5 kroků, jak vybrat firemní AI vzdělávání a nenaletět – kompletní manuál 

Jako HR manažeři a L&D specialisté jste v kleštích. CEO po vás chce „AI strategii“ a viditelné výsledky (nejlépe včera), protože si přečetl článek v Harvard Business Review o 30% nárůstu produktivity. CFO se už třetí kvartál ptá na ROI. A zaměstnanci? Ti oscilují mezi panickým strachem, že je AI nahradí, a naivní představou, že ChatGPT za ně udělá úplně všechno, zatímco oni budou pít kávu. 

A do toho vám ve schránce přistávají desítky nabídek od „expertů“, kteří všichni vypadají stejně, mluví stejně a slibují revoluci. 

Stop. Než někomu pošlete objednávku, přečtěte si, co se na trhu skutečně děje a jak nenaletět. 

Zlatá horečka s dotačními programy 

Trh s AI vzděláváním dnes připomíná devadesátky. S příchodem dotačních programů a hype kolem generativní AI ucítilo nesčetně subjektů příležitost ke snadným penězům. 

Bariéra vstupu je totiž nulová. Stačí doména za dvě stovky, WordPress šablona, pár hodin s Canvou na vytvoření „brand identity“ a ChatGPT na napsání textů o tom, jak jste „AI native“. Přidejte si LinkedIn Premium a gratuluji – jste AI expert. 

Příběh z praxe 

Před měsícem mě oslovila firma s nablýskaným webem plným buzzwordů jako „AI-powered transformation“ a „future of work“. Vypadalo to impozantně. Loga klientů, silná slova. Ale chyběly konkrétní case studies. Žádné fotky z workshopů, žádná čísla, žádné výstupy. 

Rychlý průzkum v obchodním rejstříku mě posadil na židli. Firma existovala tři roky, čtyřikrát změnila sídlo a její hlavní zapsaná činnost? Taxislužba. 

Nečtete špatně. Firma, která se prezentuje jako lídr v korporátním AI vzdělávání, má v rejstříku zapsáno, že převáží lidi autem. Tohle je realita, které čelíte. 

Proč „jednodenní školení“ jsou vyhozené peníze 

I když nenaletíte taxikáři a vyberete solidního lektora, stále můžete selhat. Nejčastější chybou firem je představa, že AI se dá „odškolit“ za jeden den. 

To je naprostý nesmysl. 

AI není Excel. Není to nástroj, který se naučíte ovládáním tlačítek. AI je změna myšlení (mindsetu). Poslat lidi na jednodenní workshop „Úvod do ChatGPT“ je jako vzít je jednou do posilovny a čekat, že budou mít do léta pekáč buchet. 

• Lidé se na školení pobaví (tzv. edutainment). 
• Druhý den si zkusí jeden prompt. 
• Třetí den narazí na první chybu, AI jim dá špatný výsledek. 
• Čtvrtý den se vrátí ke starým procesům. 

Efekt pro firmu? Nula. Pokud hledáte skutečnou změnu, nehledáte školení. Hledáte proces adopce. 

Tiší zabijáci 

Ještě než začnete vybírat dodavatele, musíte si zamést před vlastním prahem. Pravda je, že ve většině případů implementace AI neselhává kvůli špatnému lektorovi, ale kvůli neexistujícím procesům. 

Když firma sabotuje sama sebe 

Nedávno jsem dělal konzultaci pro výrobní firmu. Majitel chtěl, aby obchodní tým využíval AI pro přípravu nabídek. Měl rozpočet, měl vizi. Když jsem se ale zeptal: “Jak vypadá váš současný proces? Máte data? Máte šablony?”, odpověď byla: “No, víte, klasicky… Excel, Word, posíláme si to mailem, každý to dělá trochu jinak.” 

AI nezachrání špatný proces. Jen ho zrychlí. Pokud automatizujete chaos, dostanete jen rychlejší chaos. Kvalitní dodavatel AI vzdělávání se vás na tohle zeptá předtím, než vám pošle fakturu. Šarlatán vám rovnou prodá kurz. 

To je zabiják číslo jedna: Děláte školení, aniž byste skutečně věděli, co vaši lidé skutečně potřebují. 

Krok 1: Anatomie diagnostiky (aneb proč neškolím naslepo) 

Když dnes přijde klient s poptávkou na školení, první věc, kterou ode mě slyší, je: „Dobře, ale než cokoliv naplánujeme, potřebujeme přípravu.“ Většina firem je překvapená. „Přípravu? Na co? Přece jen přijdete a odškolíte to, ne?“ 

Ne. Takhle to nefunguje. Takhle se pálí peníze. 

Aby školení mělo smysl, začínám vstupními rozhovory. Pozor – ne s HR, ne s managementem. Mluvím přímo s lidmi, kteří tam budou sedět. Ptám se na věci, které v job description nenajdete: 

• Co přesně děláte osm hodin denně? 
• Kde ztrácíte nejvíc času? 
• Které úkoly vás nejvíc štvou? 
• Kde máte pocit, že děláte práci pro cvičenou opici (nebo automat)? 

Mapa AI příležitostí 

Z těchto rozhovorů vzniká dokument, kterému říkám „Mapa AI příležitostí a překážek“. Není to žádná raketová věda, ale je to rozdíl mezi úspěchem a fiaskem. Je to jednoduchá Excel tabulka s těmito klíčovými sloupci: 

1. Konkrétní proces (co se děje) 
2. Časová náročnost (kolik hodin to žere) 
3. Míra frustrace (škála 1–10: čím vyšší, tím lepší kandidát na AI) 
4. Potenciál automatizace (jak složité to je nasadit) 
5. PRIORITA (výsledek rovnice) 

Teprve když máme tuhle mapu, začíná se připravovat obsah školení. 

💡 Pro tip mistra.ai: Zapomeňte na dotazníky typu „Popište svou práci“. Dostanete jen obecné info jako „dělám reporting“ nebo „komunikuju s klienty“. To je k ničemu. Musíte mluvit s lidmi přímo. Dvacetiminutový hovor s empatickým lektorem odhalí víc než třístránkový formulář. Je čistě na vás, jestli dokážete své lidi vyzpovídat sami, nebo si na to najmete někoho, kdo ví, na co se ptát. 

