AI v práci si snadno představíme jako kolegu, který rychle připraví návrh, shrne dokument nebo dohledá informaci. Jenže software může také sedět na pomyslné židli vedoucího. Rozdělí směny, určí pořadí zakázek, změří čas, porovná výkon, přidělí další práci nebo označí člověka, u něhož má manažer zasáhnout. Na pracovní platformě může automatické rozhodnutí dokonce uzavřít přístup k dalším zakázkám. Software tak může určovat pracovní podmínky, i když odpovědnost za jeho nasazení dál leží na lidech a organizacích.
Nejdůležitější otázka proto není, zda systému říkáme AI. Je to otázka moci. Kdo může jeho doporučení odmítnout? Kdo ví, z jakých údajů vzniklo? Kdo vysvětlí chybu? A jestliže se zaměstnanec domůže lidského přezkumu, potká člověka, který smí rozhodnutí změnit, nebo jen někoho, kdo na obrazovce potvrdí totéž?
Co je algoritmické řízení práce
Algoritmické řízení je souhrnné označení pro software, který úplně nebo částečně přebírá úkoly běžně spojované s vedením lidí. Může sestavit rozpis, přiřadit zakázku, předat pokyn, sledovat dokončení, měřit rychlost, vyhodnotit výsledek nebo doporučit odměnu či postih.
Někdy jde o viditelný systém. Kurýr otevře aplikaci a ta mu nabídne další jízdu. Pracovníkovi skladu terminál určuje pořadí položek. Operátor zákaznické linky vidí, kolik času má na hovor a jak jej systém ohodnotil. Jindy je řízení schované v běžném firemním prostředí: software navrhuje směny, vybírá životopisy, řadí úkoly, odhaduje riziko odchodu zaměstnance nebo vytváří přehled lidí, kteří nesplnili cíl.
Rozhoduje, jak výstup systému mění pracovní den a zda jej člověk může skutečně zpochybnit. AI přitom nemusí člověku vzít pracovní místo, aby mu zásadně změnila tempo, samostatnost a podmínky práce.
Kdy nástroj získává pravomoc vedoucího
Stejný program může být v jedné organizaci nástrojem a v jiné faktickým nadřízeným. Nerozhoduje logo dodavatele, ale pravomoc, kterou systém dostal.
| Role systému | Co dělá | Pravomoc člověka a riziko |
|---|---|---|
| nástroj | počítá, třídí, připravuje podklad | člověk volí postup a rozhoduje; může však přecenit přesnost podkladu |
| doporučující pomocník | navrhne směnu, pořadí nebo hodnocení | vedoucí může návrh snadno změnit; z pohodlnosti jej může začít přebírat bez kontroly |
| faktický šéf | automaticky ovlivní práci, výdělek, hodnocení či přístup k zakázkám | člověk zasahuje výjimečně, pozdě či formálně; odpovědnost za následky se může ztratit mezi více lidmi |
Hranice nemusí být ostrá. Pokud software vytvoří rozpis a vedoucí jej může jedním kliknutím změnit, zdá se, že jde o pouhé doporučení. Když ale změna vyžaduje složité zdůvodnění, zhorší ukazatele, podle nichž je vedoucí hodnocen, nebo na ni není čas, systém ve skutečnosti rozhoduje. Formální možnost zásahu ještě neznamená reálnou možnost.
Ne každý algoritmus je umělá inteligence
Slovo AI dnes přitahuje pozornost, ale řadu pracovníků řídí mnohem starší a jednodušší software. Rozpis může vznikat podle pevných pravidel. Výkon lze bodovat obyčejným součtem. Zakázku dostane člověk, který je nejblíž a má nejvyšší hodnocení. K ničemu z toho není nutný model, který se učí z dat.
U systému založeného na pevném pravidle lze někdy snadněji vysvětlit, proč rozhodl. U modelu, který odhaduje budoucí výkon z velkého množství údajů, může být logika méně průhledná. I jednoduché pravidlo však může být nespravedlivé nebo nevhodné. Pravidlo „kdo udělá nejvíce kusů, pracuje nejlépe“ je dokonale vysvětlitelné. Přesto může trestat člověka, který dostává složitější případy nebo pomáhá ostatním.
