MIT Technology Review a Elastic zveřejnily čtyři pilíře podnikové AI architektury

Organizace MIT Technology Review a Elastic zveřejnily 7. července 2026 přehled klíčových principů, které by měli IT lídři zohledňovat při budování funkční architektury umělé inteligence. Dokument identifikuje čtyři základní pilíře, na nichž by měla stát každá seriózní implementace AI v podnikovém prostředí: kvalitu dat, inženýrství kontextu, správu AI a pozorovatelnost velkých jazykových modelů a zapojení lidí do celého procesu.

Jako výchozí bod celé diskuse stojí otázka dat. Bez kvalitních, dobře strukturovaných a dostupných dat nelze od žádného AI systému očekávat smysluplné výsledky. Adnan Adil, CIO společnosti Elastic, to formuluje jednoznačně: „Data jsou trvalou součástí architektury AI, protože bez nich modely nebudou fungovat. Toto konstatování není jen obecnou pravdou – má přímé dopady na plánování a investice firem. Analytická společnost Gartner předpovídá, že až 60 % AI projektů bude do roku 2026 opuštěno právě proto, že organizace nepřipraví svá data na úroveň potřebnou pro nasazení umělé inteligence. Jde o varování, které by mělo rezonovat zejména u těch, kdo se dosud soustředili primárně na výběr modelů a nástrojů, nikoli na datovou základnu.

Druhým pilířem je inženýrství kontextu, tedy schopnost poskytnout AI systémům relevantní informace ve správný čas a ve správné formě. Nestačí mít k dispozici výkonný jazykový model – pokud mu chybí kontext specifický pro danou organizaci, odvětví nebo konkrétní úkol, jeho výstupy budou obecné a v praxi obtížně použitelné. Inženýrství kontextu zahrnuje práci s interními znalostními bázemi, firemními dokumenty, historickými daty i aktuálními provozními informacemi. Jde o oblast, která vyžaduje úzkou spolupráci mezi datovými inženýry, architekty systémů a odborníky na konkrétní byznysové domény.

Třetím prvkem je správa AI a pozorovatelnost velkých jazykových modelů. Právě tato oblast se ukazuje jako jedna z nejpodceňovanějších, přestože její význam rychle roste. Průzkum ukazuje, že 85 % IT rozhodovacích činitelů očekává zavedení nástrojů pro pozorovatelnost LLM v rámci interních generativních AI aplikací. Adnan Adil k tomu dodává: „Pozorovatelnost je skutečně obrovská. Můžeme použít data o pozorovatelnosti pro kontrolu nákladů, rozhodování a efektivitu inženýrství. Pozorovatelnost v tomto kontextu neznamená pouze sledování technických parametrů – zahrnuje schopnost porozumět tomu, jak modely rozhodují, kde selhávají, kolik stojí jejich provoz a jak je možné jejich výkon průběžně optimalizovat. Bez těchto informací se AI nasazení stává černou skříňkou, jejíž chování je obtížné řídit nebo zdůvodnit vedení firmy i regulátorům.

Čtvrtým pilířem je zapojení lidí. Přestože generativní AI přináší výrazné možnosti automatizace, lidský dohled, úsudek a odpovědnost zůstávají nenahraditelné. Deloitte 2025 Tech Executive Survey zjistil, že 70 % respondentů plánuje v reakci na nástup generativní AI rozšířit své týmy. Tento údaj je pozoruhodný – ukazuje, že technologičtí lídři nepovažují AI za nástroj, který lidi nahradí, ale za technologii, která vyžaduje nové kompetence, nové role a větší kapacity pro řízení komplexních systémů