Jak na AI ve výrobní firmě

V posledních letech probíhá boom umělé inteligence, která si nachází cestu nejen k běžným uživatelům internetu, ale také k velkým nadnárodním firmám. Její implementace může firmy zcela proměnit, neboť přináší zásadní výhody, jako je vytváření nových produktů a obchodních modelů, zajištění konkurenceschopnosti nebo převratné využívání byznysových dat. Výrobním firmám pak může mimo jiné přinést úsporu energií, snížení nákladů na opravy nebo zvýšení výrobní efektivity.

Může být umělá inteligence klíčovým krokem k optimalizaci procesů ve výrobních firmách? Jaká jsou u její implementace rizika? A proč je k ní potřeba přistupovat nejen z technologického hlediska, ale také z hlediska psychologie zaměstnanců?

26. září 2024 se naše konferenční místnost naplnila téměř stovkou účastníků, kteří si tyto a mnohé další otázky na pravidelné bázi pokládají. Organizovali jsme náš v pořadí již sedmý C-Suite Meetup, který byl zaměřen na implementaci AI ve výrobní firmě. Důležitost tohoto tématu podtrhl i fakt, že se nám přihlásil dosud největší počet zájemců. A zatímco u předchozích akcí vždy vystupovalo maximálně šest řečníků, nyní jich bylo hned devět

V prvním diskuzním bloku jsme postupně přivítali tři dvojice, které se vždy skládaly z jednoho zástupce průmyslové společnosti a jeho technologického partnera v oblasti AI. Byli to pánové:

  • Pavel Kocourek, ředitel Aspera Technology, a Ing. Milan Legát Ph.D., CEO & spoluzakladatel společnosti Amitia,
  • Filip Šeřík, manažer firmy Festo, a Jakub Szlauer, CEO & spoluzakladatel EDIMA solutions,
  • Radim Bullawa, Industrial Engineering manažer z Dormer Pramet, a Slávek Heřman, AI & Developer Lead z DNAi.

V druhém diskuzním bloku vystupovali tři experti s bohatými zkušenostmi s implementací AI:

  • Šimon Staňo, CEO & spoluzakladatel, DAITABLE,
  • Pavel Konečný, CEO & zakladatel, Neuron Soundware,
  • Ing. Richard A. Novák, Ph.D., CEO & zakladatel, OmniCrane.

Moderace se již tradičně ujal Pavel Bartoš, Chief Marketing Officer v INVENTI

Během akce měli účastníci možnost pokládat přímé otázky řečníkům, ale také odpovídat na dotazy, které jsme jim pokládali my. Hned na začátku Meetupu jsme se jich zeptali Jaký je váš vztah k dnešnímu tématu? 

A pokračovali jsme s otázkou: Co byste si z dnešní diskuze rádi odnesli?:
V následujícím článku si popíšeme konkrétní tipy, které z diskuze vyvstaly a mohou firmám pomoci při úspěšné implementaci AI. Zaměříme se na klíčové rady a doporučení od našich řečníků, jak efektivně využít AI ve výrobě a na co si dát při zavádění pozor.

Pokud vám C-Suite Meetup unikl naživo, nezoufejte. V následujících bodech si uvedeme nejdůležitější body digitalizace výrobní firmy, které během něj zazněly. 

AI dokáže dobře řešit nedostatky ERP systémů

ERP systémy jsou dnes již standardními nástroji pro řízení a správu podnikových procesů. V současné době však mohou narážet na svoje hranice a firmám nepřináší řešení všech aspektů výroby, zejména pokud jde o komplexní plánování zakázek nebo rychlou reakci na změny ve výrobě. Umělá inteligence ve formě APS (Advanced Planning and Scheduling) systémů je tedy dalším logickým krokem, který může tyto mezery vyplnit, a s ERP prostředím mnohdy i fungovat harmonicky.

