Automobilový trh prochází tichou, ale velmi rychlou proměnou. Změna se už netýká jen toho, jak lidé hledají ojeté nebo nové vozy online. Mění se i to, jak samotné digitální platformy fungují uvnitř. Právě to je případ AutoScout24 Group, která ukazuje, jak může vypadat AI native přístup ve velké technologické firmě zaměřené na automotive marketplace.
Základní myšlenka je překvapivě jednoduchá. Pokud firma propojuje kupující a prodávající aut po celém světě, potřebuje být rychlejší, efektivnější a zároveň přesnější než dřív. Umělá inteligence tady není jen doplněk pro marketing nebo zákaznickou podporu. Stává se součástí vývoje softwaru, interních workflow i každodenní organizace práce.
Na příkladu AutoScout24 je dobře vidět, že nejde jen o experimentování s novými modely. Jde o promyšlenou snahu přetvořit způsob, jak týmy staví produkty, jak pracují s daty a jak automatizují úkoly, které dříve zabíraly obrovské množství času. A právě v tom je tato případová studie zajímavá i pro širší technologický a byznysový svět.
Obsah
- 🚗 Mise AutoScout24 a proč je AI pro marketplace tak důležitá
- 🤖 Codex napříč organizací jako základ nové produktivity
- 💻 Vize hands off coding a proč nejde o prázdné heslo
- ⚙️ Agent za 48 hodin jako ukázka rychlosti nové generace nástrojů
- 📊 Milion ušetřených pracovních hodin ročně a co to ve skutečnosti znamená
- 🧠 Modely se mění neuvěřitelně rychle a firmy musí držet tempo
- 🏢 Co znamená AI native organizace v každodenní realitě
- 🔍 Proč kvalita kódu může růst spolu s rychlostí
- 📅 Z kalendářů, Slacku a JIRA k lepšímu řízení firmy
- 🌍 Dopad na automotive marketplace a širší digitální průmysl
- 💡 Co si z tohoto příběhu odnáším pro budoucnost práce
- 🚀 AI native budoucnost už nezačíná zítra
🚗 Mise AutoScout24 a proč je AI pro marketplace tak důležitá
AutoScout24 definuje svou misi jasně: propojovat kupce aut s jejich prodejci po celém světě. To zní přímočaře, ale ve skutečnosti jde o složitý digitální ekosystém. Taková platforma musí zvládnout obrovské množství nabídek, různorodé potřeby uživatelů, mnoho interních týmů a neustálý tlak na rychlé doručování nových funkcí.
U online automobilového tržiště je rychlost inovace zásadní. Kdo zjednoduší vyhledávání, zlepší doporučování vozidel, urychlí práci produktových týmů nebo efektivněji zpracuje interní procesy, získá jasnou konkurenční výhodu. Právě proto dává smysl, že AutoScout24 nasazuje AI napříč organizací, a ne jen v jedné izolované oblasti.
Mně na tom přijde nejzajímavější jedna věc. Firma nemluví o umělé inteligenci jen jako o nástroji na vyšší produktivitu v úzkém smyslu. Mluví o ní jako o nové vrstvě fungování celé organizace. To je mnohem ambicióznější přístup než běžné zavádění chatbotu nebo asistenta pro jednotlivce.
Takový posun odpovídá i širšímu trendu v odvětví. Mnoho firem dnes přechází od izolovaných AI pilotů k tomu, čemu se často říká AI native operating model. To znamená, že procesy, rozhodování i samotná tvorba produktů jsou navržené s tím, že AI bude aktivním spolupracovníkem. U AutoScout24 je tento směr velmi zřetelný.
🤖 Codex napříč organizací jako základ nové produktivity
Jedním z hlavních bodů je rozsáhlé využívání Codexu v celé organizaci. Nejde tedy jen o několik technických specialistů, kteří si zkoušejí generování kódu bokem. AI nástroje mají být součástí každodenní práce inženýrů a postupně i dalších týmů.
To je důležité z několika důvodů:
- Zrychlení vývoje umožňuje rychleji doručovat nové funkce a experimenty.
- Snížení rutinní práce uvolňuje inženýrům ruce pro důležitější rozhodnutí.
- Lepší konzistence kódu může podpořit vyšší kvalitu a méně chyb.
- Snazší automatizace workflow přináší úspory i mimo samotný software engineering.
