Rychlost bez jistoty je risk. Jistota bez rychlosti zase často znamená promarněnou příležitost. Právě na rovnováze těchto dvou věcí staví Ramp svůj přístup k růstu, produktové práci i obchodnímu nasazení. Finanční operační platforma, která se pohybuje ve velmi konkurenčním prostředí, nasadila Perplexity Enterprise jako nástroj pro rychlejší výzkum, lepší přípravu na jednání a snížení rutinní práce napříč týmy.
Za nejzajímavější na tomto příběhu považuji to, že nejde jen o další zavedení AI asistenta do firmy. Ramp řeší mnohem konkrétnější problém: jak dát zaměstnancům okamžitý přístup k relevantním, aktuálním a dohledatelným informacím, aniž by obětovali kvalitu rozhodnutí nebo bezpečnost firemních dat.
Výsledkem má být rychlejší go-to-market engine, tedy schopnost uvádět produkty na trh, vést obchodní rozhovory, reagovat na potřeby zákazníků a dělat produktová rozhodnutí s větší intenzitou. Podle zkušeností lidí z Rampu dokáže tento způsob práce výrazně zkrátit čas strávený rešerší a u některých úkolů násobně zvýšit osobní produktivitu.
Obsah
- ⚡ Rychlost a jistota musí fungovat společně
- 🔎 Kde dřív mizely celé hodiny
- 🧠 Perplexity jako partner pro výzkum, ne jen vyhledávač
- 📈 Obchodní příprava, která zabere polovinu času
- 🧩 Produktové týmy potřebují pružný výzkum
- 🛠️ Podpora zákazníků a kombinace více zdrojů
- 🔐 Bezpečnost dat jako podmínka pro enterprise AI
- 🚀 Čtyřnásobný výstup bez snížení laťky
- 📌 Co si z přístupu Rampu beru pro vlastní tým
- ✅ Rychlejší go-to-market nemusí znamenat zkratky
⚡ Rychlost a jistota musí fungovat společně
Ramp popisuje úspěch jednoduše: tým musí pracovat rychle a zároveň mít důvěru ve správnost informací. Jedna vlastnost bez druhé nestačí.
Tohle je důležitá připomínka i pro firmy, které zvažují AI nástroje pro obchod, produkt, zákaznickou podporu nebo marketing. Pokud zaměstnanec získá odpověď během pár vteřin, ale není schopný ověřit, odkud informace pochází, může být výsledkem jen rychlejší cesta k chybě. Naopak dlouhé ruční dohledávání zdrojů může být důkladné, ale ve chvíli, kdy se mění trh, zákazník nebo konkurence, už nemusí být dostatečně pružné.
Ramp proto hledal nástroj, který propojí oba požadavky. Perplexity Enterprise využívá jako vyhledávacího a výzkumného partnera, který přináší stručně uspořádané odpovědi a zároveň uvádí zdroje. Pro pracovní týmy je to podstatné hlavně tehdy, když potřebují udělat rychlou kontrolu faktů, ověřit situaci na trhu nebo si připravit podklady pro konkrétní rozhodnutí.
Z mého pohledu jde o změnu pracovního návyku. Namísto hledání jednotlivých odkazů, otevírání desítek karet a skládání poznatků do jednoho obrazu mohou lidé začít otázkou. Potom mohou odpověď rozvíjet doplňujícími dotazy, prověřit citované zdroje a zaměřit se na to, co z nalezených informací skutečně vyplývá.
🔎 Kde dřív mizely celé hodiny
Před nasazením Perplexity znamenala běžná rešerše často ruční průchod několika typy zdrojů. Lidé si procházeli interní dokumentaci, firemní weby konkurentů, vlastní poznámky, zpravodajské články i veřejné webové stránky společností. I poměrně úzká otázka tak mohla zabrat celé hodiny.
