Jak měřit ROI AI projektů – konkrétní framework pro firmy

ROI AI projektu spočítáš jednoduše: (roční přínos v korunách minus roční náklady) děleno náklady, krát 100. Problém není ve vzorci, ale v tom, že většina firem nemá dosazené číslo do „přínosu". Měří počet použití ChatGPT místo skutečného dopadu na peníze. A pak se diví, že šéf otázku „kolik nám to vydělává" nedokáže zodpovědět.

Čísla za rok 2026 jsou brutální. MIT ve studii The GenAI Divide zjistil, že 95 % firemních AI pilotů nepřineslo žádný měřitelný dopad na zisk - přestože se do nich nalily miliardy. Morgan Stanley: jen 21 % firem z S&P 500 umí doložit měřitelný přínos AI. IBM: očekávané ROI dodá jen 25 % projektů. Tohle není o tom, že AI nefunguje. Je to o tom, že se špatně měří a špatně cílí.

Já jsem to sám dělal blbě první tři měsíce. Chlubil jsem se klientovi, kolik promptů denně tým odešle. On mi na to řekl: „Fajn, ale co to firmě dalo?" Neměl jsem odpověď. Od té doby počítám ROI jinak a tady je celý framework.

Proč měření ROI u AI selhává?

Selhává, protože firmy měří aktivitu, ne výsledek. Počet použití AI je jako měřit úspěch hubnutí počtem návštěv posilovny - vůbec to neříká, jestli jsi zhubl.

Tři nejčastější chyby, které vidím u českých firem:

• Měří vstup, ne výstup. „Používáme AI 500× denně" není přínos. Přínos je „ušetřili jsme 200 hodin práce měsíčně".
• Zapomínají na skryté náklady. Licence je vidět. Ale zaškolení, kontrola výstupů (tzv. review tax) a přepracování se do kalkulace nedostanou. MIT i praxe ukazují, že po odečtení skrytých nákladů může čisté ROI klesnout klidně o polovinu.
• Honí každý use-case. Oněch 5 % úspěšných firem se soustředí na back-office automatizaci a tvrdě měří jeden workflow, ne dvacet najednou.

Jaký je vzorec na ROI AI projektu?

Základní vzorec zní:

ROI (%) = (roční přínos v Kč - roční náklady v Kč) / roční náklady v Kč × 100

Přínos se skládá ze tří zdrojů. Sečti je všechny, jinak si ROI podhodnotíš:

• Úspora času: ušetřené hodiny × hodinová sazba dané role v Kč.
• Úspora nákladů: zrušené externí agentury, méně přesčasů, nižší chybovost.
• Nový výnos: rychlejší odbavení = víc zakázek, vyšší konverze, dřívější dodání.

Náklady taky nepodceň. Kromě licencí (Cursor okolo 20 USD/měs, tj. ~460 Kč; Claude Max 200 USD/měs, tj. ~4 600 Kč) započítej čas na zavedení, školení lidí a kontrolu výstupů. Právě review tax bývá ten tichý žrout ziskovosti.

Konkrétní příklad výpočtu ROI v korunách

Vezmi českou firmu, která nasadí AI na tvorbu marketingových textů a zpracování mejlů. Modelový výpočet:

Zadání: jeden marketér stráví psaním textů a odpovídáním na maily zhruba 8 hodin týdně. AI mu to zkrátí o 60 %, tedy ušetří 4,8 hodiny týdně. Použiju konzervativně benchmark ~6 hodin ušetřených na znalostního pracovníka týdně, ale počítám s reálnějšími 5 hodinami.

Výpočet ROI: (116 100 - 38 000) / 38 000 × 100 = 205 %. Návratnost investice tedy asi 3,9 měsíce. A to je jen jeden člověk a jen úspora času - bez započítání nového výnosu z rychlejší práce. U pěti lidí ve stejné roli mluvíme o roční úspoře přes půl milionu korun.

Pozor - v dalších letech náklad na zaškolení odpadá, takže ROI vyskočí ještě výš (roční náklady spadnou na ~18 000 Kč, ROI přes 540 %). Proto se AI projekty počítají minimálně na tři roky, ne na první měsíc.

Jaké metriky sledovat a jaké benchmarky čekat?

Dobrý framework měří aspoň tři z pěti dimenzí: míru adopce, podíl práce dělané s AI, rychlost (upravenou o složitost), kvalitu výstupu a samotné ROI. Orientační benchmarky za rok 2026:

• Úspora času: ~5-6 hodin týdně na znalostního pracovníka, cca 5-6 % pracovní doby.
• Návratnost: medián 4,1 měsíce u zákaznické podpory, 6,7 měsíce u marketingu, 9,3 měsíce u vývoje.
• Úspěšnost: jen 41 % nasazení překročí kladné ROI do 12 měsíců, 19 % návratnosti nedosáhne nikdy.
• Vývoj (kódování): zdravé ROI je 2,5-3,5× u průměru, 4-6× u nejlepší čtvrtiny.

