AI Scan: KovoTech s.r.o.

1. Executive summary

3 hlavní zjištění

1. Odbavování poptávek je úzké hrdlo s jasným potenciálem pro AI. Obchodní tým zpracovává 50-70 poptávek denně napříč třemi systémy (Helios ERP, Raynet CRM, Excel) ručním přepisováním dat. Průměrná doba zpracování 2,5 pracovního dne vede k prokazatelné ztrátě zakázek u rychle rozhodujících klientů.
2. Technické zázemí je pro AI integraci připravené, data nikoli. Helios i Raynet mají funkční API a firma má akceptovatelnou cloudovou politiku (Azure OpenAI s DPA). Hlavní překážkou je 10letá nestrukturovaná historie v Heliosu a chybějící AI governance.
3. Vedení je motivované, ale firma nemá AI Ownera ani pravidla pro AI. Zaměstnanci v minulosti posílali technické výkresy a NDA dokumenty do veřejného ChatGPT. Bez formálních pravidel riziko opakovaně vzniká. Firma je také izolovaná v ekosystému - nezná CNAIP ani EDIH, JIC je první kontakt s národní AI sítí.

3 čísla, která musíte znát

2. O firmě a průběhu scanu

O firmě

KovoTech je středně velká česká firma působící v zakázkové a sériové kovovýrobě pro B2B klienty včetně automotive segmentu. Firma dlouhodobě roste, ale naráží na kapacitní strop v administrativě. Hlavní konkurenční tlak přichází z oblasti rychlosti odezvy (24h pravidlo v automotive) a tlaku na marže.

• Velikost: ~80 zaměstnanců (Režim scanu: Střední)
• Sektor: NACE C25 - Výroba kovových konstrukcí a kovodělných výrobků
• Hlavní činnost: B2B zakázková a sériová kovovýroba, významný podíl automotive
• Pozice na trhu: Etablovaný dodavatel s dlouhodobými vztahy (některé NDA kontrakty 10+ let)

Metriky scanu

Parametr	Hodnota
Celková délka rozhovorů	11 h
Počet respondentů	9 (podskupiny: obchod 4, výroba 2, IT/back-office 3)
Počet oddělení zapojených do scanu	3 (podskupinová analýza)
Systémový audit	Helios ERP, Raynet CRM, Microsoft 365
Identifikované příležitosti	11 (z toho 4 v Top detailně)
Workshop (Krok 4 metodiky)	3,5 h, 8 účastníků, 2026-04-18

Účastníci (role, ne jména)

Procesní rozhovory + workshop:

• CEO a spolumajitel (strategický rozhovor + workshop)
• CTO / IT šéf (strategický rozhovor + systémový audit + workshop)
• Vedoucí obchodu (procesní rozhovor + workshop, kandidát na AI Ownera)
• 2× obchodník B2B (procesní rozhovor)
• Back-office specialista - kalkulace (procesní rozhovor)
• Vedoucí výroby (procesní rozhovor + workshop, kapacitní plánování)
• 2× pracovník výroby (procesní rozhovor)

3. AI připravenost - 5-stupňová škála + 8 dimenzí

3.1 Zařazení na škála

Typická rizika Průzkumníka, která se ve scanu potvrdila:

• „Pilot trap" - experimentování s ChatGPT bez jasné cesty k production hodnotě
• Přepálení první investice - bez governance hrozí, že first big spend nepřinese ROI
• Neposunutí dál - bez AI Ownera nikdo netáhne agendu

3.2 JIC rámec - profil firmy

JIC rámec AI připravenosti člení 8 dimenzí do 3 vrstev: strategická („Kam jdeme"), provozní („Jak to dělat") a základ („Jak to chránit").

🟢 silná stránka | 🟡 OK / průměr | 🔴 slabina, kde investovat

Interpretace tří vrstev:

• Strategická vrstva (2,2): Vize je solidní, ale chybí prioritizované portfolio. Firma ví, kam jde s jedním case (poptávky), ale nemá širší backlog.
• Provozní vrstva (2,0): Nejtěžší část. Technologie je silná (3,0), Lidé a Data jsou OK, ale Ekosystém je propadlý (1,0) - firma izolovaná.
• Základ (1,5): Governance je nejslabší. Neřízené použití AI incidenty a žádná AI policy.