Své o tom ví Pavel Kocourek, ředitel závodu Aspera Technology: „Implementovat APS systém jako nadstavbu našeho ERP jsme se rozhodli proto, že žádný ERP systém nedokáže efektivně plánovat výrobu. I když ERP zvládne plánování dopředu i dozadu, jakmile dojde k problémům, jako je nutnost posunout nebo seřadit zakázky tak, aby byla výroba efektivní a splnila požadované termíny, systém naráží na své limity“

I z hlediska efektivity pak může ERP systém pokulhávat. Dle Pavla Kocourka se často může stát, že když má firma zavedený informační systém, lidé si z něj začnou vytahovat data a dále s nimi manipulovat tak, aby byli co nejefektivnější ze svého subjektivního pohledu. Jenže takový postup může jít proti celkovému výkonu firmy.

Zaměstnanci si pak v rámci výroby stanovují vlastní priority a zakázky zůstávají stát nebo se předbíhají, protože každý zaměstnanec chce optimalizovat svou část práce. Jediným způsobem, jak tomu zamezit, je delegovat plánování v co největší míře na softwarová řešení, která pomáhají udržet řád a efektivitu napříč celým procesem, nikoliv jen na úrovni jednotlivých zaměstnanců.

Amitia, průkopník AI se sídlem v Plzni, nabízí řešení pro zpracování obrazu, prediktivní údržbu a automatizaci administrativy. Jeho nástroje jsou přizpůsobeny potřebám firem, zvyšují efektivitu a snižují náklady, přičemž pomáhají optimalizovat provozy a zlepšovat kvalitu produktů.

Aspera Technology nabízí zakázkovou kovovýrobu včetně konstrukčních prací, montáží a práškového lakování. Využívá moderní technologie pro svařování a elektromontáže, přizpůsobené potřebám různých odvětví.

Zavedení APS systému také přineslo u Aspera Technology výrazné změny v organizaci práce a řízení zakázek. „Museli jsme zakázat zaměstnancům ve výrobě, aby o čemkoli rozhodovali. Dříve například jeden obchodní zástupce požádal pracovníka, aby upřednostnil určitou zakázku, a vzápětí přišel další s jinou prioritou, což způsobovalo zmatek a nejasnosti. Dnes se zakázky automaticky plánují v ERP systému, který přes noc zpracuje data, seřadí je podle priorit a zobrazí je zaměstnancům přímo na obrazovkách. Každý vidí své pracoviště, aktuální zakázky i jejich stav, včetně počtu přeskočení, a už nepotřebuje vedoucího, aby mu říkal, co má dělat,“ uvedl Pavel Kocourek
EDIMA Solutions přináší inovativní technologie pro průmyslovou automatizaci a údržbu. Vyvíjí chytré nástroje pro efektivnější provoz a vyšší produktivitu, včetně AI asistenta Edmunda, který predikuje závady ve výrobě a představuje jejich možná řešení.
Festo, lídr v automatizaci a technologiích řízení pohybu, působí na trhu více než 100 let. Specializuje se na vývoj pokročilých systémů, včetně řídících jednotek, čidel a softwarových řešení pro optimalizaci výroby. Také nabízí vzdělávací programy, které pomáhají firmám zavádět moderní technologie.

Překonání rezistence zaměstnanců = klíč k úspěšné implementaci AI

Lidé od přírody nemají rádi změny, a u implementace nových technologií to platí dvojnásob. Do hry pak totiž vstupuje také naše psychologická potřeba cítit, že jsme ve své práci důležití, která může být ohrožena tím, že máme nově důvěřovat algoritmu místo vlastního rozhodování.

Bez spolupráce zaměstnanců však k úspěšnému zavedení umělé inteligence nemůže dojít. Musí pochopit, že do rukou dostávají nástroj, se kterým mohou experimentovat, a tak se stát i mnohem efektivnějšími. Na spoustu úkolů je navíc v dnešní době AI stále krátká, a pokud by tedy mělo dojít ke ztrátě pozice konkrétního zaměstnance, společnosti by se měly zamyslet nad tím, k jaké náplni práce ho přesunout.

V souvislosti s tím se jeden z účastníků zeptal Filipa Šeříka, zástupce společnosti Festo, která je dodavatelem sofistikovaných PLC řešení: Jak by měl šéf Zdeňka Svěráka z filmu Vratné lahve komunikovat lepší změnu ve firmě? Pavel Bartoš, moderátor Meetupu, otázku více rozvedl: Co můžeme říct lidem, kteří jsou v pozici, ve které nestačí jejich práci jen vylepšit, ale skutečně dojde k jejich nahrazení?

