Jak vybudovat AI-first firemní kulturu (bez buzzwordů)

90 % českých firem plánuje nasazení umělé inteligence. Přesto 7 z 10 zaměstnanců AI v práci nikdy nepoužije. Problém není v technologii — licence nakoupíte za odpoledne. Problém je v kultuře. Výzkum BCG ukazuje, že 70 % úspěchu AI transformace závisí na lidech a procesech, 20 % na datech a pouhých 10 % na algoritmech. Přesto většina firem investuje přesně obráceně. Tento článek vám ukáže, co AI-first kultura skutečně znamená, proč zaměstnanci AI odmítají (a mají k tomu racionální důvody), a nabídne praktický framework pro české firmy, které chtějí AI kulturu vybudovat — ne ji jen deklarovat v interním e-mailu.

Proč AI kultura rozhoduje víc než technologie

AI-first kultura je prostředí, kde se umělá inteligence stává přirozenou součástí rozhodování, procesů a každodenní práce — ne jako vnucený nástroj, ale jako sdílený způsob myšlení. Nejde o to, že každý zaměstnanec musí celý den používat ChatGPT. Jde o to, že celá organizace přemýšlí o tom, kde a jak může AI přinést hodnotu — a má pro to podmínky, bezpečí a kompetence.

Čísla z výzkumů ukazují na zásadní rozpor. Podle McKinsey 78 % organizací celosvětově už AI využívá v alespoň jedné funkci. Ale data Deloitte z roku 2026 odhalují, že pouze 34 % z nich AI skutečně využívá k hluboké transformaci procesů. Celých 37 % firem nasadilo AI s minimální nebo žádnou změnou podnikových procesů. Jinými slovy — koupily nástroj, ale nezměnily způsob práce.

V Česku je situace ještě ostřejší. Průzkum ČAUI a Hospodářské komory z konce roku 2025 (1 033 firem) zjistil, že 90 % českých firem plánuje AI nasadit, ale pouze 11 % jej považuje za klíčovou součást strategie. Dvě třetiny firem chtějí zvýšit AI rozpočet o 25–30 % — jenže 80 % zároveň uvádí jako hlavní bariéru nedostatek kvalifikovaných lidí, ne nedostatek technologie.

Výzkumná firma Prosci analyzovala stovky AI projektů a dospěla ke klíčovému zjištění: 63 % AI výzev je lidského, ne technického charakteru. Problémy jako odpor zaměstnanců, nejasná komunikace, chybějící školení nebo nefunkční procesy zabíjejí víc projektů než špatné algoritmy. A kde chybí jasná AI pravidla, vzniká shadow AI — neviditelné používání AI bez vědomí firmy. Data MIT potvrzují, že 95 % generativních AI pilotů selže — a hlavním důvodem není technologická nezralost, ale organizační nepřipravenost.

BCG ve svém výzkumu definoval formuli 10-20-70, která radikálně mění pohled na AI investice. Pouze 10 % úspěchu závisí na algoritmech a modelech. 20 % na datech a technologické infrastruktuře. A celých 70 % na lidech, procesech a organizační změně. Většina firem však investuje přesně obráceně — kupuje nejdražší modely a opomíjí školení, komunikaci a změnu procesů.

Anatomie AI úzkosti: Co zaměstnanci opravdu cítí

Zaměstnanci neodmítají AI ze svévole nebo lenosti — odmítají ho ze strachu, který má racionální základy a měřitelné dopady na produktivitu i inovace. Výzkum publikovaný v Harvard Business Review v roce 2026 přináší dosud nejkomplexnější pohled na emoce, které AI v pracovním prostředí vyvolává — a výsledky jsou překvapivé.

Z více než 2 000 respondentů napříč odvětvími vyplynulo, že přibližně 80 % zaměstnanců vyjadřuje silné obavy z alespoň jednoho aspektu AI na pracovišti. Nejde přitom jen o strach z propouštění. Celých 65 % se bojí, že je nahradí kolega, který AI ovládá lépe. 61 % má obavy, že AI sníží vnímanou hodnotu jejich unikátních dovedností. A 44 % uvádí, že má pocit, že je AI „dělá hloupějšími" — že postupně ztrácejí schopnosti, které dříve rutinně používali.

