AI

AI produktivita: úzkým hrdlem je lidská pozornost

Nová interní studie Anthropic ukazuje zvláštní obraz práce s AI: agenti odpracují násobně více strojového času, ale lidem přibývá kontrola výstupů, koordinace a rozhodování. Vyšší objem proto ještě není vyšší produktivita. Firma musí měřit, zda AI zkracuje cestu k dobrému výsledku, nebo jen vyrábí další práci pro lidskou pozornost.

Modře svítící datový proud prochází kontrolní bránou po zakřivené cestě k jasnému cíli

Aktuálnost podkladů: ověřeno 21. 10. 2026

AI produktivita neroste počtem vygenerovaných slov, řádků kódu ani spuštěných agentů. Roste až tehdy, když se zkrátí cesta k ověřenému výsledku bez nepřiměřeného růstu chyb, porad a kontroly. Studie Anthropic z 16. října 2026 naznačuje, že po masivním nasazení AI se úzkým hrdlem stává lidská pozornost.

Nejde o důkaz, že stejně dopadne každá firma. Anthropic zkoumala vlastní rychle rostoucí technologickou organizaci, která vyvíjí a intenzivně používá svůj produkt. Její data jsou užitečná jako včasný signál, ne jako univerzální předpověď trhu práce.

Shrnutí v kostce

  • V srpnu 2026 připadalo v Anthropic na jednu hodinu lidské práce šest hodin práce interaktivních AI agentů.
  • Přibližně 80 % času interaktivních relací agenti čekali na lidský vstup. Číslo popisuje čekání, ne automaticky plýtvání.
  • Medián času zaměstnance na poradách meziročně vzrostl o 20 %, u technických specialistů bez manažerské role o 16 %.
  • Podíl juniorů v technických týmech klesl z 21 % na 14 % a jejich podíl mezi novými technickými nástupy z 27 % na 9 %.
  • Praktická otázka nezní „kolik toho AI vyrobila“, ale „kolik ověřené hodnoty vzniklo na hodinu lidské pozornosti“.

Co se ve firmě s intenzivním využitím AI změnilo?

Výzkumníci Nathan Wilmers, Regina Catipon, Maxim Massenkoff a Peter McCrory spojili interní data Anthropic o zaměstnanosti, používání AI, výstupech, kalendářích a náborových rozhodnutích se zaměstnaneckými průzkumy a 17 rozhovory. Firma tak nezkoumala dojmy z jedné ankety, ale několik vrstev vlastního provozu.

Nejviditelnější změnou je rozsah strojové práce. V březnu 2026 součet autonomních a interaktivních hodin agentů poprvé překonal vypočtené lidské pracovní hodiny. V srpnu už interaktivní agenti běželi šestkrát déle než jejich lidští uživatelé. Autoři lidský čas odhadovali podle počtu zaměstnanců a čtyřicetihodinového týdne, takže nejde o přesné stopky každého člověka.

Současně rostly měřitelné výstupy. Počet změn kódu na inženýra se během šesti měsíců zvýšil přibližně pětkrát. Více výstupů zaznamenaly také obchodní, právní a finanční týmy. Studie však sama upozorňuje, že více kódu nemusí znamenat lepší kód ani větší obchodní dopad.

Čtyři čísla, čtyři různé otázky

Zjištění v Anthropic Co číslo říká Co z něj nelze automaticky vyvodit
6 hodin agentů na 1 hodinu člověka AI převzala velký objem provádění úkolů že šestinásobně vzrostla hodnota firmy
asi 80 % času relace čekání na člověka schválení a doplnění kontextu brzdí tok práce že všechen čekací čas je zbytečný
porady +20 % v mediánu koordinace neklesla spolu s automatizací že AI sama způsobila celý růst porad
junioři 21 % → 14 % technických týmů změnila se skladba náboru že juniorská práce všude mizí

Tabulka ukazuje jeden společný motiv: rychlost provedení a kvalita organizace jsou dvě různé veličiny. AI může zkrátit vytvoření návrhu z hodin na minuty. Pokud však výsledný dokument čeká na tři kontroly, chybí mu kontext a vyvolá další poradu, celkový proces se zrychlit nemusí.

