Nekdo v pisarni si je pred pol leta pri e-pošti začel pomagati s ChatGPT-jem. Računovodstvo je preizkusilo orodje, ki bere račune. Direktor je na konferenci videl predstavitev AI agenta in dobil ponudbo. Pol leta pozneje je stanje enako: nekaj ljudi si pomaga z umetno inteligenco, poslovni izidi pa so enaki kot prej – in nihče ne ve, katerega od treh poskusov bi bilo vredno razširiti na vse podjetje. Če se v tem prepoznate, niste izjema, ampak povsem povprečno podjetje.
Svetovalna družba BearingPoint je septembra 2026 objavila študijo Scaling AI for measurable impact: avgusta 2026 je anketirala 1.050 članov uprav in vodilnih menedžerjev iz 13 držav v Evropi, ZDA in na Kitajskem. Skoraj tri četrtine podjetij, ki umetno inteligenco že uporabljajo, poročajo o merljivem učinku na prihodke ali stroške. A le 13 odstotkov jih je umetno inteligenco razširilo tako, kot je predvideval prvotni poslovni načrt. O študiji je 1. oktobra poročal Reuters, v slovenščini pa Lider.
V nadaljevanju pojasnjujemo, kaj te številke pomenijo za podjetje s 5 do 50 zaposlenimi, in predstavljamo naš načrt v petih korakih, kako uvajanje umetne inteligence v podjetje izpeljati tako, da se ne konča pri pilotu.

Kaj kaže študija: AI se obrestuje, širitev pa spodleti
Ključne številke, kot jih navajata BearingPoint (lastna objava in sporočilo za javnost, 1. 10. 2026) ter Reuters in Lider (1. 10. 2026):
- 74 % podjetij, ki so AI uvedla, poroča o merljivem učinku na prihodke ali stroške (BearingPoint).
- Manj kot tretjina jih je presegla pilotne projekte in tehnologijo vpeljala v vsakdanje delo (Reuters, Lider).
- 13 % je AI razširilo v celoti po prvotnem poslovnem načrtu; 11 % ima AI globoko vgrajeno v poslovanje z jasnim načrtom – leto prej 7 % (BearingPoint).
- 24 % poroča o prihrankih stroškov vsaj 10 %, samo 4 % o vsaj 10-odstotni rasti prihodkov zaradi AI (BearingPoint za prihranke; rast prihodkov po Reutersu in Liderju).
- Pri celoviti uporabi vodita Kitajska (20 % podjetij) in ZDA (18 %), v Nemčiji je takšnih 8 % (Reuters, Lider).
- 62 % podjetij ocenjuje, da imajo zaradi AI že danes vsaj 10 % presežek zaposlenih glede na potrebe ob polni uporabi tehnologije (BearingPoint).
Dve stvari iz tega seznama sta za malo podjetje pomembnejši od vseh drugih. Prvič: AI se najprej pokaže pri stroških, ne pri prihodkih – šestkrat več podjetij je doseglo velik prihranek kot veliko rast prodaje. Pri prvem AI projektu zato iščite ure, ki jih danes porabite za ponavljajoče se delo, ne novega vira prihodkov. Drugič: razlika med »deluje v pilotu« in »deluje v podjetju« je razlika med tremi četrtinami in 13 odstotki. Prav tu se izgubi večina denarja.
»Umetna inteligenca je prestopila pomemben prag. Dokazovanje vrednosti in njena razširitev pa sta dve povsem različni stvari.«
— Frédéric Gigant, partner pri BearingPointu, po Reutersu in Liderju (naš povzetek)
Ovira ni tehnologija, ampak pravila in stari sistemi
Kot poročata Reuters in Lider, je približno 40 % vprašanih kot glavno oviro pri širitvi navedlo zakonske omejitve, 34 % pa težave pri povezovanju nove tehnologije s starimi informacijskimi sistemi. BearingPoint v sporočilu za javnost potrjuje oba podatka in tudi vrstni red (regulativa je prva ovira, povezovanje s starimi sistemi in procesi druga), dodaja pa še podatek, ki pojasni, zakaj je tako: manj kot tretjina podjetij razširljivost formalno oceni, preden AI projekt sploh začne.
