--- title: "Ako pripraviť firemné dáta pre AI" description: "Väčšina neúspešných AI projektov nepadne na modeli, ale na dátach. Čo znamená „pripraviť dáta\" v praxi a ako zistiť, či na to firma vôbec je." canonical: "https://interfase.sk/sk/novinky/ako-pripravit-firemne-data-pre-ai" lang: "sk" last_updated: "2026-10-28" --- # Ako pripraviť firemné dáta pre AI > Väčšina neúspešných AI projektov nepadne na modeli, ale na dátach. Čo znamená „pripraviť dáta" v praxi a ako zistiť, či na to firma vôbec je. Publikované: 2026-10-28 - Kvalita odpovedí AI je daná kvalitou vstupov; model nevyrieši rozpor medzi dvoma verziami toho istého dokumentu. - Prvý krok nie je čistenie, ale inventúra — kde dáta sú, kto ich vlastní a ktoré z nich sú záväzné. - Oprávnenia musia byť súčasťou dát, inak agent sprístupní každému všetko, k čomu má prístup on sám. - Nepripravujte celý archív naraz — vyberte jednu oblasť, dotiahnite ju a až potom rozširujte. „Chceme, aby AI vedela odpovedať na otázky z našich interných dokumentov." Znie to ako zadanie na dva týždne. Potom sa ukáže, že tie dokumenty sú v troch systémoch, štyri verzie cenníka sa líšia a nikto vo firme nevie povedať, ktorá platí. Model to nevyrieši. Ak dostane rozporné podklady, s istotou odpovie podľa toho, ktorý mu prišiel pod ruku prvý. ## Začnite inventúrou, nie čistením Prvý krok nie je upratovať. Je zistiť, čo vlastne máte. Pre každý zdroj dát si napíšte štyri veci: **kde je** (systém, disk, mailová schránka), **kto ho vlastní** (kto rozhoduje, čo je v ňom správne), **ako často sa mení** a **či je záväzný** — teda či podľa neho firma naozaj koná, alebo je to len pracovný podklad. Táto tabuľka býva prvý moment, keď sa ukáže skutočný rozsah projektu. Často z nej vyplynie, že polovica zdrojov je duplicitná a tretina zastaraná. ## Jedna verzia pravdy pre každú oblasť Toto je najdôležitejšie rozhodnutie celej prípravy. Pre každú tému — cenník, produktová dokumentácia, interné smernice, zmluvné podmienky — musí existovať **jeden zdroj, ktorý platí**. Ostatné sa buď zrušia, alebo sa jednoznačne označia ako neplatné. Bez toho sa nedá postaviť nič spoľahlivé. Nie preto, že by AI bola slabá, ale preto, že otázka „koľko stojí X" nemá jednu odpoveď ani pre človeka. ## Čo znamená čistenie v praxi Keď je jasné, ktoré zdroje platia, prichádza na rad práca s ich obsahom: - **Odstrániť zastarané.** Dokument z roku 2019 popisujúci zrušený proces je horší než žiadny dokument. - **Doplniť dátum platnosti.** Aby sa dalo rozlíšiť aktuálne od historického aj strojovo. - **Rozbiť veľké dokumenty.** 200-stranová smernica sa nedá zmysluplne použiť ako celok; členenie na kapitoly s vlastnými nadpismi výrazne zlepší presnosť odpovedí. - **Vyriešiť skeny.** PDF, ktoré je obrázok, je pre AI prázdne. Buď sa prevedie na text, alebo sa z podkladov vyradí. - **Zjednotiť názvoslovie.** Ak sa jeden produkt volá v troch systémoch trocha inak, treba mať mapovanie. ## Oprávnenia patria k dátam Toto sa podceňuje a je to najrizikovejšia časť. Ak agent vidí všetko, čo vidí správca systému, potom **každý používateľ cez neho vidí to isté** — vrátane miezd, personálnych spisov a rozpracovaných obchodných prípadov. Oprávnenia sa preto riešia na úrovni dát, nie inštrukciou modelu. Ku každému dokumentu patrí informácia, kto ho smie vidieť, a filtrovanie prebieha skôr, než sa čokoľvek dostane k modelu. Súvisiace princípy popisujeme v článku o [AI agentoch a GDPR](/blog/ai-agenti-a-gdpr-na-co-si-dat-pozor-pri-spracovani-osobnych-udajov). ## Metadáta rozhodujú o presnosti Samotný text nestačí. Ak ku každému podkladu pripojíte **názov, útvar, dátum, typ dokumentu a jazyk**, dá sa vyhľadávanie zúžiť ešte pred tým, než sa hľadá v obsahu — a odpovede sú výrazne presnejšie. Pri viacjazyčnej firme je jazyk povinný údaj; prečo, popisujeme v článku o [viacjazyčnosti firemnej aplikácie](/blog/viacjazycnost-a-lokalizacia-firemnej-aplikacie). ## Štruktúrované dáta majú iné pravidlá Pri dátach z databáz a ERP nejde o čistenie textu, ale o **prístup**. Otázka „aký bol obrat minulý mesiac" sa nemá riešiť tak, že model dostane surové tabuľky. Má dostať pripravený, overený dotaz alebo prehľad, ktorý vracia rovnaké číslo ako firemné výkazy. Inak vzniká najhorší možný stav: dve čísla o tom istom a žiadna istota, ktoré je správne. ## Nepripravujte všetko naraz Najčastejšia chyba je pokus upratať celý firemný archív pred prvým nasadením. Trvá to mesiace a výsledok nikto nevidí. Funguje opak: vybrať **jednu oblasť s najčastejšími otázkami**, dotiahnuť ju poriadne, nasadiť a merať. Prvá oblasť naučí firmu, ako má vyzerať poriadok — a druhá potom ide trojnásobne rýchlejšie. ## Ako spoznáte, že sú dáta pripravené Jednoduchý test: zoberte dvadsať reálnych otázok, ktoré ľudia vo firme kladú, a skúste na ne odpovedať **len z pripravených podkladov**. Ak to zvládne človek, ktorý danú oblasť nepozná, zvládne to aj agent. Ak človek musí niekomu zavolať, dáta pripravené nie sú. Ak to riešite a chcete si prejsť, čo je vo vašom prípade reálne, [ozvite sa nám](/kontakt). Viac o [AI a automatizácii](/riesenia/ai) a príklady v [referenciách](/referencie). --- Webová verzia: https://interfase.sk/sk/novinky/ako-pripravit-firemne-data-pre-ai llms.txt: https://interfase.sk/llms.txt