🎯 Ciele a výstupy z učenia
Cieľom tejto študijnej jednotky je pochopiť controlling ako poslednú funkciu manažmentu – systém riadenia k úspechu – a naučiť sa využívať digitálne nástroje a umelú inteligenciu pri finančnom, nákladovom a strategickom controllingu a pri riadení kvality.
Po preštudovaní tejto jednotky budete vedieť:
- Vysvetliť podstatu controllingu ako procesu stanovenia cieľov, plánovania, sledovania a analýzy odchýlok
- Rozlíšiť finančný, nákladový a strategický controlling a ich kľúčové nástroje
- Vypočítať a interpretovať krycí príspevok, bod zvratu (BEP) a CVP analýzu
- Klasifikovať kontrolné procesy podľa úrovne riadenia a charakteru prevedenia
- Aplikovať model excelentnosti EFQM a logiku RADAR pri hodnotení organizácie
- Navrhnúť využitie AI nástrojov pri automatizácii kontroly, analýze odchýlok a predikcii rizík
Kľúčové slová
controlling · finančný controlling · nákladový controlling · strategický controlling · krycí príspevok · bod zvratu · EFQM · RADAR · kontrola · AI v controllingu
📖 Controlling a AI v digitálnom manažmente – Teória a ciele štúdia
Controlling ako posledná funkcia manažmentu
Ešte donedávna sa hovorilo o poslednej funkcii manažmentu ako o „kontrole", no koncom 20. storočia sa do popredia dostáva nová veda – controlling, ktorá zdokonalila kontrolu a pretransformovala ju na moderný pohľad na manažment 21. storočia. „Moderný manažment pre 21. storočie sa volá controlling." Controlling v sebe zahŕňa plánovanie, kontrolu plnenia plánu, analýzu odchýlok a návrh opatrení na ich odstránenie. (Gallo, 2020)
Finančný a nákladový controlling
Strategický controlling
Riadenie kvality a EFQM
AI v controllingu
Definícia a filozofia controllingu
R. Mann a E. Mayer (1992): „Controlling znamená kontrolu plnenia plánu, analýzu odchýlok od plánu, tvorbu operatívnych plánov a rozpočtov... je to systém pravidiel, ktorý napomáha dosiahnuť podnikové ciele, zabraňuje prekvapeniam a včas rozsvieti červenú, keď sa objaví nebezpečenstvo." Controlling podľa Galla je definovaný ako „riadenie k úspechu" – proces stanovovania cieľov, tvorba plánov, monitorovanie skutočnosti a vyhodnocovanie odchýlok od plánov so súčasným návrhom riešení.
Filozofia controllingu (Steinocker, 1992): orientácia na ciele, zameranie na slabé miesta, zameranie na aktivity, neustále porovnávanie skutočnosti s plánom, orientácia na budúcnosť (R. Mann: „myslenie dopredu").
Pyramída controllingu – 3 subsystémy
| Subsystém | Hlavné zameranie |
|---|---|
| Strategický controlling | Systematické zisťovanie budúcich možností a rizík, SWOT, analýza strategických medzier |
| Finančný controlling | Pomerové ukazovatele likvidity, pohybu kapitálu, podnikateľskej aktivity, ziskovosti, rastu |
| Nákladový controlling | Krycí príspevok, bod zvratu (BEP), CVP analýza, plánovanie a dosahovanie zisku |
Krycí príspevok a CVP analýza (Cost-Volume-Profit)
Krycí príspevok (príspevok na úhradu) = Tržby – Variabilné náklady. Slúži na zistenie bodu zvratu (BEP) – hranice obratu, za ktorou sa začína tvoriť zisk. Silné stránky krycieho príspevku: vyjadruje rentabilitu výrobku/služby, umožňuje stanoviť preferenciu pri nedostatkovej kapacite, zisťuje krátkodobé cenové hranice.
Kontrola a jej klasifikácia
Kontrola = proces sledovania, rozboru a prijatia záverov v súvislosti s odchýlkami medzi zámerom a realizáciou. Klasifikácia podľa úrovne riadenia: vrcholové kontrolné procesy (Strategic Control System), Management Control System (implementácia stratégií), Operating Control System (realizácia). Podľa charakteru: pravidelné/nepravidelné, interné/externé, preventívne/priebežné/následné.
Riadenie kvality – TQM a EFQM
Total Quality Management (TQM) (W.E. Deming) – zahŕňa všetky podnikové procesy, účastnia sa všetci zamestnanci, zmena vzťahu k práci (každý je zákazník i dodávateľ). Model excelentnosti EFQM (European Foundation for Quality Management, 1988) je založený na pravidelnom samohodnotení podľa 9 kritérií (Vedenie, Procesy, Kľúčové výsledky výkonnosti). Nástroj RADAR: Results (výsledky), Approaches (prístupy), Deploy (zavedenie), Assess and Refine (hodnotenie a zlepšovanie).
