Stav adaptácie umelej inteligencie v česko-slovenskom priemysle

Približne 40 – 50 % výrobných firiem v Česku a na Slovensku aktívne testuje UI riešenia, od komerčných chatbotov cez cloudové služby až po vlastné pilotné projekty. Automatizujú procesy a snažia sa identifikovať oblasti s potenciálom pridanej hodnoty. V porovnaní so západnou Európou a USA nie sme pozadu v prístupe k technológiám, ale v pripravenosti organizácií, kde kľúčovými rozdielmi sú najmä:

  1. Dátová infraštruktúra: Zatiaľ čo nemecké a švédske fabriky majú desaťročia budovanú štruktúrovanú dátovú základňu, stredoeurópske podniky len nedávno prešli od papierovej dokumentácie k digitálnym systémom. Dáta sa zbierajú vo veľkom objeme, no často v neštruktúrovanej podobe bez analytických tímov schopných efektívnej práce s nimi.
  2. Firemná kultúra: Nižšia otvorenosť k inováciám a experimentom. UI sa vníma skôr ako hrozba nahradenia pracovných pozícií než ako nástroj na zlepšenie pracovných podmienok.
  3. Legislatíva a bezpečnosť: Európska regulácia vrátane AI Act kladie prísnejšie požiadavky na zavádzanie umelej inteligencie.
  4. Vzdelávanie: Nedostatok špecializovaných školení pre výrobné prostredie a kvalifikovaných špecialistov.

Hlavné príčiny zlyhania projektov

  1. Nesprávne definované potreby: Firmy implementujú UI pod tlakom trhu bez jasne identifikovaného problému. Vytvárajú sa scenáre použitia „nasilu“ namiesto riešenia skutočných prevádzkových výziev.
  2. Nedostatočná príprava dát
  3. Ekonomická náročnosť lokálnych riešení: Požiadavky na on-premise implementáciu z dôvodu ochrany know-how vyžadujú počiatočnú investíciu od 7 000 eur za základný hardvér + vývoj v manuálnom móde na mieru.
  4. Chýbajúce organizačné kapacity: Implementácia UI vyžaduje nové roly, dátových analytikov, špecialistov, innovation manažérov.

Praktické využitie UI vo výrobe: úspechy a limity

Na základe skúseností z vybraných realizovaných projektov existujú jasné indikátory úspešnosti aj predvídateľné rizikové oblasti.

Čítanie technických výkresov

Manuálne čítanie technických výkresov pri tvorbe cenových ponúk je časovo náročné, najmä pri 15 – 20 dopytoch denne. Univerzálne automatizované riešenie naráža na neštandardné formáty, vysoké náklady a komplikované nákresy. Úspech sa dosiahol len pri obmedzení na štandardizované výkresy vybraných klientov s dosiahnutím presnosti 80 %, skrátením času z 25 na 10 minút a ročnou úsporou cca 800 hodín práce technika. Pokusy o univerzálne riešenie zlyhali kvôli vysokej cene.

Zachytávanie know-how od skúsených zamestnancov

Skúsení pracovníci odchádzajú do dôchodku bez zdokumentovania cenného neformálneho know-how. Riešením bola mobilná aplikácia s hlasovým záznamom, ktorá priamo pri stroji zachytáva údržbárske postupy, automaticky ich prepisuje a kategorizuje. Po šiestich mesiacoch bolo zdokumentovaných 2 500 zásahov, zachytili sa špecifické znalosti o strojoch a zlepšilo sa zaškolenie nových zamestnancov. Výzvami boli hluk, počiatočný odpor starších pracovníkov a potreba podpory vedenia. Ďalšie časté prípady použitia sú uvedené na obr. 1.

Metodika zavádzania UI vo výrobe a merateľné prínosy

Úspešná implementácia UI projektov vyžaduje systematický prístup a realistické očakávania. Nasledujúca metodika je založená na analýze desiatok realizovaných projektov a identifikuje kritické faktory úspešnosti. Šablóna, ako pri definovaní UI projektu postupovať, je dostupná na uvedenom odkaze v QR kóde.

Kritické faktory úspešnosti:

  1. Úzko definovaný rozsah – konkrétny problém namiesto univerzálneho riešenia.
  2. Kvalita dát – investícia do prípravy dát je 80 % úspechu.
  3. Human-in-the-loop – človek kontroluje a schvaľuje výstupy.
  4. Postupná implementácia – pilot pred škálovaním.
  5. Motivácia používateľov – gamifikácia, benefity, transparentná komunikácia.
  6. Realistické očakávania – ROI 18 – 36 mesiacov, nie 6 mesiacov.
  7. Rezerva v rozpočte – 20 – 30 % na nepredvídané situácie.
  8. No go plán – v prípade zlyhania treba vedieť, kedy odseknúť nesprávnu vetvu.

UI nie je o technológii, ale o ľuďoch

Po dva a pol roku implementácie UI projektov vo výrobe som presvedčená o jednej veci: úspech projektov nemá nič spoločné s technológiou. Tá je dostupná všetkým. Umelá inteligencia vo výrobe funguje. Videla som projekty, ktoré ušetrili státisíce eur ročne. No videla som aj projekty, ktoré stáli státisíce eur a nič nepriniesli. Rozdiel nie je v použitej technológii, ale v prístupe. Ak zvažujete UI projekt vo vašej firme, začnite otázkou: Aký konkrétny problém potrebujeme vyriešiť? Nie: Ako môžeme použiť UI? Keď máte jasný problém, realistické očakávania a správny tím, UI môže byť skutočne transformatívnym nástrojom.

Zdroje

[1] Use of artificial intelligence in enterprises. [online]. Citované 17. 12. 2025. 
[2] What is a GPU and its role in AI? [online]. Citované 17. 12. 2025. 

Svetlana Margetová
špecialistka na implementácie UI riešení vo výrobe
svetlana.margetova@pulsar-solutions.com