Přejít na obsah

Kontrola připravenosti na AI: 10 otázek za 15 minut

Deset otázek, na které odpovíte za 15 minut, co každá odpověď znamená a co opravit jako první. Napsáno pro firmu s 10 až 100 lidmi bez datového týmu.

Jsem forward deployed engineer na paušálním měsíčním plánu. Pokud kontrola ukáže, že jste připraveni, vezmu první práci jako jasně vymezený úkol a nasadím ji. Plán můžete kdykoli pozastavit nebo zrušit a první týden dostanete při nespokojenosti zpět celý.

Průměrné hodnocení 5,0 na základě 6 recenzí na Upworku

5.0 / 5

Fantastic work. We have finished the padel app, and I want to sincerely thank you for everything.

You were tireless throughout the process, always patient, highly professional, and extremely effective. You solved every issue that came up, took initiative whenever needed, and helped move the project forward with great commitment and quality.

It was a real pleasure working with you. Your technical skills, attitude, and ability to understand the project made a big difference.

Thank you again for the excellent work.

Padel Community App MVP – Portugal · Jun 2026
Na této stránce
  1. Co je posouzení připravenosti na AI?
  2. Proč je posouzení připravenosti na AI důležité?
  3. Co obsahuje kontrolní seznam připravenosti na AI?
  4. Jak dlouho kontrola připravenosti na AI trvá a co znamená vaše skóre?
  5. Co se děje po kontrole?
  6. Který nástroj nebo šablona je pro posouzení připravenosti na AI nejlepší?
  7. Můj podobný případ
  8. Zdroje

Stručně

Většina firem, které o AI uvažovaly a nezačaly, uvedla stejný důvod: nikdo, kdo by věděl jak. V EU 70,3 % firem, které o AI uvažovaly a nezavedly ji, uvedlo nedostatek odborných znalostí, před právními pochybnostmi (53,6 %), soukromím (52,7 %), kvalitou dat (43,5 %) a náklady (38,4 %). Užitečná kontrola připravenosti se proto neptá „jste inovativní“. Ptá se, jestli máte práci, kterou stojí za to automatizovat, data, kterými ji krmit, někoho, kdo zkontroluje výstup, a někoho, komu bude potom patřit. Níže je deset otázek, skóre a co opravit na každé úrovni. Hranice skóre jsou moje vlastní pravidlo palce, ne norma.

Jsem Denys, forward deployed engineer z Porta. Tyto otázky používám sám, než nacením první práci.

Co je posouzení připravenosti na AI?

Krátký test, jestli vaše firma dokáže použít AI na skutečnou práci a udržet ji v chodu. Velké poradenské firmy prodávají dlouhé verze s úrovněmi zralosti. Firma bez datového týmu potřebuje kratší: odpovědi vám řeknou, jestli stavět hned, nejdřív něco opravit, nebo zatím nedělat nic. Nedělat nic je v pořádku.

Proč je posouzení připravenosti na AI důležité?

Protože uváděné překážky se týkají připravenosti, ne nástrojů. Čísla:

Proč firmy v EU, které o AI uvažovaly, AI nezavedly. % firem, které o AI uvažovaly a nezavedly ji. Možné více odpovědí. Nedostatek odborných znalostí: 70,30; Nejasné právní důsledky: 53,60; Ochrana údajů a soukromí: 52,70; Dostupnost nebo kvalita dat: 43,50; Nekompatibilní stávající systémy: 41,60; Náklady se zdají příliš vysoké: 38,40.
Obrázek 1. Eurostat, firmy v EU s 10 a více zaměstnanci bez finančního sektoru, 2025 (KS-01-26-009, tabulka 7), přečteno 12. listopadu 2026.

Údaje za EU pocházejí z průzkumu Eurostatu z roku 2025 mezi firmami s 10 a více zaměstnanci. Jsou to podíly firem, které o AI uvažovaly a nezavedly ji, což je zhruba 14 % firem, které AI nepoužívají. 20,0 % všech firem v EU v roce 2025 používalo alespoň jednu technologii AI. Důvody jsou s výběrem více odpovědí, takže dávají dohromady víc než 100 %.