Nejpřekvapivější zjištění je to, čemu výzkumníci říkají „paradox víry a úzkosti". Přibližně 4 z 10 zaměstnanců silně věří v obchodní přínos AI — a současně se obávají toho, co AI znamená pro jejich vlastní bezpečnost a relevanci. To vysvětluje jev, který mnoho manažerů mate: lidé AI formálně používají, ale nedělají s ním nic inovativního. Strach pohání zdánlivou adopci — zaměstnanci používají AI, aby vypadali moderně, ne aby skutečně zlepšili svou práci.

Studie identifikovala čtyři zaměstnanecké archetypy podle jejich vztahu k AI, každý s odlišnou strategií řízení:

Archetyp	Podíl	Charakteristika	Jak s nimi pracovat
Vizionáři	40 %	Vysoká víra v AI, nízká osobní úzkost. Aktivně experimentují, sdílejí zkušenosti.	Nasadit jako peer mentory. Párovat se skeptiky. Dát jim prostor pro vedení AI iniciativ.
Disruptoři	30 %	Vysoká víra + vysoká úzkost. Vidí potenciál AI, ale bojí se o svou pozici.	Radikální transparentnost o dopadech na role. Viditelný reskilling program. Konkrétní kariérní cesta s AI.
Ohrožení	20 %	Nízká víra + vysoká úzkost. Nevěří, že AI pomáhá, a bojí se budoucnosti.	Začít s empatií, ne mandáty. Vytvořit bezrizikové experimenty. Ukázat konkrétní malé výhry v jejich práci.
Spokojení	10 %	Nízká víra + nízká úzkost. AI je pro ně irelevantní — vzdálené téma.	Vytvořit urgenci přes peer pressure. Ukázat, jak AI mění jejich odvětví. Zapojit přes týmové projekty.

K tomu přidejte data Gallup: 47 % zaměstnanců, kteří AI používají, nedostalo od zaměstnavatele žádné školení. Pouze 15 % zaměstnanců vnímá, že jejich firma komunikovala jasnou AI strategii. A podíl těch, kteří se cítí „velmi připraveni" na práci s AI, klesl z 17 % v roce 2023 na 11 % v roce 2025 — tedy čím víc se o AI mluví, tím méně připravení se lidé cítí.

Pět pilířů AI-first kultury: Praktický framework

AI-first kultura se nestaví přes noc jedním memo od CEO — buduje se systematicky přes pět vzájemně provázaných pilířů, od diagnostiky současného stavu po kontinuální měření a iteraci. Tento framework vychází z kombinace dat BCG, Deloitte, Gallup a reálných zkušeností firem jako Shopify a propojuje je s českou realitou.

Pilíř 1: Diagnostika — Pochopte, kde opravdu jste

Většina firem přeskočí diagnostiku a jde rovnou do nákupu nástrojů. To je jako předepisovat lék bez diagnózy. Než se pustíte do jakékoli AI iniciativy, potřebujete realistický obraz tří věcí: jakou AI kompetenci mají vaši lidé, jak je vaše vedení skutečně (ne deklarativně) angažované, a kde ve vašich procesech má AI reálný potenciál přinést hodnotu.

Z dat ČAUI víme, že 90 % českých firem „plánuje AI" — ale plánování a připravenost jsou dvě různé věci. Průzkum odhalil, že jen 11 % firem považuje AI za jádro strategie a 80 % bojuje s nedostatkem kvalifikovaných lidí. Diagnóza tohoto rozporu je prvním krokem — a v sekci o AI Culture Readiness Scorecard nabízíme konkrétní nástroj, jak ji provést. Více o systematickém auditu se dozvíte v článku AI audit: Kde AI ušetří vaší firmě čas a peníze.

