Modelová situace: majitelka menší firmy váhá, zda tým učit práci s AI, nebo posilovat něco jiného. Předpovědi o zániku profesí jí nepomohou, protože studie, o které se opírají, měří užší věc, než se často tvrdí.

Článek porovnává, co měří studie Mezinárodní organizace práce (ILO), OpenAI, OECD a Anthropic a co o dovednostech uvádí Světové ekonomické fórum (WEF). Data OpenAI a Anthropic jsou data výrobců nástrojů.

Stav je k listopadu 2026. Nejnovější podklady jsou zpráva Anthropic z června 2026 a studie OECD z března 2026. Žádná neumožňuje předpovědět, které dovednosti jistě zůstanou.

Co znamená zasažení povolání a čím se liší od doplnění a nahrazení?

Zasažení povolání říká, jak velkou část jeho úkolů by generativní AI mohla zrychlit nebo převzít, ne kolik lidí přijde o práci. Povolání je svazek úkolů, takže převzetí jednoho úkolu neznamená převzetí celého povolání. Doplnění znamená, že AI úkol člověku usnadní, nahrazení, že ho dělá sama a člověk ji nejvýš kontroluje.

OpenAI měří zasažení bez rozlišení doplnění a nahrazení. ILO od roku 2025 používá místo dělení na automatizaci a doplnění čtyři stupně zasažení, nejnižší odpovídá spíš doplnění, nejvyšší spíš riziku automatizace. Definice:

  • OpenAI a Pensylvánská univerzita (2023, částečně data výrobce): úkol je zasažen, pokud by velký jazykový model nebo software na něm postavený zkrátil jeho splnění nejméně o polovinu při stejné kvalitě. Hodnotili lidé a GPT-4.
  • ILO (studie č. 140, květen 2025): skóre úkolů vzniklo z průzkumu mezi 1 640 zaměstnanými v Polsku, srovnání s experty a AI asistenta, který skóre doplnil.
  • OECD (2026): zasažen je pracovník, u něhož je aspoň pětina úkolů vhodná pro pomoc AI; v letech 2022 až 2024 to byla zhruba čtvrtina pracujících v zemích OECD.
  • Anthropic (2026, data výrobce): měří skutečné používání nástroje Claude. Automatizací nazývá konverzace označené jako přímé zadání nebo zpětnovazební smyčka.

Proč se čísla studií liší a co z nich skutečně plyne?

Čísla se liší, protože každá studie měří jinou skupinu lidí jinou škálou. OpenAI (2023) uvádí, že asi 19 % amerických pracovníků může mít zasaženou aspoň polovinu úkolů, počítá ale i se softwarem, který teprve vznikne. Podle lidských hodnotitelů je to u samotného jazykového modelu jen asi 3 %. ILO řadí do nejvyššího ze čtyř stupňů 3,3 % světové zaměstnanosti.

ILO píše, že jde o horní hranici dopadu při plném nasazení a o snímek stavu z počátku roku 2025 bez nových povolání. Autoři OpenAI uznávají, že hodnotitelé znali jazykové modely, ale nebyli oborově pestří, a práh poloviny ušetřeného času označují za do jisté míry libovolný.

Zasažení neznamená jistotu, že práce zůstane. Podle ILO může i částečná automatizace snížit poptávku po povolání, které se nerozvíjí o nové úkoly. Data Anthropic zachycují jen jeden nástroj: ve vzorku z listopadu 2025 tvořilo doplnění 52 % konverzací na Claude.ai a automatizace 45 %, klasifikace je podle autorů orientační.

Které dovednosti mají podle zdrojů oporu a co je zjednodušení?

Nejčastěji se opakují kritické či analytické myšlení, tvořivost a spolupráce, žádný zdroj ale netvrdí, že je AI nenahradí. OECD (2026) uvádí, že tyto dovednosti nabývají na významu, protože umožňují účinně pracovat s AI a přizpůsobit se měnícím se úkolům. Vysoce kvalifikovaná povolání jsou podle OECD AI zasažena nejvíc, ale méně se automatizují.

WEF (leden 2025, přes tisíc zaměstnavatelů z 55 ekonomik; podle přehledu na webu fóra) shrnuje očekávání zaměstnavatelů: do roku 2030 se promění nebo zastará 39 % stávajících dovedností. Analytické myšlení zůstává nejdůležitější základní dovedností, nejrychleji ale roste význam dovedností kolem AI a velkých dat, kybernetické bezpečnosti a technologické gramotnosti, teprve po nich tvořivé myšlení a odolnost.

OpenAI (2023) zjistilo, že povolání s vysokou důležitostí vědy a kritického myšlení bývají zasažena méně, programování a psaní víc, jde však o souvislost u modelu GPT-4, ne o příčinu. WEF přitom programování řadí mezi dovednosti odlišující rostoucí pozice od ubývajících. Zasažení tedy neznamená zbytečnou dovednost.

Zjednodušením je seznam „bezpečných“ dovedností. Anthropic z vlastních dat (leden 2026) odhaduje, že kdyby AI převzala úkoly, které dnes zvládá, nároky na zbylé úkoly by se v průměru snížily, u technických pisatelů by klesly, u správců nemovitostí stouply. Je to hrubý výpočet z dat jednoho nástroje, ne předpověď. Záleží na tom, které úkoly AI povolání odebere, ne na jeho názvu.

