Explore every episode of the podcast Data: Heaven or Hell? (Adastra Podcast)

Shingai George, Aviation Consultant specializing in data analytics, AI, and sustainability, shares how modern data platforms, AI-driven decision-making, and shared data ecosystems are helping the aviation industry adapt to a new era of geopolitical volatility, regulatory pressure, and sustainability demands. He explains how airlines are moving beyond decades of cost-and-efficiency optimization toward resilience as a competitive advantage, and how AI is reshaping everything from flight planning and predictive maintenance to passenger experience and emissions management. He also explores why the future of airline success lies in shifting from short-term yield to long-term customer value, using AI to build loyalty and trust, not just revenue. Drawing on experience across customer service, flight operations, route development, flight safety, MRO, and sustainability, he highlights why aviation, one of the world’s most interconnected industries, must move from fragmented optimization toward network-wide intelligence. 

This episode will answer:  

• How can airlines build resilience into flight planning, fuel forecasting, and operational decisions when geopolitical shocks can reroute entire networks overnight? 
• What role does AI play in transforming the passenger journey from reactive service to predictive engagement, without crossing the line between personalization and perceived unfairness? 
• How can the industry responsibly share data across airlines, airports, and regulators, and why is federated data sharing key to the future of air traffic management, sustainability, and network resilience? 

• Jak se měří dopad systémové změny ve vzdělávání? 
• Proč je těžší pracovat s kvalitativními rozhovory než s tabulkou počtů škol a učitelů? 
• A jak může AI pomoci školám doporučovat vhodné formy podpory podle jejich konkrétních potřeb?

Chris Peart, Sales Leader at Snowflake Canada, shares how unified data, governed context, and agentic AI are reshaping how enterprises turn information into action. He explains why "context is king" as frontier models become commoditized, how a single AI Data Cloud across AWS, Azure, and GCP removes the brittleness of traditional architectures, and how Snowflake Cortex and Coworker give knowledge workers immediate answers instead of waiting weeks for engineering teams.

He also digs into the agentic future and the cultural shift required to win with AI: why "nobody sells anybody anything" and customers buy outcomes, why Canadian enterprises are falling behind global peers by being too cautious, and how the next frontier is autonomous agents negotiating with other agents across organizational boundaries.

The episode answers:

• Why is your data, not the model you choose, the true competitive differentiator in the agentic era?
• What does a governed context layer look like, and why is it the foundation for agents you can trust?
• Why are Canadian enterprises falling behind global peers on AI, and what does it take to start swinging?

Shannon Bell, EVP, Chief Digital Officer and Chief Information Officer at OpenText, shares how “information first” thinking, simplicity, and agentic AI are reshaping how large enterprises work. She explains why most enterprises don’t have an AI problem but an information problem, how to go slow to go fast with AI, and how a blended workforce of humans and AI agents turns scarce skills and fragmented processes into scalable value. 

Crucially, she digs into change management and the future of jobs: why fear of displacement is often higher than the reality, how to position AI as a copilot rather than a competitor, and what it means to give 22,000+ employees an AI development goal so they can actively shape how their roles evolve. She also shows where agentic AI is ready now, such as search and summarize, root cause analysis, and software delivery, and why success depends on clear roles, governed data, and using HR and SRE teams as early champions to build an “AI fabric” across the enterprise. 

• What does it really take to make AI an assistant, not a threat, for your workforce? 
• How can you start small on messy, real-world systems and still build toward an AI ready data estate? 
• Which foundations, guardrails, and operating model let you decentralize AI innovation without losing control?  

Justin Rister, Senior Cloud and AI Specialist at Microsoft, explains why leaders should start with business pain points, not technology. He shares how Fabric unifies the analytics stack for teams of all skillsets, why Databricks and Fabric are a better-together story, and how an AI layer on unified data empowers business users to ask questions and get answers without waiting on IT. 

• What does it mean to be a strategic partner instead of a product pusher?  
• How do you remove bottlenecks by letting business users access insights directly? 
• Why should leaders think big, start small, and scale fast? 

Tamer Farag, Global Fabric Partner Lead at Microsoft, shares how the fastest-growing analytics platform in the world is helping 31,000 customers unify fragmented data estates and unlock AI value. He highlights why you don't need to move your data to govern it, how mirroring is offered free to accelerate adoption, and what makes partners like Adastra critical to scaling Fabric globally. 

• What does it take to connect AI to your data without a massive migration project?  
• How is Fabric enabling customers to move from static reports to asking questions directly to their data? 
• Which trends, from real-time intelligence to chat with your data, are driving customer demand in 2026? 

• Jak připravit data, tak aby AI skutečně pomáhala a neškodila? 
• Jak funguje „chat with your data“ v praxi? 
• A proč bez kontextu AI odpovídá špatně, i když má správná data?