Poglejmo to s stališča malega podjetja. Korporacije z lastnimi pravnimi službami in IT oddelki se najbolj zatikajo pri pravilih in pri povezovanju sistemov – ne pri zmogljivosti orodij. Pri podjetju z desetimi zaposlenimi so vprašanja ista, le odgovori so krajši: kateri podatki gredo v orodje, kdo odgovarja za rezultat in kako ta rezultat pride v računovodski program, ne v odložišče. Dobra novica je, da so odgovori kratki, slaba pa, da jih skoraj nihče ne zapiše, preden kupi licenco.
Kako razumemo tistih 34 odstotkov: pri malem podjetju »stari sistemi« niso desetletja stari strežniki, ampak e-pošta, Excel, računovodski program in spletna trgovina – štiri mesta, kjer živijo podatki. Pilot deluje v klepetalnem oknu, ker tam podatke vnese človek. V resničnem delu jih mora nekdo prenesti iz enega od teh štirih mest v orodje in nazaj. Dokler to počne človek, ste avtomatizirali razmišljanje, ne pa dela.
Trije vzorci, zaradi katerih pilot obtiči
Študija zajema velika podjetja. V nadaljevanju so vzorci, ki jih vidimo pri slovenskih malih podjetjih – iz naše prakse, ne iz raziskave:
- Orodje pred procesom. Podjetje kupi licenco in nato išče, kje bi jo uporabilo. Pilot zato dokazuje, da orodje deluje, ne pa, da rešuje problem, ki je nekoga stal čas ali denar.
- Pilot brez lastnika in brez številke. »Preizkusimo« pomeni, da nihče ni izmeril, koliko ur naloga vzame danes. Čez tri mesece ni mogoče reči, ali je bolje, zato se nihče ne odloči – in pilot tiho zamre.
- Rezultat ostane v klepetalnem oknu. AI napiše odgovor ali izlušči podatke iz računa, človek pa jih prekopira naprej. Prihranek je nekaj minut na posamezen primer, ozko grlo pa ostane.
Spodnji načrt se vsem trem vzorcem izogne s pravim vrstnim redom: najprej proces, nato številka, nato vgradnja, nato pravila in šele na koncu širitev.
Korak 1: izberite en proces – točkovnik za izbiro
Ne sprašujte se, kje bi lahko uporabili umetno inteligenco. Zapišite 5 do 10 nalog, ki se v podjetju ponavljajo, in vsako ocenite po petih merilih z 0, 1 ali 2 točkama. To je naše priporočilo, ne del študije – a merila se ujemajo s točkami, pri katerih se podjetjem po študiji zatakne:
- Pogostost: naloga se zgodi vsak dan (2 točki), vsak teden (1), redko (0).
- Pravila: poteka po jasnih pravilih in imate primere iz preteklosti (2), deloma (1), vsakič je drugače (0).
- Podatki: vhod je že digitalen – e-pošta, PDF, tabela, spletni obrazec (2), deloma papir (1), telefon ali ustno (0).
- Tveganje napake: napako človek opazi in popravi v minuti (2), opazi se čez teden (1), gre naravnost k stranki ali na FURS (0).
- Vpliv: naloga vsem skupaj vzame vsaj 5 ur na teden (2), 1 do 5 ur (1), manj (0).
Seštejte. Proces z 8 ali več točkami je vaš prvi kandidat. Procesa z manj kot 5 točkami se ne lotite, ne glede na to, kako prepričljiva je bila predstavitev. Primer – trgovsko podjetje z 12 zaposlenimi: razvrščanje dobaviteljskih računov in vnos v računovodski program dobi 10 točk (vsak dan, jasna pravila, PDF po e-pošti, napako ujame računovodja, 6 ur na teden). Pisanje ponudb za nove projekte dobi 4 (vsak teden, vsakič drugače, napaka gre k stranki). Prvi proces je pravi začetek, drugi le skušnjava.

