Komu může AI vzít práci?

Umělá inteligence nemusí zvládnout celé povolání, aby změnila, kolik lidí je k práci potřeba. Stačí, když výrazně urychlí první návrh, překlad, třídění podkladů, komunikaci se zákazníkem nebo část analýzy. Ušetřený čas se potom může proměnit v klidnější práci, lepší výsledek a nové služby, ale také ve vyšší tempo, méně zakázek, omezení náboru nebo menší tým.

Otázka proto nezní jen, co AI technicky umí. Stejně důležité je, kdo rozhodne, jak se její přínos využije, komu připadne vytvořená hodnota a kdo ponese náklady změny. O počtu míst, podmínkách i rozdělení práce rozhodují zaměstnavatelé. Záleží také na zákaznících: objednají si díky rychlejší a levnější službě více, nebo jim stačí dosavadní objem?

Práce může ubýt i bez výpovědi

Pod větou „AI nám vezme práci“ si obvykle představíme nejviditelnější scénář: člověk ráno přijde do zaměstnání a dozví se, že jeho místo nahrazuje software. Taková situace může nastat, ale změna často začíná mnohem méně nápadně.

Firma nemusí nikoho hromadně propustit. Stačí, když po odchodu zaměstnance jeho místo znovu neobsadí. Externistům začne posílat méně zakázek. Pět lidí zvládne objem, na který jich dříve potřebovala sedm. Zruší jednu juniorskou pozici, protože první návrhy už připraví nástroj. Nebo počet lidí zachová, ale očekává od nich více výstupů za stejný čas.

Ohrožení práce proto může znamenat několik různých věcí:

• zánik konkrétního pracovního místa;
• méně nově otevíraných pozic;
• úbytek zakázek a tlak na cenu externí práce;
• přesun člověka k jiným úkolům;
• rychlejší tempo a vyšší požadavky;
• omezení samostatnosti, protože práci stále více určuje systém;
• ztrátu dovedností, které člověk přestane pravidelně používat.

Tyto změny se mohou odehrávat současně a ve statistikách se neukážou stejně. Když firma neotevře tři plánovaná místa, nikdo nedostal výpověď. Pro lidi hledající první práci se však trh zmenšil. Když překladatel nepřijde o všechny klienty, ale dostává polovinu zakázek za nižší sazbu a místo překládání převážně opravuje strojový návrh, jeho profese formálně nezanikla. Jeho práce, příjem i vztah k vlastní odbornosti se přesto změnily.

Profese je balíček různých úkolů

Seznamy „deseti povolání, která AI zničí“ působí srozumitelně, protože každému člověku přiřadí jeden název. Skutečná práce je však směs mnoha činností. Účetní nepřepisuje jen čísla. Zjišťuje, proč doklad nesedí, komunikuje s klientem, pracuje s pravidly, hlídá termíny a nese odpovědnost za výsledek. Učitel nevytváří jen pracovní listy. Sleduje, kdo nerozumí, řeší atmosféru ve třídě, hodnotí různé druhy práce a rozhoduje v situacích, které se neopakují podle šablony.

Také programátor nedělá pouze to, co je vidět v hotovém kódu. Potřebuje pochopit zadání, vyjednat kompromis, najít příčinu neobvyklé chyby, pracovat s existujícím systémem, odhadnout rizika a převzít odpovědnost za změnu. Právník vedle psaní textu posuzuje konkrétní okolnosti, zájmy klienta, důsledky rozhodnutí a hranice toho, co lze vůbec bezpečně doporučit.

AI může být velmi dobrá v některých částech těchto profesí a současně neschopná převzít celek. To však není automaticky uklidňující zpráva. Firma nepotřebuje odstranit všechny úkoly, aby změnila počet lidí. Pokud nástroj urychlí třetinu práce natolik, že stejný objem zvládne menší tým, povolání může zůstat, jen s menším počtem míst nebo s jiným poměrem zkušených a začínajících pracovníků.

Proto je užitečnější ptát se na pracovní týden než na název profese. Kolik času zabírá přepisování, vyhledávání, první návrh, třídění, kontrola, jednání s lidmi, fyzická práce, rozhodování a odpovědnost? Které činnosti mají jasný vzor a mnoho příkladů? Kde se naopak každý případ liší a chyba může mít vážný následek?

Co musí firma zvládnout, než člověka nahradí

Působivá ukázka AI předvede, co nástroj dovede v připravené situaci. Ve firmě pak musí obstát s jejími daty, zákazníky a pravidly. Až potom lze řešit, jak se změní práce lidí.

