Umělá inteligence mění trh práce: Proč je 800 000 ztrát pracovních míst jen polovinou příběhu – Kreativní obrázek k tématu s umělou inteligencí: Xpert.Digital
Vyšší produktivita, méně pracovních míst? Co znamená umělá inteligence pro zaměstnance v Německu
Umělá inteligence a německý trh práce: Začíná velký posun v oblasti pracovních míst
Proč by zejména mladí profesionálové mohli být pod tlakem
Je nepravděpodobné, že by umělá inteligence transformovala německý trh práce náhlým kolapsem zaměstnanosti, ale spíše hlubokou restrukturalizací pracovních míst, kvalifikací a kariérních příležitostí. Podle dlouhodobého scénáře by do 15 let mohlo zaniknout přibližně 800 000 pracovních míst – zatímco by vznikl zhruba stejný počet nových pozic. Tento téměř vyvážený výsledek však není důvodem k uspokojení: dotčená pracovní místa a osoby nelze jednoduše vzájemně kompenzovat. Nové pozice mohou vyžadovat různé dovednosti, vznikat na různých místech nebo se mohou uvolnit později. Ti, kteří teprve začínají svou kariéru, by mohli čelit zvláštním výzvám, protože firmy mění své procesy a automatizují standardizované úkoly. Klíčovou otázkou proto není jen to, kolik pracovních míst nakonec zůstane, ale také kdo řídí transformaci, jak se rozdělují zisky z produktivity a zda se technologický pokrok skutečně promítá do životaschopných kariérních příležitostí.
Souvisí s tím:
Bilance pracovních míst může být pozitivní – a přesto na tom statisíce lidí stále ztrácejí
Umělá inteligence pravděpodobně transformuje německý trh práce méně náhlým propadem zaměstnanosti než hlubokou restrukturalizací pracovních míst, kvalifikací a kariérních příležitostí. Přibližně 800 000 pracovních míst ztracených během 15 let by mohlo být kompenzováno podobným počtem nových. Tento do značné míry vyvážený výsledek však není důvodem k uspokojení se s klidným svědomím. Znamenalo by to pouze to, že ztráty pracovních míst a nová pracovní místa se v celkové ekonomice zhruba vzájemně vyruší, ale ne to, že by postižení jedinci byli schopni přejít na nové role bez ztráty příjmů, přemístění nebo dlouhých přechodných období.
Ekonomicky klíčovou otázkou tedy není jen to, kolik pracovních míst nakonec zůstane. Důležitější je, která pracovní místa zaniknou, kde vznikne dodatečná poptávka, jak rychle se firmy mohou reorganizovat a kdo dokáže včas získat potřebné dovednosti. Pro Německo nabízí umělá inteligence příležitost generovat větší přidanou hodnotu s stále vzácnějšími lidskými zdroji. Zároveň to vytváří riziko trhu práce, kde stávající pracovní vztahy zůstávají relativně stabilní, zatímco mladí odborníci, některá pracovní místa v sektoru služeb a méně adaptabilní firmy se dostávají pod rostoucí tlak.
Co se skrývá za těmi 800 000?
Číslo 800 000 ztrát pracovních míst by nemělo být interpretováno jako predikce odpovídajícího nárůstu nezaměstnanosti. Popisuje potenciální strukturální transformaci v dlouhodobém horizontu. V základním scénáři výpočtu bude po 15 letech ztraceno přibližně 790 000 pracovních míst v porovnání s referenční trajektorií, což bude kompenzováno zhruba stejným počtem nových pracovních míst. Po zaokrouhlení to vede k běžně používanému číslu 800 000 pracovních míst v každém případě. Dohromady by to znamenalo, že další strukturální posuny by ovlivnily přibližně 1,6 milionu pracovních míst.
Stěžejní je referenční hodnota. Referenční cesta nepopisuje zamrzlou ekonomiku bez digitalizace, ale spíše vývoj, v němž jsou již extrapolovány stávající ekonomické, technologické a demografické trendy. Scénář umělé inteligence zkoumá, jak by zvýšené využívání technologie mohlo tuto vývojovou cestu změnit. Zjištěné rozdíly by proto neměly být ztotožňovány ani se všemi budoucími ztrátami pracovních míst, ani s celkovou změnou zaměstnanosti.