Na to Filip odvětil, že jestli má dojít k nahrazení, tak není co vymýšlet: „Pokud však máme zaměstnance ve firmě dlouho a nechceme je nahradit, jen změnit jejich pozici, je nezbytné jim jasně vysvětlit, že už nebudou vykonávat svou dosavadní činnost, ale zaměří se na něco jiného. To vyžaduje dlouhodobou práci s tímto člověkem, aby přijal nový směr jako svůj vlastní.“

Dále pokračoval tím, že v rámci implementace nových technologií je potřeba postupovat citlivě a zaměřovat se na konkrétní potřeby zaměstnanců. Když vedení firmy oznámí, že zavádí AI, většina lidí reaguje strachem o své pracovní místo. „Příkladem může být František, který pět let přemisťuje krabice. Když mu oznámím, že ho nahradí robot, začne se obávat o svou práci a zároveň si vypěstuje odpor vůči vedení i všem robotům na světě,“ poznamenal Filip. Festo proto volí jiný přístup – nejprve zjistí Františkovy potřeby a problémy, například zdravotní potíže způsobené fyzickou prací, a nabídne mu možnost, že bude robota obsluhovat. Tím se jeho práce zjednoduší, zmírní se jeho zdravotní problémy, a navíc získá příležitost rozvíjet nové dovednosti. Jakmile František zjistí, že mu to uleví od bolesti zad a umožní profesní růst, přijme změnu pozitivně.

Co se týče rezistence lidí, Radim Bullawa, zástupce společnosti Dormer Pramet působící v kovoobráběčském průmyslu, se s ní nesetkal. První stanici, která spolupracuje s AI, totiž sestavovali přímo mezi lidmi v dílně. Lidi tak chodili kolem a průběžně byli svědky posunu, což jim pomohlo se s novou technologií postupně sžít. Viděli, jak systém vzniká, jak se učí, a postupně si na něj zvykali, aniž by měli pocit, že jim je vnucováno něco nového a neznámého.

Je však potřeba počítat s tím, že hybatelem inovací jen zřídkakdy budou samotní zaměstnanci. S tím souvisí i otázka, kterou v průběhu Meetupu Pavel Bartoš položil publiku: Kdo (pozice nebo oddělení) je u vás nejčastějším hybatelem inovací a zdrojem ambicí? Odpovědi byly následující:

Dle zkušenosti Slávka Heřmana, experta na AI ze startupu DNAi, se většinou jedná o někoho z výroby. Obvykle to bývá šéf výroby, který dostal za úkol zlepšit kvalitu procesů, nebo ředitel závodu, který slyšel o implementaci AI od svého známého, a rozhodl se, že je potřeba začít také u nich.

Vzdělávání zaměstnanců vás posune blíže k vašim cílům

Tento bod úzce souvisí s tím předchozím, protože pokud našim zaměstnancům dodáme ty správné informace o nově zaváděných systémech, jejich vztah k nim se může otočit o 180° stupňů. Spolupracovníkům by se mělo dostat nejen teoretických školení, ale také praktických zkušeností s těmito technologiemi. Když získají možnost vyzkoušet si nové systémy v reálném prostředí, jejich strach z neznámého se může snížit, či úplně rozplynout.

Jakub Szlaur je zakladatelem společnosti EDIMA solutions, která pomáhá s implementací AI technologií průmyslovému lídrovi Festo. Jmenovitě se jedná hlavně o produkt Edmund AI sloužící jako AI pomocník pro údržbáře. Agreguje nejrůznější dokumentaci, návody, provozní data a veškeré informace, které údržbář může potřebovat k tomu, aby linku opravoval a udržoval. Workshopy jsou naprosto zásadním prvkem jejich služeb, protože bez nich by zaměstnanci nedokázali plně pochopit a využívat potenciál tohoto systému.

„Nakonec jde vždy o lidi. Při nasazování Edmunda do firem pořádáme workshopy, kde vysvětlujeme jeho fungování. Často funguje jako chatovací asistent, což polovina zaměstnanců ani nezná. Dokud si celý systém společně a opakovaně neprojdeme, jeho využití zůstává nízké a aktivita klesá. Další kolo školení pak vždy zvýší jeho používání,“ řekl Jakub.

