Diplomová práce se zabývá aktuálním a prakticky relevantním tématem projektového řízení IT projektu v prostředí e-commerce. Její silnou stránkou je snaha vycházet z konkrétní podnikové praxe a převést zjištěné nedostatky do návrhů týkajících se plánování, komunikace, odpovědností, rizik, změn a testování. Práce však zůstává v řadě částí spíše popisná, metodicky ne zcela přesvědčivá. Kvantifikace návrhů a jejich ověřitelnost jsou ovlivněny řešeným tématem. Práce splňuje kladené na diplomovou práci a práci doporučuji k obhajobě.

Otázky k obhajobě:

1. V návrhu doporučujete využití Jiry jako hlavního nástroje řízení úloh, Helpdesku pro defekty a Confluence pro dokumentaci. Popište konkrétní tok jedné změnové požadavkové situace: od zadání požadavku klientem přes posouzení dopadu na rozsah, harmonogram a kapacity až po schválení, realizaci, testování a uzavření požadavku.

2. V práci navrhujete využití AI při tvorbě zadání, testovacích scénářů, reportingu a identifikaci rizik. Uveďte konkrétní příklad jednoho výstupu AI pro daný projekt konektoru mezi ERP a e-shopem a vysvětlete, kdo by jej validoval, podle jakých kritérií a jak by firma zabránila úniku citlivých klientských dat.

Téma projektového řízení IT projektů s integrací nástrojů umělé inteligence je v současné firemní praxi vysoce aktuální. Cíl práce – analyzovat projektové řízení v podniku, identifikovat slabá místa a navrhnout doporučení pro realizaci podobných projektů – byl splněn. Studentka cíl naplňuje propojením teorie s reálnou firemní praxí formou případové studie projektu reimplementace e-shopu ve společnosti oXyShop s. r. o. a následným návrhem řízení nového projektu vývoje konektoru, na kterém demonstruje aplikaci navržených opatření. Toto ukotvení v konkrétním firemním prostředí výrazně zvyšuje praktickou hodnotu výstupů.
Postup je logicky vystavěn ve standardní struktuře teorie – analýza – návrh. Analytická část vhodně kombinuje sekundární zdroje (interní dokumentace, evidence v Jiře, kapacitní plány v MS Excel) s primárním kvalitativním šetřením v podobě polostrukturovaných rozhovorů s pěti pracovníky firmy napříč rolemi, což zajišťuje vyváženou datovou základnu pro identifikaci slabých míst. V návrhové části studentka prokázala schopnost samostatně a prakticky uplatnit širokou škálu nástrojů projektového řízení (WBS, RACI matici, registr a kvantifikaci rizik s návrhy ošetření, alokaci kapacit s časovou rezervou, harmonogram s milníky a proces řízení změn agilními sprinty) a zasadit je do souvislého celku. Cenným a aktuálním přínosem je promyšlené začlenění nástrojů AI prostřednictvím architektury MCP do navrhovaných procesů (zpracování požadavků, zápisy, řízení rizik, podpora testování), spolu s otevřeným pojmenováním omezení tohoto přístupu (halucinace, ochrana dat). To svědčí o zralé reflexi a aktuálním přehledu studentky. Praktická validace navrženého postupu chybí, protože projekt konektoru má teprve začít. Výsledky proto zůstávají v rovině očekávaných přínosů, což však neoslabuje koncepční kvalitu návrhu.
Práce je zpracována v souladu s formálními požadavky, obsahuje obrazové přílohy, tabulky a grafy. Jazyková úroveň je dobrá, text je čtivý, dobře členěný a srozumitelný i pro čtenáře mimo oblast e-commerce. V textu se vyskytuje několik drobných překlepů a stylistických neobratností. Struktura případové studie by si zasloužila mírně upravené řazení některých podkapitol pro vyšší přehlednost.
Práce splňuje požadavky kladené na diplomovou práci v oboru Strategický rozvoj podniku. Demonstruje schopnost samostatně analyzovat reálnou firemní praxi, syntetizovat poznatky z odborné literatury a převést je do konkrétního, prakticky uplatnitelného návrhu zahrnujícího aktuální technologické trendy.
Práci doporučuji k obhajobě a navrhuji klasifikační stupeň A. Topics for thesis defence:

1. V návrhu pracujete s časovou rezervou 15 % rozloženou napříč aktivitami a s konkrétními týdenními kapacitami jednotlivých rolí. Jak jste dospěla k velikosti rezervy 15 % a proč ji nevyčleňujete jako samostatnou fázi na konci projektu? Jaké výhody a nevýhody vidíte u obou přístupů? V návrhové části přicházíte s integrací nástroje Claude AI prostřednictvím MCP architektury do několika projektových procesů. Jak konkrétně byste ošetřila riziko halucinací u kritických výstupů (např. odhady pracnosti nebo technické zadání) a jak by se měl tým rozhodovat, ve kterých činnostech AI použít a kde naopak ne? V návrhu zavádíte pravidelné status meetingy „několikrát týdně" a používání Jiry, Confluence a Helpdesku jako jednotných kanálů. Kde vidíte hranici mezi přínosem pravidelných meetingů a rizikem jejich přemíry, která by tým naopak zdržovala od skutečné práce? Jak byste konkrétně nastavila frekvenci a délku těchto schůzek pro projekt konektoru? Lze i v tomto případě využít nástroj AI?