AI nezačne u celé profese. Začne u úkolu, který lze popsat jednou větou

AI NEZAČNE PROFESÍ. ZAČNE ÚKOLEM, KTERÝ LZE ODDĚLIT A ZKONTROLOVAT

Je 8:07 a na monitoru svítí první faktura. V jednom okně je dokument, ve druhém účetní systém. Částka, variabilní symbol, datum splatnosti, identifikační číslo a středisko. Pracovník však nezapisuje jen čísla. Zachytí změněný účet, chybnou daň, duplicitu i neuzavřenou objednávku. Rutina se mění v pátrání, komunikaci a rozhodnutí.

Firma potom nasadí systém, který standardní faktury přečte a předvyplní. Co udělá s ušetřeným časem? Může snížit stav, zpracovat více dokladů, odstranit frontu nebo člověku přidělit složitější výjimky.

Věta „schopný člověk se bát nemusí“ je proto jen půl pravdy. Schopnost rozpoznat chybný vstup, pochopit důsledky a převzít odpovědnost člověku otevírá více cest. Neochrání jej však před zrušením oddělení, přesunem agendy ani rozhodnutím vedení převést produktivitu pouze na úsporu nákladů.

JEDNA PRACOVNÍ POZICE OBSAHUJE MNOHO ÚKOLŮ

Povolání je široká společenská kategorie. Pracovní místo je konkrétní dohoda mezi člověkem a organizací. Úkol je jednotlivá činnost: přečíst dokument, najít údaj, porovnat jej s objednávkou, rozhodnout o výjimce, vysvětlit nesoulad a nést následky chybného rozhodnutí.

Technologie obvykle nevstoupí do všech vrstev naráz. Tabulkový procesor nezrušil účetnictví, ale odstranil část ručního sčítání. Vyhledávač nezrušil právníky ani novináře, ale zkrátil cestu k dokumentům a zvýšil očekávaný objem rešerše.

Generativní AI dokáže napsat standardní e-mail, shrnout text, převést odpověď do tabulky, navrhnout kód nebo přeložit dokument. To stále nejsou celé profese. Jsou to části pracovního řetězce s rozdílnou cenou chyby a rozdílnou potřebou lidského kontextu.

CO SE AUTOMATIZUJE NEJDŘÍVE

Nejrychleji zlevňuje úkol, který splňuje několik podmínek:

• má digitální vstup, například dokument, e-mail, tabulku, zvuk nebo obrázek; • opakuje se v podobném tvaru; • má standardní a měřitelný výstup; • existuje pro něj dost dřívějších příkladů; • chybu lze levně odhalit pravidlem, testem nebo krátkou kontrolou.

Jestliže se těchto pět vlastností sejde, ekonomický tlak může být silný, i když AI není dokonalá. Stačí, aby byla dostatečně dobrá a levnější než současný postup.

Odolnější bývají úkoly s neúplným kontextem, fyzickým prostředím, častými výjimkami, konfliktními cíli nebo vysokou cenou chyby. Ne proto, že by je AI nikdy nezvládla, ale protože úsporu snižuje integrace, kontrola a odpovědnost.

VYSOKÁ TECHNICKÁ EXPOZICE NENÍ PŘEDPOVĚĎ PROPUŠTĚNÍ

Mezinárodní organizace práce v aktualizaci z roku 2025 hodnotila téměř třicet tisíc pracovních úkolů. Přibližně každý čtvrtý pracovník působí v povolání, které obsahuje nějaké úkoly technicky zasažitelné generativní AI. Autoři však za pravděpodobnější výsledek považují proměnu práce než úplné odstranění celé profese.

Taková expozice vyjadřuje možnost, nikoli skutečné rozhodnutí firmy. Neříká, zda organizace nástroj koupí, propojí s databázemi, vyřeší ochranu dat a přijme riziko chyb. Už vůbec sama neříká, zda vyšší výkon povede k nižšímu počtu zaměstnanců.

„SCHOPNÝ ČLOVĚK“ JE POZOROVATELNÁ DOVEDNOST, NE TITUL

Schopný pracovník dokáže z nejasného cíle vytvořit ověřitelné zadání, rozpozná vadný vstup, zvolí správnou míru kontroly, vysvětlí kompromis a přijme odpovědnost za výsledek. Umí si všimnout, že číslo sice sedí, ale měří jinou věc. Dokáže říci „nevím“ a zastavit proces, jehož chyba by byla dražší než ušetřený čas.

To není oslava osamělého génia. Mnoho lidí vykonává úzkou rutinu proto, že firma jejich práci tak navrhla a nedala jim informace, pravomoc ani čas k rozhodování. Automatizace pak neodhaluje nízkou hodnotu člověka. Odhaluje úzkou roli, kterou organizace vytvořila.

AI MŮŽE NEJVÍCE POMOCI LIDEM S NIŽŠÍM VÝCHOZÍM VÝKONEM

Terénní studie zákaznické podpory analyzovala více než tři miliony chatů a přes pět tisíc pracovníků. Hlavní odhad ukázal zvýšení počtu vyřešených případů za hodinu o 15,2 procenta. Pracovníci v nejnižší výkonnostní pětině se zlepšili přibližně o 36 procent, zatímco u nejvýkonnějších byl přínos malý.

AI zde šířila vzorce odpovědí nejlepších kolegů. Pro začátečníka je to výhoda: rychleji se dostane k použitelnému výkonu. Pro firmu však vzniká jiná otázka: potřebuje stejný počet lidí na vstupní úrovni?

KDY AI ZRYCHLUJE A KDY MŮŽE ŠKODIT

Experiment s konzultanty ukázal, že u úkolů, které odpovídaly schopnostem systému, lidé dokončili více práce za kratší dobu a ve vyšší kvalitě. U úkolu mimo tuto hranici však výkon klesl. Jiný výzkum zkušených vývojářů na známých repozitářích naměřil s AI nástroji zpomalení.

