AI sama o sobě produktivitu nezvýší. Nejdřív musíte změnit postupy

Když se bavíme o tom, co generativní AI reálně umí v práci, čísla vypadají slibně. Méně se už mluví o tom, že mezi potenciálním pokrytím některých úkolů a skutečně ušetřeným časem či vyšší produktivitou zeje mezera, kterou technika sama nepřeklene. Pojďme se podívat, co z toho vyplývá pro firmu, zaměstnance i český trh.

Kolik práce AI skutečně zvládne

Nejčastěji citovaný odhad z materiálů Nasscomu říká, že generativní AI by potenciálně mohla pokrýt přibližně 30 % úkolů u kancelářských profesí. Nejde o univerzálně dosažený výsledek ani o podíl pracovní doby, který se automaticky uvolní. Jde o odhad části činností, u nichž může být AI užitečná – například při sumarizaci dokumentů, přípravě podkladů, psaní kódu, organizaci dat a dalších rutinních úkolech.

Skutečný dopad závisí na oboru, konkrétních procesech, kvalitě dat i na tom, zda zaměstnanec musí výstup kontrolovat a opravovat. Pokrytí určité části úkolů proto nelze bez další metodiky přímo převést na stejný podíl pracovní doby nebo na konkrétní násobek produktivity týmu. AI může některé činnosti urychlit, ale výsledkem nemusí být méně zaměstnanců ani stejně velká úspora času.

Celkový ekonomický přínos generativní AI odhaduje McKinsey Global Institute na 2,6 až 4,4 bilionu dolarů ročně, což odpovídá zhruba 2,5 až 4,2 % globálního HDP. Jde o odhad ekonomického potenciálu napříč různými odvětvími, nikoli o garantovaný přínos, který firmy nebo světová ekonomika automaticky získají.

Proč samotná instalace nestačí

I mezi nasazením nástroje a skutečným výsledkem existuje mezera, někdy označovaná jako „deployment-impact gap“ – rozdíl mezi tím, že nástroj nasadíte, a tím, že skutečně přinese měřitelný výsledek.

Vysvětlení je jednoduché a zná ho každý, kdo někdy zaváděl nový software. AI vám nepomůže, pokud do ní „sypete“ nepořádek. Když má firma roztříštěná data v deseti systémech, nezdokumentované procesy a lidi, kteří nevědí, co má nástroj dělat, výsledkem je drahý chatbot, který nikdo nepoužívá. Nutná je proto současná transformace pracovních postupů a datové infrastruktury. Jinými slovy: nejdřív si udělejte pořádek v datech a procesech, pak teprve zapojte AI.

Druhá podmínka je lidská. Firmy zjišťují, že bez intenzivnějšího proškolování zaměstnanců investice nepřinese reálné výsledky. AI v moderních workflow funguje především jako digitální asistent, který doplňuje lidskou práci – a stále vyžaduje lidský dohled. Kdo čekal, že model pustí a odejde, přišel o iluze.

Důsledky pro pracovní trh jsou reálné

Změna není abstraktní, její podoba se však liší podle oboru a konkrétní firmy. AI může omezit část rutinních činností v administrativě, základním zpracování dat nebo podpoře, zároveň ale vytváří poptávku po lidech, kteří umějí nástroje správně zapojit, kontrolovat jejich výstupy a upravovat pracovní procesy.

Indie – odkud část citovaných odhadů pochází – ukazuje, že dopad nemusí mít jen podobu úbytku rutinních úkolů. Rozhodující bude také schopnost pracovníků osvojit si nové nástroje a firem vytvořit podmínky pro jejich bezpečné používání. Samotný odhad potenciálu proto nelze zaměňovat za předpověď konkrétního počtu zrušených pracovních míst.

Co to znamená pro Česko a Evropu

Pro české firmy je z toho poučení dvojí. Zaprvé, nemá smysl čekat, až „AI přijde“ – nástroje jako současné modely GPT, Claude, Gemini nebo otevřené modely od Mistralu a Meta jsou dostupné i v češtině a dají se zapojit do běžného provozu už dnes. Zadruhé, evropský rámec AI Act přidává firmám povinnosti, které mohou některá nasazení administrativně zpomalit. Nejde ale o jedinou ani nutně největší překážku: stejně důležité bývají kvalita dat, nastavení procesů, bezpečnost a proškolení zaměstnanců. Transparentnost, dohled nad rozhodováním a odpovědnost jsou tu tvrdší než v USA nebo Asii, a kdo je zanedbá, riskuje víc než ztrátu času.

Zajímavé je, že český trh stojí přesně na hraně mezi testováním a skutečným využitím. Firmy už AI zkoušejí, ale málokterá má jasně zdokumentované procesy a čistá data, které jsou podmínkou skutečného přínosu. Jinak řečeno: čeští manažeři nekupují AI proto, že by jí nevěřili, ale často ji nasazují na špatném základu.

Přepočet na hodiny a koruny

Přímý přepočet odhadu podílu úkolů na pracovní dobu by byl zavádějící. Hypotetický model může pro představu vycházet ze 160 hodin měsíčně a předpokládat, že AI skutečně zkrátí čas věnovaný části úkolů o 30 %. Ani v takovém případě ale nejde o automatický výsledek: ušetřený čas může pohltit kontrola výstupů, opravy nebo změna pracovního postupu. Model proto nelze vydávat za tvrzení, že každý kancelářský zaměstnanec uvolní 48 hodin měsíčně.

Ani náklady nejsou nutně astronomické. Orientační ceny API se podle modelu, poskytovatele a způsobu účtování mohou pohybovat od nízkých částek za milion vstupních tokenů až po řádově desítky dolarů u nejvýkonnějších vlajkových modelů. Uváděná cena kolem 0,75 dolaru za milion vstupních tokenů proto není obecně platnou oficiální cenou Googlu, ale může jít o cenu konkrétního API agregátoru nebo jiného poskytovatele. Výstupní tokeny se účtují samostatně a jejich cena závisí na stejném ceníku; bez ověření konkrétního poskytovatele nelze uvést jednu univerzální částku. Skutečný náklad proto není jen API nebo licence, ale také reorganizace procesů a školení lidí.

Závěr: nejdřív pořádek, pak AI

Z dostupných odhadů vyplývá jedno hlavní poselství. Generativní AI má měřitelný a velký potenciál – například odhadované pokrytí části kancelářských úkolů. To ale neznamená stejný podíl ušetřeného času ani automaticky vyšší produktivitu. Firma, která jen nakoupí licence a hodí je na zaměstnance, si koupí drahý nástroj bez výsledku. Ta, která nejdřív uklidí data, popíše procesy a proškolí lidi, může některé činnosti zrychlit a uvolnit část kapacity na strategičtější nebo kreativnější práci.