AI v controllingu – nové možnosti
Umelá inteligencia v digitálnom controllingu prináša: automatizovanú analýzu odchýlok (AI identifikuje príčiny variácie plán vs. skutočnosť), prediktívne modelovanie (ML predikcia tržieb, nákladov, Cash Flow), anomaly detection (automatická detekcia podozrivých transakcií alebo chýb v účtovníctve), AI-generovaný naratívny report (automatické generovanie textového komentára k číslam), natural language queries (manažér sa pýta v prirodzenom jazyku namiesto SQL). AI urýchľuje cyklus controllingu z týždňov na hodiny, no controller zostáva zodpovedný za interpretáciu a rozhodnutia.
📌 Pokyny k štúdiu: Pod každú úlohu napíšte svoju odpoveď. Po zadaní textu sa zobrazí tlačidlo „💡 Zobraziť vzorové riešenie". Porovnajte svoju odpoveď so vzorom – neupravujte ju, slúži na sledovanie pokroku.
Krycí príspevok a bod zvratu (BEP) – výpočtová úloha
⌛ 15 minútTeória – CVP analýza a bod zvratu
Krycí príspevok (KP) = Tržby – Variabilné náklady. Koeficient príspevku na úhradu = KP/Tržby. Bod zvratu (BEP) v jednotkách = Fixné náklady / (Cena – Variabilné náklady na jednotku). Bod zvratu v tržbách = Fixné náklady / Koeficient príspevku na úhradu.
Zadanie: Spoločnosť TECHFORM s.r.o. vyrába jeden produkt s nasledovnými parametrami: predajná cena 45 €/ks, variabilné náklady 27 €/ks, fixné náklady 180 000 €/rok. Vypočítajte krycí príspevok na jednotku, koeficient príspevku na úhradu, bod zvratu v kusoch a v tržbách. Aký zisk dosiahne firma pri predaji 15 000 ks?
✅ Vzorové riešenie – CVP analýza TECHFORM s.r.o.
| Ukazovateľ | Výpočet | Hodnota |
|---|---|---|
| Krycí príspevok/ks | 45 – 27 | 18 €/ks |
| Koeficient KP | 18/45 | 40,0% |
| Bod zvratu (ks) | 180 000 / 18 | 10 000 ks |
| Bod zvratu (€) | 180 000 / 0,40 | 450 000 € |
| Zisk pri 15 000 ks | (15 000×18) – 180 000 | 90 000 € |
Overenie: Pri 10 000 ks: Tržby 450 000 € – Var. N (270 000 €) – Fixné N (180 000 €) = 0 € ✅ (presne bod zvratu). Pri 15 000 ks firma predáva 5 000 ks nad bod zvratu × 18 €/ks = 90 000 € zisk. ✅
Interpretácia: Firma potrebuje predať aspoň 10 000 ks ročne (450 000 € tržieb), aby pokryla fixné náklady. Margin of Safety pri plánovanej produkcii 15 000 ks = (15 000–10 000)/15 000 = 33,3% – bezpečnostná rezerva pred stratou.
AI automatizovaná analýza odchýlok – návrh systému
⌛ 15 minútTeória – AI v analýze odchýlok plán vs. skutočnosť
AI dokáže automaticky porovnávať plánované a skutočné hodnoty, identifikovať najvýznamnejšie odchýlky (anomaly detection) a navrhnúť možné príčiny na základe historických vzorov. Namiesto manuálneho prehľadávania stoviek riadkov dát controller dostane prioritizovaný zoznam „čo si vyžaduje pozornosť" s navrhovaným vysvetlením.
Situácia: Výrobná spoločnosť PRECISION Tools a.s. má mesačne 200+ nákladových položiek v 8 strediskách. Doteraz controller ručne prechádzal Excel tabuľky 2 dni mesačne. Navrhnite AI systém pre automatizovanú analýzu odchýlok: (a) aké dáta by AI potrebovala, (b) ako by definovala „významnú" odchýlku, (c) aký by bol výstup pre controllera, (d) čo zostáva úlohou človeka.
✅ Vzorové riešenie – AI analýza odchýlok PRECISION Tools a.s.
(a) Potrebné dáta: Mesačný plán nákladov (po položkách/strediskách), skutočné náklady z ERP (SAP/QI), historické dáta za 24 mesiacov (na rozpoznanie sezónnosti a vzorov), kontextové dáta (objem výroby, počet zamestnancov v stredisku).
(b) Kritérium významnosti: Kombinácia absolútnej hodnoty (>5 000 €) AJ relatívnej odchýlky (>15% od plánu) – tým sa vyfiltrujú zanedbateľné drobné odchýlky aj veľké položky s malou relatívnou zmenou.
(c) Výstup pre controllera (Power BI/AI dashboard):
| Priorita | Stredisko/Položka | Odchýlka | AI navrhovaná príčina |
|---|---|---|---|
| 🔴 Vysoká | Stredisko 3 – Energie | +22% (+8 400 €) | Korelácia s nárastom výroby +18% – pravdepodobne proporcionálna |
| 🔴 Vysoká | Stredisko 5 – Údržba | +45% (+12 100 €) | Mimo historického vzoru – odporúčame manuálnu kontrolu (možná porucha stroja) |
| 🟡 Stredná | Stredisko 2 – Materiál | +9% (+5 200 €) | V rámci bežnej sezónnej variability |
(d) Úloha človeka: AI iba identifikuje a prioritizuje – controller musí overiť skutočnú príčinu (telefonát vedúcemu strediska 5), rozhodnúť o nápravných opatreniach a komunikovať s manažmentom. AI skracuje čas z 2 dní na 2 hodiny, ale finálne rozhodnutie a interpretáciu robí človek.
