Proč je využití AI v českém a slovenském zpracovatelském průmyslu o tolik vyšší než v Polsku nebo Rumunsku?

Data Eurostatu příčiny nevysvětlují. Obě země se mezi roky 2024 a 2025 zhruba zdvojnásobily a část tohoto skoku jde na vrub širšího dotazníku z roku 2025. Rozdíl berte jako signál odlišných výchozích bodů, ne jako žebříček závodů.

Můžeme fáze přeskočit a začít prediktivní údržbou?

Můžete, na jednom stroji s jasným způsobem poruchy a vyhrazenými senzory. Počítejte s tím, že projekt pro daný stroj znovu postaví části fází 1 a 2. AI v celém závodě bez fází 1 až 3 obvykle uvázne na chybějících nebo neoznačených datech.

Jak dlouho trvá cesta od fáze 1 k fázi 4?

Záleží na tom, jak rychle se ustálí kódy příčin a každodenní používání. Analytika potřebuje několik měsíců dat sbíraných stejným způsobem. Typickou dobu nezveřejňujeme, protože nemáme ověřený údaj.

Potřebujeme pro fáze 1 až 3 datové vědce?

Ne. Tyto fáze potřebují lidi z výroby, údržby a kvality, kteří vlastní definice a používají data každý den. Specializované dovednosti jsou důležité hlavně ve fázi 5.

Pomáhá datová vrstva u auditů IATF?

Ano. Automaticky zachycená zastavení a počty kusů dávají pevnější základ pro cíle OEE, MTBF a MTTR, které článek 8.5.1.5 IATF 16949 uvádí jako příklady, i pro jejich měsíční vývoj a přezkoumání.

Úvod

Průvodce · Data a AI · stav k 22. září 2026

Proč AI používají jen 3–8 % výrobců ve střední a východní Evropě a jaká datová vrstva musí přijít dřív

Podle šetření Eurostatu za rok 2025 je využití AI mezi výrobci v Rumunsku, Polsku a Maďarsku pod polovinou úrovně EU. Řešením je zřídka lepší model. Jsou jím spolehlivá data ze strojů, sbíraná každou směnu.

StručněV roce 2025 používalo alespoň jednu technologii AI 3,2 % výrobců s 10 a více zaměstnanci v Rumunsku, 7,7 % v Polsku a 7,8 % v Maďarsku, oproti 17,3 % v EU (Eurostat). Průmyslová AI potřebuje úplné stavy strojů s časovými razítky, počty kusů a příčiny zastavení. To postavte nejdřív: sbírejte automaticky, doplňte příčiny, používejte data denně, pak analyzujte a teprve na to, co zbude, nasaďte AI.

Čísla o zavádění

Podniky používající alespoň jednu technologii AI, 10 a více zaměstnanců, % podniků
Země	Všechna odvětví 2024	Všechna odvětví 2025	Zpracovatelský průmysl 2024	Zpracovatelský průmysl 2025
Rumunsko	3,1	5,2	1,3	3,2
Polsko	5,9	8,4	5,1	7,7
Maďarsko	7,4	10,4	4,8	7,8
Česko	11,3	17,6	9,6	16,7
Slovensko	10,8	18,0	8,1	15,8
EU-27	13,5	20,0	10,6	17,3
Německo (pro srovnání)	19,8	26,0	16,1	24,4

Zdroj: Eurostat isoc_eb_ai (všechna odvětví) a isoc_eb_ain2 (zpracovatelský průmysl, NACE C), ukazatel E_AI_TANY, 2024–2025. Eurostat v roce 2025 otázky na AI rozšířil, takže část nárůstu 2024→2025 je změna šetření, ne jen skutečné zavádění.

Vystupují dvě skupiny. V Rumunsku, Polsku a Maďarsku je využití AI ve zpracovatelském průmyslu pod polovinou úrovně EU. V Česku a na Slovensku se za rok zhruba zdvojnásobilo a nyní se blíží úrovni EU, i když část skoku vysvětluje změna šetření.

