Co musí umět vaše CRM data, než do nich pustíte AI

Každý dodavatel vám dnes prodá „AI do CRM“. Agenti, asistenti, prediktivní skóring, generované e-maily. Poptávka je obrovská a demo vypadá vždycky skvěle — protože demo běží nad čistými daty.

Pak přijde realita: AI asistent doporučí klientovi produkt, který už tři roky má. Agent odpoví na dotaz podle smlouvy, která byla dávno vypovězená. Skóring se učí z pipeline, kterou obchodníci roky vyplňovali „aby byl klid“. AI nezlepšuje data. AI data zesiluje — včetně těch špatných.

Čtyři podmínky, bez kterých to nefunguje

Z projektů v bankách a z architektury kolem Salesforce Data Cloudu se mi ustálily čtyři podmínky, které si ověřte dřív, než podepíšete AI licence:

1. Jeden klient = jeden profil. Pokud máte téhož klienta třikrát — jednou z e-shopu, jednou z pobočky, jednou z kampaně — AI pracuje se třemi cizími lidmi. Identity resolution je nudná, mravenčí práce, ale bez ní je každá personalizace loterie. A pozor na opačný extrém: příliš agresivní párování slije dohromady dva různé lidi a poškodí data nevratně.

2. Jasný zdroj pravdy pro každou entitu. Kde vzniká klient? Kde smlouva? Kde souhlas s marketingem? AI vrstva je systém reference, ne systém záznamu — když nevíte, který systém má pravdu, AI si vybere náhodně a bude si jistá.

3. Data, která AI smí vidět. V bance jsme řešili model viditelnosti dat pro tisíce uživatelů — kdo smí vidět kterého klienta. AI agent tuhle otázku nemá menší, má ji větší: jede často s vyššími právy než uživatel, kterému odpovídá. Bez promyšleného modelu oprávnění si vyrobíte bezpečnostní incident s konverzačním rozhraním.

4. Rozsah podle use case, ne „všechno pro jistotu“. Platformy jako Data Cloud účtují za konzumaci. Nalít do nich všechna data „ať tam jsou“ znamená platit za ingestion, storage i processing dat, která žádný use case nepotřebuje. Začněte jedním měřitelným scénářem a datovým modelem pro něj.

Správné pořadí vrstev

Zdrojové systémy → konsolidace dat s identity resolution → jednotný klientský profil s modelem oprávnění → AI vrstva → měřitelný use case s kontrolní skupinou. AI je až čtvrtá vrstva z pěti. A ta pátá je stejně důležitá: kontrolní skupina. Pokud nasadíte personalizaci nebo AI doporučení bez kontrolního vzorku, nikdy nedokážete, že to funguje — a za rok nebudete umět obhájit rozpočet.

Co si z toho odnést

Otázka nezní „kterou AI koupit“. Zní: „Kdybych dnes položil AI agentovi otázku o svém nejlepším klientovi, odpověděl by z dat, za která bych dal ruku do ohně?“ Pokud ne, máte nejdřív datový projekt, pak AI projekt. V tomhle pořadí je to investice. V opačném je to drahé demo.

Připravuji firmám datovou architekturu, na které AI dává byznysový smysl. Domluvme si konzultaci na tvadvisory.cz/kontakt.