Pomerové ukazovatele finančného controllingu – výpočtová úloha
⌛ 18 minútTeória – 5 skupín pomerových ukazovateľov
Sústava finančných ukazovateľov sa člení na: (1) likvidity, (2) pohybu kapitálu, (3) podnikateľskej aktivity, (4) ziskovosti, (5) rastu. Pomerové ukazovatele rastu zahŕňajú: percentuálny rast tržieb, percentuálny rast zisku, rast dôchodku na akciu. (Gallo, Horváthová, 1996)
Zadanie: Spoločnosť NORDLINE s.r.o. má nasledovné údaje za roky 2024 a 2025 (tis. €). Vypočítajte percentuálny rast tržieb, percentuálny rast zisku a posúďte, či rast zisku rástol rýchlejšie alebo pomalšie ako rast tržieb (operatívna páka).
| Položka (tis. €) | 2024 | 2025 |
|---|---|---|
| Tržby | 3 200 | 3 680 |
| Čistý zisk (EAT) | 256 | 331 |
✅ Vzorové riešenie – Pomerové ukazovatele rastu NORDLINE s.r.o.
| Ukazovateľ | Výpočet | Hodnota |
|---|---|---|
| Rast tržieb (%) | (3680–3200)/3200×100 | 15,0% |
| Rast zisku (%) | (331–256)/256×100 | 29,3% |
| Pomer rastu zisku/tržieb | 29,3/15,0 | 1,95× |
Interpretácia: Zisk rástol takmer 2× rýchlejšie ako tržby (29,3% vs. 15,0%) – to je pozitívny signál operatívnej páky: pri raste tržieb sa fixné náklady „rozpúšťajú" na väčší objem, čo zvyšuje maržu nepomerne rýchlejšie ako tržby. Toto naznačuje zdravú nákladovú štruktúru a dobrú kontrolu variabilných nákladov. Pre dashboard odporúčame sledovať tento pomer ako KPI „kvality rastu" – ak by zisk rástol pomalšie ako tržby, signalizovalo by to eróziu marže.
Strategický controlling – analýza silných a slabých stránok
⌛ 15 minútTeória – Úlohy a nástroje strategického controllingu
Strategický controlling znamená systematické zisťovanie budúcich možností a rizík. Úlohy (Vacek, 1994): podnecovať strategickú filozofiu, analyzovať silné/slabé stránky, rozvíjať strategické ciele, porovnávať skutočný a požadovaný stav, pripravovať opatrenia podľa odchýlok. Analytické nástroje: SWOT, analýza strategických medzier, strategická bilancia, životný cyklus, portfóliová metóda.
Situácia: Stredne veľká potravinárska spoločnosť ORGANIC Farm s.r.o. zvažuje vstup na zahraničný trh (Rakúsko). CFO vás žiada o strategickú controllingovú analýzu pred rozhodnutím. Navrhnite postup analýzy silných/slabých stránok podniku vo vzťahu k tomuto cieľu a identifikujte strategickú medzeru (gap) medzi súčasným stavom a požadovaným cieľom.
✅ Vzorové riešenie – Strategická analýza ORGANIC Farm s.r.o.
| Silné stránky | Slabé stránky |
|---|---|
| ✅ BIO certifikácia EÚ ✅ Vlastná pestovateľská plocha ✅ Stabilná domáca distribúcia | ⚠️ Žiadne skúsenosti s exportom ⚠️ Chýba nemecky/anglicky hovoriaci obchodný tím ⚠️ Kapacita výroby na hranici (90%) |
| Príležitosti | Hrozby |
| 🟢 Rastúci dopyt po BIO v AT 🟢 Geografická blízkosť trhu | 🔴 Etablovaná rakúska BIO konkurencia 🔴 Vyššie logistické náklady |
Strategická medzera (Gap analýza):
| Parameter | Súčasný stav | Požadovaný stav (export AT) | Medzera |
|---|---|---|---|
| Výrobná kapacita | 90% využitie | Potreba +30% kapacity | Investícia do rozšírenia výroby |
| Exportné skúsenosti | 0 rokov | Min. logistický a colný know-how | Nábor exportného špecialistu alebo partnerstvo s distribútorom |
| Jazykové kompetencie | Iba slovenský tím | Nemecky hovoriaci obchodný kontakt | Nábor alebo školenie obchodníka |
Odporúčanie strategického controllingu: Pred vstupom na trh je nutné uzavrieť strategickú medzeru – buď investíciou do kapacity a ľudí (12–18 mesiacov), alebo partnerstvom s existujúcim rakúskym distribútorom (rýchlejšie, nižšie riziko).