V celé EU byl nejčastějším důvodem, který uváděly podniky, jež AI zvažovaly, ale nepoužívaly, nedostatek odborných znalostí, uvedený 70,9 % z nich, následovaný nejasnými právními důsledky (52,5 %) a obavami o ochranu dat (48,8 %) (Eurostat, Use of artificial intelligence in enterprises, 2025). Eurostat v tomto vydání nezveřejňuje údaj o kvalitě dat jako bariéře, proto žádný necitujeme.

Proč průmyslové projekty AI uváznou na datech

Nemáme spolehlivou statistiku o tom, kolik průmyslových projektů AI selže, a těm, které kolují, nedůvěřujeme. Mechanismus se snáz ukáže, než spočítá. Model, který předpovídá poruchu, doporučuje nastavení nebo vysvětluje ztrátu, potřebuje historii. Ta musí splňovat čtyři podmínky.

Úplná. Každé zastavení, včetně krátkých, s časem začátku a konce. Model trénovaný na ručně zapisovaných poruchách nikdy neuvidí dvouminutová zaseknutí, která tvoří velkou část ztrát.
Označená. Zastavení potřebují příčiny z krátkého, stabilního seznamu. „Ostatní“ jako největší kategorie model nic nenaučí.
Sladěná. Stavy strojů, počty kusů, čísla dílů, směny a tam, kde jsou k dispozici, procesní hodnoty musí sdílet jedny hodiny. Dodatečné sladění logu z PLC s papírovým hlášením směny je pomalé a často nemožné.
Dost dlouhá a stabilní. Měsíce dat sbíraných stejným způsobem na procesu, který se nepředefinovává každé čtvrtletí.

Pokud tyto podmínky splněné nejsou, první fáze projektu AI se stane datovým projektem, ať už to tak bylo plánováno, nebo ne. Levnější je rozpočtovat datovou vrstvu jako samostatný projekt s vlastní návratností v každodenním snižování ztrát a AI brát jako pozdější možnost nad ní.

Mezera v odbornostiBariéra odbornosti ve výši 70,9 % je také argumentem pro datovou vrstvu. Fáze 1 až 3 níže potřebují lidi z výroby a údržby, ne datové vědce. Fáze 5 je jediná, kde jsou specializované dovednosti v AI nezbytné, a v té době je problém už tak úzký, že je lze nakoupit.

Plán v pěti fázích

Automaticky zachycujte stavy strojů a počty kusůKaždý klíčový stroj hlásí chod, zastavení a výrobu, s počty kusů, ze signálu, ne z pera. Hotovo znamená: pro kteroukoli směnu za poslední měsíc umíte ukázat každé zastavení se začátkem a koncem a počet kusů souhlasí s výrobním hlášením v rámci malého, známého rozdílu.
Přiřaďte zastavením příčinyObsluha vybírá příčinu z krátkého seznamu, u stroje nebo na tabletu, ještě během zastavení. Seznam vlastní údržba. Hotovo znamená: více než devět z deseti minut zastavení má příčinu a „ostatní“ není mezi třemi největšími.
Používejte data denně na směnových poradáchPorada na začátku směny vychází ze včerejších ztrát podle strojů a příčin, ne z paměti. Opatření se zapisují s odpovědnými osobami. Hotovo znamená: mistři si obrazovku vyžádají, když chybí, a největší ztráta na každé klíčové lince má otevřené opatření.
Analytika nad stabilními datyMáte-li několik měsíců konzistentních dat, hledejte vzorce: ztráty podle čísla dílu, směny, typu přestavby, doby od údržby. Teprve tady se trendy MTBF, MTTR a OEE stávají dost spolehlivými pro audity a zákazníky. Hotovo znamená: na otázku „proč linka 3 minulý měsíc ztratila čtyři body“ odpovíte do hodiny, s čísly.
ML a AI na problémy, které zbývajíVyberte úzký, nákladný problém, který analytika nevyřešila: způsob poruchy s varovnými signály, drift kvality spojený s procesními hodnotami, problém s plánováním. Doplňte senzory nebo data, která tento problém potřebuje. Hotovo znamená: model s naměřeným účinkem na jednu pojmenovanou ztrátu, kterého vlastní někdo z výroby.

