Změna paradigmatu: Umělá inteligence necílí na manuální práci, ale na vaše nejlépe placené experty

Manuální práce v bezpečí není, jen přijde na řadu později. Napřed dojde na lidi, které si firmy nejvíc platí, a na rozpočet, ze kterého je vzdělávají.

Zeptejte se vedení, kde ve firmě proběhne automatizace jako první. Uslyšíte sklad, výrobu nebo fakturaci. Místa, kde se dělá rutina za nejnižší mzdu.

Tak to vypadalo u každé dosavadní vlny automatizace. Od parního stroje po průmyslové roboty mířila automatizace na ruce a na opakovaný pohyb, později na jednoduchou administrativu. Firma koupila stroj nebo systém a teprve pak rozhodla, co bude s lidmi.

Teď je to jinak.

V článku projdu tři věci, které se dějí souběžně. Data ukazují, že AI už dnes zasahuje do velké části práce dobře placených specialistů. Zaměstnanci si ji zavádějí rychleji než ji firmy stíhají řídit. A hodnota expertízy se přesouvá od tvorby k ověřování výstupů. Všechny tři věci vedou ke stejné otázce: Jak v téhle situaci plánovat práci a rozvoj lidí?

Nejvíc zasažení jsou ti nejlépe placení

Anthropic (vývojář Claude AI) letos v březnu zveřejnil analýzu, která místo předpovědí měří, které pracovní úkoly už AI skutečně dělá. Na vrcholu stojí počítačoví programátoři, u nichž takové úkoly tvoří 74,5 procenta pracovního času.

Sklad tam nenajdete. Výrobu ani fakturaci taky ne. Celou horní polovinu žebříčku drží experti, které si firmy draze platí.

Expozice přitom neznamená propouštění. Studie měří, na kterých úkolech se model podílí, ne kolik míst kvůli tomu zaniklo nebo kolik juniorů firmy nenabraly.

Podíl pracovního času, který tvoří úkoly, na nichž se model v praxi podílí. Vychází z provozu Claude ve druhé polovině roku 2025. Zdroj: Anthropic, Labor market impacts of AI, březen 2026.

K té tabulce patří jedna výhrada. Čísla vznikla z provozu jednoho nástroje (Claude AI) a ten se hodně používá na programování, takže programátoři jsou nahoře i díky tomu, že si Claude pouští. Profese, jejichž úkoly se v tom provozu skoro neobjevují, mají v tabulce nulu.

Podle mě není důvod se domnívat, že by u jiných AI nástrojů vyšla zásadně odlišná skupina profesí. Používají je totiž podobní lidé k podobným úkolům. Pohnulo by se pořadí na předních místech, ne to, kdo do horní části tabulky patří.

Stejná analýza Anthropicu sleduje ještě jednu věc, totiž kolik si lidé v jednotlivých profesích vydělávají. Nejvíc zasažená čtvrtina brala o 47 procent víc než profese, které se v datech neobjevily vůbec.

Použité mzdy jsou z podzimu 2022, tedy z doby těsně před vydáním ChatGPT. Za ty čtyři roky se mzdy sice posunuly, ale na podstatě argumentu to nic nemění. Šlo o nejlépe placené profese už předtím, než generativní AI vůbec vstoupila na komerční trh.

Od automatizace jsme přitom zvyklí na opak. Dřív zlevňovala jednodušší práci a lidem se vzděláním přidávala, protože obsluhovali stroj, kvůli kterému ostatní o místo přišli. Teď model zvládá právě tu práci, za kterou se připlácelo.

Zaměstnanci si AI zavedli sami

Dřív se automatizace do firmy dostala jedině nákupem. Linka, jeřáb nebo účetní systém prošly investičním plánem a schvalováním, takže firma dopředu věděla, co si pořizuje a kdy to dorazí. Současně mohla naplánovat, jak se změna dotkne zaměstnanců. Někdo musel určit, kdo bude u nového stroje stát, co se k tomu musí naučit a podle čeho se pozná, že to dělá dobře.

AI takovou časovou a procesní bariéru nemá. Nasazuje se přes prohlížeč, platí se měsíčně a často se kvůli ní nemusí přestavět provoz. Zaměstnanec proto nemá důvod čekat, až se firma rozhodne. Otevře si nástroj, který mu z práce ubere to, co ho na ní nejvíc zdržuje, a nikoho se přitom neptá.