AI prediktívne modelovanie Cash Flow – návrh implementácie
⌛ 15 minútTeória – Prediktívna analytika v controllingu
ML modely (regresné, časové rady) dokážu na základe historických dát predikovať budúci vývoj Cash Flow, tržieb či nákladov s vyššou presnosťou ako lineárna extrapolácia. Vstupy: historické CF dáta, sezónnosť, externé faktory (makroekonomické ukazovatele, objednávkový backlog). Výstup: pravdepodobnostné pásmo predikcie (nie jedno číslo).
Situácia: Stavebná spoločnosť BUILD Master s.r.o. má vysoko sezónny a nepravidelný Cash Flow (závislý od fakturačných míľnikov projektov). CFO chce zaviesť AI prediktívny model CF na 13 týždňov dopredu pre lepšie riadenie likvidity. Navrhnite: (a) vstupné dáta pre model, (b) ako by mal byť výstup prezentovaný (jedno číslo vs. pásmo), (c) ako by sa model priebežne zlepšoval, (d) aké manažérske rozhodnutia by model podporil.
✅ Vzorové riešenie – AI Cash Flow predikcia BUILD Master s.r.o.
(a) Vstupné dáta: Historický CF (3+ roky), harmonogram projektov a fakturačné míľniky (zo systému ERP/projektového riadenia), splatnosti pohľadávok a záväzkov, sezónnosť stavebnej sezóny, plánované investície/CAPEX.
(b) Formát výstupu: Pravdepodobnostné pásmo (optimistický/realistický/pesimistický scenár pre každý z 13 týždňov), nie jedno presné číslo – stavebný CF je príliš variabilný na falošnú presnosť.
| Týždeň | Pesimistický | Realistický | Optimistický |
|---|---|---|---|
| T+1 | –45 tis. € | +12 tis. € | +68 tis. € |
| T+5 | –120 tis. € | –35 tis. € | +40 tis. € |
| T+13 | –80 tis. € | +95 tis. € | +220 tis. € |
(c) Zlepšovanie modelu: Týždenné porovnanie predikcie vs. skutočnosť (model retraining), pridávanie nových premenných (napr. počasie pre stavebné práce), spätná väzba od projektových manažérov o pravdepodobnosti meškania fakturácie.
(d) Podporené rozhodnutia: Včasné dojednanie revolvingového úveru pred týždňom T+5 (kde hrozí –120 tis. € v pesimistickom scenári), optimalizácia termínov platieb dodávateľom, rozhodnutie o odložení nekritického CAPEXu.
Klasifikácia kontrolných procesov – prípadová štúdia
⌛ 12 minútTeória – Klasifikácia kontroly podľa charakteru prevedenia
Kontrolné procesy delíme na: pravidelné (priebežné/periodické) vs. nepravidelné, interné vs. externé, preventívne vs. priebežné vs. následné. Preventívna kontrola predchádza problémom (kontrola kvality projekčných prác), priebežná sleduje odchýlky v reálnom čase, následná hodnotí výstup (konečná kontrola kvality, ročná uzávierka).
Zadanie: Pre 6 kontrolných aktivít vo výrobnej spoločnosti AUTOPARTS Slovakia s.r.o. určte typ kontroly podľa 3 klasifikačných znakov (pravidelnosť, interná/externá, časové zameranie preventívna/priebežná/následná).
| # | Kontrolná aktivita | Pravidelnosť | Interná/Externá | Časové zameranie |
|---|---|---|---|---|
| 1 | Daňová kontrola finančnou správou | … | … | … |
| 2 | Senzorové sledovanie OEE výrobnej linky v reálnom čase | … | … | … |
| 3 | Kontrola kvality vstupného materiálu pred výrobou | … | … | … |
| 4 | Náhle interné vyšetrovanie podozrenia z podvodu | … | … | … |
| 5 | Mesačná kontrola výplat miezd HR oddelením | … | … | … |
| 6 | Finálna výstupná kontrola kvality hotových dielov | … | … | … |
✅ Vzorové riešenie – Klasifikácia kontroly AUTOPARTS Slovakia s.r.o.
| # | Aktivita | Pravidelnosť | Typ | Časové zameranie |
|---|---|---|---|---|
| 1 | Daňová kontrola | Nepravidelná | Externá | Následná |
| 2 | OEE senzory v reálnom čase | Pravidelná (priebežná) | Interná | Priebežná |
| 3 | Kontrola vstupného materiálu | Pravidelná | Interná | Preventívna |
| 4 | Vyšetrovanie podvodu | Nepravidelná | Interná (môže zahŕňať externých) | Následná |
| 5 | Mesačná kontrola miezd | Pravidelná (periodická) | Interná | Následná |
| 6 | Finálna výstupná kontrola | Pravidelná | Interná | Následná |
Digitálna podpora: Aktivita 2 (OEE senzory) je dnes plne digitalizovaná cez IoT senzory a real-time dashboardy. Aktivita 4 (vyšetrovanie podvodu) môže byť podporená AI anomaly detection v účtovných dátach. Aktivita 3 (vstupná kontrola) sa digitalizuje cez automatizované meracie zariadenia s priamym zápisom do QS systému.
