StratoData Logo
    Obsah/Blog
    BlogAI analytika

    Z BI na AI analytiku: otázky, ktoré nikto nepoložil

    Dashboardy odpovedajú na otázky, o ktorých ste už vedeli, že ich treba položiť. AI analytika mení, kto sa môže pýtať, koľko otázok dostane odpoveď a ako hlboko odpovede idú. Čo sa mení a čo musí byť pripravené, aby to fungovalo.

    Martin Faith··7 min čítania

    20–30×

    Viac otázok na dáta do pár týždňov po tom, čo Ramp otvoril AI agenta všetkým

    ~50×

    Viac otázok po šiestich mesiacoch

    16 % vs 8 %

    Čo ukázali dáta vs. čo tipovali ľudia na porade vo Fivetrane

    1

    Dátový líder za rok, ktorý si myslel, že AI nahradí väčšinu svojho tímu

    Stručná odpoveď

    Čo sa zmení pri prechode z BI na AI analytiku?

    Dashboardy odpovedajú na otázky, o ktorých ste už vedeli, že ich treba položiť. AI analytika odstráni frontu pred všetkými ostatnými otázkami. Keď Ramp otvoril AI výskumného agenta celej firme, počet otázok na dáta stúpol do pár týždňov 20 až 30-krát a do pol roka asi 50-krát. Tie otázky existovali celý čas. Nikto ich nepoložil, pretože odpoveď trvala príliš dlho.

    Háčik je v základoch. AI agent je len taký dobrý, aké dobré sú dáta a biznisový kontext, s ktorými pracuje. Pozrime sa, čo sa mení a čo musí byť pripravené, aby to fungovalo.

    Zdroj

    Čísla a citáty v článku pochádzajú z epizódy The Analytics Engineering Podcast (dbt Labs), „Open Data Infrastructure in the age of AI agents“ z 15. októbra 2026 (v angličtine, citáty preložené). Hostia: George Fraser (CEO Fivetran a dbt Labs), Tristan Handy (spoluzakladateľ dbt Labs a moderátor) a Martin Casado (general partner v Andreessen Horowitz). Interpretácia a päť krokov sú naše.

    Fronta

    Prečo dashboard odpovedá len na včerajšiu otázku?

    Klasické BI funguje takto. Niekto má otázku, dátový tím postaví report a report odpovedá na tú istú otázku každé ráno. Je spoľahlivý, užitočný a zamrznutý. Výborne odpovedá na otázku „čo sa deje?“

    Vo chvíli, keď sa otázka zmení, ste späť vo fronte. Napíšete tiket, čakáte na analytika, odpoveď dostanete budúci týždeň, v lepšom prípade. Každý dátový tím, ktorý poznáme, má viac otázok ako analytikov. Táto fronta nie je znakom zlého tímu. Tak jednoducho tento model funguje.

    AI analytika dashboard nenahradí. Odstráni frontu: odpoveď dostanete vtedy, keď otázka vznikne. Ak riešite, ktoré reporty si nechať, prečítajte si Power BI vs AI analytika: nahradí rozhovor s dátami dashboardy?

    Rozdiel

    Čím sa AI analytický agent líši od BI?

    V čom je najlepšie
    Klasické BIZnáme, opakované otázky: čo sa deje?
    AI analytický agentNové otázky: prečo sa to stalo, čo sa ešte deje?
    Čas do odpovede
    Klasické BITiket, potom dni alebo týždne
    AI analytický agentKeď otázka vznikne
    Preverené hypotézy
    Klasické BIDve či tri najpravdepodobnejšie
    AI analytický agentDlhý chvost, jedna po druhej
    Platíte v
    Klasické BIHodinách analytikov a počte ľudí
    AI analytický agentTokenoch
    Biznisový kontext
    Klasické BIV hlave analytika
    AI analytický agentMusí byť spísaný (context engineering)
    Počet otázok
    Klasické BIObmedzený veľkosťou dátového tímu
    AI analytický agentRastie s dopytom: 50× v Rampe

    Dlhý chvost

    Prečo AI agent preverí viac príčin ako analytik?

    Tržby na jednom trhu klesli. Dobrý analytik sa pozrie na dve či tri najpravdepodobnejšie príčiny, nájde niečo uveriteľné a odovzdá to biznisu. Zvyšok priestoru zostane nepreskúmaný. Nie preto, že by analytik bol lenivý, ale preto, že nie je čas.