To také neznamená, že každý rok mizí 800 000 pracovních míst. Rozsah se projeví v průběhu sledovaného období a odráží rozdíly mezi dvěma možnými ekonomickými strukturami. Rovnoměrné rozložení v jednotlivých letech by bylo zavádějící, protože investice, organizační úpravy a nové obchodní modely se projevují různou rychlostí. Toto číslo je užitečné jako vodítko k rozsahu transformace, nikoli jako přesný plán propouštění.
Vyrovnaný rozpočet nikoho nechrání
Existuje významný rozdíl mezi vyváženou celkovou pracovní situací a individuálními pracovními příležitostmi. Ztráta pracovního místa v oblasti standardizovaného zpracování dokumentů nemůže být automaticky nahrazena další pozicí v oblasti IT bezpečnosti nebo technické integrace systémů. To může vyžadovat jiné odborné znalosti, dodatečné profesní zkušenosti nebo jiné pracoviště. I když jsou obě pozice statisticky ekvivalentní, z pohledu dotčeného jednotlivce nejsou zaměnitelné.
Tento problém je často popisován jako nesoulad mezi nabídkou a poptávkou po pracovní síle. Lidé hledají práci, zatímco firmy si zároveň stěžují na neobsazená místa. Umělá inteligence by tuto situaci mohla zhoršit, pokud se poptávka po určitých úkolech mění rychleji, než si zaměstnanci stihnou přizpůsobit své dovednosti. Téměř nulová bilance zaměstnanosti proto může vést k delším obdobím nezaměstnanosti u určitých skupin, zvýšeným požadavkům na školení a prohlubující se nerovnosti příjmů.
Časový rozměr je také klíčový. Další pracovní místa nemusí nutně vzniknout přesně v okamžiku, kdy jsou jiná pozice zrušena. Společnost může snížit počet zaměstnanců ve své administrativě, zatímco nové služby vygenerují dostatečné příjmy až později. Dlouhodobý konečný stav proto není jediným faktorem při hodnocení hospodářské politiky. Stejně důležité jsou i přechodné náklady na tomto procesu: ušlý příjem, nevyužité dovednosti, finanční zátěž sociálního zabezpečení a riziko trvalé marginalizace lidí.
Úkoly mizí ve prospěch celých profesí
Umělá inteligence zpočátku mění úkoly, ne nutně celé profily pracovních pozic. Práce se obvykle skládá z řady různých úkolů: shromažďování informací, kontrola dat, příprava rozhodnutí, komunikace se zákazníky, převzetí odpovědnosti za výsledky a řešení neočekávaných problémů. Pokud technologie některé z těchto úkolů urychlí, neznamená to automaticky, že se celá práce stává ekonomicky zastaralou.
Analyticky orientovaná práce může například vyžadovat méně času na sestavení zprávy, zatímco kontrola neobvyklých výsledků, koordinace se specializovanými odděleními a odpovědnost za rozhodnutí zůstávají. Potenciál technické automatizace by proto neměl být ztotožňován s konkrétním rizikem ztráty pracovních míst. Mezi těmito dvěma faktory leží provozní náklady, požadavky na kvalitu, právní odpovědnost a otázka, zda lze ušetřený čas produktivně využít jinde.
Naopak by bylo příliš optimistické dojít k závěru, že tato perspektiva úkolů zaručuje jistotu zaměstnání. Pokud se eliminuje dostatek pracovních kroků a firmy reorganizují své procesy, lze stejnou pracovní zátěž zvládnout s menším počtem zaměstnanců. Přechod pak může být postupný: odcházející zaměstnanec není nahrazen, další pozice není schválena nebo dříve nezávislá funkce je sloučena s jinou. Trh práce se tak mění i bez veřejně viditelných vln propouštění.
