AI maže hranice pracovních rolí. V malých firmách lidé přebírají práci specialistů
Analýza více než 800 tisíc pracovních zpráv ukazuje, že téměř polovina profesně specifického používání ChatGPT míří na úkoly tradičně spojené s jiným povoláním. Nejvíce se přelévají marketingové, technické a finanční činnosti. Pro malé firmy je to příležitost růst bez okamžitého nabírání specialistů, ale také riziko, že odpovědnost dostanou lidé bez potřebné odbornosti.
Majitel malé firmy připraví reklamní text, zkontroluje návrh smlouvy a sestaví základní finanční analýzu, aniž by každý úkol předal jinému specialistovi. Obchodník prozkoumá zákaznická data, personalista upraví jednoduchý interní systém a marketér vyřeší problém na webu. Nejde jen o rychlejší práci. Umělá inteligence mění, kdo práci vůbec vykonává.
Nová studie ekonomického týmu OpenAI tento posun popisuje na vzorku více než 800 tisíc pracovních zpráv amerických uživatelů ChatGPT. Z celkového počtu pracovních dotazů se 16,8 procenta týkalo úkolů historicky spojených s jiným povoláním. Když výzkumníci vyřadili obecné činnosti společné většině profesí, například psaní e-mailů nebo plánování schůzek, podíl vzrostl na 43,5 procenta.
Autoři Caroline Chin a Alex Martin Richmond tento jev označují jako překračování profesních hranic. Důležitější než samotné číslo je jeho význam pro organizaci firmy: pracovní náplně se začínají měnit dříve, než podniky přepíší popisy pozic, upraví odměňování nebo vytvoří nové funkce.
Nejvíce cestují marketingové a technické úkoly
Výzkum sledoval osm skupin: zákaznickou péči, design, technické profese, finance, lidské zdroje, právo, marketing a prodej. U pěti z nich tvořila práce mimo vlastní profesi většinu všech profesně specifických dotazů. V zákaznické péči dosáhl podíl 77 procent, u designérů 75 procent, v lidských zdrojích 69 procent, u právních pracovníků 56 procent a v marketingu 53 procent.
Neznamená to, že personalisté hromadně vykonávají práci právníků nebo že designéři nahrazují programátory. Studie zachycuje jednotlivé úkoly, nikoli celé pracovní pozice. Ukazuje však, že lidé s pomocí AI zkoušejí činnosti, které by dříve předali kolegovi, externistovi nebo specializovanému oddělení.
Nejčastěji se mezi profesemi přelévají marketingové a technické činnosti. Marketingové úkoly tvořily přibližně 28 až 29 procent profesně specifických zpráv obchodníků a designérů a 26 procent zpráv pracovníků zákaznické péče. Technické činnosti představovaly 28 procent u designérů a zhruba pětinu u lidí ve financích a zákaznické péči.
Napříč všemi sedmi ostatními profesními skupinami se opakovaly dvě konkrétní činnosti: výpočty finančních údajů a řešení problémů s počítačovými aplikacemi. Široce se šířila také tvorba reklam, příspěvků na sociální sítě, prezentací, produktových listů a dalších marketingových materiálů.
Malé týmy získávají levného generalistu
Pro české malé a střední podniky je nejzajímavější rozdíl podle velikosti pracovního prostoru. U běžně aktivních uživatelů tvořily úkoly mimo vlastní profesi 18,9 procenta zpráv v týmech se dvěma až pěti licencemi. V prostorech s více než stovkou licencí šlo o 16,3 procenta. Rozdíl není dramatický, ale odpovídá každodenní realitě: malá firma nemá pro každý problém vlastní oddělení.
Umělá inteligence v takovém prostředí funguje jako dostupný generalista. Nenahradí zkušeného účetního, advokáta nebo vývojáře, ale umožní zaměstnanci připravit první verzi, diagnostikovat běžný problém a lépe formulovat zadání pro odborníka. Firma může některé drobné úkoly vyřešit okamžitě a specialistu zapojit až tam, kde jeho úsudek skutečně vytváří hodnotu.
Tento efekt může změnit ekonomiku náboru. Začínající podnik možná nebude potřebovat pět úzce vymezených částečných úvazků. Může najmout schopného člověka s hlubokou znalostí jednoho oboru, který s pomocí AI zvládne základní práci ve dvou či třech sousedních oblastech. Výhodou nebude jen umět položit modelu otázku, ale poznat, kdy výsledek dává smysl a kdy je nutné přivolat odborníka.
Praktickým příkladem může být obchodní tým bez vlastního datového analytika. Obchodník si s pomocí modelu připraví dotaz nad tabulkou, rozdělí zákazníky do skupin a navrhne další postup. Analytik pak nemusí začínat od prázdné stránky, ale zkontroluje metodu, upozorní na zkreslení a pomůže rozhodnutí zpřesnit. Úspora nevzniká odstraněním specialisty, nýbrž tím, že jeho omezený čas není spotřebován na každou základní operaci.
