DEVELOPMENT PROGRAM
Pět pilířů AI adopce
Strategie · Lidé · Governance · Data · Technologie
Podzimní termíny 2026
Každý díl vysíláme živě — nejde o přehrávání záznamů.
Nestihli jste některý díl? Záznamy jsou dostupné do 31. 12. Připojte se kdykoliv.
Strategy
How is the role of a leader changing in the age of artificial intelligence? In the introductory module, we will explore the technological trends shaping the future of work, and you will learn to distinguish real opportunities from mere hype. You will gain tools for building a digital mindset – adaptability, experimentation, and managing change.
People
The strongest predictor of whether AI will work in a company isn’t the tool or the budget. It’s the immediate manager. You can buy licenses for everyone and still nothing will change—unless the manager creates space. In the second episode, we’ll look at what exactly a leader does whose people actually use AI: how they […]
Governance
Blanket bans don’t work; they just push AI into the shadows. The third episode is about the guardrails that make adoption easier. Shadow AI is today’s fastest-growing risk, emerging exactly where the company said “no.” In the third episode, we’ll look at rules that people actually follow because they make sense. We’ll open the topic […]
Data
The quality of AI output depends on the quality of the context we provide. The fourth episode is about the journey from data to decision. AI won’t save bad data; it will only amplify and spread their problems faster. In the fourth episode, we’ll go through the path from data to decision and look at […]
Technology
The final episode is about what is changing right now—and how to choose tools so they won’t become a burden a year from now. Autonomous AI agents with access to data and the surrounding world. Vibecoding, great for prototypes but risky in production. Local models where data never leaves the company network. In the last […]
Who is the program for?
Managers and team leaders
Chtějí vést adopci AI ve svém týmu, ne ji jen přežít.
HR and L&D professionals
Hledají kvalitní program pro svou organizaci.
Employees interested in development
Chtějí být sebevědomí v době AI.
What will the program bring you?
Většina firem už AI nějak používá. Málokterá ji ale opravdu adoptovala.
Průzkumy ukazují pořád stejný obrázek: zaměstnanci cítí, že jim AI pomáhá, ale jen zlomek z nich vidí, že by se změnil způsob, jakým firma pracuje. Rozdíl mezi „máme licence“ a „umíme s tím pracovat“ je téma tohoto programu.
Pět dílů, pět pilířů. V každém díle jeden pilíř do hloubky a vždy ze tří úhlů — co to znamená pro mě jako jednotlivce, co pro mě jako vedoucího týmu a co pro firmu jako celek.
Firmy dnes málokdy začínají od nuly — spíš mají rozjetých pět pilotů, o kterých nikdo neumí říct, co přinesly. V prvním díle se podíváme, jak vzniká priorizace use casů podle dopadu a náročnosti, kdy dává smysl kupovat hotové řešení, kdy hledat partnera a kdy stavět vlastní. Řekneme si taky, proč AI není téma pro IT, ale pro celou firmu — a otevřeme nepohodlnou otázku ROI: co se u AI dá skutečně měřit a co si u toho namlouváme.
Tři pohledy
Jednotlivec
Kde v mé vlastní práci má AI největší návratnost a kde jen ztrácím čas
Vedoucí týmu
Jak vybrat dva tři use casy, které tým skutečně dotáhne do konce
Company
Jak propojit AI ambice s byznys cíli a nezůstat u prezentace
Co si odnesete
Kritéria, podle kterých se dá use case vyhodnotit dřív, než do něj investujete. Rozhodovací rámec kupovat / partner / stavět. Realistický pohled na to, které přínosy AI jdou vyčíslit a které ne.
Můžete koupit licence všem a stejně se nic nezmění — pokud manažer nevytvoří prostor. Ve druhém díle se podíváme, co konkrétně dělá vedoucí, jehož lidé AI opravdu používají: jak dává prostor pro experimenty, jak pracuje s nedůvěrou a odporem a proč lídrovi bohatě stačí třicetiprocentní technologické porozumění. Řekneme si i o druhé straně mince — člověk je zároveň nejčastější vstupní bod bezpečnostního incidentu.
Tři pohledy
Jednotlivec
Jak si postavit vlastní rutinu učení a nezůstat pozadu
Vedoucí týmu
Autonomie, důvěra, facilitace sdílení, práce s ambasadory
Company
Ambasadorské sítě, komunity a delší hands-on programy místo jednorázových školení
Co si odnesete
Konkrétní chování manažera, které adopci posouvá — a to, které ji tiše zabíjí. Způsob, jak pracovat s lidmi, kteří AI odmítají. Argument, proč jednorázové školení nestačí.