Průzkum britské vlády z roku 2026 mezi 3 503 firmami ukazuje stejným směrem. Omezené dovednosti v oblasti AI se týkaly 67 % firem, které AI používají, a 78 % těch, které ji plánují. 65 % firem, které AI nepoužívají, uvedlo, že nemají jasný obchodní důvod. Zpráva poznamenává, že náklady byly spíš o čase a úsilí potřebném k zavedení AI než o cenách nástrojů.

Co obsahuje kontrolní seznam připravenosti na AI?

Na každou otázku odpovězte Ano (2 body), Částečně (1) nebo Ne (0). Dělejte to s člověkem, který práci vede, ne sami.

  1. Umíte pojmenovat jednu opakující se práci, která týdně stojí skutečné hodiny? Jedna práce, například odpovídání na stejné dotazy zákazníků nebo přepisování faktur. „Zlepšit efektivitu“ je Ne.
  2. Umíte říct, jak je velká, v číslech? Hodiny měsíčně, položky měsíčně, cena chyby. Bez čísla později nepoznáte, jestli to fungovalo. To je ten „jasný obchodní důvod“, který podle 65 % britských firem bez AI chyběl.
  3. Má práce jasný vstup a jasný výstup? Například: dovnitř e-mail, ven záznam v CRM. Nejasné práce závislé na úsudku jsou špatní první kandidáti.
  4. Máte 20 až 30 skutečných příkladů, na kterých můžete testovat? Skutečné faktury, skutečné e-maily, skutečné tikety. Testy na vymyšlených příkladech prokazují málo.
  5. Je informace, kterou práce potřebuje, někde zapsaná? V dokumentech, CRM, databázi. Pokud odpověď žije v hlavě jednoho člověka, první úkol je ji zapsat.
  6. Je ta informace aktuální a konzistentní? Dva ceníky s různými čísly dají dvě různé odpovědi. Kvalita dat byla překážkou pro 43,5 % firem v EU.
  7. Dokážou vaše systémy předat data? Export, API, e-mailová schránka, kterou systém umí číst. Systémy, které spolu nemluví, byly překážkou pro 41,6 % firem v EU.
  8. Víte, jaká data smějí opustit firmu? Osobní údaje zákazníků, smlouvy a zdravotní nebo finanční záznamy vyžadují rozhodnutí, kde se smějí zpracovávat. Právní pochybnosti (53,6 %) a soukromí (52,7 %) byly v EU druhým a třetím důvodem.
  9. Bude výstup kontrolovat jmenovaný člověk? Někdo, kdo pozná správné od špatného a má na to čas. 81 % britských firem v průzkumu ponechalo nad výstupem AI nějaký lidský dohled.
  10. Bude to mít po spuštění někdo uvnitř firmy na starosti? Opravit to, když se to pokazí, aktualizovat dokumenty, číst upozornění. To je problém „nedostatku odborných znalostí“ v menší podobě: nemusíte to postavit, potřebujete někoho, komu to bude patřit.

Jak dlouho kontrola připravenosti na AI trvá a co znamená vaše skóre?

Sečtěte body, 0 až 20.

Skóre Co to znamená Co dělat
0 až 7 Na stavbu nejste připraveni. Mezery jsou v práci a v informacích, ne v technologii. Nejdřív otázky 1, 2 a 5. Vyberte jednu práci a zapište její čísla a pravidla. Zatím za AI nic neutrácejte.
8 až 14 Připraveni na malý test. Pár věcí se rozbije a levně je najdete. Opravte každou otázku, kterou jste ohodnotili 0. Pak spusťte test na 20 až 30 příkladech s písemnou hranicí úspěchu, než postavíte cokoli velkého.
15 až 20 Připraveni na první stavbu. Vyberte práci s nejvyšším skóre v otázkách 3, 4 a 9 a vymezte ji jako jeden výstup.