Případová studie: Past manažerských očekávání 

Tento bod je kritický. Management často chce jednu věc, ale realita “v zákopech” je úplně jiná. 

Pamatuju si poptávku, kde management chtěl školení na „AI v marketingu“. Měli vizi, jak budou jejich marketéři generovat kreativní kampaně a psát virální blogy. Jenže když jsem udělal diagnostiku, zjistil jsem krutou pravdu: Jejich marketéři netráví čas kreativitou. Velkou část měsíce tráví otrockou přípravou měsíčních reportů v PowerPointu pro vedení. 

• 20 slidů plných grafů z Google Analytics, sociálních sítí a e-mailingů. 
• Příprava jim zabere tři dny každý měsíc. 

Kdybych management poslechl, učil bych uštvané marketéry psát lepší texty s AI. Bylo by to hezké, “sexy”, ale prakticky nepoužitelné, protože by na to stejně neměli čas. 

Co jsme udělali místo toho? Naučil jsem je automatizovat reporting. Vytvořili jsme šablonu, která si data vytahá z různých zdrojů, vygeneruje insights a připraví draft prezentace. Z třídenní otrocké práce se stala hodinová kontrola a finalizace. 

Výsledek? 

• Ušetřené 3 dny měsíčně = 36 dní ročně. 
• To je měsíc a půl práce jednoho člověka, který se najednou uvolnil na tu kreativitu. 

To je ROI (návratnost investice), kterou management chápe. A to je důvod, proč bez diagnostiky neškolím. 

Krok 2: Heterogenní skupiny (Recept na katastrofu) 

Druhá věc, která spolehlivě zabíjí efektivitu školení, je fenomén, kterému říkám „nahnat všechny do jedné ohrady“. 

Chápu ekonomickou logiku firem. Lektor stojí 30 až 50 tisíc na den. Máte dvacet lidí, kteří „potřebují AI“. Tak je prostě hodíte všechny do jedné zasedačky, objednáte chlebíčky a máte “odškrtnuto”. Jedna platba, všichni proškolení. Efektivní, ne? 

Ne. Je to ta nejméně efektivní věc, kterou můžete udělat. 

Proč? Protože pokročilí odejdou zklamaní, že to bylo moc povrchní. Začátečníci odejdou frustrovaní, že to bylo moc rychlé. Nikdo nebude spokojený. 

Existuje řešení. Rozdělte lidi. Udělejte pre-assessment. Jednoduchý rozřazovací kvíz, který zabere pět minut: Používáš AI nástroje? Které? Jak často? Co od školení očekáváš? Na základě odpovědí rozdělte lidi do tří skupin: 

Začátečníci – Nikdy nepoužili nebo jen velmi okrajově. Potřebují “AI 101”. Základní orientace, odstranění strachu, quick wins. Čtyři hodiny max, spíš tři. 

Středně pokročilí – Používají ChatGPT, ale basic. Žádné custom GPT, žádné API, žádná automatizace. Potřebují “AI na produktivitu”. Konkrétní workflow, efektivní promptování, integrace do jejich práce. Celý den. 

Pokročilí – Už mají zkušenosti, už automatizují. Potřebují “AI automtizace”. Technické workshopy s API, Make.com, custom řešení. Taky celý den, ale úplně jiný obsah. A hlavně musí mít přístupy k  API klíčům a mít oprávnění. A ne že půlku nástrojů blokuje firemní wifi. 

Když klient řekne: “Nemůžeme udělat tři skupiny, je to moc drahé,” odpovídám: “Tak udělejte jeden inspirativní webinář pro všechny najednou – hodinu, dvě max. Ukažte, co je možné. A pak nabídněte ty, co to zaujalo, aby se přihlásili do hloubkového školení. To rozdělte podle úrovně.”

Když IT oddělení chrání firmu před budoucností 

Máte hotovou diagnostiku. Máte lidi rozdělené do skupin. Ti pokročilí se těší na automatizaci přes API. Všechno je připravené na start. A v tu chvíli narazíte v plné rychlosti do zdi. 

Tou zdí je vaše vlastní IT oddělení. 

Tohle je můj „oblíbený“ paradox. Firma chce implementovat AI, chce inovaci, CEO volá po efektivitě. A současně má IT oddělení, které zablokuje i kalkulačku ve Windows, pokud k ní nemá tříletou bezpečnostní studii. 

Ta absurdita je v tom, že většina IT oddělení pracuje podle bezpečnostních politik z doby, kdy „cloud“ bylo sprosté slovo. Nerozlišují mezi tím, když si Franta z účtárny povídá s free verzí ChatGPT o firemních tajemstvích, a zabezpečeným podnikovým řešením. 

Moderní AI nástroje mají enterprise verze s úrovní zabezpečení, o které se většině interních systémů ani nezdá: 

• ChatGPT Enterprise / Team: Má “zero data retention”. Vaše data se nepoužívají k trénování modelu. Co se stane ve firmě, zůstane ve firmě. 
• Microsoft Copilot: Běží ve vašem Azure tenantu. Má stejné zabezpečení jako vaše firemní e-maily nebo Teamsy. 
• Claude Enterprise: Splňuje SOC 2 Type II certifikace (zlatý standard bezpečnosti). 

IT oddělení, které tohle ignoruje a plošně blokuje AI s odůvodněním „bezpečnosti“, paradoxně vytváří bezpečnostní riziko. Zaměstnanci totiž nejsou hloupí. Když nástroj potřebují, použijí ho „partyzánsky“ na soukromém mobilu, na domácí Wi-Fi, mimo jakoukoliv kontrolu firmy. To je stínové IT v praxi. 

Bez nástrojů neškolím 

Poučil jsem se. Když dnes klient poptává školení, moje první otázka nezní „Kdy?“, ale: „Máte vyřešený přístup k nástrojům?“  Pokud je odpověď „ne“ nebo „asi ne“, školení odmítám. Učit někoho řídit auto na trenažéru s tím, že se do skutečného auta nikdy neposadí, je ztráta času. Lidé se na školení pobaví, ale druhý den v práci narazí na firewall a jejich nadšení vyprchá rychleji než pára nad hrncem. 

