bránit, ale firmy by měly mít jasně nastavená pravidla: k čemu ji zaměstnanci mohou používat, jaké nástroje jsou povolené, a především s jakými daty smějí pracovat. Ruku v ruce s tím jde vzdělávání. Bezpečné používání AI se podle nás postupně stává součástí běžné pracovní gramotnosti. Podobně je potřeba přemýšlet o datech v informačním systému. Jakou mají pro firmu hodnotu? Co by znamenaly jejich únik, ztráta nebo několikadenní nedostupnost? A odpovídají tomu opatření, která firma používá? Právě tady může dávat velký smysl cloud, zejména pro firmy, jež nemají vlastní IT oddělení. Ne proto, že by cloud automaticky znamenal bezpečnost, ale protože kvalitně provozované prostředí umožňuje řešit dostupnost, ochranu dat, zálohování i obnovu po havárii systematicky a dlouhodobě.
Data zpracovaná pomocí AI dost často končí neznámo kde. Jak to řešíte vy?
U AI se držíme principu, že citlivá data neposíláme mimo prostředí. K externím LLM modelům proto směřujeme pouze metadata nebo anonymizované hodnoty a s dodavateli máme navíc smluvně ošetřeno, že naše data nejsou používána k trénování jejich modelů. Důležité také je, odkud AI k datům přistupuje. Pokud je AI součástí informačního systému, může respektovat stejný model oprávnění jako uživatel – tedy pracovat pouze s tím, k čemu má daný uživatel přístup. U externě připojených AI nástrojů je situace složitější. Pokud není správně vyřešené předávání identity a oprávnění, může vzniknout cesta, jak standardní řízení přístupu nechtěně obejít. Modernější integrační mechanismy včetně MCP tento problém postupně řeší, ale univerzální standard zatím neexistuje. Proto na AI agenty uvnitř systému nahlížíme stejně přísně jako na jakéhokoliv jiného uživatele.
Totéž platí pro vývoj na míru. Nový AI nástroj pro custom development v ABRA Aiva má pevně nastavená bezpečnostní pravidla. Neodborný „vibe coding“ totiž může velmi snadno vytvořit aplikaci, která sice funguje, ale zároveň není dostatečně ošetřena z hlediska kybernetické bezpečnosti a může otevřít cestu k firemním datům. Pokud si zákazník vytváří vlastní aplikaci nebo integraci, musí nést odpovědnost za zabezpečení této oblasti sám. Bezpečnost ale neznamená pouze zabránit úniku dat. Stejně důležité je mít kontrolu nad tím, co AI uvnitř systému skutečně dělá. Proto u AI operací – ať už jde o vytěžení dokladu nebo akci AI agentu – klademe důraz na auditní stopu: z jakých dat operace vycházela, co udělala a jaký byl její výsledek. Zákazník tak může zpětně dohledat, co se v systému stalo, a v případě nestandardního nebo podezřelého chování reagovat. Propojení bezpečnosti, řízení oprávnění a auditovatelnosti považujeme v éře AI za stejně důležité jako šifrování dat nebo kvalitní zálohování.
A tím se vlastně vracím na začátek: kybernetická bezpečnost je pro nás prioritou. Do našich produktů průběžně doplňujeme bezpečnostní opatření tak, aby odpovídala aktuálním rizikům a potřebám zákazníků. Jedním z příkladů je zavádění vícefaktorového ověřování. Současně dokončujeme certifikaci podle ISO/IEC 27001 a v souvislosti s požadavky NIS2 máme jasně definovanou odpovědnost za informační bezpečnost, a to jak směrem k zákazníkům, tak uvnitř firmy.
Rozhovor vyšel v magazínu CIOtrends 5/2026, který si můžete zakoupit zde.
CIOtrends si můžete objednat i jako klasický časopis (v tištěné i v digitální podobně) Věnujeme se nejnovějším technologiím a efektivnímu řízení podnikové informatiky. Přinášíme nové ekonomické trendy a analýzy a zejména praktické informace z oblasti podnikového IT se zaměřením na obchodní a podnikatelské přínosy informačních technologií. Nabízíme možná řešení problémů spojených s podnikovým IT v období omezených rozpočtů. Naší cílovou skupinou je vyšší management ze všech odvětví ekonomiky.
PŘEDPLATNÉ
ČLÁNKY DO MAILU