Šesť rutinných úloh, ktoré dnes za firmy robí AI

Keď sa firiem pýtame, kde by chceli AI, väčšina povie „nevieme, niečo nám navrhnite”. Pritom odpoveď majú pred očami — v úlohách, ktoré ich ľudia robia každý týždeň dookola a pri ktorých nikto nepremýšľa. Len ich treba pomenovať, zmerať, koľko času reálne zaberajú, a rozhodnúť, či na ne stačí hotový nástroj, alebo treba niečo ušité na mieru.

Nižšie je šesť najčastejších kandidátov — s typovým scenárom z praxe, hrubým odhadom úspory a poznámkou, kam po riešenie siahnuť.

1. Prepis a zápis z hovorov

AI z obchodného hovoru urobí prepis, zhrnie kľúčové body a dohodnuté úlohy zapíše rovno do CRM alebo kalendára. Pri piatich obchodníkoch s piatimi hovormi denne ide dnes o 6-7 hodín týždennej ručnej administratívy; po nasadení klesne táto práca na kontrolu výnimiek, teda na zhruba desatinu pôvodného času.

Obchodný hovor, porada, obhliadka u zákazníka. Niekto si robí poznámky, polovica sa stratí, úlohy sa zabudnú alebo skončia v hlave jedného človeka.

V praxi: obchodná firma s piatimi obchodníkmi, každý má denne 4-6 hovorov so zákazníkmi. Po hovore si má obchodník zapísať zhrnutie do CRM — v realite to robí možno pri polovici hovorov, a aj to narýchlo.

Modelový výpočet: 5 obchodníkov × 5 hovorov denne × 3 minúty na ručný zápis = cca 75 minút denne, teda 6-7 hodín týždenne len na administratívu okolo hovorov.

Hotový nástroj, alebo na mieru: na bežný prepis a zhrnutie stačí hotová služba (napr. napojená na Teams alebo telefonáty). Napojenie na konkrétne CRM polia a firemnú terminológiu už zvyčajne vyžaduje úpravu na mieru.

Na čo si dať pozor: kvalita prepisu klesá pri odbornej terminológii a pri hovoroch cez slabé spojenie — pred nasadením je dobré otestovať na pár reálnych nahrávkach z vášho odboru, nie na demo ukážke dodávateľa.

2. Faktúry, objednávky, dodacie listy

AI vytiahne dáta z prijatej faktúry automaticky — dodávateľa, sumu, položky, splatnosť — a založí ju v účtovnom systéme, človek len skontroluje výnimky. Pri 150 faktúrach mesačne a 4 minútach na ručné prepisovanie ide dnes o 10 hodín mesačne; po automatizácii ostanú 2-3 hodiny, teda úspora 70-80 %.

PDF príde e-mailom, niekto ho otvorí, prepíše čísla do účtovníctva a založí. Stokrát za mesiac, s rovnakou štruktúrou dokumentu a rovnakou chybovosťou pri preklepoch.

V praxi: menšia výrobná firma dostáva mesačne okolo 150 faktúr od dodávateľov. Účtovníčka pri každej otvorí PDF, prepíše dodávateľa, sumu, položky, splatnosť, a založí ju v ekonomickom systéme — a chyby vznikajú práve pri kopírovaní čísel.

Hotový nástroj, alebo na mieru: existuje veľa hotových OCR/extrakčných nástrojov, ale zapojenie priamo do konkrétneho účtovného systému a firemných pravidiel schvaľovania si spravidla vyžiada riešenie na mieru.

Na čo si dať pozor: dodávatelia posielajú faktúry v desiatkach rôznych formátov a rozložení. Nástroj, ktorý funguje na vzorke od piatich dodávateľov, sa musí otestovať aj na tých ostatných — inak sa „automatizácia” zmení na nový druh ručnej kontroly.

3. Odpovede na stále rovnaké otázky

AI napojená na firemné podklady (interné wiki, obchodné podmienky) odpovie na opakovanú otázku okamžite, s odkazom na zdroj, a zložitejšie prípady posunie človeku. Pri 40 opakovaných otázkach denne a 4 minútach na ručnú odpoveď ide dnes o 2,5 hodiny denne — po nasadení ostane tímu táto kapacita na prípady, ktoré si naozaj vyžadujú úsudok.

