Finanční sektor nalévá do AI miliardy, návratnost ale stále uniká

Finanční instituce navyšují rozpočty na umělou inteligenci, samotné investice a experimentování však spolehlivě nepřinášejí měřitelnou hodnotu. Hlavní sdělení společnosti Quinlan & Associates je prosté: sektor už neřeší, zda AI přijmout, ale musí doložit, které nasazení skutečně zlepšuje výnosy, náklady, řízení rizik nebo výsledky pro klienty.

Velké investice, nejasná návratnost

Quinlan & Associates odhaduje, že finanční sektor v roce 2025 vydal na iniciativy spojené s AI 76 miliard USD. Do roku 2030 mají výdaje v odvětví překročit 130 miliard USD. 14 Současně má AI zkoumat nebo ji v provozu využívat 95 % tradičních finančních institucí, avšak 71 % z nich uvádí potíže s dosažením či prokázáním jasné návratnosti investic (ROI). 3

Toto napětí je podstatné. Rozšířené zavádění AI dokládá ambice organizací, nikoli automaticky to, že jednotlivé programy vytvářejí trvalou hodnotu. Zjištění spojovaná s Quinlan také uvádějí, že 43 % iniciativ v oblasti AI je zrušeno. To ukazuje, jak často se projekt nedostane k udržitelnému výsledku v ostrém provozu. 15

Proč se AI neproměňuje ve výnosy

Quinlan popisuje tři propojené překážky, které brání vytvoření hodnoty:

1. Strategie začíná technologií místo problému. Organizace mohou vycházet z nástroje, který mají k dispozici, namísto konkrétního obchodního problému, zákaznické cesty, úzkého místa v procesu a cílové hodnoty. Pak je obtížnější vybrat případy použití s věrohodnou cestou k dopadu. 6
2. Řízení rizik přichází pozdě. Pokud se riziko, compliance a kontrolní mechanismy berou jen jako schvalovací krok až po zahájení návrhu, týmy mohou na zásadní omezení narazit teprve ve chvíli, kdy už investovaly značný čas a peníze. 6
3. Provozní model není připraven na škálování. Roztříštěná data, slabé implementační základy a nedostatečná schopnost AI řídit, nasazovat a rozšiřovat mohou nechat i slibný projekt uvíznout mezi pilotem a plošným využitím. 6

Nejde tedy jen o technologický problém, ale především o problém realizace. Instituce může nakoupit licence na modely, provozovat proof-of-concept projekty a vykazovat desítky experimentů, aniž by upravila pracovní postupy a odpovědnosti tak, aby z nich vznikl finanční přínos.

Governance není brzda, ale součást návratnosti

Ve finančních službách není důvěryhodné řízení AI oddělené od obchodního výkonu. Rozhoduje o tom, zda lze konkrétní řešení schválit, nasadit, průběžně sledovat a používat s takovou mírou autonomie, s jakou počítá jeho byznysový plán.

Průvodce Světového ekonomického fóra pro finanční služby doporučuje zabudovat řízení rizik a zásady odpovědné AI do všech vrstev: včas určit toleranci k riziku, modely důsledně validovat a zajistit, aby kroky AI byly vysvětlitelné, dohledatelné a řiditelné. 1 To je zvlášť důležité ve chvíli, kdy se firmy posouvají od nástrojů, které zaměstnancům pouze pomáhají, k systémům schopným samostatně vykonávat vícekrokové úkony. Jasně vymezené mantinely, eskalační postupy a lidský dohled mohou snížit provozní nejistotu, jež brání škálování hodnotných případů použití.

Význam pevných základů potvrzují i další oborová zjištění. Průzkum IIF-EY řadí kvalitu a dostupnost dat mezi hlavní překážky nasazení AI do produkce; vedle nich zmiňuje potřebu kvalifikovaných pracovníků a ochranných mechanismů řízení. 4

Co ukazují BCG a NVIDIA

Širší výzkumy diagnózu Quinlanu podporují, i když pracují s jinými vzorky a metrikami.

Průzkum BCG mezi více než 280 vedoucími pracovníky z finančních funkcí zjistil medián uváděné návratnosti AI a generativní AI 10 %. To je pod cílovými 20 %, na něž mířila řada respondentů; téměř třetina uváděla jen omezené přínosy. 43 V samostatné studii zahrnující více než 1 250 společností BCG zjistila, že hodnotu z AI ve velkém měřítku vytváří jen 5 % firem, zatímco 60 % navzdory významným investicím nehlásí podstatnou hodnotu.

Průzkum NVIDIA z roku 2025 nabízí druhou stranu obrazu: některé už nasazené případy použití přinášejí konkrétní výsledky. Téměř 70 % respondentů uvedlo, že AI zvýšila výnosy nejméně o 5 %, a více než 60 % uvedlo snížení ročních nákladů alespoň o 5 %. Nejlepší návratnost generativní AI respondenti nejčastěji spojovali s obchodováním a optimalizací portfolia a se zákaznickou zkušeností.

Tyto studie si neprotiřečí. AI návratnost přinášet může, ale samotné nasazení není výsledkem. Rozdíl spočívá v tom, zda firma vybere vysoce hodnotný případ použití, změní příslušný pracovní postup, vybuduje spolehlivá data a kontrolní mechanismy a změří provozní i finanční dopad.

Z adopce k exekuci

Nejvýraznějším signálem z reportu Quinlan je nesoulad mezi výdaji, mírou zapojení institucí a skutečně dosaženou hodnotou: investiční základna 76 miliard USD v roce 2025, rozšířená aktivita kolem AI a přetrvávající potíže s prokazováním návratnosti. 14 3

Praktickou odpovědí pro vedení finančních institucí je chápat AI jako program obchodní transformace, nikoli jako soubor nesouvisejících pilotů. Začít je třeba měřitelným obchodním cílem, požadavky na rizika a řízení stanovit ještě před vývojem, určit odpovědnost za výsledek a po nasazení sledovat metriky v celém životním cyklu řešení. BCG obdobně uvádí, že firmy vytvářející výraznou hodnotu se soustředí na malý počet iniciativ, rychle je škálují, mění klíčové procesy, rozvíjejí schopnosti týmů a systematicky měří provozní i finanční přínosy.

Příští konkurenční hranice proto nejspíš nepovede mezi institucemi, které AI mají, a těmi, které ji nemají. Povede mezi těmi, které dokážou AI bezpečně a měřitelně provozovat v klíčových procesech, a těmi, které budou jen hromadit experimenty bez opakovatelné cesty k hodnotě.