Proč více výstupu ještě není vyšší produktivita?

Produktivita porovnává hodnotný výsledek se všemi vstupy, které k němu vedly. U AI do vstupů patří licence a infrastruktura, ale také čas na zadání, kontrolu, opravy, koordinaci a řešení chyb. Počet promptů nebo tokenů je proto provozní údaj, nikoli obchodní výsledek.

Anthropic popsala nový druh práce, který označuje jako „meta-work“. Zaměstnanci stavějí návody, přehledy a kontrolní mechanismy pro další agenty. To může být rozumná investice. Problém vzniká, když firma tuto režii nevidí a úspěch měří jen objemem vytvořeného obsahu.

Stejnou opatrnost vyžaduje údaj o čekání. Přibližně 80 % času interaktivních relací agenti čekali na člověka. Část tohoto času může být prostoj, část je vědomá kontrola před důležitým krokem. Odstranit lidské schválení jen proto, aby graf vypadal lépe, může zvýšit rychlost a současně zhoršit výsledek.

Co znamená pokles juniorského náboru?

Pokles podílu juniorních technických nástupů z 27 % na 9 % je varovný signál pro talentovou cestu, ne důkaz zániku vstupních pracovních míst. Anthropic rychle rostla, technické zaměstnance dál nabírala a sama uvádí, že na vývoj skladby týmů působilo více faktorů.

Nezávislý výzkum ukazuje, proč by bylo krátkozraké juniory jednoduše odepsat. Studie Erika Brynjolfssona, Danielle Li a Lindsey Raymond pracovala s 5 179 pracovníky zákaznické podpory. Přístup k AI zvýšil počet vyřešených případů za hodinu v průměru o 14 %, ale u nováčků a méně zkušených pracovníků o 34 %. V tomto prostředí AI pomáhala šířit postupy zkušenějších kolegů.

Oba výsledky se nevylučují. Jedna firma může méně najímat na rutinní juniorské úkoly, zatímco jiná pomocí AI urychlí zaučení nováčků. Rozhodující je, zda organizace zachová cestu, na které se člověk naučí úsudku, odpovědnosti a práci s výjimkami. Bez ní může krátkodobá úspora vytvořit budoucí nedostatek zkušených lidí.

Mezinárodní organizace práce ve své globální analýze z roku 2025 odhadla, že určitému vlivu generativní AI je vystaveno jedno ze čtyř pracovních míst, ale do nejvyšší kategorie expozice spadá 3,3 % světové zaměstnanosti. Proto považuje proměnu práce za pravděpodobnější než plošné nahrazení celých profesí.

Co to znamená pro peníze, práci a život?

Pro firmu je nejdražší AI ta, která vyrábí levné návrhy a drahé fronty ke schválení. Rozpočet na nástroj proto musí doprovázet rozpočet lidské pozornosti. Má být jasné, kdo výstup kontroluje, jak dlouho kontrola trvá, které chyby se vracejí a jaký obchodní nebo provozní ukazatel se má zlepšit.

Pro zaměstnance se může práce posunout od provádění ke koordinaci. To zvyšuje cenu schopnosti určit prioritu, rozpoznat slabý výstup a zastavit chybný směr. Zároveň roste riziko roztříštěné pozornosti: několik agentů může současně vytvořit několik naléhavě vypadajících požadavků, ale člověk má stále jen jednu hlavu a omezený pracovní den.

Pro jednotlivce má proto smysl chránit dovednosti, které se špatně automatizují celé: formulaci cíle, úsudek v neúplné situaci, odpovědnost za rozhodnutí a důvěru mezi lidmi. Nejde o obranu před technologií. Jde o přípravu na práci, v níž bude levnější návrh a dražší pozornost.

