Umělá inteligence se ve finančních službách posouvá z fáze experimentů do každodenního provozu. Právě to bylo hlavním tématem setkání OpenAI Investor Innovation Day, které spojilo seniorní lídry kolem jedné praktické otázky: jak převést AI z působivých ukázek do skutečné změny uvnitř firmy.
Zaznělo několik důležitých myšlenek, které dnes rezonují napříč investičními týmy, poradenskými firmami, bankami i dalšími organizacemi pracujícími s velkým objemem informací. Nejde jen o to, že nástroje jako ChatGPT nebo Codex umí odpovídat na dotazy. Podstatné je, že začínají pomáhat s vykonáváním práce, zrychlují porozumění firmám, propojují dokumenty s kontextem a dávají lidem prostor řešit složitější problémy s vyšší přidanou hodnotou.
Ve finančním sektoru je to obzvlášť důležité. Tady se každý den pracuje s deal foldery, prezentacemi, modely v Excelu, interními poznámkami, analýzami trhu, právní dokumentací i daty z různých zdrojů. Hodnota AI tedy nespočívá jen v generování textu, ale v tom, že dokáže dát těmto informacím strukturu, zpřístupnit je přirozeným jazykem a urychlit rozhodování.
Nejzajímavější na celé debatě bylo, že se nemluvilo abstraktně. Těžištěm byly konkrétní pracovní postupy, firemní nasazení a skutečné dopady na produktivitu. Ukázalo se, že když organizace přejde od jednotlivých testů k promyšlenému podnikovému nasazení, AI se může stát skutečným násobičem výkonu.
Obsah
- 📈 Od kladení dotazů k opravdové práci
- 🏦 Proč finanční služby potřebují víc než jen hezké demo
- 🗂️ Síla propojení deal folderu s kontextem
- ⚙️ ChatGPT, Excel a zrychlení každodenní analytické práce
- 👥 Podnikové nasazení jako skutečný zlom
- 🔁 Flywheel efekt: stovky GPT aplikací a každodenní provoz
- 🧠 Co to znamená pro rozhodování a kvalitu práce
- 🛠️ Jak vypadá praktická transformace uvnitř firmy
- 🔍 Proč je důležité řešit opravdu těžké problémy
- 🌐 Širší kontext: AI ve financích už není okrajové téma
- 🚀 Co si z OpenAI Investor Innovation Day odnáším
📈 Od kladení dotazů k opravdové práci
Jedna z nejsilnějších myšlenek celého setkání se týkala přechodu od jednoduchého „ptaní se“ k reálnému „dělání“. To je velmi trefný popis současné fáze vývoje AI nástrojů.
Když firmy začnou s generativní AI, často ji používají hlavně jako konverzační rozhraní. Lidé se ptají na shrnutí dokumentu, hledají rychlé odpovědi, nechávají si přepsat text nebo vysvětlit složité téma. To je užitečné, ale samo o sobě to obvykle nevede k hluboké transformaci.
Skutečný posun nastává ve chvíli, kdy se AI stane součástí workflow. Místo izolovaných dotazů začne pomáhat s přípravou analýz, s organizací dat, s procházením podkladů k transakcím, s vytvářením interních materiálů nebo s odhalováním souvislostí, které by člověk jinak hledal dlouho.
Právě zde dává smysl zmínka o Codexu. V širším kontextu nejde jen o nástroj pro psaní kódu, ale o symbol další etapy, ve které AI nefunguje pouze jako chatbot, nýbrž jako aktivní pomocník při provádění úkolů. Ve finančních službách to může znamenat automatizaci opakovaných kroků, rychlejší práci s datovými strukturami nebo podporu při vytváření interních nástrojů pro analytiky a investiční profesionály.
Tento posun je zásadní i psychologicky. Když člověk nejprve narazí na AI, vnímá ji často jako chytrý vyhledávač nebo textový doplněk. Teprve časem začne chápat, že její největší síla je v tom, že dokáže převzít část pracovního zatížení a proměnit způsob, jakým se práce organizuje.
🏦 Proč finanční služby potřebují víc než jen hezké demo
Finanční sektor je prostředí, kde je tlak na přesnost, rychlost a kontext mimořádně vysoký. Rozhodnutí se opírají o velké množství materiálů a často se dělají pod časovým tlakem. To znamená, že AI zde nemůže zůstat jen na úrovni efektních ukázek. Musí obstát v náročných úkolech.