Model excelentnosti EFQM a RADAR – samohodnotenie organizácie
⌛ 18 minútTeória – EFQM model a logika RADAR
Model EFQM má 9 kritérií rozdelených na predpoklady (Vedenie, Politika a stratégia, Ľudia, Partnerstvá a zdroje, Procesy) a výsledky (Ľudia a ich výsledky, Zákazníci a ich výsledky, Výsledky spoločnosti, Kľúčové výsledky výkonnosti). Logika RADAR: Results (výsledky), Approaches (prístupy), Deploy (zavedenie), Assess and Refine (hodnotenie a zlepšovanie). 8 princípov excelentnosti: orientácia na výsledky, zameranie na zákazníka, vedenie a cieľovosť, manažment procesov, rozvoj ľudí, neustále vzdelávanie, rozvoj partnerstva, sociálna zodpovednosť.
Situácia: Strojárska spoločnosť MECHANIKA Plus a.s. (280 zamestnancov) chce realizovať prvé samohodnotenie podľa modelu EFQM. Navrhnite postup samohodnotenia pre 3 vybrané kritériá (Vedenie, Procesy, Výsledky zákazníkov) podľa logiky RADAR a navrhnite, ako by sa dal proces digitalizovať (dotazníky, zber dát, vyhodnotenie).
✅ Vzorové riešenie – EFQM samohodnotenie MECHANIKA Plus a.s.
| Kritérium | R (Výsledky) | A (Prístupy) | D (Zavedenie) | AR (Hodnotenie/Zlepšenie) |
|---|---|---|---|---|
| Vedenie | eNPS, fluktuácia manažérov | Existuje jasná vízia a stratégia? | Komunikovaná všetkým úrovniam? | Pravidelný 360° feedback manažérov |
| Procesy | Lead time, zmatkosť, OEE | Sú procesy zdokumentované a štandardizované? | Implementované vo všetkých strediskách? | Kaizen cyklus, BPM revízia ročne |
| Výsledky zákazníkov | NPS, reklamácie, retencia | Existuje systém zberu zákazníckej spätnej väzby? | Aplikovaný na všetkých segmentoch zákazníkov? | Mesačný NPS dashboard s trendmi |
Bodové hodnotenie (príklad): Vedenie 65/100 (jasná vízia, ale slabá komunikácia na nižšie úrovne), Procesy 78/100 (dobre zdokumentované, pravidelný Kaizen), Výsledky zákazníkov 58/100 (zbierajú sa dáta, ale chýba systematická akcia na základe NPS).
Digitalizácia procesu: Online EFQM dotazník (MS Forms) pre manažérov a zamestnancov naprieč 3 kritériami, automatické agregovanie skóre v Power BI dashboarde, vizualizácia silných/slabých stránok formou „radarového grafu" (spider chart) pre všetkých 9 kritérií, ročné porovnanie trendu zlepšovania.
AI naratívny report – generovanie textového komentára k číslam
⌛ 15 minútTeória – AI generovanie naratívu v controllingu
AI (LLM modely) dokáže transformovať tabuľkové dáta na zrozumiteľný textový komentár pre manažment – tzv. „naratívny reporting" alebo „Natural Language Generation" (NLG). Namiesto desiatok riadkov čísel dostane CEO 3 odseky textu vysvetľujúce, čo sa stalo, prečo a čo robiť. Riziko: AI môže generovať fakticky nesprávne interpretácie, ak nemá kvalitný kontext – vždy potrebuje verifikáciu controllerom.
Zadanie: Na základe nasledujúcich dát zostavte AI prompt, ktorý by automaticky vygeneroval naratívny report pre predstavenstvo spoločnosti VITAL Pharma a.s. Údaje Q3 2026: Tržby 4 200 tis. € (plán 4 500), EBITDA marža 16,5% (plán 19%), počet reklamácií +35% medziročne, Cash Flow +180 tis. € (plán +250 tis. €).
✅ Vzorové riešenie – AI prompt pre naratívny report VITAL Pharma a.s.
KONTEXT: VITAL Pharma a.s., Q3 2026, predstavenstvo očakáva stručný naratívny report (nie tabuľky).
DÁTA: Tržby 4 200 tis. € (plán 4 500, odchýlka –6,7%) | EBITDA marža 16,5% (plán 19%, odchýlka –2,5 pp) | Reklamácie +35% YoY | Cash Flow +180 tis. € (plán +250, odchýlka –28%)
ÚLOHA: Napíš 3-odsekový naratívny report: 1) Čo sa stalo (kľúčové fakty), 2) Prečo (možné príčiny na základe dát – väzba medzi reklamáciami a maržou), 3) Čo robiť (2–3 konkrétne odporúčania). Nepoužívaj tabuľky, iba súvislý text.
FORMÁT: Slovenčina, max. 180 slov, formálny tón pre predstavenstvo, žiadne emotívne výrazy.