Nejde o rozpor. AI může být velmi užitečná u snadno zadatelných a ověřitelných činností, ale odvádět pozornost u úkolů, kde člověk zná množství nepsaného kontextu a musí kontrolovat přesvědčivý, ale nevhodný návrh.

Vyšší produktivita také sama nerozhoduje o počtu pracovních míst. Firma může snížit stav, zvýšit produkci, zlepšit kvalitu nebo snížit cenu a získat nové zákazníky. Stejná technická úspora tak může vést k různým ekonomickým výsledkům.

JUNIORSKÝ PARADOX

Jednoduché úkoly jsou pro firmu nákladem, ale pro začátečníka tréninkem. Pokud AI převezme první návrhy, přepisy a základní rešerše, junior může ztratit prostředí, v němž se učil rozpoznat chybu. Organizace proto potřebuje výcvik navrhnout vědomě: například nejprve nechat člověka vytvořit vlastní řešení, potom je porovnat s návrhem AI a vysvětlit rozdíl.

ZÁVĚR

AI nezačne názvem profese na pracovní smlouvě. Začne krokem, který lze vyjmout, popsat jednou větou a levně zkontrolovat.

Schopnost zvyšuje počet možností, a tím odolnost člověka. Není však pojistkou proti strategickému rozhodnutí firmy. O budoucnosti pracovního místa spolurozhodne, zda práce člověka končila u automatizovatelného kroku, nebo zda za ním teprve začínal úsudek, komunikace, práce s výjimkami a odpovědnost.

AI NEZAČNE PROFESÍ. ZAČNE JEDNOTLIVÝM ÚKOLEM

Je ráno a pracovník zpracovává fakturu. Neopisuje jen částku a datum. Kontroluje také účet dodavatele, daň, objednávku, možnou duplicitu a výjimky. Zvenčí to vypadá jako jedna pracovní pozice, ve skutečnosti jde o několik různých činností.

Firma může nasadit AI, která standardní faktury přečte a předvyplní. To ale samo neříká, co se stane s pracovním místem. Firma může snížit počet lidí, zpracovat více dokladů, odstranit frontu nebo člověku svěřit složitější případy.

PROFESE JE PŘÍLIŠ HRUBÁ JEDNOTKA

AI obvykle nepřevezme celou profesi najednou. Nejdříve zasáhne konkrétní úkoly: přepis, třídění, shrnutí, vyhledání údaje, vyplnění formuláře nebo první návrh textu či kódu.

Nejvíce ohrožené změnou jsou úkoly, které mají digitální vstup, opakují se, mají jasný výstup, existuje pro ně dost příkladů a jejich správnost se dá levně ověřit.

Naopak obtížnější jsou situace s neúplnými informacemi, fyzickým prostředím, častými výjimkami, protichůdnými cíli nebo vysokou cenou chyby.

SCHOPNOST POMÁHÁ, ALE NENÍ POJISTKA

Schopný člověk dokáže z nejasného cíle vytvořit ověřitelné zadání, pozná vadný vstup, zvolí správnou míru kontroly a přijme odpovědnost za výsledek. To mu dává více možností. Nezaručuje mu však stejné pracovní místo, pokud firma zruší oddělení, přesune agendu nebo promění vyšší produktivitu pouze v úsporu.

AI NAVÍC NĚKDY NEJVÍCE POMÁHÁ ZAČÁTEČNÍKŮM

Jedna velká studie zákaznické podpory zjistila průměrné zvýšení počtu vyřešených případů za hodinu o 15,2 procenta. Největší zlepšení měli lidé s nejnižším výchozím výkonem. AI jim předávala vzorce odpovědí zkušenějších kolegů.

To je dobrá zpráva pro učení. Současně však vzniká otázka, zda firma bude potřebovat stejný počet začátečníků a kde se budou budoucí odborníci učit, pokud jednoduché úkoly převezme automatizace.

VYŠŠÍ PRODUKTIVITA NEROZHODUJE O POČTU MÍST

Ušetřený čas může vést k menšímu týmu, většímu množství práce, vyšší kvalitě nebo nižší ceně a nové poptávce. Samotná technická schopnost AI proto nestačí k předpovědi zaměstnanosti.

ZÁVĚR

AI nesnižuje hodnotu člověka. Snižuje cenu některých kroků, které lze oddělit, přesně zadat a levně zkontrolovat. Schopnost zvyšuje odolnost člověka vůči změně, nikoli jeho imunitu. Rozhodující je, zda jeho práce končila u rutinního kroku, nebo zda za ním teprve začínal úsudek, komunikace a odpovědnost.

ExpoziceAI by technicky mohla zasáhnout část úkolů. Neznamená to, že se tak stalo.

AdopceFirma nástroj používá. Neříká to, zda šetří čas, mzdy nebo pracovní místa.

DopadPozorovaná změna výkonu či zaměstnanosti. Ani ta nemusí být automaticky způsobena AI.

Je 8:07 a na monitoru svítí první faktura. V levém okně je PDF, v pravém účetní systém. Částka, variabilní symbol, datum splatnosti, identifikační číslo dodavatele, středisko. Šest polí, několik kontrol, potom tlačítko „uložit“. Další dokument vypadá skoro stejně. A další také.

Pracovník však nezapisuje jen čísla. Zachytí změněný účet, chybnou daň, duplicitu i neuzavřenou objednávku. Rutina se mění v pátrání, komunikaci a rozhodnutí, přestože zvenčí vypadá jako jediná pozice.

Firma pak nasadí systém, který standardní faktury přečte a předvyplní. Co udělá s ušetřeným časem? Může snížit stav, zpracovat více dokladů, odstranit frontu nebo člověku svěřit složitější výjimky.

„Schopný člověk se bát nemusí“ je proto jen půl pravdy. Kdo pozná chybný vstup, rozumí důsledkům a převezme odpovědnost, má více cest. Ani jeho však neochrání zrušení oddělení, přesun agendy nebo rozhodnutí proměnit produktivitu pouze v úsporu.

Text proto nedělí lidi na hodnotné a zbytečné. Rozkládá práci na kroky a sleduje, co se stane, když zmizí právě ty dosud placené.