3.3 Skórování per dimenze

#	Dimenze	Váha	KovoTech	Obchod	Výroba	IT/BO	Stupeň	Slovní hodnocení
1	Vize a ambice	15 %	2,5	-	-	-	Rozvíjející+	Vedení jednotné, konkrétní cíl, chybí formální strategie a rozpočet
2	Use case portfolio	10 %	2,0	2,5	1,0	2,0	Rozvíjející	1 silný case (poptávky), portfolio chybí
3	Data	20 %	2,0	2,0	1,5	2,5	Rozvíjející	API existují, ale 10 let nestrukturované historie v Heliosu
4	Technologie a infrastruktura	10 %	3,0	3,0	2,5	3,5	Definovaná	Helios+Raynet API, akceptovatelná cloud politika
5	Lidé a kompetence	20 %	2,0	2,5	1,5	2,5	Rozvíjející	Neformální experimenty, žádný champion, žádné vzdělávání
6	Procesy a operace	10 %	2,0	2,0	2,0	2,5	Rozvíjející	Definované, ale s manuálním přepisováním
7	Ekosystém a partnerství	5 %	1,0	1,0	1,0	1,5	Počáteční	Firma izolovaná - JIC první kontakt, CNAIP neznají
8	Governance a důvěra	10 %	1,5	1,5	1,5	2,0	Počáteční+	Žádná AI pravidla, neřízené použití AI incidenty

3.4 Podskupinové srovnání

Podskupina	Průměrné skóre	Klíčové zjištění
Obchod	2,4	Mladší obchoďáci experimentují s GenAI, vedoucí obchodu je kandidát na AI Ownera. Podskupina nejblíž k Praktikovi.
Výroba	1,8	Zaostává v lidech a use cases - výroba nevidí AI jako relevantní. Příležitosti #10 a #11 (kapacitní plánování, prediktivní údržba) jsou odložené.
IT/back-office	2,5	Nejvyšší skóre - CTO je technicky zdatný, má vizi architektury. Ale ekosystém slabý.

Implikace: AI iniciativa by měla startovat v obchodu (nejvyšší zralost + nejjasnější ROI). Výroba dorazí v druhé vlně.

3.5 Dvě nejsilnější dimenze (kde stavět)

3.6 Dvě nejslabší dimenze (kde investovat)

4. Portfolio příležitostí

#	Příležitost	Oddělení	Dotčení	Úspora h/týden	Složitost	Kategorie	CNAIP reference
1	AI-asistované zpracování B2B poptávek	Obchod	12	60-80	Střední	Strategická	Kandidát na nový příspěvek (po implementaci)
2	AI pravidla + Enterprise M365 Copilot	IT / celá firma	80	15-20	Nízká	Quick Win	CNAIP catalog: M365 Copilot enterprise rollout (podobné případy)
3	AI klasifikace příchozích poptávek	Obchod	8	10-15	Nízká	Quick Win	Kandidát na příspěvek
4	Upskilling obchodního týmu v AI	Obchod	12	enabler	Nízká	Quick Win	-
5	Datová hygiena v Helios ERP	IT + obchod	5	enabler	Vysoká	Strategická	-
6	Automatické generování nabídek	Obchod	12	20-30	Střední	Strategická	Boost.space (automatizace produktových dat)
7	AI shrnutí e-mailové korespondence	Backoffice	6	8-12	Nízká	Snadná	-
8	Automatické překlady DE ↔ CS	Obchod + backoffice	4	5-8	Nízká	Snadná	-
9	Identifikace a rozvoj AI Ownera	Vedení	1	enabler	Nízká	Quick Win	-
10	AI podpora kapacitního plánování	Výroba	3	kvalitativní	Vysoká	Odložit	-
11	Prediktivní údržba strojů	Výroba	2	kvalitativní	Vysoká	Odložit	-

5. Prioritizační matice (z workshopu)

Dopad × Složitost implementace. Hlasování proběhlo na workshopu (Krok 4 F2). Účastníci přidělili 3 dot voting nálepek na příležitosti, které vidí jako prioritu.