Pilíř 2: Psychologická bezpečnost — Udělejte experimentování bezpečným

Data z HBR výzkumu ukazují, že kultura, která trestá selhání, plodí strach — ne experimentování. A experimentování je motor AI adopce. Když se zaměstnanec bojí, že za nepovedený AI výstup dostane výtku, přestane AI používat pro cokoliv netriviálního. Formálně ho má v počítači, reálně s ním nepracuje.

Shopify přišel s konceptem „default-yes" právního rámce. Když CTO v roce 2021 navrhl nasazení GitHub Copilot, neptal se právního oddělení „Můžeme to udělat?" — zeptal se „Jak to můžeme udělat bezpečně?". Tento posun z „ne, dokud nepovolíme" na „ano, pokud neexistuje konkrétní riziko" zásadně mění dynamiku adopce. V praxi to znamená: vytvořte jasné hranice (co AI nesmí — citlivá data, právní rozhodnutí, zdravotnické rady), ale uvnitř těchto hranic dejte lidem volnost zkoušet.

Pilíř 3: Vzdělávání podle kontextu — Školte podle rolí, ne podle nástrojů

Gallup zjistil, že 47 % zaměstnanců používajících AI nedostalo žádné školení. Deloitte potvrzuje, že vzdělávání bylo v roce 2025 způsob č. 1, jakým firmy přizpůsobovaly svou talentovou strategii. A přesto většina školení vypadá jako dvouhodinový webinář o tom, „co je ChatGPT". To nestačí.

Efektivní AI vzdělávání má tři úrovně: povědomí (co AI je a co dokáže — pro všechny), kompetence (jak AI využít v mojí konkrétní roli — pro každou funkci zvlášť), a mistrovství (jak s AI navrhovat nové procesy a produkty — pro AI šampiony). Každá úroveň vyžaduje jiný formát. Povědomí zvládne e-learning, kompetence vyžaduje hands-on workshop s vlastními pracovními příklady, a mistrovství se buduje přes mentoringové programy a reálné projekty. Stanford HAI uvádí, že firmy investující do AI upskillingu vykazují 2,3× vyšší retenci zaměstnanců. Podrobnosti o firemním AI vzdělávání najdete v našem článku AI ve firemním vzdělávání.

Pilíř 4: Viditelné vedení — Lídři jdou první

McKinsey zjistil, že firmy s vysokou AI vyspělostí jsou 3× pravděpodobněji ty, kde senior lídři aktivně demonstrují vlastnictví AI iniciativ. Gallup data jsou ještě jasnější: když zaměstnanci vnímají, že vedení komunikovalo jasný plán pro AI, jsou 2,9× pravděpodobnější, že se cítí připraveni, a 4,7× pravděpodobnější, že se cítí komfortně s AI ve své roli.

Co to znamená v praxi? Vedení nejen schvaluje AI rozpočet — vedení sdílí, jak samo AI používá. Na poradách ukazuje, jak mu AI pomohlo připravit analýzu. V interní komunikaci konkrétně popisuje, kde AI ušetřilo čas a kde selhalo. Autenticita je klíčová — zaměstnanci okamžitě poznají, když CEO mluví o AI z tiskové zprávy, kterou sám nepřečetl.

Pilíř 5: Měření a iterace — Měřte správnou věc

BCG identifikoval, že více než 85 % zaměstnanců zůstává na úrovni 2–3 AI adopce (asistovaná práce a delegování) a méně než 10 % dosáhlo úrovně 4 (semiautonomní spolupráce). Pokud měříte jen „kolik lidí se přihlásilo", nevíte nic o skutečné hodnotě.

Měřte místo toho: kolik nových procesů vzniklo díky AI (ne kolik lidí AI otevřelo), jaký je dopad na kvalitu a rychlost výstupů (ne kolik promptů denně lidé zadají), jak se mění spokojenost zaměstnanců s AI nástroji (ne pouze adopce), zda se snižuje čas na rutinní úkoly, a kolik experimentů týmy spustily a co se z nich naučily. O měření návratnosti AI investic se více dočtete v článku ROI umělé inteligence: Jak měřit návratnost.