Jedna faktura není jeden úkol

Slovo „práce“ spojuje několik vrstev, které se v běžném rozhovoru snadno slijí. Povolání je široká společenská kategorie. Pracovní místo je konkrétní dohoda mezi člověkem a organizací. Úkol je jednotlivá činnost: přečíst dokument, najít údaj, porovnat ho s objednávkou, rozhodnout o výjimce, vysvětlit nesoulad a nést následky chybného rozhodnutí.

Technologie obvykle nevstoupí do všech vrstev naráz. Tabulkový procesor nezrušil účetnictví, ale odstranil část ručního sčítání. Vyhledávač nezrušil právníky ani novináře, jen zkrátil cestu k dokumentu a zvýšil očekávaný objem rešerše.

Generativní AI je neobvyklá šíří úkolů, které umí napodobit. Dokáže napsat standardní e-mail, shrnout text, převést volnou odpověď do tabulky, navrhnout kód, připravit osnovu nebo přeložit dokument. To však stále nejsou celé profese. Jde o části pracovního řetězce, které mají různé vstupy, různou cenu chyby a různou potřebu lidského kontextu.

Box 01 · Rozklad práceOd dokumentu k odpovědnosti

Stejná pracovní pozice obsahuje kroky s velmi rozdílnou automatizovatelností.

01Přečíst

Získat částku, datum a identifikátor z digitálního dokumentu.

02Převést

Zapsat hodnoty do předem určených polí a správného formátu.

03Porovnat

Najít objednávku, smlouvu a očekávanou cenu; vyznačit rozdíl.

04Rozhodnout a ručit

Posoudit výjimku, vyžádat opravu, vysvětlit volbu a nést její důsledky.

Klíčová otázka: Platí firma člověka hlavně za první dva kroky, nebo mu dovoluje nést odpovědnost také za třetí a čtvrtý?

Také „nahradit“ může znamenat různé věci. Převzetí přepisu mění náplň práce; neobnovení dvou ze tří úvazků mění počet míst. Nižší cena však může přivést další zákazníky a zaměstnanost zvýšit. Jedna technická schopnost dovoluje několik ekonomických výsledků.

Debata, která hledá seznam „profesí určených k zániku“, proto začíná příliš vysoko. Odpověď se skrývá o patro níž: v tom, z jakých úkolů je profese složena, kolik času každý zabírá a co organizace udělá se ziskem, který automatizace vytvoří.

Profese je pro předpověď příliš hrubá jednotka

Mezinárodní organizace práce ve své aktualizaci z roku 2025 hodnotila 29 753 úkolů mapovaných na 436 podrobných skupin povolání ISCO‑08. Závěr nebyl, že čtvrtina lidí přijde o zaměstnání. Přibližně každý čtvrtý pracovník na světě působí v povolání s nějakou mírou expozice vůči generativní AI, ale pravděpodobnějším výsledkem je podle autorů proměna práce než úplné odstranění celého místa. Nejvyšší expozice zůstává v administrativních a kancelářských profesích.^[1]

Expozice je možnost, nikoli výpověď. Znamená, že dnešní systémy by teoreticky dokázaly vykonat významnou část úkolů. Neříká, že firma nástroj koupí, propojí s databázemi, vyřeší ochranu dat, ponese riziko chyb a změní organizační proces. Už vůbec neříká, zda vyšší výkon povede k menšímu počtu lidí.

Evropské Společné výzkumné středisko tento problém zachycuje jiným měřítkem. V analýze zveřejněné v roce 2026 propojilo 352 výzkumných benchmarků AI se čtrnácti kognitivními schopnostmi, 108 pracovními úkoly a 127 skupinami povolání a sledovalo vývoj expozice v letech 2008–2024. Informačně a znalostně náročná povolání vycházejí exponovanější než elementární profese.^[3]

To opravuje druhý populární omyl: nejde jen o jednoduchou kancelářskou práci. AI zasahuje i programátory, učitele, inženýry, analytiky a právníky, protože pracuje s textem, hledáním, tříděním informací a abstraktními vzory. Vysoká expozice ale může znamenat jak možnost náhrady, tak možnost silného doplnění člověka. Rentgenologa může systém připravit o část rutinního vyhodnocení a současně zvýšit počet případů, které bezpečně zvládne. Právník může méně času věnovat první rešerši, ale více kontrole relevance a strategii sporu.

Správná otázka tedy nezní „Je moje profese bezpečná?“. Zní: „Které části mého výsledku lze oddělit, přesně zadat, automaticky vyrobit a levně ověřit?“ Čím větší podíl pracovního dne tato čtveřice pokrývá, tím silnější je tlak na cenu dané práce.

Pět znaků úkolu, který zlevní jako první

Nejrychleji se automatizuje úkol, který má digitální vstup. E-mail, dokument, databázový řádek, zvukový přepis nebo obrázek lze předat systému bez fyzického pohybu ve světě. Je-li zároveň postup opakovatelný, model dostává podobné zadání znovu a znovu. Standardní výstup — klasifikace, krátké shrnutí, doplněný formulář nebo kus kódu — snižuje nejistotu, co má vzniknout.

Čtvrtým znakem je dostatek příkladů. Organizace má archiv dřívějších odpovědí, vyřešených případů nebo schválených dokumentů. Pátým je levná kontrola. Pokud chybu pozná pravidlo, test, součet nebo rychlá lidská kontrola, lze generování provozovat ve velkém. Když se všech pět vlastností sejde, ekonomický tlak je silný i tehdy, když AI není dokonalá. Stačí, aby byla dost dobrá a levnější než současný postup.

Naopak odolnější bývají úkoly s neúplným kontextem, fyzickým prostředím, proměnlivými výjimkami, konfliktními cíli a vysokou cenou chyby. Ne proto, že by je AI nikdy nezvládla, ale protože úsporu snižují náklady na integraci, kontrolu a odpovědnost. Člověk, který musí vstoupit do cizí domácnosti, uklidnit klienta, zhodnotit bezpečnost a improvizovat při nečekané situaci, nevykonává jednu čistou operaci.