Pro pracovní podmínky je proto důležitější otázka „co systém řídí a s jakým následkem?“ než otázka „je to doopravdy AI?“
Co může automatizace řízení firmám usnadnit
Ve velkém provozu je třeba sladit dostupnost pracovníků, jejich kvalifikaci, zakázky, termíny, zákonné přestávky, dopravní situaci, vytížení strojů a požadavky zákazníků. Člověk může přehlédnout souvislost, zvýhodnit známého nebo strávit půl dne nad tabulkou, kterou program sestaví za minutu.
Dobře použitý systém může omezit rutinní administrativu, rovnoměrněji rozdělit pracovní zátěž, upozornit na překročenou pracovní dobu nebo bezpečnostní riziko a nabídnout vedoucímu informace, které by jinak neměl. Také pracovník může získat jasnější zadání, rychlejší zpětnou vazbu a méně chaotické čekání.
OECD v průzkumu zveřejněném v roce 2025 shromáždila odpovědi 6047 manažerů z podniků a provozoven s nejméně 20 zaměstnanci ve Francii, Německu, Itálii, Japonsku, Španělsku a USA. Dotazování proběhlo v létě 2024. Mezi manažery používajícími algoritmické řízení uvedlo 60 % lepší kvalitu vlastního rozhodování a 53 % vyšší vlastní pracovní spokojenost. Jde o jejich hodnocení přínosu, nikoli o nezávislé měření výkonu. O spokojenosti řízených zaměstnanců tyto odpovědi nevypovídají.
Když pomoc vytvoří nové tempo
Problém může začít právě tam, kde systém funguje. Pokud přesněji rozdělí práci a odstraní prodlevy, stejný tým zvládne více. Firma pak může ponechat rezervu pro složité případy, zkrátit čekání zákazníků nebo ulevit lidem. Může však také každou ušetřenou minutu proměnit v další úkol.
Pracovní den obsahuje i drobné mezery mezi hlavními úkoly: přesun mezi pracovišti, chvíli na předání zkušenosti, krátké vydechnutí po obtížném hovoru, čas na dohledání neobvyklé chyby. Optimalizační systém je může vyhodnotit jako nevyužitou kapacitu. Jednotlivě vypadají nepatrně, dohromady ale mohou tvořit prostor, díky němuž člověk vydrží pracovat bezpečně a pozorně.
To navazuje na otázku, kdo dostane čas, který AI ušetří. Algoritmus může odhalit prodlevy a uvolněný čas rovnou zaplnit další prací. Dělá to však podle cílů a pravidel, které organizace nastavila nebo přijala. Rozdělení přínosu mezi pracovníka, zákazníka a vlastníka firmy zůstává organizační volbou, i když ji pak software provádí automaticky.
Když se měřítko stane cílem
Software potřebuje údaje. Některé hodnoty se měří snadno: počet vyřízených případů, čas, docházka, ujetá trasa, množství chyb, přijaté zakázky nebo hodnocení zákazníků. Jiné jsou hůře převoditelné na číslo: uklidnění člověka v krizi, zabránění chybě, pomoc novému kolegovi, dobrý úsudek, schopnost říct, že zadání nedává smysl, nebo kvalita vztahu, kvůli níž se klient vrací.
Jakmile se snadno měřitelný ukazatel spojí s odměnou, směnami nebo přístupem k další práci, vytváří tlak na přizpůsobení. Operátor může zkrátit hovor, i když zákazník potřebuje více času. Kurýr se může vyhnout zakázce, která by zhoršila jeho hodnocení. Vedoucí může přidělit snadnější případy člověku, jehož čísla potřebuje vylepšit. Zdravotník může věnovat více energie vykázání úkonu, protože systém nevidí vše ostatní.
Ukazatel tak může odměňovat chování, které původnímu účelu práce škodí. Čísla se zlepší, zatímco zákazník dostane horší pomoc nebo obtížná zakázka zůstane bez zájemce.
U kurýra je algoritmický šéf dobře vidět
U rozvážkové, přepravní nebo zakázkové platformy je role systému nápadná. Aplikace propojí nabídku s poptávkou, určí cenu nebo její část, nabídne práci, zaznamená přijetí, sleduje průběh, shromáždí hodnocení a rozhodne, co pracovník uvidí příště. Člověk může mít formálně velkou volnost, ale jeho skutečný příjem závisí na pravidlech, která nezná a nemůže ovlivnit.