Dormer Pramet je globální výrobce řezných nástrojů pro obrábění kovů, zaměřený na soustružení, frézování, vrtání a závitování. Společnost se soustředí na inovace pro zvýšení produktivity a efektivity ve výrobě

DNAi nabízí inovativní AI a strojové učení pro zlepšení efektivity a automatizaci nejen průmyslových procesů. Vyvíjí systémy pro zpracování obrazu, analýzu dat a predikci chyb, které firmám pomáhají předpovídat potřebu údržby a využívat AI k praktickým účelům.

Data mají cenu zlata

Ani ten nejsofistikovanější AI systém nebude dobře fungovat, pokud nebude založen na tvrdých datech. Umělá inteligence je sice velmi chytrá a umí spoustu věcí, ale bez správného kontextu nemusí například rozpoznat, že dva podobné artikly se liší pouze šarží. Pokud ve firmě nejsou odborníci, kteří nastaví systém tak, aby chápal, co zpracovává, AI se stane drahým nástrojem, který bude místo správných výsledků generovat chyby, protože nemá k dispozici kvalitní data pro učení.

Milan Legát, CEO a spoluzakladatel společnosti Amitia, která nabízí komplexní AI řešení pro průmyslové firmy, se nad důležitostí spolehlivých dat zamýšlel v kontextu APS systémů: „Algoritmy APS nejsou samy o sobě špatné, ale záleží na kvalitě dat, která do nich proudí. Není tedy třeba opravovat samotný APS systém, ale spíše se zaměřit na data, která do něj vkládáme. V Aspeře jsme investovali mnoho času do procházení dat z ERP systému a opravování nesrovnalostí. Tento proces stále probíhá a čím dál více se prohlubuje, aby AI dokázala rozpoznat i jemné rozdíly v datech.“

Úspěch umělé inteligence je tedy přímo úměrný kvalitě dat, která do ní dáváme. Slávek Heřman z DNAi, zdůraznil, že: „ Správný vstup zaručuje správný výstup.“ Při trénování neuronových sítí na rozpoznávání obrazu je třeba nejprve ukazovat jednoduché příklady – například rozdíly mezi materiály nebo základními tvary. V průmyslových aplikacích, jako je rozpoznávání vad na břitových destičkách, to však není tak jednoduché. Pod mikroskopem může vada vypadat různě, a pokud různí operátoři označí stejné výrobky odlišně, AI systém bude zmatený. Následné zjišťování, kde se systém špatně naučil rozpoznávat vadu, je velmi náročné a vyžaduje nejen technologické, ale i lidské úsilí.

DAITABLE je ambiciózní startup zaměřený na optimalizaci spotřeby energie ve výrobních firmách. Jeho řešení pomáhají snižovat náklady prostřednictvím inteligentního sledování spotřeby a efektivnějšího využití zdrojů. Společnost identifikuje neefektivní místa a navrhuje strategie pro dlouhodobé úspory.

Neuron Soundware nabízí praktické řešení pro „poslouchání strojů“ pomocí umělé inteligence, která analyzuje zvuky a vibrace k identifikaci anomálií a predikci poruch. Firmy tak mohou sledovat stav zařízení v reálném čase, předcházet výpadkům a zefektivňovat údržbu.

OmniCrane nabízí AI platformu pro automatizaci prodejních kampaní, správu zákaznických dat a optimalizaci týmové spolupráce. Řešení zvyšuje efektivitu prodejních týmů a zjednodušuje jejich práci, což jim umožňuje soustředit se na důležitější činnosti a strategické úkoly

Pavel Konečný, CEO a zakladatel společnosti Neuron Soundware, vyvíjí AI systém, který analyzuje zvuky strojů a umožňuje včasnou detekci poruch, aby se předešlo výrobním výpadkům. Zmínil, že i když firmy často sbírají velká množství dat ze senzorů a čidel (např. o teplotě, vlhkosti, hluku nebo chemických látkách ve vzduchu), skutečná výzva nastává ve chvíli, kdy nevědí, jak tato data dále efektivně zpracovat a najít v nich klíčové souvislosti. V Neuron Soundware se proto zaměřili na vývoj nástrojů, které tato data dokážou analyzovat, odhalovat příčiny problémů a eliminovat pouhé korelace.

