Z 42 hodin na minuty: jak Danfoss zautomatizoval 80 % objednávek z e-mailu pomocí AI

V Dánsku právě tiše proběhla revoluce, která by mohla zajímat každého, kdo v Česku provozuje B2B byznys. Průmyslový gigant Danfoss — 42 000 zaměstnanců, 97 továren, zákazníci ve více než 100 zemích — oznámil, že jeho AI agenti dnes samostatně rozhodují o více než 80 % všech objednávek, které firmě přijdou e-mailem. Dobu od přijetí poptávky po její zpracování v ERP systému zkrátil z 42 hodin na řádově minuty, v některých případech až na sekundy.

Pro českou firmu, která dodnes řeší objednávky tak, že někdo přepisuje údaje z e-mailu do SAPu, je to příběh, který stojí za pozornost. Ne jako vzdálená sci-fi novinka, ale jako konkrétní model, který už funguje v provozu.

Co přesně Danfoss nasadil

Danfoss se spojil s kodaňským startupem Go Autonomous, jehož platforma Autonomous Commerce dokáže autonomně zpracovat e-mailovou objednávku od začátku do konce. AI agent přečte příchozí e-mail i jeho přílohy (PDF, Excel, foto objednávky), extrahuje data, ověří je proti SAP systému, zkontroluje dostupnost a ceny — a objednávku rovnou založí.

Když si agent není jistý (chybějící údaj, nestandardní požadavek, atypická cena), předá případ člověku z customer care týmu a vede ho přes konkrétní položky, které vyžadují rozhodnutí. Žádné slepé „nepovedlo se, vyřešte si to sami“, ale strukturovaná eskalace.

Implementace začala ve Španělsku, Francii a Itálii. Po úspěchu v těchto pilotech Danfoss v roce 2026 platformu rozjíždí globálně.

Čísla, která dávají smysl

• 42 hodin → minuty. Průměrná doba zpracování manuální objednávky byla 42 hodin. Po nasazení AI agenta klesla na řádově minuty, s ambicí dotáhnout vybrané typy objednávek na real-time zpracování.
• 80 %+ transakčních rozhodnutí dnes provádí AI agent bez zásahu člověka.
• 5 minut úspory na jedné objednávce u zaměstnance, který objednávku dříve přepisoval ručně.
• Firma očekává úspory v řádu milionů eur a zkrácení tzv. cash conversion cycle — tedy doby od přijetí objednávky po fakturaci a zaplacení.

Carlos García, Head of Digital Business v Danfossu, k tomu řekl: „Nejde jen o rychlost a efektivitu. Jde o to, že náš customer service a obchodníci se konečně mohou věnovat budování vztahů a osobnímu přístupu — místo přepisování čísel z e-mailu do systému.“

Proč je to relevantní pro české B2B firmy

Příběh Danfossu nevypadá jako něco, co se týká jenom velkých korporací. Identický problém řeší v Česku stovky výrobních firem, distributorů, velkoobchodů a B2B e-shopů. Pravidelný scénář vypadá takto:

1. Stálý zákazník pošle e-mail: „Pošlete prosím 12 ks XY a 4 ks ZZ na adresu A, fakturujte na B.“
2. Někdo z back-office e-mail otevře, vyhledá zákazníka v ERP, najde produkty podle označení (často nestandardního), ověří ceny, zkontroluje sklad, vytvoří objednávku, pošle potvrzení.
3. Pokud něco nesedí, následují další e-maily a telefony.

Mezi přijetím poptávky a potvrzením přitom typicky uplyne 4–24 hodin. U menších firem klidně den a více. To je právě ten typ procesu, který Danfoss zautomatizoval — a který je dnes dostupný i firmám výrazně menším.

Co byste si měli ze studie odnést

Pár konkrétních poznatků, které platí napříč velikostmi firem:

1. Nemusíte automatizovat všechno najednou

Danfoss začal pilotem ve třech zemích, ne globálním nasazením. To je rozumné. AI agent na zpracování objednávek dává smysl nejdřív tam, kde máte největší objem opakovaných transakcí — typicky u stálých zákazníků se standardním sortimentem.