Právě na platformách se proto výrazně řeší pravidla automatického řízení. Stejné otázky ale vznikají i v běžném zaměstnání. ILO a Společné výzkumné středisko EU zkoumaly 11 pracovišť v logistice a zdravotnictví ve Francii, Itálii, Indii a Jižní Africe. Tyto případové studie zachycují lepší koordinaci i zesílenou kontrolu; výsledky se mezi pracovišti výrazně lišily. Ukazují konkrétní způsoby používání, jejich četnost v celé ekonomice z nich určit nelze.
Na platformách je systém jen zřetelnější: mezi pracovníkem a organizací často nezůstává vedoucí, který by rozhodnutí přeložil, upravil a převzal za ně odpovědnost.
Běžné pracoviště může být méně průhledné
V klasickém zaměstnání člověk obvykle ví, kdo je jeho vedoucí. Přesto nemusí vědět, že pořadí lidí či úkolů na manažerově obrazovce vytvořil model, že systém vyhodnotil jeho výkon jako problémový nebo že software navrhl omezení směn. Rozhodnutí mu sdělí člověk, a proto působí lidsky. Skutečný prostor vedoucího ale může být malý.
Zde se snadno ztratí odpovědnost. Dodavatel se může odvolat na to, že poskytl jen nástroj. Firma na konečné rozhodnutí manažera a manažer na data. Zaměstnanec pak těžko hledá někoho, kdo mu vysvětlí, proč přišel o směny nebo dostal horší hodnocení.
V uvedeném průzkumu OECD vyjádřily téměř dvě třetiny manažerů používajících nástroje algoritmického řízení alespoň jednu obavu. Nejčastěji zmiňovali nejasnou odpovědnost při chybném rozhodnutí, nemožnost sledovat logiku systému a nedostatečnou ochranu fyzického či duševního zdraví. Nejistotu tedy hlásili i ti, kdo měli pomocí systému řídit práci druhých.
Když člověk rozhodnutí pouze odklikne
Organizace často uklidňuje větou, že „konečné rozhodnutí vždy dělá člověk“. Může to být pravda; skutečně rozhodující člověk je důležitou ochranou. Záleží však na tom, jak rozhoduje.
Má přístup k původním podkladům, nebo vidí pouze výsledné skóre? Rozumí omezením systému? Má na kontrolu deset minut, nebo deset sekund? Může doporučení změnit bez trestu a zdlouhavého zdůvodnění? Zná konkrétní okolnosti pracovníka? A nese za potvrzení skutečnou odpovědnost?
Manažer zahlcený automatickými upozorněními může začít návrhy potvrzovat bez důkladné kontroly. Pokud se jeho vlastní výkon měří podle souladu s doporučením, dostává důvod neodchylovat se. A jestliže systém působí vědecky a člověk nezná jeho slabiny, může mu věřit i proti vlastní zkušenosti.
Smysluplný lidský dohled proto nespočívá v tom, že se pod rozhodnutím objeví jméno. Vyžaduje informace, čas, schopnost zasáhnout, skutečnou pravomoc a odpovědnost.
Kolik dohledu je ještě přiměřené
Část práce je nutné evidovat. Zaměstnavatel potřebuje znát docházku, plnění zakázek, bezpečnost provozu nebo používání pracovních prostředků. Z toho však neplyne, že je užitečné a oprávněné sbírat každý pohyb kurzoru, délku každé pauzy, polohu po celou směnu, tón hlasu, osobní komunikaci a údaje o emocích.
Technická možnost vytváří pokušení: když lze údaj získat levně, proč jej neuložit? Jenže data shromážděná pro bezpečnost mohou později posloužit k hodnocení tempa. Údaj určený k plánování kapacity může vstoupit do rozhodnutí o odměně. Jednorázová výjimka se může stát trvalým profilem člověka.
Zaměstnanec a zaměstnavatel navíc nemají stejné postavení. Formální souhlas proto sám neřeší, zda je sledování potřebné a přiměřené. Dobré zavedení začíná opačnou otázkou: které nejmenší množství údajů stačí k jasně popsanému účelu a kdo je smí použít k jinému rozhodnutí?