Na setkání zaznělo, že pokud chce firma skutečně změnit způsob fungování, potřebuje lidi, kteří s pomocí AI řeší opravdu těžké problémy. To je důležitý postřeh. Organizační transformace nevzniká tím, že si několik zaměstnanců nechá vygenerovat e-mail. Vzniká tehdy, když se pomocí AI zkrátí kritické procesy, odstraní úzká místa a zlepší rozhodovací schopnost celé firmy.
Ve finančních službách to může zahrnovat například:
- rychlejší orientaci v materiálech k investiční příležitosti,
- propojování interních a externích datových zdrojů,
- automatizaci částí due diligence,
- zjednodušení přípravy podkladů pro investiční výbory,
- lepší sdílení znalostí mezi týmy,
- zkrácení času potřebného k pochopení firmy nebo trhu.
To vše dohromady znamená, že AI už není jen technologická novinka. Začíná se stávat infrastrukturní vrstvou znalostní práce. A právě proto se o ni dnes zajímají seniorní lídři, nikoli jen inovační týmy.
🗂️ Síla propojení deal folderu s kontextem
Velmi praktický příklad se týkal práce s deal folderem a souvisejícím kontextem. Pro investiční a transakční týmy je to naprosto klíčové téma.
Deal folder obvykle obsahuje množství zásadních dokumentů. Patří sem finanční výkazy, prezentace managementu, provozní metriky, právní podklady, interní komentáře, historické poznámky i externí výzkum. Největší problém nebývá v tom, že by těchto informací bylo málo. Naopak je jich tolik, že orientace v nich zabírá obrovské množství času.
Když se podaří tento soubor materiálů propojit s AI modelem tak, aby bylo možné klást otázky v reálném čase, změní se způsob práce. Místo ručního procházení desítek souborů lze pokládat přímé dotazy, například:
- Jaké byly hlavní důvody poklesu marže za poslední dva roky?
- Která rizika se opakují napříč interními poznámkami a právní dokumentací?
- Jak management vysvětluje rozdíl mezi plánem a skutečným výkonem?
- Jak se tato firma liší od podobných společností, které jsme hodnotili dříve?
Takový způsob práce není jen pohodlnější. Má přímý dopad na kvalitu rozhodování. Lidé mají rychlejší přístup ke kontextu, snáze si ověřují hypotézy a mohou se dříve soustředit na interpretaci místo mechanického hledání informací.
Ve světě private equity, venture capital, investment bankingu i strategických financí je to obrovská změna. Čas, který se dříve spotřeboval na orientaci v materiálech, se může přesunout do kvalitnější analýzy, práce s riziky a diskuse o skutečné investiční tezi.
⚙️ ChatGPT, Excel a zrychlení každodenní analytické práce
Další důležitý moment se týkal nástrojů, které lidé používají každý den. Zaznělo, že například propojení ChatGPT s Excelem výrazně urychluje proces, kdy se člověk potřebuje rychle zorientovat ve firmě.
To je velmi realistický popis toho, jak AI proniká do běžné práce. Excel zůstává jedním z nejdůležitějších nástrojů ve financích. Je základem pro modely, analýzy, forecasty i reporty. Jakmile se AI propojí s prostředím, kde už lidé přirozeně pracují, přestává být odděleným experimentem a stává se přirozenou součástí procesu.
Praktický přínos může vypadat různě:
- rychlé vysvětlení struktury složité tabulky,
- pomoc s tvorbou vzorců nebo s čištěním dat,
- shrnutí hlavních trendů z datového souboru,
- převod čísel do srozumitelného komentáře pro interní materiály,
- odhalení anomálií nebo nesrovnalostí, které stojí za další prověření.
Ve finančních týmech je schopnost „getting smart on the company“ naprosto zásadní. Jinými slovy, jde o to co nejrychleji pochopit, jak firma funguje, kde tvoří hodnotu, jaké má slabiny a jaké proměnné budou rozhodovat o jejím dalším vývoji. Pokud AI dokáže tuto orientační fázi podstatně zkrátit, má to přímý dopad na celkovou rychlost a kvalitu práce.
Nejde tedy jen o úsporu minut. Jde o rychlejší přechod od dat ke skutečnému úsudku.
👥 Podnikové nasazení jako skutečný zlom
Jedna z nejvýraznějších informací byla čísla spojená s podnikovým nasazením. Když má 2700 zaměstnanců enterprise licenci ChatGPT, nejde už o pilotní projekt. Jde o systémovou změnu.
V tom je zásadní rozdíl. Mnoho firem si stále představuje AI jako nástroj pro úzkou skupinu specialistů. Jenže hodnota vzniká často až tehdy, když se technologie dostane k velkému počtu lidí napříč organizací. Každý tým totiž narazí na jiné příležitosti použití.
