23. března 2026
Janet Georgeová je průkopnicí v oblasti umělé inteligence. Již několik desetiletí slouží technologickým gigantům - včetně společností Oracle, Intel, Apple, Yahoo! a eBay - tím, že vytváří počítačové systémy, které fungují podobně jako lidský mozek. A to díky implementaci umělé inteligence, strojového učení, LLM a hlubokých neuronových sítí.
"Moje zkušenosti s umělou inteligencí sahají až do doby, kdy se začaly sbližovat cloud computing, hluboké učení, rozsáhlé soubory dat a pokročilé možnosti grafických procesorů," říká.
Od roku 2025 vede George Centrum excelence pro umělou inteligenci ve společnosti Mastercard, kde se zaměřuje na využívání nejmodernějších technologií k vylepšování, ochraně a personalizaci platebních systémů. Vede také společnost Mastercard na její cestě k tomu, aby se stala organizací zaměřenou na umělou inteligenci, což je cíl, který podporuje pro podniky všech velikostí.
Umělá inteligence se v posledních dvou letech rozvíjí rychlostí blesku a vyvolává očekávání, že radikálně změní způsob, jakým společnosti řídí své operace, vyvíjejí nové produkty a komunikují se zákazníky. George se domnívá, že nejlépe se bude dařit podnikům, které jsou otevřené změnám - a snaží se pochopit možnosti a omezení umělé inteligence.
Zeptali jsme se tohoto technologického průkopníka, co by vedoucí pracovníci firem měli vědět, aby si v našem světě, který je stále více poháněn umělou inteligencí, udrželi náskok.
George: Nejprve se naučte, jak se zbavit humbuku a zaměřit se na škálovatelnou návratnost investic. Cílem by mělo být překročit rámec experimentování s generativní umělou inteligencí a začít ji rozšiřovat v rámci celé organizace. Vedoucí pracovníci musí přesně určit reálné případy použití s vysokým dopadem, které skutečně zvyšují hodnotu pro zákazníka s návratností investic, a ne se jen snažit o nástroje produktivity, protože každý den se objevuje nový nástroj produktivity.
Také si myslím, že etické a zodpovědné nasazení umělé inteligence je velmi důležité. To znamená proaktivně řešit předpojatost, která již může existovat v provozních nebo provozních údajích, zajistit transparentnost při používání našich údajů a udržovat důvěru zákazníků.
Technologická plynulost je skutečně zásadní. Nemyslím si, že vedoucí pracovníci musí sami psát kód, ale měli by rozumět složitosti, možnostem a omezením umělé inteligence, včetně toho, jak zmírnit rizika a podívat se na nepřesnosti v datech nebo na případné bezpečnostní chyby.
Na umělou inteligenci je však třeba pohlížet jako na nástroj, který lidskou inteligenci doplňuje, nikoli nahrazuje. Podporou modelů, v nichž AI řeší rutinní úkoly, mohou vedoucí pracovníci umožnit svým lidem soustředit se na kreativitu, empatii a strategické myšlení.
V posledních několika letech prošla umělá inteligence pozoruhodnou proměnou, kdy se od strojového učení a extrakce příznaků první a druhé generace s algoritmickým modelováním s gradientním boostem přešlo k hlubokému učení s neuronovými sítěmi třetí a čtvrté generace s transformačním modelováním, s mechanismy pozornosti a samoučením. Tento posun byl poznamenán vznikem velmi rozsáhlých jazykových modelů, jako jsou generativní předtrénované transformátory (GPT), které nově definovaly možnosti umělé inteligence.