Kevin McCurdy, Global Partner Lead, Consumer Goods, AWS, shows how Gen AI, trusted data, and risk-based guardrails turn experiments into repeatable CPG value. He highlights AWS and partner capabilities (Amazon Bedrock, SageMaker, secure integrations) with real wins such as demand forecasting, planogram automation, and Adastra’s Mark Anthony Group solution that scales assortment optimization and auto-generates seller scripts, plus quick-win assistants, cost controls, and an enterprise AI program with clear budgets, ownership, and accountability across product, employee, and customer use cases. 

• What does it take to move from quick wins with Amazon Q to custom, domain-aware agents on Bedrock that scale across the enterprise? 
• When is “good enough” data enough to start, and how can AI assistants surface gaps while improving data quality over time? 
• Which operating model and risk-based guardrails help leaders control cost and compliance while accelerating adoption? 

Rehan Shah, General Manager and Head of Channel and Partner Sales for US Greenfield at AWS, explains how the right mix of AI tools, trustworthy data, and strong controls turns early AI trials into real business results. He shows how AWS provides access to top models, better value, responsible AI practices, and secure ways to connect your systems. Examples include instant insights from manufacturing data and Breakthru Beverage moving hundreds of servers, plus quick AI helpers like a Sales Coach and a Legal Assistant. He also shares how to keep costs in check and set up a company-wide AI program with clear budgets and accountability. 

• What does it take to move from quick wins with Amazon Q to custom agents on Bedrock that scale across the enterprise?  
• When is “good enough” data enough to start, and how can AI assistants surface gaps while improving data quality over time?  
• Which operating model and risk-based guardrails help leaders control cost and compliance while accelerating adoption? 

 Chris‑Markus “CMK” Kratz, AWS Global Director of Automotive and Manufacturing, explains how outcome‑first, customer‑obsessed transformation and ecosystem partnerships are reshaping the industry. He details the shift to software‑defined vehicles and the car as a proactive companion, how GenAI is collapsing mainframe refactoring from years to months, and what it takes to move beyond pilots to production. Kratz shares lessons from Amazon’s own “shop floor” in its fulfillment centers, why the cloud is ready for OT, and why critical thinking and change management matter as much as technology. He also covers autonomy at scale, the equalizing effect of AI for SMBs and OEMs alike, and the “better together” role of SIs like Adastra. 

• How do OEMs and suppliers work backwards from outcomes to deploy GenAI in real production? 
• What makes the factory floor ready for cloud and AI, and how do you ensure resilience? 
• How does mainframe modernization unlock microservices and accelerate transformation? 
• Which ecosystem partnerships and governance practices deliver value without slowing execution? 
• Is AI the great equalizer across company sizes, and how should leaders manage the cultural shift?  

Glenn Remoreras, EVP, Chief Information Officer at Breakthru Beverage Group, shares how a cloud-first “platform, data, AI” architecture and executive-led AI readiness turn market pressures into value. He highlights migrating 300+ services to AWS, why the data layer is the most critical, risk-based guardrails, and quick-win pilots like Legal GPT and an AI Sales Coach. 

• What does it take to build a foundation that learns fast and scales AI beyond hype? 
• When is “good enough” data enough, and how can AI expose and fix the gaps?  
• Which operating model and governance enable adoption without slowing delivery? 

• Jak dlouho trval vývoj a rollout řešení? 
• Proč byl pilot klíčový pro přijetí mezi poradci? 
• A jaké další procesy chtějí v Člověku v tísni digitalizovat dál – od komunikace s finančním arbitrem až po soudy?

• How do you set up an AI strategy in a large organization? 
• Why is security more important than speed? 
• And how do you prevent AI from turning into an uncontrolled “agent zoo”? 

• What does it take to build an incubator that learns fast and delivers real value?  
• When is “good enough” data enough—and how can AI expose and improve the gaps?  
• Which operating model and governance practices drive adoption without slowing execution?  

• How can artificial intelligence help protect biodiversity?
• Will we ever objectively understand what is in the “interest” of other species?
• And what happens when the interests of different species collide?

• How does Snowflake work with AI models to keep data in a secure environment
• Why is going back to on-prem solutions no longer an option?
• And why does Wojtkowski believe SaaS and AI will dominate the future of data platforms?

• What use cases are companies solving with Fabric most often?
• How can organizations start with smaller projects and scale them to an enterprise level?
• And why does Andersen believe it’s always worth building new solutions “on a blank sheet of paper”?

• How can data observability organizations detect silent failures before they impact business decisions? 
• What’s the difference between data quality management and data observability—and why does it matter for AI readiness? 
• What should organizations consider when deciding to build or buy a data observability solution? 