Takový postup má smysl, když jde o zásadní strategickou analýzu. Problém nastává, když se stejný proces opakuje před každým obchodním hovorem, při každé produktové debatě nebo při rychlé odpovědi zákazníkovi. Čas, který padne na vyhledávání a kopírování faktů, pak chybí u práce, která má pro firmu vyšší dopad.
V Rampu se právě tato repetitivní část práce ukázala jako vhodný kandidát pro AI. Nejde o to odstranit lidský úsudek. Jde o to odstranit zbytečné přepínání mezi nástroji, opakované hledání podobných informací a ruční shrnování veřejně dostupných podkladů.
Za typické časové ztráty bych v podobném procesu označil hlavně:
- hledání základních údajů o potenciálním zákazníkovi nebo partnerovi,
- porovnávání webů konkurence a jejich aktuální nabídky,
- ověřování jednotlivých faktů před interní debatou,
- sběr novinek a veřejných signálů o konkrétní firmě,
- přípravu podkladů před obchodní schůzkou,
- procházení různých zdrojů podpory při řešení složitějšího požadavku.
Tohle jsou úkoly, které samy o sobě nemusí být obtížné. Jsou ale roztříštěné. Vyžadují mnoho malých kroků a přerušení. Právě zde může dobře použitý výzkumný nástroj přinést velkou úsporu, protože shromáždí relevantní informace do jedné odpovědi a ponechá člověku práci s interpretací.
🧠 Perplexity jako partner pro výzkum, ne jen vyhledávač
Ramp nepoužívá Perplexity pouze jako rychlejší alternativu ke klasickému vyhledávání. Jeden z členů týmu ho popisuje spíš jako osobního partnera pro výzkum a přemýšlení. Tento rozdíl stojí za pozornost.
Klasické vyhledávání obvykle začíná seznamem výsledků. Člověk pak musí sám rozhodnout, které odkazy otevře, co je důvěryhodné, co je aktuální a jak jednotlivé zdroje propojit. Konverzační výzkumný nástroj naopak může začít souhrnnou odpovědí, kterou lze zpřesnit dalšími otázkami.
V praxi to znamená, že namísto pátrání po izolovaných faktech lze rovnou zkoumat širší problém. Člověk se nemusí zastavit u otázky „kde to najdu?“, ale může pokračovat otázkami typu „co z toho plyne?“, „jak se tato firma liší od konkurence?“ nebo „které informace ještě potřebuji ověřit?“
Takové použití nevytváří hodnotu jen rychlostí. Umožňuje také udržet souvislosti. Výzkum se neomezuje na jeden izolovaný dotaz, ale může se vyvíjet podle toho, co člověk zjistí. Ramp ocenil zejména rychlé reakce nástroje a smysluplné doplňující směry, které otevíral při dalším zkoumání tématu.
Za užitečné považuji, že tento způsob práce podporuje přirozenou zvědavost. Pokud je získání prvního přehledu zdlouhavé, lidé se často spokojí s minimem informací. Pokud mají přehled rychle k dispozici, mohou věnovat více energie otázkám, které skutečně ovlivní obchodní nebo produktové rozhodnutí.
Citace zdrojů jako součást pracovního standardu
Rychlá odpověď sama nestačí. V Rampu hraje důležitou roli také to, že výsledky obsahují uvedené zdroje. Uživatel tak může dohledat původ tvrzení, zkontrolovat kontext a rozhodnout, jestli je informace dostatečně spolehlivá pro daný účel.
To je rozdíl mezi pouhým generováním textu a výzkumným workflow. Ve firmě se informace často promítají do jednání se zákazníky, priorit produktového týmu nebo podpory partnerů. Možnost otevřít zdroj a ověřit si podklad proto pomáhá budovat důvěru v nástroj i v samotný výstup.
Já bych citace bral jako minimální požadavek všude, kde se pracuje s veřejnými fakty, konkurenčními informacemi nebo přípravou na externí komunikaci. Podpůrný kontext k řízení rizik při nasazování AI nabízí také AI Risk Management Framework od NIST, který zdůrazňuje potřebu hodnotit důvěryhodnost, řízení a dopady AI systémů.