Checklist technické připravenosti (než zavoláte lektora): Než pošlete poptávku na školení, zajděte za svým CIO a odškrtněte si tyto body: 

1. Whitelist: Máme vybrané 2–3 nástroje, které budou oficiálně povolené? 
2. Licence: Máme nakoupené Enterprise nebo alespoň Team / Pro licence? (Na free verzích se byznys nestaví). 
3. Politika: Máme jasný dokument, který říká co se do AI smí dávat a co je přísně zakázáno (typicky osobní údaje klientů, rodná čísla)? 
4. Support:  IT helpdesk, jak lidem pomoci, když jim něco nefunguje 

Teprve když máte tohle vyřešené, má smysl řešit termín workshopu. 

Jak poznat AI experta od šarlatána 

Dobře, teď už víte, jak si zamést před vlastním prahem. Máte zmapované procesy. Máte rozdělené skupiny. Máte zelenou od IT. Zbývá poslední dílek skládačky: Kdo to celé odškolí? A tady vstupujete do minového pole. 

Největším nebezpečím dnešního trhu nejsou podvodníci, kteří by vám chtěli ukrást peníze a utéct. Přímé podvody jsou vzácné. Mnohem zákeřnější hrozbou jsou teoretičtí nadšenci. Lidé, kteří netuší, že nic neumí (klasický Dunning-Krugerův efekt). 

Představte si člověka, který ještě loni učil time management a týmovou spolupráci. Přečetl si AI Superpowers od Kai-Fu Leeho, prošel Coursera kurz “Generative AI for Everybody” od Andrew Nga, sleduje na LinkedInu Sama Altmana. Vytvoří si LinkedIn profil s headlinem “AI Transformation Consultant”. Napíše pár postů o tom, jak AI změní budoucnost práce. A najednou je expert. 

A věřte mi – sám tomu věří. Není to podvodník. Je to člověk, který upřímně myslí, že pochopil AI. Ale tady je problém – vaše účetní nepotřebuje vědět, co je API. Potřebuje vědět, jak použít AI k automatizaci měsíční závěrky. A teoretický nadšenec jí to neřekne, protože on sám měsíční závěrku nikdy nedělal. 

Před třemi měsíci jsem byl na jedné konferenci o AI v byznysu. Na pódiu byl lektor, který měl přednášku “AI in Practice”. Sliboval praktické ukázky. Měl pěknou prezentaci, citoval statistiky z McKinsey reportů, mluvil o inovacích. Pak přišel k “praktické části”. 

Otevřel ChatGPT. Napsal: “Napiš mi marketingový email.” AI napsalo generický email. “Vidíte?” řekl s nadšením. “Takhle AI šetří čas!” Publikum pokývalo hlavami. 

V tu chvíli jsem věděl, že je zle. Tohle je jako kdyby instruktor autoškoly sedl do auta, nastartoval, túroval motor na neutrál a křičel: „Vidíte tu sílu?“ Ano, motor běží. Ale nikam jsme nejeli. 

Realita? Žádný příčetný marketér by takový e-mail neposlal. Kvalitní výstup vyžaduje kontext, tone-of-voice, znalost cílovky a komplexní prompt (nebo sérii promptů). Pokud učíte lidi generovat průměrný odpad, nezvyšujete produktivitu. Jen zaplevelujete svět digitálním smogem. 

Lakmusový papírek: 4 otázky, které svléknou experta donaha 

Zapomeňte na certifikáty a loga na webu. Ty jsou také důležitá, ale pokud chcete poznat, kdo to s AI myslí vážně, položte při výběrovém řízení tyto otázky. A hlavně – poslouchejte, co (ne)řeknou. 

1. Otázka na tělo: „Ukažte mi vaše vlastní AI workflow.“ 

Tohle je moment pravdy. Nechtějte slyšet teorii. Chtějte vidět jejich „kuchyni“. Požádejte lektora, aby teď hned sdílel obrazovku a ukázal svůj ChatGPT (nebo Claude/Gemini/Copilot). 

• Odpověď experta: Bez váhání otevře historii chatu. Uvidíte tam desítky konverzací. 
• „Podívejte, tady mám vlastního Custom GPT asistenta, kterého jsem nakrmil svými minulými školeními – teď mi pomáhá stavět strukturu pro vás.“ 
• „Tady vidíte napojení na Make.com, které mi automaticky třídí faktury.“ Vidíte reálnou, „špinavou“ práci a pokročilé promptování (např. instrukce pro formátování, role, kontext). 

• Kdy utíkat (Red Flag): 
• Výmluva na NDA: „Nemůžu vám to ukázat kvůli mlčenlivosti s klienty.“ (Nesmysl. Každý expert má i své osobní nebo interní workflow, které ukázat může). 
• Prázdná historie: Pokud v postranní liště vidíte jen „New Chat“ a „New Chat“, znamená to, že dotyčný AI používá jen svátečně. 
• Primitivní prompty: Pokud v historii vidíte jen: „Napiš článek o marketingu“, máte před sebou začátečníka. 

2. Otázka na bezpečnost: „Jak konkrétně řešíte ochranu dat?“ 

Většina lektorů tuto otázku odbude frází: „To je důležité, určitě to zmíníme.“ To nestačí. 

• Odpověď experta: Jde do detailu a zná technické nuance. 
• „Učíme lidi techniku anonymizace. Místo ‚Produkt X stojí 50 000 Kč‘ se ptáme na ‚Produkt v kategorii A za cenu Y‘.“ 
• Vysvětlí rozdíl mezi trénováním modelu (co se AI učí navždy) a kontextovým oknem (co si pamatuje jen teď). 
• Důrazně varuje před vkládáním osobních údajů do free verzí a vysvětlí nastavení  Data Retention politik. 