Proč efektivita zná dva směry
Zda vyšší produktivita snižuje zaměstnanost, nebo vytváří další pracovní místa, závisí do značné míry na poptávce. Pokud je společnost schopna poskytovat stejný výkon s menším počtem zaměstnanců a objem prodeje zůstává nezměněn, potřeba pracovní síly se zpočátku snižuje. Pokud se však služby stanou levnějšími, lepšími nebo dostupnějšími pro více zákazníků, může se poptávka zvýšit a vykompenzovat část počátečních úspor.
Například poskytovatel služeb by mohl využít umělou inteligenci k ekonomičtější podpoře malých podniků, protože by se snížily náklady na jednoduché analýzy. To by mohlo vést k navázání dalších vztahů se zákazníky a novým konzultačním službám. Na trhu s převážně nasycenou poptávkou by však stejný technologický pokrok mohl primárně vyvolat cenový tlak a snižování počtu zaměstnanců. Technologie sama o sobě neurčuje, který vývoj převáží.
Svou roli hraje i využití zisku. Vyšší zisky mohou financovat investice, vyšší mzdy mohou podpořit spotřebu a nižší ceny mohou zlepšit kupní sílu. Pokud jsou však úspory z velké části absorbovány, aniž by se vytvořila dodatečná domácí poptávka nebo investice, bude efekt tvorby pracovních míst slabší. Důkladná ekonomická analýza proto musí jít nad rámec jednotlivých automatizovaných procesů a zohlednit dopady na trhy, příjmy a obchodní rozhodnutí.
První tlak zasáhl služby
Zvláštní pozornost je věnována službám souvisejícím s podnikáním, protože mnoho z nich zahrnuje zpracování digitálně dostupných informací. Patří sem standardizované analýzy, předběžný výzkum, dokumentace a určité administrativní úkoly. Generativní umělá inteligence může tyto procesy podpořit nebo částečně automatizovat. To nejen mění požadavky na personální obsazení, ale také ekonomický základ stávající nabídky služeb.
V dlouhodobém scénáři s umělou inteligencí se předpokládá, že zaměstnanost v oblasti poskytovatelů podnikových služeb bude po 15 letech přibližně o 120 000 lidí pod referenční trajektorií. Naproti tomu se u poskytovatelů IT a informačních služeb předpokládá vznik přibližně 110 000 dalších pracovních míst. Tyto rozdíly ukazují, že digitalizace odvětví se automaticky nepromítá do růstu nebo poklesu zaměstnanosti. Klíčovým faktorem je, které služby budou nahrazeny, podporovány nebo po nich bude dodatečně poptáváno.
To představuje zásadní výzvu pro poskytovatele konzultačních a znalostních služeb. Pokud se pouhé vytvoření standardní zprávy zlevní, ztrácí svou hodnotu jako samostatný rozlišovací prvek. Výběr relevantních otázek, robustní znalosti odvětví, validace předpokladů a implementace konkrétních změn se stávají důležitějšími. Potenciální strukturální posun tak vede od pouhého prodeje zpracování informací k prokazatelnému zlepšování rozhodnutí a obchodních výsledků. Různé skupiny podnikových služeb však nejsou synonyma: specifickou metriku odvětví nelze bez úpravy aplikovat na všechny konzultační nebo znalostní profese.
Banky potřebují víc než jen analýzy
Analytické činnosti v bankách a pojišťovnách jsou obzvláště zranitelné, protože se často spoléhají na strukturovaná data, rozsáhlou dokumentaci a opakující se kroky hodnocení. Potenciální aplikace sahají od shrnutí předložených dokumentů až po přípravu standardizovaných posouzení rizik. Technická podpora sice může zkrátit dobu zpracování, ale automaticky neodstraňuje potřebu odborného dohledu.
Zejména ve finančních službách mohou být chybné výsledky nákladné. Přesvědčivě formulované hodnocení nemusí být nutně přesné. Pokud jsou vstupní data neúplná, neobvyklé okolnosti jsou chybně klasifikovány nebo model obsahuje systematické zkreslení, může zdánlivé zvýšení efektivity vytvořit další rizika. Automatizace je proto ekonomicky životaschopná pouze tehdy, pokud se vezmou v úvahu náklady na monitorování a potenciální chyby v úsudku.