6. Top 4 příležitosti - detailní analýza

Klikněte na příležitost pro zobrazení detailů.

#1 AI-asistované zpracování B2B poptávek Vysoký dopad Střední složitost Strategický projekt 8 hlasů

Popis problému

Obchodní tým denně zpracovává 50-70 poptávek, z nichž 60 % jsou opakující se nebo drobné modifikace. Každá poptávka vyžaduje: čtení e-mailu a PDF přílohy, dohledání materiálu v Helios ERP, kontrolu historie a slev v Raynet CRM, ruční kalkulaci v Excelu a export do PDF. Průměrná doba zpracování 2,5 pracovního dne, v automotive segmentu je limit 24 h.

„Než se obchodník k jedné poptávce dostane přes tři systémy a Excel, je poledne a další den mám v inboxu dalších patnáct." (obchodník B2B)

„Kdyby systém vyhodil: 'Tohle je díl XYZ, skladem 200, minule 150 Kč' - ušetřilo by to hodiny." (CEO)

Analýza přínosů (kvantifikovatelné)

• Plýtvaný čas: cca 180 h/týden napříč týmem (12 FTE částečně alokovaných)
• Hodinová sazba (superhrubá, průměr): 550 Kč/h
• Cost of Inaction (roční): 180 h × 45 týdnů × 550 Kč = 4,45 mil. Kč/rok
• Ztracené zakázky (24h pravidlo): odhad 3-5 % poptávek = 1,5-2 mil. Kč/rok
• Odhadovaná investice: 600-900 tis. Kč PoC, 2-3 mil. Kč produkční nasazení
• Předpokládaná úspora: 40-60 % času zpracování (McKinsey/MIT studie)
• Doba návratnosti: 9-14 měsíců od produkčního nasazení

Indikátory úspěchu (z workshopu)

• Primární KPI: doba od přijetí poptávky po odeslání nabídky < 1 pracovní den
• Sekundární KPI: chybovost v kalkulacích < 2 %
• Dopadové: % vyhraných zakázek u nových klientů (automotive 24h segment)

Implementační rizika

Riziko	Pravděp.	Dopad	Mitigace
Kvalita dat v Helios brání přesnosti	Vysoká	Vysoký	Paralelní projekt datové hygieny (#5); PoC nejprve na 1 typu dílů
Odpor starších obchodníků	Střední	Střední	Pilotní nasazení u motivovaných mladších obchodníků
Porušení NDA automotive klientů	Nízká	Vysoký	Azure OpenAI s DPA, EU data residency, audit logy, klasifikace dat
Halucinace u cenových kalkulací	Střední	Vysoký	RAG nad skutečnými ceníky; human-in-the-loop u cenových rozhodnutí
Ztráta zájmu vedení	Nízká	Vysoký	Quick wins v prvních 60 dnech, měsíční reporting KPI

Zadání pro vendora

• Scope: AI asistent integrovaný do Outlook/M365, s funkcemi: (a) extrakce zadání z e-mailu a PDF, (b) dotazování do Helios API + Raynet API, (c) generování draftu kalkulace s human-in-the-loop.
• Funkční požadavky: RAG nad ceníky a historií, nulová transmise dat mimo EU, audit log.
• Nefunkční: Azure OpenAI s DPA, SSO přes M365, RBAC pro citlivá data.
• Orientační budget: 600-900 tis. Kč PoC, 2-3 mil. Kč produkční fáze.
• Kritéria výběru: zkušenost s M365/Azure integracemi, reference z výrobního sektoru, automotive compliance, lokální podpora (ČR/EU).

CNAIP reference: Tento case je kandidát na nový příspěvek do CNAIP katalogu po implementaci. JIC bude koordinovat submission přes ceska.ai@cnaip.cz.

#2 AI pravidla + Enterprise M365 Copilot Vysoký dopad Nízká složitost Quick Win 7 hlasů

Popis problému

Firma nemá žádná formální pravidla pro používání AI. V minulosti zaměstnanci posílali technické výkresy a NDA dokumenty do veřejného ChatGPT.