• Kdy utíkat (Red Flag): 
• „AI je bezpečná, o to se stará Microsoft/OpenAI.“ (Naivní lež). 
• „To nechte na vašem IT.“ (Alibismus. Uživatel musí vědět, co smí a nesmí dělat). 
• „Nové modely už data neukládají.“ (Nebezpečná nepravda u free verzí). 

3. Otázka na upřímnost: „Kdy vám AI naposledy selhala?“ 

Teoretik chce vypadat neomylně. Praktik ví, že AI je nedokonalá technologie. 

• Odpověď experta: Zasměje se a vytáhne konkrétní fuck-up. 
• „Minulý týden mi AI vymyslela neexistující citaci do právní analýzy. Museli jsme pak ladit proces ověřování (fact-checking).“ 
• Tato odpověď ukazuje, že s AI reálně pracují a znají její limity (halucinace). 

• Kdy utíkat (Red Flag): 
• „Mně se to nestává, musíte umět promptovat.“ Takový člověk buď lže, nebo AI používá tak triviálně, že na limity ještě nenarazil. 

4. Otázka na výsledky: „Jak změříme úspěch školení?“ 

Tohle je otázka, která odděluje zrno od plev. Odhalí, jestli vám dodavatel prodává vzdělání, nebo transformaci. 

• Odpověď experta: Expert nemluví o pocitech, ale o číslech a návratnosti (ROI). 
• „Nastavíme si ‘Baseline’ (výchozí stav). Pokud dnes příprava reportu trvá 6 hodin, změříme to znovu 30 dní po školení. Pokud to klesne na 2 hodiny, máme jasné ROI: 4 ušetřené hodiny × hodinová sazba × počet lidí.“ 
• Klíčové slovo: Follow-up. Expert ví, že školení nekončí v 17:00. Automaticky navrhne setkání po 4–6 týdnech (tzv. Troubleshooting session), kde se řeší reálné záseky z praxe. Bez follow-upu adopce AI do měsíce umře. 

• Kdy utíkat (Red Flag): 
• „Pošleme účastníkům dotazník spokojenosti.“ Pozor, toto je past. Tzv. „Happy sheets“ měří jen to, jestli byl lektor vtipný a jestli byly dobré chlebíčky. Neměří dopad na byznys. Můžete mít hodnocení 5 hvězdiček, ale nulovou změnu v produktivitě. 
• „To se projeví až časem, to se nedá přesně změřit.“  Dá. Pokud to neumí změřit, tak to jenom neumí definovat. 

Jak to má správně vypadat: Od diagnózy po kulturní změnu 

Zapomeňte na představu, že si koupíte “krabicové školení” a za týden budou všichni produktivnější. To není realita. Implementace AI ve firmě není IT projekt. Je to projekt na řízení změny. A to vyžaduje strukturovaný přístup. 

Zde je metodika, která v praxi funguje – ověřená na desítkách klientů za poslední dva roky. Není to teorie z knihy. Je to framework, který iteruji na základě toho, co vidím, že funguje. 

Fáze 0: Business Case  

Než se pustíte do diagnostiky lidí nebo hádání s IT oddělením, zastavte se. Většina firem začíná větou: „Chceme školení AI.“ To je chyba. Správná otázka zní: „Proč to vlastně chceme?“ 

A pozor – odpověď „protože se o tom mluví“ není business case. Odpověď „protože CEO chce být inovativní“ taky ne. To jsou jen drahá přání. 

Implementace AI není IT projekt. Je to projekt řízení změny (change management). Pokud si koupíte „krabicové školení“ bez jasného zadání, je to jako koupit si permanentku do fitka a doufat, že tím zhubnete, aniž byste tam chodili. 

Příběh z praxe: Jak najít milion na stole 

Před pár měsíci mě oslovila HR ředitelka logistické firmy. Zadání znělo jasně: „Potřebujeme AI školení pro management.“ Když jsem se zeptal proč, nastalo ticho. „No… vedení chce být moderní. Chceme zvýšit efektivitu.“ To je příliš vágní. Efektivnější v čem? O kolik? Za jakou cenu? 

Místo školení jsme udělali tříhodinový workshop pro vedení. Žádné prompty, žádné technické hračky. Jen tvrdý brainstorming nad třemi otázkami: 

1. Kde nám teď utíkají peníze? (Které procesy jsou pomalé, chybové, drahé?) 
2. Co by se stalo, kdybychom to vyřešili? (Jaký je dopad na cashflow?) 
3. Jak změříme úspěch? (Konkrétní metrika, ne pocit). 

Výsledek? Ukázalo se, že jejich největší bolest není v nedostatku „inovací“. Jejich problém byl v tom, že dispečeři tráví 3 hodiny denně ručním přepisováním dat z PDF objednávek do interního systému. Pojďme počítat: 

• 3 hodiny denně × 5 dní = 15 hodin týdně. 
• Při superhrubé mzdě a nákladech cca 300 Kč/hod to dělá 4 500 Kč týdně. 
• To je 230 000 Kč ročně na jednoho dispečera. 
• Mají 5 dispečerů. To je 1 150 000 Kč ročně. 

Milion korun ročně, který firma pálí v krbu manuální prací, kterou dnes AI zvládne automatizovat s 90% přesností. V tu chvíli se změnila debata. Už jsme neřešili „školení pro zábavu“. Řešili jsme projekt s jasnou návratností. 

To je Business Case. Teprve když máte tohle číslo, má smysl volat lektora. Do té doby jen střílíte naslepo. 

Fáze 1: Audit připravenosti (Diagnostika a mapování) 

Jakmile víte, proč chcete AI (máte spočítaný business case z Fáze 0), musíte zjistit, jak to provést. Většina firem tuto fázi přeskočí a rovnou objedná školení. To je, jako by lékař předepsal léky, aniž by pacienta vyšetřil. 

Kvalitní audit není o vyplňování tabulek pro management. Je to mapa terénu, která stojí na třech pilířích: 

1. Technický audit (Co máme v batohu) 

Než začnete snít o AI revoluci, podívejte se do vlastních systémů. Často zjistíte, že nástroje už máte, jen o nich nevíte. 

