Přestaňte o AI přemýšlet jako o technologii a začněte o ní uvažovat jako o podřízeném. Mimořádně rychlém, vzdělaném a neúnavném, ale nespolehlivém. O takovém, který nemá ponětí, co přesně potřebujete, a občas si s jistotou vymýšlí.
Profesor Ethan Mollick z Whartonské obchodní školy letos v lednu provedl experiment. Dal skupině MBA studentů (mezi nimiž byli lékaři, manažeři i šéfové firem) čtyři dny na to, aby od nuly vytvořili startup. Včetně funkčního prototypu aplikace. Téměř nikdo z nich nikdy neprogramoval.
Výsledky překonaly cokoliv, co Mollick za 15 let výuky podnikání viděl: většina týmů nedodala jen makety, ale fungující aplikace s reálnými funkcemi. Nápady byly rozmanitější a propracovanější, než bývá běžné po celém semestru práce.
Jak je to možné? Studenti používali několik různých AI nástrojů — Claude Code pro programování, ChatGPT a Gemini pro výzkum trhu, finanční modelování a přípravu prezentací. Ale samotné nástroje klíčem k úspěchu nejsou, má je dnes k dispozici kdokoliv, podstatné bylo něco jiného: tito lidé uměli říct, co chtějí. A přesně to je dovednost, na které dnes podle Mollicka (a řady dalších pozorovatelů a komentátorů) záleží víc než na znalosti technologie.
Ani orákulum, ani hračka
Většina lidí dnes s AI pracuje jedním ze dvou způsobů, přičemž oba jsou špatně. První je trivializace — AI jako vylepšený vyhledávač, generátor e-mailů a pomocník s domácími úkoly. Druhý je nekritická důvěra: vložím dotaz, zkopíruji odpověď, hotovo. V prvním případě využíváte zlomek možností, ve druhém riskujete, že převezmete sebevědomě formulovaný nesmysl.
Produktivnější je přestat o AI přemýšlet jako o technologii a začít o ní uvažovat jako o podřízeném. Mimořádně rychlém, vzdělaném a neúnavném, ale nespolehlivém podřízeném, který nemá ponětí, co přesně potřebujete, a občas si s jistotou vymýšlí. S takovým člověkem byste nepracovali tak, že mu řeknete „udělej něco s tím marketingem“ a odejdete. Dali byste mu zadání, zkontrolovali výstup a korigovali směr. Prostě byste ho řídili. A právě schopnost řídit je to, co odlišuje produktivní práci s AI od neproduktivní.
Kdy delegovat: jednoduchá rovnice
Mollick nabízí užitečný rámec, jak se rozhodnout, kdy se delegování na AI vyplatí. Není to složitá matematika, stačí zvážit tři věci. Za prvé: jak dlouho by mi úkol trval, kdybych ho dělal sám? Za druhé: jaká je šance, že AI vyprodukuje přijatelný výsledek? A za třetí — a tohle je skrytý náklad, který lidé podceňují — jak dlouho mi trvá výsledek zkontrolovat? Implikace jsou na první pohled paradoxní. Představte si úkol, který vám zabere hodinu. AI ho zvládne za minuty, ale kontrola vám zabere třicet minut. Pokud AI neuspěje napoprvé — a to se stává — strávíte generováním a kontrolou více času, než kdybyste úkol prostě udělali sami. Delegace se u jednoduchých úkolů vyplatí jen při velmi vysoké úspěšnosti AI. Teď si ale představte úkol na deset hodin. I kdybyste museli výstup AI kontrolovat a korigovat dvakrát nebo třikrát, stále vycházíte výrazně levněji. A právě to potvrzuje zatím nejdůkladnější výzkum na toto téma: studie GDPval, kterou zveřejnil OpenAI. V ní se lidští experti v oborech od financí po medicínu utkali s nejnovějšími AI modely na úkolech, které člověku průměrně zabraly sedm hodin. Výsledek: nejnovější model uspěl na úrovni experta v 72 % případů. Kontrola trvala zhruba hodinu. I při započtení neúspěšných pokusů vycházela průměrná úspora tři hodiny na úkol.