Analýza přínosů

• Kvalitativní: Eliminace compliance rizika u automotive klientů (potenciální ztráta kontraktů v řádu desítek mil. Kč/rok)
• Kvantifikovatelné: M365 Copilot licence pro 15 klíčových uživatelů = 450 tis. Kč/rok. Úspora času 15-20 h/týden = 390-520 tis. Kč/rok (pokrývá investici)

Indikátory úspěchu

• 100 % zaměstnanců proškoleno v AI pravidlech do 90 dnů
• 0 incidentů s únikem citlivých dat (audit logy)
• NPS > 40 u uživatelů Copilotu po 3 měsících

Implementační rizika

Riziko	Pravděp.	Dopad	Mitigace
Zaměstnanci obcházejí pravidla přes osobní účty	Střední	Střední	DLP v M365, blokace veřejných AI služeb
Copilot neukazuje očekávanou hodnotu	Střední	Nízký	Výběr pilotních uživatelů z ambasadorů

CNAIP reference: Podobné enterprise rollouty M365 Copilot v ČR existují v CNAIP katalogu - lze konzultovat best practices.

#9 Identifikace a rozvoj AI Ownera Enabler Nízká složitost 6 hlasů

Popis problému

Firma nemá interního AI championa. CTO má technický přehled, ale chybí mu kapacita pro business transformaci. CEO je sponzor, ne operativní vlastník.

Workshop výstup: Identifikován vedoucí obchodu jako AI Owner (business perspektiva + mandát + autorita v týmu). CTO zůstává technický partner. Dvojrole je ideál.

Doporučený přístup

• Dedikovat 40-50 % kapacity stávajícího člověka (vedoucího obchodu), ne nová pozice
• Vzdělávací modul JIC AI poradenství „AI pro AI Officera" (8-12 h)
• Mentoring v F3 (3-6 měsíců)
• Vstup do AI Officers Network po F2 (pravidelná setkání každých 6-8 týdnů)

Orientační budget: 80-150 tis. Kč (JIC AI poradenství vzdělávací aktivity) + alokace interní kapacity.

#5 Datová hygiena v Helios ERP Enabler Vysoká složitost 5 hlasů

(beze změny oproti v1 - viz F2 v1 report)

Popis a fáze

• Fáze 1 (2-3 měsíce): datový audit, identifikace duplicit
• Fáze 2 (3-6 měsíců): konsolidace TOP 20 % položek

Orientační budget Fáze 1: 200-350 tis. Kč

7. Bariéry adopce + mapování na fallgropy AI Sweden

Bariéra	Popis	Frekvence	Klasifikace	Fallgrop (AS)	Mitigace
Chybějící AI governance	Žádná pravidla, neřízené použití AI incidenty	6/9	Organizační	„Licence bez školení"	Příležitost #2
Kvalita dat v Helios	10 let nestrukturovaných dat	5/9	Technická	„Data quality"	Příležitost #5
Chybějící AI Owner	Nikdo oficiálně nezodpovídá	7/9	Organizační	„Klyfta vedení vs entuziasté"	Příležitost #9
Compliance (NDA)	Automotive pravidla	4/9	Kulturní/právní	„Data quality" + governance	Azure OpenAI + DPA
Odpor starších obchodníků	Obavy ze změny	3/9	Kulturní	„Ignorování change managementu"	Pilot u ambasadorů
Zúžený mindset vedení (CEO)	AI = jen zefektivnění	2/9	Znalostní	„Klyfta vedení"	Executive briefing
Izolace v ekosystému	Firma nezná EDIH/CNAIP/Brno.AI	9/9	Organizační	-	Vstup do AI Officers Network, CNAIP příspěvek

8. Akční roadmapa (schválena na workshopu 2026-04-18)

Investiční mix podle BCG

Kategorie	Plánovaný rozpočet (12m)	%	BCG cíl	Komentář
Technologie a algoritmy	250-400 tis. Kč	~10 %	10 %	M365 Copilot licence + Azure OpenAI
Data a infrastruktura	600-950 tis. Kč	~25 %	20-30 %	Datová hygiena Helios + integrace
Lidé, procesy a kultura	1,75-2,8 mil. Kč	~65 %	60-70 %	AI Owner kapacita + školení + change mgmt + vendor implementace