AI nesnižuje jen cenu jednotlivého úkolu. Snižuje také cenu předání práce mezi odděleními.
Úzkým místem se stává kontrola, ne vytvoření první verze
Stejný posun přináší nové riziko. Člověk může s AI provést finanční výpočet, aniž rozumí účetním pravidlům, upravit smlouvu bez znalosti judikatury nebo nasadit kód, jehož bezpečnost neumí posoudit. Přesvědčivě formulovaná odpověď vytváří falešný pocit odbornosti. Čím snazší je úkol začít, tím důležitější je vědět, kdo smí schválit jeho výsledek.
Firmy proto musí oddělit tři úrovně práce. První tvoří vratné a málo rizikové úkoly, například návrh textu nebo interní shrnutí. Druhou jsou činnosti, kde chyba stojí peníze, ale lze ji zachytit kontrolou, například analýza pro obchodní rozhodnutí. Třetí zahrnuje právní, bezpečnostní, zdravotní a regulatorní výstupy, kde musí zůstat jasně určený kvalifikovaný schvalovatel.
Nové pracovní uspořádání mění i odpovědnost vedoucích. Nestačí zaměstnancům koupit licenci a očekávat produktivitu. Manažer musí určit, které úkoly mohou lidé převzít z jiných rolí, jaké zdroje mají použít, co musí zdokumentovat a kdo provede odbornou kontrolu. Bez těchto pravidel vzniká skrytá práce mimo kompetence, kterou firma často odhalí až při chybě.
Důsledky se promítnou také do odměňování. Jestliže zaměstnanec dlouhodobě přebírá část marketingu, analýzy nebo technické podpory a firma z toho má měřitelný užitek, nejde už o drobnou pomoc nástroje. Jeho role se fakticky rozšířila. Podnik, který přidá odpovědnost bez pravomocí, školení a odpovídající mzdy, může krátkodobě ušetřit, ale zároveň si vytváří frustraci a provozní závislost na jednom člověku.
Pět kroků pro firmy, které chtějí rozšířit role bezpečně
- Zmapujte skutečnou práci, ne jen názvy pozic. Zjistěte, jaké úkoly zaměstnanci s AI už vykonávají mimo původní náplň a kde vznikají neformální předávky.
- Rozdělte úkoly podle dopadu chyby. U vratných výstupů povolte experimentování, u finančních, právních a bezpečnostních rozhodnutí vyžadujte odborné schválení.
- Odměňujte úsudek a ověřování. Hodnotu nevytváří nejvyšší počet vygenerovaných výstupů, ale schopnost rozpoznat chybu, doložit zdroje a převzít odpovědnost.
- Upravte nábor a vzdělávání. Hledejte lidi s pevným oborovým základem, kteří umějí spolupracovat napříč funkcemi a vysvětlit limity vlastní odbornosti.
- Měřte dobu předání i kvalitu. Sledujte, zda AI skutečně zkrátila čekání na specialistu, kolik výstupů vyžadovalo opravu a zda se nezvýšil počet incidentů.
Změnit se musí také popisy práce. Tradiční seznam deseti pevných povinností rychle zastarává. Vhodnější je definovat hlavní odpovědnost role, sousední oblasti, do kterých může zaměstnanec vstupovat, a jasné hranice schvalování. Firma tím získá pružnost, aniž by předstírala, že každý pracovník je díky chatbotu odborníkem na všechno.
Studie ukazuje chování uživatelů, nikoli zánik pracovních míst
Čísla je potřeba číst opatrně. OpenAI analyzovalo zprávy, nikoli odpracované hodiny, dokončené projekty nebo dosažené výsledky. Výzkumníci neviděli, zda uživatel odpověď skutečně použil, kolik času ušetřil, jak kvalitní výstup vznikl ani zda jej zkontroloval specialista. Vzorek navíc nereprezentuje celou americkou pracovní sílu a zahrnuje jen osm profesních skupin.
Samotná OpenAI výslovně upozorňuje, že studie neměří dopad na zaměstnanost ani produktivitu. Jde o popis toho, s čím lidé model žádají o pomoc. Z výsledků proto nelze poctivě tvrdit, že AI nahradila 43,5 procenta práce specialistů. Lze však říci, že zaměstnanci ve velkém zkoušejí vykonávat úkoly za hranicí své tradiční profese.
To je pro podnikatele důležitější než další předpověď o počtu zaniklých míst. Změna už probíhá uvnitř současných pozic. Nejrychleji ji využijí firmy, které dokážou zkrátit zbytečné předávání práce, ale současně zachovají odbornou kontrolu tam, kde chyba bolí. Budoucí organizace nemusí mít méně lidí. Pravděpodobně však bude mít méně pevných hranic mezi tím, co smějí a umějí dělat.