2. Human-in-the-loop je featura, ne bug

To, že 20 % případů končí u člověka, není selhání. Je to záměr. AI vyřeší rutinu, lidé vyřeší výjimky. Zákazníci to ocení — protože když dostanou člověka, dostanou ho na něco, kde má skutečně přidanou hodnotu.

3. Integrace s ERP je klíčová

Bez napojení na SAP, Pohodu, Helios, Money nebo cokoliv jiného, kde firma drží data o zákaznících, produktech a cenách, je AI agent jen chatbot. Reálnou hodnotu vytváří schopnost agenta zapsat výsledek do produkčního systému.

4. ROI se počítá v čase, ne v licencích

Danfoss šetří 5 minut na objednávce. U firmy, která denně zpracuje 200 objednávek, je to 16 hodin denně — dvě plné full-time pozice. Plus rychlejší obrat peněz a méně chyb. Náklady na AI platformu se v tomto kontextu vrátí typicky za měsíce, ne za roky.

Kde jsou hranice — a co Danfoss neřekl

Případ samozřejmě není bez háčků. Tisková zpráva Go Autonomous nezmiňuje:

• Jak dlouho trvala implementace v každé zemi (zkušenost z B2B AI projektů říká: 3–9 měsíců na první produkční nasazení).
• Kolik zákaznických dat bylo potřeba „vyčistit“ před nasazením (často to bývá víc práce než samotná AI).
• Jak vysoká je skutečná přesnost agenta v ostrém provozu — 80 % automatizovaných rozhodnutí neznamená 80 % bezchybných rozhodnutí.

To není kritika, ale realistická poznámka. Pokud o podobném projektu uvažujete, počítejte s tím, že prvních 6 měsíců strávíte spíš čištěním dat a laděním než „vypouštěním AI do produkce“.

Jak to celé začít vy

Pokud vás příběh Danfossu zaujal, dobrý první krok není koupit platformu, ale podívat se zpátky na vlastní procesy. Konkrétně:

• Kolik objednávek vám měsíčně přijde e-mailem (oproti webovému portálu nebo EDI)?
• Kolik z nich pochází od stálých zákazníků se standardním sortimentem?
• Jak dlouho trvá průměrné zpracování a kde vznikají chyby?
• Co váš tým s ušetřeným časem reálně udělá?

Pokud na tyto otázky neznáte odpověď, je to dobrý signál, kde začít — daty, ne nástrojem.

Často kladené otázky

Funguje automatizace e-mailových objednávek i pro menší firmy?

Ano. Technologie, kterou Danfoss používá, je sice enterprise platforma, ale podobné výsledky lze dosáhnout i s nástroji jako n8n, Make.com nebo přímo s OpenAI/Anthropic API napojeným na ERP přes vlastní integraci. Pro menší firmy (desítky až nižší stovky objednávek měsíčně) bývá rozumnější začít s vlastním řešením postaveným na míru než kupovat enterprise licenci.

Co se stane, když AI agent objednávku zpracuje špatně?

U správně navrženého systému by k tomu téměř nemělo dojít — agent má jasně definované hranice toho, co smí udělat autonomně, a vše ostatní eskaluje na člověka. V praxi se proto neměří, jestli AI udělá chybu, ale jaký je poměr automatizovaných a eskalovaných případů. U Danfossu je to 80:20, u jednodušších produktových katalogů bývá poměr ještě lepší.

Jak dlouho trvá takový projekt nasadit?

Záleží na komplexitě sortimentu, kvalitě dat v ERP a na tom, jak složité jsou typické objednávky. Jednoduchý pilot na omezeném segmentu zákazníků se dá zvládnout za 6–12 týdnů. Plné nasazení na celé portfolio bývá záležitostí 6–12 měsíců, jak ostatně ukazuje i příběh Danfossu, kde mezi pilotem v Itálii a globálním rolloutem uplynul víc než rok.

Zdroje: Go Autonomous — Danfoss Streamlines Order Intake, EIN Presswire, Danfoss.