    Analytik preverí

    Tri príčiny

    Agent preverí

    Tridsať

    Agent môže pokračovať. Vie testovať hypotézy aj tam, kde nič neukazuje konkrétnym smerom a každé vysvetlenie je zhruba rovnako pravdepodobné. Práve v tomto dlhom chvoste sú prekvapenia: jeden spôsob dopravy, jedna produktová kategória, jedna kampaň, ktorá potichu ujedá maržu.

    To isté hľadanie zachytí aj nastupujúce trendy, pozitívne aj negatívne. Zachytiť ich včas je dôležité. Príležitosť môžete rýchlo využiť a hrozbu vyriešiť skôr, než sa z nej stane skutočný problém s vyššou cenovkou. Martin Casado túto prácu opisuje ako „speleológiu“ v dlhom chvoste únavných problémov, a teraz na ňu môžete nasadiť toľko agentov, koľko potrebujete.

    Ekonomika

    Koľko stojí AI dátový analytik a čo potrebuje vedieť?

    Agent je k dispozícii kedykoľvek. Platíte zaň v tokenoch, nie v počte ľudí. Ekonomika otázky sa tým mení z „stojí to za popoludnie analytika?“ na „prečo sa jednoducho nespýtať?“

    Má to háčik. Agent začína každý rozhovor od nuly. Nevie, že „tržby“ vo vašej firme znamenajú tržby po vratkách, ani že český e-shop v marci prešiel na nové ERP. Ľudský analytik tieto kmeňové znalosti nosí v hlave. Agent ich potrebuje mať spísané.

    Context engineering

    Spíšte, čo vie váš najlepší analytik.

    Context engineering je systematické opisovanie vášho biznisu pre AI agenta: definície metrík, biznisové pravidlá, známe zvláštnosti dát. Každá analýza potom nezačína od nuly, ale stavia na tom, čo už je známe.

    Čím dlhšie sa kontext zbiera a udržiava čistý, tým lepšie agent rozumie vášmu biznisu. Ako to robíme →

    Latentný dopyt

    Prečo otázok na dáta pribudne 20 až 50-krát?

    Rýchlosť nie je jediná zmena. Rastie aj dopyt po analýzach.

    Ramp spustil svojho výskumného agenta v Slacku a otvoril ho komukoľvek. Tristan Handy čakal zhruba toľko otázok, koľko predtým dostával dátový tím, možno dvojnásobok. Do pár týždňov ich bolo 20 až 30-krát viac. Po šiestich mesiacoch asi 50-krát viac.

    „To je latentný dopyt organizácie po tom, aby vedela veci.“

    Tristan Handy, spoluzakladateľ dbt Labs (preložené)

    Tento dopyt má každá firma. Obchodní manažéri, ktorí sa nikdy nespýtali, prečo jeden región zaostáva. Category manažéri, ktorí tipovali namiesto toho, aby si to overili. Otázky nikto nepoložil, takže nikto nevedel, že chýbajú. Cesta k odpovedi bola príliš dlhá.

    Prvých pár odpovedí na problém zvyčajne vysvetlí veľkú časť. Pareto väčšinou funguje. No ak chcete porozumieť celej biznisovej situácii, diabol sa skrýva v detailoch. Ľudia málokedy majú čas či trpezlivosť ísť až na dno. AI analytik ich má, kým sú tokeny.

    Pocit vs. dáta

    Ako veľmi sa mýli intuícia v porovnaní s jedným dotazom?

    George Fraser opísal poradu vo Fivetrane. Riešili, aký podiel firiem z Global 2000 používa ich produkt a aký podiel používa jeden konkrétny SKU. Tipy v miestnosti boli 8 % a 4 %. Dotaz nad dátami vrátil 16 % a menej ako 1 %.

    Global 2000 používajúce produkt

    Tip 8 % → dáta 16 %

    Používajúce jeden konkrétny SKU

    Tip 4 % → dáta <1 %

    Ani jeden tip nebol blízko, jeden bol polovičný a druhý viac než štvornásobný. A to boli skúsení ľudia, ktorí hovorili o vlastných zákazníkoch.

    Sila BI

    Známe otázky, spoľahlivo zodpovedané

    Jeho slepé miesto

    Všetko, čo nikoho nenapadlo sa spýtať

    Základy

    Prečo sú dátové základy ťažšie ako samotný AI agent?

    Martin Casado hovorí niečo, čo sa oplatí zopakovať: postaviť AI analytika je menej o produkte a viac o tom „urobiť tú prácu“. Agenti zvládajú to, čo predtým robili ľudskí analytici. Okno chatu nie je to ťažké.

