Jak spočítat návratnost AI ve firmě: návod krok za krokem

Návratnost AI projektu spočítáte jako (roční přínos − roční celkové náklady) ÷ roční celkové náklady. Problém není ve vzorci — ten zvládne každý účetní. Problém je v tom, že většina firem dosadí do čitatele odhad a do jmenovatele jen cenu licencí. Výsledkem je číslo, které vypadá skvěle v prezentaci a nedá se obhájit před finančním ředitelem.

Že to není detail, ukazuje jeden z nejcitovanějších rozporů posledních měsíců. Iniciativa Project NANDA z MIT Media Lab ve zprávě The GenAI Divide: State of AI in Business uvádí, že 95 % firemních pilotů generativní AI nepřineslo měřitelný dopad na hospodářský výsledek. Studie Whartonu a GBK Collective mezi manažery amerických firem s obratem nad 50 milionů dolarů přitom tvrdí, že 74 % lídrů vidí ze svých AI nasazení kladný přínos. Obě čísla mohou platit zároveň — každé měří něco jiného.

Proč si studie o návratnosti AI protiřečí

MIT měří doložený dopad na P&L. Wharton měří vnímaný přínos, tedy co si manažeři myslí. A jakmile se ta samá otázka položí různým patrům firmy, čísla se rozejdou:

• 45 % vrcholových manažerů hlásí významnou návratnost z prvních investic do AI.
• 27 % středního managementu vidí totéž — tedy skoro o polovinu méně.
• 56 % vrcholových manažerů věří, že jejich firma nasazuje AI rychleji než konkurence. Ze středního managementu si to myslí jen 28 %.

Spoluautor studie Jeremy Korst tomu prostoru mezi dvěma realitami říká „messy middle“ — nepřehledný střed. Střední management vidí skutečné workflow, a proto vidí i to, co se do reportu nedostane: čas na kontrolu výstupů, přepisování promptů, dohledávání chyb.

Do třetice McKinsey ve svém průzkumu State of AI zjistil, že jen 39 % respondentů připisuje AI jakýkoli dopad na EBIT — a většina z nich mluví o méně než 5 % firemního EBIT. Závěr pro praxi je jednoduchý: pokud návratnost neměříte, s vysokou pravděpodobností ji nemáte.

Základní vzorec a modelový příklad

Používejte tento tvar, protože je auditovatelný:

ROI (%) = (roční přínos − roční TCO) ÷ roční TCO × 100

TCO znamená celkové náklady vlastnictví, ne jen předplatné. Ukažme si to na modelovém příkladu — je ilustrativní, čísla si dosaďte vlastní. Řekněme středně velkou českou firmu, která nasadí AI na zpracování příchozích objednávek z e-mailu:

Položka	Ročně (Kč)
Licence AI nástroje (5 uživatelů)	90 000
Implementace a integrace na ERP (jednorázově, odepsáno do 1 roku)	180 000
Interní čas na zavedení a školení (60 h × 700 Kč)	42 000
Průběžná kontrola výstupů (2 h týdně × 700 Kč)	72 800
TCO celkem	384 800
Úspora: 3 h denně administrativy (750 h/rok × 700 Kč)	525 000
Nižší chybovost objednávek (odhad, doložený reklamacemi)	120 000
Přínos celkem	645 000

ROI = (645 000 − 384 800) ÷ 384 800 × 100 = 68 %. Doba návratnosti vychází zhruba na 7 měsíců. Všimněte si, že kdyby firma do nákladů nezapočítala interní čas a průběžnou kontrolu, vyšlo by jí ROI 139 % — tedy dvojnásobek. Přesně tak vznikají čísla, která po roce nikdo neobhájí.

Šest kroků k číslu, které obhájíte

1. Změřte výchozí stav před nasazením. Kolik hodin dnes trvá daný proces, kolik chyb obsahuje, jaká je průběžná doba. Bez baseline nemáte s čím srovnávat a jakékoli pozdější číslo je dohad. Tohle je krok, který firmy vynechávají nejčastěji.
2. Vyberte jeden proces, ne „AI ve firmě“. Návratnost se počítá na úrovni procesu. Vybírejte takový, který je opakovaný, měřitelný a nese jasnou nákladovou položku — fakturace, nábor, zákaznická podpora, zpracování dokumentů.
3. Sečtěte úplné TCO. Licence, integrace, interní čas, kontrola kvality, správa přístupů, náklady na compliance podle AI Actu. Počítejte i s tím, že první tři měsíce bude tým pomalejší, ne rychlejší.
4. Přínos vyjádřete v penězích, ne v „ušetřeném čase“. Ušetřená hodina má hodnotu jen tehdy, pokud se využije jinak nebo se sníží náklad. Pokud tým ušetří 3 hodiny denně a nic dalšího se nezmění, návratnost je nula — a přesně to je jeden z důvodů, proč studie MIT dopadla tak, jak dopadla.
5. Ověřte atribuci. Klesly reklamace kvůli AI, nebo proto, že jste zároveň zjednodušili formulář? Ideálem je souběžné srovnání: jeden tým s AI, druhý bez ní, po dobu alespoň jednoho měsíce.
6. Přepočítejte po 90 dnech a pak po roce. Náklady na modely v posledních letech výrazně klesají, zatímco náklady na kontrolu výstupů zůstávají. Projekt, který se nevyplatil v lednu, se může vyplatit v listopadu — a naopak.