• Inventura licencí: Máte Microsoft 365? Možná už platíte za Copilot, o kterém nikdo neví. Máte Google Workspace? Gemini může být na dosah ruky. 
• Stínohra stínů: Jaké nástroje už lidé používají „načerno“? (To není důvod k trestu, ale cenná informace o tom, co jim v práci chybí). 
• Data: Kde leží vaše know-how? Na SharePointu? V cloudu? Nebo v šanonech ve sklepě? (AI, která nemá přístup k datům, je jen chytrý kecálek). 

2. Procesní audit (Kde to drhne) 

Tady se hledají peníze. Vyberte 3–5 klíčových rolí ve firmě a rozeberte jejich den na prvočinitele. 

• Hledejte repetitivnost: Které úkoly se dělají stále dokola? (Ctrl+C, Ctrl+V je práce pro robota). 
• Hledejte frustraci: Co vaši lidé nenávidí? (Nikdo nešel studovat VŠ, aby přepisoval data z faktur do Excelu). 
• Hledejte úzká hrdla (bottlenecks): Kde proces stojí a čeká na člověka? 

3. Personální audit (Kdo je kdo) 

Technologie je snadná. Lidé jsou složití. Musíte vědět, s kým hrajete. 

• Digitální gramotnost: Kdo sotva otevře PDF a kdo si po večerech programuje v Pythonu? (Nemůžete je školit stejně). 
• Change Readiness: Kdo se bojí, že ho AI nahradí? A kdo se nemůže dočkat, až mu AI uleví?
• Identifikace šampionů: V každé firmě jsou 1–2 nadšenci (Early Adopters). Najděte je. Oni budou vaši nejlepší spojenci při zavádění změny. 

Pravidlo 20 minut: Proč dotazníky nefungují 

Možná si říkáte: „Super, pošlu lidem Google formulář.“  Nedělejte to.  Dotazníkem získáte jen povrchní odpovědi a společensky přijatelné fráze. Pokud chcete pravdu, musíte zvednout zadek ze židle a jít za lidmi. 

• Vyhraďte si 20 minut na klíčové osoby. 
• Ptejte se naživo. 
• Chtějte vidět jejich obrazovku. Rozdíl mezi školením postaveným na dotazníku a školením postaveným na hloubkových rozhovorech je jako rozdíl mezi mácháním sekerou a neurochirurgií. Obojí je zásah, ale jen jeden pacient přežije bez následků. 

Výstup: Mapa příležitostí 

Výsledkem této fáze není stostránkový report, který nikdo nečte. Je to jednoduchá, prioritizovaná tabulka. Tady je reálná ukázka od mého klienta (maloobchodní řetězec), která nám jasně ukázala, kde začít: 

Use Case (Co budeme řešit)	Oddělení	Úspora času / týden	Složitost implementace	PRIORITA
Automatická kategorizace faktur	Finance	8 hodin	Nízká (Hotové nástroje)	🔴 HIGH
Generování produktových popisků	E-shop	12 hodin	Nízká (ChatGPT + šablona)	🔴 HIGH
Virtuální asistent na webu	Support	20 hodin	Vysoká (Nutná integrace)	🟡 MEDIUM
Predikce skladových zásob	Sklad	5 hodin	Extrémní (Nutná čistá data)	🟢 LOW

Vidíte? Konkrétní, měřitelné, prioritizované. Díky auditu jsme věděli, že nemá smysl začínat složitou predikcí skladu (Low Priority), ale musíme se vrhnout na produktové popisky, kde je „hodně muziky za málo peněz“. 

Fáze 2: Inspirace a bourání mýtů (Kick-off) 

Máte data (Business Case) a máte mapu (AI Audit). Možná vás svrbí prsty a chcete hned objednat školení promptování.  Zadržte.  Pokud teď pošlete lidem pozvánku na „Školení AI“, narazíte do zdi. 

Vaší firmou už totiž pravděpodobně koluje „tichá pošta“. U kávovaru se šušká: „Slyšel jsi? Zavádí se umělá inteligence. Budou se snižovat stavy.“  Strach je zabiják inovací. Pokud lse idé cítí ohrožení, budou AI sabotovat. Budou tvrdit, že to nefunguje, že to „halucinuje“ a že „postaru je to lepší“. 

Proto prvním krokem není technické školení, ale psychologická příprava. Říkejme tomu AI Kick-off. Je to „All-Hands“ meeting (pro celou firmu nebo dotčené oddělení), kde musíte vyložit karty na stůl. 

Tady je scénář, který funguje. Nic víc, nic míň. 

Agenda Kick-offu (60 minut, které rozhodnou o úspěchu) 

1. Proč teď a proč my? (10 min) Žádné obecné fráze o „budoucnosti“. Buďte brutálně upřímní ohledně trhu. 

• „Naše konkurence začala využívat AI k optimalizaci cen. Pokud nezrychlíme, do roka ztrácíme 15 % trhu. Nejde o hračku, jde o udržení naší pozice.“ 
• Lidé musí pochopit, že AI není rozmar vedení, ale nutnost pro přežití firmy (a tím pádem i jejich výplat). 

2. „Vyhodíte nás?“ (15 min) Tuto otázku má v hlavě každý. Vyslovte ji za ně. 

• Neslibujte, že se nic nezmění. To by vám nevěřili. 
• Řekněte pravdu: „AI nebere práci lidem. Bere práci lidem, kteří se odmítají učit. Některé úkoly zmizí (třeba přepisování dat), ale vaše práce nezmizí – změní se. Chceme, abyste dělali méně robotické práce a více té lidské.“ 

3. Magický trik: Quick Wins (20 min) Teď musíte proměnit strach v nadšení. Ukažte 3–4 věci, které jim zítra ušetří hodinu práce. Žádná teorie, jen čistá magie v přímém přenosu. 