Ten poslední bod je varování. Skoro pětina projektů se nikdy nezaplatí. Proto je poctivé měření tak zásadní - dřív poznáš, který projekt zabít, a peníze přesuneš tam, kde to táhne.

Kde AI přináší nejvíc a kde nejmíň?

MIT našel největší ROI v back-office automatizaci - rušení externích agentur, méně outsourcingu, zeštíhlení procesů. Nejmíň naopak tam, kde firma honí hype a nasadí AI všude, aniž by měřila jeden konkrétní workflow.

Praktické doporučení pro české firmy:

• Kde ano: zpracování faktur a mejlů, zákaznická podpora na rutinní dotazy, tvorba a překlad textů, příprava reportů.
• Kde opatrně: kreativní strategie, právní a účetní rozhodnutí, cokoli, kde chyba stojí víc než ušetřená hodina.

Kdy ROI raději NEpočítat obsesivně?

Je jedna past - měřit ROI tak úzkoprse, že zabiješ experiment dřív, než dozraje. Ne všechno se vrátí za měsíc a ne všechno jde vyčíslit v korunách hned.

• U pilotů první měsíc: dej tomu aspoň kvartál, návratnost u marketingu je medián 6,7 měsíce, ne 6,7 dne.
• U učení a kompetencí: to, že se tým naučí pracovat s AI, má hodnotu, kterou v Excelu první rok neuvidíš.
• U kvality místo rychlosti: někdy AI nezrychlí, ale zvedne kvalitu (míň chyb, lepší texty). To se počítá hůř, ale platí.

Zlaté pravidlo - měř tvrdě to, co jde vyčíslit (ušetřené hodiny, zrušené náklady), a buď trpělivý u toho, co dozrává. Ale nikdy neměř aktivitu místo výsledku.

Jak započítat skryté náklady, aby tě ROI neošálilo?

Skryté náklady jsou důvod, proč vypadá AI na papíře skvěle a v realitě hůř. Licence vidíš na faktuře, ale zbytek se schovává.

• Zaškolení: než tým začne AI používat pořádně, ztratí čas učením. Počítej 5-15 hodin na člověka podle role.
• Review tax (kontrola výstupů): AI se plete a někdo to musí zkontrolovat. U textů to bývá 20-30 % ušetřeného času zpátky na korekturu.
• Přepracování: špatný prompt = špatný výstup = práce znovu. Zpočátku hodně, časem míň.
• Integrace a údržba: napojení na firemní systémy, aktualizace, správa přístupů.

Praktický trik - v prvním roce si přínos vynásob koeficientem 0,7 (odečti tak zhruba tu neviditelnou daň). Když ti i po tomhle vyjde kladné ROI, je projekt fakt zdravý. Podle jednoho modelu ROI drží čistých 60 % i po odečtení skrytých nákladů, pokud je základ dobře postavený.

Druhý příklad: zákaznická podpora

Vezmi menší e-shop se dvěma lidmi na podpoře. Rutinní dotazy (kde je balík, jak vrátit zboží) tvoří 60 % jejich agendy. AI je odbaví sama.

Dva lidé, každý 160 hodin měsíčně, dohromady 320 hodin. 60 % rutiny = 192 hodin, z toho AI ušetří 70 %, tedy ~134 hodin měsíčně. Při sazbě 350 Kč/h (superhrubá u podpory) je to 46 900 Kč měsíčně, ročně přes 560 000 Kč. Náklady na AI nástroj a jeho provoz drž pod 100 000 Kč ročně a ROI ti vyjde přes 460 %. Návratnost pod tři měsíce, přesně jak říká benchmark pro zákaznickou podporu (medián 4,1 měsíce).

Vidíš ten vzorec? Vždycky stejný postup - kolik hodin, jaká sazba v Kč, mínus reálné náklady. Žádná AI kouzla, čistá aritmetika.

Co si z toho odnést?

ROI AI projektu není magie, je to poctivá matematika: přínos v korunách minus náklady, děleno náklady. Většina firem selhává ne proto, že AI nefunguje (95 % pilotů podle MIT bez dopadu), ale proto, že měří počet použití místo ušetřených korun a zapomínají na skryté náklady.

Udělej to opačně. Vyber jeden konkrétní workflow, změř, kolik hodin sežere dneska, dosaď českou hodinovou sazbu, odečti reálné náklady včetně kontroly výstupů. Když ti vyjde ROI přes 100 % a návratnost do půl roku, škáluj. Když ne, zabij to a zkus jinde. Tohle dělá oněch 5 % firem, kterým se AI fakt vyplácí.