Milán, AI a otázky, které mě jen tak nepustí
Strávil jsem dva dny na AI Week v Miláně, největší evropské AI akci roku. Domů jsem si přivezl spoustu poznámek, několik zásadních myšlenek a jedno přesvědčení: firmy, nejen v mém portfoliu, nesmí přemýšlet o AI jako o nástroji, ale začít o něm přemýšlet jako o provozní vrstvě.
Milán v polovině května. Tisíce lidí ze startupů, korporací i výzkumu. Na pódiu zakladatelé technologií, které dnes používají miliardy lidí, vedle nich CEO firem, které právě teď přepisují celá odvětví. Jel jsem tam proto, abych zjistil, co nevím. A přiznám vám, dozvěděl jsem se toho víc, než jsem čekal.
Největší omyl z roku 2025: architektura, ne nástroje
Alex Ball z Genesys otevřel konferenci otázkou, která mi nedala spát: „Škálujete inteligenci, nebo škálujete fragmentaci?“ Většina velkých firem má dnes desítky AI nástrojů, každý v jiném silu. Ball říká, že to není problém nástrojů, ale že jde o architektonický problém. Dekády jsme stavěli systémy tak, že každý řeší jeden konkrétní workflow. A pak přišlo AI a my jsme ho nacpali do těch samých šuplíků. Jenže AI je ze své podstaty dynamické, fluidní, probabilistické. Nepotřebuje pevné hranice mezi systémy, funguje nejlíp, když ty hranice neexistují.
Tohle rezonuje s tím, co vidím v portfoliu. Firma koupí copilota do kódu, chatbota na zákaznický servis, AI do HR a pak se diví, proč to nefunguje jako celek. Každý nástroj je sám o sobě docela chytrý, ale dohromady vytvářejí chaos, protože nemluví mezi sebou, nemají sdílenou paměť a každý optimalizuje jen svůj kousek. Ball říká, že potřebujeme orchestrační systém: něco, co vidí všechny agenty najednou, vidí i lidské pracovníky, pamatuje si celou historii interakce a dokáže řešit problémy přes celý podnik, ne jen v jednom oddělení. A přidal jedno číslo, které mě zastavilo: rok 2026 je první rok, kdy víc než polovina zákaznických záměrů přichází z kanálů, které firmy nevlastní – YouTube, Reddit, ChatGPT. Zákazníci se neptají vašeho helpdesku. Ptají se AI. Firma, která tohle přehlíží, se stává neviditelnou tam, kde se dnes odehrávají skutečná rozhodnutí.
Claudio Ricci z TIM Enterprise pojmenoval čtyři systematické chyby: 1. Koupíš licence a doufáš. Bez implementační strategie, bez změny procesů, bez vzdělávání lidí. 2. Přílišný ROI focus. „ROI měří hodnotu dnešní technologie, ne hodnotu znalostí, které získáte cestou.“ Jinými slovy: pokud každý experiment musí nejdřív dokázat svou návratnost, nikdy se nedostanete k průlomům. 3. Nové nástroje, staré procesy. „Jako byste dali Ferrari motor do koňského kočáru.“ Výkon máte, ale tahání za otěže tu rychlost stejně nevyužije. A konečně: neměnit organizaci. „Když někomu přes noc zčtyřnásobíte AI spolupracovníky bez změny procesů, ten člověk se stane úzkým hrdlem.“ Výsledkem je paradox: čím víc AI nasadíte špatně, tím víc práce máte. Ricci uzavírá střízlivým číslem: 20 % firem bere 75 % hodnoty z AI. Propast roste a roste rychle.
Experiment je nová investice
Scott Likens z PwC přišel s konceptem, který si hodlám vyvěsit v kanceláři: Return on Experiment > Return on Investment. Krátké cykly, jeden až čtyři dny. Nikoli fail fast, ale learn fast. Rozdíl je zásadní: fail fast se smíří s neúspěchem, learn fast ho přetaví ve znalost, která má hodnotu i tehdy, když projekt nefunguje. Kreativní agentura, která by v roce 2023 spočítala ROI na AI video, by řekla NE. Tehdy to vypadalo jako horor. Ta, která to přesto zkusila, měla v roce 2025 dva roky náskok, když technologie začala fungovat. ROI by ji o ten náskok připravil a žádnou zpětnou investicí by ho nezískala zpět.
Luca Mastella, CEO Learnn (bootstrapped firma, 280 000 uživatelů, nula externího kapitálu), přidal větu, která se mi zaryla: „Všichni používáme stejné modely, stejné nástroje, ale dostáváme různé výsledky. Rozdíl nejsou nástroje. Rozdíl jsme MY.“ Je to nepohodlná myšlenka, protože nás zbavuje výmluvy na technologii. Výsledky AI závisejí na tom, jak dobře rozumíte problému, jak precizně zadáváte, jak kriticky vyhodnocujete výstup a jak rychle se učíte z chyb. Mastella k tomu přidal čísla, která mluví za sebe: 95 % firem nedokáže změřit návratnost AI, 77 % chce školit lidi, ale reálně to dělá jen 13 %. Záměr bez akce je jen přání.