Potřeby v oblasti personálního obsazení se proto pravděpodobně více diferencují. Standardizovaná přípravná práce se může stát méně důležitou, zatímco náročné audity, řešení výjimek a monitorování nasazených systémů by se mohly stát důležitějšími. Zda to povede ke vzniku nových pozic stejného rozsahu, se teprve uvidí. Ne každý další kontrolní úkol vyžaduje novou pozici na plný úvazek a ne každý stávající specialista může snadno přejít na specializovanou kontrolní funkci.
Politiky nenabízejí úplnou ochranu
Spojovat vysokoškolské vzdělání s nižší automatizací je v oblasti generativní umělé inteligence příliš zjednodušující. Tato technologie se nyní dostává k úkolům, které byly dlouho považovány za typickou znalostní práci: formulování textů, sestavování informací, tvorba programového kódu nebo předběžné strukturování složitých problémů. Vysokoškolský titul proto nechrání všechny aspekty práce před technologickou podporou nebo nahrazením.
To však neznamená, že akademické vzdělání ztrácí svou ekonomickou hodnotu. Specializované znalosti pomáhají identifikovat chyby, klást správné otázky a zasazovat výsledky do širšího kontextu. Problematická by byla kvalifikace, jejíž praktický přínos spočívá téměř výhradně ve spolehlivém provádění standardizovaných pracovních kroků. Existuje tedy důležitá dělicí čára mezi reprodukovatelným zpracováním a nezávislým a zodpovědným řešením problémů.
Ani zaměstnanci bez vysokoškolského vzdělání nejsou v žádném případě automaticky chráněni. Zatímco dlouhodobé analýzy scénářů ukazují na výraznější změny ve vysoce kvalifikovaných povoláních, současné analýzy zároveň odhalují potenciální negativní korelace mezi vystavením umělé inteligenci a zaměstnáváním mladých lidí v neakademických profesích. Tato dvě zjištění mohou existovat vedle sebe, protože se týkají různých časových období, struktur pracovních míst a výzkumných přístupů. Proto se řádné posouzení vyhýbá zobecňování o vítězích a poražených pouze na základě dosaženého vzdělání.
Řemeslné zpracování zůstává robustní, nikoli nedotčené
Povolání s vysokým podílem praktických a manuálních úkolů jsou považována za relativně odolná vůči současným generativním aplikacím umělé inteligence. Opravy na místě, úpravy obrobků nebo práci v měnícím se prostorovém prostředí nelze provádět pouze prostřednictvím jazykového modelu. Fyzické provedení, situační úsudek a bezprostřední odpovědnost v těchto případech omezují přímou nahraditelnost.
Tato relativní robustnost však neznamená, že tradiční řemeslné zpracování zůstane umělou inteligencí ovlivněno. Nabídky by se daly připravovat rychleji, technické dokumenty snadněji vyhodnocovat nebo schůzky se zákazníky plánovat efektivněji. Potenciální zvýšení produktivity pak spočívá především v podpůrných procesech. Podnik by mohl zpracovat více objednávek, aniž by zásadně změnil základní řemeslné zpracování svých služeb.
Je také důležité odlišit toto od robotiky a jiných forem automatizace. Nízká expozice generativní umělé inteligenci není obecnou zárukou technologické nenahraditelnosti. Ani to nic neříká o cyklické povaze profese. Prakticky orientované zaměstnání může být odolné vůči jazykovým modelům a přesto zranitelné vůči klesající poptávce, slabým investicím nebo jiným technologickým změnám. Pro ekonomické hodnocení je třeba tato rizika posuzovat samostatně.