Jedno pravidlo má přednost před součtem: Ne u otázky 8 nebo 9 vás zastaví bez ohledu na skóre. Systém, který posílá soukromá data tam, kam nemá, nebo který nikdo nekontroluje, může napáchat víc škody, než kolik vás ta práce stála.

Co se děje po kontrole?

Podle otázky, která dostala 0:

  • Otázky 1 až 3 (žádná práce, žádná čísla): strávte týden zapsáním jednoho procesu. Kdo ho dělá, jak často, jak dlouho trvá a jak poznáte, že je hotový správně. Nestojí to nic a v polovině případů se ukáže, že práce potřebuje jednodušší opravu než AI.
  • Otázky 4 až 6 (žádné příklady, rozptýlené nebo si odporující informace): sesbírejte příklady, sloučte duplicitní dokumenty a určete jeden zdroj pravdy. Udělejte to před stavbou, ne během ní.
  • Otázka 7 (systémy neumějí předat data): často je to malá práce, například zapnout export nebo vytvořit API klíč. Zeptejte se, než předpokládáte, že je velká.
  • Otázka 8 (pravidla pro data): zapište, která data smějí k externí službě AI a která musí zůstat uvnitř. U firem v EU se termíny AI Act v roce 2026 posunuly: pravidla pro vysoce rizikové systémy ze seznamu v příloze III platí nově od 2. prosince 2027, zatímco pravidla transparentnosti (článek 50) platí a vnitrostátní vymáhání začíná 2. srpna 2026. O svém případu se poraďte s právníkem, protože já jím nejsem.
  • Otázky 9 a 10 (nikdo ke kontrole ani ke správě): určete člověka před začátkem, spolu s hodinami, které bude mít. Pokud takové hodiny nemá nikdo, stavba poběží bez dohledu.

Potom otestujte, než se zavážete. Postup, včetně testu čtyř modelů na 30 fakturách, je v článku extrakce dat z faktur pomocí AI.

Který nástroj nebo šablona je pro posouzení připravenosti na AI nejlepší?

Velcí dodavatelé a poradenské firmy publikují vlastní posouzení. Neporovnával jsem je a většina je dělaná pro velké organizace. Pro firmu bez datového týmu slouží jako šablona deset otázek výše: vejdou se na jednu stránku a výsledkem je jedna práce a seznam oprav. O užitečnosti nástroje rozhoduje, jestli končí pojmenovanou prací, ne skóre zralosti.

Pokud kontrola říká, že potřebujete někoho, kdo to postaví, další otázka je kdo. Možnosti a ceny najdete v textu jak najmout specialistu na AI automatizaci. Své skóre a jednu vybranou práci vložte do zadání; bezplatný generátor popisu pozice pro AI inženýra je změní v inzerát nebo zprávu, kterou můžete poslat. Kolik bude stát měsíční provoz výsledku, najdete v článku kolik stojí AI agent měsíčně.

Můj podobný případ

Klient platil asi USD 500 měsíčně za předplatné na správu klientů a času a každý člen přesto mohl otevřít každého klienta. Postavil jsem mu vlastní systém: klienty, zakázky, týdenní výkazy se schvalováním, připomínky a důvěrné klienty viditelné jen jmenovaným členům. Teď běží na Supabase za USD 25 měsíčně a všechno ostatní v sestavě je na bezplatných úrovních. Realizace je v případu evidence času.

Chcete druhý pár očí na své odpovědi? Pošlete mi své skóre a jednu práci, kterou jste vybrali, a společně vymyslíme nejlepší první krok pro vás.

Pošlete mi své skóre

Napište mi práci, své skóre a nejslabší otázku. Odpovím, jestli bych stavěl hned, nebo nejdřív něco opravil, i kdyby to znamenalo, že mě zatím nenajmete.

Napište mi

Zdroje

Další texty o začátku s AI

© 2026Denys Zaichenko. Původní článek: https://madsalt.tech/cs/ai-readiness-check/