Bod zlomu AI v sektoru BFSI: proč nejchytřejší transformace začínají v zákulisí?

Proto se diskuse o umělé inteligenci musí přesunout od front-endových funkcí k back-endovému uspořádání.

Ve společnosti Konecta vnímáme umělou inteligenci ve třech oblastech: procesy, práce a zákaznická zkušenost (CX). Nejde o samostatné iniciativy, ale o postupný vývoj. Organizace málokdy trpí nedostatkem nástrojů; potíže jim způsobuje to, že tyto vrstvy zavádějí v nesprávném pořadí. 

Než AI začne dělat cokoli smysluplného, přebírá prostředí, do kterého je nasazena.

Pokud jsou vaše data roztříštěná, nekonzistentní nebo neúplná, AI to neopraví – naopak to škáluje. Totéž platí pro neefektivní procesy. Automatizace nefunkčního workflow problém pouze urychlí.

Právě proto by transformace měla začít objevováním procesů. Ne jako strategické cvičení na vysoké úrovni, ale jako strukturované hodnocení založené na důkazech:

• Kde se nacházejí manuální kontaktní body?
• Jaká je pracovní náročnost lidí/zaměstnanců v daném procesu?
• Kde jsou rozhodnutí nekonzistentní?
• Kde je doba cyklu zbytečně dlouhá?

Cílem je vytvořit roadmapu ukotvenou v tom, jak práce skutečně probíhá.

Důležitost tohoto kroku potvrzují i data. Podle průzkumu McKinsey State of AI Survey z konce roku 2025 mají vysoce výkonné organizace, které z AI získávají největší hodnotu, třikrát vyšší pravděpodobnost, že zásadně přepracovaly své jednotlivé back-endové workflow, místo aby AI pouze připojily ke stávajícím strukturám. To dokazuje, že ochrana marží a dosažení skutečné návratnosti investic jen zřídka vychází z pouhého nasazení zákaznického chatbota na legacy architekturu; vychází z toho, že se nejprve odvede neviditelná práce na procesech.

První smysluplné využití AI by mělo být zaměřené na procesy, i když z toho nevznikne působivá ukázka.

Obvykle se jedná o činnosti s vysokým objemem a jasně danými pravidly:

• Příjem a ověřování žádostí o úvěr
• Vyřizování pojistných událostí
• Onboarding a kontroly KYC
• Platební a reconciliační workflow

Nejde o nejzajímavější oblasti byznysu, ale právě zde se hromadí neefektivita a právě zde lze už brzy dosáhnout vysokých efektivních přínosů při nízkém riziku.

Nejde o nejokázalejší oblasti byznysu, ale právě zde se hromadí neefektivita. Jejich optimalizace přináší výrazné efektivní přínosy už v rané fázi a s mimořádně nízkým rizikem. Strategický význam této provozní základní práce nelze přeceňovat.

Podle Gartneru bude do roku 2029 agentní AI autonomně řešit ohromujících 80 % běžných zákaznických servisních požadavků bez zásahu člověka. Dosažení takové úrovně plynulého, autonomního řešení však vyžaduje bezchybnou back-endovou infrastrukturu; nasazení výkonné AI do nepřipraveného legacy prostředí pouze zesiluje stávající úzká místa.

Jak jsme již podrobně popsali dříve, nasazení výkonné AI do nepřipraveného prostředí často mění legacy CTI ve skryté úzké místo pro agentní AI a zesiluje stávající problémy s routováním, místo aby je řešilo.

Právě zde dávají největší smysl nízkorizikové POC projekty.

Místo rozsáhlých transformačních programů úspěšné instituce:

• Izolují jeden konkrétní workflow
• Aplikují automatizaci na jasně definovaný krok
• Důsledně měří dopad
• Rozšiřují řešení až poté, co jsou výsledky ověřené

Je to kontrolované, praktické a především opakovatelné.

Jakmile jsou procesy stabilizované a data začínají proudit čistěji, další vrstvou je práce – tedy způsob, jakým zaměstnanci pracují se systémy a informacemi.

