Jak přistupujete v T-Mobilu k zavádění AI?
V organizaci naší velikosti je AI agenda široká, proto nechci komentovat celofiremní implementaci. Zaměřím se na finance, kde mám přímou odpovědnost a praktickou zkušenost.
Ve financích vnímáme AI jako transformační téma, nikoli jako čistě technologickou iniciativu. Nejde nám jen o zrychlení jednotlivých úkolů, ale o postupnou změnu způsobu práce, tedy od osobní produktivity přes týmové procesy až po škálovatelná řešení s měřitelným dopadem na kvalitu, efektivitu a rozhodování. Finance AI Hub jsme proto postavili jako praktický transformační mechanismus propojující business, data, technologie, change management a governance.
V první fázi jsme vytvořili povědomí, důvěru a základní schopnosti pro bezpečnou adopci AI. Nyní se posouváme od budování povědomí k realizaci konkrétních řešení, tedy rozvíjíme AI Ambassadory směrem k AI Developerům, identifikujeme a implementujeme use casy s reálným přínosem a transparentně sledujeme dopad.
Od začátku jsme si nastavili konkrétní KPIs. Pro rok 2026 sledujeme například zapojení zaměstnanců do aktivit AI Hubu (cíl 75%), rozvoj AI Developerů v jednotlivých týmech, individuální development plány s AI jako prioritou a řízení portfolia use casů. Aktuálně máme desítky use casů napříč financemi a posouváme se od pilotů ke škálovatelné AI delivery.
Vedle samotných use casů se zaměřujeme i na prvky, které umožní AI bezpečně škálovat, tj. měření dopadu, řízení změny, jasné vlastnictví řešení, kontrolu nákladů na AI tokeny a jasné provázání s rozpočtem. Postupně se připravujeme také na agentická řešení, kde bude ještě důležitější governance, kvalita dat a jasné lidské checkpointy. Tím se AI přirozeně posouvá z roviny jednotlivých experimentů do leadership agendy. Energie z týmů, ambasadoři a praktické zkoušení jsou důležité, ale skutečný dopad vzniká až tehdy, když jsou propojené s firemní strategií, prioritami vedení a jasnou odpovědností za výsledek.
S jakými reakcemi se v tomto ohledu setkáváte?
Reakce jsou přirozeně různorodé a vnímáme je jako součást adopční křivky. Máme kolegy, kteří jsou velmi aktivní a rychle experimentují, ale také pragmatiky, kteří potřebují vidět konkrétní přínos pro svou práci. A pak jsou kolegové, kteří jsou opatrnější, a to kvůli bezpečnosti dat, kvalitě výstupů, dopadu na roli nebo jen proto, že nevědí, kde začít.
Z naší zkušenosti odpor většinou není o technologii samotné. Častěji je o nejistotě a chybějící praktické zkušenosti. Jakmile lidé vidí konkrétní příklad od kolegy z financí, bariéra se výrazně snižuje.
Právě proto se nám velmi osvědčily formáty jako „AI Desetiminutovky“, kde kolegové krátce sdílí svůj vlastní use case, konkrétně, kde AI použili, jak jim pomohla a co se naučili. Tento způsob vzájemného sdílení je silnější než obecná prezentace, protože lidé vidí reálné příklady ze svého prostředí a od lidí, kterým důvěřují.
Jak na reakce reagujete?
Jdeme cestou praktické adopce. Méně teorie, více konkrétních příkladů. Ukazujeme use casy z financí, zapojujeme kolegy přímo do tvorby řešení a sdílíme nejen úspěchy, ale i limity a neúspěšné pokusy. Díky tomu AI přestává být abstraktní téma a lidé si ji dokážou spojit s vlastní prací.
Důležitou roli v tom mají AI ambasadoři. V první fázi pomáhali s povědomím, inspirací a snižováním nejistoty. Nyní je postupně rozvíjíme směrem k AI Developerům v business týmech, kteří kombinují znalost procesů, dat, AI nástrojů a projektového myšlení. Cílem je dostat AI development co nejblíže k businessu, rychleji dostat přínos do praxe a snížit závislost na centrálních IT kapacitách. AI zároveň komunikujeme jako human-in-the-loop nástroj. Může zvýšit rychlost, kvalitu a rozsah práce, ale nenahrazuje odborný úsudek, odpovědnost ani kritické myšlení. Ve financích je to obzvlášť důležité, protože pracujeme s čísly, kontrolami, riziky a rozhodovacími podklady pro management.
Co byste aktuálně poradili začínajícím kolegyním a kolegům, aby obstáli do budoucna na trhu práce?
Začínajícím kolegyním a kolegům bych poradila, aby AI nevnímali jako technologii, ale jako novou základní pracovní kompetenci. Dnes už nebude konkurenční výhodou to, že člověk AI používá. Klíčové bude, zda ji dokáže využít tak, aby přinesl kvalitnější pohled, hlubší porozumění problému a lepší rozhodnutí.
První rada je pracovat s AI vědomě, ne náhodně. To znamená umět dobře definovat problém, dát správný kontext, ověřit výstup a znát limity nástroje.
Druhá rada je rozvíjet datové a business myšlení. Nestačí data zpracovat, klíčové je pochopit, co skutečně říkají, co v nich chybí, jaké předpoklady za nimi stojí a jak se závěry mohou změnit při jiném vývoji trhu, zákazníků nebo konkurence.
Třetí rada je učit se převádět analýzu do variant, scénářů a doporučení. AI zrychlí práci s informacemi, ale člověk musí dodat úsudek, jaké jsou možnosti, rizika, dopady a co by měl management udělat dál.
Odhadnete, jak to bude s AI vypadat třeba za rok?
Tohle je těžké, nicméně očekávám, že se během příštího roku AI obecně posune od individuální produktivity k integraci do běžných pracovních procesů. Budeme se méně bavit o tom, jak AI pomáhá jednotlivci napsat text nebo shrnout dokument, a více o tom, jak mění komplexní procesy a práci celých týmů.
Ve financích to bude znamenat posun od jednotlivých pilotů k řešením, která půjde opakovaně využívat a rozšiřovat napříč týmy. Budeme muset lépe vybírat oblasti s největším dopadem, tvořit blueprinty, nastavovat datové vrstvy, měřit adopci i přínos a řídit náklady včetně AI tokenů a rozpočtů. Poroste také význam AI agentů a multi-agentních řešení. S tím ale poroste i potřeba jasných pravidel, tedy kdo řešení vlastní, kdo ho udržuje, jak se testuje, jak se řídí riziko, kde musí výstup zkontrolovat člověk a jak zajistíme soulad s interními i externími pravidly.
AI se pravděpodobně stane běžnou součástí práce podobně jako dnes Excel, PowerPoint nebo BI nástroje. Rozdíl bude v tom, že nepůjde jen o další nástroj, ale o novou vrstvu práce nad daty, procesy a rozhodováním.
