55. Rozhovor: Otakar Mráz - AI v T-Mobile: Od týmové iniciativy k firemní strategii
Dokáže jeden tým v korporátu zavést umělou inteligenci rychleji než celá centrála? A co když je to dokonce efektivnější cesta?
Jak dostat AI do velké firmy , když ještě nemátecentrální AI tým, jasný proces ani firemní roadmapu?
V této epizodě podcastu AI v kostce si povídáme s OtakaremMrázem z T-Mobile , který popisuje velmi konkrétní zkušenost: jak se u nichAI nezačala zavádět shora, ale zespodu – přes malou skupinu lidí, kteřínechtěli čekat, až korporace všechno schválí a připraví .
AI pro přípravu na schůzky s právníky, tvorbu prezentací,jazykové vzdělávání, ukládání úkolů přes hlas, analýzu logů v síťové části firmy nebo tvorbu interních aplikací během jednoho víkendu. Právě tahle částukazuje, že AI ve firmě nezačíná velkou strategií, ale často tím, že si lidé nejdřív sami ověří, kde jim opravdu šetří čas.
Proč AI adopci ve firmách často nebrzdí technologie, alelidé, návyky a nejistota? A proč je mnohem účinnější, když AI kolegům ukazuje někdo z jejich vlastního týmu, než když o ní mluví externista zvenku?
V této epizodě se dozvíte
- proč v T-Mobile začali jen s pár lidmi a dobrovolně
- jak fungovaly jejich pravidelné AI check-iny a co přinesly
- proč se AI ve firmě nejlépe šíří přes kolegy, ne přes direktivu
- jaké první use casy fungovaly v osobní efektivitě
- jak AI pomáhá s prezentacemi, schůzkami a přípravou argumentů
- jak si zaměstnanci staví vlastní malé aplikace díky AI
- jak AI pomáhá technikům analyzovat logy a hledat root cause problémů
- kde naráží korporace na limity kvůli datům a bezpečnosti
Obsah:
00:00 - Úvod01:05 - Představení hosta Tomáše Mráze z T-Mobile02:14 - Jak začala AI iniciativa v T-Mobile03:53 - Inspirace z Tesly a focus na inovace07:00 - První kroky a překonávání korporátních bariér08:34 - Úvodní školení a adopce v týmu10:06 - Rychlé šíření po celé firmě12:15 - Osobní vs. pracovní využití AI14:22 - Konkrétní use-case: Tvorba prezentací18:01 - Jazykové bariéry a AI jako překladač20:07 - Notion AI a specialized asistenti22:00 - Troubleshooting - z dnů na minuty25:47 - Kreativní využití: Klinometr aplikace27:35 - Management a podpora experimentování29:29 - Čistota dat vs. expertní znalosti33:04 - Vztah s centrálním AI týmem36:25 - Decentralizovaný vs. centralizovaný přístup38:24 - Kultura sdílení a otevřenosti40:30 - Budoucnost práce za dva roky42:40 - Praktické rady pro začátečníky44:19 - Free vs. placené verze AI nástrojů