AI pre manažérov
AI pre manažérov
Klasické IT vs. AI
| Klasický softvér | AI | |
|---|---|---|
| Princíp | pravidlá napísané programátorom | vzory naučené z dát |
| Výstup | rovnaký vstup → rovnaký výstup | rovnaký vstup → podobný výstup |
| Chyba | bug, opraví sa | štatisticky očakávaná |
| Testovanie | raz pri preberaní | priebežne, na vašich dátach |
Manažérska otázka nie je „funguje to?“, ale „ako často sa mýli a čo sa stane, keď sa pomýli?“
Tri rodiny AI
graph LR
P["Prediktívna AI<br/>predpovedá a triedi<br/>porucha VMS, anomálie WIM"] --> G["Generatívna AI<br/>tvorí text, obraz, kód<br/>ponuky, zhrnutia, preklady"]
G --> A["Agentická AI<br/>plánuje a koná s nástrojmi<br/>Cowork, Scout, vlastní agenti"]
Čím viac autonómie, tým viac hodnoty – ale aj rizika a potreby riadenia.
Zubatá hranica
Štúdia Harvard Business School a BCG (2023, 758 konzultantov): pri úlohách vnútri hranice schopností AI +12 % úloh, o 25 % rýchlejšie, +40 % kvalita. Pri úlohe mimo hranice o 19 percentuálnych bodov menej správnych riešení – ľudia uverili presvedčivej, ale nesprávnej odpovedi.
Dáta vs. hype
| Zistenie | Zdroj |
|---|---|
| +14 % vyriešených požiadaviek v podpore, nováčikovia +34 % | Brynjolfsson, Li, Raymond 2023 |
| skúsení vývojári o 19 % pomalší, hoci si mysleli, že rýchlejší | METR 2025 |
| 72 % spokojných s M365 Copilot, ale bez robustného dôkazu rastu produktivity | UK DBT 2025 |
Pointa
Prínos AI je reálny, ale podmienený – úlohou, skúsenosťou a tým, či ho meriate.