Box 02 · Test nahraditelnostiŠest otázek pro jeden konkrétní úkol

Test neposuzuje hodnotu člověka. Posuzuje technickou a ekonomickou strukturu činnosti.

1Je vstup už digitální?

Text, obraz, zvuk nebo strukturovaná data lze zpracovat bez fyzického zásahu.

2Lze zadání popsat předem?

Postup se dá převést na stabilní pravidla, instrukci nebo několik příkladů.

3Opakuje se ve velkém?

Úspora na jednom případu je malá, ale násobí se tisíci opakováními.

4Má výstup standardní tvar?

Existuje očekávaná odpověď, formulář, klasifikace nebo měřitelný formát.

5Je chyba levně rozpoznatelná?

Správnost ověří test, databáze, součet nebo krátká kontrola pracovníka.

6Kdo nese následky?

Pokud chyba vyžaduje odborný úsudek a odpovědnou osobu, automatizace nekončí vygenerováním.

Čím více odpovědí „ano“ u prvních pěti bodů a čím levnější jsou následky chyby v šestém, tím dříve bude úkol cenově stlačen.

Rutinní přitom neznamená bezvýznamný. Kontrola údajů chrání firmy před podvodem a zákazníky před chybou. Přepis může být vstupní branou k odbornosti. Problém není morální kvalita úkolu, ale to, že jeho výsledek lze snadno oddělit od člověka, měřit a nakoupit levněji.

Automatizovatelnost navíc není okamžitá automatizace. Jednoduchý proces mohou roky držet staré systémy, špatná data či regulace; digitální platforma naopak rozšíří změnu během měsíců.

„Schopný člověk“ není titul ani póza

Slovo schopný může snadno sklouznout k lichotivému označení lidí, kteří už mají moc, vzdělání a dobře placenou pozici. Pro tento článek znamená něco užšího a pozorovatelného: člověk dokáže z nejasného cíle vytvořit ověřitelné zadání, rozpozná vadný vstup, zvolí správnou míru kontroly, vysvětlí kompromis a přijme odpovědnost za výsledek.

Taková schopnost se může projevit u účetní stejně jako u instalatéra, zdravotní sestry, právníka nebo vedoucího skladu. Není totožná s rychlostí psaní, množstvím znalostí v paměti ani uměním vytvořit efektní prompt. Prompt je levný. Doménový kontext, znalost výjimek a důvěra lidí vznikají déle.

Schopný pracovník si umí všimnout, že zadání samo vede ke špatnému výsledku. Ví, kdy číslo sice sedí, ale měří jinou věc. Pozná, že automaticky vytvořená smlouva neřeší reálné rozdělení rizika. Dovede říct „nevím“, vyžádat další informaci a zastavit proces, jehož chyba by byla dražší než ušetřený čas.

Tato definice není oslavou osamělého génia. Mnoho lidí vykonává úzkou rutinu proto, že firma jejich práci tak navrhla: nedala jim informace, pravomoc, čas ani vzdělání k rozhodování. Člověk může být schopný a přesto celý den opisovat údaje, protože za překročení postupu by byl potrestán. Automatizace pak neodhaluje jeho nízkou hodnotu. Odhaluje nízkou šíři role, kterou organizace vytvořila.

AI nesnižuje hodnotu člověka, jehož role spočívala v rutinním klikání. Snižuje cenu kliknutí, které firma oddělila od úsudku.

Odolnost proto nevzniká pouze individuálním učením. Potřebuje také přístup k širší části procesu. Zaměstnanec, který vidí jen jedno políčko, se obtížně naučí rozhodovat o celém případu. Firma, která chce po automatizaci využívat lidský úsudek, musí už před změnou vytvořit podmínky, aby jej lidé skutečně uplatňovali.

Nepohodlný paradox: AI někdy nejvíc pomáhá lidem s nižším výchozím výkonem

Jednoduchý příběh říká, že nejlepší pracovníci dostanou AI a svůj náskok ještě zvětší. Terénní studie však ukazuje opačný mechanismus. Analýza vycházela z 3 006 395 chatů 5 172 pracovníků zákaznické podpory zaznamenaných od září 2019 do června 2021; pilotní randomizované zavedení pro přibližně 50 lidí proběhlo v srpnu 2020 a širší zavádění od října 2020 do května 2021. Hlavní odhad z postupného zavádění, vyhodnocený metodou difference‑in‑differences, činil zvýšení počtu vyřešených případů za hodinu o 15,2 procenta.^[4]

Průměr však skrývá nejdůležitější rozdíl. Pracovníci v nejnižším výkonnostním kvintilu se zlepšili asi o 36 procent, zatímco u nejvýkonnější skupiny studie nezjistila statisticky významnou změnu produktivity. Méně zkušení lidé a pracovníci s nižším výchozím výkonem zrychlili i zlepšili kvalitu; u nejzkušenějších byly zisky malé a některé ukazatele kvality mírně klesly. Studie se týkala jedné firmy, jedné profese a asistenta vycvičeného na konkrétním procesu. Není univerzální předpovědí.

Mechanismus je přesto důležitý. Systém dokázal šířit vzorce odpovědí, které dříve používali nejlepší pracovníci. Část tiché zkušenosti se změnila v doporučení dostupné nováčkovi. To může být sociálně dobrá zpráva: člověk se rychleji učí, zákazník dostane konzistentnější službu a jazyková bariéra ztratí část významu.

Současně vzniká ekonomická otázka. Pokud nováček s asistentem zvládne téměř tolik jako zkušenější kolega, firma možná potřebuje méně lidí na vstupní úrovni. AI tak může jednotlivému nováčkovi pomoci a celému trhu pro nováčky současně zúžit dveře. Není v tom rozpor. Produktivita jednoho pracovníka a počet pracovních míst jsou dvě různé veličiny.

Box 03 · Jedna studie, dva pohledyNováček získá víc. Firma jich může potřebovat méně.