Příloha studie ILO řadí marketingové a reklamní odborníky i softwarové vývojáře do třetího stupně ze čtyř, vývojáře webů a multimédií do čtvrtého, grafické designéry do druhého a manažery reklamy a PR do minimálního zasažení. Jde o obecné popisy povolání, ne o práci konkrétního týmu. Nejpravděpodobnějším dopadem je podle ILO proměna práce, ne zánik oboru.

Jak rozlišit úkoly, které se zrychlí, od těch, které se mění?

Úkol se pravděpodobně zrychlí, když má jasné zadání a výsledek jde rychle ověřit podle zřetelného kritéria. Mění se tam, kde AI připraví jen podklad a rozhodnutí i odpovědnost zůstávají člověku. Beze změny zůstává to, co stojí na osobním kontaktu, důvěře nebo fyzické práci. Je to pracovní pravidlo odvozené z definice zasažení, ne výsledek studie.

Modelový příklad (nejde o skutečná data): marketingová manažerka e-shopu si týden zapisuje úkoly. Zápis z porady a varianty nadpisů reklam pro test zařadí mezi úkoly, které se zrychlí, volbu cílové skupiny a rozhodnutí, který kanál omezit, mezi úkoly, kde AI jen připraví podklad.

Jak zařadit úkol: zrychlí se, mění se, zůstává

Vypsat úkoly a čas
Týden až dva zapisovat, co se dělá a jak dlouho to trvá.
Dá se výstup ověřit?
Existuje jasné kritérium, podle něhož jde výsledek rychle zkontrolovat?
Ano: zrychlí se
AI připraví první verzi, člověk ji zkontroluje a upraví.
Spíš ne: mění se, nebo zůstává
AI dodá podklad a rozhodnutí i odpovědnost zůstávají člověku, nebo úkol stojí na osobním kontaktu a AI se nepoužije.
Po měsíci porovnat
Změřit čas a opravy s AI a bez ní, pak úkoly přeřadit.
Pracovní postup odvozený z definice zasažení (úspora času při stejné kvalitě); není to výsledek žádné ze zdrojových studií.

Jaká rizika plynou ze slepé důvěry, ztráty základů a nejistých předpovědí?

Rizika jsou tři: slepá důvěra ve výstup AI, nedostatečné osvojení dovedností při delegování a spoléhání na nejisté předpovědi.

Slepou důvěru ukazuje experiment s 758 konzultanty Boston Consulting Group (2023, GPT-4), z nichž každý řešil jednu ze dvou úloh. Autoři nazvali nerovnoměrnou schopnost AI zubatou hranicí: v úlohách uvnitř ní dokončili konzultanti s AI v průměru o 12,2 % úkolů víc, v úloze záměrně mimo ni byli správní o 19 procentních bodů méně často než ti bez AI. Šlo o jednu firmu a jedinou úlohu mimo hranici, studie tedy ukazuje mechanismus, ne velikost rizika.

Dovednost se při delegování nemusí vytvořit. V pokusu Anthropic z ledna 2026 se 52 převážně začínajících programátorů učilo s asistentem AI neznámou knihovnu. V testu porozumění kódu měla skupina s AI v průměru 50 %, skupina bez ní 67 %, v čase úkolu se významně nelišily. Studie neměřila ztrátu dovedností, které lidé už měli, a autoři uvádějí malý vzorek a test hned po úkolu. Podle nereprezentativního dotazníku Anthropic z června 2026 vidí 57 % uživatelů své dovednosti díky AI jako cennější, samohodnocení ale úbytek dovedností nevylučuje.

Třetím rizikem je spoléhání na předpovědi: ILO nabízí snímek z počátku roku 2025, OpenAI termín nasazení nepředpovídá a podle OECD závisí čistý dopad na poměru automatizace úkolů, nových úkolů a růstu produktivity.

Jak vypadá plán učení a kontrolní seznam na šest měsíců?

Plán vede od zmapování úkolů po revizi pravidel a dává týmu vlastní data o tom, co se zrychluje a co ne. Je to naše doporučení, žádná studie ho neověřila. Podle ILO rozhoduje o osudu povolání i příležitost naučit se s AI pracovat. Pomohou workshopy a školení a AI audit a zavedení do firmy.

  1. Měsíc 1, každý: týden až dva zapisovat úkoly a čas a zařadit je jako zrychlí se, mění se, zůstává.
  2. Měsíc 2, každý: u dvou až tří úkolů ze skupiny zrychlí se porovnat čas a opravy s AI a bez ní.
  3. Měsíc 3, tým: napsat pravidlo, kdo a podle čeho výstup AI ověřuje a jaké údaje se do nástrojů nevkládají.
  4. Měsíc 4, každý: zvolit jednu rostoucí dovednost, třeba kritické čtení výstupů, a procvičovat ji.
  5. Měsíc 5, tým: jednou měsíčně sdílet, co se osvědčilo, a ponechat aspoň jeden základní úkol, například psaní, bez AI.
  6. Měsíc 6, tým: porovnat výsledky s měsícem 1, přeřadit úkoly, upravit pravidla a zjistit, zda nevyšly novější zprávy ILO, OECD či WEF.

Zdroje a stav informací

Stav informací k 11. 11. 2026. Údaje jsou ověřené u těchto zdrojů:

Jak články vznikají a ověřují: redakční zásady blogu.

ZKUSTE TO V PRAXI

První krok: týden až dva zapisovat úkoly a zařadit je jako zrychlí se, mění se, zůstává. U dvou úkolů změřit čas a počet oprav s AI a bez ní, určit, kdo výstup ověřuje, a přidat do plánu učení jednu dovednost, třeba kritické čtení výstupů.

Nejasný pojem?Nahlédněte do slovníku ↗