Fáze 1 až 3 zároveň vytvářejí důkazy, které článek 8.5.1.5 IATF 16949 požaduje k cílům údržby; viz co auditoři očekávají k OEE, MTBF a MTTR. S doplněnými podružnými elektroměry odpoví stejná vrstva i na dotazy zákazníků na energii na díl.

Data zdarma

Datový balíček zpracovatelského průmyslu SVE 2026

Všechny ukazatele z této stránky za 7 zemí, EU-27 a Německo, s kódy datových souborů Eurostatu a odkazy. Excel.

Stáhnout datový balíček →

Kontrolní seznam: jsou vaše data připravená na AI?

Odpovídejte za jednu klíčovou linku, ne za závod
Kontrola	Připraveno	Zatím nepřipraveno
Jak se zaznamenávají zastavení?	Automaticky ze signálu stroje, s časovými razítky	Na papír nebo přepisem na konci směny
Jsou vidět krátká zastavení?	Ano, s přesností na minutu nebo lepší	Jen zastavení delší než několik minut
Podíl času zastavení s příčinou	Nad zhruba 90 %, „ostatní“ malé	Velká kategorie „ostatní“ nebo „neznámé“
Počty kusů	Ze stroje, podle čísla dílu	Z hlášení směny nebo z účtování v ERP
Společné hodiny	Stavy, počty a procesní data sdílejí jednu časovou základnu	Oddělené systémy, slaďované ručně
Historie	Šest měsíců nebo více sbíraných stejným způsobem	Týdny, nebo nedávno změněné definice
Denní používání	Používají se na směnových poradách; chyby se všimnou a opraví	Prohlížejí se měsíčně nebo kvůli auditům
Vlastnictví	Jmenovaný vlastník kódů příčin a definic	Nikdo, nebo jen IT

Prahy jsou praktická pravidla, ne publikované benchmarky.

Pokud je většina odpovědí v pravém sloupci, projekt AI stráví první měsíce jejich nápravou. Ta práce stojí za to, ale při rozpočtování a v žádosti o dotaci ji nazvěte pravým jménem.

Jak to souvisí s dotacemi

Několik programů na digitalizaci ve střední a východní Evropě uvádí sběr výrobních dat, MES nebo IoT jako způsobilé výdaje, což fázím 1 až 3 dobře odpovídá. Stav výzev se často mění. Náš sesterský web uvádí programy podle zemí s daty a oficiálními odkazy: dotace na digitalizaci výroby ve střední a východní Evropě. Aktuální dokumentaci výzvy si ověřte u agentury; nejde o dotační poradenství.

Odkud může datová vrstva pocházet

Tři běžné cesty
Cesta	Hodí se, když	Na co si dát pozor
MES	Na dílně potřebujete i zakázky, sledovatelnost a pracovní instrukce	Delší projekty; zachycení stavu u starších strojů může i tak vyžadovat další hardware
Místní integrátor (data z PLC a SCADA)	Stroje mají přístupné řídicí systémy a máte vlastní IT podporu	Definice a dashboardy jsou na míru; uchovávejte dokumentaci
Produkt pro monitoring (například TeepTrak)	Chcete rychle stavy, příčiny zastavení a počty kusů, i na starších strojích	Náklady na předplatné; integrace s ERP nebo MES, pokud ji budete později potřebovat

Tento web vydává společnost TEEPTRAK SAS, která prodává software pro monitoring výroby a OEE (450+ vybavených továren ve 30+ zemích; tým pro střední a východní Evropu v Bukurešti). K třetí cestě nejsme neutrální. Fáze 1 až 3 zvládnou všechny tři. Stejně tak disciplinovaně vedená tabulka na jedné lince, jako první test, zda vaše týmy data budou používat.