Shadow AI staví vaši nadšenci. Žádný hacker za tím není.

Pamatuji si firmu, která uspořádala interní AI soutěž. Lidé ukazovali, co si s pomocí AI sami vytvořili. Byli to hlavně lidé mimo IT a jejich výtvory pomáhaly třeba s nákupem nebo s administrativou.

‍

Jeden zaměstnanec předvedl nástroj, který opravdu fungoval. Měl ale háček: nechtěně zpřístupnil firemní data komukoli na internetu. Jeho autor na něj byl hrdý, protože dokázal něco, na co by dřív potřeboval programátora.

‍

Z toho, co vidím ve firmách, je únik dat spíš výjimka. Typický je ale důvod, proč nástroj vznikl: člověk si chtěl usnadnit práci. Shadow AI tak roste z nadšení, kterému chybí hranice.

‍

Shadow AI je umělá inteligence, kterou lidé v práci používají nebo si s ní něco staví mimo to, co firma schválila a o čem ví. Vzniká třemi způsoby:

• firma AI zakáže,
• firemní AI lidem přestane stačit,
• nebo si lidé s AI postaví vlastní nástroj.

Dvě cesty k Shadow AI

První cesta je zákaz. Firma AI zakáže a lidé ji začnou používat po svém. Podle studie společnosti Cisco z ledna 2026 ale AI úplně zakazuje už jen 7 % firem, rok předtím to bylo 28 %. Firmy tedy přešly od plošných zákazů k hledání cesty, jak AI svým zaměstnancům zpřístupnit. Zbývá tak spíš otázka, jestli firemní nástroje lidem dovolí naplno využít to, co je dnes u AI běžné. Třeba vytvářet a sdílet hotové návody, podle kterých AI opakovaně postupuje (říká se jim skilly), napojit AI na firemní data tak, aby je mohla číst i do nich zapisovat, nebo pracovat s kolegy ve sdílených projektech.

‍

K Shadow AI ale může vést i druhá cesta. Firma AI zavede, lidé ji používají čím dál víc, až narazí. Licencí začne být málo, rozpočet už nestačí nebo pravidla nedovolí to, co lidé potřebují. Shadow AI tak vzniká i tam, kde firma AI podporuje a dělá to dobře. Přitom jen 11 % českých zaměstnanců říká, že má od firmy jasná pravidla pro bezpečné používání AI (Ipsos pro Vodafone, jaro 2026).

‍

Jestli je vůbec na čem stavět, tedy v jakém stavu firma svá data má, rozebírá kolega Pavel Pola v článku o datové připravenosti pro AI.

Údolí smrti mezi předplatným a platbou za spotřebu

Jak rychle může firemní AI narazit na peníze, ukazuje Uber. Letos vyčerpal roční rozpočet na AI za čtyři měsíce. AI nezakázal. Jen stanovil, kolik smí každý člověk měsíčně utratit za jednotlivé služby. (TechCrunch, červen 2026). 

‍

Firmy dnes mohou zaměstnancům platit používání AI dvěma základními způsoby. Prvním je týmové předplatné. Za měsíční paušál může zaměstnanec používat AI až do limitů daného účtu. Spotřeba AI se měří v takzvaných tokenech, zjednodušeně v kouscích textu, které AI přečte a napíše. V předplatném vycházejí tokeny v zásadě levněji, než je jejich tržní cena, a rozdíl dotují poskytovatelé. Týmová předplatná ale často mají strop na počet uživatelů, takže větší firmě nestačí.

‍

Druhým způsobem je platba za spotřebu přes takzvané enterprise účty, tedy smlouvy pro velké organizace. Může je používat i několik tisíc lidí v jedné firmě, jenže za tokeny se tu platí plná tržní cena. Právě tady ceny pro firmu skokově rostou, klidně až dvacetinásobně. Tomuhle skoku říkám údolí smrti: pro týmové předplatné je firma moc velká a platba za spotřebu ji vyjde mnohem dráž.

‍

Znám firmu, kde AI začalo používat víc lidí, než kolik jich týmové předplatné dovoluje. Přešla proto na platbu za spotřebu a každý dostal měsíční rozpočet v řádu stovek dolarů. Nejaktivnějším lidem došel rozpočet uprostřed měsíce, někomu vydržel do konce jen díky dovolené.

‍

Proto je důležité, aby se zaměstnanci naučili s AI pracovat efektivně a firma přistupovala k rozpočtům pružně. Když se AI ve firmě úspěšně ujme, nechceme lidi nechat v situaci, kdy se musí po část pracovní doby vracet k původnímu způsobu práce nebo přemýšlet, jak si práci ulehčit pomocí Shadow AI.

Od experimentu k firemní praxi

Třetím způsobem, jak Shadow AI vzniká, jsou nástroje, které si lidé s pomocí AI postaví sami. Díky AI dnes ve firmách vzniká spousta prvních verzí nových aplikací a přibývá pokusů nahradit jimi interní systémy. Jejich tvůrci jsou často lidé z netechnických pozic, kteří bezpečnost těchto aplikací a to, jak je dlouhodobě provozovat, moc neřeší.

‍

Představte si obchodníka, který si postaví agenta na příchozí poptávky. Agent je čte v e-mailu, zakládá do systému se zákazníky a rovnou posílá první odpověď. Funguje to a ušetří to hodiny týdně. Pak obchodník odejde z firmy. Agent běží dál, protože ho nikdo nevypnul. Odpovídá zákazníkům jménem firmy, sahá do dat a nikdo neví, podle jakých pravidel se rozhoduje ani na kterém počítači vlastně běží. Když se v jeho odpovědích objeví chyba, není koho se zeptat.

‍

Ani tady nejsem příznivcem plošných zákazů. Navrhuji ale několik pravidel, která pomohou tyto situace zvládnout.

‍

• Podporujte experimentování s různými nástroji AI. Řekněte ale lidem, co smějí a co nesmějí zadávat do AI, kterou firma oficiálně nepodporuje. Na zkoušení stačí veřejná nebo vymyšlená data.
• Když si něco vyrobíte, budete se o to také muset starat. Zaměstnanci velmi brzy zjistí, že starat se o systém, který běží a lidé ho používají, zabere dost času. Proto si dobře rozmyslí, jestli se pustí do dalšího experimentu, který pak budou muset pro ostatní udržovat. To brzdí překotný nárůst aplikací vzniklých vibecodingem.
• Předem určete, co musí tyto aplikace splnit, než je ve firmě spustíte. Kde poběží, kdo a kdy zkontroluje jejich bezpečnost a jakými dalšími testy musí projít.
• U každého experimentu předem stanovte, kdy ho vyhodnotíte. Pokud se osvědčí, pokračujte v něm, jinak ho ukončete. Nic nemá běžet jen proto, že to nikdo nevypnul.

‍

Když se experiment osvědčí a má sloužit zákazníkům nebo pracovat s firemními daty, bývá dalším krokem ho přestavět na Enterprise AI platformě, kde běží s jasnými přístupy a auditní stopou, v podstatě s pravidly jako každý jiný produkční systém.

Přijďte na Etnology #6

Další příběhy a čísla, hlavně o zákazech a rozpočtech na AI, zazní na Etnology #6 „Co AI ví? A kdo ji pustil?“. Sejdeme se 14. října 2026 v Praze v Etneteře. Detaily a registraci najdete tady.

‍




_____