Analytici mohou zrychlit výzkum a přípravu podkladů. Právní oddělení může rychleji třídit dokumenty a vytvářet první návrhy shrnutí. Provozní týmy mohou automatizovat interní komunikaci a reporting. Obchodní a vztahové týmy mohou rychleji syntetizovat informace o klientech a trzích.
Jakmile se AI rozšíří v podniku ve větším měřítku, začíná fungovat síťový efekt. Lidé sdílejí postupy, vytvářejí vlastní šablony, budují specializované GPT aplikace a učí se od sebe navzájem. Každé malé zlepšení se pak neprojeví jen lokálně, ale násobí se napříč firmou.
Právě proto byla AI popsána jako force multiplier, tedy jako násobič síly. Není to náhrada za lidský úsudek. Je to nástroj, který zvyšuje dosah a rychlost lidské práce. Ve firmách s vysokou informační zátěží může být tento efekt mimořádně silný.
🔁 Flywheel efekt: stovky GPT aplikací a každodenní provoz
Dalším důležitým motivem bylo to, co bych nazval provozním setrvačníkem AI. Jakmile organizace umožní lidem vytvářet a používat stovky vlastních GPT řešení, nevznikne jen soubor izolovaných experimentů. Začne se roztáčet cyklus neustálého zlepšování.
Tento flywheel efekt obvykle funguje takto:
- Několik týmů začne používat AI na konkrétní úkoly.
- Ukáže se, které scénáře přinášejí největší úsporu času nebo nejlepší výstupy.
- Tyto scénáře se formalizují do šablon, interních agentů nebo specializovaných GPT nástrojů.
- Ostatní týmy je převezmou a upraví pro vlastní potřeby.
- Vznikají nové nápady na automatizaci a další zlepšení.
- AI se stále hlouběji zapisuje do každodenních operací firmy.
To je velmi odlišné od modelu, kdy inovace přichází pouze shora. Tady se zlepšení šíří zdola i napříč týmy. Lidé, kteří znají detailní pracovní problémy, mohou navrhovat přesná řešení. Vedení pak může podporovat rámec, bezpečnost a škálování.
Pro finanční instituce je tento přístup cenný, protože procesy jsou často složité a doménově specifické. Jeden univerzální nástroj nestačí. Mnohem větší hodnotu přináší ekosystém menších, přesně cílených AI pomocníků, kteří zjednodušují jednotlivé kroky práce.
🧠 Co to znamená pro rozhodování a kvalitu práce
Když se mluví o AI ve financích, často se pozornost soustředí na produktivitu. Ta je bezpochyby důležitá. Stejně důležitá je ale i kvalita rozhodování.
Pokud má tým rychlejší přístup ke kontextu, lépe strukturovaným informacím a okamžitým odpovědím nad interní dokumentací, může dělat kvalifikovanější rozhodnutí. To se projeví v několika rovinách:
- Rychlost: méně času na hledání, více času na analýzu.
- Konzistence: týmy pracují s podobným rámcem a stejnými zdroji informací.
- Důslednost: snáze se dohledají souvislosti, rizika a historické poznatky.
- Dostupnost znalostí: důležité know-how nezůstává jen v hlavách několika zkušených lidí.
To je velká změna zejména pro organizace, které pracují projektově a současně čelí vysoké rotaci témat. Jednou se řeší technologická firma, podruhé průmyslový podnik, potřetí jiný trh nebo jiná kapitálová struktura. AI pomáhá rychleji přenášet poznatky z jednoho případu do druhého.
V ideálním případě tedy nejde jen o to, že lidé pracují rychleji. Jde o to, že pracují informovaněji.
🛠️ Jak vypadá praktická transformace uvnitř firmy
Z celé debaty si odnáším jednu důležitou lekci: úspěšné nasazení AI nevypadá jako jednorázový projekt. Je to postupná proměna způsobu práce.
V praxi obvykle probíhá v několika krocích:
1. Nalezení úloh s vysokou hodnotou
Nejlepší začátek bývá u procesů, které jsou opakované, informačně náročné a zároveň dostatečně standardizované. Ve financích to často bývá rešerše, třídění dokumentů, příprava shrnutí, práce s tabulkami nebo interní reporting.
2. Napojení na relevantní kontext
Samotný model nestačí. Skutečná hodnota vzniká, když má přístup ke správným dokumentům, datům a interním znalostem. Proto je tak důležité propojení s deal foldery, interními úložišti nebo pracovními nástroji.
