Slovenský aj český trh má za sebou vlnu AI startupov, z ktorých veľká časť skončila do pár rokov.
Nie preto, že by ich technológia bola zlá, ale preto, že stavali na rovnakom základe ako tisíce iných: generický chatbot s napojením na API, ktorý „zefektívňuje zákaznícku podporu“. Trh je presýtený, ceny za tokeny klesajú a diferenciácia sa presunula úplne inde. Otázka pre rok 2026 neznie „ako spraviť AI appku“, ale „kde je diera, ktorú veľkí hráči nezaplátajú“.
Koniec éry „GPT wrapperov“
Prvý varovný signál prišiel vlani, keď OpenAI, Google aj Anthropic začali do svojich API balíkov zabudovávať funkcie, ktoré predtým tvorili biznis stoviek startupov: retrieval (RAG), sumarizáciu, dokonca aj jednoduché agentické slučky. Ak váš produkt je „lepší prompt + vlastné dáta“, veľkí hráči vám ho zoberú s cenou nižšou o 80 %. Startup, ktorý prežije, musí ísť do vrstvy, kde API končí: špecializovaný hardvér, proprietárne dáta, regulované prostredie alebo fyzický svet.
Príležitosť č. 1: Edge AI a inferencia na zariadení
Cloudová inferencia je drahá, má latenciu a naráža na GDPR. V roku 2026 bude kľúčový trend lokalizovaná AI — modely bežiace priamo na zariadení, bez sieťového pripojenia. Nejde o sci-fi: kvantizované modely (Llama 3.2 3B, Qwen 2.5 7B) dnes bežia na hardvéri za 300 €. Pre porovnanie:
- Cloudová inferencia (GPT-4o-mini): ~0,15 € / 1M tokenov + náklady na prenos dát
- Edge inferencia (lokálny model): ~0,01 € / 1M tokenov (len elektrina), latencia pod 50 ms, dáta neopustia zariadenie
Reálne príležitosti: AI asistenti pre výrobné haly (diagnostika strojov offline), zdravotnícke pomôcky (spracovanie signálov na mieste), alebo poľnohospodárske senzory. Kľúčová výhoda nie je len cena, ale aj súkromie a spoľahlivosť — dve veci, ktoré cloud nikdy neponúkne.
Príležitosť č. 2: Vertikálne dáta, nie vertikálne modely
Každý vie, že generické LLM sú výborné na všeobecné úlohy. Nikto nemá dobrý model na špecifickú doménu s uzavretými dátami: napríklad slovenská legislatíva v oblasti stavebného práva, alebo historické dáta z poisťovníctva. Veľkí hráči tieto dáta nemajú a ani ich nezískajú — sú rozptýlené v PDF súboroch, tabuľkách a papierových archívoch.
Startup, ktorý vybuduje dátové pipeline (rámec na čistenie a štruktúrovanie) pre jednu vertikálu a natrénuje na nich model, vytvára moat, ktorý konkurencia neprekoná. Nejde o tréning foundation modelu — stačí jemné doladenie (fine-tuning) existujúceho open-source modelu za 5 000 – 20 000 €. Výsledok: model, ktorý na špecifické otázky z vášho odboru odpovedá spoľahlivejšie než všeobecný model. Pre klienta je to rozdiel medzi „pomôckou“ a „nástrojom, ktorý nahrádza človeka“.
Príležitosť č. 3: AI bezpečnosť ako služba
S rastom nasadzovania AI rastie aj útočná plocha. Prompt injection, model poisoning, úniky dát cez RAG — to nie sú teórie, ale denná realita. OWASP LLM Top 10 už nie je len odporúčanie, stáva sa požiadavkou audítorov a regulátorov.
Trh je prázdny: väčšina firiem, ktoré nasadili LLM do produkcie, nemá žiadne red-teaming testy, nemá monitoring na detekciu útokov a nevie, čo robiť, keď model začne „vracať“ tréningové dáta. Startup ponúkajúci audit AI bezpečnosti (testovanie proti OWASP LLM Top 10, MITRE ATLAS, penetračné testy špecificky na LLM) má zákazníkov, ktorí sú ochotní platiť 10 000 – 50 000 € za jednorazový projekt. A to je len začiatok — priebežný monitoring je opakovaný príjem.
Príležitosť č. 4: EU AI Act compliance ako produkt
Od roku 2026 sa začína naplno uplatňovať EU AI Act. Firmy, ktoré nasadzujú AI vo vysokorizikových oblastiach (zdravotníctvo, HR, financie), musia preukázať zhodu — a väčšina na to nie je pripravená. Nejde o právnu službu, ale o technický produkt: nástroj na automatickú dokumentáciu, testovanie a audit modelov, ktorý generuje požadované reporty.
Konkrétne: startup, ktorý vytvorí framework (rámec) na automatické testovanie biasu, robustnosti a transparentnosti modelov a prepojí ho s generovaním compliance dokumentácie, rieši problém, ktorý bude v roku 2027 bolieť každú väčšiu firmu v EÚ. Konkurencia sú právnici, ktorí nerozumejú technickej stránke — a technici, ktorí nerozumejú regulácii. Diera je presne medzi nimi.
Na čo si dať pozor: skryté náklady
Pri plánovaní rozpočtu na rok 2026 počítajte s TCO (celkové náklady na vlastníctvo) za 3 – 5 rokov. Väčšina startupov podcení:
- Náklady na GPU tréning: jedno jemné doladenie 7B modelu na 1× RTX 4090 stojí ~50 € za elektrinu, ale čas inžiniera je 10 – 20× drahší
- Náklady na dáta: čistenie a anotácia dát pre vertikálny model je často 70 % celkového rozpočtu
- Náklady na infraštruktúru: edge zariadenia v teréne potrebujú aktualizácie, monitoring a podporu — to nie je jednorazový nákup
Richardov biznis verdikt: do čoho sa dnes oplatí pustiť
Nasaditeľné, ale nie pre každého. Rok 2026 je rok špecialistov. Ak máte prístup k unikátnym dátam, viete pracovať s edge hardvérom, alebo rozumiete prieniku AI a regulácie, príležitosti sú reálne a ziskové. Ak je váš nápad „AI pre všetkých“, počkajte — veľkí hráči vám ho už zabrali. Najväčšia chyba, ktorú môžete urobiť, je stavať na generickom API bez vlastnej dátovej alebo hardvérovej výhody. Táto cesta končí v štatistike tých 40 % neúspešných.