Výsledek z konkrétní zákaznické podpory nelze automaticky přenést na jiné profese.

Nižší výchozí výkon+36 %

Odhadovaný nárůst vyřešených případů za hodinu u nejnižšího výkonnostního kvintilu po zavedení asistenta.

Výhoda: rychlejší učení a přístup k dříve těžko dostupným postupům.

Nejvyšší výchozí výkon≈ 0

U nejsilnějších pracovníků studie nenašla významný růst produktivity; některá měřítka kvality mírně klesla.

Riziko: doporučení může experta rušit nebo svádět k pohodlnější, ale horší odpovědi.

Zdroj: Brynjolfsson, Li a Raymond, QJE 2025. Čísla popisují relativní změnu v konkrétní firmě, nikoli podíl zachráněných či zrušených míst.

OECD ve Skills Outlook 2025 spojuje tento paradox s vývojem na online trzích práce. Uvnitř firem může AI zvyšovat výkon začátečníků, zatímco na online konzultačních a freelance tržištích se zmenšuje poptávka po krátkodobých zakázkách a práci svěřované nováčkům a roste relativní význam lidí schopných řešit složitější úkoly za hranicí současných modelů.^[2] Jinými slovy: nástroj může demokratizovat výkon a zároveň snížit cenu vstupní práce.

Zubatá hranice: expert musí poznat, kdy AI nevěřit

Schopnosti AI nerostou jako rovná čára od jednoduchého ke složitému. Systém může výborně shrnout dlouhý dokument a selhat při krátké otázce, která vyžaduje spojit skrytý údaj s pravidlem. Může napsat přesvědčivý návrh a přehlédnout jedinou podmínku, která celý návrh obrací. Dva úkoly, jež člověku připadají podobně obtížné, mohou ležet na opačných stranách technologické hranice.

Terénní experiment s 758 konzultanty Boston Consulting Group tuto nerovnost pojmenoval „zubatou technologickou hranicí“. Konzultanti byli rozděleni do nepřekrývajících se ramen: 385 řešilo během pětitýdenního okna v květnu a červnu 2023 osmnáct realistických úkolů uvnitř tehdejších schopností GPT‑4 a 373 jediný úkol za hranicí. V prvním rameni lidé s AI dokončili o 12,2 procenta více úkolů, pracovali v průměru o 25,1 procenta rychleji a odevzdávali kvalitnější řešení. Ve druhém rameni dosáhli u jediného komplexního úkolu správného výsledku o 19 procentních bodů méně často než kontrolní skupina.^[5]

Právě omezení studie je součástí jejího sdělení. Negativní výsledek stojí na jediném typu úkolu, zkoumal elitní konzultanty a používal model z roku 2023. Nelze z něj tvrdit, že AI obecně zhoršuje expertní práci. Lze z něj bezpečně vyvodit, že profesionál potřebuje samostatnou dovednost: rozpoznat, zda konkrétní krok leží uvnitř spolehlivých schopností nástroje, a nastavit kontrolu podle ceny případné chyby.

Podobně nepohodlný výsledek přinesl v roce 2025 randomizovaný experiment organizace METR se šestnácti zkušenými vývojáři pracujícími na 246 skutečných úkolech ve vlastních velkých open-source repozitářích. S tehdejšími AI nástroji jim práce trvala o 19 procent déle, ačkoli sami předpokládali zrychlení. Malý a specifický vzorek nedovoluje zobecnit výsledek na programování jako celek. Ukazuje však, že subjektivní pocit rychlosti není měřením produktivity.^[6]

Schopný člověk proto není ten, kdo AI používá nejčastěji. Je to ten, kdo volí nástroj podle úkolu, nikoli úkol podle nástroje. U snadno ověřitelného návrhu může generovat rychle a kontrolovat vzorek. U právního podání, bezpečnostního rozhodnutí nebo zásahu do účtu musí ověřit zdroje, proces i konečný důsledek. Rychlost bez kalibrace důvěry může pouze zrychlit výrobu chyby.

Vyšší produktivita ještě nerozhodla, kolik lidí zůstane

Představme si, že tým díky AI ušetří pětinu času. Technický experiment tím končí. Ekonomický příběh teprve začíná. Vedení může snížit počet míst o pětinu a zachovat stejný objem práce. Může zachovat tým a zvýšit produkci. Může odstranit čekací dobu, kterou zákazníci dosud považovali za normální. Nebo sníží cenu, získá více zákazníků a nakonec přijme další lidi na činnosti, které automatizované nebyly.

Studie přibližně 58 milionů profilových pracovních pozic a 14 milionů pracovních nabídek nachází oba směry, ale její vzorek netvoří celý trh: jde o americké anglicky psané pozice napojené na veřejně obchodované firmy v databázi Compustat. Nabídky pokrývají roky 2010–2023 a profilové pozice prakticky období od roku 2011. Vyšší průměrná expozice úkolů vůči AI snižovala poptávku po dané práci. Při soustředění expozice do několika kroků však pracovníci přesouvali úsilí jinam a produktivnější firmy rozšiřovaly zaměstnanost i v dalších profesích. Celkový efekt na počet míst byl proto menší než přímá substituce úkolů.^[7]

To není důkaz, že se zaměstnanost vždy „sama vyrovná“. Výsledek závisí na poptávce, konkurenci, cenách, rychlosti adopce a na tom, zda technologie vytvoří nové lidské úkoly. Ekonomický rámec Acemoglua a Restrepa rozlišuje vytlačení práce, produktivní efekt a vznik nových činností. Automatizace snižuje poptávku po člověku v převzatém úkolu; levnější produkce může poptávku po práci jinde zvýšit; nové úkoly mohou člověka do procesu vrátit.^[16]

Box 04 · Stejných dvacet procentČtyři osudy stejného produktivního zisku

O výsledku nerozhoduje model sám. Rozhoduje obchodní a organizační reakce.

01 · ÚSPORA

Méně pracovních míst

Firma zachová objem produkce a po části odchodů místa znovu neobsadí nebo je přímo zruší.