• Demo 1 (E-maily): Vezměte dlouhý, nesrozumitelný e-mail od klienta a nechte AI, ať ho shrne do 3 odrážek a navrhne odpověď. 
• Demo 2 (Excel): Vyfoťte tabulku na papíře, nahrajte ji do AI a nechte ji převést do Excelu. (Uvidíte, jak lidem spadnou čelisti). 
• Demo 3 (Kreativa): Nechte AI napsat 10 variant newsletteru, nad kterým se marketing trápí hodiny. 
• Cíl: „Aha efekt“. Lidé musí odejít s pocitem: „Tohle chci taky umět!“ 

4. Co bude dál? (10 min) Strach pramení z nejistoty. Dejte jim mapu. 

• „Příští týden začínáme pilot s financemi. Za měsíc obchod. Do konce kvartálu chceme mít první výsledky. Nikdo po vás nechce, abyste byli experti přes noc. Dostanete podporu, čas i nástroje.“ 

5. Q&A bez cenzury (zbytek času) Nechte je mluvit. I nepříjemné otázky jsou dobré, protože čistí vzduch. 

• „Je to bezpečné?“ 
• „Co když to nezvládnu?“ Odpovídejte pravdivě. Pokud nevíte, řekněte „nevím, zjistíme to“. Důvěra je v této fázi klíčová. 

Tip z praxe: Efekt generálního ředitele 

Mám jednu zkušenost, která se potvrzuje zas a znova. Pokud tento úvodní Kick-off moderuje externí lektor nebo HR manažer, má to poloviční váhu. Musí tam stát CEO (nebo majitel). To on musí říct: „Jdeme do toho a já to podporuji.“ Pokud tam šéf není, vysílá tím signál: „Není to důležité, jen si hrajte.“ A projekt skončí dřív, než začal. 

Fáze 3: Hloubkový trénink (Konec teorie) 

Tady končí inspirace a začíná dřina. Kick-off (Fáze 2) lidi nadchnul, ale teď jim musíme dát do ruky řemeslo. Zapomeňte na přednáškové sály, kde jeden mluví a padesát lidí scrolluje na Instagramu. Efektivní AI trénink vypadá spíše jako hodina v autoškole než přednáška na univerzitě. 

Aby to fungovalo, dodržujeme tato 4 železná pravidla: 

Pravidlo 1: Limit 15 osob (Pravidlo přímé kontroly) 

Proč ne 20 nebo 30? Protože AI se učí experimentem, tréninkem a praxí. Každý účastník se v nějakou chvíli zasekne. 

• Lektor musí mít kapacitu obejít stoly, podívat se účastníkovi přes rameno na monitor a říct: „Tady ti chybí kontext, proto ti to píše nesmysly.“ 
• U 20 lidí se z lektora stává přednášející. U 12–15 lidí je to kouč. 

Pravidlo 2: Kmenové uspořádání (Homogenní skupiny) 

Nikdy, opakuji nikdy, nemíchejte oddělení dohromady. 

• Když ukazujete marketérům, jak generovat slogany, účetní zívají. 
• Když ukazujete účetním, jak analyzovat cashflow v Excelu, marketéři odcházejí na kávu. 
• Musíte mluvit jejich jazykem. Finančníci musí trénovat s finančníky na finančních datech. Jedině tak udržíte 100% pozornost. 

Pravidlo 3: Poměr 20/80 (Minimum teorie, maximum potu) 

Teorie o tom, „jak fungují neuronové sítě“, nikoho nezajímá (kromě IT oddělení). Lidé chtějí výsledky. 

• Prvních 15 minut: Ukázka postupu. 
• Zbytek hodiny: Samostatná práce. Pokud účastníky nebolí prsty od psaní promptů, není to trénink, ale podcast. Musí si to „odřít“ sami. 

Pravidlo 4: BYOD (Bring Your Own Data) 

Toto je nejdůležitější bod. Zakazujeme používat generické příklady typu „Napiš báseň o kočce“. To je k ničemu. Účastníci si musí přinést vlastní rozpracované úkoly. 

• Obchodník si vezme reálný e-mail od naštvaného klienta, který mu přišel ráno, a s pomocí AI napíše odpověď. 
• HR manažer si vezme reálný inzerát, který nemůže obsadit, a nechá AI ho přepsat. 
• Efekt: V momentě, kdy AI vyřeší jejich skutečný problém, nastává ten pravý „aha-moment“. Odcházejí a vědí, že zítra jim to ušetří hodinu práce. 

Výsledek? 

Lidé neodcházejí odpočatí. Odcházejí s „vyvařeným mozkem“, unavení, ale s jiskrou v oku. Neodnášejí si skripta, která hodí do šuplíku. Odnášejí si hotovou práci a dovednost, kterou hned druhý den použijí. 

Fáze 4: Aplikace do praxe (Jak nevyhodit peníze oknem) 

Tři týdny po školení uspořádejte půldenní akci. Není povinná. Přihlásí se jen ti, kteří to „pochopili“ (cca 10–15 % lidí). To jsou vaši budoucí AI leadeři. 

Zadání je prosté: „Máte 4 hodiny. Vytvořte ošklivý, ale funkční prototyp, který vyřeší jeden váš pracovní problém.“ Nehledáme krásu. Hledáme funkčnost. I když to drží pohromadě jen díky „izolepě“, počítá se to. 

Případová studie:  

• HR: Robot na třídění životopisů (porovná CV s popisem práce a oboduje shodu 1–10). 
• IT Support: Automatická odpověď na tickety „nejde mi wifi“ (vyřeší 40 % požadavků bez zásahu člověka). 

Síť Šampionů (Virové šíření změny) 

Ti lidé, kteří na hackathonu něco vytvořili, se automaticky stávají vašimi AI leadery. Proč je potřebujete? Protože nemůžete být všude. Oni budou novinky šířit ve svých týmech. Oni budou ti, za kterými půjde kolega s otázkou: „Hele, jak jsi udělal to s těmi fakturami?“ 

Aby to fungovalo, musíte jim dát VIP status: 

• Přednostní přístup: Dostanou placené verze nástrojů (ChatGPT Plus, Midjourney) dříve než ostatní.
• Přímá linka: Mají prioritní support od IT nebo externích lektorů. 
• Měsíční „AI Snídaně“: Kde sdílejí, co nového objevili a co funguje. 

Tohle je bod zlomu. Zde se mění firemní kultura. Ne příkazem shora, ale nakažlivým příkladem zdola. 