Príklad očakávaného AI výstupu:
VITAL Pharma dosiahla v Q3 2026 tržby 4,2 mil. € (93% plánu). EBITDA marža klesla na 16,5% oproti plánovaným 19%, čo súvisí s nárastom reklamácií o 35% medziročne – pravdepodobne náklady na riešenie reklamácií a stratu dôvery zákazníkov. Cash Flow zaostáva za plánom o 28%, v súlade s nižšou ziskovosťou. Odporúčame: 1) Okamžitý root-cause audit reklamácií, 2) Revíziu QS procesov vo výrobe, 3) Komunikáciu so zákazníkmi o nápravných opatreniach.
Verifikácia controllerom: AI správne identifikovala koreláciu reklamácie↔marža, ale controller musí overiť, či ide o príčinnú súvislosť alebo náhodnú koreláciu (napr. cez detailnú analýzu reklamačných nákladov).
Nákladový controlling – analýza ziskovosti produktového portfólia
⌛ 18 minútTeória – Krycí príspevok pri obmedzenej kapacite
Pri existencii nedostatkovej kapacity (úzkeho miesta) sa preferencia produktov nestanovuje podľa absolútneho krycieho príspevku, ale podľa krycieho príspevku na jednotku úzkeho miesta (napr. na hodinu strojového času). Toto je kľúčový princíp Theory of Constraints aplikovaný v nákladovom controllingu.
Zadanie: Spoločnosť METALCRAFT s.r.o. vyrába 3 produkty na jednom kritickom CNC stroji (kapacita 2 000 hodín/mesiac – úzke miesto). Vypočítajte krycí príspevok na hodinu stroja pre každý produkt a navrhnite optimálne produktové portfólio pri obmedzenej kapacite.
| Produkt | Cena/ks | Var. N/ks | KP/ks | Čas na CNC (min/ks) | Mesačný dopyt (ks) |
|---|---|---|---|---|---|
| A | 120 € | 70 € | 50 € | 30 min | 2 000 |
| B | 85 € | 55 € | 30 € | 10 min | 3 500 |
| C | 200 € | 110 € | 90 € | 60 min | 800 |
✅ Vzorové riešenie – Optimalizácia portfólia METALCRAFT s.r.o.
| Produkt | KP/ks | Čas (h/ks) | KP/hodinu CNC | Priorita |
|---|---|---|---|---|
| A | 50 € | 0,5 h | 50/0,5 = 100 €/h | 2. |
| B | 30 € | 0,167 h | 30/0,167 = 180 €/h | 1. (najvyššia) |
| C | 90 € | 1,0 h | 90/1,0 = 90 €/h | 3. (najnižšia) |
Optimálne portfólio (kapacita 2 000 h/mesiac):
| Krok | Produkt | Potrebný čas | Kumulatívny čas | Vyrobené ks |
|---|---|---|---|---|
| 1 | B (priorita 1.) | 3500×0,167=584 h | 584 h | 3 500 ks (celý dopyt) |
| 2 | A (priorita 2.) | 2000×0,5=1000 h | 1 584 h | 2 000 ks (celý dopyt) |
| 3 | C (priorita 3.) | zostáva 416 h | 2 000 h | 416 ks (z 800 dopytu – obmedzené!) |
Záver: Napriek tomu, že produkt C má najvyšší absolútny krycí príspevok (90 €/ks), pri obmedzenej CNC kapacite je najmenej výhodný (90 €/h) – vyrobí sa ho len 416 z 800 ks dopytu. Naopak produkt B s najnižším absolútnym KP (30 €/ks) je najziskovejší vzhľadom na úzke miesto (180 €/h) a vyrobí sa celý dopyt. Toto demonštruje kľúčový princíp nákladového controllingu: pri obmedzenej kapacite nerozhoduje absolútna marža, ale marža na jednotku úzkeho miesta.
AI anomaly detection v účtovníctve – prevencia chýb a podvodov
⌛ 15 minútTeória – Detekcia anomálií pomocou AI v internej kontrole
AI modely (najmä unsupervised learning – izolačné lesy, autoenkodéry) dokážu identifikovať neobvyklé transakcie, ktoré sa štatisticky vymykajú normálnym vzorom – duplicitné platby, transakcie tesne pod limitom schvaľovania, neobvyklé sumy alebo časy transakcií. Toto je súčasť internej kontroly a prevencie podvodov v digitálnom controllingu.
Situácia: Spoločnosť LOGISTIC Group a.s. (interná kontrola) chce nasadiť AI anomaly detection systém na účtovné transakcie (15 000 transakcií/mesiac). Navrhnite: (a) 4 typy podozrivých vzorov, ktoré by mal systém detegovať, (b) ako by fungoval proces overenia (false positive vs. skutočný problém), (c) ako sa táto funkcia líši od tradičného namátkového auditu.
✅ Vzorové riešenie – AI anomaly detection LOGISTIC Group a.s.
