Firma koupí Copilota pro celý tým, pošle oznámení, že s ním všichni poletí až na měsíc a čeká je neuvěřitelný skok v produktivitě. O pár měsíců později je realita jiná: pár nadšenců ho používá denně, většina ho otevřela dvakrát a slíbené zrychlení není vidět v žádném čísle. Licence jsou zaplacené. Hodnota nikde.
U AI to platí ještě silněji než u jakékoli jiné technologie: koupit ji a mít z ní užitek jsou dvě různé věci. Licenci pořídíte za den, nový pracovní návyk ne. Tenhle článek vysvětluje, proč o návratnosti AI rozhoduje adopce, a ne nákup, a jak Copilota nebo jiný AI nástroj zavést tak, aby se opravdu vyplatil.
Začněme číslem, které stojí za pozornost. Podle studie MIT z roku 2025 (The GenAI Divide) zhruba 95 procent firemních projektů s generativní AI nepřineslo žádný měřitelný dopad na hospodaření. Významnou hodnotu vytvořilo jen asi 5 procent z nich, a to navzdory 30 až 40 miliardám dolarů, které do toho firmy daly. Nestojí to na jediném zdroji: BCG ve svém výzkumu z roku 2024 nezávisle zjistila, že jen 4 procenta firem z AI vytěží zásadní hodnotu a celých 74 procent zatím žádnou.
Hned dodám, co to neznamená: že AI nefunguje. MIT to říká jasně, příčina není technologická, ale organizační. Autoři ji nazývají „learning gap”, tedy neschopnost firem dostat AI do svých procesů, struktur a kultury. Modely fungují, ale firmy je neumějí zapojit do toho, jak lidé reálně pracují. A to je problém adopce, ne technologie.
U běžných změn bývá první podezřelý odpor zaměstnanců. U AI to ale neplatí, a data to ukazují překvapivě jasně.
MIT mluví o „shadow AI economy”: zhruba 90 procent pracovníků používá osobní AI nástroje jako ChatGPT nebo Claude prakticky denně, ale jen asi 40 procent firem má oficiální firemní předplatné. Lidé tedy AI používají tak jako tak, často mimo dohled firmy. McKinsey k tomu dodává, že zaměstnanci používají generativní AI třikrát víc, než si jejich vedení myslí, a že 48 procent z nich by ji používalo ještě víc, kdyby dostali pořádné školení.
Z toho plyne nepříjemný závěr pro vedení: úzkým hrdlem obvykle nejsou neochotní lidé, ale firma, která jim AI neumí dát do ruky smysluplně. McKinsey to říká natvrdo, vedení dvakrát častěji svádí pomalou adopci na nepřipravenost zaměstnanců než na vlastní vedení, přestože zaměstnanci připravení jsou.
Mezi „máme AI” a „máme z AI užitek” je velká mezera. McKinsey uvádí, že přestože 92 procent firem plánuje v dalších letech do AI investovat víc, jen 1 procento lídrů označuje svou firmu za „zralou”, tedy takovou, kde je AI plně zapojená do práce a přináší výsledky. U Copilota konkrétně: přes 80 procent firem ho podle MIT zkouší a zhruba 40 procent nasazuje, ale měřitelný přínos vidí málokdo.
Proč? Protože nákup není plán. Podle Microsoftu 60 procent lídrů přiznává, že jejich vedení nemá jasný plán a vizi, jak AI zavést, a 59 procent neví, jak její přínos vyčíslit. Technologie je ta snadná část. Dostat ji do každodenní práce lidí je ta těžká.
Aby bylo jasno, potenciál je reálný. Microsoft ve svých vlastních studiích uživatelů Copilota uvádí, že 70 procent z nich bylo produktivnějších, 68 procent zlepšilo kvalitu své práce, byli zhruba o 29 procent rychlejší u řady úkolů a 85 procent se rychleji dostalo k použitelnému prvnímu návrhu.
Je férové dodat dvě věci. Za prvé, jde o data výrobce, takže k nim přistupujte s rezervou. Za druhé, a to je důležitější, všechna ta čísla platí jen pro lidi, kteří Copilota skutečně používají. Potenciál je tedy reálný, ale ne automatický. Rozhoduje, jestli ho dokážete proměnit ve skutečné používání. A tím jsme zpátky u adopce.
Pravidlo 10-20-70 prosadila poradenská firma BCG a potvrzuje ho i McKinsey: zhruba 10 procent úsilí připadá na samotné algoritmy a modely, 20 procent na data a technologie a celých 70 procent na lidi, procesy a změnu způsobu práce. Jinými slovy, technologie je nejmenší díl. Většina práce, a většina hodnoty, je na lidské straně. BCG k tomu dodává, že zhruba 70 procent překážek při zavádění AI souvisí s lidmi a procesy, ne s technologií.
Jak snadno se na to zapomene, ukazuje příklad, který popisuje sama McKinsey: jedna banka koupila desetitisíce licencí GitHub Copilota, ale protože neměla jasno, jak s tím vlastně pracovat, postupovala pomalu. Nástroj nakoupený, hodnota nikde. Přesně ten vzorec z úvodu.
A dává to smysl, když se podíváte, co adopci žene. Školení: 48 procent lidí by AI používalo víc, kdyby je někdo pořádně zaškolil. Zapojení do práce: dalších 45 procent by ji používalo víc, kdyby ji měli přímo ve svých každodenních postupech. Vzor shora: tam, kde AI aktivně používají i lídři, jde adopce nahoru. McKinsey ve svém výzkumu v pojišťovnictví dokonce uvádí, že tamní lídři adopce investují do řízení změny a adopce dvakrát víc než do tvorby samotného řešení. Žádná z těch věcí není o technologii. Všechny jsou o lidech, a přesně to je řízení změn.
Z dat i z praxe vyplývá několik zásad. Tohle je v jádru i to, co v ChangeSpotu děláme pod názvem Road2Copilot.
Zavádění AI je nejčistší příklad teze, na které stojí celý obor: o úspěchu nerozhoduje technologie, ale to, jestli lidé změní způsob práce. Copilota koupíte za den, ale hodnotu z něj dostanete jen tehdy, když lidé skutečně začnou pracovat jinak, a to je práce, kterou dělá řízení změn.
Souvislost s penězi je přímá. Nepoužívané AI licence jsou jen další verzí nevyužitého softwaru, o kterém píšeme v článku Kolik stojí špatná adopce. A proč o úspěchu změny obecně rozhodují lidé, rozebíráme v hlavním článku Řízení změn.
Koupit Copilota nebo jinou AI je snadné, dostat z toho hodnotu ne. Podle MIT 95 procent firemních AI projektů nepřinese měřitelný výsledek, a důvod není technologie, ale neschopnost zapojit AI do toho, jak lidé pracují. Lidé přitom AI chtějí a používají ji víc, než si vedení myslí. Úzkým hrdlem je organizace, ne ochota. Proto u úspěšného zavedení AI jde podle BCG zhruba 70 procent úsilí do lidí a procesů a jen 10 procent do samotné technologie. Kdo to vezme vážně, má šanci být mezi těmi pár procenty, kterým se AI vyplatí. Kdo koupí licence a doufá, skončí mezi většinou, která zatím žádnou hodnotu nevidí.