Vstup na trh práce se stává úzkým hrdlem
Rozvoj mladých zaměstnanců vyžaduje obzvláště pečlivé sledování. Mnoho úkolů na vstupní úrovni se skládá z přípravných prací, které jsou technicky nezbytné, ale stále relativně standardizované. To může zahrnovat počáteční výzkum, jednoduché analýzy, dokumentaci a přípravu dokumentů. Takové úkoly jsou obzvláště vhodné pro podporu umělé inteligence. Společnosti by proto mohly zvážit najímání menšího počtu juniorních zaměstnanců a místo toho vybavit zkušené zaměstnance výkonnějšími nástroji.
První ukazatel pro Německo ukazuje, že počet zaměstnanců na plný úvazek mezi 20 až 24letými v povoláních nejvíce vystavených umělé inteligenci se od roku 2022 snížil z přibližně 279 000 na 239 000. To odpovídá poklesu přibližně o 14 procent. Napříč všemi věkovými skupinami se však zaměstnanost v těchto obzvláště exponovaných povoláních vyvíjela mnohem příznivěji. Tento rozdíl činí ze vstupu na trh práce důležitý bod pro pozorování, ale zatím nedokazuje, že za celý pokles je zodpovědná umělá inteligence.
Tato věková skupina navíc není totožná se všemi nově vstupujícími na trh práce. Někteří lidé začínají svou kariéru dříve, jiní až po delším období studia. Nicméně se objevuje pravděpodobné riziko: Trh práce se může pro již zavedené zaměstnance jevit relativně stabilní, ale zároveň zužuje jeho přístup. Absence pozice na základní úrovni je pro veřejnost často méně viditelná než propuštění, ale může mít významné důsledky pro dlouhodobý kariérní rozvoj.
Méně mladých talentů nás později bude stát více odborných znalostí
Když firmy automatizují jednoduché úkoly na základní úrovni, musí přehodnotit, jak by měli budoucí profesionálové získávat zkušenosti. Profesionální úsudek se nerozvíjí pouze prostřednictvím teoretických znalostí. Vyvíjí se také opakovanou prací s reálnými případy, přijímáním zpětné vazby a reflexí chyb. Pokud se tato fáze učení zkrátí nebo zcela eliminuje, může později vzniknout mezera mezi formální kvalifikací a praktickými kompetencemi.
Z pohledu jednotlivé společnosti může být v krátkodobém horizontu atraktivní zaměstnávat primárně zkušené odborníky a snižovat počet juniorních pozic. Pokud však mnoho společností bude jednat podobně, mohl by být oslaben kolektivní základ pro budoucí kvalifikovanou pracovní sílu. Nábor již zkušených zaměstnanců tento makroekonomický problém neřeší, ale pouze přerozděluje omezenou skupinu talentů.
Rozumnou obchodní reakcí by proto nebylo umělé udržování každého existujícího rutinního úkolu. Místo toho by bylo nutné vědomě přepracovat vzdělávací cesty. Stážisté by si mohli prohlédnout výsledky umělé inteligence, porovnat různá řešení a postupně převzít odpovědnost za reálná rozhodnutí. To by přesunulo zaměření vzdělávání více směrem k porozumění a kritickému myšlení. Ušetřený čas by pak byl nejen nástrojem ke snížení nákladů na zaměstnance, ale mohl by být také využit konkrétně k rychlejšímu a důkladnějšímu rozvoji dovedností.
Produktivita může být i pro začátečníky výhodou
Dopad umělé inteligence na nové profesionály není zcela negativní. Vhodný asistent může zpřístupnit znalosti, poskytnout rady s formulací a podpořit řešení méně známých problémů. To umožňuje nezkušeným zaměstnancům rychleji se stát produktivními. Zda firmy tuto situaci využijí jako příležitost k dalšímu náboru nebo ke snížení potřeb personálu, je věc samostatného obchodního rozhodnutí.
Komplexní studie zákaznických služeb, které se zúčastnilo 5 172 zaměstnanců, odhalila, že podpora umělé inteligence vedla k průměrně o 15 procent vyššímu počtu úspěšně vyřešených požadavků na pracovní hodinu. Obzvláště významný prospěch z toho měli méně zkušení a dříve méně výkonní zaměstnanci. Toto zjištění ukazuje, že umělá inteligence může snížit stávající výkonnostní rozdíly v rámci dané práce. Neumožňuje však vyvodit obecné závěry o tom, jak se zaměstnanost nebo mzdy změní v celé ekonomice.
