Na Systeum Hubu: AI Insights jsme přivítali Terezu Fukátkovou z týmu Data Insights, která se zabývá transformací dat do hodnot srozumitelných pro business. Hlavní otázkou diskuze bylo: Jak AI mění datovou analytiku a proč může s daty pracovat každý, ne jen specialisté?
„30 % kódu v Microsoftu už dnes generuje AI. A to je teprve začátek," překvapila mnohé z nás Tereza.
„No code SE NEROVNÁ no brain.” Při práci s AI je potřeba stále používat vlastní selský rozum.
„Novináři, kteří byli v letošním roce nominováni na Pulitzerovu cenu, ve své práci AI využívají téměř všichni.” Ne tak, že by si nechali články napsat, ale například si nechali udělat analýzu, kterou v článku pak použili. (Např. analýza chování E. Muska na základě jeho tweetů). Tito novináři jsou hezkým příkladem toho, že se datová analýza díky AI objevuje i v profesích, kde se dřív nevyužívala.
Tereza nám ukázala, jak se mění nejen práce s daty, ale celé profese. Datová analýza se díky AI objevuje i v oborech, kde bychom ji dřív možná ani nečekali. Pojďme tedy trochu nahlédnout pod pokličku.
Revoluce v přístupu k datům
„Když náš tým Data Insights vznikal, vedení nám dalo jasné zadání: pomozte nám dostat hodnotu z dat, která máme," vzpomíná Tereza. Rychle se ukázalo, že největší přínos spočívá v budování machine learningových modelů a využívání generativní AI na zpracovaných datech. Tento posun od základního business intelligence reportingu k pokročilé analýze představuje zásadní změnu v tom, jak firmy přistupují k datům. Už nejde jen o vizualizaci a jednoduché reporty, ale o prediktivní analýzy a automatizované insights.
Zajímavé je, že se datová analýza díky AI rozšiřuje i do oborů, kde se dříve nevyužívala. Studie BCG ukázala významný dopad AI na různé profese, včetně analytiků a vývojářů, ale překvapivě i na zdánlivě vzdálené obory, například již zmiňované novináře.
Zdroj: obrázek z prezentace Terezy Fukátkové na Systeum Hub: AI Insights
Javonsův paradox: Datoví analytici nestíhají
Tereza přirovnává nástup AI k průmyslové revoluci a vzniku parního stroje, přičemž vysvětluje zajímavý ekonomický jev známý jako Javonsův paradox. „Když začal být parní stroj efektivnější a potřeboval méně uhlí, tak byste čekali, že spotřeba uhlí klesne. Ale bylo to naopak, stal se dostupnějším, začalo si ho pořizovat více firem, takže poptávka po uhlí vzrostla." Podobně se to děje s analýzou dat. Poptávka firem po tom být „data-driven" roste, ale datoví analytici to sami neodbaví. Proto je na lidech v dalších profesích, aby zpracování dat zapojili do svého workflow, což díky AI najednou mohou.
Proměna rolí a nové možnosti
Datoví analytici se tedy o práci bát nemusí, ale jejich role se transformuje dvěma hlavními směry. Zaprvé se věnují pokročilejším úkolům a mohou dělat analýzy, které by dříve nezvládli. Zadruhé více se zaměřují na přípravu dat a jejich kvalitu, což je zásadní pro úspěch jakéhokoliv analytického projektu.
Výsledky studií jsou jednoznačné: AI výrazně pomáhá začátečníkům a zrychluje práci zkušeným. Pokud s daty začínáte, AI je pro vás větší pomocník než pro zkušené datové analytiky. Začátečníkům AI práci zrychlí a pomůže i zkvalitnit, zkušenějším už pouze zrychlí, kvalita se již spíš nezmění.
V praxi můžete AI využívat ve 3 hlavních oblastech:
- Osobní asistent
AI pomáhá s psaním textů, e-mailů a základními analýzami. Může fungovat jako osobní analytik pro lidi z různých oborů.
- Automatizace procesů
Například automatická kontrola smluv v nákupních odděleních nebo zpracování velkých objemů dokumentů.
- Součást produktů
Chatboti na webových stránkách, doporučovací systémy na e-shopech nebo personalizované služby.
Podívejme se dál na to, jak můžeme v různých profesích prakticky využít AI jako osobního asistenta.
Praktické využití AI a jeho limity
Přelomové pro práci s daty bylo přidání funkce code interpreter (advanced data analysis) v ChatGPT. Tato funkce otevřela možnost využít i nástroje generativní AI k analýze dat. Z vložených dat umí vygenerovat textové shrnutí, grafy, mapy, které mohou být dokonce interaktivní a také exportovat výsledky do Excelu. Výhodou je flexibilita programování oproti „krabicovým" řešením, ale existují i významná omezení.
Nástroje mají své limity. Nemohou zpracovat neomezeně velký objem dat kvůli token limitu. Pokud chcete analyzovat data v řádech statisíců řádků, narazíte na technické bariéry. V takovém případě ale můžete AI využít jako programovacího asistenta, který napíše na zpracování velkých dat skripty v Pythonu, poradí, jak data rozdělit na menší části nebo pomůže s kódem na analýzu.