„Aká je dodacia lehota?” „Kde nájdem ten formulár?” „Ako postupovať pri reklamácii?” Zákazníci aj kolegovia sa pýtajú dookola to isté — a odpoveď väčšinou existuje, len je zakopaná v dokumentácii, ktorú si nikto neotvorí.

V praxi: zákaznícka podpora s dvomi ľuďmi rieši denne desiatky rovnakých otázok, na ktoré existuje odpoveď v internom wiki alebo v obchodných podmienkach. Odpoveď na jednoduchý dotaz zaberie 3-5 minút vyhľadávania a formulovania.

Hotový nástroj, alebo na mieru: jednoduchý chatbot nad statickým FAQ je hotová vec. Odpovede naviazané na aktuálne interné dokumenty, ceny alebo stav objednávky si vyžadujú RAG riešenie postavené na firemných dátach.

Na čo si dať pozor: AI, ktorá nemá jasne vymedzené, čo nevie, si niekedy odpoveď „domyslí”. Dobré riešenie vždy uvádza zdroj a pri neistote priznáva, že odpoveď nepozná, namiesto toho, aby si ju vymyslelo.

4. Reporty, ktoré niekto skladá ručne

AI si dáta stiahne sama z viacerých systémov, poskladá prehľad a upozorní, keď niečo vybočuje z normálu. Jeden manažér dnes strávi zostavovaním týždenného reportu z troch systémov hodinu a pol — pri viacerých reportoch a ľuďoch v organizácii sa to spočíta na desiatky hodín mesačne, ktoré automatizácia takmer úplne odstráni.

Každý pondelok niekto exportuje tabuľky, kopíruje čísla do prezentácie a rozpošle ju vedeniu. Dáta sa medzitým nezmenili — zmenil sa len formát.

V praxi: prevádzkový manažér vo výrobe strávi každý pondelok ráno hodinu a pol skladaním týždenného reportu z troch rôznych systémov (výroba, sklad, kvalita) do jednej prezentácie — a report je vždy rovnako štruktúrovaný, teda ideálny kandidát na automatizáciu.

Hotový nástroj, alebo na mieru: ak dáta sedia v jednom systéme s dobrým API, pomôžu aj hotové BI nástroje. Pri kombinácii viacerých interných systémov a firemnej logiky „čo je normálne” je efektívnejšie riešenie na mieru.

Na čo si dať pozor: report, ktorý AI poskladá automaticky, je len taký dobrý ako dáta, z ktorých vychádza. Ak niektorý systém eviduje čísla nekonzistentne, treba to opraviť pri zdroji — nie „opravovať” report ručne pri každom generovaní.

5. Hľadanie v dokumentoch

So zaindexovanou dokumentáciou sa z hľadania stáva otázka položená ľudskou rečou a odpoveď za pár sekúnd, s citáciou strany, odkiaľ pochádza. Servisný technik dnes hľadá postup v 400-stranovom manuáli aj 20-30 minút pri každej neštandardnej poruche — pri desiatkach takýchto vyhľadávaní mesačne ide o hodiny ušetreného času a menej zbytočných zastavení výroby.

Smernice, zmluvy, technické manuály, staré e-maily. Pol hodiny klikania a prehľadávania priečinkov, aby človek našiel jeden odsek, ktorý potrebuje práve teraz.

V praxi: servisný technik potrebuje pri poruche stroja rýchlo nájsť konkrétny postup v 400-stranovom manuáli. Bez indexu to znamená prechádzanie obsahu naslepo.

Hotový nástroj, alebo na mieru: pre menší objem dokumentov postačí aj hotová služba. Pri veľkých technických manuáloch, tabuľkách a firemnej terminológii sa oplatí RAG riešenie prispôsobené vašim dokumentom — presne to je jadro nášho Mayven agenta pre prediktívnu údržbu.

Na čo si dať pozor: kvalita odpovede stojí a padá na tom, ako dobre je dokument spracovaný — tabuľky, obrázky s popiskami a viacstĺpcové rozloženia bývajú problém pre lacné riešenia. Pri technických manuáloch sa to oplatí overiť vopred.