V technologických firmách se často vede debata, zda AI vývojáře spíš nahradí, nebo posílí. AutoScout24 ukazuje třetí cestu: posunout celou organizaci k tomu, aby se programování a automatizace staly mnohem dostupnější a méně manuální činností. Tím se mění role inženýrů i produktových týmů. Místo psaní každého řádku od nuly se více soustředí na návrh systému, validaci, architekturu a kontrolu výsledků.
Právě to je důvod, proč podobné nástroje získávají takovou pozornost i v širším průmyslu. Nejde jen o rychlejší psaní kódu. Jde o možnost změnit ekonomiku tvorby softwaru. Když firma dokáže zkrátit vývojový cyklus, snížit počet opakovaných úkolů a zachovat nebo zlepšit kvalitu, dopad se projeví v celé organizaci.
Pro další kontext stojí za to sledovat i širší příběh nasazení AI v AutoScout24 na stránce případové studie AutoScout24, kde je tento směr zasazen do širší firemní transformace.
💻 Vize hands off coding a proč nejde o prázdné heslo
Jedna z nejodvážnějších myšlenek, která z příběhu AutoScout24 vystupuje, je snaha dostat každého inženýra co nejblíž k modelu hands off coding. Tento výraz může znít provokativně, protože evokuje svět, v němž člověk téměř nepíše kód ručně.
Ve skutečnosti ale nejde o to, že by inženýři přestali být potřeba. Spíš se mění povaha jejich práce. Když AI zvládne velkou část implementace, člověk se přesouvá do role návrháře, koordinátora a kontrolora kvality. To je podobné jako v jiných oborech, kde automatizace odstraní mechanickou část práce a zvýší význam strategického úsudku.
Tato vize stojí na dvou předpokladech:
- AI bude schopná generovat stále větší objem použitelného kódu.
- Lidé budou umět výsledky správně zadávat, hodnotit, testovat a bezpečně nasazovat.
AutoScout24 věří, že pokud se tento model podaří skutečně rozvinout, zisky nebudou lineární. Nebude to jen o tom, že se napíše o něco více kódu za stejný čas. Výsledkem má být exponenciální nárůst efektivity a zároveň vyšší kvalita. To je odvážné tvrzení, ale dává logiku, pokud si uvědomím, kolik práce ve vývoji dnes padá na opakující se úkoly, dokumentaci, rutinní refaktoring nebo přípravu interních nástrojů.
V moderním vývoji navíc není hlavním omezením jen talent vývojářů. Často jde o kapacitu týmu, schopnost rychle reagovat na priority a množství provozní režie. Pokud AI část této zátěže převezme, produktové týmy mohou fungovat svižněji a s menším třením.
Je dobré dodat, že podobný přístup vyžaduje i silnou kulturu validace. Automaticky vygenerovaný kód musí projít testováním, bezpečnostní kontrolou a architektonickým dohledem. Hands off coding tedy není svět bez lidské odpovědnosti. Je to svět, kde člověk tráví méně času mechanickým psaním a více času správným řízením výsledku.
⚙️ Agent za 48 hodin jako ukázka rychlosti nové generace nástrojů
Jedním z nejkonkrétnějších momentů je příklad interního agenta, kterého AutoScout24 postavil během pouhých 48 hodin po uvedení Agents. Tohle je důležitý detail, protože ukazuje rozdíl mezi teoretickým potenciálem AI a skutečným provozním dopadem.
Agent byl vytvořen pro produktové týmy a jeho úkolem bylo shromažďovat a vyhodnocovat pracovní kontext z několika běžných nástrojů. Konkrétně pracoval s:
- kalendáři,
- Slackem,
- JIRA tickety.
Na týdenní bázi pak dokázal vytáhnout přehled, kde lidé reálně trávili čas. Jinými slovy, vznikl systém, který automaticky mapuje rozložení pracovních hodin napříč aktivitami a týmy.
To je mnohem cennější, než se může na první pohled zdát. Ve většině organizací je totiž časová alokace překvapivě nepřehledná. Lidé často vědí, že jsou zaneprázdnění, ale přesně nevidí, kolik energie padá na porady, operativu, koordinaci, incidenty nebo práci s backlogem. Bez této viditelnosti je těžké optimalizovat procesy.