Model může v testu výborně shrnout dokument, ale pravidla firmy neumožňují předat mu potřebná citlivá data. Může připravit přesvědčivou odpověď zákazníkovi, ale člověk ji musí zkontrolovat, protože chybná rada by byla drahá. Může zrychlit programování, ale zavedení do starého firemního systému vyžaduje měsíce práce. A může ušetřit hodiny, aniž se sníží počet zaměstnanců, pokud díky nižší ceně vznikne více objednávek.

Odhady expozice se týkají především první otázky v tabulce. Mezinárodní organizace práce v roce 2025 odhadla, že přibližně čtvrtina světové zaměstnanosti spadá do profesí s určitou mírou expozice generativní AI, zatímco nejvyšší expoziční kategorie zahrnuje 3,3 procenta. Hodnocení vycházelo z pracovních úkolů, názorů pracovníků a expertů i modelových odhadů, nikoli ze sčítání propuštěných lidí. ILO označuje za pravděpodobnější proměnu pracovních míst než jejich úplné nahrazení, protože většina povolání dál obsahuje úkoly vyžadující člověka.

Které úkoly lze snáze svěřit AI

Generativní AI má přirozenou výhodu tam, kde práce už probíhá digitálně. Text, obraz, zvuk, kód a strukturovaná data lze nástroji předat mnohem snadněji než rozbitou trubku ve sklepě nebo člověka, který se bojí a v konkrétní situaci potřebuje citlivou podporu.

Při praktickém zavádění rozhoduje vedle technické schopnosti také to, zda lze nástroj spolehlivě zapojit do práce. Snazší to bývá u úkolů, které mají následující vlastnosti:

• často se opakují a jejich výsledek má poměrně stálou podobu;
• existuje k nim mnoho příkladů;
• lze je zadat, provést a zkontrolovat na obrazovce;
• snášejí určitou míru nepřesnosti nebo mají levnou kontrolu;
• nevyžadují dlouhodobý osobní vztah ani fyzickou přítomnost;
• jejich provedení samo o sobě neznamená převzít konečnou právní, finanční či bezpečnostní odpovědnost.

Proto se často mluví o administrativě, zákaznické podpoře, přepisech, základních překladech, šablonovitém obsahu, prvních návrzích smluv, jednoduchém účetním zpracování, rešerších, třídění dokumentů nebo některých programovacích úkolech. Ani zde však nejde o jeden stupeň rizika. Automatická odpověď na běžný dotaz k otevírací době je něco jiného než řešení reklamace, při níž zákazník popisuje neobvyklou škodu. Shrnutí veřejné zprávy je něco jiného než analýza neveřejných podkladů, z níž vznikne rozhodnutí s vysokými náklady.

Na druhé straně stojí úkoly, kde je člověk součástí samotné služby. Péče, výuka, sociální práce, vyjednávání nebo krizová pomoc nejsou jen přenos informace od zdroje k příjemci. Záleží v nich na důvěře, pozornosti, průběžné reakci a odpovědnosti. To neznamená, že je AI nezmění. Může převzít administrativu, plánování, dokumentaci nebo první orientaci. Přímého kontaktu s lidmi může přesto ubýt, zatímco přibude práce kolem systému.

Také fyzická práce není obecně „bezpečná“. Pouze bývá méně přímo vystavená generativní AI. Výrobu, dopravu, sklady a obsluhu zařízení mohou měnit jiné druhy automatizace, robotika a algoritmické řízení. Když všechny technologické změny smícháme do jediného seznamu, ztratíme právě to, co potřebujeme vědět: jaký mechanismus konkrétní práci mění.

Člověk může zůstat, ale práce se přesto změní

Ve sporu o nahrazení se často počítá jen přítomnost člověka. Pokud zaměstnanec stále sedí u stejného stolu, vyvodíme, že AI práci nevzala. Jenže pracovní podmínky se mohou změnit ještě dřív, než se změní počet míst.

Nástroj může připravovat návrhy a člověk se z autora stane kontrolorem. To může odstranit prázdnou stránku a rutinu, ale také zúžit prostor pro vlastní postup. Zaměstnavatel může očekávat, že díky AI zvládne každý dvojnásobek úkolů. Za chybu systému přitom může vedení vinit pracovníka, který ji měl v rychlosti odhalit. Čas ušetřený v jednom kroku se může okamžitě zaplnit dalšími požadavky.

