AI může obchodníkům zkrátit přípravu na jednání, servisním technikům usnadnit práci s dokumentací nebo pomoci s predikcí poptávky a plánováním výroby. Ne každý scénář však lze aplikovat stejně rychle. Rozhoduje konkrétní zadání, připravenost procesů, ERP a dat i jasné metriky úspěchu.

Konica Minolta na Smart Industry 2026

Toto téma je pilířem naší partnerské spolupráce v rámci letošní konference Smart Industry, která se uskuteční ve dnech 12. až 13. 11. v Plzni. Jako partner akce vám nabízíme zvýhodněné vstupné. Vyplňte krátký formulář a ozveme se vám s dalšími informacemi. CHCI VSTUPENKU SE SLEVOU

Jak poznat, kde lze s AI začít téměř okamžitě a kde je nutná důkladnější příprava? Tématu se věnuje také rozhovor Lukáše Smelíka za Smart Industry s Romanem Haluzíkem za Konica Minolta. Poslechněte si krátký podcast, který přináší pohled a doporučení z praxe.

Ne každý problém vyžaduje umělou inteligenci

Ve výrobních firmách zůstává řada činností, které lze vyřešit bez AI. Zaměstnanci ručně přepisují údaje mezi systémy, schvalují požadavky e-mailem nebo opakovaně dohledávají dokumenty. Reporty vznikají opakovaným spojováním tabulek.

V takových situacích obvykle dává větší smysl nejprve upravit proces, propojit systémy nebo automatizovat workflow. Moderní ERP, dokumentové systémy a automatizace mohou odstranit velkou část rutinní práce ještě předtím, než přijde na řadu umělá inteligence.

V některých scénářích lze AI zapojit a vytěžit rychle

Kde lze uvažovat o téměř okamžitém využití AI? Příkladem může být příprava obchodníka na jednání. Třeba pokud jde o rozsáhlou dokumentaci, ve které se musí rychle zorientovat, vybrat důležité informace a stanovit priority. AI mu může podklady shrnout a usnadnit přípravu obchodní strategie.

Potřebný obsah už existuje, proto lze takový scénář využít poměrně rychle. Přínos se dá měřit časem, který člověk při přípravě ušetří.

Podobně lze AI využít při hledání informací v interních dokumentech nebo při přípravě podkladů pro servisní zásah. Nástroj ale musí pracovat s aktuálními a spolehlivými informacemi. Současně musí respektovat přístupová oprávnění uživatele.

Výrobní scénáře vyžadují důkladnější přípravu

Jakmile chce výrobní firma využít AI přímo v provozu, je už situace složitější.

Příkladem může být hledání vztahu mezi spotřebou energie a kvalitou konkrétního produktu. Firma musí propojit údaje o průběhu výroby, spotřebě energie a výsledcích měření kvality. Data je nutné přiřadit ke správnému výrobku, dávce nebo zakázce.

Jednorázový vzorek nestačí. Data je potřeba sbírat dostatečně dlouho, ověřit jejich kvalitu a hledat mezi nimi relevantní souvislosti. Teprve potom lze připravit model, který pomůže vývoj předvídat nebo doporučit úpravu provozních parametrů.

Stejný princip platí také pro další scénáře, jako jsou například:

  • Predikce poptávky a plánování kapacit
  • Předvídání poruch výrobních zařízení
  • Predikce kvality produkce
  • Optimalizace spotřeby energie a snížení emisí
  • Včasné odhalení rizika zpoždění zakázky

Nestačí, aby AI správně předpověděla vývoj nebo upozornila na riziko. Firma musí být schopná podle této informace včas jednat. Přínos se pak měří konkrétním dopadem na provoz, například menším počtem prostojů, přesnějším plánováním nebo stabilnější kvalitou výroby.

Nejprve si ujasněte, co přesně má AI vyřešit

Obecné zadání „chceme využívat AI“ nestačí. Firma musí vědět, v jaké konkrétní situaci jí má AI pomoci a jaký výsledek od ní očekává.

Chcete, aby například upozornila včas na problémy s kvalitou, doporučila úpravu výrobního plánu, vytipovala zařízení pro preventivní údržbu nebo zpracovala technickou dokumentaci?

Hledejte odpovědi na otázky:

  1. Jaký konkrétní problém řešíme?
  2. Který proces a s ním související rozhodování chceme zlepšit?
  3. Jaká data k tomu potřebujeme a kde vznikají?
  4. Jsou tato data kvalitní a bezpečně dostupná?
  5. Jak změříme přínos?

Pokud u některých bodů zatím váháte, právě ty je potřeba vyřešit před výběrem konkrétního nástroje.

Data potřebná pro AI nevznikají na jednom místě

Například jedna výrobní zakázka prochází obchodem, plánováním, nákupem, výrobou, skladem, expedicí i oddělením financí. Každá část procesu vytváří vlastní informace.

ERP eviduje klíčové transakce. CRM doplňuje informace o zákaznících, obchodních příležitostech a servisu. Dokumentové systémy uchovávají smlouvy, objednávky, výkresy, protokoly a další dokumentaci. Výrobní systémy přinášejí informace o průběhu výroby, zařízeních, spotřebě a kvalitě.