📈 Obchodní příprava, která zabere polovinu času
Jedna z nejkonkrétnějších zkušeností přichází z obchodní přípravy. Dřívější postup byl typický pro mnoho obchodních týmů: před hovorem bylo potřeba projít vyhledávač, zprávy, firemní web a další veřejné zdroje. Příprava přitom mohla zabrat hodiny.
S Perplexity si obchodní pracovník v Rampu vytváří vlastní prostor pro každého klienta. V něm si nechává sestavit relevantní informace, například hlavní priority finančního ředitele, příjmový model firmy nebo další souvislosti důležité pro daný účet.
Výstup je podán stručně a s uvedenými zdroji. Podle sdílené zkušenosti se tím čas na přípravu hovoru zkrátil přibližně o polovinu. Neznamená to, že by zmizela potřeba přípravy. Mění se ale její charakter. Místo mechanického sběru dat se obchodník může více soustředit na pochopení zákazníka a formulaci užitečné konverzace.
To je pro go-to-market engine velmi podstatné. Obchodní tým nemá vyhrávat tím, že dokáže rychleji kopírovat informace z internetu. Má vyhrávat tím, že dokáže vést lepší dialog, dobře rozumí situaci zákazníka a umí propojit jeho potřeby s reálným řešením.
Jestliže se čas přípravy zkrátí, uvolní se prostor pro hodnotnější činnosti:
- více skutečných rozhovorů se zákazníky,
- lepší promyšlení hypotéz před schůzkou,
- rychlejší reakce na nové informace,
- kvalitnější následnou komunikaci,
- průběžné zlepšování práce s jednotlivými účty.
Ramp tím zároveň ukazuje, že AI pro obchod nemusí být jen nástrojem na automatické psaní e-mailů. Stejně silná může být v části, která předchází samotné komunikaci: v průzkumu, pochopení kontextu a přípravě relevantních otázek.
🧩 Produktové týmy potřebují pružný výzkum
Rychlý přístup k informacím není užitečný pouze v prodeji. Ramp doporučil Perplexity také produktovým týmům, kde je schopnost rychle zkoumat různé směry mimořádně důležitá.
Produktová práce se málokdy odehrává v dokonale přehledném prostředí. Týmy musí sledovat konkurenci, chápat tržní změny, kontrolovat veřejnou dokumentaci, promýšlet integrace a doplňovat interní znalosti. Při tom všem často potřebují přesunout pozornost z jedné otázky na druhou bez velkého zdržení.
Perplexity v tomto modelu funguje jako pružná vrstva výzkumu. Tým může rychle prozkoumat určitý problém, ověřit si fakta, zjistit, co je veřejně dostupné, a následně pokračovat hlubší analýzou tam, kde to dává smysl. Nástroj nenahrazuje produktovou strategii ani rozhovory se zákazníky. Může ale výrazně zkrátit cestu k prvnímu informovanému pohledu.
Z mé perspektivy je největší výhodou zachování tempa myšlení. Když člověka napadne nová otázka a odpověď musí hledat dlouhé minuty nebo hodiny, kontext se snadno rozpadne. Když může otázku rychle položit, posoudit odpověď a navázat další úvahou, výzkum se stává plynulejší součástí rozhodování.
Pro produktové týmy to může znamenat například rychlejší orientaci v tom, jak jiní hráči popisují podobný problém, jakou terminologii používají nebo které oblasti je potřeba dále prověřit. Konečné závěry však stále potřebují lidské posouzení, interní data a znalost konkrétních zákazníků.
🛠️ Podpora zákazníků a kombinace více zdrojů
Výrazný moment přišel také ze zákaznické podpory. Tým podpory začal sahat po Perplexity i mimo existující interní AI nástroje, protože dokázal propojit informace s dokumentací center nápovědy integračních partnerů a přinášet hlubší odpovědi.