Fáze 1: Stabilizace a quick wins (měsíce 1-3)

Krok	Zodpovědnost	KPI	Budget	Kapacita
1.1 Identifikace AI Ownera (vedoucí obchodu)	CEO	Role formalizována do 30 dnů	0 Kč	Rozhodnutí vedení
1.2 Nastavení AI pravidel	AI Owner + CTO	Dokument schválen, komunikován	30 tis. Kč	20 h
1.3 Implementace M365 Copilot (15 uživ.)	CTO + MS partner	15 licencí aktivních	250 tis. Kč impl. + 450 tis. Kč/rok	40 h
1.4 Workshop „AI pro obchodníky"	AI Owner + JIC	Absolvoval celý obch. tým	80 tis. Kč	1 den
1.5 (nově) Vstup do AI Officers Network	AI Owner	Účast na 2 setkáních/Q	0 Kč	4 h/Q

Fáze 2: Příprava strategického projektu (měsíce 3-6)

Krok	Zodpovědnost	KPI	Budget	Kapacita
2.1 Datový audit Heliosu (Fáze 1)	CTO + externí konzultant	Report s návrhem struktury	250 tis. Kč	30 h
2.2 Výběr vendora (AI asistent)	AI Owner + CTO	Podepsaná smlouva PoC	0 Kč	40 h
2.3 Start PoC	Vendor + AI Owner + obchod	PoC u 2-3 ambasadorů	700 tis. Kč	60 h

Fáze 3: Škálování a měření (měsíce 6-12)

Krok	Zodpovědnost	KPI	Budget	Kapacita
3.1 Datová hygiena (Fáze 2)	CTO + konzultant	TOP 20 % položek konsolidováno	400-600 tis. Kč	80 h
3.2 Produkční nasazení AI asistenta	Vendor + AI Owner	Doba poptávka→nabídka < 1 den	1,8-2,5 mil. Kč	100 h
3.3 Rollout, měření, CNAIP submit	AI Owner + JIC	60 % poptávek s AI, case study v CNAIP	součást 3.2 + JIC podpora	40 h

9. Návazné JIC AI poradenství aktivity (nová sekce v v2)

Po F2 firma vstupuje do post-F2 portfolia JIC AI poradenství:

Aktivita	Doporučeno	Co poskytne
F3 mentoring (3-6 m)	Ano - hned	Expert mentoruje AI Ownera, dohlíží na vendora, ochrana před lock-inem
F4 vendor pool	Ano (Fáze 2.2)	Doporučené kontakty na implementační partnery (M365/Azure, Helios)
AI Officers Network	Ano - bod 1.5 roadmapy	AI Owner se účastní každých 6-8 týdnů, networking, sdílení use cases
Vzdělávací moduly	Ano - bod 1.4 + executive briefing pro CEO	Workshop pro obchod, governance workshop
Re-assessment (light F2)	Plánovat na 12 m (duben 2027)	Měření posunu Průzkumník → Praktik, update roadmapy
CNAIP příspěvek	Po implementaci (cca leden 2027)	Submission case study do národního katalogu
Expert Day	Volitelné pro AI Ownera	Technologické updaty, peer learning

10. Lidé - ambasadoři a vzdělávací potřeby

Identifikovaní ambasadoři

Role	AI úroveň	Potenciál	Hodnocení	Doporučení
Vedoucí obchodu	3	4	★★★	AI Owner (potvrzeno na workshopu).
CTO	3	4	★★★	Technický partner AI Ownera.
Mladší obchodník B2B (2-3 roky)	3	3	★★	Pilotní uživatel, ambasador.
Druhý mladší obchodník	3	3	★★	Pilotní uživatel.
Back-office specialista	2	3	★	Potřebuje vzdělávací základ.