Fáze 5: Měření a ROI (Tvrdá data místo pocitů) 

Tady většina projektů tiše umírá. Firma zaplatí školení, lidé jsou nadšení, zatleskají… a za měsíc je ticho. Nikdo neví, jestli se AI používá, nebo jestli je to jen další ikonka na ploše. 

To si nemůžete dovolit. Musíte zavřít kruh a vrátit se k „Fázi 0“ (Business Case). Slíbili jste čísla? Tady je doručíte. 

30denní kontrola (Pulse Check) 

Přesně měsíc po školení musíte provést řez. Zapomeňte na vágní dotazníky typu „Líbilo se vám školení?“. To je metrika marnosti. Zajímají vás jen dopady na práci. 

Pošlete lidem strukturovaný formulář (nebo udělejte 15minutové rozhovory s klíčovými lidmi) s těmito otázkami: 

1. Frekvence: Kolikrát týdně jste AI použili? (Denně / Týdně / Vůbec) 
2. Use Case: Na jaký konkrétní úkol? (Např. psaní e-mailů, analýza dat, překlady) 
3. Úspora: Kolik času vám to ušetřilo? (Váš střízlivý odhad v hodinách za týden) 
4. Blokátory: Co vám brání používat to víc? (Strach? Nevím jak? Zákaz IT?) 
5. Úspěchy: Co fungovalo dobře? 
6. Náměty na zlepšení: Co potřebujete, aby to bylo lepší? 

Z odpovědí sestavíte dva klíčové ukazatele, které položíte na stůl řediteli: 

Metrika 1: Míra adopce 

Tato metrika říká, zda se investice “uchytila”, nebo zda ji lidé odmítli. 

• 70 % + (Excelentní): Kultura se změnila. AI je nový standard. 
• 50–70 % (Dobré): Většina naskočila, zbytek čeká na důkaz. Pokračujte v podpoře. 
• 30–50 % (Varování): Lidé naráží na překážky. Potřebují “doškolení” nebo technickou pomoc. 
• < 30 % (Kritický stav): Něco je špatně. Buď bylo školení příliš teoretické, nebo lidé nevidí přínos. Okamžitě diagnostikovat a restartovat. 

Metrika 2: ROI a časová úspora (Peníze na stole) 

Toto je váš “Killer Slide” do prezentace pro management. Převeďte čas na peníze. Matematika je neúprosná a krásná. 

Vzorec: (Počet lidí) × (Ušetřené hodiny týdně) × (Průměrná hodinová nákladová sazba) 

Reálný příklad z praxe (SMB firma): 

• Tým: 50 proškolených zaměstnanců 
• Úspora: Konzervativní 4 hodiny týdně na osobu (to je jen 48 minut denně!) 
• Celková úspora času: 200 hodin týdně = 800 hodin měsíčně 
• Hodnota práce: 500 Kč/hod (superhrubá mzda + odvody + overhead) 

Výsledek: 

• Měsíční úspora: 400 000 Kč 
• Roční úspora: 4 800 000 Kč 

Verdikt: Pokud vás školení stálo 200 000 Kč, investice se vám vrátila za dva týdny. Zbytek roku generujete čistý zisk 4,6 milionu korun. Která jiná investice ve firmě má takovou návratnost? 

Kvalita vs. Kvantita 

Pamatujte na jedno: Nejde jen o to dělat věci rychleji (úspora času). Jde o to dělat je lépe. AI často nešetří čas, ale taky zvyšuje kvalitu. 

• Obchodník nenapíše e-mail za 1 minutu místo 10 minut. Napíše ho pořád za 10 minut, ale ten e-mail je 10x přesvědčivější a má vyšší konverzi. I to je ROI, jen se hůře počítá do Excelu. Ale na výsledovce ho uvidíte. 

Metrika 3: Innovation Index (Faktor překvapení) 

Zatímco ROI měří efektivitu, tato metrika měří samostatnost. Pokud lidé dělají s AI jen to, co jste je naučili na školení, je to fajn, ale nestačí to. 

• Skutečný úspěch nastává ve chvíli, kdy za vámi přijde zaměstnanec a řekne: „Hele, zkusil jsem to použít na tohle a ono to funguje!“ 
• Počítejte tyto „vynálezy zespodu“. Ukazují, že se změnilo myšlení lidí, nejen jejich softwarová výbava. 

90denní checkpoint: Pravda bolí, ale léčí 

Tři měsíce po startu musíte provést hloubkovou revizi. Líbánky skončily, přichází realita. Svolejte management a klíčové hráče (stakeholdery) na 3–4 hodiny do jedné místnosti. Cíl? Radikální upřímnost. 

Agenda workshopu: 

1. Síň slávy (Co fungovalo): Projděte konkrétní success stories. Chtějte vidět čísla, ne dojmy. 
2. Zeď nářků (Co drhne): Kde lidi narazili do zdi? 

• „IT nám to blokuje.“ 
• „Šéf mi na to nedal čas.“ 
• „Výstupy jsou nekvalitní.“ (Tohle je nejdůležitější bod – odhalí skryté brzdy v organizaci). 

3. Pivot (Co změníme): Možná potřebujete změnit pravidla, koupit lepší licence nebo proškolit střední management, který to sabotuje. 
4. Next-step (Kam dál): Máme to zvládnuté v marketingu? Skvělé, jdeme na HR a Finance. Škálování úspěchu. 

Svatý grál reportingu: “One-Pager” 

Zapomeňte na 20stránkové prezentace, které nikdo nečte. Váš CEO nemá čas. Každý kvartál pošlete vedení jednu jedinou stránku (A4). Musí být úderná jako titulek v novinách. 

Obsahuje jen tyto 4 sekce: 

1. Míra adopce: „72 % zaměstnanců aktivně využívá AI nástroje.“ 
2. Úspora času: „Tento kvartál jsme ušetřili 2 400 hodin práce.“ 
3. Finanční ROI: „Úspora nákladů 1,2 mil. Kč vs. investice 200 tis. Kč.“ 
4. Top 3 Success Stories (Lidský rozměr): 

Nikdy nepodceňujte sílu příběhu. Uveďte konkrétní jména a “před/po”. 