Zaměstnanec tak nemusí soutěžit pouze se strojem. Soutěží také s novým měřítkem toho, kolik práce je údajně „normální“ zvládnout. Když se život i práce změní v číslo, snadno začneme měřit počet výstupů a přestaneme vidět jejich obtížnost, odpovědnost, opravy a případy, u nichž rychlost nebyla hlavní hodnotou.

Vliv na kvalitu práce proto nelze odvodit jen z vyšší produktivity. Méně rutiny může přinést zajímavější práci. Stejný nástroj však může vytvořit jednotvárnou směnu, během níž člověk pouze opravuje desítky podobných návrhů a nese odpovědnost za něco, co sám nevytvořil. Rozhoduje způsob zavedení, míra autonomie, čas na kontrolu a možnost odmítnout chybný výstup.

Stejná technologie, opačný výsledek

Představme si dvě firmy, které zavedou stejný nástroj pro zákaznickou podporu. V první je dlouhá čekací doba a mnoho dotazů zůstává nezodpovězených. AI pomůže pracovníkům rychleji dohledat informace, firma obslouží více zákazníků, zlepší službu a tým zachová nebo rozšíří. Ve druhé firmě je počet dotazů stabilní a vedení sleduje především náklady. Stejné zrychlení použije k tomu, aby po odchodu části lidí jejich místa neobsadilo.

Technická schopnost byla shodná. Pracovní výsledek určila poptávka, obchodní model, cíle vedení a způsob, jakým se firma rozhodla rozdělit přínos.

Rozdíl mezi zrychlením práce a počtem míst je dobře vidět ve výzkumu publikovaném v roce 2025 v Quarterly Journal of Economics. Autoři sledovali postupné zavádění generativního asistenta do zákaznické podpory jedné firmy. Soubor zahrnoval 5 172 pracovníků, z nichž 1 636 zachytili při práci s AI; většina působila na Filipínách. Asistent navrhoval odpovědi a odkazy na dokumentaci, pracovník mohl návrh přijmout či odmítnout. Přístup k nástroji zvýšil počet úspěšně vyřešených případů za hodinu v průměru přibližně o 15 procent. Nejvíce získali méně zkušení a dříve méně výkonní pracovníci; u nejzkušenějších bylo zrychlení malé a některé ukazatele kvality se mírně zhoršily.

Výzkum zachytil konkrétní nasazení převážně na přelomu let 2020 a 2021, nikoli současné možnosti všech modelů. Autoři neměli údaje o celkové poptávce firmy po pracovnících ani o složení nových náborů. Zjistili tedy, co lidé s nástrojem zvládli, ale nemohli určit, kolik lidí kvůli němu bude firma později potřebovat. O tom spolurozhoduje zájem zákazníků, cena služby a strategie vedení.

Kdo změnu pocítí jako první

Nejvíce vystavený úkol nemusí automaticky znamenat nejvíce ohroženého člověka. Do hry vstupuje pracovní postavení. Firma obvykle snáze omezí objednávky externistům, neprodlouží smlouvu na dobu určitou nebo zastaví nábor, než aby propustila dlouholetého zaměstnance s nedostatkovou specializací.

První dopad proto mohou pocítit lidé, vůči nimž má organizace nejslabší závazky a jejichž hlas je v rozhodování nejméně slyšet:

• freelanceři a malé dodavatelské firmy placené za jednotlivé výstupy;
• zaměstnanci ve zkušební době nebo na dobu určitou;
• pracovníci v outsourcingu, kde je hlavním argumentem cena a objem;
• lidé na rutinnějších administrativních a servisních pozicích;
• začátečníci, jejichž úkoly lze rozdělit mezi AI a zkušenější kolegy;
• pracovníci bez přístupu ke školení a bez možnosti ovlivnit zavádění systému.

Změna tak může začít na místech, která statistika propouštění nezachytí. Ubyde několik zakázek, neotevře se plánovaná pozice, změní se sazba nebo se práce přesune k dodavateli, který slíbí větší objem s menším týmem.

Zároveň nelze obrátit pořadí a vyhlásit zkušené pracovníky za bezpečné. Pokud nástroj zpřístupní část jejich postupů méně zkušeným lidem, může se změnit cena některých dovedností. Jinde naopak roste hodnota člověka, který pozná chybu, rozumí širšímu systému a dokáže převzít odpovědnost. Odbornost se tedy nemusí stát zbytečnou. Může se přesunout od samotného vytváření prvního výstupu ke kontrole, rozhodování a řešení výjimek.