Vzdělávací potřeby

• Obchodní tým (12 osob): Workshop „AI pro obchodníky" - 4 h, praktické use cases, bezpečné Copilot, hranice AI
• AI Owner + CTO: Modul „AI pro AI Officera" - 8-12 h + průběžný mentoring v F3
• Vedení (CEO + společník): Executive briefing „AI jako business transformace vs. zefektivnění" - 2 h (kritické - adresuje upozornění B4 z F1)
• Back-office a výroba: Obecné povědomí o AI pravidlech a bezpečnosti - 1 h (součást 1.2)

Příloha A: Datový profil firmy (JIC AI Index v2)

Parametr	Hodnota
AI Maturita (5-stupňová škála)	2. Průzkumník
Celkové vážené skóre	2,1
Režim scanu	Střední
Počet AI projektů v produkci	0 (piloty neformální)
Odhadovaná úspora z automatizace	15-20 % mzdových nákladů obchodu a backoffice
Počet lidí dedikovaných na data/AI	0 FTE (po scanu plán 0,4 FTE - AI Owner)
Využití cloudových služeb	Základní (M365, plán Enterprise)
Hlavní bariéra adopce	Governance + kvalita dat + Ekosystém
Největší příležitost	Obchod (odbavování poptávek)
Plánovaná investice (12m)	2,6-4,15 mil. Kč
Investiční mix vs BCG kotva	Tech 10 % / Data 25 % / Lidé+Procesy 65 % ✓
Externí AI partneři	JIC (nově), plánováno: CNAIP, AI Officers Network
CNAIP příspěvek	Plánován po implementaci #1 (cca leden 2027)
Cíl posunu v škála	Průzkumník → Praktik za 12 měsíců

Příloha B: Záznam z workshopu (2026-04-18)

Účastníci (role)

• CEO + spolumajitel
• CTO
• Vedoucí obchodu (kandidát na AI Ownera)
• Vedoucí výroby
• 2× mladší obchodník B2B
• Back-office specialista
• Expert JIC + KAM (pozorovatel)

Agenda workshopu (3,5 h)

Čas	Blok	Klíčový výstup
0:00-0:20	JIC rámec - profil firmy	Klient potvrdil 🔴 Governance, 🔴 Ekosystém, 🟡 Data, 🟢 Technologie napříč 3 vrstvami (strategická / provozní / základ)
0:20-0:30	BCG kotva + škála zařazení	Shoda: „Průzkumník , cíl 12 m → Praktik"
0:30-1:30	Portfolio příležitostí + matice 2×2	Hlasování dot voting (3 nálepky / osoba), výsledky v Sekci 5
1:30-2:30	Top 3 + roadmapa (vlastníci, KPI)	Vedoucí obchodu = AI Owner; #1, #2, #9 jako Top
2:30-3:00	AI Owner + vzdělávací potřeby + závěr	Schválena roadmapa 12m, BCG mix poměr respektován
3:00-3:30	Reflexe + co si bere každý domů	viz níže

Klíčové momenty workshopu

• #1 vs #6 (AI asistent vs Generování nabídek): Diskuse, jestli začít asistencí (interní podpora obchoda) nebo přímo generováním nabídek (zákaznický výstup). Shoda: #1 jako PoC, pak escalation k #6.
• AI Owner: Vedoucí obchodu (Jirka) iniciálně odmítal („nemám čas"), CEO ho přesvědčil („dostaneš 40 % FTE a juniora na převzetí běžné agendy").
• Investiční mix: CTO vznesl námitku k poměru „65 % do lidí" - „to vypadá moc málo na technologii". Expert vysvětlil BCG kotvu, ukázal příklady firem se 70 % do tech, které selhaly. Shoda dosažena.

Závěrečné kolečko „co si beru domů"

„Konečně mám jméno - Jirka je AI Owner. To je největší výstup." (CEO)

„Architektura Azure OpenAI + DPA mě nestresuje. Můžeme rychle udělat PoC." (CTO)

„Strach mám, ale plán je jasný. Příští týden jdu na vzdělávací modul." (Vedoucí obchodu / nový AI Owner)

„Mě se to teď týká málo, ale za rok počítám s návratem." (Vedoucí výroby)

„Konečně něco oficiálního - už nepoužíváme ChatGPT pokoutně." (Mladší obchodníci)

„Hlavně ať to nepřidává práci, ale pomáhá." (Back-office)