Pokud jednotlivé části firmy pracují s rozdílnými údaji, není možné spolehlivě plánovat ani vyhodnocovat výkon. Stejný problém se následně projeví také v reportingu a ve výstupech AI.

Prvním krokem proto bývá určení zdrojů dat a jejich významu. Firma musí vědět, který systém je pro konkrétní údaj rozhodující, kdo odpovídá za jeho kvalitu a kde se má aktualizovat.

Jak propojit systémy, procesy a data

Jakmile má firma jasno v tom, kde potřebná data vznikají a kdo za ně odpovídá, přichází na řadu jejich propojení s konkrétními procesy.

Cílem není dostat všechny agendy do jedné aplikace. Informace se ale musí mezi systémy předávat automaticky, včas a ve správném kontextu. Obchod, výroba, nákup, sklady a finance pak mohou pracovat se stejným pohledem na zakázky, zásoby, náklady i vytížení kapacit.

Mezery mezi systémy lze často překlenout automatizací. Může jít o elektronické schvalování, sběr údajů přímo v provozu, automatické předání zakázky do výroby nebo upozornění na chybějící dokumentaci. Firma tím omezí ruční práci a získá aktuálnější podklady pro řízení.

Nad sjednocenými daty může vzniknout spolehlivý provozní a manažerský reporting. Ten sleduje například plnění výrobního plánu, využití kapacit, stav zásob, vývoj nákladů nebo riziko zpoždění zakázky. Jeho úkolem je včas ukázat odchylku, na kterou má firma reagovat.

Na stejný datový základ mohou navázat prediktivní analytika a AI. Zatímco reporting ukazuje současný stav a dosavadní vývoj, prediktivní nástroje mohou odhadnout budoucí vývoj, upozornit na riziko nebo doporučit další krok.

Úspěšnost konkrétního AI scénáře se pak hodnotí podle výsledku, kterého měla firma dosáhnout. Může jít například o úsporu času, nižší spotřebu energie, méně prostojů, přesnější plánování nebo stabilnější kvalitu výroby.

Bezpečnost řešte už při návrhu scénáře

Bezpečnost a způsob využití dat patří mezi nejčastější obavy firem. Výrobní podniky pracují s citlivými provozními, technickými a obchodními informacemi. Při využití cloudu a AI proto potřebují vědět, kde budou data uložena, kdo k nim může mít přístup a k jakému účelu budou používána.

Některé společnosti mají interní pravidla, která jim neumožňují posílat data mimo vlastní prostředí. Jinde je nejprve nutné zavést jejich klasifikaci nebo správně nastavit přístupová oprávnění. Tyto podmínky ovlivňují podobu řešení, a proto je potřeba zohlednit je už při jeho návrhu.

Pokud firma nechce nebo nemůže zpřístupnit všechna potřebná data, může nejprve ověřit omezený prototyp. Ten ukáže, zda je daný scénář proveditelný a zda může přinést očekávaný provozní nebo ekonomický výsledek. Teprve potom má smysl rozhodovat o širším nasazení a potřebných změnách v práci s daty.

Od adopce až k měřitelným přínosům AI

Rozdíl mezi jednorázovým experimentem a dlouhodobě použitelným řešením se ukáže až v každodenním provozu. Proto je vhodné začít jedním konkrétním scénářem, ověřit ho v omezeném rozsahu a dále ho rozvíjet podle dosažených výsledků.

Před rozšířením je potřeba určit, kdo bude s výstupy AI pracovat, jak se budou ověřovat a ve kterých situacích zůstává konečné rozhodnutí na člověku. Stejně důležitá je příprava uživatelů, kteří musí rozumět účelu nástroje, jeho možnostem i omezením.

Pro další souvislosti k tomuto tématu vám doporučujeme k přečtení také článek AI není začátek transformace. Je jejím zesilovačem.

Ptejte se nás a potkejme se na Smart Industry

Pokud řešíte modernizaci ERP, propojení podnikových a výrobních dat, automatizaci, reporting nebo přípravu konkrétního AI scénáře, můžete své otázky osobně probrat s Romanem Haluzíkem na konferenci Smart Industry 2026.

Chci zvýhodněné vstupné na Smart Industry 2026

Pokud se na konferenci nechystáte, neváhejte se na nás obrátit přes formulář POPTÁVKA na našem webu.

 


Odborný garant a spoluautor článku:

Roman Haluzík má více než 15 let zkušeností s podnikovými informačními systémy a komplexními ERP projekty, zejména na platformě Microsoft Dynamics 365.

Ve společnosti Konica Minolta IT Solutions Czech působí jako Senior Key Account Manager a zaměřuje se především na technologie pro výrobní, distribuční a logistické firmy. Se zákazníky řeší modernizaci podnikových systémů, řízení výroby a dodavatelského řetězce, integrace, reporting, automatizaci a praktické využití AI. Pravidelně se účastní odborných konferencí a setkání se zákazníky. Aktuálně zastupuje společnost Konica Minolta IT Solutions Czech v rámci partnerské spolupráce na konferenci Smart Industry 2026.

 

 

 

Rozcestník – projděte si související technologie a služby:

 

 

Kategorie

Reference

Poptávka