Každý může stavět – a to mění všechno
Aino Bergius z Lovable (valuace 6,6 miliardy dolarů) ukázala mřížku: 2 500 čtverečků, každý představuje 3,2 milionu lidí. Jen 14 oranžových, 0,6 % světové populace, od devadesátých let rozhodovalo, jak vypadá software – kdo bude mít aplikaci, jaká bude mít funkce, jak bude fungovat onboarding. Všichni ostatní byli odkázáni na to, co tihle lidé vytvořili. Bariéra vstupu byla příliš vysoká: roky učení, kapitál, tým, čas. Dnes: laptop, WiFi, nápad. Produkt za hodiny. Na platformě Lovable je dnes 40 milionů projektů. Sabrina ze São Paula bez technického vzdělání postavila aplikaci na prověřování trestních záznamů pro zaměstnavatele. Sales leader v Uber Eats si vytvořil generátor prezentací bez čekání na IT. Nemuseli nikoho přesvědčovat. Nemuseli čekat na schválení. Prostě to postavili.
Michele Catasta z Replit přidal příběh, který mě dojal víc než jakákoliv statistika: matka s dítětem s dyslexií. Každá appka na trhu trestala chyby. Označovala je červeně, zvýrazňovala, opravovala okázale. A dítě je odmítalo. Matka si sama, bez jediné lekce programování, postavila aplikaci na pravopis, ve které chyby nevypadají děsivě. Dítě začalo psát. Catasta říká: „Kéž bych tohle mohl udělat před patnácti lety.“ Dnes to může udělat kdokoliv. Pro firmy z mého portfolia z toho plyne jedno konkrétní důsledek: váš tým nemusí čekat na IT. Nemusí čekat na budget. Nemusí čekat na schválení projektu. Má nástroje. Otázka je, jestli mu to dovolíte.
Rychlost a to, co přijde – a proč to nestačí vědět
Llion Jones – spoluzakladatel Sakana AI a spoluautor titulu „Attention is All You Need“ s 250 000 citacemi, na kterém stojí ChatGPT, Claude i Gemini, řekl něco, co mě popravdě zaskočilo: „Přestaňte přerovnávat komponenty. Nenajdete další průlom přeskládáním existujících dílů. Další velká věc nebude vypadat vůbec jako transformer.“ Kontextem je to, jak transformer vůbec vznikl: ne jako geniální myšlenka od stolu, ale jako praktická odpověď na hardware. Rekurentní sítě byly pomalé na nových čipech Google, takže Jones s kolegy jednoduše odstranili rekurenci. Výsledkem bylo tisícinásobné zrychlení. Poučení není v architektuře, ale v přístupu: nejlepší průlomy jsou odpovědí na konkrétní omezení, ne výsledkem kombinování toho, co už existuje. A jeho firma Sakana AI právě na post-transformerové architektuře pracuje. Člověk, který transformer vynalezl, říká, že éra transformerů skončí.
Likens z PwC doplnil: za šest až dvanáct měsíců přijdou světové modely za hranicemi jazykových modelů, humanoidní roboti v továrnách, agenti jako operační vrstva. Ne nástroj, ale vrstva, přes kterou děláme všechno. Je to zásadní posun: dosud jsme AI používali jako asistenta, kterému zadáme úkol a čekáme na výsledek. Operační vrstva znamená, že AI neodpovídá na dotazy. Průběžně vnímá, průběžně rozhoduje, průběžně jedná. A pak řekl větu, která mě provázela celou konferencí: „Člověk je ten loop, ne člověk v tom loopu.“ Jinými slovy: AI je prostředek, vy jste cíl. Superschopnosti dostanete jen tehdy, když si udržíte kontrolu, ne když se necháte unést tokem automatizace.
Co si z toho odnáším pro firmy v portfoliu
Za prvé: přestaňte nakupovat nástroje a začněte navrhovat architekturu. Každý nový AI projekt se musíte ptát: jak tohle zapadá do celku? Kdo to orchestruje? Kde jsou data? Izolovaný nástroj, byť výborný, nepřidá tolik hodnoty jako dobře propojená soustava průměrných nástrojů.
Za druhé: ROI není správná metrika pro AI experimenty v rané fázi. Správná metrika je rychlost učení. Dělejte krátké cykly a sbírejte znalosti, nejen výsledky. Firma, která dnes experimentuje a učí se, bude mít za rok náskok, který se nedá koupit.
Za třetí: Giada Franceschini z Boosha AI to popsala nejlépe: „Automatizovat dnes neznamená odstranit lidský úsudek. Znamená to dát ho na správné místo.“ Vaši lidé se mají přesunout od exekuce k designu – od plnění úkolů k navrhování systémů, které ty úkoly plní. Jestli se to nestane, budou úzkým hrdlem. Ne proto, že jsou pomalí, ale proto, že budou přetížení rozhodnutími, která měl dělat systém.
Za čtvrté, a to je možná nejdůležitější: Silvia Wang, CEO Serenis, řekla větu, která mi připomněla, proč vlastně podnikáme: „Riziko není, že se stroje stanou jako my. Riziko je, že se my pomalu začneme stávat stroji.“ AI je tady na to, aby odstraňovalo úkoly, ne aby odstraňovalo smysl. Firmy, které tohle pochopí, nebudou jen efektivnější – budou lepší místa, kde se pracuje a kam se zákazníci rádi vracejí.
Shrnuto, Milán mi nedal odpovědi. Nechal mě s lepšími otázkami. A to je přesně to, co jsem potřeboval.
