V minulém přehledu o tom, jestli je AI hrozba, nebo příležitost, jsme slíbili, že otázka dopadu na práci si zaslouží vlastní text. Tady je.

Než se pustíme do čísel a odhadů, začněme jednou chybnou předpovědí. Geoffrey Hinton, dnes jeden z nejcitovanějších hlasů varujících před riziky AI, v roce 2016 veřejně prohlásil, že nemocnice by měly okamžitě přestat školit nové radiology, protože je hluboké učení nahradí během pěti až deseti let. Je 2026, radiologů celosvětově dál přibývá, a jejich práce se sice s pomocí AI nástrojů proměnila, ale zdaleka nezanikla. I odborník s hlubokým technickým vhledem se dokáže v odhadu dopadu na konkrétní profesi výrazně splést.

Co říkají velké odhady, a proč jim nevěřit doslova

Světové ekonomické fórum i investiční banky jako Goldman Sachs v posledních letech opakovaně publikovaly odhady, kolik pracovních úkolů by AI mohla zautomatizovat, v řádu desítek až stovek milionů pracovních míst celosvětově v horizontu dekády. Podobné odhady se mezi sebou dost liší, podle metodiky a předpokladů, se kterými jednotliví autoři pracují.

Podstatné na těchhle číslech není konkrétní hodnota. Jde o reálný, měřitelný jev, ne jen o mediální paniku, a přesná čísla se navíc počítají za jednotky, které nejsou totéž jako pracovní místa: odhady obvykle mluví o úkolech nebo pracovní době, kterou lze automatizovat, ne o lidech, kteří rovnou přijdou o zaměstnání. Rozdíl mezi „třicet procent pracovní náplně automatizovatelné” a „třicet procent lidí propuštěno” je citelný a v novinových titulcích se často ztrácí.

Kde se změna děje nejrychleji už dnes

Zákaznická podpora patří k oblastem, kde je proměna nejviditelnější, a zároveň nejlíp ukazuje, jak se realita liší od prvotního nadšení. Švédská finanční firma Klarna v únoru 2024 oznámila, že její AI asistent zvládá objem práce srovnatelný se sedmi sty lidskými pracovníky zákaznické podpory, a firma na základě toho výrazně omezila počet lidí v týmu. O rok později generální ředitel Klarny veřejně přiznal, že přehnané spoléhání na AI u zákaznické podpory snížilo kvalitu poskytovaných služeb, a firma začala část lidských pozic obnovovat. Příběh Klarny je dobrým shrnutím celého tématu: AI zvládne obrovský objem rutinních dotazů, u složitějších nebo citlivějších případů ale lidská role zůstává nenahraditelná, a firmy tenhle poměr často odhadnou špatně napoprvé.

Podobně rychle se mění práce s texty: první koncepty, korektury, shrnutí a překlady dnes AI zvládá tak, že se výrazně mění, kolik lidské práce je na stejný výstup potřeba, i když samotná profese copywritera nebo překladatele nemizí. Programování zažívá obdobnou proměnu u jednodušších, opakovaných úkolů, zatímco návrh architektury složitějšího systému zůstává doménou zkušeného člověka.

Firma IBM v květnu 2023 oznámila, že pozastavuje nábor na tisíce pozic, u kterých očekává, že je v následujících letech nahradí automatizace, hlavně v administrativě a podpůrných funkcích, ne ve vývoji nebo prodeji. Šlo o jeden z prvních veřejných přiznání velké firmy, že plánuje personální strategii výslovně kolem očekávaného dopadu AI.

Kde vznikají nové role

Proměna trhu práce nikdy neznamená jen úbytek, historicky vždy provázela vznik nových rolí, které si nikdo předtím neuměl představit. Označení „prompt engineer”, tedy specialista na formulování zadání pro AI modely, se stalo populárním pracovním titulem kolem roku 2023. Jak modely postupně lépe rozumí méně přesně formulovaným zadáním, poptávka po tomhle úzce vymezeném titulu už zase klesá, ukazuje to ale, jak rychle nové role kolem AI vznikají i mizí.

Trvaleji se etablovaly role spojené s trénováním a kontrolou kvality AI systémů: lidé, kteří modelům poskytují zpětnou vazbu, hodnotí kvalitu odpovědí nebo označují data pro trénink. Firmy jako Scale AI vybudovaly na týhle práci celý byznys s tisíci pracovníky po celém světě. Vznikají i role na pomezí, lidé, kteří rozumí byznysu i technologii natolik, aby dokázali AI nástroje smysluplně zapojit do konkrétního firemního procesu, a tahle kombinace dovedností je dnes na trhu práce nedostatková.

Rozdíl mezi juniorem a seniorem v oboru

Zvláštní a málo diskutovaný dopad se týká toho, kde v kariéře se člověk zrovna nachází, ne jen jakou má profesi. Juniorní pozice v řadě oborů, právě ty úkoly, na kterých se dřív nováčci učili řemeslo, jsou zároveň nejsnáz automatizovatelné: základní research pro právníka, jednoduchý kód pro programátora, hrubý překlad pro lokalizátora. Zkušený senior tyhle úkoly dřív delegoval na juniory a sám se věnoval složitějším rozhodnutím, dnes je čím dál častěji deleguje rovnou na AI.