Na toto téma se rozmluvil i Richard Novák, CEO a zakladatel OmniCrane, firmy vyvíjející pokročilé AI platformy pro automatizaci a optimalizaci prodejních procesů. „Při konzultacích s firmami se často setkávám s tím, že data se sice sbírají, ale chybí jejich analýza a strukturování. Než se ptát na využívané algoritmy, je mnohem užitečnější nejprve pochopit jejich datovou strategii.“

Firmy, které už mají za sebou digitalizaci, často zaměstnávají pracovníky zaměřené na sledování a analýzu dat. Tato práce však mnohdy zahrnuje rutinní úkoly a vzorce, které může umělá inteligence zpracovat mnohem rychleji a efektivněji. Přínos strojového učení v těchto situacích spočívá v tom, že zjednodušuje procesy, snižuje pracovní zátěž a umožňuje zaměstnancům věnovat se důležitějším úkolům. Pokročilé algoritmy strojového učení tak mají potenciál zvýšit produktivitu a optimalizovat interní postupy, zejména v oblasti datových analýz.

Dalším důležitým aspektem práce s daty je jejich úplnost. Při generování datového toku se může ukázat, že klíčové informace chybí, což brání správnému natrénování modelů. V takových případech je nezbytné data doplnit o relevantní fyzikální parametry, které modelům umožní poskytovat přesné a smysluplné výstupy.

AI provádí lepší kontrolu kvality než lidské oko

Kontrola kvality je jednou ze zásadních aktivit výrobních závodů, a právě její posílení je častým důvodem, proč mají firmy o implementaci AI technologií zájem. Umělá inteligence dokáže nejen rychleji, ale i mnohem přesněji detekovat vady či odchylky, které by lidskému oku mohly uniknout. Díky schopnosti analyzovat velké množství dat a vzorců v reálném čase AI zajišťuje konzistentní výsledky a přispívá ke snížení zmetkovosti.

O tomto tématu se rozmluvila dvojice Radim Bullawa a Slávek Heřman.

„Defekty, které mohou vzniknout, jsou v řádech mikronů a pro lidské oko neviditelné. Dokonce i pod mikroskopem závisí na úhlu nasvícení nebo natočení destičky. Kontrola kvality je proto u nás velmi náročná, a když jsme začínali s AI projektem, chtěli jsme nejprve zjistit, zda umělá inteligence dokáže nahradit lidského inspektora,“ uvedl Radim

Potřebnou pomoc získali díky týmu expertů z DNAi, kteří se specializují na tzv. computer vision. „Computer vision se zaměřuje na zpracování obrazových dat pomocí počítače. Místo senzorů využíváme umělou inteligenci, protože při kontrole tisíců výrobků s různými variantami a velikostmi by bylo obtížné efektivně aplikovat tradiční metody,“ poznamenal Slávek Heřman. Umělá inteligence dokáže z obrovského množství dat vybrat to podstatné a odfiltrovat irelevantní informace, což dříve lidé prováděli pouze okem.

Na začátku spolupráce realizovali Radim a Slávek projekt sloužící jako proof of concept, kde na konkrétním příkladu otestovali, zda jsou schopni systém správně nastavit. Po úspěšné realizaci prvních manuálních snímků zjistili, že umělá inteligence dokáže kontrolu kvality skutečně posunout na vyšší úroveň. To je motivovalo k dalšímu postupu a rozhodli se nasadit řešení do ostrého provozu. Dnes má společnost Dormer Pramet plně autonomní stanici, která je přímou součástí stroje.

Definujte pro AI konkrétní use case

Podle Richarda Nováka z OmniCrane je při implementaci AI ve firmě klíčové nejprve definovat konkrétní use case a jasně stanovit očekávání. Nejčastějším cílem společností je zvýšení výnosů, nebo snížení nákladů (nebo obojí), a proto je nutné vyčíslit, kolik projekt bude stát a za jak dlouho se investice vrátí. Samozřejmě je také důležité získat lidi, kteří budou schopni nové technologie efektivně implementovat. Nicméně dělat AI projekty jen kvůli jejich atraktivitě postrádá smysl.

