Umělá inteligence nám měla ušetřit práci. Zatím nám přidala poradu.

Porada začíná optimisticky. „Díky umělé inteligenci budeme mít víc času na důležitou práci.“ Za chvíli vznikne návrh nového procesu, dokument o procesu, shrnutí dokumentu a prezentace shrnutí. Zbývá určit, kdo všechno si to přečte. Pro jistotu se založí další porada. Budoucnost dorazila včas, jen nám trochu zaplnila kalendář.

Tenhle obraz je nadsázka, nikoli záznam z konkrétní firmy. Pokládá ale rozumnou otázku: co přesně počítáme jako ušetřenou práci? Je rozdíl mezi tím, že stroj rychle vyrobí text, a tím, že člověk rychleji dokončí užitečný úkol. Pokud se tyto dvě věci zamění, může automatizace zlepšit číslo na prezentaci a zároveň zhoršit úterní odpoledne.

Anthropic zveřejnil 16. října 2026 studii vlastního pracovního prostředí. Podle analýzy kalendářů tráví mediánový zaměstnanec na poradách o dvacet procent více času než o rok dříve. Autoři upozorňují i na růst firmy a změny ve skladbě pracovních rolí. Současně popisují vyšší výstupy při používání AI a rostoucí potřebu lidského dohledu a koordinace.[1]

Není fér z toho udělat titulek „Vědci dokázali, že AI přidává porady všem“. Jde o interní výzkum jedné specifické, rychle rostoucí společnosti, která tuto technologii sama vyvíjí. Ne o náhodně vybraný vzorek českých kanceláří ani izolovaný experiment dokazující jednu příčinu. Je to podnět k vlastnímu ověřování, nikoli univerzální rozsudek.[1]

Paradox je přesto užitečný. Automatizace může zrychlit výrobu návrhů, aniž by stejným tempem zrychlila rozhodování o nich. Když otevřete kohoutek víc než odtok, nepomůže vám slavnostní oznámení o rekordním výkonu kohoutku. Je potřeba podívat se na celou soustavu.

Vezměme modelový úkol: krátké podklady pro obchodní jednání. Bez AI zabere příprava pětačtyřicet minut. S AI trvá zadání deset minut, vytvoření návrhu tři, ověření a úpravy dvacet sedm a finální sjednocení dalších pět. Celkem opět pětačtyřicet. V tomto příkladu se nic neušetřilo, i když samotný text skutečně vznikl velmi rychle.

Jiný úkol může dopadnout skvěle. Z pětačtyřiceti minut může být dvacet. Nebo může být výstup za stejnou dobu kvalitnější. To jsou legitimní přínosy. Jen se nesmějí zaměnit za číslo, které nikdo nezměřil. Modelové časy nejsou výsledkem testu konkrétního produktu. Ukazují, co všechno by se do skutečného testu mělo započítat.

Někdy navíc přibude práce jinému člověku. Autor ušetří dvacet minut, ale kolega stráví půl hodiny kontrolou vět, kterým chybí podklad. Osobní stopky prvního člověka hlásí vítězství. Týmový účet je méně nadšený. Úspora se nemá zjišťovat tím, že náklad potichu přeneseme přes stůl.

Zkuste u jednoho opakovaného úkolu napsat krátké zadání použitelného výsledku. Například: jedna stránka, tři hlavní závěry, u čísel dohledatelný podklad, rozlišená fakta a návrhy, žádné další přílohy bez důvodu. To je vlastní pracovní návrh, ne závěr citované studie.

Když zadáte „připrav mi všechno důležité“, dostanete možná hodně všeho. Pak musíte dodatečně rozhodnout, co je důležité. Část úkolu jste tedy neodstranili; pouze jste ji posunuli za okamžik, kdy už existuje deset stran materiálu. Člověk má potom zvláštní pocit, že musí zpracovat všechno, protože už to přece bylo vytvořeno.

Dobré zadání dovoluje něco nevyrobit. Výslovně řekněte, co není potřeba. Pokud jde o rozhodnutí mezi dvěma možnostmi, nepotřebujete automaticky historii celého odvětví. Technologie, která zvládne napsat dlouhý text, nemusí dostat příležitost pokaždé předvést své objemové možnosti. Mlčení je občas velmi efektivní formát.

Navrhuji malý týdenní experiment. Vyberte několik srovnatelných úkolů, nikoli jen ten jeden, u kterého AI zázračně zazářila. U každého zaznamenejte čas na zadání, vytvoření návrhu, kontrolu, opravy a konečné použití. Předem určete, podle čeho budete posuzovat kvalitu.