Pri večini podjetij se na vrhu točkovnika znajde avtomatizacija administrativnih procesov: računi, naročila, potrditve, odgovori na ista vprašanja strank. Daljši seznam kandidatov z opisom, kaj se splača in kaj ne, imamo v članku AI avtomatizacija poslovnih procesov.
Korak 2: določite številko, preden kupite orodje
Določite eno številko in jo izmerite, preden karkoli spremenite. Pri računih iz primera zgoraj: danes 6 ur ročnega vnosa na teden, cilj 1 ura preverjanja; 95 % računov pravilno razvrščenih brez popravka; rok tri mesece. Dva tedna štejte ure, preden začnete – brez izhodišča čez tri mesece ne boste vedeli nič. Ure pretvorite v evre s polnim stroškom delodajalca, ne z neto plačo (hiter izračun: kalkulator plače). Če izračun ne pokaže prihranka vsaj nekaj sto evrov na mesec ali napak, zaradi katerih izgubljate stranke, projekta ne začnite. Ta en stavek vam pove več kot katerakoli predstavitev.
Zakaj vztrajamo pri številki: BearingPoint podjetja deli na »vodilne« in »izvajalce«. 70 % vodilnih več kot polovico AI projektov veže na merljive finančne kazalnike, pri izvajalcih le 34 %. Po načrtu AI razširi 47 % vodilnih in le 6 % izvajalcev. Številka torej ni birokracija, ampak po študiji najbolj vidna razlika med tistimi, ki jim uspe, in tistimi, ki jim ne.
Korak 3: vgradite AI v orodja, ki jih že uporabljate
Tu propade večina pilotov – to je tistih 34 odstotkov v malem. Naše pravilo: rezultat mora brez kopiranja priti tja, kjer se delo nadaljuje. Razvrščen račun se pojavi v računovodskem programu kot pripravljen vnos, ki ga nekdo le potrdi. Odgovor stranki čaka kot osnutek v nabiralniku. Podatek iz obrazca se zapiše kot vrstica v tabeli ali naročilo v trgovini. Če rezultat ostane v klepetalnem oknu, ste kupili pametnejši urejevalnik besedil.

Praktično to pomeni dvoje. Preverite, ali imajo vaš računovodski program, trgovina in CRM API ali vsaj uvoz podatkov – večina slovenskih programov ima vsaj eno od obojega. In izberite način povezovanja: za preproste tokove zadošča no-code orodje, za vse, kar zadeva račune, zaloge ali osebne podatke, se po naši izkušnji hitro splača povezava, narejena po meri, ker ne odpove ob prvi spremembi v programu. Razliko med obema smo opisali v razdelku »No-code ali rešitev po meri« istega članka o avtomatizaciji poslovanja.
Korak 4: uredite podatke in pravila – kar mora vedeti malo podjetje
Zakonske omejitve so po Reutersu in Liderju največja ovira. Pri malem podjetju se »pravni del« v praksi skrči na tri vprašanja. To je naše priporočilo iz prakse, ne pravni nasvet:
- Kateri podatki gredo v orodje in kam potujejo. Osebne podatke strank ali zaposlenih vnašajte le v orodja, s katerimi imate sklenjeno pogodbo o obdelavi podatkov (GDPR) in v katerih je izklopljeno učenje na vaših podatkih. Za pilot uporabite anonimizirane primere – delujejo enako dobro.
- Kdo odgovarja za rezultat. Ena oseba potrjuje rezultate, dokler številka iz 2. koraka ne drži; vodite preprost dnevnik, kaj je AI naredil in kaj je bilo popravljeno. Brez tega ne boste vedeli, kdaj lahko potrjevanje opustite.
- Ali ljudje vedo, da komunicirajo z umetno inteligenco. Če AI odgovarja strankam ali piše objave, naj bo to razvidno.
