AI Proof of Concept

Podle nedávných oborových dat 88 % AI pilotů nikdy nedoletí do produkce. Ne proto, že AI nefunguje, ale proto, že nikdo nenaplánoval, co se stane po demu. Stavíme proof of concept tak, aby odpověděl na jednu konkrétní otázku na vašich reálných datech, ve vaší reálné infrastruktuře, za cenu, co dává byznys smysl. Produkční architektura od prvního dne. Když je odpověď ano, kód jde dál do buildu místo zahození.

Pixelfield je pro CTO, Heads of Product a inovační lídry ve firmách, které musí ověřit AI use case před příslibem větší investice. Senior inženýři, kteří vymezují rozsah, píšou i produkční kód. 50+ AI funkcí v produkci, AgentWise byl POC, než se stal produktem. Máme pověst toho, že klientovi řekneme, ať zastaví, když POC říká nestavět.

Domluvit hovor →Naše AI práce →Reference k dispozici

Ven z pilot purgatory
Produkční architektura od prvního dne
Fixní rozsah, cena, timeline
Upřímné go/no-go s důkazy

4,9/5 na Google

4,8/5 na Trustpilot

5,0/5 na Clutch

Dodáváme AI POCs a production buildy pro scale-upy a enterprise v ČR, UK, EU a USA od roku 2013.

Vývojový tým z Prahy a Londýna, který píše POC kód tak, aby se z něj stal produkční systém, ne demo na vyhození.

/ Co dostanete

Na co POC funguje

Jedna otázka, která stojí za odpověď

Většina selhaných POCs odpovídá na špatnou otázku. 'Umí to model?' je málokdy ta správná. Správné jsou: 'bude to fungovat na našich nepořádných reálných datech?', 'unesem náklady v našem objemu?', 'projde to Legal a Security?', 'pohne to metrikou, na které boardu záleží?'. Otázku definujeme společně na scoping callu. Napíšeme ji dřív, než POC začne.

Pokud nedovedeme otázku napsat na jednu větu, POC není připravený.

Definice otázky

Vymezená hypotéza

Board-ready output

Písemně předem

Architektura připravená do produkce od prvního dne

Demo theatre POCs vypadají skvěle, ale do produkce z nich nic nedojde. Stavíme POC na produkční architektuře: reálný auth, reálná datová vrstva, reálný evaluation harness, reálná cost telemetry, reálné fallback paths. Jiný rozsah než plný produkční build, ale stejný architektonický tvar. Když je odpověď ano, kód jde dál. Žádné dodatečné platby za 'fázi dva od nuly'.

Mezera mezi demo agentem a produkčním agentem je architektura, ne inteligence.

Produkční architektura

Pokračuje do buildu

Žádný rewrite

Reálný auth a data

Validace data readiness

Většina POCs selhává na datech, ne modelech. Testujeme na vašich reálných datech, ne na pečlivě vybraném demo setu: nepořádné formáty, staré záznamy, chybějící pole, edge cases, stejný zákazník reprezentovaný čtyřmi způsoby ve čtyřech systémech. Odhalíme, co je čisté, co je k záchraně a co se musí opravit, než produkční build uspěje.

Klientům jsme řekli, ať nejdřív opraví datový sklad, než budou financovat model. Přesně proto POC stojí za peníze.

Real-data testování

Profilování kvality

Edge-case surfacing

Upřímný data report

Integration test na vašem reálném stacku

POCs, co integraci přeskakují, jsou demo theatre. Testujeme AI proti systémům, se kterými bude v produkci muset mluvit: vaše CRM, ERP, helpdesk, billing, custom API, IAM, rate limity, audit logging. Integration friction odhalíme v týdnu tři, ne v měsíci tři buildu.

Většina enterprise AI POCs nepadá na modelu. Padá na integration boundary. Tam začínáme.

Reálné systémy

Auth a rate limity

Integration friction

IAM propagation

Cost model v produkčním objemu

POC, co funguje na 100 voláních denně, může být neudržitelný na 100 000. Projektujeme run-rate ve vašem reálném objemu: inference cost, model routing savings, prompt caching, fallback overhead, retry amplification. Číslo dorazí do reportu před schválením produkčního rozpočtu.

1,4milionový pilot se může stát 5milionovým ročním run-ratem do roku tři, když je cost model špatný. Modelujeme to dopředu.

Run-rate ve škále

Inference ekonomika

Model routing

Total cost of ownership

Doporučení architektury a trade-offs

POC report obsahuje architekturu, kterou bychom postavili, kdybyste produkci schválili: výběr modelu s odůvodněním, retrieval pattern, integration přístup, fallback design, monitoring stack, deployment topologie. Trade-offs jsou písemně: levnější vs rychlejší vs přesnější, on-prem vs hosted, self-hosted vs API.

Dokument můžete předat internímu týmu nebo jinému dodavateli a ten ho provede. Report je psaný, aby byl užitečný, ne přesvědčovací.