Nesrovnávejte dokonale ručně zkontrolovaný výstup s automatickým návrhem, který ještě nikdo nečetl. Stejně tak nekazte AI záměrně špatným zadáním, abyste dokázali, že je k ničemu. Cílem není vyhrát spor mezi nadšencem a skeptikem. Cílem je zjistit, na co se nástroj ve vašem prostředí hodí.

Do krátkého záznamu stačí i věta: „Rychlé shrnutí bylo užitečné, ale musel jsem opravit dvě čísla.“ Taková informace je hodnotnější než neurčité „ušetřilo nám to šedesát procent práce“, u kterého nikdo neví, co bylo jmenovatelem. Nástroj nemusí zvítězit ve všem, aby se vyplatilo ho používat.

Pokud AI připraví podklady, pošlete účastníkům jasnou otázku, na kterou má schůzka odpovědět. Nejen soubor s názvem „analýza“. Kdo má rozhodnout? Která dvě či tři řešení připadají v úvahu? Co zatím nevíte? Co se stane po rozhodnutí?

Na poradě nemusíte společně předčítat materiál, který vznikl s cílem ušetřit čtení. Můžete se soustředit na sporné předpoklady a odpovědnost. Když výstup obsahuje neověřenou informaci, označte ji předem. Jinak se debata snadno točí kolem zdánlivě přesné věty, kterou nikdo nevzal do práce jako skutečný fakt.

Pomůže také předem určit člověka, který ručí za finální podobu. „Udělala to AI“ není přidělení odpovědnosti. Je to popis použitého nástroje. Kdyby se stejné pravidlo aplikovalo na kalkulačku, účetní závěrky by se podepisovaly názvem výrobce baterií.

U pracovního experimentu si předem určete, jaké údaje smíte do použitého nástroje vložit a kdo to schválil. Nezkoušejte rychlost na citlivých podkladech jen proto, že jsou zrovna po ruce. Pro první srovnání lze často připravit modelový nebo očištěný vstup. Konkrétní pravidla zpracování dat ověřte podle služby a podmínek své organizace; tento článek nedává univerzální souhlas k nahrávání firemních informací.

Do záznamu testu patří také omezení. Pokud jste z bezpečnostních důvodů vynechali část kontextu, výsledek nemusí odpovídat plnému nasazení. Pokud naopak příprava bezpečného vstupu zabrala čas, nezamlčte ho. Stále jde o náklad procesu, i když se nevešel do demonstrace na poradě.

Nejde o důvod automatizaci zastavit. Jde o způsob, jak z malého pokusu udělat něco, na co se dá navázat. Dobrý test kromě rychlosti ukáže, kde nástroj pomáhá, co musí zkontrolovat člověk a které údaje zůstávají mimo. Výsledek „v této podobě ano, v jiné zatím ne“ je užitečnější než povinné nadšení nebo plošný zákaz.

Než automatizujete pravidelný report, ověřte, kdo ho používá a k jakému rozhodnutí. Možná objevíte úkol, který opravdu pomáhá. A možná zjistíte, že všichni posílají jeho shrnutí dalším lidem, kteří se domnívají, že jej někdo jiný určitě čte. Automatizovat takový proces může znamenat pouze rychlejší výrobu zdvořilosti.

Zkuste příjemci položit obyčejnou otázku: „Které dvě informace z tohoto materiálu potřebujete?“ Ušetřená stránka se nemusí následně generovat, kontrolovat, přeposílat ani archivovat. Není to argument proti AI. Je to argument pro to, aby technologie řešila skutečnou potřebu místo organizačního zvyku.

Nakonec si v týmu řekněte, co se má s úsporou stát. Více hotových zakázek? Menší skluz? Důkladnější kontrola? Méně přesčasů? Různé cíle mohou být rozumné, ale neměly by se potají zaměňovat. Zaměstnanec a vedení mohou stejnou větu „budeme mít víc času“ slyšet velmi odlišně.

Umělá inteligence může být výborný pomocník. Nemusíme po ní chtít, aby současně napravila nejasné zadání, chybějící odpovědnost a poradu svolanou ze zvyku. Nejlepší měřítko není, kolik textu se objevilo na obrazovce. Je to počet skutečně dokončených věcí při odpovídající kvalitě. A někdy také to, že po jejich dokončení opravdu můžete zavřít notebook.

PRO ČLOVĚKA, KTERÝ NA TO NEMÁ ČAS ANI NERVY

Měřte čas od zadání po použitelný výsledek. Rychlost generování je jen jedna položka.