• Příklad: „Jana z logistiky zautomatizovala kontrolu dodacích listů. Dříve 4 hodiny denně, nyní 20 minut.“ 

Proč to dělat takto? Tento report je vaše munice. Až budete příští rok žádat o rozpočet na pokročilejší AI nástroje, nebudete muset prosit. Položíte na stůl tento papír a rozpočet se schválí sám. Protože čísla nelžou. 

BONUS: Detektor šarlatánů (Checklist pro výběr partnera) 

Vybrat správného dodavatele je stejně důležité jako samotné školení. Na trhu je momentálně přetlak „rychlokvašených expertů“. Jak oddělit zrno od plev? Vytiskněte si tento seznam a vezměte ho na schůzku s potenciálním lektorem. 

✅ GREEN FLAGS (Tohle chcete vidět) 

Pokud dodavatel splňuje tyto body, jste v dobrých rukou. Jde jim o váš byznys, ne jen o prodej kurzu. 

1. Praktik, ne teoretik 

• Ukáže vám své vlastní workflow. Nechcete vidět slajdy, chcete vidět jeho historii v ChatGPT/Claude. 
• Má konkrétní případové studie s čísly (např. „Klientovi X jsme ušetřili 20 hodin měsíčně na reportingu“, ne jen „Klient byl spokojený“). 

2. Byznys na prvním místě 

• Předtím, než vám cokoliv prodá, chce vidět vaše procesy. Ptá se: „Kde vás to bolí?“ ne „Kolik chcete školení?“. 
• Odmítá školit na “generických” datech. Vyžaduje vaše data a přístupy (s důrazem na anonymizaci) ještě před školením. 

3. Upřímnost a Bezpečnost 

• Umí říct „NE“ nebo „NEVÍM“. Pokud tvrdí, že AI vyřeší všechno, lže. Správný partner zná limity (halucinace, chybovost). 
• Bezpečnost a GDPR řeší do hloubky. Ví, jak nastavit „Team plány“, aby se vaše data neučila veřejné modely. Nespokojí se s frází „je to v cloudu“. 

4. Udržitelnost (Nenechá vás v tom) 

• Cena zahrnuje i follow-up. Neexistuje systém „odškolit a zmizet“. Nabízí konzultace po akci. 
• Cena je transparentní. Žádné skryté poplatky. Víte přesně, za co platíte (příprava, audit, školení, support). 

🚩 RED FLAGS (Utíkejte pryč) 

Pokud slyšíte tyto věty nebo vidíte tyto signály, schůzku okamžitě ukončete. Ušetříte si peníze i reputaci. 

1. Sliby zázraků 

• „Naučíme vás 1000 nejlepších promptů.“ (Nesmysl. Potřebujete pochopit princip, ne se biflovat seznamy). 
• „AI za vás udělá kompletně celou práci.“ (Lež. AI je kopilot, ne autopilot). 
• Web vypadá jako generická šablona plná fotobankových obrázků robotů podávajících si ruce s lidmi. 

2. Univerzální řešení 

• Nabízí stejnou osnovu školení pro účetní, marketing i skladníky. (Ignoruje kontext). 
• Nezajímá se o úroveň účastníků. Hází začátečníky a pokročilé do jedné místnosti. 

3. Podezřelá cenotvorba 

• Cena je podezřele nízká (studenti) nebo absurdně vysoká (korporátní přirážka bez přidané hodnoty). 
• Chce prodat školení bez předchozího auditu vašich potřeb. 

Shrnutí 

Za poslední dva roky jsem viděl desítky firem, které to udělaly špatně. A pár, které to udělaly skvěle. Rozdíl nebyl v rozpočtu. Nebyl ani v oboru. Byl v přístupu. 

Vítězné firmy měly společné tyto tři věci: 

1. Trpělivost (Běh na dlouhou trať) 

Nečekaly, že jeden workshop spasí svět. Chápaly, že jde o proces. Investovaly do přípravy, dělaly follow-up a měřily výsledky. Když něco nefungovalo, nepanikařily, ale iterovaly. 

2. Angažované vedení (Ryba smrdí od hlavy) 

CEO nebo člen představenstva tam neseděl jen do počtu. Byl aktivní. Ptal se. Odstraňoval bariéry. 

• Když IT blokovalo nástroje, zasáhl. 
• Když manažer nedával lidem čas experimentovat, zakročil. Bez “sponzora” ve vedení je projekt mrtvý ještě před startem. 

3. Realismus (Evoluce, ne revoluce) 

Nečekali zázraky přes noc. Byli v pohodě s tím, že ne každý to hned přijme. Slavili malá vítězství. Ušetřili jste 5 hodin týdně? To je úspěch. Nechtějte hned ušetřit 50 % nákladů firmy. 

Pokud vám někdo slibuje, že se stanete „AI-ready“ firmou za jeden den, utečte. Je to buď naivka, nebo lhář. Většinou obojí. AI transformace není sprint. Je to maraton. Najděte si partnera, který má kondici běžet ho s vámi. 

Finální rada: Nehledejte školení, hledejte partnerství 

Trh s AI je divoký a bude ještě divočejší. Nenechte se opít rohlíkem (nebo generickým textem z ChatGPT). 

• Chtějte vidět krev, pot a data. 
• Chtějte vidět, že lektor své medicíně věří natolik, že ji sám užívá. 

AI není o tom naučit se mačkat tlačítka. Je o změně způsobu, jakým přemýšlíme o práci. A tu změnu vám doručí jen někdo, kdo si jí sám prošel – i s těmi pády na ústa. 

Šťastnou ruku při výběru. A teď jděte tvořit. A pokud narazíte na „šarlatána“, pozdravujte ho. A pak běžte o dům dál. 

P.S.: Ano, tento článek vznikl s pomocí AI. Ironie, já vím. Ale všimněte si slova „pomocí“. Prošel jsem každý odstavec, přepsal jsem všechno generické, doplnil reálné příběhy a vyhodil floskule. Protože to je ta pointa – AI je motor, ale vy musíte držet volant. Přesně tak to učím.