Agent postavený za dva dny tak neřeší jen reporting. Řeší i hlubší problém: jak získat rychlou a použitelnou mapu toho, kde se skutečně spotřebovává kapacita organizace.
Na tomto příkladu je krásně vidět několik vlastností současné AI éry:
- Krátká doba od nápadu k funkčnímu řešení.
- Schopnost propojit více pracovních systémů.
- Automatizace úkolů, které dříve vyžadovaly manuální sběr dat.
- Okamžitý dopad na rozhodování managementu i týmů.
Když firma dokáže v horizontu desítek hodin postavit interního agenta s jasným byznysovým přínosem, mění to očekávání od interního vývoje. Místo dlouhých cyklů plánování a implementace může nastat mnohem rychlejší experimentální režim. A právě ten je pro AI native firmy typický.
📊 Milion ušetřených pracovních hodin ročně a co to ve skutečnosti znamená
Nejsilnější číslo z celého příběhu je odhad, že jediný agent přináší organizaci kolektivní úsporu zhruba milion pracovních hodin ročně. Ať už se na toto číslo dívám z pohledu financí, provozu nebo strategie, jde o mimořádně významný efekt.
Taková úspora neznamená pouze méně času stráveného administrativou. Znamená i několik dalších věcí:
- rychlejší rozhodování,
- méně ruční koordinace mezi týmy,
- vyšší transparentnost práce,
- lepší plánování kapacit,
- větší prostor pro skutečně hodnotnou produktovou práci.
Ve zprávách o AI se často pracuje s velkými čísly, která znějí efektně, ale chybí jim konkrétní kontext. Tady je kontext poměrně jasný. Když organizace automatizuje workflow kolem interního přehledu času a aktivit, nevzniká úspora jen tím, že někdo nemusí ručně sestavovat report. Úspora vzniká i tím, že se zkrátí navazující rozhodovací procesy a sníží provozní tření.
Pokud například produktové týmy lépe vidí, kam mizí jejich kapacita, mohou rychleji odhalit přetížení schůzkami, neefektivní koordinaci nebo příliš vysoký podíl práce mimo plán. To pak vede k systémovým změnám. AI tedy v tomto případě nepomáhá jen vykazovat minulost. Pomáhá upravovat budoucí fungování týmu.
Z obchodního hlediska je to mimořádně důležité. Každá velká digitální platforma řeší podobný problém: jak růst bez toho, aby interní složitost rostla stejným tempem. Když se firma zvětšuje, přibývají týmy, procesy, schvalování, reporting a další vrstvy koordinace. AI může tuto složitost částečně absorbovat.
Právě proto je milion hodin tak silný signál. Není to jen metrika produktivity. Je to ukázka, že dobře navržený agent může fungovat jako páka, která odstraňuje organizační neviditelné náklady.
🧠 Modely se mění neuvěřitelně rychle a firmy musí držet tempo
Další zásadní poznatek je, že modely se mění tak rychle, že to, co nefungovalo před třemi měsíci, dnes může fungovat zásadně jinak. Tohle je možná jedna z nejdůležitějších vět pro každou firmu, která si myslí, že si už na AI udělala názor.
V praxi to znamená, že jednorázové vyhodnocení nestačí. Pokud organizace něco vyzkoušela před čtvrt rokem a výsledek byl slabý, neznamená to, že oblast nemá potenciál. Naopak. V prostředí generativní AI se schopnosti modelů, agentních workflow i integračních nástrojů posouvají tak rychle, že je nutné přehodnocovat předpoklady průběžně.
To má několik důsledků:
- Experimentování musí být soustavné. Ne jen jednorázový pilot.
- Organizace potřebuje krátké rozhodovací cykly. Jinak se příležitosti ztratí.
- Lidé musí být připraveni učit se za běhu. Staré postupy zastarávají rychleji.
- Technologická strategie musí zůstat flexibilní.
Z mého pohledu je to přesně ten rozdíl mezi firmami, které AI jen testují, a firmami, které se podle ní začínají skutečně přestavovat. Ty druhé chápou, že nejde o stabilní technologii s pomalým vývojem. Jde o pohybující se cíl. A tomu se musí přizpůsobit i kultura, rozpočty a způsob plánování.
Podobný vývoj je vidět i v širším oboru. Například společnosti jako McKinsey nebo Gartner opakovaně upozorňují, že generativní AI se vyvíjí mimořádně rychlým tempem a že firmy potřebují průběžnou adaptaci, ne statický plán.
