Miliardy, které přicházejí vniveč. Český startup nabízí řešení, jak měřit návratnost investic do AI
- Velká část firem dnes nepozoruje návratnost investic do umělé inteligence (AI).
- Český startup Navigara přichází se systémem, který má tyto přínosy kontrolovat.
- Na jeho rozvoj nyní od investorů získal desítky milionů korun.
Množství peněz, které firmy investují do implementace umělé inteligence, se neustále zvyšuje. Podle celosvětového průzkumu společnosti Boston Consulting Group (BCG) provedeného mezi více než 2300 vedoucími pracovníky plánují společnosti investice více než zdvojnásobit. Zatímco loni na ně průměrně vydávaly asi 0,8 procenta svých příjmů, letos to bude už 1,7 procenta.
Zároveň však platí, že většina firem zatím nepozoruje měřitelné přínosy implementace AI. Podle studie společnosti Atlassian nezaznamenalo výrazné zlepšení efektivity, inovací nebo kvality práce na základě vynaložených investic do umělé inteligence až 96 procent společností. V průzkumu odpovídalo 180 vedoucích pracovníků firem ze žebříčku Fortune 1000, tedy tisícovky největších amerických firem, a 12 tisíc zaměstnanců z celého světa.
Řešení chtějí přinést Češi
Na problém neschopnosti přesně vyhodnotit dopady a přínosy umělé inteligence chce odpovědět český startup Navigara. Ten vyvinul nástroj, který firmám umožňuje měřit skutečnou návratnost investic do AI nástrojů a výkonnost vývojových týmů. Firma svým řešením nyní zaujala i investory, kteří jí poslali 2,5 milionu dolarů, tedy přibližně 51 milionů korun. Seed kolo vedl polský fond Inovo VC, k němuž se přidaly české Rockaway Ventures a QQ Capital.
„Navigaru jsme vytvořili proto, abychom nahradili domněnky konkrétními důkazy. Místo dalších přehledů poskytuje srozumitelná data, která umožňují řídit technologickou organizaci na základě faktů,“ říká zakladatel a generální ředitel startupu Jiří Bachel, který aktuálně buduje firmu v San Francisku, současně ale také rozvíjí pražský vývojový tým.
Společnost vyvinula systém, který umožňuje firemnímu vedení sledovat, zda nové nástroje skutečně zlepšují kvalitu práce, zrychlují dodávku softwaru a přinášejí obchodní hodnotu. Řešení Navigary funguje na technologii plně autonomních AI agentů, kteří se integrují do firemního softwaru, kde následně zaznamenávají aktivitu nástrojů umělé inteligence společnosti a monitorují dopad na její byznysové výsledky i fungování firemních týmů. Součástí nástroje je také systematické vyhodnocení dopadu AI nástrojů prostřednictvím porovnání stavu před jejich zavedením a po něm.
„Zaujala nás i ambice zakladatele, který pochopil, že pokud chce budovat globální firmu, musí být osobně přítomen ve Spojených státech. Schopnost spojit technickou odbornost s jasnou vizí mezinárodního růstu považujeme za klíčový předpoklad úspěchu,“ komentuje důvod investice do Navigary generální partner Rockaway Ventures Petr Šmíd.
Neefektivní využívání umělé inteligence dnes firmy stojí nemalé peníze. Již zmiňovaná studie Atlassianu vyčíslila celkové roční ušlé výnosy z investic do AI mezi firmami ze žebříčku Fortune 500 – pětistovky největších firem z USA – na 98 miliard dolarů, tedy přibližně dva biliony korun.
Optimistický výhled
Společnosti jsou však s budoucím výhledem optimistické. Podle průzkumu BCG 90 procent generálních ředitelů firem věří, že se jim investice do AI začnou vracet již letos, a to především díky rozšiřování takzvaných AI agentů, tedy specializovaných nástrojů na bázi umělé inteligence.
Tuzemské firmy jsou podle ředitele České asociace umělé inteligence Lukáše Benzla aktuálně ve fázi vystřízlivění. „První vlna byla charakteristická rychlým nákupem nástrojů a pilotních projektů bez hlubší procesní přípravy. Výsledkem byly vyšší náklady na integraci, bezpečnost a na interní kapacity, než se původně čekalo,“ komentuje.
Vyhlídky na letošní rok jsou ale podle něj strukturálně lepší. „Firmy už mají zkušenost z první vlny, lépe rozumějí reálným nákladům i limitům technologií a začínají investovat selektivněji. Očekávám méně experimentů a více projektů přímo napojených na klíčové procesy. To by mělo postupně zvýšit míru skutečné, nikoli jen očekávané návratnosti,“ předpokládá Benzl.
Za zásadní považuje jasně definovaný cíl, výchozí stav a měřitelnou metriku úspěchu ještě před zahájením implementace. Dále je podle něj zásadní datová připravenost. „Bez kvalitních, strukturovaných a dostupných dat se návratnost nedostaví, bez ohledu na kvalitu modelu. Stejně důležitá je integrace do pracovních procesů,“ uvádí Benzl a upozorňuje, že návratnost implementace AI je otázkou jejího řízení, nikoli samotné technologie.
