Nasazování už probíhá, ale tempo není všude stejné

Studie ukazuje, že energetické a utilitní firmy už nejsou ve fázi opatrného zkoušení mimo hlavní provoz. Mnohé se posunuly od pilotních projektů k postupnému zavádění do běžného fungování a necelá polovina respondentů uvádí, že generativní umělá inteligence je už u nich alespoň částečně nasazená. Úroveň připravenosti je ale rozdílná. Větší podniky jsou dále, zatímco středně velké firmy zůstávají na počátku této cesty a ani jeden respondent ze středního segmentu v průzkumu nehlásil plnou implementaci generativní AI. V oboru, kde hodnota často závisí na koordinaci mezi provozními jednotkami a servisními územími, ať už se jedná o komunikaci při výpadcích, plánování terénní práce nebo hlášení spolehlivosti, je to důležitá zpráva. Pokud implementace zůstává roztříštěná, benefity na úrovni celého podniku zůstanou omezené.

Nejvíc se daří tam, kde je práce už dnes dobře popsaná a měřitelná

Umělá inteligence se postupně dostává do všech částí firmy, ale nejlépe funguje tam, kde jsou procesy už dnes digitalizované, opakovatelné a dají se dobře měřit. Vedoucí pracovníci v odvětví odhadují, že už dnes je přibližně každá pátá činnost nějakým způsobem podpořena umělou inteligencí. Nejvyspělejší jsou podle studie informační technologie a provoz, kde 66 % firem využívá podobné nástroje při tvorbě, testování nebo nasazování kódu a 57 % jimi automatizuje provozní úkoly. Finance jsou poměrně daleko u klasické automatizace a strojového učení, ale pokročilejší formy umělé inteligence tam zatím pronikají pomaleji. To odpovídá tomu, že v energetice je velmi silný tlak na dohledatelnost, kontrolu a možnost vše vysvětlit, hlavně tam, kde jde o finance nebo plnění regulatorních pravidel.

První výsledky jsou nejvíc vidět v rozhodování a práci se zákazníky

Přínosy už nejsou jen slibem do budoucna. Více než devět z deseti oslovených lídrů říká, že se zlepšily rychlost dodání, práce se zákazníky i schopnost přicházet s novými nápady. Nejvýraznější posun je v oblasti rozhodování a práce s přehledy, kde 44 % respondentů mluví o výrazném zlepšení. Hned za tím je komunikace se zákazníkem, kde stejné hodnocení uvádí 42 %. Dobře je to vidět i na úrovni vedení firem: 66 % respondentů říká, že jim tyto nástroje dávají lepší podklady pro strategická rozhodnutí, a 59 % je využívá pro přehledy a řídicí panely. V odvětví, které řeší výpadky, počasí, kolísání poptávky a tlak na služby, má rychlejší a přesnější přehled praktickou hodnotu daleko za hranicí běžné produktivity.

O skutečné návratnosti rozhoduje schopnost adopce a rozšíření

Sedm z deseti oslovených lídrů uvádí, že jejich firmy už do umělé inteligence investovaly alespoň středně výrazně, přičemž průměrná současná investice dosahuje 29 milionů dolarů. Čtyřicet jedna procent firem přitom říká, že nejde o nahodilé pokusy, ale o cílený a koordinovaný přístup. Současná průměrná návratnost je podle studie 15 % a během dvou let ji firmy čekají na úrovni 29 %. To je dobrý základ, ale zpráva zároveň upozorňuje, že lepší výsledky nepřijdou z izolovaných pilotů. Pokud se má první úspěch proměnit ve skutečnou hodnotu pro celou firmu, je potřeba opakovat zavedené postupy napříč odděleními společnosti a soustředit se na klíčové procesy, ne na jednotlivé experimenty bez návaznosti.

Největší brzda už není ochota investovat, ale kvalita dat a propojení systémů

Jestli se nějaké téma vine celou studií opravdu důsledně, pak je to připravenost dat. Kvalita nebo dostupnost dat je pro 69 % vedoucích pracovníků hlavním důvodem, proč firmy zatím nezískávají z umělé inteligence větší hodnotu. Hned za tím následují chybějící jasná strategie a slabé organizační sladění, které zmiňuje 68 %, a nedostatek potřebných dovedností, který uvádí 67 % respondentů. Problém je nejviditelnější v oblastech s vysokými nároky na řízení a dohled. Zatímco celkově věří sedm z deseti lídrů, že jejich data jsou pro nasazení připravená, u právní oblasti, řízení rizik a souladu s pravidly to říká jen 18 % a u financí 28 %. Výsledek je poměrně logický: roztříštěná a nekonzistentní data firmám brání rozšiřovat využití právě tam, kde bývá největší přínos – tedy v procesech, které propojují více oddělení najednou.

Další velké téma je agentní AI, ale sektor na ni zatím není připravený ve větším měřítku

Studie vnímá agentní umělou inteligenci spíš jako další krok než jako dnešní standard. Tyto autonomnější systémy by časem mohly pomáhat koordinovat složité procesy napříč provozem, zákaznickými interakcemi i informačními technologiemi. Penetrace je ale zatím nízká. Jen 4 % respondentů uvádí plné zavedení a 32 % alespoň částečné nasazení. Připravenost je navíc velmi nerovnoměrná: více než čtvrtina lídrů říká, že jejich organizace na podobné systémy připravená není, a ve středně velkých firmách je situace ještě slabší - jako částečně nebo plně připravené se označuje jen 15 % z nich. Nejde přitom jen o samotnou technologii. Odráží to potřebu tohoto odvětví mít k dispozici účinné kontrolní mechanismy, spolehlivou integraci, nižší technický dluh a praktické provozní modely, které umožní větší autonomii, aniž by došlo ke snížení přehlednosti.

Co by firmy ze sektoru energetiky měly udělat dál

Závěr studie je spíš praktický než vizionářský. Doporučení zní: posílit datové a integrační základy, hlavně propojení provozních technologií s podnikovými systémy a také jednotná kmenová data o majetku, lokalitách a zákaznících. Současně dává smysl nejdřív rozšiřovat takové procesy, které se dají dobře měřit a opakovat, zvlášť ty, které souvisejí se spolehlivostí a se službami pro zákazníky. Teprve na takovém základě má smysl jít výrazněji do agentní AI. V oboru, kde se nesmí slevit z bezpečnosti, odolnosti a souladu s pravidly, bude dlouhodobý úspěch stát méně na efektních pilotních ukázkách a více na disciplinovaném zavádění ve větším měřítku.

Zdroj: THE VALUE OF AI – Industry deep dive: Energy and utilities (Oxford Economics and SAP), 2025.