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

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, středisko.

Člověk u toho stolu ale nezapisuje jen čísla. Zachytí změněný účet, chybnou daň, duplicitu, neuzavřenou objednávku. Rutina se v tu chvíli mění v pátrání, telefonát a rozhodnutí.

Pak firma nasadí systém, který standardní faktury přečte a předvyplní. Co udělá s ušetřeným časem? Může snížit stav. Může zpracovat víc dokladů. Může zrušit frontu. Nebo člověku nechat složitější výjimky.

Věta „schopný člověk se bát nemusí“ je proto jen půl pravdy.

Umět poznat chybný vstup, domyslet důsledky a převzít odpovědnost otevírá víc cest. Neochrání to ale před zrušením oddělení, přesunem agendy ani před rozhodnutím vedení, že vyšší výkon se má proměnit jen v úsporu nákladů.

Povolání je široká společenská kategorie. Pracovní místo je konkrétní dohoda mezi člověkem a organizací. Úkol je jedna činnost. Přečíst dokument. Najít údaj. Porovnat ho s objednávkou. Rozhodnout o výjimce. Vysvětlit nesoulad. Nést následky, když se to pokazí.

Technologie obvykle nevstoupí do všech vrstev naráz. Tabulkový procesor nezrušil účetnictví. Odstranil část ručního sčítání. Vyhledávač nezrušil právníky ani novináře. Zkrátil cestu k dokumentům a zvedl očekávaný objem rešerše.

Generativní AI umí napsat standardní e-mail, shrnout text, převést odpověď do tabulky, navrhnout kód nebo přeložit dokument. To pořád nejsou celé profese. Jsou to kusy pracovního řetězce. Každý má jinou cenu chyby a jinou potřebu lidského kontextu.

Nejrychleji zlevňuje úkol, který splňuje několik podmínek najednou. Má digitální vstup, třeba dokument, e-mail, tabulku, zvuk nebo obrázek. Opakuje se v podobném tvaru. Má standardní a měřitelný výstup. Existuje k němu dost dřívějších příkladů. A chybu jde levně odhalit pravidlem, testem nebo krátkou kontrolou.

Když se těch pět vlastností sejde, ekonomický tlak může být silný, i když systém není dokonalý. Stačí, aby byl dost dobrý a levnější než dnešní postup.

Odolnější bývají úkoly s neúplným kontextem, s fyzickým prostředím, s častými výjimkami, s protichůdnými cíli nebo s vysokou cenou chyby. Ne proto, že by je AI nikdy nezvládla. Proto, že úsporu snižuje napojení na zbytek firmy, kontrola a odpovědnost.

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 ale za pravděpodobnější výsledek považují proměnu práce, ne úplné zmizení celé profese.

Taková expozice říká, že možnost existuje. Neříká, že firma nástroj koupí, napojí ho na databáze, vyřeší ochranu dat a přijme riziko chyb. A už vůbec neříká, že vyšší výkon povede k menšímu počtu lidí.

Schopný pracovník umí z nejasného cíle udělat zadání, které jde ověřit. Pozná vadný vstup. Zvolí, kolik kontroly je právě dost. Vysvětlí kompromis. Převezme odpovědnost za výsledek. Všimne si, že číslo sice sedí, ale měří jinou věc. Umí říct „nevím“ a zastavit proces, jehož chyba by byla dražší než ušetřený čas.

To není oslava osamělého génia. Spousta lidí dělá úzkou rutinu proto, že firma jejich práci tak navrhla. Nedala jim informace, pravomoc ani čas rozhodovat. Automatizace pak neodhaluje nízkou hodnotu člověka. Odhaluje úzkou roli, kterou organizace sama vytvořila.

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

Systém tu šířil vzorce odpovědí nejlepších kolegů. Pro nováčka je to výhoda. Rychleji se dostane k použitelnému výkonu. Pro firmu z toho plyne jiná otázka. Potřebuje stejný počet lidí na vstupní úrovni?

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

Není to rozpor. AI může být velmi užitečná u činností, které jdou snadno zadat a ověřit. A může odvádět pozornost tam, kde člověk zná množství nepsaného kontextu a musí kontrolovat návrh, který zní přesvědčivě, ale nehodí se.

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

Jednoduché úkoly jsou pro firmu náklad. Pro začátečníka jsou trénink. Když AI převezme první návrhy, přepisy a základní rešerše, junior může ztratit prostředí, ve kterém se učil poznat chybu.

Organizace proto potřebuje výcvik navrhnout schválně. Třeba nechat člověka nejdřív udělat vlastní řešení, pak ho porovnat s návrhem systému a vysvětlit rozdíl.

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

Schopnost zvyšuje počet možností, a tím i odolnost člověka. Není to pojistka proti rozhodnutí firmy. O pracovním místě spolurozhodne i to, jestli práce člověka končila u kroku, který jde automatizovat, nebo jestli teprve za ním začínal úsudek, domluva, výjimky a odpovědnost.

ILO a NASK. Generative AI and Jobs: A 2025 Update.

Brynjolfsson, Li a Raymond. Generative AI at Work. Quarterly Journal of Economics (2025).

Dell’Acqua a kol. Navigating the Jagged Technological Frontier. Organization Science (2026).

METR. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity.

Acemoglu a Restrepo. Artificial Intelligence, Automation and Work. NBER Working Paper 24196.

Původně publikováno na Jiný Kontext:
https://jinykontext.cz/clanek/umela-inteligence-usudek