AI modely nejsou problém. Data ano.
Scénář, který se ve velkých firmách opakuje s téměř předvídatelnou pravidelností: vedení oznámí ambiciózní AI strategii, tým stráví měsíce na pilotním projektu a pak se celá iniciativa potichu ukončí s odkazem na „technické komplikace”. Technologie dostane vinu. Data zůstanou bez povšimnutí.
Přesně tohle pozoroval Patrik Liu Tran ještě jako konzultant, kdy pomáhal bankám, výrobcům a telekomunikačním firmám s datovou a AI strategií. Opakovaně narážel na stejný vzorec — problém nebyl v modelech ani v algoritmech. Problém tkvěl v datech samotných. Nekonzistentních, špatně monitorovaných, rozptýlených napříč systémy, které spolu nikdy neměly komunikovat.
Právě proto v roce 2019 ve Stockholmu založil Validio — s cílem vybudovat infrastrukturní vrstvu pro kvalitu dat, kterou si při každém projektu přál mít k dispozici.
30 milionů dolarů na datovou infrastrukturu
Validio nyní získalo 30 milionů dolarů v rámci investičního kola Series A. Investici vedl fond Plural, evropský fond pro ranou fázi, který založil mimo jiné spoluzakladatel Wise Taavet Hinrikus a Ian Hogarth. K investici se připojili i dosavadní investoři Lakestar a J12 a řada známých jmen z technologického světa — Kevin Ryan (spoluzakladatel MongoDB), Denise Persson (CMO ve Snowflake) nebo Emil Eifrem (CEO a spoluzakladatel Neo4j).
Celkový objem investic do Validia tak dosáhl 47 milionů dolarů. Pro startup zaměřený na datovou kvalitu je to jasný signál, že trh bere toto téma stále vážněji.
Co Validio vlastně dělá
Validio se prezentuje jako „agentní platforma pro správu dat”. V praxi to znamená software, který automaticky monitoruje data napříč firemními datovými pipeline, detekuje anomálie, sleduje původ a transformace dat (tzv. data lineage) a poskytuje katalog dostupných datových aktiv.
Samotné koncepty nejsou nové. V tomto prostoru už roky působí hráči jako Monte Carlo, Collibra, Atlan nebo Informatica. Validio se od nich odlišuje tím, že svůj přístup staví explicitně pro éru umělé inteligence — sází na rychlejší nasazení, vyšší míru automatizace a použitelnost nejen pro datové inženýry, ale i pro netechnické týmy.
Podle zakladatele Liu Trana je typická doba nasazení v řádu dnů, nikoliv měsíců nebo let, jak je tomu u starších nástrojů. Validio rovněž uvádí, že díky automatizaci snižuje počet lidí potřebných pro správu kvality dat přibližně o 90 % a anomálie řeší o 95 % rychleji. Je ale férové dodat, že jde o čísla, která firma uvádí sama a která nebyla nezávisle ověřena.
Co už ověřit lze, je osminásobný meziroční nárůst ročních opakujících se příjmů (ARR). Absolutní čísla ale Validio nezveřejnilo, takže skutečný rozsah byznysu zůstává otázkou.
Proč kvalita dat rozhoduje o úspěchu AI
Kontext pro celou investici je reálný a podložený daty. Analytická firma Gartner opakovaně identifikuje kvalitu a dostupnost dat jako jednu z hlavních překážek adopce umělé inteligence. Potvrzují to průzkumy z roku 2024 i 2025, včetně studie mezi 183 finančními řediteli z listopadu 2025.
Ještě výmluvnější je výzkumná zpráva MIT z roku 2025 nazvaná „The GenAI Divide”, podle které přibližně 95 % pilotních projektů s generativní AI ve firmách nepřineslo měřitelný dopad na hospodářský výsledek. Toto zjištění se v odvětví datové infrastruktury cituje velmi často — i když je třeba dodat, že metodologie studie čelila kritice, protože se opírala o rozhovory a vlastní hodnocení respondentů, nikoliv o kontrolovaná měření. Směrově ale její závěry odpovídají tomu, co mnoho technologických ředitelů říká neoficiálně.
Jednoduše řečeno: pokud AI model dostane na vstupu nekvalitní, nekonzistentní nebo neúplná data, jeho výstupy budou v lepším případě nepřesné, v horším případě škodlivé. A to platí dvojnásob v oblastech, kde AI rozhoduje o úvěrech, compliance nebo automatizovaném nákupu.
Příležitost je reálná, ale nic není jisté
Kvalita dat jako investiční teze má za sebou dekádu přehnaných slibů a podprůměrných výsledků. Desítky firem slibovaly, že vyřeší firemní datové pipeline. Většina z nich buď tiše zanikla, nebo byla odkoupena většími hráči. Trh je skutečně fragmentovaný — což na jedné straně vytváří příležitost, na druhé straně odráží, jak obtížné je vybudovat řešení, které zapadne do rozmanitých architektur velkých organizací.
Co se ale změnilo, je naléhavost. Vedení firem, které tolerovalo nedokonalá data pro analytiku a reporting, je výrazně méně shovívavé, když tatáž data vstupují do modelů, které rozhodují o reálných obchodních procesech. Sázky jsou vyšší a viditelnost problémů také. To otevírá okno pro firmu jako Validio, která dokáže přesvědčit nejen datové týmy, ale i finanční a technologické ředitele.
Zda Validio toto okno skutečně využije ve velkém měřítku, se teprve ukáže. Investice, investoři a načasování ale naznačují, že má reálnou šanci to zkusit.
Zdroj: The Next Web