Skoro devět z deseti firem do AI investovalo a měřitelný přínos hlásí necelé čtyři z deseti. Tři čtvrtiny lidí v kancelářských profesích ji přitom už při práci používají. Velká část z nich pracuje s nástroji, které si našla sama a firma je formálně nezavedla.

Práce se přesouvá od tvorby k ověřování výstupů

Tím, že si lidé AI zavedli sami, se posunulo i místo, kde firma expertízu potřebuje.

Zadání, jak má dobrý výstup vypadat, k tomu ale nikdo nedal. Každý si tedy sám určil, co je dost dobré, podle toho, co mu prošlo. Změnila se tím podoba práce a s ní i měřítko, podle kterého se dřív poznalo, že ji někdo dělá dobře.

Posoudit výstup a říct, že je špatně, zůstává na člověku. Zvládne to ale jen ten, kdo by tu práci uměl odvést sám.

Zakázat lidem AI jde; vyřešit se tím nic nedá. Z práce svých lidí ji firma stejně nedostane a jen ztratí přehled o tom, jak s ní kdo pracuje. Zdrží tím jenom sama sebe.

Rozvoj lidí se musí plánovat jako investice

Firmy odpověď znají. Vzdělávání. Podle Světového ekonomického fóra plánuje 77 procent z nich spustit programy na upskilling nebo reskilling. OECD zároveň sleduje, kolik dospělých se dalšího vzdělávání skutečně účastní, a to číslo se v mnoha zemích nehýbe, nebo klesá.

I to ale říká jen tolik, kolik lidí do kurzu došlo. Jestli se z něj něco přeneslo do toho, jak pracují, zjišťuje málokterá firma. Znalost se přitom stane zkušeností až v práci a teprve tehdy se začnou vložené peníze někde projevovat.

Vidí to i lidé, kteří za AI ve firmách odpovídají. McKinsey oslovila přibližně 500 organizací, co jim brání používat AI bezpečně a s důvěrou. Skoro 60 procent těch, kdo v nich řídí AI a její rizika, odpovědělo, že lidem chybí znalosti a proškolení, jak s ní zacházet. Rok předtím to byla zhruba polovina.

Podle mě je to proto, že rozvoj lidí ve firmách nikdo neřídí jako investici. Rozpočet na vzdělávání se nastaví, často podle loňského čísla, a pak se musí utratit. Školí se proto kdeco, aby na konci roku z rozpočtu nic nezbylo (aby nikdo za rok rozpočet nekrátil). Přednost má ten, kdo si o kurz sám řekne. Spočítají se odškolené hodiny.

Kde se za poslední rok změnil obsah práce, se přitom nikdo neptá. Firma, která na tu otázku neumí odpovědět, nemá plán rozvoje. Má rozpočet a nabídku kurzů.

Když se z práce stává ověřování cizího výstupu, je potřeba rozvíjet především dvě dovednosti. Lidé musí rozumět tomu, co technologie umí a kde má hranice. A musí umět zpochybnit odpověď, která zní přesvědčivě.

Text vypadá hotově, i když si AI model část údajů vymyslel. Odhalit se to dá jedině tak, že si člověk ověří, odkud údaje pocházejí, a zkontroluje, jestli výstup odpovídá realitě. Ta druhá dovednost je kritické myšlení a je stejně důležitá. Teprve s obojím se z nejistoty stane konkrétní zadání, se kterým jde něco dělat.

Co si z toho odnést pro plán rozvoje

AI firmám experty zatím nebere. Vzala jim jistotu, že kvalitní výstup vznikl z odbornosti člověka, který ho odevzdal. Plán rozvoje proto dnes stojí na tom, jestli firma ví, u kterých rolí se mění obsah práce, kdo kontroluje výstupy AI a jestli má dost znalostí i prostoru říct, že jsou špatně.

Až budete příště schvalovat rozpočet na rozvoj, položte si dvě otázky. Víme, u kterých rolí se obsah práce za poslední rok změnil? A kolik z toho rozpočtu míří právě k nim?