Než budete automatizovat, spočítejte, o co přijdete
mlj.solutions
mlj.solutions Většina lidí si myslí, že automatizace zákaznického servisu jednoznačně sníží náklady. Běžné dotazy jako změnu adresy nebo reset hesla bot skutečně vyřeší levněji. S nimi ale často zmizí i člověk, co uměl poznat výjimku: reklamaci po výpadku, nestandardní smlouvu, citlivý případ. Ušetřené náklady tak mohou stát firmu odolnost pro situaci, kterou žádná tabulka nezná. Tohle je potřeba zvážit.
Zobrazit na InstagramuO čem studie je
Běžný výpočet návratnosti automatizace přehlíží rizika, která se v tabulce neobjeví. Studie představuje protokol PHP-AIO, který tato nezapočítaná rizika vyčísluje u každé role zvlášť a vede k auditovatelnému rozhodnutí, zda danou práci automatizovat.
Klíčová čísla
4
kategorie přehlížených rizik
Ztráta nepsaných znalostí zkušených lidí, nižší odolnost firmy, regulatorní expozice a úbytek sociálního a institucionálního kapitálu.
5
bran rozhodovacího protokolu
Rozhodnutí prochází pěti po sobě jdoucími bránami a na konci složenou kontrolou celkového rizika.
40
polí vstupního schématu
Bodování se opírá o strukturovaný vstup se 40 poli, z nichž každé je pozorovatelné a ověřitelné.
Co z toho vyplývá
- Ekonomika automatizace je neúplná, klasická návratnost nezahrnuje dlouhodobá systémová rizika, která mohou celou úsporu zpochybnit.
- Rozhoduje se po rolích, protokol hodnotí riziko u jednotlivých rolí, ne u firmy jako celku.
- Rizika se sčítají, vzorec pro automatizační dluh ukazuje, jak se rozhodnutí u jednotlivých rolí kumulují v procesech o více krocích.
- Varování zneutralizuje jen lidská kontrola, upozornění na nahromaděný dluh zmizí teprve tehdy, když regulátor vyžaduje, aby u rozhodnutí zůstal člověk.
- Rozhodnutí jde auditovat a přizpůsobit, instituce si může nastavit váhy a prahy podle své ochoty riskovat, výchozí konfigurace ale vychází z expertních odhadů pro finanční služby.
Náš pohled
Automatizovat to, co jde, ještě neznamená automatizovat to, co má a vždy je potřeba posoudit, co se po nasazení ztratí, a jaký to bude mít dopad.
Michal Dobrovolný
Zakladatel & CTO
Zdroj
de la Chica Rodriguez, J. M., Rodriguez Arias, J., & Chouliaras, S. (2026). When Not to Automate: A Formal Protocol for Human Preservation in AI-Optimized Organizations. arXiv:2607.15944. https://arxiv.org/abs/2607.15944
Nepřehlédněte další příspěvky
Správná odpověď není to samé co ověřená analýza
TrustDABench testuje, zda AI nad tabulkami umí odmítnout odpověď, když data nestačí. Nejlepší model dosáhl jen 24,21 % ve spolehlivosti.
Umí AI agenti předpovídat budoucnost?
Benchmark FutureSim přehrává skutečné zprávy a testuje, jak se agenti přizpůsobí novým informacím. Nejlepší agent předpověděl správně jen čtvrtinu událostí.
StepGuard: AI agent nesmí jednat bez brzdy
StepGuard hlídá každý krok AI agenta a zastaví rizikovou akci dřív, než se provede. Úspěšnost útoků klesla v průměru o 77,3 %.
Chcete AI implementovat ve vaší firmě?
Projdeme spolu vaše potřeby a navrhneme přístup, který přinese měřitelné výsledky.
Napište nám
