Nekonečné čištění dat a hledání chyb v tabulkách je pro mnoho analytiků každodenní rutinou. Generativní umělá inteligence ale nabízí cestu, jak se jí konečně zbavit. Rozhovor je praktickou ochutnávkou toho, co konzultantka v oblasti controllingu Vendula Glosová se studenty do hloubky řeší v kurzu Využití AI v datové analýze.
Dnes se dozvíte například to, kde dnes AI modely šetří nejvíce času, proč je kvalitní prompt naprostý základ a na jaká bezpečnostní pravidla si dát pozor při nahrávání firemních dat.
Vendulo, z pozice konzultantky v controllingu pracujete s přesnými daty. Jsou dnešní AI nástroje schopné tuhle přesnost dodržet? Dá se jim věřit?
U AI nástrojů dnes nelze garantovat 100% přesnost. Fungují na principu pravděpodobnosti a na základě dat, ze kterých se učí, takže mohou vytvářet i nepřesné nebo smyšlené závěry.
Dá se jim věřit ve chvíli, kdy pracují nad konkrétními daty a nemají prostor si věci domýšlet. I tak je ale potřeba jejich výstupy vždy kontrolovat. Já osobně AI beru primárně jako asistenta, ne jako zdroj finální pravdy.
Ve kterých fázích práce s daty dnes generativní modely analytikům nejčastěji šetří čas?
Generativní AI dnes nejvíc šetří čas v několika fázích práce s daty. První je příprava dat – čištění, transformace nebo identifikace chyb. Dále funguje jako silný asistent při analýze, kdy pomáhá tvořit DAX, vzorce nebo skripty v Excelu a vysvětluje jejich fungování.
Velkou hodnotu přináší i v interpretaci dat, například při tvorbě komentářů ke KPI nebo shrnutí trendů.
A v neposlední řadě zrychluje komunikaci výstupů – generování reportů, prezentací nebo podkladů pro management.
Můžete uvést příklad situace, kdy je naopak lepší umělou inteligenci úplně vynechat a spolehnout se čistě na selský rozum a klasické tabulky?
Typicky bych AI vynechala ve chvíli, kdy pracuji s citlivými nebo důvěrnými daty, která nemohou opustit firmu.
Další situace je, když data nejsou kvalitní – jsou nestrukturovaná, bez kontextu nebo obsahují chyby. V takovém případě AI často spíš „domýšlí“, než analyzuje, a výstup pak není spolehlivý. Tam je lepší použít klasický přístup, data si nejdřív vyčistit a pochopit (třeba i za pomoci AI). AI má smysl zapojit až ve chvíli, kdy máte kvalitní vstup.
Zadat jednoduchý úkol chatbotovi už umí asi každý. Co ale odlišuje běžný dotaz od takového promptu, který generuje použitelné výsledky?
Rozdíl je hlavně v míře konkrétnosti a kontextu. Běžný dotaz je hodně obecný, zatímco kvalitní prompt přesně říká, jaký má být výstup, z jakých dat vycházím a v jakém kontextu se pohybuji. Čím lépe ten problém popíšete, tím kvalitnější výstup dostanete.
A důležitá je i iterace – málokdy dostanete ideální odpověď napoprvé. Postupně si spíš osvojíte, jak s AI komunikovat a jak si ji „navést“ k požadovanému výsledku.
Dokáže AI pomoci třeba s překladem složitých čísel do srozumitelné byznysové řeči?
Ano – právě v tom je AI velmi silná, protože umí převést čísla do srozumitelného příběhu pro byznys. Celkově umí přizpůsobit jazyk cílové skupině a navrhne vám více variant výstupu.
Pořád ale platí, že finální interpretace by měla zůstat na člověku.
Veškerý obsah v užitečném formátu. Rozhovory, články, life hacky a tipy ze světa businessu i korporátů na našem LinkedIn profilu.
Pojďte se připojit!
Někdy se od nových technologií očekávají zázraky. Setkáváte se s tím také?
Ano, velmi často – lidé od AI očekávají, že za ně udělá veškerou práci. U některých činností to samozřejmě možné je, ale u řady z nich ne.