Jeho názor se v tomto ohledu částečně liší od Pavla Konečného, který uvedl, že: „Pro úspěch v dnešním světě je klíčové zajímat se o technologie a experimentovat s nimi. Nemusí to hned přinést konkrétní výhody v daném procesu, ale pokud začnete implementovat AI či jiné inovace plošně, efekt se jistě dostaví. Samozřejmě je důležité mít při implementaci jasně definovaný use case. Nicméně snaha vypočítat přínos pro každý jednotlivý stroj může být ztrátou času.“

Na základě dotazu z publika ohledně analýzy vhodnosti u jednotlivých use casů se dále rozpovídal o tom, že pro začátek stačí vytvořit si tabulku, která bude obsahovat informace, včetně nákladů za hodinu výpadku, práce člověka či náhradních dílů. Některé výhody lze snadno spočítat, zatímco jiné mohou být spojeny s prestiží nebo zajištěním stoprocentní kvality výrobků, což zvyšuje konkurenceschopnost na globálním trhu.

Šimon Staňo, CEO a spoluzakladatel společnosti DAITABLE, která se specializuje na optimalizaci využívané energie, k tomu dodal: „Pokud chceme být konkurenceschopní, nemůžeme k tomu přistupovat s názorem, že to nějak šlo a nějak to půjde i dál. Firmy na západě i východě optimalizují každé procento, čímž zvyšují svou profitabilitu. Pokud to nebudeme dělat, hrozí nám, že skončíme. Umělá inteligence pomáhá tím, že identifikuje neefektivity, odhaluje různé anomálie a může pomoci snižovat náklady, ať už se jedná o energetiku nebo jiné oblasti.“

K definici konkrétního use case lze přistupovat i jednoduše tím, že si položíte otázku, kde dochází k největším finančním ztrátám, a to buď na vaší straně, nebo u vašeho zákazníka. Tento přístup umožňuje přesně zacílit oblasti, kde implementace umělé inteligence může přinést největší ekonomický přínos, a usnadňuje rozhodnutí, zda se projekt vyplatí.

Jedna z dalších otázek směrem k publiku byla: Jaká témata na poli digitalizace a inovace vnímáte jako pro vás nejaktuálnější? 

Cloud je budoucnost

Obava z využívání cloudových služeb je častým tématem při diskuzích o digitální transformaci firem, zejména co se ochrany dat a jejich zabezpečení týče. Mnohé organizace dávají přednost on-premise řešením, kde je veškerý hardware a software provozován přímo na vlastních serverech firmy. Na druhou stranu však tento přístup může být finančně náročný na údržbu a vyžaduje interní IT týmy pro správu a a aktualizace.

Odstranění této obavy je tedy v rámci optimalizace nákladů velmi důležité. Jak na to? Šimon Staňo poznamenal, že: „Jsou klienti, kteří nemají obavy z cloudu, zejména ti, kteří už si tímto přechodem prošli. Cloudové služby pocházejí od renomovaných firem, které zajišťují vysokou úroveň zabezpečení. Naší výhodou je, že nepracujeme s vysoce citlivými daty, protože spotřeba energie je pro externí subjekty obtížně čitelná. Proto není složité vysvětlit klientovi, proč by měl přejít na cloud, zvláště když se přepočítají náklady. Cloud představuje řešení budoucnosti“

Pavel Konečný z Neuron Soundware uvedl, že v rámci cloudu zákazníci nejčastěji využívají platformu, kterou mají hostovanou právě u některého z gigantů na trhu, jako je Google. „Je také možné mít zařízení na místě, které neumožňuje externí připojení – odmítá všechny příchozí požadavky a provádí pouze vlastní aktualizace. Hacker se do něj prakticky nemůže dostat. Nedávno jsem však vyplňoval devítistránkový dotazník IT bezpečnosti pro zákazníka, který se zabýval veškerými aspekty zabezpečení. Je však důležité si uvědomit, že 9 z 10 útoků přichází zevnitř – například když někdo má hesla nalepená na monitoru, naštvaný zaměstnanec si to vyfotí a poté heslo sdílí na fóru, což představuje vážné bezpečnostní riziko,“ dodal.