Případová studie: Jak Shopify vybudoval AI-first kulturu

Shopify je pravděpodobně nejcitovanější příklad firmy, která AI-first kulturu nejen deklarovala, ale systematicky vybudovala — a měřitelné výsledky tomu odpovídají. Jejich cesta od prvního AI nástroje po celoplošnou transformaci ukazuje, že AI kultura se nerodí z jednoho memo, ale z let cílených rozhodnutí.

Shopify začal s AI nasazením v roce 2021, kdy CTO představil GitHub Copilot pro vývojářský tým. Klíčové nebylo samotné rozhodnutí nasadit nástroj — ale způsob, jakým ho firma rámcovala. Místo otázky „Můžeme to?" položili otázku „Jak to udělat bezpečně?" a právní tým dostal roli facilitátora, ne blokátora. Výsledek: 80 % adopce během prvního roku — ještě před veřejným uvedením ChatGPT.

V následujících letech Shopify rozšířil přístup na všechny zaměstnance, ne jen vývojáře. Každý dostal přístup k premium AI modelům (Cursor, Claude, Copilot) bez omezení tokenů. CTO explicitně řekl, že investice 1 000–10 000 dolarů měsíčně na inženýra se vyplatí, pokud produktivita vzroste o 10 %. A překvapivě — největšími uživateli Cursoru se nestali vývojáři, ale obchodní a zákaznické týmy.

V dubnu 2025 CEO Tobi Lütke zveřejnil interní memo, které se stalo vzorem pro celý tech průmysl. Klíčová ustanovení: AI je povinné pro všechny bez výjimky. Před žádostí o nový headcount musí tým prokázat, že AI nemůže úkol splnit. AI kompetence se stala formální součástí hodnotících pohovorů. Formát memo převzaly desítky dalších firem — Box, Fiverr, dokonce premiér Kanady.

Shopify zavedl i MCP (Model Context Protocol) architekturu napříč celou firmou — všechna interní data z Slacku, Salesforce, GitHubu a G Suite jsou přístupná přes AI agenty. Heslo: „MCP everything." Výsledek: polovina AI-generovaných týdenních projektových shrnutí nevyžadovala žádnou lidskou úpravu.

Stejná logika — „foundation model v roli mozku, vlastní nástroje v roli rukou" — se mezitím přelila z kanceláře do průmyslové haly. V případu Spot + Gemini Robotics-ER 1.6 Boston Dynamics využívá Google model jako plánovač a volá přes něj proprietární API robota. Pro českou firmu, která přemýšlí o AI-first kultuře nejen v marketingu, ale i v údržbě nebo EHS, je to první konkrétní šablona, jak integrace foundation modelu vypadá „za branami továrny".

AI Culture Readiness Scorecard: Kde je vaše firma

Tento scorecard je praktický nástroj pro rychlou diagnostiku AI kulturní připravenosti vaší firmy — hodnotí pět klíčových dimenzí na škále 1–4 a pomůže vám identifikovat, kde začít. Není to akademická metrika, ale orientační kompas. Projděte každou dimenzi a upřímně ohodnoťte, kde se vaše organizace nachází.

Dimenze	1 — Začínáme	2 — Experimentujeme	3 — Škálujeme	4 — AI-first
Závazek vedení	AI zmíněno v jedné prezentaci. Žádný konkrétní plán.	Vedení schválilo rozpočet. Neurčilo odpovědnosti.	Vedení AI aktivně používá a sdílí zkušenosti. Má AI strategii.	AI je součástí každého strategického rozhodnutí. CEO jde příkladem.
Připravenost lidí	Většina zaměstnanců AI nepoužívá. Žádné školení.	Dobrovolné workshopy. <30 % zaměstnanců AI zkusilo.	Systematické vzdělávání podle rolí. 50–70 % aktivní adopce.	AI kompetence v hodnoceních. 80 %+ aktivně používá pro svou práci.
Přístup k nástrojům	Individuální účty, žádná firemní licence.	Firemní licence pro vybraný tým (IT, marketing).	Univerzální přístup. Katalog schválených nástrojů.	Integrované do workflow (MCP, API, automatizace). Bez omezení.
Integrace do procesů	AI jako osobní experiment. Nula procesních změn.	1–2 pilotní procesy. Většina práce postaru.	AI v klíčových procesech. Dokumentované workflow.	Procesy navržené kolem AI. Nové role a odpovědnosti.
Kultura učení	Chyby s AI jsou vnímány negativně. Žádné sdílení.	Toleruje se experimentování. Občasné sdílení úspěchů.	Aktivní sdílení AI zkušeností. Pravidelné retrospektivy.	Psychologické bezpečí pro AI experimenty. Fail-forward mindset.