Chyba v datech se může tvářit jako vlastnost člověka
Systém posuzuje člověka prostřednictvím záznamů, které má k dispozici. Když jsou neúplné, opožděné nebo vytržené z kontextu, může z nich vytvořit přesně vypadající skóre, které práci vystihuje špatně.
Pracovník může mít nižší počet uzavřených případů, protože řeší ty nejtěžší. Řidič může jezdit pomaleji na nebezpečné trase. Zaměstnanec pracující z domova může mít méně zaznamenaných kliknutí, protože část úkolu promýšlí mimo aplikaci. Člověk s postižením, pečující povinností nebo odlišným stylem komunikace se může lišit od vzorce, na němž systém vznikl, aniž by pracoval hůř.
Ještě složitější je zpětná vazba. Pokud systém člověku kvůli slabšímu skóre nabídne méně dobrých směn, jeho budoucí výsledek se může zhoršit. Nová data pak zdánlivě potvrdí původní odhad. Algoritmus tak realitu nejen popisuje, ale pomáhá ji vytvářet.
Kdo nese rozhodnutí, když ho navrhl systém
Věta „algoritmus rozhodl“ je praktická, protože nemá adresáta. Algoritmus však není člověk ani organizace; morální či pracovněprávní odpovědnost nést nemůže. Někdo zvolil účel, koupil systém, vybral data, nastavil hranici a určil, co se stane po jejím překročení.
Při rozdělování odpovědnosti je třeba sledovat skutečný vliv jednotlivých účastníků: co dodavatel sliboval, jak organizace systém nasadila a co vedoucí mohl ověřit a změnit. Přenést vše na posledního pracovníka v řadě by bylo nespravedlivé, pokud neměl čas, informace nebo pravomoc chybný výstup opravit.
To souvisí i s tím, co se stane, když člověk přestane umět začátek. Organizace nemůže současně oslabit lidskou odbornost, zkrátit čas na kontrolu a tvrdit, že pouhá přítomnost člověka vyřešila otázku odpovědnosti.
Co už dnes platí v Česku
České právo nemá jednoduché pravidlo „algoritmický šéf ano, nebo ne“. Na konkrétní použití se vztahuje více vrstev pravidel: zákoník práce, ochrana soukromí, zpracování osobních údajů, zákaz diskriminace a podle situace další předpisy.
Úřad pro ochranu osobních údajů uvádí, že zaměstnavatel může přiměřeně kontrolovat používání svých pracovních prostředků, například množství a velikost elektronické pošty nebo navštívené domény. Čtení soukromé korespondence je už jiný zásah. § 316 zákoníku práce připouští sledování zasahující do soukromí na pracovišti jen při závažném důvodu spočívajícím ve zvláštní povaze činnosti zaměstnavatele. Je-li takový důvod dán, musí zaměstnance přímo informovat o rozsahu a způsobech kontroly. Samotným oznámením se nepřípustné sledování nestane dovoleným.
GDPR se uplatní, pokud systém zpracovává osobní údaje. Jeho článek 22 obecně zakazuje rozhodnutí založená výhradně na automatizovaném zpracování, která mají právní nebo obdobně významný dopad. Výjimkou může být nezbytnost pro uzavření či plnění smlouvy, výslovný souhlas nebo povolení v unijním či národním právu. U prvních dvou musí správce osobních údajů, například zaměstnavatel, zajistit možnost lidského zásahu, vyjádření vlastního názoru a napadení rozhodnutí. U zákonné výjimky musí odpovídající ochranná opatření stanovit příslušný předpis.
Podle evropských pokynů k automatizovanému rozhodování nestačí člověka zapojit naoko, aby rozhodnutí přestalo být výhradně automatizované. Musí je skutečně posoudit, zohlednit relevantní podklady a mít pravomoc výsledek změnit. Rozdíl mezi rozhodováním a pouhým odkliknutím má tedy i právní význam.
Evropská pravidla přicházejí po částech
K září 2026 se jednotlivé části evropské ochrany nacházejí v různých fázích. Některé zákazy už se používají, další povinnosti čekají na stanovený termín nebo české provedení.