Kolika českých pracovníků se AI může dotknout?

Pro Česko je lákavé najít jedno číslo a převést ho na počet budoucích výpovědí. Dostupná data však měří různé věci.

OECD pro data z roku 2022 odhadovala, že generativní AI je vystaveno přibližně 25,2 procenta pracovníků v Česku. Použitá definice se týkala povolání, u nichž by bylo možné s pomocí generativní AI provést alespoň pětinu úkolů za polovinu času. Nešlo o odhad, kolik míst zanikne.

Rozdíl mezi regiony byl výrazný: od přibližně 18 procent v regionu Severozápad po zhruba 47 procent v Praze. Vyšší pražská expozice souvisí s koncentrací kancelářských, finančních, odborných a technologických profesí. Region přitom může mít zároveň více investic a příležitostí, v nichž AI práci doplňuje. Nižší expozice generativní AI neznamená ochranu před robotizací, útlumem odvětví nebo jinou hospodářskou změnou.

Druhé číslo měří skutečné používání technologie. Český statistický úřad uvádí, že v roce 2025 používalo některou technologii AI 17,6 procenta sledovaných podniků s deseti a více zaměstnanci. U velkých podniků byl podíl výrazně vyšší. Nástroje generativní AI používalo podle doprovodné zprávy ČSÚ přibližně 14 procent sledovaných firem.

Tato čísla si neodporují. Jedno odhaduje podíl pracovníků v povoláních, jejichž úkolů by se technologie mohla dotknout. Druhé ukazuje podíl firem, které už některou AI skutečně používají. Ani jedno samo neříká, jak hluboko byla nasazena, kolik času ušetřila a co firma následně udělala s počtem lidí.

Kdy je AI příčinou a kdy užitečnou nálepkou

Firma může propouštění nebo omezení náboru veřejně spojit s AI. Někdy je souvislost přímá: konkrétní proces se automatizoval a na stejný objem práce je potřeba méně lidí. Jindy do rozhodnutí vstupuje pokles poptávky, dřívější příliš rychlý nábor, změna strategie, tlak investorů nebo obyčejná snaha snížit náklady. AI může být jednou příčinou, urychlovačem, očekáváním budoucích úspor, nebo moderně znějícím vysvětlením rozhodnutí, které má více kořenů.

Rozlišit to z tiskové zprávy bývá obtížné. Užitečnější než počítat každé propuštěné místo jako „nahrazené AI“ je ptát se konkrétně:

• Který pracovní proces se změnil?
• Jaké úkoly nově provádí systém a kdo je kontroluje?
• Změnil se také objem zakázek nebo poptávka?
• Zanikají místa, nebo firma pouze neobsazuje odchody?
• Vznikají nové úkoly a kdo je dostává?
• Jak se změnila kvalita, chybovost a odpovědnost?

Pracovní trh se mění pod vlivem více událostí současně. OECD Employment Outlook 2026 například porovnává vývoj pracovních vyhlídek mladých lidí s rozšiřováním jazykových modelů. V relativním počtu amerických juniorských inzerátů v silně a slabě exponovaných profesích nenachází na konci roku 2023 odpovídající trvalý zlom. Potíže některých skupin začaly dříve a průběh se mezi zeměmi liší. Tato data proto nepodporují jednoduchý závěr, že dosavadní zhoršení způsobila hlavně AI. Zároveň mohou zakrývat výraznější dopad v jednotlivých oborech či firmách.

Proč nestačí rada „naučte se AI“

Věta „AI vás nenahradí, nahradí vás člověk, který ji umí používat“ zní povzbudivě, protože vrací člověku pocit kontroly. Obsahuje kus pravdy: znalost nástroje může zvýšit produktivitu, otevřít nové úkoly a pomoci člověku přizpůsobit práci. Jako obecné pravidlo je však příliš jednoduchá.

Firma může práci reorganizovat i tehdy, když všichni zaměstnanci AI ovládají. Právě souhrnná produktivita lidí a nástroje může vedení přesvědčit, že část míst už nepotřebuje. Některý člověk nemá přístup k bezpečnému nástroji, firemním datům ani placenému školení. Jiný se může naučit ovládat službu, která se za půl roku změní, ale bez oborové znalosti nepozná přesvědčivě formulovanou chybu.

