
Agentní umělá inteligence se zrychluje, ale bez důvěryhodných dat a správy a řízení je obtížné bezpečně překročit rámec pilotních projektů.

Organizace stále více zavádějí GenAI a agentní AI. Problém je v tom, že důvěra v data a jejich správa s tímto zaváděním ne vždy držely krok.
Až donedávna mnoho společností vnímalo generativní umělou inteligenci jako oblast pilotních projektů, testů a rychlých experimentů. Dnes se diskuse stále více točí kolem produkčních implementací, reálných obchodních procesů a rozhodnutí podporovaných umělou inteligencí.
Z článku Informatica, založený na průzkumu mezi 600 lídry v oblasti dat z různých regionů světa, ukazuje, že téměř 7 z 10 organizací již implementovalo GenAI. Téměř polovina z nich šla ještě o krok dál a používá agentní AI, řešení, která nejen generují obsah nebo doporučení, ale také dokáží provádět akce v rámci konkrétního obchodního kontextu.
Toto je významný posun. Čím více se umělá inteligence stává součástí každodenního provozu organizací, tím méně postačuje pouhá otázka: „Máme k modelu přístup?“ Stále důležitější se stává otázka: „Běží model na datech, kterým můžeme důvěřovat?“
Jeden z nejzajímavějších závěrů z materiálu Informatica Existuje takzvaný paradox důvěry. Podle studie 65 % zaměstnanců věří, že data, na kterých je založena umělá inteligence, jsou spolehlivá. Zároveň 75 % vedoucích pracovníků v oblasti dat uvádí, že zaměstnanci potřebují významný rozvoj datové gramotnosti, a 74 % uvádí totéž o gramotnosti v oblasti umělé inteligence.
Jinými slovy: důvěra v umělou inteligenci může růst rychleji než schopnost organizace kriticky hodnotit výsledky umělé inteligence.
Toto je riziko, které lze snadno přehlédnout. Pokud firemní uživatelé budou vnímat odpovědi umělé inteligence jako dané, a ne jako výsledek závislý na kvalitě dat, pravidlech, kontextu a omezeních modelu, může organizace činit rozhodnutí na základě výsledků, kterým nikdo dostatečně dobře nerozumí.
Umělá inteligence ve výrobě vyžaduje solidní základy. Nejdůležitější z nich jsou:
Informatica ukazuje, že 57 % organizací považuje spolehlivost dat za hlavní překážku pro AI. To ukazuje, že výzvy sahají nad rámec volby technologie, modelu nebo platformy.
Umělá inteligence v produkčním prostředí vyžaduje data, která jsou přístupná, anotovaná, monitorovaná a kontextualizovaná. Pokud jsou data rozptýlená, nekonzistentní nebo je obtížné je najít, i ten nejlepší model může produkovat výsledky, které vypadají přesvědčivě, ale z obchodního hlediska je obtížné je obhájit.
Článek také ukazuje, že zlepšení kvality dat pomáhá organizacím uspět s pilotními projekty GenAI. Zároveň, pokud jde o agentní umělou inteligenci, polovina vedoucích pracovníků stále uvádí jako největší výzvy kvalitu dat, vyhledávání a načítání.
Tři čtvrtiny organizací připouštějí, že jejich řízení zaostává za zaváděním umělé inteligence. To je jeden z nejdůležitějších signálů pro vedoucí pracovníky v oblasti dat, IT a obchodu.
V tradičních analytických projektech nedostatečná správa často znamenala chaos v reportování, spory o definice metrik nebo omezenou důvěru v dashboardy. V projektech umělé inteligence mohou být důsledky širší, protože výsledky modelů stále více ovlivňují zákaznický servis, provozní procesy, dodržování předpisů a obchodní rozhodnutí.
Řízení AI by proto nemělo být samostatným, odloženým projektem. Mělo by se stát součástí základů, na kterých organizace staví řešení AI: od katalogizace dat a pravidel kvality až po řízení přístupu, soukromí a odpovědnost za používání dat.
Organizace, které chtějí přejít od pilotních projektů umělé inteligence k bezpečnému škálování, by měly začít s několika jednoduchými otázkami.
Tyto otázky jsou méně okouzlující než představení nového modelu nebo jiného případu použití. Ale právě ony určují, zda bude umělá inteligence nástrojem pro podporu rozhodování, nebo dalším zdrojem nejistoty.
Umělá inteligence se neškáluje pouze prostřednictvím modelů. Škáluje se prostřednictvím důvěryhodných dat, jasné správy a lidí, kteří chápou, jak umělou inteligenci používat zodpovědně.
Rok 2026 by mohl být pro mnoho společností zlomovým bodem v zavádění umělé inteligence. GenAI a agentní umělá inteligence překračují experimentální fázi a stále častěji se začleňují do reálných obchodních procesů.
Čím větší je však role umělé inteligence v organizaci, tím důležitější se stávají základy: kvalita dat, řízení, soukromí, bezpečnost a kompetence zaměstnanců. Bez nich se implementace může na úrovni rozhraní jevit jako moderní, ale na úrovni rozhodování zůstává křehká.
Zralost umělé inteligence by se proto neměla měřit pouze počtem spuštěných případů užití. Stejně důležité je, zda organizace dokáže vysvětlit, kde umělá inteligence data získává, jak je interpretuje a kdo je zodpovědný za jejich spolehlivost.
Źródło: Informatica, Přehledy CDO 2026 – Zavádění umělé inteligence se zrychluje, ale důvěra a správa věcí veřejných zaostávají