6. Prepisovanie dát medzi systémami

AI agent objednávku prepíše sám, rovnako o polnoci ako na obed, bez preklepov a bez únavy pri konci zmeny. Pri 30 objednávkach denne a 5 minútach na ručný prepis ide dnes o 2,5 hodiny monotónnej práce denne — a chybovosť pri ručnom prepise rastie s únavou pri konci zmeny.

Objednávka z e-shopu do skladového systému. Údaje z formulára do CRM. Copy-paste práca, pri ktorej vznikajú chyby — a ktorá sa nedá „len tak” prepnúť na automat, lebo systémy medzi sebou nekomunikujú.

V praxi: e-shop s desiatkami objednávok denne, ktoré treba ručne preklopiť do skladového systému, lebo priame prepojenie neexistuje. Niekto to robí každý večer, s rizikom preklepu pri každej položke.

Hotový nástroj, alebo na mieru: ak oba systémy majú štandardné API, pomôže aj hotová integračná platforma. Ak niektorý systém API nemá alebo je logika prepisu netriviálna (mapovanie kódov, kontroly, výnimky), ide o riešenie na mieru.

Na čo si dať pozor: pri prepise dát medzi systémami sa oplatí od začiatku logovať, čo sa kedy prepísalo — pri prvej nezhode (napr. objednávka s neexistujúcim kódom produktu) potrebujete vedieť rýchlo dohľadať, čo sa stalo, nie hádať.

Ako spoznať, že je úloha vhodná na automatizáciu?

Úloha je vhodná na automatizáciu, ak spĺňa aspoň tri zo štyroch signálov: opakuje sa denne či týždenne, riadi sa jasnými pravidlami, vstupy sú digitálne a zaberá dosť času, aby sa úspora prejavila v číslach. Ak spĺňa len jeden alebo dva, existuje pravdepodobne jednoduchšia úloha, na ktorej sa oplatí začať.

Nie každá otravná úloha je dobrý kandidát na automatizáciu — a nie každá sa oplatí riešiť hneď. Štyri signály, podľa ktorých sa to dá spoľahlivo rozpoznať:

Opakovateľnosť — robí sa denne alebo týždenne, nie raz za štvrťrok. Úloha, ktorá sa stane raz za rok, sa neoplatí automatizovať, aj keby bola akokoľvek otravná.
Jasné pravidlá — dá sa popísať postupmi „ak nastane toto, urob tamto”, nie je to čisto o osobnom úsudku alebo vzťahu s konkrétnym človekom.
Digitálne vstupy — dáta existujú v PDF, e-maile, tabuľke alebo systéme, nie iba na papieri v šuflíku alebo v hlave jedného skúseného zamestnanca.
Objem — zaberá dosť času (človeku alebo tímu), aby sa úspora reálne prejavila v číslach, nie len v pocite.

Ktorú úlohu automatizovať ako prvú?

Vyberte jednu úlohu z tohto zoznamu — takú, ktorá vás štve najviac a spĺňa signály vyššie — a nasaďte na ňu AI namiesto veľkého projektu naraz. Za pár týždňov máte merateľný výsledok a viete, či to dáva zmysel rozšíriť ďalej.

Presný postup, ako taký pilot naplánovať krok po kroku, je v článku Ako začať s AI v malom.

Časté otázky

Musíme mať dáta v cloude, aby sme mohli automatizovať? Nie. Väčšinu z týchto úloh vie riešiť aj AI bežiaca lokálne na vašom hardvéri, bez toho, aby dáta opustili firmu. Viac v článku Prečo firmy chcú AI on-premise.

Ako dlho trvá nasadiť jednu takúto úlohu? Pri hotovom nástroji rádovo dni. Pri riešení na mieru zvyčajne pár týždňov od prvého rozhovoru po fungujúci pilot — závisí od toho, koľko systémov treba prepojiť.

Čo ak naše procesy nie sú štandardné a každý zákazník je iný? To automatizáciu nevylučuje, len mení odpoveď z „hotový nástroj” na „riešenie na mieru”. Aj neštandardné procesy majú zvyčajne jadro, ktoré sa opakuje — a práve to jadro sa dá automatizovať, kým výnimky ostanú na človeku.

Pomôžeme vám nájsť úlohy s najrýchlejšou návratnosťou — prvá konzultácia je nezáväzná. A ak vás trápi údržba strojov, pozrite si Mayven. Otázky? Napíšte nám.