02 · RŮST

Více výstupů

Stejný tým obslouží více klientů; zaměstnanost se nezmění, ale výkon na člověka vzroste.

03 · KVALITA

Zmizí fronta a resty

Ušetřený čas se přesune ke kontrole, lepší dostupnosti služby a řešení případů, které se dříve odkládaly.

04 · NOVÁ POPTÁVKA

Nižší cena, větší trh

Levnější služba přivede další zákazníky a vytvoří práci v prodeji, integraci, kontrole nebo péči.

Dánská studie propojila šetření přibližně 25 tisíc pracovníků na 7 tisících pracovištích v jedenácti exponovaných profesích s administrativními daty. Zhruba dva roky po uvedení ChatGPT — nikoli po dvou letech individuálního používání — nenašla statisticky významný průměrný dopad na výdělky ani odpracované hodiny a vyloučila průměrné efekty větší než dvě procenta. Současně přibyly úkoly spojené s kontrolou a integrací AI.^[8]

Jde o Dánsko, rané období a určitou skupinu chatbotů. Výsledek není důkazem trvalé bezpečnosti. Je důkazem, že technologická schopnost se do trhu práce nepřekládá okamžitě a jedním kanálem. Mezi modelem a výpovědí stojí organizace.

Plošná vlna zatím doložena není. První trhliny však nejsou rovnoměrné

Nejpoctivější současná odpověď zní: v agregátních datech zatím nevidíme masové vytlačení zaměstnanosti způsobené generativní AI, ale na některých úzce vymezených trzích a v náborových cestách se objevují změny odpovídající automatizaci. Obě části věty jsou nutné. První brání panice, druhá pohodlnému popírání.

Studie vyčistila soubor 1 388 711 inzerovaných zakázek na jedné globální freelance platformě; hlavní odhady pracovaly s 1 218 463 zakázkami s pevnou cenou v osmi tematických klastrech od července 2021 do července 2023. Během osmi měsíců po uvedení ChatGPT klesly zakázky na psaní a programování relativně o 21 procent oproti manuálně náročným zakázkám. Po uvedení generátorů obrazů klesly zakázky na obrazovou tvorbu relativně o 17 procent. Zbývající zakázky byly složitější a lépe placené; průměrný počet nabídek na otevřenou zakázku vzrostl o 8,57 procenta.^[9]

Jde o prostředí mimořádně vhodné pro rychlý dopad: digitální vstup i výstup, dělitelná zakázka, snadné porovnání ceny a slabý vztah s klientem. Výsledek nelze přenést na nemocnici, stavbu či úřad; ukazuje riziko tam, kde se standardní výstup prodává samostatně.

Nejnovější americký signál přichází z pracovní studie Stanford Digital Economy Lab založené na mzdových datech ADP o milionech pracovníků v USA do června 2026. Revize z 12. srpna uvádí, že zaměstnanost lidí ve věku 22 až 25 let v silně exponovaných profesích zaostávala o 19 procent za hypotetickým vývojem, při němž by držela krok s vrstevníky v méně exponovaných profesích. Rozdíl se projevoval hlavně slabším náborem, ne zvýšeným propouštěním; u zkušenějších pracovníků srovnatelná mezera nebyla.^[10]

Autoři současně upozorňují, že jde o popisný, nikoli kauzální výsledek. Rozdíl se zmenšuje po kontrole vzdělání, část trendu začala už před generativní AI a vzorek ADP ukazuje silnější efekt než některá celonárodní šetření. Studie proto neříká, že AI „způsobila devatenáctiprocentní ztrátu míst“. Říká, že vznikl časově i profesně soustředěný signál, který je nutné sledovat.

Stanford AI Index 2026 shrnuje stejný obraz: plošný kolaps zaměstnanosti doložen není, první signály se však soustředí ve slabším náboru mladých v exponovaných oborech. Z 1 753 respondentů v organizacích pravidelně používajících AI, dotázaných od 25. června do 29. července 2025, očekávalo 32 procent v příštím roce pokles celkové pracovní síly alespoň o tři procenta a 43 procent malou nebo žádnou změnu. Jde o očekávání respondentů, ne uskutečněné propouštění ani reprezentativní prognózu všech firem.^[11]

První vlna proto může mít podobu chybějícího juniorního inzerátu, neobnoveného místa, menší externí zakázky nebo vyššího počtu případů na člověka. Statistika výpovědí ji dlouho nemusí zachytit.

Když odstraníme schod, odkud vezmeme budoucí experty?

Jednoduché úkoly mají dvojí povahu. Pro firmu jsou nákladem. Pro začátečníka jsou tréninkem. Začínající právník se na rešerších učí strukturu rozhodnutí. Programátor při opravách poznává architekturu systému. Účetní na standardních dokladech získává cit pro výjimku. Lékař se nestane zkušeným jen studiem učebnice; potřebuje řadu běžných situací, než bezpečně zvládne vzácnou.

Pokud AI převezme návrhy a jednoduché případy, firma ušetří, ale odstraní část prostředí, v němž se nováček učil rozpoznat chybu. Junior pak dostává jen výjimky bez zkušenosti s běžnými případy, případně kontroluje výstupy, jejichž logiku netvořil.

Řešením není návrat k opisování, nýbrž nový výcvik: nejprve vlastní řešení vzorku, potom srovnání s AI a vysvětlení rozdílu; rotace mezi tvorbou, kontrolou a klientem; hodnocení schopnosti odhalit vadný vstup, nejen rychlosti.

Box 05 · Juniorský žebříkAutomatizace může odstranit práci i cestu k odbornosti

Cílem není zachovat zbytečné klikání, ale řízené získávání zkušeností.

1 · Běžné případy

Riziko: AI vyrobí hotový výstup a junior pouze potvrzuje.

Náhrada: nejprve vlastní řešení vzorku, potom porovnání a vysvětlení rozdílu.

↓

2 · Výjimky

Riziko: pracovník dostane jen obtížné případy bez vybudovaného základu.