Interpretace skóre: Sečtěte body (1–4) za každou dimenzi. Skóre 5–8: Jste na začátku — zaměřte se na diagnostiku a vedení (pilíře 1 a 4). 9–14: Budujete základy — investujte do vzdělávání a psychologické bezpečnosti (pilíře 2 a 3). 15–17: Pokročilá fáze — zaměřte se na měření a iteraci (pilíř 5). 18–20: Blížíte se AI-first kultuře — udržujte momentum a hledejte transformativní případy.

Nejčastější chyby a jak se jim vyhnout

AI kultura neselže kvůli špatné technologii — selže kvůli opakujícím se organizačním chybám, které jsou dobře zdokumentované, ale překvapivě málo firem se z nich poučí. Zde je pět nejčastějších.

Chyba 1: Koupit nástroje bez změny procesů

Deloitte zjistil, že 37 % firem nasadilo AI s minimální nebo žádnou změnou podnikových procesů. To je jako koupit závodní auto a jezdit s ním do obchodu — technicky funguje, ale hodnotu nevytvoří. AI potřebuje přepracované workflow, nové role a jasné rozhodovací pravomoci. Bez toho se z AI licence stává drahý chatbot.

Chyba 2: Mandátovat bez školení

Příkaz „používejte AI" bez investice do vzdělávání je recept na frustraci. Gallup data ukazují, že 47 % zaměstnanců aktivně používajících AI nedostalo žádné školení. Výsledek? Lidé AI používají pro triviální věci (přepsat e-mail, vygenerovat obrázek), ale nedokáží s ním pracovat na tom, co skutečně přináší hodnotu — redesign procesů, analýza dat, automatizace workflow. Kompletní přehled, proč AI projekty selhávají, najdete v článku Proč 85 % AI projektů selže.

Chyba 3: Měřit adopci místo dopadu

BCG upozorňuje, že více než 85 % zaměstnanců zůstává na úrovni „task assistance" — AI jim pomáhá s jednotlivými úkoly, ale nepřetvořilo jejich způsob práce. Pokud reportujete správní radě, že „80 % zaměstnanců používá AI", říkáte méně, než si myslíte. Relevantní otázka je: kolik zaměstnanců díky AI dělá něco, co předtím nemohli?

Chyba 4: Ignorovat odpor místo zapojení

Výzkumy konzistentně ukazují, že odpor zaměstnanců není překážkou k odstranění — je to cenná zpětná vazba odhalující slepé body implementace. Firmy, které skeptiky zapojí brzy a autenticky reagují na jejich obavy, zjistí, že bývalí skeptici se často stávají nejdůvěryhodnějšími ambasadory. Ignorování odporu naopak vede k pasivní rezistenci — lidé AI formálně používají, ale aktivně podkopávají změnu. Praktický návod, jak odpor systematicky adresovat pomocí champion sítě a fázového rolloutu, nabízí článek Jak zavést AI do firmy bez chaosu.

Chyba 5: AI-first = human-last mentalita

HR Dive v roce 2026 upozornil na rostoucí „kulturní disonanci" — firmy od zaměstnanců vyžadují víc, aniž by nabízely víc na oplátku. Zaměstnanci mají zvládnout svou práci plus naučit se AI plus být produktivnější — a odměna za to často neexistuje. Navíc, pokud organizace tlačí na AI adopci bez ohledu na kontext, zaměstnanci přestávají sdílet znalosti, protože si myslí, že být nenahraditelným je jejich jediná pojistka.

Často kladené otázky