AI ve vysokém školství: partnerství, která šetří čas i rozpočet

Na konci roku 2025 má většina vysokých škol stejný problém: tlak na modernizaci roste rychleji než rozpočty a kapacity IT týmů. A do toho vstupuje generativní AI – už ne jako „hezký doplněk“, ale jako technologie, kterou studenti i vyučující berou jako samozřejmost. Realita? Bez promyšlených partnerství s dodavateli technologií se zavádění AI často zvrhne v drahé piloty, které nikdy nepřerostou v běžný provoz.

Ve své praxi jsem viděl, jak snadno se instituce nechají strhnout slibem „rychlé návratnosti“ a skončí s nástrojem, který nikdo pořádně neumí používat, nebo se nedá bezpečně integrovat do stávajících systémů. Dobrá zpráva: cesta ven existuje. Nevede přes další nákupy, ale přes strategické spolupráce – takové, které počítají s omezenými lidmi, fragmentovaným ekosystémem a konkrétními výukovými cíli.

Tento článek je součástí série „Umělá inteligence ve vzdělávání a rozvoji dovedností“. Zaměřím se na to, jak mohou univerzity a dodavatelé společně stavět AI řešení, která opravdu zlepší výuku (personalizace, podpora dovedností, analytika výsledků) a zároveň nepoloží IT oddělení.

Proč AI projekty ve školství narážejí (a není to jen o penězích)

Hlavní brzda AI ve vysokém školství je kombinace roztříštěných systémů, nedostatku lidí a nejasných očekávání od hodnoty. Finance jsou viditelné, ale často největší ztráty vznikají jinde: v integracích, bezpečnosti, změnovém řízení a dlouhodobé správě.

Vysoké školy dnes typicky provozují směs:

• historických „legacy“ systémů (studijní agenda, finance, HR),
• cloudových služeb a vzdělávacích platforem,
• specializovaných výzkumných nástrojů,
• nově i GenAI a ML aplikací pro výuku, podporu studentů a administrativu.

Tahle skladba je křehká. Každý nový AI nástroj znamená otázky: Kde budou data? Kdo nastaví přístupy? Jak se bude logovat? Jak se budou řešit incidenty? A kdo školí vyučující, aby výstupy dávaly smysl?

Mýtus: „Stačí koupit platformu a AI začne fungovat“

Nezačne. AI řešení jsou služba + proces + kompetence. Pokud dodavatel prodá jen licenci a škola zůstane sama s integrací a adopcí, výsledek je předvídatelný: používá se 10–20 % funkcí, piloty se rozmělňují a CIO slyší, že „AI byla zbytečně drahá“.

Co je na tom nejhorší

Nejde jen o zahozené peníze. Neúspěšný AI projekt zanechá:

• nedůvěru vyučujících,
• obavy o bezpečnost,
• unavené IT,
• a zmatek v tom, co je vlastně povolené.

Strategické partnerství má jednu důležitou roli: snížit riziko pro obě strany (instituci i dodavatele) a zvednout šanci, že AI reálně podpoří učení a rozvoj dovedností.

Co znamená „strategické partnerství“ v praxi (ne na papíře)

Strategické partnerství není sleva na licenci. Je to dohoda, jak společně dodáme měřitelný dopad s minimální zátěží pro campus. V kontextu AI ve vzdělávání to obvykle znamená tři věci: jasné use-casy, bezpečný datový rámec a plán rozvoje kompetencí.

Dodavatelé technologií často přicházejí s širokou platformou, ale školy realisticky potřebují jen část. To není chyba školy. Je to signál, že partnerství má začínat otázkou:

„Jakou část hodnoty zvládneme nasadit do 90 dnů s našimi lidmi a naším IT prostředím?“

3 vrstvy partnerství, které fungují

1. Partnerská implementace (rychlý start bez chaosu)

   • předpřipravené integrační šablony,
   • standardní nastavení identit a rolí,
   • bezpečnostní baseline (logy, retenční politiky, audit).

2. Partnerská adopce (AI ve výuce, ne v prezentacích)

   • školení pro vyučující zaměřené na konkrétní scénáře,
   • metodiky pro zadávání úloh s AI,
   • podpora center pedagogických kompetencí.

3. Partnerský provoz (aby to přežilo semestr i akreditaci)

   • řízení modelových rizik,
   • pravidelné revize datových toků,
   • SLA/OLA, incident management, průběžná optimalizace nákladů.

Důležité: univerzity jsou přirozeně spolupracující, dodavatelé často soutěživí. Proto dává smysl zapojovat prostředníky a komunitní organizace, které umí spolupráci „škálovat“ napříč sektorem (typicky skrze společné standardy, rámcové smlouvy a sdílené know-how).

Jak z AI udělat službu pro výuku: 4 konkrétní scénáře

AI ve vzdělávání má největší návratnost tam, kde snižuje rutinu a zvyšuje kvalitu zpětné vazby. Ne tam, kde jen „generuje text“. Níže jsou scénáře, které se dají obhájit i před vedením a často se dají rozjet bez masivních integrací.

1) Personalizované učení v LMS (bez přestavby kurzu)

Místo velkých redesignů kurzů funguje pragmatika:

• AI navrhne doplňující materiály podle chyb v testech,
• nabídne vysvětlení pojmů v různých úrovních složitosti,
• vytvoří krátké procvičovací kvízy k danému týdnu.