Tretja točka ni le vljudnost. Po uradni strani Evropske komisije (stanje 3. 8. 2026) je Akt o umetni inteligenci začel veljati 1. avgusta 2024; prepovedane prakse veljajo od februarja 2025, pravila za splošne modele od avgusta 2025, pravila o transparentnosti pa od avgusta 2026: ljudje morajo vedeti, da komunicirajo z računalnikom, vsebina, ki jo je ustvaril AI, mora biti prepoznavna, globoki ponaredki in AI besedila o javnih zadevah pa jasno označeni. Obveznosti za visoko tvegane sisteme so bile s t. i. digitalnim omnibusom prestavljene na 2. december 2027 (med drugim zaposlovanje, izobraževanje, kritična infrastruktura) oziroma 2. avgust 2028 za sisteme, vgrajene v izdelke. Za običajne primere iz tega članka – razvrščanje računov, osnutki odgovorov, povzetki – podjetje ni v kategoriji visokega tveganja. Previdnost velja, če bi AI uporabljali za izbor kandidatov ali ocenjevanje zaposlenih; takšna raba spada med visoko tvegane. Kako varno urediti dostope in odobritve, ko AI ne le piše, ampak tudi izvaja naloge, smo opisali v članku o varni uporabi AI agentov.
Korak 5: razširite šele, ko številka drži
Ko ciljno številko dosegate vsaj tri mesece zapored (to je naš prag, ne podatek iz študije), dodajte naslednji proces s točkovnika – in uporabite iste povezave, ki ste jih že zgradili. Pred vsakim novim procesom naredite kratek preizkus razširljivosti, ki ga po BearingPointu izpusti večina podjetij: ali se ista naloga pojavlja tudi v drugih oddelkih ali na drugih trgih, ali bo povezava preživela menjavo računovodskega programa in kdo jo bo vzdrževal, ko bo oseba, ki jo je postavila, na dopustu.
Še o tistih 62 odstotkih podjetij s »presežkom« zaposlenih. V podjetju z desetimi ljudmi to ni seznam za odpuščanje, ampak seznam dela, ki ga nikoli ni bilo časa opraviti: klici strankam, ki niso naročile eno leto, ponudbe, poslane še isti dan namesto čez teden dni, urejen spletni katalog. Naše stališče: ure, ki jih AI osvobodi, usmerite v delo, ki ga danes nihče ne opravi – prav to delo se sčasoma pokaže tudi v prihodkih, ne le v stroških.
Kaj narediti ta teden
- Zapišite 5 do 10 ponavljajočih se nalog in jih ocenite s točkovnikom iz 1. koraka. Izberite eno z vsaj 8 točkami.
- Dva tedna merite, koliko ur ta naloga vzame in koliko napak se zgodi. To je vaše izhodišče.
- Zapišite ciljno številko in rok v en stavek ter določite osebo, ki potrjuje rezultate.
- Preverite, kam mora priti rezultat (program, nabiralnik, tabela) in ali ima to orodje API ali uvoz.
- Odgovorite na tri vprašanja iz 4. koraka, preden v orodje vnesete prvi resničen podatek.
Če želite, da proces izberemo, izmerimo in vgradimo skupaj z vami, prav to ponujamo v storitvi AI avtomatizacija. Sedem konkretnih primerov uporabe, od podpore strankam do poročil, pa najdete v članku Umetna inteligenca za mala podjetja.
Viri
BearingPoint: Scaling AI for measurable impact (študija, september 2026; 1.050 vodilnih, 13 držav, anketa avgust 2026) in sporočilo za javnost AI Delivers Value, but Only 13% of Organizations Scale It as Planned (Business Wire, 1. 10. 2026) · Reuters, Hakan Ersen: AI adoption stalls as companies struggle to scale projects despite strong returns (1. 10. 2026) · Lider.si: Zakaj le 13 odstotkov podjetij uspešno uvaja umetno inteligenco, čeprav se jim obrestuje (1. 10. 2026) · Evropska komisija: AI Act – regulatory framework (stanje 3. 8. 2026). Stanje na dan 1. 10. 2026.