Advertise on podcast: Data: Heaven or Hell? (Adastra Podcast)

Jak se měří dopad systémové změny ve vzdělávání?  Proč je těžší pracovat s kvalitativními rozhovory než s tabulkou počtů škol a učitelů?  A jak může AI pomoci školám doporučovat vhodné formy podpory podle jejich konkrétních potřeb?

Jak připravit data, tak aby AI skutečně pomáhala a neškodila?  Jak funguje „chat with your data“ v praxi?  A proč bez kontextu AI odpovídá špatně, i když má správná data? Zjistěte více o řešení Power BI.

Jak dlouho trval vývoj a rollout řešení?  Proč byl pilot klíčový pro přijetí mezi poradci?  A jaké další procesy chtějí v Člověku v tísni digitalizovat dál – od komunikace s finančním arbitrem až po soudy? Více o řešeních Power Platform a kvalitě dat.

Proč je porovnávání statutů fondů ideální úkol pro umělou inteligenci— a jak AVANTu pomáhá snížit riziko chyb i právní nejistoty. Jak by AI mohla asistovat při oceňování aktiv na základě předchozích posudků a výpočtových rámců.  Proč si Bezděk myslí, že AI může porazit juniory, ale ne nahradit manažera, který dělá zásadní rozhodnutí bez dostatku dat. Jaké změny AI přináší na trh práce — a proč se podle Bezděka vyplatí jít cestou, která člověka skutečně baví. Proč je regulace AI nezbytná, i když nedokáže zastavit vývoj. A jak by mohla AI sehrát roli ve světovém geopolitickém přetahování o technologickou dominanci.

Zemědělské stroje, které se skládají z tisíců dílů. Tým plánovačů, který přestával stíhat každou změnu. A linková výroba, která měla přinést vyšší efektivitu – ale zpočátku zpomalila celý provoz. „Museli jsme si přiznat, že to sami neutáhneme. A začali jsme hledat nástroj, který by plánování zvládl rychleji a lépe než člověk,“ říká Jan Slavík, IT ředitel společnosti Bednar FMT, v podcastu Adastry. Zjistěte více o řešení: AI plánování a optimalizace

V CETIN nepodléhají každému hype. Když přišla AI vlna, místo chatbotů a hezkých demo ukázek začali hledat konkrétní byznysové případy, kde může umělá inteligence reálně pomoct. „Nepotřebujeme víc sexy nástrojů. Potřebujeme nástroje, které fungují,“ říká Jan Štěpánovský, CIO CETIN, v novém dílu podcastu Adastry. Zjistěte více o řešení: Data governance

Zjistěte více o řešení: Hyperautomatizace

Na trhu existuje přes 900 000 jazykových modelů. Najít ten nejlepší pro konkrétní úkol je pro většinu lidí téměř nemožné. I proto vznikla platforma Everbot, která za uživatele vybere ideální AI model. „Lidé chtějí výsledek. Ne řešit, který z nástrojů použít,“ říká v novém dílu podcastu Adastry Roman Berglowiec, zakladatel a CEO Everbot a podnikatel, který s AI pracuje už od roku 2018.

Jak snížit spotřebu materiálu v lakovně, vytížit linky ve svařovně a zohlednit 13 výrobních omezení v každodenním plánu? V Hyundai Nošovice na to šli přes data a optimalizační algoritmy.  „Naše výroba funguje jako obrovský orloj – pokud něco nezapadne, celé se to zpomalí. Lidské plánování už nestačilo,“ říká Artur Heider, specialista na výrobní plánování v Hyundai, v novém díle podcastu Adastry.  Ve spolupráci s Adastrou spustili proof of concept optimalizačního softwaru pro lakovnu a svařovnu. Výsledek? Úspora okolo 13 milionů korun ročně a návratnost investice do čtyř měsíců.  Co všechno projekt přinesl?  Ve svařovně pomohl model zohlednit složitá omezení pro sekvenci modelů různých aut, aby nedocházelo ke zbytečným prostojům.  V lakovně vedla optimalizace k výraznému snížení spotřeby ředidel, protože minimalizuje zbytečné přepínání barev.  Softwarová aplikace se přes API napojuje na interní systém, upraví plán a vrací ho zpět – denně, automaticky.  Projekt zaujal i ostatní závody v rámci koncernu Hyundai-Kia, například v Žilině nebo Turecku. A co bylo nejtěžší? „Přesvědčit vedení, že se vyplatí investovat do nástroje, který není z Koreje. Ale povedlo se – a dnes už vidí výsledky,“ uzavírá Heider. Zjistěte více o řešení: AI plánování a optimalizace Přečtěte si celou případovou studii: https://adastracorp.com/cs/success-stories/optimalizace-vyrobniho-planu-a-lakovny-setri-hyundai-125-milionu-kc-rocne/