🏢 Co znamená AI native organizace v každodenní realitě
Pojem AI native zní někdy abstraktně, ale na příkladu AutoScout24 se dá převést do velmi konkrétní reality. Taková organizace obvykle nevnímá AI jako samostatný projekt, ale jako průřezovou schopnost. To se projevuje v několika vrstvách.
Produktové týmy pracují s AI jako s běžnou součástí toolstacku
Když jsou AI nástroje skutečně dostupné v praxi, přestávají být výsadou specializovaných týmů. Produktoví manažeři, inženýři i další role mohou rychleji analyzovat informace, připravovat podklady, automatizovat interní úkoly a zkoušet nové nápady.
Automatizace se přesouvá od jednotlivých úkonů k celým workflow
Mnoho firem začíná tím, že AI pomůže napsat text nebo kód. To je užitečné, ale omezené. Vyšší hodnota vzniká ve chvíli, kdy agent propojí více systémů a vyřeší celý pracovní tok. Přesně to ukazuje příklad s kalendáři, Slackem a JIRA.
Roste význam orchestrace a kontextu
Skutečná síla AI v podniku často nevychází jen ze samotného modelu. Důležité je, k jakým datům má přístup, jak je zasazený do interních nástrojů a jak dobře rozumí firemnímu kontextu. Agent, který chápe pracovní prostředí týmu, je mnohem užitečnější než izolovaný chatbot bez přístupu k relevantním informacím.
Kultura se mění spolu s technologií
AI native firma potřebuje lidi, kteří jsou ochotni testovat nové přístupy, přehodnocovat zaběhlé návyky a přijmout, že způsob práce se může změnit rychleji než dřív. Bez této kulturní vrstvy by ani nejlepší nástroje nepřinesly zásadní dopad.
Na AutoScout24 je zajímavé právě to, že zde nejde jen o nákup nové technologie. Jde o proměnu mentálního modelu práce. A to je mnohem těžší, ale i mnohem cennější.
🔍 Proč kvalita kódu může růst spolu s rychlostí
Častá obava kolem AI ve vývoji je, že sice zrychlí produkci kódu, ale zhorší jeho kvalitu. AutoScout24 naopak sází na to, že při správném zavedení může kvalita růst spolu s objemem a rychlostí. To je důležitý posun v debatě.
Jak je to možné? Když se na to podívám prakticky, existuje několik důvodů:
- AI umí rychle generovat opakující se struktury konzistentně.
- Může pomoci s refaktoringem a standardizací.
- Urychluje tvorbu testů nebo jejich návrh.
- Snižuje množství rutinních chyb při manuálním přepisování.
- Pomáhá inženýrům soustředit se na architekturu a edge cases.
Samozřejmě to neplatí automaticky. Bez správného review procesu může AI generovat i nevhodná nebo nebezpečná řešení. Kvalita tedy nevzniká jen z modelu, ale z kombinace modelu, procesů a lidského dohledu.
V dobře nastaveném prostředí však dává argument AutoScout24 smysl. Když se vývojáři zbaví části mechanické práce, mají víc prostoru na opravdu důležité věci. A právě tam se často rozhoduje o skutečné kvalitě systému.
📅 Z kalendářů, Slacku a JIRA k lepšímu řízení firmy
Příklad interního agenta si zaslouží ještě jeden pohled. Integrace kalendářů, Slacku a JIRA totiž není jen technické cvičení. Je to ukázka, jak AI propojuje izolované informační ostrovy uvnitř firmy.
Ve většině organizací se data o práci nacházejí roztroušeně:
- v kalendáři jsou schůzky a bloky času,
- ve Slacku probíhá koordinace a operativa,
- v JIRA je plánovaná a evidovaná práce.
Každý z těchto systémů ukazuje jen část reality. Teprve jejich propojení dává smysluplný obraz. AI agent, který umí tyto zdroje spojit a vytvořit přehled, tak v podstatě funguje jako vrstva organizační inteligence.
To je velmi silný koncept i do budoucna. Podobným způsobem lze analyzovat překážky v doručování projektů, přetížení týmů, neefektivní schůzky nebo odchylky mezi plánovanou a skutečnou prací. Tím se AI posouvá od asistenta k nástroji systémového řízení.