Toto rozlišení je klíčové. Nástroj může zvýšit produktivitu mladého zaměstnance a zároveň snížit celkovou potřebu mladých zaměstnanců ve společnosti. Podobně zvýšený přínos dalšího zaměstnance může nové zaměstnance učinit ekonomicky životaschopnými. Zda převáží podpůrný nebo vytlačovací efekt, závisí na poptávce, organizaci a firemní strategii. Technologické možnosti neurčují výsledek zcela.
Naše odborné znalosti v oblasti rozvoje podnikání, prodeje a marketingu v rámci EU a Německa
Naše odborné znalosti v oblasti rozvoje podnikání, prodeje a marketingu v EU a Německu - Obrázek: Xpert.Digital
Oblasti zájmu v průmyslu: B2B, digitalizace (od AI po XR), strojírenství, logistika, obnovitelné zdroje energie a průmysl
Více informací zde:
Tematické centrum nabízející poznatky a odborné znalosti:
- Znalostní platforma zahrnující globální a regionální ekonomiky, inovace a trendy specifické pro dané odvětví
- Soubor analýz, poznatků a podkladových informací z našich klíčových oblastí zaměření
- Místo pro odborné znalosti a informace o aktuálním vývoji v oblasti podnikání a technologií
- Centrum pro firmy hledající informace o trzích, digitalizaci a inovacích v oboru
Zahájení kariéry pod tlakem: Výzva pro mladé lidi
Údaje o zaměstnanosti vyžadují střízlivou interpretaci
V Německu zatím není patrný žádný rozsáhlý pokles zaměstnanosti v povoláních obzvláště vystavených umělé inteligenci. Na začátku roku 2026 byla zaměstnanost na plný úvazek v nejvíce vystavených povoláních o 1,8 procenta vyšší než v roce 2022. Naproti tomu v nejméně vystavených povoláních byla o 6,4 procenta nižší. Tato čísla jsou v rozporu se zjednodušenou představou, že vysoká úroveň technického dopadu umělé inteligence musí nutně vést k obecnému snížení počtu pracovních míst.
Nicméně také nedokazují, že umělá inteligence již v tomto rozsahu zvýšila zaměstnanost. Vývoj studovaných profesních skupin se v některých případech lišil ještě před širokým rozšířením generativní umělé inteligence. Výsledky mohou ovlivnit digitalizace, změny v odvětví a další strukturální faktory. Každý, kdo interpretuje celý rozdíl jako efekt umělé inteligence, si plete pozorovanou korelaci s prokázanou příčinou.
Další omezení vyplývá z uvažovaného segmentu zaměstnanosti. Zaměstnání na plný úvazek nepředstavuje veškerou zaměstnanost ani automaticky celkový objem práce. Změny v práci na částečný úvazek, samostatné výdělečné činnosti nebo pracovní době mohou poskytnout další informace. Pro spolehlivou diagnózu by proto měly být úrovně zaměstnanosti, nově přijatí, pracovní doba a příjem posuzovány společně. Jeden ukazatel může spustit varovný signál, ale nemůže poskytnout úplný obraz ekonomické transformace.
Ekonomické trendy a umělá inteligence se překrývají
Současný hospodářský pokles ztěžuje připisování pozorovaných změn konkrétním faktorům. Společnosti často váhají s náborem, pokud jsou prodejní vyhlídky nejisté. To může postihnout zejména mladé profesionály, protože ještě nemají stávající zaměstnání a jejich schopnosti je pro potenciální zaměstnavatele hůře posouditelné. Obtížnější vstup na trh práce proto není automaticky důkazem technologického vytěsnění.
Další analýza Německa se zaměřuje na osoby ve věku 20 až 29 let, což je širší věková skupina. V této skupině klesla zaměstnanost na plný úvazek mezi lety 2022 a 2025 o 3,8 procenta v povoláních s větší expozicí vůči umělé inteligenci a o 2,6 procenta v méně exponovaných povoláních. Po dodatečném zohlednění ekonomické zranitelnosti a vhodnosti pro práci z domova zůstala negativní korelace s expozicí umělé inteligenci u této věkové skupiny statisticky neprůkazná. Korelace s ekonomickou slabostí byla výrazně silnější.