• Proč je porovnávání statutů fondů ideální úkol pro umělou inteligenci— a jak AVANTu pomáhá snížit riziko chyb i právní nejistoty.
• Jak by AI mohla asistovat při oceňování aktiv na základě předchozích posudků a výpočtových rámců.
•  Proč si Bezděk myslí, že AI může porazit juniory, ale ne nahradit manažera, který dělá zásadní rozhodnutí bez dostatku dat.
• Jaké změny AI přináší na trh práce — a proč se podle Bezděka vyplatí jít cestou, která člověka skutečně baví.
• Proč je regulace AI nezbytná, i když nedokáže zastavit vývoj.
• A jak by mohla AI sehrát roli ve světovém geopolitickém přetahování o technologickou dominanci.

Zemědělské stroje, které se skládají z tisíců dílů. Tým plánovačů, který přestával stíhat každou změnu. A linková výroba, která měla přinést vyšší efektivitu – ale zpočátku zpomalila celý provoz. „Museli jsme si přiznat, že to sami neutáhneme. A začali jsme hledat nástroj, který by plánování zvládl rychleji a lépe než člověk,“ říká Jan Slavík, IT ředitel společnosti Bednar FMT, v podcastu Adastry.

Zjistěte více o řešení: AI plánování a optimalizace

V CETIN nepodléhají každému hype. Když přišla AI vlna, místo chatbotů a hezkých demo ukázek začali hledat konkrétní byznysové případy, kde může umělá inteligence reálně pomoct. „Nepotřebujeme víc sexy nástrojů. Potřebujeme nástroje, které fungují,“ říká Jan Štěpánovský, CIO CETIN, v novém dílu podcastu Adastry.

Zjistěte více o řešení: Data governance

• Ve svařovně pomohl model zohlednit složitá omezení pro sekvenci modelů různých aut, aby nedocházelo ke zbytečným prostojům. 
• V lakovně vedla optimalizace k výraznému snížení spotřeby ředidel, protože minimalizuje zbytečné přepínání barev. 
• Softwarová aplikace se přes API napojuje na interní systém, upraví plán a vrací ho zpět – denně, automaticky. 

Projekt zaujal i ostatní závody v rámci koncernu Hyundai-Kia, například v Žilině nebo Turecku. A co bylo nejtěžší? „Přesvědčit vedení, že se vyplatí investovat do nástroje, který není z Koreje. Ale povedlo se – a dnes už vidí výsledky,“ uzavírá Heider.

Zjistěte více o řešení: AI plánování a optimalizace

Každý den musí AAA Auto vykoupit a prodat 300 aut. Bez pokročilých datových systémů by to podle Zdeňka Demetera, CEO společnosti Resulmatic (data a AI divize AAA Auto), nebylo možné. „Dnes už nejsme jen data-driven firma. Jsme data-managed. Polovina cesty zákazníka je čistě digitální,“ říká v novém dílu podcastu Adastry.

V podcastu popisuje, jak Resulmatic za posledních deset let vybudovala robustní datovou infrastrukturu a týmy, které zajišťují, aby byl nákup a prodej ojetých vozů v Česku, na Slovensku i v Polsku maximálně efektivní.

- Každý týden probíhá detailní rozbor více než 20 klíčových metrik napříč celým funnel procesem.
- Nasazení AI hlasového asistenta do call centra přineslo výsledky tak dobré, že dnes zvládá velkou část běžné agendy lépe než lidští operátoři.
- Z dat dokážou predikovat poptávku, sezónnost i důsledky geopolitických změn. A to v reálném čase.

Jak se podařilo postavit firmu, kde se každý týden dívají na čísla až na třech úrovních managementu? Jak AI volá zákazníkům a domlouvá schůzky? A proč je podle Demetera nejtěžší věcí v AI projektech dodat správný kontext dat?

Poslechněte si celý díl podcastu.

Zjistěte více o řešení: AI-ready data

The rise of the Internet of Things (IoT) is transforming how businesses collect and utilize real-time data, driving efficiency, sustainability, and innovation. Yet, implementing IoT solutions comes with its own challenges—from navigating complex data management issues to ensuring seamless integration with existing infrastructure. How can companies leverage IoT to solve real-world problems while balancing technical and operational hurdles? Joining us to discuss the evolving IoT landscape is Petr Blabla, Head of IoT Solutions at Adastra, a leading provider of innovative technology solutions helping businesses harness the power of real-time data for smarter decision-making.

Learn more about our IoT solutions: https://adastracorp.com/internet-of-things/

 What is personalization? And what is it not? How can we break the silos between it and business when it comes to personalization? We discussed the topic with Erasmus Houlind, Chief Experience Officer at Agillic.

Learn more about our Customer Journey Monitoring solutions.

