Chodí za vámi klienti s tím, že „chtějí AI, protože to má konkurence", aniž by věděli, k čemu jim bude? Jak často musíte klienty brzdit?

Ano a častěji, než by si člověk myslel. AI se stala marketingovým slovem a někdy je zadání spíš o pocitu, že „musíme být moderní". Naší rolí je v tu chvíli brzdit a ptát se: jaký konkrétní problém řešíme a kde je návratnost. AI bez jasného cíle je jen drahý experiment.

AI je jen tak chytrá, jak kvalitní jsou data, kterými ji krmíme. Když přijdete do typické retailové firmy – v jakém stavu ta data reálně jsou?

Upřímně? Často roztříštěná a nepropojená. Retail má data všude, v e-shopu, ERP, skladech, pokladnách, marketingu, ale málokdy existuje jeden zdroj pravdy. Firmy chtějí predikce, ale nemají vyřešené základy. A bez kvalitních dat je AI jen hezká prezentace.

Jsou situace, kdy AI prostě nedává smysl. Kdy byste firmám doporučili do nasazení vůbec nejít?

Když firma nemá vyjasněný proces, který chce optimalizovat. AI neumí opravit chaos. Pokud nejsou jasné role, odpovědnosti a data, jen ho zrychlí. Někdy je největší přidaná hodnota v tom nejdřív věci zjednodušit a standardizovat.

Jak řešíte situaci, kdy je AI rozhodnutí technicky správné, ale obchodně špatné?

AI má být asistent, ne autonomní šéf. Rozhodování musí zůstat u lidí a procesů. Pokud model doporučí něco, co nedává obchodní smysl, je to signál ke kalibraci buď dat, nebo parametrů. Technologie bez kontextu je slepá.

Firmy se do AI projektů pouštějí s nadšením, ale ne vždy s realistickým rozpočtem. Jaké náklady nejčastěji podcení?

Integrace a změnu procesů. Technologie dnes není nejdražší část projektu. Nejtěžší je propojit systémy, vyčistit data a změnit způsob práce lidí. AI není plug-and-play, je to zásah do fungování firmy.

Jaká jsou podle vás největší rizika AI v retailu v horizontu dvou let?

Technologický lock-in a přehnaná očekávání. Firmy mohou snadno vsadit vše na jednoho vendora nebo jeden model a ztratit flexibilitu. Druhým rizikem je víra, že AI vyřeší strategii. Nevyřeší. Strategie musí být jasná dřív než model.

Kdybych vás požádal o jedno konkrétní doporučení – který AI use case by měl každý retailer spustit letos?

Začal bych u práce s daty a predikce poptávky. Ne kvůli efektu, ale kvůli dopadu na cashflow, zásoby a marži. Dobře nastavená predikce dokáže udělat víc než deset marketingových experimentů. A zároveň firmu donutí dát si do pořádku data, což je ta skutečná hodnota.

Rozhovor vznikl v rámci konference Retail Summit. AI Crunch je mediálním partnerem konference.

Autor: Radim Petlach