AI audit e-shopu: kde nasadit AI jako první

Většina e-shopů dnes AI nějak zkouší. Někdo píše popisky v ChatGPT, někdo testuje chatbota, někdo zaplatil nástroj, který po třech měsících nikdo neotevírá. Výsledky jsou rozporuplné a nejde to jen o české e-shopy. Zpráva MIT NANDA „The GenAI Divide: State of AI in Business 2025“ uvádí, že naprostá většina firemních pilotů generativní AI nepřinesla měřitelný dopad na hospodářský výsledek. Autoři přitom za hlavní příčinu nepovažují slabé modely, ale špatné napojení na procesy a chybějící jasný cíl.

Právě tohle řeší AI audit. Nejde o to zjistit, co AI umí. Jde o to najít místo ve vašem e-shopu, kde se vyplatí nejdřív, a spočítat proč.

Co AI audit je a co není

AI audit není ukázka nástrojů ani prezentace o budoucnosti obchodu. Je to analýza vašeho provozu s jedním praktickým výstupem: seznamem úloh, které má smysl automatizovat, seřazeným podle přínosu a rizika.

Pokud potřebujete projít celý e-shop včetně SEO, UX a techniky, hodí se spíš některý z našich auditů e-shopu. AI audit se soustředí jen na to, kde a jak nasadit AI.

Co v auditu procházíme

Audit má čtyři vrstvy. Každá odpovídá na jinou otázku.

1. Procesy. Mluvíme s lidmi, kteří e-shop provozují: podpora, produktový tým, marketing, sklad, vedení. Ptáme se, co dělají opakovaně, kolik času to zabere a kde vznikají chyby. Často se ukáže, že největší žrout času není tam, kde ho vedení čeká.

2. Data. AI pracuje jen s tím, co dostane. Kontrolujeme produktová data (parametry, kategorie, texty), historii dotazů zákazníků, obchodní podmínky a interní dokumenty. U každého zdroje zjišťujeme, jestli je úplný, aktuální a jestli je jeden, nebo existuje ve třech verzích.

3. Systémy. Projdeme platformu e-shopu, ERP, helpdesk, feedy a analytiku. Hlavní otázka zní: dá se k datům dostat strojově? Pokud systém nabízí REST API nebo webhooky, je napojení AI výrazně jednodušší než přes ruční exporty.

4. Rizika. U každé úlohy řešíme, co se stane, když AI udělá chybu. Chybný popisek se opraví. Chybná informace o lhůtě pro vrácení zboží už je problém se zákazníkem. Sem patří i ochrana osobních údajů a povinnosti podle AI Actu. Od 2. srpna 2026 platí čl. 50, podle kterého musí lidé vědět, že komunikují s AI, pokud to není zřejmé z okolností.

Jak vybíráme první use-case

Každou nalezenou příležitost hodnotíme ve čtyřech osách na škále 1–5:

• Přínos: kolik hodin, chyb nebo tržeb se reálně změní.
• Připravenost dat: jsou data čistá a dostupná, nebo je nejdřív potřeba je dát do pořádku?
• Náročnost: stačí workflow v n8n, nebo jde o vlastního agenta napojeného na několik systémů?
• Riziko: jak drahá je chyba a kolik lidské kontroly proces potřebuje?

U náročnosti a rizika platí, že vyšší číslo znamená lepší, tedy nižší náročnost a nižší riziko. Pak jen sečteme body.

Následující tabulka je modelový příklad pro e-shop s několika tisíci produkty a vlastní zákaznickou podporou. Hodnoty jsou ilustrační, ve skutečném auditu je stanovujeme z vašich dat.

Z modelu je vidět typický vzorec. Úlohy s největším teoretickým přínosem, jako je cenotvorba, nevycházejí jako první. Potřebují kvalitní data o konkurenci a maržích a chyba v nich stojí peníze okamžitě. Nahoře končí nudnější úlohy s jasnými vstupy a výstupy, kde člověk výsledek snadno zkontroluje.

Kde AI u e-shopů obvykle začíná

Z pohledu auditu mají dobří kandidáti na první nasazení tři společné vlastnosti: opakují se několiksetkrát měsíčně, mají jasné zadání a chybu lze zachytit dřív, než ji uvidí zákazník.

Často to bývá:

• Produktová data. Parametry, kategorizace a popisky. Výsledek se dá kontrolovat po vzorcích a přínos je vidět ve filtrech i ve vyhledávání.
• Třídění dotazů podpory. AI rozpozná téma a naléhavost, doplní data z objednávky a navrhne odpověď. Odesílá stále člověk.
• Odpovědi nad vlastními dokumenty. Chatbot nebo interní asistent, který odpovídá z obchodních podmínek a návodů přes RAG, tedy s dohledáním ve vašich dokumentech.
• Reporting. Pravidelné souhrny prodejů a anomálií místo ručního skládání tabulek.

Naopak jako první krok obvykle nedoporučujeme plně autonomní agenty, kteří sami mění ceny nebo objednávky. Ne proto, že by to nešlo. Bez zkušenosti s tím, jak AI ve vašich datech chybuje, ale nemáte jak nastavit kontroly.

Co dostanete na konci

Výstup auditu je dokument, podle kterého se dá rozhodnout o rozpočtu:

1. Seznam příležitostí s bodovým hodnocením a zdůvodněním.
2. Doporučený první use-case s popisem řešení, potřebných dat a napojení.
3. Odhad nákladů na implementaci a měsíční provoz, včetně spotřeby modelů. Jak se takové náklady skládají, rozebíráme v článku Kolik stojí nasazení AI do e-shopu.
4. Metriky a výchozí stav. Co změříme před spuštěním, abychom po něm poznali, jestli se to vyplatilo. Postup popisujeme v článku ROI AI nasazení.
5. Roadmapa na další měsíce: co spustit hned, co později a co zatím nedělat. Jak na audit navazuje zavádění krok za krokem, najdete v článku Jak zavést AI do e-shopu.
6. Rizika a povinnosti pro každou úlohu, včetně ochrany osobních údajů.

Jak se na audit připravit

Audit zrychlí, když máte po ruce:

• přístup do administrace e-shopu a helpdesku (stačí pro čtení),
• export dotazů zákazníků za poslední měsíce, nebo aspoň přehled nejčastějších témat,
• odhad, kolik hodin týdně tým tráví jednotlivými rutinními činnostmi,
• seznam nástrojů, které už platíte, včetně AI nástrojů, které někdo z týmu používá sám,
• představu vedení, co má AI přinést: úsporu času, rychlejší odpovědi, víc tržeb.

Na poslední bod se ptáme vždy. Když cíl chybí, nedá se po spuštění říct, jestli projekt uspěl.

Kdy nám zavolat

AI audit dává smysl, když víte, že by vám AI mohla pomoct, ale nevíte, čím začít. Nebo když už jste něco zkusili a výsledek nesplnil očekávání. AI audit máme hotový do týdne a jeho cenu připravíme po konzultaci podle rozsahu e-shopu. Jednodušší řešení, která z auditu typicky vyjdou, jako AI FAQ nebo AI popisky, pak nasazujeme v řádu dnů až 2 týdnů. Komplexní agenti a integrace trvají 4–8 týdnů.

Ozvěte se na info@prevedshop.cz nebo na +420 723 000 173.