Působíme od roku 2013, tedy dávno před velkým boomem ChatGPT. AI a machine learning pro nás nejsou buzzwordy, ale technologie, se kterými pracujeme od samého začátku. A právě proto rozumíme jejich možnostem i limitům.

Naše nabídka stojí na třech pilířích. AI Discovery Workshop pro firmy, které s AI teprve začínají. Návrh AI řešení, vývoj a implementace včetně Proof of Conceptu. A AI v provozu, tedy integrace, správa a rozvoj nasazených řešení.

Za naši práci jsme získali ocenění Top Artificial Intelligence Company, Top Big Data Company a Top Systems Integration Company (Clutch.co, 2023), Deloitte Technology Fast 50 a CFO Club CZ Project of the Year (2018). Jsme také členy Podnikatelského klubu Smart Network a České asociace umělé inteligence.

AI Discovery workshop

Od roku 2013 pomáháme firmám v téměř všech odvětvích využívat data a metody umělé inteligence, které jim umožňují předběhnout konkurenci. Mezi našimi klienty najdete lídry trhu i startupy – například Slovak Telekom, Zentiva, Zebra, Lectura, Merim nebo mySASY.

Menší firmy oceňují, že se rychle dostanou k výsledku bez budování vlastního datového týmu. Větší organizace zase to, že umíme řešení integrovat a provozovat v náročném prostředí s vysokými nároky na bezpečnost.

Bez ohledu na obor pomáháme firmám využít AI tam, kde má skutečný dopad.

Nejčastější chybou je začít u nástroje a teprve pak pro něj hledat využití. My postupujeme opačně. Podobně jako u lékaře, který bez kvalitní anamnézy nedostane dobrý léčebný plán, nejprve potřebujeme pochopit váš byznys – jak firma funguje, jaká je každodenní rutina vašich lidí a jaké cíle a KPI sledujete.

Zaměříme se na vaši práci s daty a řekneme si, jaké jsou vaše možnosti a kam míříte do budoucna. Výstupem je strategie pro AI s konkrétním seznamem příležitostí, u kterých víte, jakou hodnotu mají přinést, co je potřeba k jejich realizaci a v jakém pořadí je má smysl řešit.

Teprve potom má smysl mluvit o tom, které kroky pro vás budou skutečně přínosné.

Náklady je dobré posuzovat ve dvou oddělených částech: jednorázové náklady na návrh a vývoj řešení a průběžné provozní náklady na jeho běh, údržbu a rozvoj. Firmy se často soustředí jen na tu první a druhou objeví až po nasazení.

Právě proto doporučujeme začít menším krokem – workshopem nebo Proof of Conceptem. Na omezené investici si ověříte, jestli řešení dává smysl, a teprve potom se rozhodujete o plnohodnotném vývoji.

Vždy záleží na tom, co zrovna řešíte a jaký typ spolupráce je pro vás nejpraktičtější. Někdy klientům stačí konzultace k novému nápadu, jindy průběžná podpora u běžícího projektu, jindy dodáme celé řešení včetně provozu.

Postupujeme po krocích, aby bylo co nejdřív vidět, jestli řešení funguje. Nejčastěji začínáme přípravou Proof of Concept. Ten ověří, zda je daný nápad technicky proveditelný a jaký má potenciální dopad, ještě předtím, než se investuje do plnohodnotného vývoje.

Pokud je situace jasná a pilotní fáze není potřeba, umíme připravit návrh řešení rovnou. Délka pak závisí na složitosti procesu, stavu vašich dat a na tom, jak hluboko má řešení zasahovat do stávajících systémů.

Vždy ale platí totéž: chceme, abyste co nejdříve viděli reálné výsledky, ne prezentaci.

AI readiness posuzujeme ve třech rovinách. Feasibility research odpoví na otázku, jestli se to vůbec dá udělat. Technology readiness zhodnotí vaši datovou a technologickou infrastrukturu. Skill assessment ukáže, jaké kompetence má váš tým a co je potřeba doplnit.

Výsledkem je srozumitelný obrázek toho, na co jste připraveni hned, co vyžaduje přípravu a co zatím nedává smysl. Řada firem zjistí, že jsou dál, než si myslely. A některé naopak ušetří tím, že se nepustí do projektu, který by v jejich situaci neuspěl. Obojí považujeme za dobrý výsledek.

Naše metodika počítá se třemi způsoby ověření podle toho, jaká data máte k dispozici. Ověření pomocí libovolných dat a libovolného relevantního modelu. Ověření pomocí vlastních dat a relevantního modelu. A ověření pomocí vlastních dat a přetrénovaného modelu. Postupuje se od nejrychlejší a nejlevnější varianty k té nejpřesnější.