Náhrada: řízená eskalace, mentor a záznam důvodů, proč standardní postup selhal.

↓

3 · Odpovědnost

Riziko: seniorů ubývá, protože firma několik let nevychovala jejich nástupce.

Náhrada: postupné převzetí odpovědnosti za celý případ, kontakt s klientem a audit rozhodnutí.

OECD upozorňuje, že změna poptávky po začátečnické práci a růst hodnoty komplexnějších úkolů mohou probíhat současně.^[2] Pokud trh přestane kupovat první stupně odbornosti, individuální rada „buď lepší“ nestačí. Každý senior byl někdy junior. Výcviková cesta je infrastruktura oboru, nikoli soukromý koníček začátečníka.

Teze o schopnosti se zde mění v organizační povinnost. Člověk se může učit, ale firma musí zachovat prostor pro praxi. Škola může posílit práci s důkazy a stát zlepšit dostupnost vzdělávání; ani jeden však za zaměstnavatele nerozhodne, zda produktivní zisk promění ve výcvik.

Ani nejlepší zaměstnanec nerozhoduje o osudu svého místa sám

Schopnost zvyšuje počet možností. Expert může převzít kontrolu, navrhnout nový proces, pracovat s klienty nebo přesunout čas k úkolům, které AI nezvládá. To je skutečná výhoda. Není to však pojistná smlouva.

Firma může automatizaci použít plošně, aniž by dokázala rozlišit kvalitní a špatnou práci. Může sloučit týmy podle tabulkového cíle. Může přesunout činnost dodavateli, jehož cena klesla díky AI. Celé odvětví může čelit menší poptávce, i když jednotliví pracovníci zůstali schopní. A produktivní zisk může připadnout vlastníkům, zákazníkům nebo platformě, aniž by se promítl do mzdy člověka.

Proto je nebezpečné proměnit článek o AI v morální soud nad propuštěnými. Ztráta místa není automatickým důkazem, že člověk „neuměl nic navíc“. Je výsledkem setkání schopností, skladby úkolů, obchodního modelu, vyjednávací síly a rozhodnutí organizace. Schopnost ovlivňuje pravděpodobnost, nikoli celý mechanismus.

Průřezové šetření JRC AIM‑WORK probíhalo od října 2024 do ledna 2025 a získalo odpovědi od 70 316 lidí ve věku 16 až 65 let ve všech 27 státech EU. V modulu placeného zaměstnání přibližně 29,9 procenta pracujících respondentů uvedlo, že v předchozích dvanácti měsících použili při práci nástroj AI alespoň jednou. Sebevýpovědi neprokazují kauzalitu; současně však dokumentují digitální monitoring a algoritmické řízení a otevírají otázku autonomie a odpovědnosti bez odpovídající pravomoci.^[14]

Produktivnější pracovník může být svobodnější, protože se zbaví rutiny. Může být také intenzivněji vytěžován, protože norma se zvýší a každá ušetřená minuta se okamžitě zaplní dalším případem. Stejný software může doplňovat úsudek nebo automatizovat dohled. Rozdíl vzniká v návrhu práce a v tom, kdo smí o návrhu mluvit.

Schopnost je výhoda v pracovním procesu. Není to hlasovací právo nad strategií firmy.

Česko: rychlá adopce, nerovné možnosti a zatím chybějící kauzální účet

V Česku už používání AI není okrajový experiment. Podle šetření Českého statistického úřadu používalo v roce 2025 alespoň jednu sledovanou technologii AI 17,6 procenta podniků s deseti a více zaměstnanci. O rok dříve to bylo 11,3 procenta a v roce 2023 jen 5,9 procenta. Ukazatel však zahrnuje širokou škálu technologií — od analýzy textu přes generování obsahu až po automatizaci procesů — a neříká nic o intenzitě používání ani o počtu zrušených míst.^[12]

Rozdíl podle velikosti firmy je výrazný. AI používalo 13,4 procenta malých podniků s 10 až 49 zaměstnanci, 28,8 procenta středních a 54,1 procenta velkých podniků s nejméně 250 zaměstnanci. Evropský průměr pro podniky s deseti a více pracovníky byl ve stejném roce 20 procent; česká hodnota v harmonizovaných datech Eurostatu činila 17,6 procenta.^[13]

Velká firma má více dat, specialistů, právní podpory a případů pro návratnost investice. Malá si koupí levný nástroj, ale hůře financuje bezpečnou integraci a školení. Stejná profese tak může mít jinou budoucnost podle organizace.

České firmy navíc automatizují z různých důvodů: někde kvůli nákladům, jinde kvůli neobsazeným směnám či rostoucímu objemu. AI proto může zrušit místo i vyplnit kapacitní mezeru; celostátní součet neukáže dění uvnitř profesí.

Cedefop v šetření 5 342 zaměstnanců ve věku 16 až 64 let z jedenácti států EU, provedeném od února do května 2024, uvádí, že 28 procent respondentů používalo AI při práci samo nebo ji používali jejich kolegové. Zároveň 61 procent očekávalo, že kvůli AI bude během pěti let potřebovat nové znalosti a dovednosti. Nejde o EU27 ani českou předpověď propuštění. Podstatná je nerovnost přístupu k učení: kdo dostane nástroj, čas a celý proces, má jinou startovní pozici než člověk, jehož role zůstane úzká až do zrušení.^[15]

Z české adopce proto nelze poctivě vyvodit, že AI práci bere, ani že ji nebere. Víme, že používání rychle a nerovnoměrně roste. Pro skutečný účet chybí propojená data o nástroji, úkolech, náboru, mzdách, hodinách a kvalitě na úrovni pracoviště.

Rychlejší výstup není totéž co lepší práce

Produktivitu lze jednoduše vyčíslit jen tam, kde je výsledek snadno měřitelný. Počet chatů, dokumentů či tiketů se počítá dobře. U diagnózy, strategie, výuky nebo právní rady je rychlost jen jednou částí; dalšími jsou kvalita, následky a náklady na kontrolu.