Dostaňte se od motivace k realizaci

Řada výrobních firem má zájem do svých procesů implementovat AI, ale než se rozpohybují, už mohou významně ztrácet konkurenční výhodu. V momentě, kdy máte definovaný use case, je vhodné začít jednat rychle, a to i v případě, že moderní technologie vyzkoušíte aplikovat zatím pouze na základní úkony.

Abychom zjistili, jak jsou na tom s motivací naši účastníci, Pavel Bartoš jim skrze Slido položil otázku: Jaké jsou vaše primární motivace v digitalizaci / implementaci AI? 

Často skloňovaná byla efektivita, Richard Novák se na to však dívá spíše z pohledu financí: „Často jde hlavně o peníze, protože firmy existují za účelem dosažení zisku. Business case lze sestavit různými způsoby, ale zdravý selský rozum by měl být na začátku vždy zohledněn. Pokud je přítomen, motivace může vydržet. Ti, kteří s technologiemi pracují, musí vidět konkrétní přínosy a důvody, proč to dělají.“

Šimon Staňo s Richardem souhlasil a řekl, že na konci dne se vždycky dostaneme k těm penězům, nicméně: „Chybí mi zde legislativa. Dostáváme se do situace, kdy se objevují různé ESG požadavky a podobné normy. Všichni o nich slyšíme, ale málokdo ví, o co přesně jde. Je nezbytné mít přesná data z firmy, kontinuální reporting a monitorování, a na základě těchto informací se již vyřeší vše ostatní.“

Na závěr se Pavel Konečný dotkl i velmi zajímavé možnosti, která se otevírá českým technologickým a výrobním firmám v souvislosti s nadcházející výstavbou nových jaderných reaktorů, kterou budou v Česku realizovat korejské společnosti. Korejské firmy vnímají Českou republiku jako důležitého partnera s velkým ekonomickým potenciálem. „Jižní Korea je jako jediná schopná v průmyslovém měřítku konkurovat Číně. V rámci svých offsetových programů hledá místní partnery a výzkumné projekty,“ vysvětlil. Tato situace tak otevírá českým firmám cestu k rozšíření jejich mezinárodních spoluprací.

Zpětná vazba a další kroky

V závěru našeho informacemi nabitého Meetupu jsme se našich účastníků zeptali, jak jsou na tom s využíváním AI ve své firmě.

Výsledky našeho průzkumu byly následující:

Jsme vděční za to, že zpětná vazba na naši akci byla z valné většiny pozitivní, kdy naši účastníci ocenili výborné příběhy, přínosné informace od prezentujících, zajímavé téma či načerpání inspirace. Spousta se v průběhu přestávek také věnovala networkingu – dokonce tak intenzivně, že start druhého segmentu jsme museli o několik minut posunout. 

Děkujeme také našim partnerům, kteří se Meetup rozhodli podpořit:

Fokus Industry – elektronický katalog dodavatelů technologií, služeb pro výrobní a průmyslové podniky,

DnyAI – každoroční konference o umělé inteligenci, která propojuje odborníky, akademiky a nadšence v této oblasti,

Týden inovací – největší událost v České republice zaměřená na inovace, vědu a technologie,

SAP – Sdružení automobilového průmyslu – nejvýznamnější profesní organizace v oblasti českého automobilového průmyslu, která sdružuje výrobce, dodavatele a další subjekty působící v tomto odvětví.
Máte zájem účastnit se našeho dalšího Meetupu? Předem prozradíme, že se bude konat během listopadu a jeho téma se bude točit okolo leadershipu a vedení úspěšných firem, kdy si vyslechneme osobní příběhy nejzářivějších byznysových hvězd poslední doby. Aby vám nic neuniklo, zadejte do formuláře níže váš e-mail, na kterém vás kontaktujeme hned, jakmile budeme mít konkrétní informaci o termínu. Případně se můžete připojit k našim sociálním sítím.

Nenechte si ujít další z plánovaných C‑Suite Meetupů.

Radí Vám dáme vědět o dalších setkáních. 👇

Pojďme přivést vaše nápady do digitálního světa.

Budete překvapeni, co spolu dokážeme vytvořit.