Firmy jsou pod tlakem rychle prokazovat návratnost investic do umělé inteligence. Zrychlení jednotlivého úkolu však nemusí zlepšit výsledek celého procesu. Ee Lyn Khoo upozorňuje, že manažeři musí nově určit návaznosti práce, odpovědnost a způsob spolupráce lidí s automatizovanými systémy.
Ee Lyn Khoo upozorňuje, že tlak na rychlou návratnost vede firmy k jednoduchému postupu: vezmou existující proces, přidají k němu agenta a za úspěch považují vyšší rychlost jednoho kroku. To však neřeší uspořádání práce jako celku ani otázku, kdo odpovídá za výsledek vytvořený společně člověkem a automatizovaným systémem.
Podle PwC Global CEO Survey 2026, který autorka cituje, 56 procent generálních ředitelů zatím nevidí významný finanční přínos AI ve formě růstu výnosů nebo snížení nákladů. Současně uvádí studii zadanou společností Writer, podle níž přibližně dvě třetiny firem utrácejí za technologie AI nejméně milion dolarů. Samotná investice proto ještě neznamená viditelný hospodářský výsledek.
Náklady se navíc neomezují na cenu modelu. Do ekonomiky projektu vstupují tokeny, bezpečnostní a řídicí kontroly, čištění dat a vzdělávání lidí. Pokud firma ponechá původní proces beze změny, může pouze vložit rychlejší nástroj do systému, který dál obsahuje zbytečné schvalování, čekání nebo ruční kontrolu.
Autorka upozorňuje také na zdánlivé úspory. Systém může vytvořit návrh dokumentu během půl minuty, ale zaměstnanec následně stráví hodinu opravami a dalším zadáváním pokynů. Pokud vedení neměří celý pracovní tok, může takový případ vykazovat jako automatizaci, přestože se skutečná kapacita téměř neuvolnila.
I tam, kde se čas skutečně ušetří, musí management rozhodnout, co se s nově získanou kapacitou stane. Tým může převzít větší objem práce, věnovat se odkládaným úkolům, nebo některou činnost úplně ukončit. Bez tohoto rozhodnutí se úspora času nemusí nikdy projevit ve výsledovce.
Khoo proto navrhuje chápat člověka a agenta jako společnou jednotku odpovědnosti. Manažer má sledovat, co tento celek vytvořil a jak firma využila uvolněnou kapacitu. Měření se tak přesouvá od počtu automatizovaných úkolů k výsledkům, například rychlosti vyřešení problému nebo dopadu na zákazníka.
Pro vedoucí to znamená nové požadavky na úsudek. Musí poznat, kdy lze výstupu systému důvěřovat a kdy jej důkladně kontrolovat, kdy zaměstnanci tráví více času dohledem nad nástrojem než skutečnou prací a ve kterých místech procesu musí zůstat rozhodnutí jednoznačně lidské.
Autorka rozlišuje mezi přepracováním a novým promyšlením práce. Přepracování zlepšuje existující proces, zatímco nové promyšlení začíná výsledkem a připouští, že postup může být úplně jiný. Jako příklad uvádí vývoj produktu: místo toho, aby AI pouze shrnovala podněty ze zákaznické podpory, mohou agenti převádět zpětnou vazbu přímo do pracovních prototypů.
Takový zásah ale není vhodný pro každý proces současně. Khoo doporučuje vybrat malý počet činností, kde na výsledku skutečně záleží a kde dosavadní způsob práce výrazně omezuje výkon. Konkurenční výhodou pak není samotný nákup stejného nástroje jako ostatní, ale způsob, jakým firma přestaví práci, odpovědnost a rozhodování kolem něj.
KLÍČOVÉ POJMY
- Návrh pracovních procesů: Uspořádání jednotlivých kroků, odpovědností a návazností, jimiž vzniká pracovní výsledek.
- Automatizace: Převod vybraných činností na technologický systém s menší potřebou ruční práce.
- Odpovědnost: Jasné určení osoby nebo role, která nese konečnou odpovědnost za výsledek.
- Produktivita: Poměr mezi vytvořeným výsledkem a použitými zdroji, časem či prací.