Tohle je dobře známý problém. Zákaznický požadavek často nepokrývá jen jeden produkt. Může zahrnovat vlastní službu firmy, nastavení integrace, externí platformu a dokumentaci dalšího dodavatele. Pokud jsou znalosti rozdělené do několika systémů, pracovník podpory může strávit značnou část času pouhým hledáním správného návodu.
Když nástroj dokáže relevantní externí dokumentaci zahrnout do odpovědi, může podpoře pomoci rychleji se dostat k užitečnému vysvětlení. Pro Ramp to byl signál, že nástroj není jen příjemným doplňkem, ale že stojí za širší nasazení v pracovních postupech.
Přitom je důležité rozlišovat mezi nalezením odpovědi a jejím odesláním zákazníkovi. U zákaznické podpory je stále potřeba zkontrolovat přesnost, aktuálnost a vhodnost formulace. Přínos spočívá v tom, že pracovník dostane rychlejší výchozí bod a může věnovat více pozornosti konkrétní situaci zákazníka.
Od obcházení nástrojů k promyšlenému nasazení
Skutečnost, že se lidé snaží najít vlastní cestu k užitečnějšímu nástroji, je pro firmu důležitá zpráva. Znamená to, že stávající workflow neřeší jejich potřeby dostatečně dobře. Zároveň to ale otevírá otázky správy dat, přístupů a bezpečnosti.
Ramp na tuto potřebu reagoval tím, že hledal řešení použitelné napříč týmy, nikoli jen individuální experiment. To je rozumný krok. Pokud se AI začne používat ve velkém, firma potřebuje jasná pravidla, kontrolu nad přístupy a pochopení toho, jak jsou informace zpracovávány.
🔐 Bezpečnost dat jako podmínka pro enterprise AI
Rychlost ani pohodlí nemají ve firemním prostředí velkou cenu, pokud lidé nemají důvěru ve způsob nakládání s daty. Ramp proto výslovně zdůrazňuje komfort z bezpečnostního hlediska a oceňuje podnikové kontrolní mechanismy Perplexity Enterprise.
Za klíčový bod považuje skutečnost, že data nejsou používána k trénování modelů. Pro firmy, které pracují s citlivými interními materiály, zákaznickými údaji nebo neveřejnými strategickými informacemi, je to základní otázka při výběru AI platformy.
Vedle toho Ramp hledal enterprise kontroly, které mají chránit bezpečnost dat. Ve větší organizaci nejde jen o technologii samotnou. Je potřeba určit, kdo má k čemu přístup, jaké typy informací lze do nástroje vkládat, kde platí schvalovací pravidla a jak se bude používání nástroje řídit.
Já bych při zavádění AI do firmy kontroloval minimálně tyto oblasti:
- Pravidla pro data: Je jasné, jaké informace mohou zaměstnanci používat a jaké naopak nikoli?
- Trénování modelů: Je srozumitelně definováno, zda poskytovatel používá zákaznická data pro další trénink?
- Přístupová práva: Odpovídají oprávnění rolím a skutečným pracovním potřebám?
- Ověřování výstupů: Mají lidé možnost kontrolovat zdroje a rozpoznat odpověď, která vyžaduje další validaci?
- Začlenění do workflow: Existuje jasný způsob, jak nástroj používat v obchodě, produktu a podpoře bez improvizace?
Více informací o firemních funkcích nabízí také stránka Perplexity Enterprise. Samotný výběr nástroje ale nemůže nahradit interní pravidla. Bezpečné nasazení stojí na kombinaci technologie, procesů a odpovědnosti uživatelů.
🚀 Čtyřnásobný výstup bez snížení laťky
Nejsilnější tvrzení z Rampu se týká produktivity. Jeden z členů týmu popisuje, že ve stejném čase dokáže vytvořit až čtyřnásobný objem výstupu, přičemž si zachovává důvěru v jeho přesnost a relevanci.
Takové číslo je potřeba číst v kontextu konkrétní práce. Neznamená, že každá činnost bude automaticky čtyřikrát rychlejší. U opakovaného výzkumu, ověřování veřejných informací, přípravy podkladů a orientace v dokumentaci ale může být rozdíl opravdu výrazný.