V mém případě je největší síla AI v tom, že mi výrazně urychluje práci. Beru ji jako asistenta, který mi pomáhá pochopit věci, navrhuje řešení a zároveň mě učí nové přístupy. Ne, že by mě nahrazovala, ale posouvá mě dál.
Dnes existuje nespočet různých aplikací a platforem. Kdy je podle vás ten správný moment přejít od klasického Excelu k robustnějším řešením?
Správný moment nastává ve chvíli, kdy Excel přestává být spolehlivým zdrojem pravdy.
Typicky když pracujete s větším objemem dat, potřebujete automatizovaný reporting a pravidelnou aktualizaci bez manuálních zásahů. V tu chvíli začíná být Excel limitující – ať už z pohledu výkonu, propočtů nebo napojení na více datových zdrojů. Často se přidávají i problémy se sdílením a verzováním souborů. To je obvykle signál, že má smysl přejít na jiné řešení.
S firemními daty úzce souvisí i otázka bezpečnosti. Jaká základní pravidla při práci s AI dodržovat, aby nedocházelo k úniku citlivých informací?
Základem je dodržovat interní pravidla firmy, která by měla jasně definovat způsob práce s AI nástroji. Obecně platí, že do AI by se neměla vkládat citlivá data ani informace, které podléhají GDPR.
Důležité je také vědět, jaký nástroj používáte a v jaké verzi – rozdíl mezi veřejnými a enterprise nástroji je z pohledu bezpečnosti zásadní. V praxi se osvědčuje data anonymizovat nebo agregovat.
A pokud potřebujete řešit postupy, predikce nebo testování, je často bezpečnější nechat si od AI vygenerovat modelový dataset místo práce s reálnými daty.
Myslíte si, že AI nástroje časem seberou analytikům práci?
To si nemyslím. Spíš se změní role analytiků. AI dnes dokáže převzít rutinní činnosti, jako je příprava dat nebo základní analýzy, a v tomhle ji můžete vnímat jako parťáka, který zastane práci juniorního analytika.
Zároveň se podle mě bude čím dál víc prohlubovat rozdíl mezi analytiky, kteří AI aktivně využívají, a těmi, kteří ne. Klíčová pak bude schopnost interpretace, kontextu a vysvětlení výsledků pro byznys.
Jaký postup byste doporučila někomu, kdo má před sebou svůj první větší datový projekt a neví, jak přesně s AI začít?
Určitě je dobré začít tím, že si položíte „otázku na konec“ – tedy co přesně chcete zjistit a jaký má být výstup. Na to se často zapomíná. Následně dává smysl projít data, pochopit jejich strukturu a začít je zpracovávat v odpovídajících nástrojích.
AI můžete využít v průběhu celého procesu jako asistenta – pomůže vám formulovat otázky, navrhnout postup, doporučit vhodné nástroje nebo zrychlit analýzu. Důležité je ale pořád koukat na výstupy AI kriticky a automaticky je hned nepřejímat.
Když jste vy sama začala využívat AI opravdu systematicky, jak to ovlivnilo vaši každodenní práci?
Začala jsem pracovat výrazně rychleji, hlavně u rutinních úkolů. AI mi funguje jako konzultant, se kterým řeším postupy, hledám nové pohledy a rozšiřuji si obzory. Velký přínos vidím i v tom, že se díky ní mnohem rychleji učím a dokážu si lépe pochopit složitější témata.
Když se při práci zaseknu, AI mi často pomůže najít řešení nebo mě nasměruje dál. Celkově mi pomáhá být efektivnější a jistější v tom, co dělám.
Jaké první kroky by podle vás měl udělat člověk, který se právě rozhodl zapojit AI nástroje do své práce s daty?
Začala bych tím, že si identifikuji dvě konkrétní činnosti, ve kterých mi AI může ušetřit čas nebo zjednodušit práci. Na nich bych se naučila s AI komunikovat.
Následně bych si vybrala nástroj, který nejlépe odpovídá mým potřebám a podmínkám. Pak je důležité naučit se s ním pracovat – tedy správně formulovat zadání a postupně si ho „nastavit“ tak, aby mi dával výstupy v požadovaném stylu.
A určitě bych to nevzdávala po prvním neúspěšném výsledku – práce s AI je hlavně o iteraci a učení se za pochodu.