Tyto výsledky nemusí nutně odporovat výraznějšímu poklesu mezi 20 až 24letými. Definice věku, časové období a klasifikace povolání se liší. Celkově vzato si zjištění vyžadují opatrnou interpretaci: existují závažné náznaky měnících se příležitostí k vstupu do zaměstnání, ale neexistuje dostatečný důvod k tomu, aby se všechny problémy, kterým čelí mladí pracovníci, připisovaly umělé inteligenci. Hospodářská politika se proto musí současně zabývat technologickou adaptací a obecnou slabostí investic a poptávky.
Distribuce ještě není transformace
Generativní umělá inteligence se v německých firmách rychle rozšířila. Její míra využití vzrostla z přibližně 5 procent v roce 2023 na téměř 25 procent v roce 2025. V těchto uživatelských firmách pracovalo přibližně 40 procent všech zaměstnanců, kteří podléhali odvodům na sociální zabezpečení. To však neznamená, že všichni tito lidé sami s umělou inteligencí pracovali. Technologie může zůstat omezena na konkrétní oddělení nebo úkoly v rámci firmy.
Významné rozdíly existovaly také mezi velikostmi společností. V roce 2025 používalo generativní umělou inteligenci přibližně 48 procent společností s alespoň 200 zaměstnanci. U společností s do devíti zaměstnanci to bylo přibližně 21 procent. Technologie byla obzvláště rozšířená v informačních a komunikačních technologiích (59 procent), financích a pojišťovnictví (50 procent) a službách souvisejících s podnikáním (37 procent).
Ekonomický význam těchto čísel nespočívá jen v rychlosti jejich přijetí. Občasné textové shrnutí mění podnikání jinak než integrace umělé inteligence do nepřetržitých pracovních postupů. Přibližně 90 procent uživatelských společností se spoléhalo na veřejně dostupná řešení; pouze menší část používala přizpůsobenější nebo interně vyvinuté modely. Vysoká míra přijetí se proto může shodovat s omezeným pronikáním do organizací. Pro produktivitu a zaměstnanost je nejdůležitější, jak intenzivně a k jakému účelu se technologie používá.
Výhoda se určuje během provozu
Investice do umělé inteligence mají ekonomický smysl, pokud přidané výhody převažují nad celkovými náklady. Tyto náklady zahrnují nejen licenční poplatky, ale také zdroje na přípravu dat, technická rozhraní, školení, bezpečnostní opatření a monitorování výsledků. Levný nástroj se může ukázat jako drahý, pokud jeho výsledky vyžadují časté a nákladné opravy.
Ústřední obchodní otázkou tedy není, zda se jednotlivý úkol dokončí rychleji. Klíčovou otázkou je, zda se celý proces stane ekonomičtějším a zároveň se zachová nebo zlepší kvalita. Pokud počáteční vyhodnocení ušetří čas, ale následná koordinace a kontroly jsou nutné, skutečný zisk může zůstat malý. Naopak zdánlivě malé zlepšení může mít významný dopad, pokud odstraní úzké hrdlo v často se opakujícím procesu.
Realistické zavedení proto vyžaduje ověřitelná kritéria. Patří mezi ně doba zpracování do dosažení použitelného výsledku, míra chyb a přepracování a skutečně uvolněná kapacita. Počet vytvořených textů, prezentací nebo návrhů programů sám o sobě není měřítkem produktivity. K ekonomickému pokroku dochází pouze tehdy, když se výsledky stanou použitelnějšími, zákazníci získají přidanou hodnotu nebo když se vzácné zdroje využívají efektivněji. Umělá inteligence jako symbol modernizace k dosažení tohoto cíle nestačí.