Z rovnice plyne neintuitivní závěr: AI se nejvíc vyplatí na složitějších úkolech. Tedy přesně na těch, kde ji většina lidí zatím nepoužívá, protože „tomu nevěří“. Zatímco na jednoduchých věcech, kde ji lidé používají nejčastěji, je přidaná hodnota často marginální.
Rovnice má ještě jeden důsledek, který Mollick zdůrazňuje: AI dramaticky snižuje cenu změny směru. V tradičním pojetí — ať už jde o startup, analýzu, nebo projekt — je každý „pivot“ drahý, protože znamená zahodit odvedenou práci a začít znovu. Když ale většinu práce odvede AI za minuty, změna směru nestojí týdny, ale hodiny. Můžete prozkoumat tři varianty řešení paralelně a vybrat tu nejlepší, místo abyste se zamkli v první, na kterou přijdete. To je posun, který mění nejen produktivitu, ale i kvalitu rozhodování.
Pět otázek místo „chytrých promptů“
Pokud rovnice říká, kdy delegovat, zbývá otázka jak. Internet je plný rad o „promptování“ — speciálních formulacích, tricích a kouzelných slovech, která mají z AI vymámit lepší výsledky. Mollick přichází se střízlivějším pozorováním: nejlepší „prompt“ není chytrý trik. Je to dobré pracovní zadání. Tohle není nový problém. Lidé se po staletí potýkají s tím, jak dostat myšlenku z jedné hlavy do činů někoho jiného. Softwaroví vývojáři na to mají produktové specifikace, filmoví režiséři seznamy záběrů, architekti dokumenty designového záměru, americká námořní pěchota pětibodové rozkazy. Všechny tyto formáty řeší totéž — a všechny fungují překvapivě dobře i jako zadání pro AI. Co mají společného? Mollick identifikuje pět otázek, které dobré zadání vždy zodpovídá. Co chceme udělat a proč? Kde jsou hranice — kam AI nemá zabíhat? Jak vypadá hotový výstup? Jaké mezikroky chci vidět, abych mohl průběžně korigovat směr? A co má AI zkontrolovat, než mi řekne, že je hotovo?
Rozdíl mezi vágním a strukturovaným zadáním je propastný. „Napiš mi analýzu trhu“ je přání. „Připrav analýzu českého trhu s dentálními implantáty zaměřenou na cenovou segmentaci, v rozsahu tří stran, s tabulkou hlavních hráčů a jejich tržních podílů, a uveď zdroje dat“ — to je zadání, se kterým AI dokáže pracovat řádově lépe. A všimněte si: na formulaci druhé věty nepotřebujete znát nic o technologii. Potřebujete znát svůj obor.
Vzácná komodita
A právě tady se kruh uzavírá a vracíme se k Mollickovým MBA studentům. Uspěli ne proto, že rozuměli umělé inteligenci, ale proto, že věděli, jak vypadá dobrý finanční model, funkční obchodní plán nebo správná medicínská analýza — a dokázali to dostatečně přesně popsat. Roky praxe a studia jim daly rámce a standardy, které se proměnily v přesná zadání.
V éře, kdy je „inteligence“ levná a rychlá, se vzácnou komoditou stává něco překvapivě staromódního: jasnost myšlení, odbornost a schopnost rozpoznat kvalitu výstupu. Kdo ví, co chce, a umí to srozumitelně formulovat, má v rukou nástroj, který zásadně mění produktivitu. Kdo neví, má jen drahý automat na nespolehlivé odpovědi.
AI práci nenahrazuje. Mění její těžiště — od provádění k řízení. A to je posun, na který se dá připravit, protože většina potřebných dovedností nemá s technologií nic společného. Jsou to ty samé „měkké“ dovednosti, které se paradoxně ukazují jako ty nejtvrdší.