Směrnice EU o práci prostřednictvím digitálních platforem zavádí pro platformovou práci pravidla pro průhlednost automatizovaného monitorování a rozhodování, lidský dohled, hodnocení dopadů a přezkum rozhodnutí. Ochrana při algoritmickém řízení se týká i lidí pracujících jako OSVČ. Členské státy mají potřebnou úpravu uvést v účinnost do 2. prosince 2026. Český návrh vláda schválila 31. srpna 2026; MPSV u něj uvádí zamýšlenou účinnost od 1. ledna 2027. Jde stále o návrh zákona, ne o již účinná česká pravidla.
Evropské nařízení o umělé inteligenci, známé jako AI Act, řadí některé systémy pro nábor a řízení pracovníků mezi vysoce riziková použití. Po změně harmonogramu z července 2026 se příslušná pravidla pro tyto oblasti včetně zaměstnávání použijí od 2. prosince 2027. Už od 2. února 2025 však platí zákaz používání AI k odvozování emocí na pracovišti z biometrických údajů, například z obličeje či hlasu. Výjimka se týká zdravotních nebo bezpečnostních důvodů. Odklad pravidel pro vysoce rizikové systémy tento zákaz neodsunul.
Sedm otázek před zavedením systému
Před zavedením systému si lze projít sedm otázek, které pomohou odhalit, jakou pravomoc dostane a kdo bude řešit jeho chyby.
- Jaký problém systém řeší? Ne „protože máme data“, ale například nespravedlivé rozdělení směn, dlouhé čekání nebo bezpečnostní riziko.
- Která data používá a která záměrně nesbírá? Účel musí určovat rozsah dat, ne obráceně.
- Co přesně jeho výstup způsobí? Informační přehled má jinou váhu než omezení směn, odměny či přístupu k práci.
- Kdo může zasáhnout? Musí mít podklady, čas, schopnost i pravomoc změnit výsledek.
- Jak člověk opraví data a napadne rozhodnutí? Odvolání nesmí končit u automatické odpovědi stejného systému.
- Jak se sledují vedlejší dopady? Nejen produktivita, ale také zdraví, nerovné zacházení, kvalita, fluktuace a chování, k němuž ukazatel lidi tlačí.
- Kdo nese odpovědnost? Jméno systému není odpověď. Musí být jasné, za co odpovídá dodavatel, organizace a vedoucí.
Do přípravy patří i pracovníci. Člověk, který práci skutečně vykonává, často ví, proč určitý údaj klame, kterou výjimku systém nevidí a kde by optimalizace vytvořila nové riziko. Může například upozornit, že dva stejně dlouhé hovory vyžadují úplně jiné soustředění a po jednom z nich potřebuje déle vydechnout.
Na co se může ptát zaměstnanec
Jednotlivec obvykle nerozhodne, který systém firma koupí. Může však chtít srozumitelné odpovědi: Jaké údaje se o mně sbírají? K čemu se používají? Ovlivňují směny, mzdu, hodnocení nebo další práci? Jak dlouho se uchovávají? Kdo je vidí? Mohu opravit chybný záznam? Kdo mi vysvětlí rozhodnutí a kdo jej může změnit?
Důležité je, zda se popsaná pravidla dodržují v praxi. Firma může na papíře slíbit, že rozhoduje člověk, zatímco vedoucí automatická doporučení nikdy nemění. Může tvrdit, že data slouží k plánování, a zároveň podle nich hodnotit výkon.
Člověk nemusí rozumět zdrojovému kódu, aby chápal pravidla, podle nichž dostává práci a nese následky. Potřebuje vědět například to, zda odmítnutí jedné zakázky zhorší nabídku dalších a kde může opravit mylně zaznamenané odmítnutí.
Kdo může změnit rozhodnutí
Lidský vedoucí může být svévolný, unavený a nespravedlivý. Dobře navržený systém mu může ukázat vlastní dvojí metr, hlídat přetížení a zlepšit rozdělení práce. Algoritmus však také může proměnit lidské předsudky v rozsáhlý, rychlý a obtížně napadnutelný postup. Člověk pak může zůstat pouhým podpisem pod jeho výstupem.
O kvalitě řízení rozhoduje také to, zda je jeho moc viditelná a zda lze rozhodnutí zpochybnit. Jakmile software přiděluje příležitosti, určuje tempo a ovlivňuje živobytí, pracovník potřebuje vědět, kdo mu vysvětlí výsledek a kdo jej smí změnit. Někdo systém posadil do čela stolu a ten někdo musí zůstat dohledatelný.