Díky tomu nemusíte čekat, až budou data „hotová“. Úprava datové infrastruktury je zároveň běžnou součástí plnohodnotného vývoje.

Pro Slovak Telekom jsme vytvořili robustní datovou platformu, která propojuje a vyhodnocuje obrovské množství dat v reálném čase. U Tescan Orsay vedla úplná integrace ke sjednocení dat napříč celou organizací a k nižší chybovosti.

V rámci fáze Opportunity mapping si definujeme úroveň vaší AI ambice, jak bude hodnota vznikat a zda bude udržitelná. Každou příležitost pak posuzujeme ze dvou stran: jaký má potenciální dopad a jak je technicky náročná.

V praxi se opakují tři typy s vysokou návratností. Automatizace zdlouhavých manuálních procesů – u THIMM jsme vlastním modelem strojového učení automatizovali tvorbu cenových nabídek a zkrátili ji z několika dní na 5 vteřin. Sjednocení a provázání roztříštěných dat – u Tescan Orsay jsme automatizací zdlouhavých procesů snížili chybovost a sjednotili data napříč celou organizací. A rychlejší rozhodování nad daty v reálném čase – pro Slovak Telekom jsme postavili datovou platformu, která propojuje a vyhodnocuje obrovské množství dat v reálném čase.

Univerzální řešení u nás nenajdete. Každý projekt začíná porozuměním vaší organizaci, úrovni práce s daty a konkrétním obchodním cílům.

Univerzální řešení u nás nenajdete. Každý projekt začíná porozuměním vaší organizaci, úrovni práce s daty a konkrétním obchodním cílům. To ale neznamená, že všechno stavíme od nuly – podstatné je rozhodnout, kde se vlastní vývoj skutečně vyplatí.

Rozdíl je nejlépe vidět na příkladu. Cenové nabídky u THIMM nešlo vyřešit obecným nástrojem, protože stály na letité zkušenosti firmy zachycené v jejích vlastních datech. Proto jsme postavili vlastní model strojového učení. Jinde naopak stačí nasadit existující model a soustředit se na integraci a provoz.

Sami stavíme vlastní projekty, takže rozumíme reálným výzvám vývoje, uvedení produktu na trh i jeho provozu. Klientům proto nabízíme jak konzultační činnost, tak vývoj i provoz celého řešení.

Bezpečnost a spolehlivost řešení jsou pro nás zásadní. Pro firmy, které pracují s citlivými daty, s vlastním know-how nebo v regulovaném prostředí, je otázka, kam data putují, často ta první a rozhodující.

Nasazení na vlastní infrastruktuře znamená, že data nemusí opustit vaši síť. Model běží tam, kde jsou data, a ne naopak. Zjednodušuje to zároveň odpovědi na otázky auditu, řízení přístupů i smluvních závazků vůči vašim vlastním zákazníkům.

Konkrétní architekturu vždy navrhujeme podle vašich požadavků na bezpečnost, výkon i náklady.

Stavíme na open-source technologiích, a proto standardně poskytujeme nevýhradní licenci. Je to výhodnější pro obě strany – pro nás jako tvůrce i pro vás jako klienta – protože ani jednu z nich zbytečně nesvazuje v dalším použití.

Zdrojový kód a dokumentaci vždy předáváme klientovi. Součástí předání je i zaškolení vašeho týmu, aby řešení nebylo černou skříňkou, které rozumí jen dodavatel.

V praxi to znamená, že po dokončení projektu máte v ruce všechno potřebné k tomu, abyste řešení provozovali a dál rozvíjeli. Že s námi řada klientů pokračuje i v provozu, je pak jejich volbou, ne technickou nutností.

Na základě zkušeností z více než 120 projektů jsme vytvořili osvědčený postup, který propojuje strategii, technickou proveditelnost a řízení rizik. Díky tomu se dokážeme rychle zorientovat v tom, kde se klient nachází, v jaké fázi je jeho projekt, na co se má soustředit a co je potřeba prioritizovat.

A protože máme společný rámec, o projektech se mluví jasněji, očekávání jsou srozumitelnější a celá spolupráce postupuje mnohem rychleji.

V praxi to znamená, že zátěž vašeho týmu je soustředěná do několika krátkých, dobře připravených vstupů, ne rozprostřená do každodenního řízení projektu.

Odpor vůči AI zpravidla nepramení z technologie, ale z nejasnosti, co bude dál. Proto je důležité správně komunikovat změny, které AI řešení přinášejí zákazníkům i zaměstnancům – a dělat to dřív, než se řešení objeví v jejich každodenní práci.