Otevírá to nepříjemnou otázku: pokud juniorní pozice postupně ubývají, kde se příští generace seniorů naučí to, co dnešní senioři uměli po letech dělání jednoduchých úkolů? Obor na tuhle otázku zatím nemá jasnou odpověď, a je to podle mě jedno z podceňovanějších rizik celé debaty o AI a práci, protože se neprojeví hned, ale až za pět nebo deset let, kdy dnešním juniorům bude chybět zkušenost, kterou by jinak nastřádali.

Kdo je nejvíc ohrožený, a kdo míň

Nejcitlivější na automatizaci jsou úkoly, které jsou zároveň digitální, opakované a dobře popsatelné pravidlem, typicky přepis, jednoduchá administrativa, základní zákaznická komunikace podle skriptu. Nejméně citlivé jsou úkoly vyžadující fyzickou přítomnost a manuální zručnost v nepředvídatelném prostředí, třeba oprava potrubí v neznámé budově, i úkoly vyžadující složité mezilidské rozhodování s vysokou odpovědností, třeba vedení lidí v krizi nebo citlivé vyjednávání.

Zajímavé je, že ohrožení nekopíruje jednoduše hranici mezi „manuální” a „kancelářskou” prací, jak se dřív čekalo. Účetní zpracovávající rutinní faktury je zranitelnější než instalatér, přestože jde o takzvanou bílé límečkovou profesi s vyšším vzděláním. Rozhoduje spíš to, jak moc je konkrétní denní náplň práce předvídatelná a opakovaná, ne prestiž nebo formální kvalifikace, kterou k ní člověk potřebuje.

Proč se dopad tolik liší mezi obory i zeměmi

Dopad AI na práci není rovnoměrný ani mezi obory, ani mezi zeměmi. Ekonomiky s vysokým podílem administrativní a znalostní práce, typicky vyspělé západní ekonomiky, pocítí proměnu jinak než země, kde velkou část zaměstnanosti tvoří zemědělství nebo fyzická výroba, kde AI zatím nahrazuje jen podpůrné administrativní úkoly kolem samotné práce.

I uvnitř jedné země se dopad liší podle velikosti firmy. Velký podnik má prostředky na to, aby AI nástroje zavedl systematicky a zaměstnance na přechod připravil. Malá firma nebo živnostník řeší dopad AI často živelně, buď nástroje využije k vlastní výhodě rychleji než konkurence, nebo o zakázky přijde ve prospěch někoho, kdo AI využívá.

Jak se na proměnu připravit

Nejpraktičtější rada zní překvapivě nudně: sledujte, která část vaší práce se dá dobře popsat jako opakovaný postup, a tuhle část se naučte s AI nástroji zrychlovat sami, dřív než to za vás udělá zaměstnavatel jinak. Kdo se naučí AI ovládat jako nástroj ve vlastní práci, obvykle na tom bude líp než kdo čeká, až ho nahradí, nebo kdo AI ignoruje z principu.

Rekvalifikace nemusí znamenat kompletní změnu oboru. Účetní, který se naučí ovládat AI nástroje pro analýzu dat, zůstává účetním, jen s jinou denní náplní práce. Investice do týhle průběžné aktualizace dovedností se dnes vyplácí víc než spoléhání na to, že se aktuální podoba profese nezmění.

Dovednosti, které AI nahrazuje nejhůř, mají společného jmenovatele: vyžadují kontext, odpovědnost za rozhodnutí a schopnost jednat v situaci, na kterou neexistuje jasný postup. Schopnost formulovat problém dřív, než se hledá řešení, umění vést těžký rozhovor s klientem nebo kolegou, odpovědnost za rozhodnutí, které nejde jednoduše vrátit zpátky. Tyhle dovednosti se dají trénovat bez ohledu na konkrétní obor, a čím víc se jim člověk věnuje vedle technického zvládnutí AI nástrojů, tím líp na tom v proměňujícím se trhu práce bude.

Na co si dát pozor

Katastrofické predikce typu Hintonovy z roku 2016 se objevují pravidelně a málokdy se doslova naplní v předpovězeném čase. Zároveň platí, že ignorovat probíhající změnu, protože „už jsme podobné strašení slyšeli a nic se nestalo”, je stejně riskantní postoj jako panika. Klarna ukázala i druhou stranu mince: přehnaně rychlé nahrazení lidí AI může poškodit kvalitu služby natolik, že se firma musí částečně vrátit zpátky, s náklady a reputační škodou, které by šlo předejít postupnějším přístupem.

Shrnutí

AI mění pracovní trh reálně a měřitelně, ne tak rychle a jednoznačně, jak předpovídali nejhlasitější optimisté ani nejhlasitější pesimisté z minulých let. Nejvíc se mění úkoly, které jsou opakované a dobře popsatelné, ne celé profese najednou.

Místo hádání, jestli vaše profese za pět let ještě bude existovat, se vyplatí průběžně sledovat, jak se mění vaše konkrétní denní úkoly, a AI nástroje do nich zapojovat dřív, než vás k tomu donutí okolnosti.