Original title: AI-supported portfolio management: Optimalizace rozhodovacích procesů v IT řízení
Translated title: AI-supported portfolio management: Optimizing decision-making processes in IT management
Authors: DavidGrey ; JanPour (advisor) ; MartinPotančok (referee)
Document type: Master’s theses
Year: 2026
Language: cze
Publisher: Vysoká škola ekonomická v Praze
Abstract: [cze] [eng]
Práce se zaměřovala na identifikaci problémů IT managementu v řízení IT projektového portfolia v Škoda Auto a.s. a návrh pilotního řešení s AI pro podporu a zrychlení rozhodování. Management IT měl nedostatek konsolidovaného přehledu stavu IT projektů, což vedlo ke zpožděným rozhodnutím a reaktivnímu řízení rizik. Bylo navrhnuto a implementováno proof-of-concept řešení integrující data z JIRA, Confluence, SharePointu, LeanIX a SAP s využitím Databricks ETL a Microsoft Copilot agenta pro generování souhrnů pro management. Pilotní vyhodnocení na reprezentativním vzorku IT projektů identifikoval podstatný podíl portfolia s projevy anomálního chování a zjistilo, že značná část iniciativ čelí riziku týkajícímu se dodržení termínů. Navržené řešení prokázalo potenciál v oblasti snížení času věnovaného podpůrným činnostem a urychlení detekce možných problémů. Byla však identifikována i technická omezení Microsoft Copilot a kritické závislosti na kvalitě dat. Práce slouží jako proof-of-concept a poskytuje podklady pro rozhodnutí o plném nasazení. Tato práce pracovala s anonymizovanými daty. The work focused on identifying IT management challenges in IT project portfolio governance at Škoda Auto a.s. and proposing a pilot AI-driven solution to support and accelerate decision-making. IT Management lacked a consolidated view of IT project status, which resulted in delayed decisions and reactive risk management. A proof-of-concept solution was designed and implemented, integrating data from JIRA, Confluence, SharePoint, LeanIX, and SAP using Databricks ETL and a Microsoft Copilot agent for generating management summaries. Pilot evaluation on a representative sample of IT projects identified a substantial portion of the portfolio exhibiting signs of anomalous behavior and revealed that a significant share of initiatives face risks related to deadline compliance. The proposed solution demonstrated potential in reducing time spent on support activities and accelerating the detection of potential issues. However, technical limitations of Microsoft Copilot and critical dependencies on data quality were also identified. This work serves as a proof-of-concept and provides input for decision-making regarding full deployment. This work was conducted using anonymized data.
Keywords: artificial intelligence; data analytics; decision support; IT portfolio management; Microsoft Copilot; reporting automation; automatizace reportingu; datová analytika; IT portfolio management; Microsoft Copilot; podpora rozhodování; umělá inteligence

Institution: University of Economics, Prague (web)
Document availability information: Available in the digital repository of the University of Economics, Prague.
Original record: https://vskp.vse.cz/eid/99036

Permalink: http://www.nusl.cz/ntk/nusl-693855


The record appears in these collections:
Universities and colleges > Public universities > University of Economics, Prague
Academic theses (ETDs) > Master’s theses