    Ťažké je všetko pod ním: čisté, prepojené dáta, konzistentné definície, zdokumentované biznisové pravidlá a bezpečný prístup. Agent nad piatimi nepropojenými systémami vám dá päť sebavedomých, rozdielnych odpovedí. Rýchlejšie než predtým, ale nie lepšie. Presne na tieto základy slúži dátová platforma.

    Tím

    Zmenší AI analytika váš dátový tím?

    Prirodzená obava je, že AI nahradí dátový tím. Ľudia, ktorí sú tomu najbližšie, vidia opak. Tristan Handy povedal, že za posledný rok za ním prišiel presne jeden dátový líder s tým, že by mohol prepustiť väčšinu svojho dátového tímu. Všetci ostatní to označili za prínos.

    Casado, ktorý sedí v radách firiem a vidí do stoviek spoločností, to opisuje ako príbeh produktivity, nie znižovania počtu ľudí. Tímy, ktoré AI nasadia, zvyčajne rastú, pretože agent stále prináša nové problémy, ktoré sa oplatí riešiť. Niekto stále musí vlastniť dáta, definície a rozhodnutia.

    Ako začať

    Ako otvoriť dáta AI v piatich krokoch?

    1

    Nájdite frontu. Ktoré otázky čakajú na odpoveď najdlhšie a kto sa ich pýta?

    2

    Postavte jeden zdroj pravdy. Prepojte systémy za týmito otázkami do jedného dátového základu. Bez neho agent nekonzistencie len znásobí.

    3

    Spíšte kmeňové znalosti. Definície metrík, biznisové pravidlá, známe zvláštnosti dát. Presne tento kontext agent potrebuje a ľudský analytik ho nikdy nespísal.

    4

    Otvorte dáta bezpečne. Dajte Claude, ChatGPT alebo Copilotu riadený prístup k dátovému skladu, nie k surovým exportom v niečej schránke.

    5

    Začnite s jedným tímom a merajte. Spočítajte otázky pred a po. Ak sa zopakuje to, čo videl Ramp, číslo vás prekvapí.

    Od reportov k odpovediam

    Čo si z toho odniesť?

    BI dalo firmám spoľahlivý pohľad na otázky, ktoré už mali. AI analytika im dáva spôsob, ako sa spýtať na zvyšok. No agent je len taký dobrý, ako dáta, na ktorých stojí. Najprv dajte do poriadku základy a otázky, ktoré nikto nepoložil, začnú dostávať odpovede.

    Ako to funguje na skutočných retailových dátach, ukazuje prípadová štúdia Altisport. Ako nastavujeme rozhovor s dátami, nájdete na stránke Talk to Your Data.

    FAQ

    Časté otázky

    Čo je AI analytika?

    AI analytika znamená klásť otázky o vašom biznise bežným jazykom a dostávať odpovede vypočítané z vašich vlastných dát. AI model ako Claude, ChatGPT alebo Copilot preloží otázku do dotazov, spustí ich nad vaším dátovým skladom a výsledok vysvetlí. Na rozdiel od BI dashboardu nie je obmedzený na otázky, ktoré niekto pripravil vopred.

    Prečo po spustení AI analytického agenta pribudne otázok na dáta?

    Kvôli latentnému dopytu. Ľudia mali vždy viac otázok, než dátový tím stihol zodpovedať, a tak žili bez odpovedí. Keď Ramp otvoril svojho výskumného agenta v Slacku všetkým, otázok na dáta bolo do pár týždňov 20 až 30-krát viac a do pol roka asi 50-krát viac.

    Nahradí AI dátový analytik dátový tím?

    Vo firmách, ktoré ho zatiaľ nasadili, nie. Tímy, ktoré používajú AI agentov, zvyčajne rastú, pretože agent odhaľuje viac problémov, ktoré sa oplatí riešiť. Niekto stále musí vlastniť dáta, definície metrík a rozhodnutia.

    Čo potrebuje AI analytický agent, aby dával správne odpovede?

    Čisté, prepojené dáta na jednom mieste, spísané definície metrík a biznisových pravidiel a bezpečný, riadený prístup k dátovému skladu. Bez tohto kontextu agent háda a nad nepropojenými systémami dáva sebavedomé, no rozdielne odpovede.

    Ako začať s AI analytikou?

    Nájdite otázky, ktoré na odpoveď čakajú najdlhšie, prepojte systémy za nimi do jedného zdroja pravdy, spíšte definície metrík, dajte AI modelu riadený prístup k dátovému skladu a začnite s jedným tímom. Spočítajte otázky pred a po.

    Ak má váš dátový tím frontu, oplatí sa nám porozprávať.