3. Rozšíření mezi větší počet lidí
Jakmile se prokáže užitek, je potřeba rozšířit přístup napříč organizací. Tím se z individuální inovace stává podniková schopnost.
4. Vznik vlastních GPT a specializovaných řešení
Každý tým má trochu jiné potřeby. Možnost vytvářet specializované asistenty urychluje přijetí a dává AI konkrétní roli v každodenních operacích.
5. Budování kultury sdílení
Bez sdílení příkladů a osvědčených postupů se organizace neposune daleko. Největší přínos přichází tehdy, když se úspěšné postupy šíří napříč firmou.
Tento rámec dobře vysvětluje, proč některé firmy s AI rychle postupují a jiné zůstávají na místě. Rozdíl nebývá jen v technologii, ale i v ochotě měnit provozní model.
🔍 Proč je důležité řešit opravdu těžké problémy
Na setkání zaznělo, že skutečná transformace vyžaduje řešení složitých problémů. S tím naprosto souhlasím. Firmy se někdy nechají zlákat snadnými ukázkami, které vypadají dobře, ale nepřinášejí zásadní obchodní dopad.
Ve finančních službách mají největší cenu tyto oblasti:
- komplexní práce s nestrukturovanými dokumenty,
- syntéza informací z různých zdrojů,
- podpora rozhodování v situacích s vysokou nejistotou,
- zrychlení odborné práce, která je dnes příliš manuální,
- lepší využití interního know-how v celé organizaci.
To nejsou malé úkoly. Vyžadují kvalitní data, správné nastavení přístupu, promyšlené workflow a důvěru uživatelů. Právě proto ale mohou přinést skutečnou konkurenční výhodu.
Pokud AI pomůže vyřešit opravdu náročné části práce, nestane se jen doplňkem. Stane se strategickou schopností firmy.
🌐 Širší kontext: AI ve financích už není okrajové téma
To, co zaznělo na OpenAI Investor Innovation Day, dobře zapadá do širšího vývoje v oboru. Finanční instituce po celém světě investují do generativní AI, datové infrastruktury a nástrojů pro znalostní práci. Důvod je jednoduchý. Potřeba zpracovat více informací za kratší čas stále roste.
Vedle toho sílí tlak na přesnost, auditovatelnost a bezpečnost. Proto se firmy stále více zaměřují na enterprise nasazení, interní governance a kontrolované způsoby použití. Nejde už jen o to, co AI umí technicky, ale jak ji zasadit do regulovaného a odpovědného provozu.
Pro základní přehled o tom, jak se generativní AI prosazuje v podnikové sféře, je užitečné sledovat například analýzy od McKinsey nebo přehledy od Deloitte. Tyto zdroje dlouhodobě potvrzují, že finanční služby patří mezi odvětví, kde může mít AI mimořádně silný dopad.
Současně je zřejmé, že pouhé nasazení technologie nestačí. Rozhodující bude schopnost propojit AI s interními daty, pracovními nástroji a skutečnými byznysovými prioritami.
🚀 Co si z OpenAI Investor Innovation Day odnáším
Největší hodnotu celého setkání vidím v tom, že AI nebyla představena jako vzdálená vize. Byla ukázána jako praktický nástroj pro každodenní práci ve finančních službách.
Zazněly čtyři zásadní body:
- AI se posouvá od odpovídání na dotazy k aktivnímu vykonávání práce.
- Největší přínos vzniká při řešení složitých podnikových problémů.
- Propojení dokumentů, deal folderů a kontextu dramaticky zlepšuje workflow.
- Široké podnikové nasazení vytváří násobný efekt napříč celou organizací.
To je mimořádně důležité pro všechny firmy, které pracují s informacemi jako se svou hlavní surovinou. Ve financích to platí dvojnásob. Každá úspora času, každé lepší shrnutí a každé rychlejší pochopení firmy totiž může ovlivnit kvalitu investičního rozhodnutí, rychlost due diligence nebo efektivitu interní spolupráce.
Pokud někoho zajímá aktuální vývoj kolem Codexu, OpenAI v popisu události odkazovalo na nejnovější informace o Codexu. To je relevantní zejména pro týmy, které chtějí AI zapojit nejen do analýzy, ale i do tvorby interních nástrojů a automatizace práce.
Celkový obrázek je jasný. Budoucnost AI ve finančních službách nebude stát na jednom univerzálním použití. Bude stát na kombinaci mnoha konkrétních workflow, chytrého přístupu k firemnímu kontextu a ochoty přetvořit každodenní práci tak, aby lidé mohli trávit méně času mechanickými úkoly a více času skutečným úsudkem.
A právě v tom je největší příslib celé této změny.