Shadow AI je dnes nejrychleji rostoucí riziko a vzniká přesně tam, kde firma řekla „ne“. Ve třetím díle se podíváme, jak vypadají pravidla, která lidé skutečně dodržují, protože jim dávají smysl. Otevřeme téma etiky a biasu na konkrétních případech a projdeme, co firmám reálně přinášejí GDPR a EU AI Act. Řeč přijde i na to, jak se spravují přístupy, když k firemním datům nepřistupuje člověk, ale AI agent.
Tři pohledy
Jednotlivec
Co smím, co nesmím a proč to není buzerace
Vedoucí týmu
Jak napsat jednoduchá pravidla, která lidé skutečně použijí
Company
Transparence rozhodnutí AI, správa přístupů, soulad s regulací
Co si odnesete
Přehled, co po firmách chce GDPR a EU AI Act v praxi. Ukázku pravidel, která fungují, protože jsou krátká a srozumitelná. Pojmenování rizik, která vznikají tím, že se AI zakáže.
AI nezachrání špatná data, jen jejich problémy zvětší a rozšíří rychleji. Ve čtvrtém díle projdeme cestu od dat k rozhodnutí a podíváme se, kde ve firmách data nejčastěji „umírají“ — obvykle mnohem dřív, než se k nim někdo dostane. Rozebereme anatomii dashboardu, který někdo opravdu použije, a otevřeme téma citlivých dat a anonymizace. Protože AI najde i to, na co všichni dávno zapomněli.
Tři pohledy
Jednotlivec
Jak číst data, ověřovat výstupy a poznat, kdy si model vymýšlí
Vedoucí týmu
Vlastnictví dat, single source of truth, dokumentace, decision-driven místo data-driven
Company
Data governance, úrovně přístupu, bezpečné použití dat v AI nástrojích
Co si odnesete
Postup, jak ověřit výstup modelu, než ho pošlete dál. Typická místa, kde se ve firmě ztrácí kvalita dat. Praktický pohled na to, co znamená anonymizace, když s daty pracuje AI.
Autonomní AI agenti, kteří mají přístup k datům i k okolnímu světu. Vibecoding, skvělý na prototypy a rizikový v produkci. Lokální modely, u kterých data nikdy neopustí firemní síť. V posledním díle si ukážeme, co z toho dnes reálně funguje, kde jsou hranice a podle čeho vybírat nástroje, aby volba vydržela déle než jednu sezonu. Zmíníme i rizika, o kterých se zatím spíš mlčí — třeba prompt injection.
Tři pohledy
Jednotlivec
Které nástroje mají smysl pro moji každodenní práci
Vedoucí týmu
Jak nechat tým experimentovat, aniž bych přišel o kontrolu
Company
Architektura, agenti, prompt injection a rizika, o kterých se zatím mlčí
Co si odnesete
Střízlivý obrázek toho, co agenti dnes zvládnou a co ne. Kritéria pro výběr nástroje, který nebude za rok slepá ulička. Přehled bezpečnostních rizik, která přicházejí spolu s autonomními agenty.
Struktura každého dílu (90 min)
-
1
Co se děje v AI a co nás zaujalo
Novinky za poslední týdny, filtr na to podstatné.
-
2
Pilíř dne
Jádro tématu, praktické ukázky, konkrétní příklady z českých firem.
-
3
Tři pohledy
Jednotlivec × vedoucí týmu × firma.
-
4
Reflexe, otázky, odpovědi
Co si odnesete
Rámec, ne návod na jeden nástroj
Pět pilířů použitelných bez ohledu na to, co zrovna vyhrává na trhu.
Jasné rozdělení rolí
V každém tématu budete vědět, co je na vás, co na manažerovi a co na firmě.
Filtr na hype
Rozpoznáte, které use casy mají návratnost a které jsou jen dobrá prezentace.
Bezpečná práce s daty
Praktická pravidla pro firemní data, bez pocitu buzerace.
Aktuálnost
Každý díl otevíráme přehledem toho, co se v AI za poslední týdny skutečně změnilo.
Program supervisors
Jakub Heikenwälder
Propojuje technologie, bezpečnost a lidský faktor v digitálním prostředí. Pomáhá manažerům rozumět datům a rozhodovat se informovaně.
Michal Šrajer
Pomáhá organizacím využít potenciál AI v každodenní práci. Praktické aplikace, měřitelné výsledky, AI přístupná každému, nejen technickým expertům.