Snídaně s daty a AI

| Termín: | Úterý, 3. 11. 2026 - 09:00 - Čtvrtek, 12. 11. 2026 11:00 |
|---|---|
| Místo: | IBM, V Parku 2294/4, Praha 4 |
| Kontakt: | Pavel Kučera pavel.kucera@ibm.com 739 243 702 |
| Divize: | IBM |
Tři samostatná setkání pro lidi, kteří ve firmě řeší data, AI a plánování. Přijít můžete na jedno, nebo na všechna tři.
První snídaně na téma:
○ Od datového chaosu k AI
○📅 3. 11., 9:00 – 11:00
○📍 IBM, V Parku 2294/4, Praha 4
AI je jen tak dobrá jako data, ke kterým má přístup. Podíváme se, jak podniková data připravit a zpřístupnit pro AI napříč systémy.
Na příkladech probereme cestu od existujících zdrojů přes datové vrstvy až po data v reálném čase, i to, zda potřebujeme novou architekturu, nebo stačí to, co už máme.
Budeme diskutovat například:
- Kde a v jaké podobě mají být data, aby je mohla AI efektivně využívat?
- Musíme data pro AI přesouvat a kopírovat, nebo je lze zpřístupnit tam, kde už jsou?
- Kdy AI potřebuje data v reálném čase a kdy to přináší zbytečnou složitost?
- Co se změní, když místo jednoho AI projektu potřebujeme obsloužit desítky aplikací?
Druhá snídaně na téma:
○ Od predikce k rozhodnutí
○ 📅 5. 11., 9:00 – 11:00
○📍 IBM, V Parku 2294/4, Praha 4
Predikce je jen první krok. Skutečnou výzvou je dostat ji do plánování napříč firmou a umět reagovat, když se realita od plánu odchyluje.
Na příkladech si ukážeme krátkodobé predikce pomocí ML a AI, jejich propojení s finančním plánem, a to, jak generativní AI pomáhá vysvětlit odchylky a tvořit scénáře.
Budeme diskutovat například:
- Kdy má smysl využít AI/ML místo tradičních predikčních metod?
- Jak propojit krátkodobý forecast s finančním a provozním plánem?
- Jak zvládnout plánování napříč odděleními a omezit závislost na Excelu?
- Může AI nejen predikovat, ale také vysvětlit, proč se plán a realita rozcházejí?
Třetí snídaně téma:
○ Můžeme věřit tomu, co AI našla?
○ 📅 12. 11., 9:00 – 11:00
○📍IBM, V Parku 2294/4, Praha 4
Propojit AI s dokumenty je dnes snadné. Výzva je mít jistotu, že AI našla správnou informaci a pracuje s aktuálním dokumentem.
Na příkladech si ukážeme práci s interními dokumenty, od jednoduchého vyhledávání po rozsáhlé zdroje, a probereme, co rozhoduje o kvalitě výsledku, od přípravy dat po ověření zdroje.
Budeme diskutovat například:
- Jak zajistit, aby AI našla skutečně relevantní informace?
- Jak docílit toho, že AI používá aktuální a správnou verzi dokumentu?
- Jak zachovat přístupová práva a zabránit zpřístupnění obsahu, který uživatel nemá vidět?
- Jak odpověď propojit s konkrétními zdroji a umožnit její ověření?
Registrujte se ve formuláři níže. Těšíme se na Vás!