Právě zde začíná být AI uvnitř organizace hmatatelnější:
• Agenti dostávají podporu v reálném čase během zákaznických interakcí
• Automatizované souhrny nahrazují ruční zapisování poznámek a práci po hovoru
• Inteligentní vyhledávání nahrazuje čas strávený orientací ve více systémech
• Nástroje pro podporu rozhodování snižují rozdíly v oblasti compliance a výsledků služeb

Nejde o nahrazování lidí. Jde o odstranění překážek z jejich každodenní práce.

Napříč vlastními klientskými implementacemi Konecty dlouhodobě vidíme, že inteligentní rozšíření workflow přináší výrazné skoky v produktivitě. Díky integraci AI kopilotů do každodenního provozu dosahují naši klienti snížení doby zpracování o 25–30 % a automatizace procesů o 30–50 %.

Jakmile se tento posun stává systémovým, instituce těží z výrazně nižších nákladů na obsluhu – často urychlených až 60% přesunem směrem k digitálním kanálům. Začlenění AI přímo do workflow nakonec umožňuje týmům řešit složité problémy, aniž by bylo nutné úměrně navyšovat počet zaměstnanců.

AI zaměřená na zákazníka je oblast, kde chce většina organizací začít. Ve skutečnosti je to ale oblast, kde z ní těží nejvíce až poté, co je připravena základní práce.

Když jsou zákaznicky orientované schopnosti postavené na čistých datech a efektivních procesech, skutečně vyniknou:

• Virtuální asistenti a konverzační AI
• Personalizovaná finanční doporučení a samoobslužné portály
• Proaktivní oslovování na základě prediktivního chování a kontextu
• Plynulý pohyb napříč kanály

Když jsou tyto schopnosti postavené na čistých datech a efektivních procesech, výsledky jsou významné.

Tržní poptávka po těchto řešeních už existuje. Zpráva Forrester’s 2026 State of Conversational Banking potvrzuje, že spotřebitelé se aktivně obracejí na AI asistenty s finančními dotazy, při průzkumu produktů i při hledání poradenství. Když tyto digitální nástroje fungují dobře a jsou podpořené přesnými interními daty, spokojenost zákazníků výrazně roste a přináší měřitelné zlepšení v udržení zákazníků i v přijetí produktů.

Bez předchozích fází však mohou tytéž nástroje vytvářet roztříštěnou nebo nekonzistentní zkušenost, což může být pravděpodobně horší než nedělat vůbec nic.

Není nouze o dodavatele AI, kteří nabízejí dílčí bodová řešení. Výzvou je, že většina z nich začíná technologií, nikoli problémem.

Pro organizace v sektoru BFSI je lepším přístupem spolupracovat s partnerem, který:
• Začíná objevováním procesů a provozním mapováním
• Včas se zaměřuje na připravenost dat a integraci
• Vytváří postupnou roadmapu založenou na důkazech
• Využívá POC projekty k ověření hodnoty před škálováním

Rozdíl je jemný, ale důležitý. Jeden přístup prodává schopnosti. Druhý buduje cestu k výsledkům.

Místo toho, abychom AI vnímali jako jednu samostatnou iniciativu, je užitečnější přemýšlet v rovině vyspělosti:

• Efektivita procesů: snížit manuální náročnost a stabilizovat provoz
• Rozšíření práce: zlepšit způsob, jakým zaměstnanci vykonávají práci a rozhodují se
• Zákaznická zkušenost: poskytovat rychlejší, personalizovanější a konzistentnější interakce

Každá fáze posiluje tu další. Přeskakování dopředu často vede k přepracování.

AI již proměňuje finanční služby, ale ne vždy způsobem, jaký naznačují titulky.

Nejvýznamnější přínosy nepřicházejí z vysoce viditelných případů využití. Přicházejí od organizací, které jsou ochotné nejprve udělat méně viditelnou práci:

• Čistit a propojovat data
• Zjednodušovat a standardizovat procesy
• Testovat v kontrolovaných prostředích s nízkým rizikem

Odtud se AI snadněji škáluje a stává se mnohem hodnotnější ve chvíli, kdy se dostane k zákazníkovi.

Pro středně velké banky, družstevní záložny a pojišťovny není tento přístup jen bezpečnější. Z dlouhodobého hlediska je také rychlejší, protože se vyhýbá resetům, které vznikají, když se začne na špatném místě.