Ví, že umělá inteligence na trhu pomalu rozdává karty a že určuje, kdo zvládne držet krok a kdo se bude trápit. Chcete-li cílem udržet nejen konkurenceschopnost, ale také vybudovat interní oddělení, které bude machr na AI. Jak na to? O tom hovoří Pavel Jindra, manažer IT platforem v CETIN.

Zjistěte více o řešení: AI strategie a AI governance

The Association of Business Service Leaders (ABSL) was established in the Czech Republic ten years ago and currently represents over 100 member companies. How do these business service centers adapt to changes like digital transformation and sustainability to stay competitive, innovative, and resilient? There are some questions for Joe Appleton, Managing Director of ABSL.

Learn more about the solution: Hyperautomation

Cloudera is a hybrid data platform that operates in various cloud environments as well as on-premises. It provides secure data management and cloud-native data analytics. What are the experiences with clients from the public sector? We're going to discuss this with our guest, Peter Rizvi, account executive at Cloudera.

Learn more about the solution: Cloud Adoption

• Které milníky nejvíce přispěly k současnému vývoji AI?
• Proč je právě nyní umělá inteligence snadno dostupná a rozšířená?
• Jaké trendy by firmy měly sledovat a kde by měly být opatrnější a počkat na další vývoj?

Zjistěte více o řešení: AI strategie a AI governance

• Jaké technologie a metody Valeo používá pro sběr a analýzu dat z testovacích jízd? 
• Jaké výzvy přináší sdílení a zpracování obrovských objemů dat v praxi? 
• Jak firma zajišťuje bezpečnost a ochranu shromážděných dat? 
• Co Jan Zahradník předpovídá pro budoucnost samořídících vozidel? 

• Které podoby pracovních činností AI skutečně může nahradit? 
• Jak konkrétně dokáže pozvednout AI kvalitu výkonu? 
• Proč může být pro firmu lepší si najmout externí odborníky?

Zjistěte více o řešení: AI strategie a AI governance

• Co přesvědčilo většinu zaměstnanců, aby přešli na nový nástroj a opustili staré postupy? 
• Jaké benefity IBM Planning Analytics Kooperativě přinesl? 
• S jakými peripetiemi se projekt v průběhu setkal? 
• Jaké vidí Jiří Drahoš změny v plánování a hospodaření pojišťoven v příštích letech? 

Zjistěte více o řešení: Planning, budgeting, forecasting

• Čeho se držet při psaní promptů v ChatGPT, abyste získali relevantní výsledky? 
• Jak T-Mobile s pomocí ChatGPT zvýšil návštěvnost své aplikace i bez zajímavé nabídky pro zákazníky? 
• Jaký přístup firma zvolila k zavádění AI nástrojů do firmy? 
• V čem se nejspíš pod tlakem na adaptaci AI nástrojů změní očekávání klientů od kreativních agentur? 

• Kdo je klientem IT oddělení pojišťovny? 
• Kde nachází IoT uplatnění v pojišťovacích službách a kde jsou zatím rezervy? 
• Jak v pojišťovně přistupují k řešení incidentů v systémech? 
• Jak postupuje v Generaci České pojišťovně adopce cloudu a automatizace procesů? 
• Čím se dnes vyznačuje kvalitní IT senior v pojišťovně?

• Kolik času reálně zabere přechod na nový funkční systém? 
• Proč pojišťovna nezačala s novým systémem uvažovat hned čistě o cloudu? 
• Jak uvažovali nad nákladovou stránkou nového řešení? 
• A jak nutnost práce se systémem, který je stále "v plenkách" přijali uživatelé? 
• Podařilo se Direct pojišťovně dosáhnout zamýšlené agility napříč celou firmou?

Buy now, pay later. Na tomto principu funguje i fintech start-up Skip Pay, který patří pod křídla ČSOB a specializuje se na odložené platby. “Ve světě se běžně setkáváme s desítkami procent zákazníků, kteří odložené platby v rámci online nákupů využívají. U nás zatím máme ještě rezervy. Jestli ale někde v rámci e-shopů můžeme zabrat, pak je to user experience a nákupy přes mobilní telefony,” říká CTO Skip Pay Jakub Wagner.

Zjistěte více o řešení: Analýza zákazníků

Aby Vám neunikly novinky ze světa dat a digitalizace firem, sleujte nás na LinkedIn.

Co potřebuje ChatGPT, aby byl skvělým sluhou? Precizní zadání a flexibilitu v následném developmentu. “Pokud nenaučíme studenty, aby dokázali správně definovat své požadavky a uměli přesně specifikovat zadání, pak jim při studiu ChatGPT k ničemu nebude,” říká Tomáš Hülle, ředitel a zakladatel European Centre for Career Education (ECCEDU).

Zjistěte více o řešení: GenAI