Nebudete sami, kdo využije AI jako osobního asistenta v tomto smyslu.
Podle dat, které Tereza prezentovala:
- 30 % kódu Microsoftu (duben 2025),
- 25 % kódu v Googlu (říjen 2024),
- 50 % kódu v Metě (odhad 2026),
...generuje AI.
I pro programátory platí, že jejich práce se velmi proměňuje, ale nemusí se bát toho, že by byli nahrazení. Při práci s AI je zásadní zachovat kritické myšlení. „AI není kalkulačka," upozorňuje Tereza. „Je to jazykový model, ne matematický. Pokud mu dáte početní příklad, ujistěte se, že si spustil kód. Pokud se kód nespustí, vyhledá odpověď na internetu, což nebude relevantní výsledek." ChatGPT vždy něco odpoví, nikdy neřekne, že neví. Proto je důležité stále používat vlastní selský rozum. „No code se rozhodně nerovná no brain.”
Využití AI asistentů v datové analýze
Datoví analytici v Terezině týmu využívají AI asistenty především při psaní kódu, který tvoří nejčastěji v noteboocích na platformě Databricks s integrovaným AI asistentem umožňujícím okamžité spuštění vytvořeného kódu. Podobně funguje GitHub Copilot nebo Copilot pro Excel, který pomáhá s funkcemi a kontingenčními tabulkami, přičemž větší přínos má spíše pro začátečníky než pokročilé uživatele.
Tereza zdůrazňuje důležitý rozdíl mezi nástroji současně populární generativní AI a tradičním machine learningem, který se ve firmách hojně využívá ke zpracování dat a predikci budoucích trendů. Zatímco generativní AI dokáže generovat texty a obrázky s menšími nároky na kvalitu vstupních dat, klasický machine learning používaný pro predikce a zpracování dat je extrémně náročný na kvalitu a čistotu dat. Špatná data vedou k špatným výsledkům a vyžadují pečlivější přípravu a více úsilí při vývoji
Jedním z nástrojů, který spadá do kategorie Machine Learningu a usnadňuje datovým analytikům práci, je Azure AutoML, který, jak i Tereza zdůrazňuje, vyžaduje opravdu velmi kvalitní data.
Generativní AI umožnila týmu realizovat projekty, které by bez ní nezvládli
1) Analýza sentimentu a klíčových témat
Analyzovali cca 15 000 komentářů (odpovědi na otevřené otázky) v různých jazycích.
2) Automatizace základních insightů
Každé ráno chodí manažerům 3 A4 tabulek jako report, který nemají čas číst. Cílem data týmu bylo udělat manažerům jeden stravitelný odstavec, ve kterém dostanou vypíchnuté to nejpodstatnější.
Dostat zjištění z datové analýzy k business leaderům ve srozumitelné formě je jednoznačně výzva, se kterou analytikům pomáhá storytelling. Komunikaci mezi těmito dvěma týmy je potřeba začít jasným sdělením: „co jsem v datech našla a co vám to říká, co byste měli udělat”.
Zdroj: obrázek z prezentace Terezy Fukátkové na Systeum Hub: AI Insights
A od textu už je to jen malý krůček k tomu, aby z toho byl ranní podcast nebo video. I to je tedy budoucnost analytiky.
Bezpečnost a 3 závěrečné myšlenky
Ne všechny AI nástroje jsou stejně bezpečné. Zatímco některé modely (například čínský DeepSeek) bezpečnost dat negarantují, existují řešení s dobře ošetřenou ochranou dat. Tereza doporučuje modely od OpenAI: „placený ChatGPT Team, Enterprise nebo ChatGPT přes API vám garantují, že data na vstupu i výstupu jsou vaše. I při komunikaci jsou data zašifrována a nemohou být odposlechnuta."
Závěrem...
- AI v analytice se projevuje již nyní, from BI to AI
- Datová analytika není jen pro analytiky, můžou ji využít i lidé z jiných oborů a využívat data k rozhodování, neřídit se jen intuicí.
- AI je pořád nástroj, kterému vy musíte říkat, co má dělat.
Během hubu také padlo na Terezu několik zajímavých otázek z publika, podívejte se tady, co se řešilo.
Nenechte si ujít ani panelovou diskuzi se všemi třemi hostkami.
Chcete-li být u našich dalších akcí mezi prvními, přihlaste se k odběru newsletteru a sledujte nás na sociálních sítích. Děkujeme všem zúčastněným a za jejich skvělé dotazy v živé diskuzi a těšíme se brzy na dalším Systeum Hubu!
⬇️
🟡 Hledáte zajímavý projekt? Mrkněte, jak to u nás chodí a jaké kolegy aktuálně hledáme.
🟡 Máte kolegu nebo kamaráda, který se poohlíží po novém projektu? Zapojte se do našeho referral programu Doporuč a získejte finanční odměnu za doporučení.