Pomáhá také způsob, jakým řešení navrhujeme. Ve fázi Maximizing the opportunity zvažujeme tři varianty: zasadit AI řešení do procesu beze změny stávajících postupů, upravit byznysový proces tak, aby AI pomohla uspět, nebo proces kolem AI postavit znovu.

První varianta je nejméně invazivní, poslední má nejvyšší dopad. Volba mezi nimi je stejně tak otázkou lidí jako techniky.

U THIMM jsme automatizovali složitý proces tvorby cenových nabídek pomocí vlastního modelu strojového učení. Takový skok nevznikne zrychlením jednoho kroku, ale přehodnocením celého postupu.

U Tescan Orsay jsme zautomatizovali zdlouhavé manuální procesy a výsledkem je provázaný systém, který snižuje chybovost a sjednocuje data napříč celou organizací. Automatizace zde přinesla nejen úsporu času, ale i vyšší kvalitu dat, se kterými firma dál pracuje.

V naší metodice tomuto rozhodnutí odpovídá fáze Maximizing the opportunity, kde vědomě volíme mezi nižším rizikem a vyšším dopadem.

Do běžících projektů vstupujeme pravidelně. Nejprve se zorientujeme v tom, co už existuje – jaká data se používají, jaký model nebo řešení je nasazené, kde se práce zastavila a proč. Pak stejnou metodikou jako u nových projektů posoudíme proveditelnost a rizika.

Formu spolupráce přizpůsobíme situaci. Může jít o jednorázovou konzultaci k novému nápadu, průběžnou podporu u běžícího projektu, převzetí vývoje, nebo o zajištění provozu a rozvoje řešení, které postavil někdo jiný.

Vždy záleží na tom, co zrovna řešíte a jaký typ spolupráce je pro vás nejpraktičtější.

Pokud se navržené řešení osvědčí, navážeme plnohodnotným vývojem AI/ML modelu a úpravou datové infrastruktury tak, aby systém fungoval spolehlivě i ve větším měřítku. To je zásadní rozdíl oproti pilotu, který běží na vybraném vzorku dat a v kontrolovaných podmínkách.

Provoz, integraci a škálování zajišťujeme pomocí moderních MLOps a automatizace procesů. Cílíme na stabilní, bezpečné a dlouhodobě udržitelné nasazení s reálným dopadem na váš byznys.

Jinými slovy: na řešení, které funguje i za rok, ne jen v den předání.

Nejdražší bývá řešení, které je předimenzované vůči tomu, co má dělat. Ve fázi ověřování proto postupujeme od nejjednodušší varianty k té nejnáročnější. Pokud stačí existující model, není důvod trénovat vlastní.

V provozu pak náklady držíme pod kontrolou automatizací procesů a moderními MLOps: automatizovaným nasazováním, monitoringem a údržbou modelů. Cílíme na stabilní, bezpečné a dlouhodobě udržitelné nasazení.

Tedy na řešení, jehož provoz je předvídatelný a kde optimalizace probíhá průběžně, ne formou nárazových krizí.

V naší metodice je škálování poslední fází (Execute & scale) a patří k ní i efektivní plán zavedení AI do firmy. Tedy nejen technická příprava, ale i to, jak se řešení dostane k lidem, kteří ho mají používat.

Technicky stojí škálování na třech věcech. Na datové vrstvě, která zvládne rostoucí objemy – pro Slovak Telekom jsme postavili platformu vyhodnocující obrovské množství dat v reálném čase. Na MLOps praktikách, které umožňují modely spolehlivě aktualizovat a monitorovat. A na integraci do okolních systémů, aby řešení nebylo izolovaným ostrovem.

Stavíme škálovatelná AI řešení, která dávají byznysu jasný směr i dopad – a fungují dlouhodobě.

Každá firma řeší něco trochu jiného. Někdo zvažuje první kroky, jak s umělou inteligencí začít, někomu jinému by zase stačila konzultace k rozběhnutému projektu. A jsou i firmy, které hledají stálého partnera, jenž se postará o návrh, zavedení i provoz nových AI řešení.

Na úvodní konzultaci se zaměříme přesně na to, co právě potřebujete vy – ať už jde o AI readiness, vývoj na míru, automatizaci procesů nebo nasazení AI do vlastních produktů.

Odejdete s jasnou představou o možnostech, které AI nabízí v kontextu vašeho byznysu, a s doporučením dalšího kroku. Pro naše klienty jsme tu nejen na začátku, ale po celou dobu spolupráce.