Firmy zavádějí AI rychleji, než dokážou prokázat její návratnost

Kolik lidí má přístup k nástroji AI? Na tuto otázku firmy obvykle odpovědět umějí. Těžší je doložit, zda jim nástroj zrychlil práci, zlepšil její výsledek a přinesl přínos převyšující veškeré náklady. Průzkumy z roku 2026 ukazují především nedostatky v měření a řízení výdajů, nikoli důkaz, že AI hodnotu přinést nemůže.232534

Výdaje rostou, přehled za nimi zaostává

Podle společnosti Flexera má přesný přehled o výdajích za software využívající AI jen 31 % organizací. Zároveň 59 % uvádí, že jim za poslední rok vzrostly zbytečné výdaje na AI.34 V průzkumu Battery Ventures mezi 100 vedoucími pracovníky v technologiích uvedlo 94 % respondentů, že jejich organizaci chybí jednotný způsob hodnocení návratnosti investic do AI napříč firmou. Jen 16 % hlásilo kladnou návratnost u více než poloviny svých projektů AI.23

Samostatný průzkum společnosti Futurum za druhé pololetí roku 2026 zjistil, že výdaje na AI překročily plán u 46,9 % respondentů; pod plánem skončily u 5,6 %.33 Tato čísla nelze sečíst do jedné „míry neúspěchu“: jednotlivé průzkumy sledují různé skupiny a měří různé věci — přehled o nákladech, vnímané plýtvání, návratnost projektů či dodržení rozpočtu.

Počet uživatelů není finanční výsledek

Licence, aktivní uživatel ani dokončený pilotní projekt ještě neříkají, zda se investice vyplatila. Firma potřebuje znát stav před nasazením, stanovit cíl pro konkrétní pracovní postup — třeba rychlejší vyřízení požadavku nebo kvalitnější výstup — a porovnat dosažený přínos s úplnými náklady na provoz.

Podle KPMG většině organizací stále chybí průběžný přehled o provozních nákladech AI v celé jejich šíři, přestože používají například kontrolní přehledy a schvalovací procesy.19 V globálním průzkumu KPMG vykazovalo zavedenou návratnost 15 % organizací s úplným přehledem o těchto nákladech, oproti 3 % organizací bez něj. Jde o souvislost, nikoli důkaz, že samotná evidence nákladů návratnost způsobuje.25

Změnit se musí také práce firmy, nejen její nástroje. Technologický ředitel Bank of America označil za priority proměnu procesů od začátku do konce, opakované využívání řešení, pravidla řízení a návratnost investic.14 Vedle toho průzkum popsaný serverem CIO uvádí, že 61 % organizací v předchozích dvou letech pozastavilo, odložilo, omezilo nebo zrušilo modernizaci IT. Přesouvání rozpočtů k AI bylo jedním z uváděných tlaků; nelze z toho vyvozovat, že způsobilo každé takové zdržení.18

U agentní AI, tedy systémů schopných samostatně vykonávat navazující úkoly, je důležité udržet pod kontrolou náklady, přínosy i rizika při rozšiřování projektu. Gartner v roce 2025 předpověděl, že do konce roku 2027 bude zrušeno více než 40 % projektů agentní AI, mimo jiné kvůli rostoucím nákladům, nejasné obchodní hodnotě a nedostatečnému řízení rizik. Je to prognóza, ne naměřený podíl zrušených projektů v roce 2026.51

Co ukazuje Bank of America

Banka uvádí, že nástroje AI zpřístupnila přibližně 200 000 zaměstnancům. U zhruba 19 000 až 20 000 vývojářů podle ní vzrostla produktivita při programování přibližně o 15–20 %.34 Takový údaj o konkrétní činnosti vypovídá více než samotný počet lidí s přístupem k nástroji. Banka také odhaduje přínosy přibližně na 800 milionů dolarů při nákladech 400 milionů dolarů. Jde však o odhady vedení, nikoli o nezávislé ověření návratnosti každého jednotlivého využití AI.2 Podle jednoho z prezidentů banky jsou zatím nejzřetelnější přínosy právě v technologické práci, například při programování.1

Pro firmy z toho plyne praktický postup: každému nasazení určit odpovědnou osobu, změřit výchozí stav a změnu konkrétní práce, evidovat úplné náklady a kontrolovat kvalitu i rizika. Rozšiřovat má smysl to, u čeho přínos obstojí i po započtení těchto nákladů — ne pouze to, co získá více uživatelů.192325