Návrh architektury

Trade-offs písemně

Exekuovatelný plán

Žádný vendor lock-in

Go/no-go rozhodnutí s důkazy

POC končí jasným doporučením: stavět, iterovat nebo opustit, podloženým metrikami z vašich reálných dat a reálného stacku. Žádné dojmy a pocity. Žádné slušné vykličkování. Obhájitelný závěr, na který může váš board jednat.

Doporučili jsme 'nestavět' víckrát. POC se vyplatí tak či tak: buď se stane produkčním systémem, nebo ušetří cenu stavění špatné věci.

Go/no-go

Podložené důkazy

Board-ready

Upřímná diskvalifikace

Kód, IP a cesta do produkce

Vlastníte vše, co dodáváme v POC. Zdrojový kód, prompty, evaluation datasety, infrastructure-as-code, monitoring scaffolding, technický report a návrh architektury. Když je odpověď ano, POC kód jde rovnou do produkce se stejným týmem. Když ne, nechte si report a data, která jsme odhalili. Žádná pronajatá vrstva, žádný vendor lock-in.

Plný IP transfer

POC do produkce

Stejný tým pokračuje

Žádný lock-in

Proč většina AI POCs selže (a co s tím děláme)

Demo theatre vs reálná validace

AI feature lze za tři týdny ukázat. Udělat ji spolehlivou, auditovatelnou a s předvídatelnými náklady ve škále je jiný problém. Demo-theatre POCs používají čistá testovací data, přeskakují integraci, ignorují náklady ve škále a zaujmou board něčím, co se nikdy nedostane do produkce. Stavíme POCs proti vašim reálným datům a systémům, takže demo a produkční systém mají stejný tvar, jen jiný rozsah.

Slide deck vs fungující systém

Většina konzultantů prodá 'POC', co je ve skutečnosti assessment report a roadmapa. Měsíce úsilí, stovky stránek, na konci žádný fungující systém. Děláme opak: fungující systém na vašich reálných datech. Krátký report, který odpovídá na jasně vymezenou otázku. A kód, který si se stejnými inženýry berete do produkce. Deck je vedlejší produkt, ne výstup.

Produkční architektura, ne kód na vyhození

Největší skrytý náklad špatného POC je přepis. Pokud je POC kód na vyhození, platíte za validaci a pak znovu za produkční build od nuly. POC architekturu navrhujeme jako menší, jednodušší verzi produkčního systému, ne jiný systém. Stejný auth model, stejná datová vrstva, stejný evaluation harness. Build je rozšíření POC, ne nahrazení.

Upřímné 'nestavět', když je odpověď ne

Kolem 42 % firem zrušilo většinu AI iniciativ. POC to má odhalit brzo, ne v měsíci devět šestiměsíčního buildu. Doporučili jsme 'nestavět' v POC, kde data nebyla připravená, kde cost model nefungoval, kde rules engine vyšel levněji a spolehlivěji. Takový POC se zaplatí sám. Ušetří mnohem větší chybu.

Související AI cluster služby

AI readiness assessment→AI konzultace→Služby vývoje AI→Vývoj AI agentů→Vývoj RAG→AI integrace→

Jak POC běží, týden po týdnu

Scoping call: definujeme jednu otázku (zdarma, 45 min)

Než cokoli podepíšeme, sedneme si a napíšeme POC otázku na jednu větu: 'Dokáže [konkrétní AI capability] dosáhnout [konkrétní přesnosti nebo byznys metriky] na [konkrétním datasetu] v rámci [konkrétního cenového rámce]?'. Pojmenujeme skryté předpoklady, určíme, jaká data POC potřebuje a které systémy zapojíme, a stanovíme práh pro go/no-go.

Když se otázka nedá napsat na jednu větu, spolupráci nebereme.

POC build (týdny 1-4)

Build běží jako malý zkušený tým vedený Michalem Vavrou. Postavíme POC na produkční architektuře proti vašim reálným datům: data ingestion, model a prompt nebo pipeline, evaluation harness, integration scaffolding, cost telemetry, monitoring stub. Pouštíme systém na vašem reálném korpusu nebo provozu a měříme proti metrice definované v scopingu.

Kód je váš od prvního dne. Stejní inženýři ho ponesou do produkce, když to schválíte.

Hardening test (týdny 4-6)

Pouštíme systém proti failure modes, co obvykle zabíjejí produkční AI: edge cases v reálných datech, integration friction s vaším stackem, náklady při očekávaném objemu, latency budget, security a compliance review. Selhání tady jsou pointa. Je levnější je najít teď než v měsíci čtyři buildu.

Výstup: evaluation report rozdělený podle datového typu a podmínky, integration friction list, očekávaný run-rate v produkčním objemu a seznam konkrétních rizik, která musíme řešit v produkci.