Pokud se tento model rozšíří, může být pro velké firmy stejně důležitý jako dříve business intelligence platformy. Rozdíl je v tom, že místo statických dashboardů vznikají aktivní agenti, kteří data sami sbírají, interpretují a předávají v použitelné podobě.
🌍 Dopad na automotive marketplace a širší digitální průmysl
AutoScout24 působí v oblasti, která kombinuje marketplace logiku, produktový vývoj, datovou práci a vysokou konkurenční dynamiku. To z ní dělá ideální prostředí pro testování AI native přístupu. Výsledky ale nejsou zajímavé jen pro automotive sektor.
Stejné principy mohou využít i:
- e commerce platformy,
- SaaS firmy,
- digitální tržiště,
- mediální a inzertní platformy,
- podniky s velkým objemem interní koordinace.
Všude tam, kde existuje kombinace softwarového vývoje a složitých interních workflow, může AI přinést podobný efekt. Automotive marketplace je přitom obzvlášť citlivý na rychlost a důvěru. Uživatelé očekávají relevantní nabídky, jednoduchou orientaci a kvalitní digitální službu. Když interní týmy pracují rychleji a chytřeji, může se to propsat i do lepšího produktu.
Pro celý trh je navíc důležité, že podobné příklady pomáhají posunout debatu od obecných slibů k reálným implementacím. Místo neurčitých vizí už existují konkrétní workflow, konkrétní nástroje a konkrétní úspory. To je přesně to, co firmy potřebují, aby AI začaly brát jako provozní prioritu, ne jen jako inovační téma.
💡 Co si z tohoto příběhu odnáším pro budoucnost práce
Na celé situaci mě nejvíc zaujala kombinace rychlosti, praktičnosti a otevřenosti vůči změně. Nejde jen o to, že AutoScout24 používá moderní modely. Důležité je, že firma přemýšlí ve větším měřítku. Ptá se, jak se bude pracovat jinak. Jak se změní software development. Jak se změní interní operativa. Jak se změní celé odvětví.
Tohle je podle mě přesně správná otázka. Mnoho organizací se zatím ptá jen na to, kde ušetřit pár hodin týdně nebo jak zrychlit psaní dokumentů. To je užitečný začátek, ale skutečný dopad přichází až ve chvíli, kdy se AI stane součástí organizačního designu.
Příběh AutoScout24 naznačuje několik širších lekcí:
- Začněte rychle. Příležitosti se mění doslova v řádu týdnů.
- Myslete ve workflow, ne jen v jednotlivých funkcích.
- Propojujte nástroje a data. Největší hodnota vzniká v kontextu.
- Počítejte s kulturní změnou. Technologie sama nestačí.
- Stavte na lidském dohledu. Automatizace potřebuje odpovědnost.
Je také zřejmé, že největší dopad nemusí přijít z veřejných produktových funkcí, ale z interní infrastruktury práce. Když firma zlepší způsob, jakým přemýšlí, staví a koordinuje, zlepší tím nepřímo i všechno ostatní.
🚀 AI native budoucnost už nezačíná zítra
Pokud mám celý příběh shrnout jednou větou, pak asi takto: AI native budoucnost už není vzdálená představa, ale provozní realita, která se právě skládá z konkrétních agentů, workflow a nových pracovních návyků.
AutoScout24 ukazuje, že i velká organizace může jít velmi rychle. Může používat Codex napříč firmou, směřovat k hands off coding, stavět interní agenty během 48 hodin a získat z jediného workflow obrovské úspory. Zároveň připomíná, že nic z toho není statické. Modely se mění rychle, možnosti se rozšiřují a firmy musí být připravené učit se průběžně.
V automotive marketplace je to důležité dvojnásob. Kdo dokáže propojit technologickou rychlost s provozní inteligencí, získá náskok nejen ve vývoji, ale i v tom, jak efektivně funguje celá firma. A právě to může být v příštích letech jedna z největších konkurenčních výhod.
Pro mě je na tom nejzajímavější, že nejde o futuristickou spekulaci. Jde o velmi praktický obraz toho, jak může AI změnit každodenní práci. Méně ručního sběru dat. Méně zbytečné koordinace. Více automatizace. Více prostoru pro rozhodování a tvorbu. Přesně tak podle mě vypadá začátek skutečně AI native éry.