Díky těmto inovacím, které využívají obrovské datové zdroje a akceleraci grafických procesorů, dosáhla umělá inteligence výkonu na úrovni člověka. Došlo k exponenciálnímu skoku v tom, jak technologie získává informace, chápe kontext a prokazuje inteligenci, zejména v oblasti zpracování přirozeného jazyka a uvažování. Moderní autonomní systémy a agenti umělé inteligence jsou nyní navrženi tak, aby napodobovali lidský mozek a zahrnovali prvky, jako je epizodická paměť a pokročilé kognitivní schopnosti. Neustále žasnu nad tím, jak biologicky inspirované jsou všechny naše vědecké pokroky.
Umělá inteligence zásadně mění finanční odvětví a bankovnictví. Od prosté automatizace se vyvíjejí ke generativním AI-first institucím, které velmi rozhodně jednají a nasazují moderní AI technologie.
A to vše jim má přinést velmi významnou konkurenční výhodu oproti těm, kteří se spoléhají na starší systémy a manuální procesy. Průzkum společnosti EY z roku 2025 ukázal, že 71% bank již implementovalo nebo měkce spustilo funkce gen-AI, přičemž 61% již vidí silné dopady a 89% vidí silné dopady v příštích dvou letech, od nástrojů pro úsporu nákladů až po podporu růstu nejvyšších příjmů.
Dlouhodobě využíváme umělou inteligenci pro řízení rizik a odhalování podvodů. Nyní mohou agenti s umělou inteligencí sledovat transakce a vzorce napříč účty a kanály, vyhodnocovat rizika v řádu milisekund a upozorňovat na anomálie v umístění a rychlosti výdajů, které starší metody detekce snadno přehlédnou. Generativní agenti umělé inteligence mohou výrazně snížit počet falešných poplachů v provozním síťovém provozu. Autonomní agenti dokáží chápat, uvažovat a jednat jménem banky, aby zvládli komplexní end-to-end úkoly, jako je například řešení úvěrových sporů.
George: Namísto toho, aby se spotřebitelé spoléhali především na webové stránky značek nebo tradiční vyhledávače, využívají nyní při rozhodování o nákupu nástroje Q&A řízené umělou inteligencí. Jedna z nedávných zpráv ukázala, že 60% spotřebitelů využívá umělou inteligenci při nakupování a 46% těchto lidí důvěřuje umělé inteligenci více než přátelům, když hledají radu ohledně oblečení - některé z poznatků, které nás vedou k pokračujícím investicím do agentového obchodování a k vývoji nástrojů a služeb, jako jsou Agent Pay a Agent Suite.
Stále častěji se setkáváme se zákaznickou podporou využívající umělou inteligenci. Spotřebitelé nyní na maloobchodních webových stránkách spolupracují s agenty s umělou inteligencí (oproti tradičním chatbotům), aby měli Access k okamžité nepřetržité podpoře. Neuvěřitelné však je, že tito agenti jsou dostatečně sofistikovaní, aby porozuměli a zvládli složité konverzace, přizpůsobili se různým řečovým vzorům, tónům a přízvukům.
Malé podniky využívají generativní umělou inteligenci k automatizaci řady rutinních obchodních procesů - administrativní práce, plánování schůzek, řízení zásob a zadávání dat - a umožňují tak tyto úkoly provádět efektivněji a přesněji.
V oblasti finančního řízení jsme také svědky vzestupu virtuálních finančních ředitelů s umělou inteligencí, kteří malým podnikům umožňují získávat analýzu dat o peněžních tocích v reálném čase, identifikovat potenciálně podvodné aktivity a zvýšit kybernetickou bezpečnost sledováním transakcí a síťového provozu.
Jako poslední bych uvedl, že jednou z výhod pro malé podniky je snížení nákladů. Automatizací rutinních a opakujících se úkolů mohou výrazně snížit náklady na pracovní sílu a dosáhnout vyšší efektivity, čímž se uvolní čas, který dříve trávili manuálními úkoly. Nyní se mohou majitelé firem soustředit na strategický růst a konkurenční výhodu. Malé podniky získávají možnost nabízet lepší a rychlejší služby, což jim umožňuje účinně konkurovat větším organizacím.