Rozhodnutí a cesta do produkce

Dodáváme POC s jasným go/no-go doporučením podloženým důkazy, architekturou, kterou bychom pro produkci stavěli, cenovou nabídkou s pevným rozsahem pro build a očekávaným měsíčním run-rate. Když ano, stejný tým bere POC kód do produkce. Když ne, nechte si report a odejděte s jasným pochopením proč a co by se muselo změnit.

Většina klientů vstupuje do produkčního buildu do dvou týdnů. Někteří vezmou report a realizují ho interně. Obojí v pohodě.

Investice do AI POC

Cena POC závisí na složitosti dat, integration surface, regulatorní expozici a hloubce validace. Scoping call zdarma. Pevná cena POCs obvykle 220 000-850 000 Kč a běží čtyři až šest týdnů. POC kód jde rovnou do produkčního buildu, takže za stejnou architekturu neplatíte dvakrát. Production buildy obvykle od 700 000 Kč a škálují podle rozsahu.

Scoping call (zdarma, 45 min)

Definujeme POC otázku na jednu větu, odhalíme předpoklady a potvrdíme vhodnost. Bez smlouvy.

Light POC (od 220 000 Kč)

Single feature, single data source, real-data validace, evaluation report. 2-4 týdny.

Standard POC (obvykle 400 000-850 000 Kč)

Reálná data + reálná integrace, cost model v produkčním objemu, hardening test. 4-6 týdnů.

Cesta do produkce (build)

POC kód a architektura jdou dál. Production buildy obvykle od 700 000 Kč, pevný rozsah po POC.

Domluvit hovor →Vyžádat detail ceny POC

Často kladené otázky

Přímé odpovědi na otázky, které slyšíme od CTO a Heads of Product na každém POC scoping callu.

Kolik stojí AI proof of concept?

Light POCs (single feature, single data source) od 220 000 Kč, dva až čtyři týdny. Standard POCs s real-data testováním, integrací do stacku a cost modelem v produkčním objemu obvykle 400 000-850 000 Kč, čtyři až šest týdnů. Fixní rozsah, cena, timeline. Scoping call zdarma, žádná smlouva, dokud nemáme POC otázku napsanou písemně.

Jak dlouho POC trvá?

Většina spoluprací čtyři až šest týdnů od zahájení po dodaný report a fungující systém. Light POC zvládne za dva až tři týdny, kde je datová vrstva čistá a integration surface malé. Hardening pass na konci (týdny 4-6) je tam, kde odhalíme failure modes, co obvykle zabíjejí produkční AI. Nedoporučujeme přeskočit.

Jaký je rozdíl mezi POC a MVP?

POC odpovídá na otázku proveditelnosti: bude tenhle AI přístup fungovat na našich datech, v našem stacku, za naši cenu? MVP dodává fungující systém reálným uživatelům v malém měřítku pro validaci ochoty platit nebo provozní vhodnosti. POC je pro build/no-build rozhodnutí. MVP je pro pilot/scale rozhodnutí. Jsou to fáze stejné cesty. Děláme obojí.

Co když POC ukáže, že AI pro náš use case nefunguje?

To je úspěšný POC. Cílem je to zjistit za týdny, ne za měsíce. Dodali jsme POC, kde doporučení bylo 'nestavět AI funkci, nejdřív opravit datovou vrstvu na vstupu' nebo 'rules engine bude levnější a spolehlivější'. Odejdete s obhájitelným technickým reportem, architekturou, kterou bychom postavili, a jasnými důkazy pro rozhodnutí. POC se vyplatil tím, že ušetřil mnohem větší chybu.

Vlastníme POC kód? Může jít do produkce?

Ano k obojímu. Standardní smlouva je plné IP vlastnictví: zdrojový kód, prompty, evaluation datasety, infrastructure-as-code, monitoring scaffolding, technický report a návrh architektury. POC je postavený na produkční architektuře (jiný rozsah, stejný tvar), takže kód jde dál do produkčního buildu. Stejný tým, žádný přepis, žádná daň za 'druhou fázi od nuly'.

Jak řešíte data privacy během POC?

Podepíšeme NDA, než data opustí vaše prostředí. Kde data residency nebo compliance vyžaduje, POC pouštíme uvnitř vašeho VPC nebo on-prem místo našeho cloudu. Podporujeme Azure OpenAI se zero retention, privátní deploymenty na AWS a GCP a self-hosted open-source modely. GDPR, sektorové frameworky (FCA SYSC, NHS DSPT, PCI DSS) standard.

Kdy POC přeskočit a jít rovnou do buildu?

POC přeskočte, když jste use case validovali na reálných datech, integration surface je dobře pochopený a cost model je jasný. V tom případě POC přidává čas bez přidání důkazů. Řekneme to v scoping callu a ukážeme vám naše služby vývoje AI. Radši POC nedělat než dělat, který si nezaslouží svoje místo.