(a) 4 typy podozrivých vzorov:
| Typ anomálie | Popis |
|---|---|
| Duplicitné platby | Rovnaká suma, dodávateľ a referenčné číslo v krátkom časovom okne |
| Tesne pod schvaľovacím limitom | Transakcie opakovane tesne pod hranicou (napr. 4 990 € pri limite 5 000 €) – možný pokus o obchádzanie kontroly |
| Neobvyklý čas/dátum | Transakcie zaúčtované o víkende, neskoro v noci alebo mimo bežného fakturačného cyklu |
| Štatistický outlier | Suma výrazne mimo historického rozsahu pre daného dodávateľa/kategóriu |
(b) Proces overenia: AI generuje prioritizovaný zoznam (risk score 0–100), nie automatickú blokáciu. Interný audítor manuálne overí top 5–10% najrizikovejších transakcií týždenne. Spätná väzba audítora (skutočný problém / false positive) sa využíva na ďalšie trénovanie modelu (continuous learning).
(c) Rozdiel od tradičného namátkového auditu:
| Aspekt | Tradičný namátkový audit | AI anomaly detection |
|---|---|---|
| Pokrytie | ~5–10% transakcií náhodne | 100% transakcií analyzovaných |
| Cielenosť | Náhodný výber | Cielené na štatisticky podozrivé vzory |
| Rýchlosť detekcie | Mesiace (pri štvrťročnom audite) | Hodiny až dni (priebežne) |
| Náklady na pokrytie | Vysoké pri väčšom vzorku | Konštantné, škáluje sa s objemom dát |
Záver: AI nenahrádza audítora, ale výrazne zvyšuje pravdepodobnosť odhalenia skutočného problému tým, že namiesto náhodného vzorku cieli na štatisticky najrizikovejšie prípady.
TQM princípy podľa Deminga – aplikácia v praxi
⌛ 15 minútTeória – 14 zásad TQM podľa W.E. Deminga
Vybrané zásady: (1) Trvalý cieľ – neustále zdokonaľovanie, (2) Prijmite novú filozofiu, (3) Skončite so závislosťou na výstupnej kontrole, (5) Zaveďte trvalé zlepšovanie každého procesu, (6) Zaveďte tréning pracovníkov, (8) Odstráňte strach, (9) Odstráňte bariéry medzi útvarmi, (13) Vytvorte program vzdelávania, (14) Zaraďte každého do tímu zlepšovania kvality.
Situácia: Výrobná spoločnosť QUALITY First s.r.o. má tradičný prístup ku kvalite – spolieha sa na 100% výstupnú kontrolu, zamestnanci sa boja hlásiť chyby (strach z postihu), oddelenia si „hádžu chyby" jedno na druhé. Vyberte 5 Demingových zásad najrelevantnejších pre tento podnik a navrhnite konkrétnu implementáciu každej z nich vrátane digitálnej podpory.
✅ Vzorové riešenie – TQM implementácia QUALITY First s.r.o.
| Demingova zásada | Implementácia | Digitálna podpora |
|---|---|---|
| (3) Skončiť so závislosťou na výstupnej kontrole | Prevencia chýb priamo vo výrobnom procese (Poka-Yoke), nie len finálna kontrola | IoT senzory s real-time alertom pri odchýlke od štandardu |
| (5) Trvalé zlepšovanie procesov | Týždenné Kaizen stretnutia, PDCA cyklus pre každý identifikovaný problém | Digitálna Kaizen platforma na zber a sledovanie návrhov |
| (8) Odstrániť strach | „No blame" kultúra – chyba sa hlási a rieši, nepostihuje sa nahlásenie | Anonymný digitálny formulár na hlásenie problémov kvality |
| (9) Odstrániť bariéry medzi útvarmi | Cross-funkčné tímy kvality (výroba + kvalita + nákup spolu) | Zdieľaný Power BI dashboard kvality viditeľný pre všetky oddelenia |
| (14) Zaradiť každého do tímu zlepšovania | Každý zamestnanec má min. 1 Kaizen návrh/kvartál ako súčasť KPI | Gamifikovaná platforma s bodovaním a uznaním návrhov |
Očakávaný dopad: Prechod od reaktívnej (výstupná kontrola) k proaktívnej (prevencia) kultúre kvality. Zníženie nákladov na nekvalitu (Cost of Poor Quality) odhadom o 30–40% počas 12–18 mesiacov pri konzistentnej implementácii.
Záverečná prípadová štúdia – Komplexný digitálny controlling systém VERTEX Industries
⌛ 20 minútTeória – Integrovaný digitálny controlling systém
Moderný controlling integruje všetky preberané prvky: finančný controlling (pomerové ukazovatele), nákladový controlling (krycí príspevok, BEP), strategický controlling (SWOT, gap analýza), riadenie kvality (EFQM, TQM) a AI nástroje (analýza odchýlok, prediktívne modelovanie, anomaly detection, naratívny reporting). Cieľom je vytvoriť jednotný digitálny ekosystém pre rozhodovanie manažmentu. (Gallo, 2020)
Záverečná situácia – VERTEX Industries a.s.: Strojárska skupina (520 zamestnancov, 3 závody, tržby 38 mil. €) má fragmentovaný controlling – každý závod používa vlastný Excel systém, kontrola kvality je len papierová, žiadna AI podpora. Nový CFO vás žiada navrhnúť komplexný digitálny controlling systém. Navrhnite: (a) architektúru systému (finančný + nákladový + strategický + kvalita), (b) konkrétne AI nástroje pre každú oblasť, (c) EFQM hodnotenie ako súčasť celkového systému, (d) 12-mesačný implementačný plán s KPI úspešnosti.