Skryté náklady, na které se zapomíná

Tyto položky chybí ve většině kalkulací, se kterými se dá setkat:

• Verifikační daň. Čas, který někdo stráví kontrolou toho, co AI vygenerovala. U rizikových výstupů (smlouvy, ceny, komunikace s klientem) může sežrat většinu úspory.
• Údržba promptů a kontextu. Změní se ceník, produktová řada nebo dodavatel — a instrukce se musí přepsat.
• Náklady na chybu. Kolik stojí jedna špatně zpracovaná objednávka nebo jedna nepřesná odpověď klientovi? Vynásobte chybovostí.
• Vendor lock-in. Kolik by stálo přejít na jiného poskytovatele, kdyby zdražil nebo skončil?
• Regulatorní režie. Označování AI obsahu, evidence, poučení zaměstnanců, ochrana osobních údajů.

Pokud si nejste jistí, které z těchto položek se vás týkají a jak velké reálně jsou, projděte si to s někým zvenčí — v AI poradenství to procházíme krok za krokem a řekneme vám i to, co slyšet nechcete. Rychlý přehled, kde na tom vaše firma stojí, dá i AI Kompas.

Kdy AI projekt zabít

Stanovte si kritéria pro ukončení předem, ne až ve chvíli, kdy je do projektu utopený rozpočet. Rozumné prahy vypadají takto:

• Po 90 dnech není měřitelný posun oproti baseline u žádné z hlavních metrik.
• Verifikační čas přesahuje 50 % původního času procesu.
• Adopce v týmu je pod 30 % po třech měsících dostupnosti a školení.
• Doba návratnosti vychází nad 24 měsíců u nástroje, jehož trh se mění každých šest měsíců.

Ukončit projekt, který nefunguje, není prohra — je to ta levnější varianta. Riziko roku 2026 spočívá v tom, že piloty rozjeté v předchozích letech procházejí prvními vážnými rozpočtovými revizemi, a co se neobhájí čísly, to se ruší plošně. Včetně věcí, které fungovaly.

Kde české firmy reálně stojí

Podle Českého statistického úřadu používalo v roce 2025 alespoň jednu technologii AI 18 % tuzemských podniků s 10 a více zaměstnanci, průměr EU byl 20 %. V generativní AI jsme přitom nad evropským průměrem: AI ke generování textů nebo kódu využívalo 13 % českých firem oproti 9 % v EU.

To je dobrá zpráva i varování zároveň. Nástroje má zavedená slušná část trhu — ale právě generativní AI je kategorie, kde se nejsnáz zamění „používáme to“ za „vyděláváme na tom“. Konkrétní příklady nasazení najdete v sekci AI v praxi.

Typický proces, u kterého návratnost vychází nejrychleji, jsou cenové nabídky z poptávky: opakují se denně a čas na ně se dá změřit.

Časté otázky

Jaké ROI je u AI projektu realistické?

U dobře vybraného, úzce vymezeného procesu se v prvním roce běžně pohybuje mezi 30 a 100 %, s dobou návratnosti 6 až 12 měsíců. Trojciferná čísla nad 200 % v prvním roce obvykle znamenají, že v kalkulaci chybí interní čas, kontrola výstupů nebo implementace. Nadšené odhady prověřujte tím, že si necháte ukázat baseline.

Jak dlouho čekat, než začnu návratnost měřit?

Měřte od prvního dne, ale nevyhodnocujte dřív než po 90 dnech. První čtyři až šest týdnů je adaptační období, kdy tým bývá pomalejší než předtím — a kdyby se rozhodovalo podle nich, zabila by se i nasazení, která se později vyplatí. Stabilní obrázek dává třetí měsíc.

Co když se přínos nedá vyčíslit v penězích?

Pak to není ROI, ale strategická sázka — a je v pořádku ji udělat, jen ji tak pojmenujte a dejte jí zvláštní, menší rozpočet. Kvalita rozhodování, rychlost odezvy nebo spokojenost zaměstnanců se dají měřit jako doprovodné ukazatele, ale nemíchejte je do finanční kalkulace. Rozpočet obhájíte snáz se dvěma poctivými čísly než s jedním nafouknutým.

Shrnutí

Rozpor mezi „95 % projektů nevydělá nic“ a „74 % firem vidí zisk“ není spor o technologii. Je to spor o měření. Firmy, které mají baseline, úplné TCO a předem stanovená kritéria pro ukončení, dokážou svoje AI investice obhájit i tehdy, když se jejich prostředí změní. Firmy, které je nemají, obhajují dojmy — a ty v rozpočtové revizi neobstojí.

Zdroje: Wharton Executive Education: Your AI Investment Isn’t Paying Off Yet (05/2026) · Forbes: MIT Finds 95 % Of GenAI Pilots Fail · McKinsey: The State of AI · ČSÚ: V používání AI dohání podniky v Česku průměr EU (01/2026)