AI může zkrátit přípravu prvního návrhu z hodiny na deset minut, ale vyžádat si dalších třicet minut ověřování. Může zvýšit počet textů a současně přidat drobné nepřesnosti, za něž nikdo nenese odpovědnost. Kód vznikne rychleji, skrytá údržba však může zdražit. Počítáme-li jen výstupy, cenu chyby přesuneme mimo graf.

Tvrzení, že „člověk zůstane ve smyčce“, samo nic nezaručuje. Kontrolor potřebuje odbornost, čas, zdroje a právo výstup odmítnout. Má-li během minuty potvrdit stovky návrhů a nesouhlas se trestá, lidská kontrola je pouze dekorace.

Schopný člověk tu odhalí chybu, kterou metrika nevidí. Organizace však musí uznat jako produktivní i práci, jejímž výsledkem je zastavený omyl a škoda, která nenastala.

Box 06 · Matice důkazůCo dnes víme — a kde končí jistota

Různé studie odpovídají na různé otázky. Jejich čísla nelze sčítat do jedné prognózy.

Otázka

Jaký typ tvrzení hledáme?

Nejlepší dnešní opora

Co skutečně pozorujeme?

Co z ní neplyne

Kde začíná přehnaný závěr?

Co AI technicky zasáhne?

Úkolové indexy ILO a JRC.

Široká expozice

Administrativa i znalostní práce obsahují zasažitelné kroky.

Ne počet výpovědí

Expozice není adopce ani ekonomické rozhodnutí.

Zvyšuje AI výkon?

Terénní experimenty QJE a Organization Science.

Ano, ale nerovnoměrně

Výsledek závisí na úkolu, pracovníkovi a hranici schopností.

Ne univerzálně

Jedna firma či experiment nereprezentuje celou ekonomiku.

Mění se zaměstnanost?

Freelance trh, dánská data a americká mzdová data.

První soustředěné signály

Slabší juniorní nábor a úbytek některých digitálních zakázek.

Ne plošný kauzální důkaz

Agregátní vlna zatím doložena není a části výsledků jsou observační.

Co by hlavní tezi tohoto článku oslabilo?

• Dlouhodobý pokles zaměstnanosti, který by stejnou silou zasáhl role založené na úsudku i rutinní role bez vztahu ke skladbě úkolů.
• Výsledky ukazující, že doménová kontrola a schopnost odmítnout AI nezlepšují výkon po zohlednění kvality.
• Trvalý růst jednoduchých vstupních míst navzdory tomu, že jejich kompletní výstup zvládne levně vyrábět a kontrolovat AI.

Schopnost není jen umění vytvořit výstup, ale také zvolit měřítko jeho kvality. Kdo pouze zrychlí standardní krok, soutěží s cenou stroje. Kdo určuje smysl kroku, přijatelnou chybu a odpovědnost za následky, přesouvá svou práci k rozhodování, které je zatím hůře oddělitelné od odpovědnosti.

Ani tato oblast není navždy lidským monopolem. Hranice se posouvá. Ochrana proto neleží v jednou provždy osvojeném seznamu dovedností, ale ve schopnosti znovu rozdělit problém, změnit postup a přiznat, co nástroj zvládá lépe — i co mu nesmíme svěřit bez kontroly.

Nejde o strach. Jde o místo v řetězci odpovědnosti

Ráno začalo fakturou a šesti políčky. Po automatizaci zmizí přepis částky, data či identifikátoru; zůstanou nesrovnalosti a rozhodnutí, zda dokument pustit dál. Pokud firma roli zúžila na standardní přepis, cena tohoto výstupu prudce klesne. Člověk, který rozumí procesu, může převzít výjimky, kontrolu a zlepšování systému.

To je jádro optimistické části příběhu: člověk, který umí správně vymezit problém, poznat chybu, pracovat s lidmi a ručit za výsledek, má více způsobů, jak zůstat užitečný. AI mu může odstranit rutinu a zvětšit dosah. Schopnost přestává být rychlostí výroby prvního návrhu a stále více se stává kvalitou rozhodnutí kolem něj.

Pesimistická část je stejně důležitá. Firma nemusí ušetřený čas proměnit v lepší práci. Může odstranit místo dříve, než člověku nabídne cestu k širší roli. Může zrušit juniorské schody, zvýšit tempo a nechat odpovědnost na zaměstnanci. I schopný člověk může doplatit na rozhodnutí, které neudělal.

Proto není přesné říkat, že schopný člověk se nemá čeho bát. Přesnější je toto: schopnost zvyšuje počet možností, a tím odolnost, nikoli imunitu. Ještě více ji posiluje organizace, která úsudek potřebuje, rozvíjí a dává lidem pravomoc jej uplatnit.

Umělá inteligence nezačne názvem profese na pracovní smlouvě. Začne krokem, který lze vyjmout, popsat jednou větou a levně zkontrolovat. O odolnosti člověka pak spolurozhodne, zda jeho práce končila tímto krokem — nebo zda teprve za ním začínala.

Metoda a hranice textu

Co článek tvrdí — a co netvrdí

Text skládá úkolové indexy technické expozice, experimenty produktivity, administrativní data a šetření pracovníků. Tyto zdroje nejsou zaměnitelné. Experiment může doložit změnu výkonu v konkrétním úkolu, ale ne počet budoucích míst. Observační data mohou zachytit souběžný vývoj, ale bez další identifikace neprokazují, že jej způsobila AI.

• „Schopnost“ je zde sada pozorovatelných pracovních kompetencí, nikoli morální hodnocení člověka.
• Modelová úvodní situace není skutečný případ ani tvrzení o konkrétní firmě.
• Americké, dánské a platformní výsledky nejsou vydávány za českou prognózu.
• Česká data měří používání technologií v podnicích, nikoli jejich kauzální dopad na zaměstnanost.
• Stav zdrojů a odkazů byl ověřován k 24. srpnu 2026; rychle se měnící pracovní studie vyžadují před publikací novou kontrolu.