Podstatné je, že Ramp nespojuje produktivitu s bezhlavým zvyšováním objemu. Cílem je držet vysoko nastavenou laťku kvality a přitom postupovat rychleji. To je dobrý princip pro každý tým, který pracuje s AI.
Pokud nástroj pouze navyšuje počet vytvořených dokumentů, e-mailů nebo odpovědí, nemusí to znamenat lepší práci. Skutečný přínos vzniká ve chvíli, kdy lidem zbude více času na náročnější rozhodování, kreativní řešení, vztahy se zákazníky a práci, která má přímý dopad na byznys.
V Rampu se tento posun projevuje velmi prakticky. Méně času jde na přípravu a rešerši. Více času může jít na samotné rozhovory s klienty. Méně energie se spotřebuje na dohledávání izolovaných faktů. Více energie se věnuje otázkám, které vedou k lepšímu pochopení problému.
📌 Co si z přístupu Rampu beru pro vlastní tým
Příběh Rampu není jen o konkrétním produktu. Ukazuje několik principů, které se dají použít při jakémkoli zavádění enterprise AI do go-to-market organizace.
První princip je začít u konkrétního úzkého místa. Ramp neřešil AI jako abstraktní inovaci. Řešil hodiny strávené ručním výzkumem, pomalou přípravu na hovory, roztříštěné zdroje informací a potřebu držet krok s rychlým tempem firmy.
Druhý princip je kombinovat rychlost s ověřitelností. Odpověď bez zdrojů může být užitečným návrhem, ale pro pracovní rozhodnutí často nestačí. Citované zdroje pomáhají lidem posoudit kvalitu informací a udržet odpovědnost tam, kde patří, tedy u člověka, který rozhoduje.
Třetí princip je dát přednost hodnotnější práci. Pokud AI odstraní jen trochu rutiny, ale zaměstnancům nepomůže věnovat se zákazníkům, produktovým rozhodnutím nebo důležitým problémům, její dopad bude omezený. Ramp ukazuje, že nejlepší využití vzniká tehdy, když ušetřený čas skutečně přechází do činností s vyšší hodnotou.
Čtvrtý princip je neoddělovat adopci od bezpečnosti. Lidé budou hledat efektivní nástroje. Firma proto potřebuje nabídnout schválené řešení, které je dostatečně užitečné pro každodenní práci a současně respektuje požadavky na správu a ochranu dat.
Pátý princip je podporovat otázky, nikoli jen odpovědi. Nejlepší pracovní použití AI nevzniká tehdy, když někdo slepě převezme první výstup. Vzniká tehdy, když nástroj zrychlí cestu k dalším, přesnějším a důležitějším otázkám.
✅ Rychlejší go-to-market nemusí znamenat zkratky
Ramp staví svůj go-to-market engine na myšlence, že vysoké tempo nemusí znamenat povrchnost. Perplexity Enterprise zde funguje jako vrstva, která zkracuje ruční výzkum, zlepšuje přípravu na obchodní hovory, podporuje produktové zkoumání a pomáhá zákaznické podpoře pracovat s širší sadou zdrojů.
Největší změna není v tom, že firma získala další AI aplikaci. Změna je v přesunu času. Lidé mohou méně vyhledávat, méně přepínat mezi zdroji a méně se zdržovat rutinními kroky. Více se mohou soustředit na zákazníky, strategii, produkt a rozhodnutí s reálným obchodním dopadem.
Pro mě je hlavním závěrem jednoduchá věta: dobrá enterprise AI by měla zrychlit práci, aniž by oslabila důvěru v její výsledek. Ramp ukazuje, že když se spojí rychlý výzkum, citované zdroje, promyšlené workflow a bezpečnostní kontrola, může AI pomoci firmě udržet vysoký standard a přitom postupovat mnohem svižněji.
Další informace o společnosti Ramp jsou dostupné na jejím oficiálním webu.