✅ Vzorové riešenie – Digitálny controlling systém VERTEX Industries a.s.
(a) Architektúra systému:
| Subsystém | Kľúčové nástroje | Frekvencia |
|---|---|---|
| Finančný controlling | Power BI dashboard – ROE, ROA, likvidita, rast tržieb (5 skupín ukazovateľov) | Mesačne |
| Nákladový controlling | Krycí príspevok po produktoch/strediskách, CVP analýza, optimalizácia úzkych miest | Mesačne |
| Strategický controlling | Štvrťročná SWOT/gap analýza, portfóliová analýza divízií | Kvartálne |
| Riadenie kvality | EFQM samohodnotenie, digitálny QS systém, reklamačný dashboard | Ročne (EFQM) / priebežne (QS) |
(b) AI nástroje pre jednotlivé oblasti:
- Finančný: Prediktívne modelovanie Cash Flow (13-týždňový horizont s pásmom scenárov)
- Nákladový: AI automatizovaná analýza odchýlok plán/skutočnosť s prioritizáciou
- Strategický: AI-generovaný naratívny report pre predstavenstvo (kvartálne)
- Kvalita: AI anomaly detection v účtovných dátach + prediktívna analýza rizika reklamácií
(c) EFQM hodnotenie: Ročné samohodnotenie podľa 9 kritérií cez digitálny dotazník (MS Forms), výsledky agregované do „radarového grafu" v Power BI, akčný plán zlepšovania pre kritériá pod 60 bodov.
(d) 12-mesačný implementačný plán:
- M1–M3: Zjednotenie dátových zdrojov (migrácia z 3 Excel systémov do jednotného ERP/BI), audit súčasného stavu
- M4–M6: Implementácia finančného a nákladového controllingu v Power BI, pilotná AI analýza odchýlok
- M7–M9: Nasadenie AI Cash Flow predikcie, prvé EFQM samohodnotenie
- M10–M12: AI anomaly detection v účtovníctve, naratívny AI reporting pre predstavenstvo, vyhodnotenie celého systému
KPI úspešnosti: Skrátenie času zostavenia mesačného reportu z 5 dní na 4 hodiny, zvýšenie EFQM skóre o min. 15 bodov medziročne, zníženie nezistených odchýlok >10% na <2 % prípadov, zlepšenie presnosti CF predikcie na ±10%.
Krátke ilustračné príklady z praxe k tejto téme. Najprv skúste uvažovať sami, potom si zobrazte riešenie.
📝 Kontrolné preskúšanie – Controlling a AI
Odpovedzte na všetky otázky a stlačte Vyhodnotiť výsledky. Sekcie: Pravda/Nepravda, Doplnenie a Násobný výber.
Pravda / Nepravda
1 Controlling podľa Galla (2020) je definovaný ako „riadenie k úspechu" – proces stanovovania cieľov, plánovania, monitorovania a vyhodnocovania odchýlok.
2 Krycí príspevok sa vypočíta ako súčet tržieb a variabilných nákladov.
3 Pri obmedzenej (úzkej) výrobnej kapacite by sa produkty mali preferovať podľa krycieho príspevku na jednotku úzkeho miesta, nie podľa absolútneho krycieho príspevku.
4 Model EFQM bol založený v roku 1988 a hodnotí organizáciu výhradne podľa finančných ukazovateľov, bez ohľadu na ľudí, procesy alebo zákazníkov.
5 AI v controllingu môže nahradiť controllera úplne, vrátane finálneho rozhodovania a interpretácie výsledkov bez ľudského overenia.
Doplnenie – doplňte správne slovo alebo pojem
1 Skratka CVP analýzy znamená Cost – Volume – __________.
2 Nástroj RADAR v modeli EFQM značí: Results, Approaches, Deploy a Assess and __________.
3 Skratka TQM znamená Total Quality __________.
4 Bod zvratu sa po anglicky označuje skratkou __________ (Break-Even Point).
5 AI nástroj na identifikáciu neobvyklých účtovných transakcií sa nazýva __________ detection.
Násobný výber
1 Ktorý subsystém controllingu sa zaoberá systematickým zisťovaním budúcich možností a rizík a analýzou silných/slabých stránok podniku?
2 Ktorá z nasledovných je silnou stránkou krycieho príspevku ako nástroja manažérskej kontroly podľa Galla (2020)?
3 Ktoré z nasledovných je príkladom AI prediktívneho modelovania v controllingu?
4 Aké sú 4 časti kritérií modelu EFQM (predpoklady)?
5 Aká je úloha controllera pri použití AI naratívneho reportingu (generovanie textových komentárov k číslam)?