Jistota nesmí předběhnout znalosti ani tehdy, když výstup vytvořil drahý model. Schopnost zadat požadavek je jen jedna část práce. Dále je potřeba rozumět problému, určit, zda odpověď vůbec dává smysl, ověřit podstatné údaje, znát hranice použití a převzít odpovědnost za rozhodnutí.

Vedle ovládání nástroje potřebujeme také dovednosti, které umožní posoudit jeho výstup, a podmínky k jejich rozvíjení. Přehled OECD z roku 2026 zdůrazňuje práci s daty, řešení problémů a dostupnost školení. V každodenní práci jsou důležité zejména:

• oborové znalosti, díky nimž lze poznat chybu a neobvyklý případ;
• schopnost ověřovat zdroje, čísla a původ podkladu;
• komunikace s lidmi, kteří nemají stejné informace ani cíle;
• rozhodování v situaci, kde neexistuje jediná správná šablona;
• znalost pravidel pro soukromí, bezpečnost a odpovědnost;
• možnost učit se v pracovní době, nikoli pouze na vlastní náklady večer.

Ani tento soubor dovedností nezaručuje konkrétní místo. Pomáhá však oddělit skutečnou adaptaci od dalšího sloganu, který přesune celou odpovědnost za hospodářskou změnu na jednotlivce.

Co napoví obyčejný pracovní týden

Jednotlivec nemůže předpovědět rozhodnutí svého zaměstnavatele ani vývoj celého oboru. Může si však vytvořit přesnější obraz než pouhým přečtením žebříčku povolání.

Prvním krokem je rozdělit si práci na skutečné činnosti. Ne „jsem marketér“, ale: hledám podklady, mluvím s klientem, připravuji první návrh, kontroluji fakta, plánuji kampaň, vyjednávám rozpočet, vyhodnocuji výsledky a nesu odpovědnost za použití značky. U každé činnosti lze posoudit, zda je digitální, opakovatelná, snadno kontrolovatelná a založená na známých příkladech.

Druhým krokem je zmapovat, co se stane při chybě. Pokud lze chybný návrh rychle opravit bez velkého následku, automatizace je snazší. Pokud chyba může poškodit zdraví, práva, finance, bezpečnost nebo důvěru, zůstává důležitá kontrola, i když první výstup vytvoří systém.

Třetím krokem je sledovat firmu, nejen nástroj. Má organizace nedostatek lidí a nevyřízenou práci, nebo hledá hlavně úspory? Chce vytvořit nové služby, nebo zachovat stejný objem s menšími náklady? Nabízí školení a prostor upozorňovat na chyby? Je jasné, kdo nese odpovědnost a jak se smí pracovat s daty? Právě tyto otázky často říkají o pracovním riziku více než působivost poslední ukázky AI.

Čtvrtým krokem je nepředstírat úplnou osobní kontrolu. Dává smysl učit se, rozvíjet oborovou znalost a sledovat proměnu vlastních úkolů. Stejně důležité je přiznat, že člověk nemůže sám vyřešit nedostatek pracovních míst, zaplatit každou rekvalifikaci ani určit, zda firma přínos rozdělí mezi zaměstnance. To jsou také organizační a společenská rozhodnutí.

O budoucnosti práce nerozhoduje jen model

AI může odstranit únavnou rutinu, zpřístupnit odborné postupy, pomoci menšímu týmu zvládnout více a vytvořit služby, které dříve nebyly dostupné. Může také snížit cenu některých úkolů a omezit zakázky. Firmy ji mohou využít ke zvýšení tempa, omezení prvních příležitostí pro začínající pracovníky nebo rozdělení práce mezi méně lidí. Tyto změny se mohou odehrávat současně.

Proto nedává smysl hledat jedinou čáru mezi povoláními budoucnosti a povoláními určenými k zániku. Rozhoduje skladba úkolů, spolehlivost systému, cena jeho zavedení, poptávka, odpovědnost, pracovní pravidla a síla lidí, kteří mají změnu nést. Stejný nástroj může být pro jednoho pomocník, pro druhého nový dohled a pro třetího důvod, proč už další zakázku nedostane.

Budoucnost práce tedy neleží hotová uvnitř modelu. Vzniká až ve chvíli, kdy lidé rozhodnou, co nechají stroj dělat, co budou dál považovat za kvalitní práci a komu připadne čas, peníze i riziko, které technologie přerozdělí.