Když se dnes firmy baví o přínosech umělé inteligence, velmi často začínají stejnou otázkou:
Kolik času nám AI ušetří?
Je to logické. Čas se dobře měří. Pokud zaměstnanec stráví nad nějakou činností dvě hodiny denně a AI ji zvládne zkrátit na třicet minut, máme na první pohled jasný výsledek.
Ušetřili jsme hodinu a půl.
Jenže právě tady často vzniká problém.
Ušetřený čas totiž ještě není přínos pro firmu.
Firma vybaví obchodníka AI asistentem.
Asistent mu pomáhá se zápisy ze schůzek, automaticky připravuje záznamy do CRM, shrnuje komunikaci se zákazníky, pomáhá s přípravou nabídek a dohledává informace potřebné před další schůzkou.
Činnosti, které obchodníkovi dříve zabraly několik hodin týdně, jsou najednou výrazně rychlejší.
Z pohledu klasického měření AI projektu jde o úspěch.
Ušetřili jsme například šest hodin týdně.
Jenže teď přichází mnohem důležitější otázka:
Co obchodník s těmi šesti hodinami udělá?
Máme motivovaného obchodníka, kterého jeho práce baví a který chce dosahovat výsledků.
Díky AI nemusí trávit tolik času administrativou. Může místo toho navštívit více zákazníků, udělat více schůzek, rychleji reagovat na poptávky, připravit více nabídek nebo se více věnovat stávajícím zákazníkům.
Najednou už neměříme pouze šest ušetřených hodin.
Můžeme sledovat například:
A právě tady začíná být ekonomický přínos AI skutečně vidět.
AI neušetřila pouze čas. Zvýšila produktivitu člověka a díky tomu i výkon firmy.
Teď si představme stejného obchodníka ve stejné firmě.
AI mu opět ušetří šest hodin týdně. Jenže jeho cíle zůstaly stejné, procesy se nezměnily, KPI nikdo neupravil a firma od něj neočekává nic jiného než před zavedením AI.
Část ušetřeného času tak může začít pracovat ve prospěch zaměstnance, nikoliv firmy.
Nemusí to nutně znamenat nic negativního. Člověk si může udělat delší pauzu, dříve dokončit práci, věnovat se osobním věcem nebo prostě pracovat pohodlnějším tempem.
Z pohledu zaměstnance může jít o příjemný benefit.
Z pohledu firmy ale nastává problém.
Firma zaplatila za AI technologie, licence, implementaci, změnu procesů a školení. Na reportu přitom může ukázat:
„Ušetřili jsme zaměstnancům 500 hodin měsíčně.“
Pokud se ale nezměnil objem výkonu, kvalita služby, tržby ani jiné měřitelné výsledky, je otázkou, jaká byla skutečná návratnost této investice.
Tohle je podle nás jeden z největších rozdílů v přístupu k AI.
Ušetřený čas bychom neměli automaticky považovat za vytvořenou hodnotu.
AI nám ve skutečnosti vytváří novou kapacitu.
A teprve další rozhodnutí firmy určují, jestli tuto kapacitu přemění na něco užitečného.
Například na vyšší počet obsloužených zákazníků, větší produkci, lepší kvalitu, kratší dobu dodání, vyšší tržby, vyšší marži, menší chybovost, rychlejší rozhodování nebo možnost růst bez okamžitého náboru dalších lidí.
Pokud firma tento krok neudělá, může jí velká část očekávaného přínosu AI jednoduše protéct mezi prsty.
To je také důvod, proč nestačí zaměstnancům pouze koupit Copilot, ChatGPT nebo jiného AI asistenta.
Pokud díky nové technologii zásadně změníme způsob, jakým lidé pracují, musíme se podívat také na procesy, odpovědnosti, očekávané výstupy, KPI, reporting, řízení výkonu a někdy i samotné role.
Pokud člověku odstraníme třicet procent administrativní práce, ale jeho cíle a způsob řízení zůstanou stejné, nemůžeme automaticky očekávat třicetiprocentní zvýšení výkonu firmy.
Technologie vytvořila příležitost. Firma ji ještě musí dokázat využít.
Mnohem zajímavější otázka je:
Co díky AI dokážeme dělat lépe než předtím?
A ještě lépe:
Jak to změříme?
U obchodníka to může být počet schůzek, nové příležitosti nebo hodnota pipeline. U zákaznické podpory počet vyřešených požadavků, doba reakce nebo spokojenost zákazníků. U konzultanta počet zákazníků, které zvládne obsluhovat, kvalita výstupů nebo rychlost jejich přípravy.
Každý use case může mít jinou metriku. Společný princip je ale stejný:
Neměřme pouze to, kolik práce AI odstranila. Měřme, co díky tomu firma získala.
Při vyhodnocování AI projektů proto dává smysl sledovat jednoduchou posloupnost:
AI → uvolněná kapacita → změna způsobu práce → zvýšení produktivity → měřitelný dopad na firmu
Právě poslední část tohoto řetězce je zásadní.
Pokud ji nedokážeme popsat a měřit, velmi těžko poznáme, jestli máme před sebou skutečně úspěšný AI use case, nebo pouze technologii, která lidem zpříjemnila práci.
A obojí může být legitimní cíl. Je ale dobré vědět, který z nich právě sledujeme.
V Pillaro se při hledání AI use casů primárně nezaměřujeme na otázku, kde dokážeme ušetřit nejvíce hodin.
Hledáme především místa, kde může AI zvýšit produktivitu, kvalitu nebo výkonnost firmy a kde tento dopad dokážeme rozumně měřit.
Společně se zákazníkem hledáme vhodné ukazatele, sledujeme výchozí stav a vytváříme způsob, jak přínos AI dlouhodobě vyhodnocovat.
Protože cílem podle nás není mít report, který říká, že AI ušetřila tisíc hodin.
Cílem je vědět, co těch tisíc hodin firmě skutečně přineslo.
Firmy při zavádění AI často sledují především počet ušetřených hodin. Je to jednoduchá a srozumitelná metrika, ale sama o sobě ještě neříká nic o skutečném přínosu pro firmu.
Ušetřený čas není hodnota. Je to nově vytvořená kapacita.
Teprve pokud firma upraví způsob práce, procesy, očekávání a KPI, může tuto kapacitu přeměnit na vyšší produktivitu, lepší kvalitu, větší objem práce nebo konkrétní finanční výsledek.