Podmínka úspěchu: jasně říct, kde AI může čerpat obsah (kurzové materiály, skripta, interní znalostní báze) a kde už to být nesmí.

2) „AI tutor“ pro podporu studentů (s pevnými hranicemi)

Užitečný tutor odpovídá na organizační otázky (termíny, požadavky, postupy), naviguje studenty k relevantním zdrojům a pomáhá s plánováním. V praxi se vyplatí nastavit:

• omezení na ověřené zdroje,
• citace interních dokumentů (v rámci systému),
• eskalaci na člověka u citlivých dotazů.

Tady partnerství s dodavatelem rozhoduje: bez dobrého nastavení znalostní báze a monitoringu kvality odpovědí se systém rychle „zničí“ špatnou zkušeností.

3) Hodnocení a zpětná vazba: méně administrativy, víc pedagogiky

AI nemá suplovat učitele. Má zkrátit čas na rutinu:

• návrhy strukturované zpětné vazby podle rubrik,
• sumarizace opakujících se chyb ve třídě,
• kontrola formálních náležitostí (citace, struktura, jazyk).

Nejlepší přístup, který se mi osvědčil: „AI navrhne, učitel rozhodne.“ Snižuje to riziko i odpor.

4) Analytika studijních výsledků (včasné signály, ne špehování)

AI a ML pomáhají odhalit vzorce:

• studenti, kteří „mizí“ (neaktivita v LMS),
• náročné části kurzu (kde se kumulují neúspěchy),
• efekt různých typů zadání na výsledky.

Klíč je etika a governance: transparentně komunikovat, jaká data se používají a proč, a co se nikdy sledovat nebude.

Rozpočet a kapacity: co dává CIO smysl v roce 2026

Nejlepší investice do AI je taková, která snižuje nároky na interní IT a nezvyšuje integrační dluh. V prostředí „dělejte víc s méně“ to znamená posun od jednorázových nákupů k modelu, kde dodavatel nese část provozní zodpovědnosti.

Jak poznat, že nabídka je realistická

Při výběru partnera se ptejte na konkréta, ne na sliby. Tohle je krátký checklist, který používám:

1. Čas do hodnoty (time-to-value): Co bude první měřitelný výstup do 6–12 týdnů?
2. Integrace: Jaké jsou konkrétní integrační body (LMS, IAM, SIS) a kolik člověkodnů to stojí?
3. Bezpečnost a compliance: Kde běží data, jak se loguje, jak se řeší incident?
4. Model nákladů: Co je v ceně a co je „nad rámec“ (podpora, školení, managed services)?
5. Adopce: Kdo pomůže vyučujícím a garantům? Jak se měří využití a přínos?

„Méně funkcí, víc výsledků“ jako vyjednávací strategie

Dodavatelé často oceňují celé platformy, ale školy využijí jen část. Partnerství má umožnit:

• modulární nasazení,
• postupné rozšiřování,
• a cenový model, který odpovídá skutečnému využití.

Tady se vyplatí sektorová spolupráce (konsorcia, rámcové smlouvy, sdílené požadavky). Škola pak nevyjednává sama a dodavatel má jasnější signál, co je „standard“ pro více institucí.

Jak nastavit AI governance, aby to nebyla byrokracie

AI governance má být rychlá, praktická a srozumitelná pro vyučující. Jakmile se z ní stane dokument o 40 stranách, nikdo ji nebude číst a AI se stejně bude používat „na vlastní triko“.

Funkční minimum, které doporučuju:

• AI politika pro výuku: co je povolené, co je zakázané, jak se to uvádí v práci studenta.
• Datová pravidla: co se nesmí posílat do veřejných modelů (osobní údaje, citlivá data, neveřejné výzkumné materiály).
• Schvalování nástrojů: jednoduchý proces (např. 2 týdny) pro posouzení bezpečnosti a přínosu.
• Knihovna ověřených scénářů: 10–15 konkrétních „receptů“ pro pedagogy.

Partnerství s technologickými dodavateli je tady zásadní: univerzita potřebuje nejen nástroj, ale i provozní a metodickou oporu, aby pravidla šla dodržovat bez neustálého hasičství.

Co si odnést a co udělat už v lednu 2026

AI ve vysokém školství nebude fungovat jako série izolovaných nákupů. Bude fungovat jako síť dohod, standardů a sdílené odpovědnosti. A právě proto jsou strategická partnerství (instituce–dodavatelé–komunitní organizace) nejpraktičtější cestou, jak dostat AI do výuky a rozvoje dovedností bez rozbití rozpočtu a přetížení IT.

Pokud chcete začít hned, zvolte jeden výukový scénář (např. zpětná vazba podle rubrik) a udělejte tři kroky:

1. vyberte „minimum viable“ integraci,
2. nastavte jasné hranice práce s daty,
3. zajistěte školení pro 10–20 vyučujících a měřte dopad (čas, kvalita, spokojenost).

Tahle série je o tom, aby AI ve vzdělávání přinášela reálné zlepšení učení, ne jen další software v katalogu. Jaké partnerství by vaší instituci nejvíc pomohlo: implementační, adopční, nebo provozní?