Jestli chcete demokratizovat data, nestačí nasadit nový cloud nebo postavit datový tým. „Data mesh není jen technologická změna. Měníme způsob, jakým firma přemýšlí o datech i o odpovědnosti,“ říká Adéla Ráčková, Tribe Leader datového týmu v T-Mobile, v novém dílu podcastu Adastry. Spolu s Vojtěchem Laifrem, Data Mesh Product Ownerem, mluví o tom, proč se rozhodli opustit starý datový sklad a jít cestou decentralizace.  T-Mobile dnes buduje hybridní architekturu s využitím privátního i veřejného cloudu, zavádí datovou akademii, datovou kulturu a mění i operační model tak, aby byznysové jednotky samy vytvářely datové produkty a sdílely je napříč firmou.  - Osm byznysových domén už pracuje s data meshem. Cílem je jich 47 – a žádná cesta není stejná. - Vzdělávání běžných uživatelů i analytiků běží přes datovou akademii a interní komunitu. - Kde nestačí centrální IT, nastupují týmy s vlastními datovými rolemi. Výsledkem jsou rychlejší use cases, které přináší hodnotu bez zdlouhavého schvalování.  Jak se nastavuje data governance v decentralizovaném světě? Kdy dává smysl veřejný cloud – a kdy ten privátní? A proč je důležité nezapomenout na manažery, kteří mají datové změny podporovat?  Zajímá vás data mesh? Zjistěte více: https://adastracorp.com/cs/data-mesh/

Každý den musí AAA Auto vykoupit a prodat 300 aut. Bez pokročilých datových systémů by to podle Zdeňka Demetera, CEO společnosti Resulmatic (data a AI divize AAA Auto), nebylo možné. „Dnes už nejsme jen data-driven firma. Jsme data-managed. Polovina cesty zákazníka je čistě digitální,“ říká v novém dílu podcastu Adastry. V podcastu popisuje, jak Resulmatic za posledních deset let vybudovala robustní datovou infrastrukturu a týmy, které zajišťují, aby byl nákup a prodej ojetých vozů v Česku, na Slovensku i v Polsku maximálně efektivní. - Každý týden probíhá detailní rozbor více než 20 klíčových metrik napříč celým funnel procesem.- Nasazení AI hlasového asistenta do call centra přineslo výsledky tak dobré, že dnes zvládá velkou část běžné agendy lépe než lidští operátoři.- Z dat dokážou predikovat poptávku, sezónnost i důsledky geopolitických změn. A to v reálném čase. Jak se podařilo postavit firmu, kde se každý týden dívají na čísla až na třech úrovních managementu? Jak AI volá zákazníkům a domlouvá schůzky? A proč je podle Demetera nejtěžší věcí v AI projektech dodat správný kontext dat? Poslechněte si celý díl podcastu. Zjistěte více o řešení: AI-ready data

Ví, že umělá inteligence na trhu pomalu rozdává karty a že určuje, kdo zvládne držet krok a kdo se bude trápit. Chcete-li cílem udržet nejen konkurenceschopnost, ale také vybudovat interní oddělení, které bude machr na AI. Jak na to? O tom hovoří Pavel Jindra, manažer IT platforem v CETIN. Zjistěte více o řešení: AI strategie a AI governance

Zjistěte více o řešení: Data governance, Kvalita dat

• Proč říká, že se z nich stává datová firma?• Co znamená, když ze solárního pole coby výrobku uděláte komplexní službu?• Jakým výzvám aktuálně čelí solární byznys a kam směřuje trh? Zjistěte více o řešení: AI plánování a optimalizace, strojové učení a prediktivní analýza

Které milníky nejvíce přispěly k současnému vývoji AI? Proč je právě nyní umělá inteligence snadno dostupná a rozšířená? Jaké trendy by firmy měly sledovat a kde by měly být opatrnější a počkat na další vývoj? Zjistěte více o řešení: AI strategie a AI governance