Davidův pohled: výkon měřím až v cíli

Ve sportu nepomůže, že jeden mezičas vypadá skvěle, pokud tým ztratí kontrolu v další části trati. Stejně přistupuji k AI produktivitě. Rychlost návrhu je mezičas. Výsledkem je až ověřená práce, která splnila účel a nezanechala za sebou skrytou frontu oprav.

Klid nevzniká z toho, že spustíme co nejvíce agentů. Vzniká z jasného systému: co má AI udělat, kde čeká na člověka, kdo nese odpovědnost a podle čeho poznáme přínos. Disciplína v tomto případě nebrzdí rychlost. Dává jí směr.

Pět otázek pro kontrolu AI produktivity

  1. Výsledek: Který výstup nebo rozhodnutí se má díky AI prokazatelně zlepšit?
  2. Lidský čas: Kolik minut zabere zadání, kontrola, oprava a schválení jednoho výsledku?
  3. Kvalita: Kolik výstupů se vrací kvůli chybě, chybějícímu kontextu nebo nesprávné prioritě?
  4. Talent: Kde se budou učit budoucí seniorní lidé, pokud rutinní juniorské úkoly převezme AI?
  5. Koordinace: Ubývá po nasazení AI práce v celém procesu, nebo jen vzniká více porad a front?

Časté otázky

Dokazuje studie Anthropic, že AI bere juniorům práci?

Ne. Studie ukazuje pokles podílu juniorů a juniorních nástupů uvnitř jedné rychle rostoucí AI firmy. Autoři popisují souvislost s intenzivním používáním agentů, ale také další změny ve skladbě společnosti. Výsledek je včasný signál pro nábor a vzdělávání, nikoli přesná prognóza všech profesí.

Je více porad důkazem, že AI produktivitu nezvyšuje?

Ne. Porady mohou znamenat zbytečnou režii i potřebné rozhodování. Anthropic současně zaznamenala růst měřitelných výstupů a meziroční růst času na poradách. Firma proto musí hodnotit obě strany: rychlost tvorby i cenu koordinace, kontroly a oprav.

Jaký ukazatel je lepší než počet výstupů AI?

Užitečný je čas od zadání k ověřenému výsledku, doplněný mírou oprav a dopadem na konkrétní proces. U obchodu to může být uzavřený případ, u podpory vyřešený požadavek, u obsahu schválený text bez věcných chyb. Metrika musí sledovat hodnotu, ne aktivitu nástroje.

Změřte celou trať, ne jen rychlost stroje

AI dokáže znásobit počet rozpracovaných úkolů. Lidská pozornost se stejným tempem nezvětší. Výhodu proto nezíská firma s největším počtem agentů, ale organizace, která umí chránit pozornost, zachovat cestu učení a měřit ověřený výsledek.

Vyberte tento týden jeden opakovaný proces a změřte u něj nejen čas AI, ale i lidské zadání, kontrolu, opravy a schválení. Pro hranice autonomního systému navazuje článek AI agent potřebuje brzdu, ne jen přesný cíl. K rozdělení rychlosti a odpovědnosti doporučuji také text AI zrychlí práci. Odpovědnost za rozhodnutí ale zůstává na nás.

Zdroje

Text má obecný vzdělávací charakter. Nejde o individuální pracovněprávní, personální, investiční ani podnikatelské doporučení. Zjištění jedné firmy nelze bez dalšího přenášet na jinou organizaci.

David Egydy, autor článku

Autor

David Egydy

Olympionik z Pchjongčchangu 2018, podnikatel a lektor. Sdílí zkušenosti ze sportu, podnikání a osobního restartu.

Jak článek vzniká

Fakta opíráme o dohledatelné zdroje a oddělujeme je od komentáře a Davidova pohledu. Datum aktualizace měníme jen při podstatné obsahové změně. Text má vzdělávací charakter.

Další čtení

Pokračujte v archivu.

Vyberte si další článek podle tématu a data.

Otevřít archiv