Proč jsou velká čísla růstu podmíněně platná
Dlouhodobý scénář umělé inteligence spojuje strukturální transformaci s významnými makroekonomickými příležitostmi. Za daných předpokladů by roční hospodářský růst za 15 let mohl být v průměru o 0,8 procentního bodu vyšší než v referenčním vývoji. Během celého období by to vedlo ke kumulativní tvorbě dodatečné hodnoty přibližně 4,5 bilionu eur. Toto číslo představuje potenciální, nikoli zaručený výnos.
Je třeba se vyvarovat dvou běžných mylných představ. Zvýšení ročního růstu o 0,8 procentního bodu není totéž co jednorázové zvýšení ekonomického výkonu o 0,8 procenta. Podobně 4,5 bilionu eur v dodatečné přidané hodnotě za 15 let není ani dodatečným vládním rozpočtem, ani jednorázovou roční částkou peněz. Myslí se tím kumulativní rozdíl v ekonomickém výkonu mezi dvěma vývojovými cestami za toto období.
Základní mechanismus je pochopitelný: vyšší produktivita práce, snížené materiálové vstupy a nové prodejní příležitosti. Skutečný rozsah těchto účinků však závisí na implementaci. Výsledky obzvláště úspěšných jednotlivých aplikací nelze přímo extrapolovat na celou ekonomiku. Kromě toho vznikají nejistoty ohledně nových obchodních modelů, mezinárodních konkurenčních reakcí a rychlosti šíření. Vysoké potenciální čísla by proto měla být chápána jako ospravedlnění pro zlepšení rámcových podmínek, nikoli jako náhrada za ověřitelnou investiční strategii.
Nové pracovní pozice nevznikají automaticky
Dlouhodobá, téměř vyrovnaná bilance zaměstnanosti vyžaduje, aby se kromě zvýšení efektivity objevila i další ekonomická aktivita. To zahrnuje rozvoj a provoz technické infrastruktury, nové IT služby a obchodní modely, které dříve nebyly ekonomicky životaschopné. Tato zaměstnanost není automatickým vedlejším efektem každé ušetřené hodiny. Vyžaduje investující společnosti, zákazníky ochotné platit a potřebné dovednosti.
Vývoj v čase také není lineární. Zpočátku může být potřeba dodatečný personál pro sběr dat, technickou implementaci a infrastrukturu. Později může nárůst produktivity snížit poptávku po pracovní síle. Nové obchodní oblasti by mohly tento efekt v dlouhodobém horizontu vyvážit. Pokud jejich rozvoj nenaplní očekávání, změní se i bilance zaměstnanosti. Analýza scénářů může tento vztah ilustrovat, ale nemůže zaručit, že budou splněny všechny nezbytné podmínky.
Navíc se dodatečná práce nemusí nutně projevit pouze v nových pracovních pozicích. Stávající poskytovatel technických služeb by mohl rozšířit svou nabídku, průmyslová společnost by mohla vyvinout další digitální služby údržby nebo by se poradenská firma mohla ujmout nových implementačních úkolů. Důležitá je dodatečná ekonomická poptávka, nikoli počet nově vytvořených pracovních pozic. Pro politiku zaměstnanosti to znamená, že inovace a zakládání podniků jsou stejně důležité jako další vzdělávání stávajících zaměstnanců.
Demografické údaje dělají efektivitu obzvláště cennou
Ve stárnoucí společnosti je produktivita práce obzvláště důležitá. Pokud je pro určité pozice obtížnější najít personál, může automatizace administrativních úkolů pomoci efektivněji využít stávající kvalifikované pracovníky. Nižší poptávka po pracovní síle v jednom odvětví proto nemusí nutně znamenat zhoršení celkové situace na trhu práce. Může také pomoci zmírnit nedostatek pracovních sil.
Toto propojení by však nemělo být přehnané. Administrativní pracovník, kterého umělá inteligence zbavila administrativních úkolů, se automaticky nestane vyhledávaným ošetřovatelským profesionálem a dodatečné technické schopnosti nenahrazují veškerou praktickou práci. Mezi těmito oblastmi se nacházejí kvalifikační požadavky, osobní preference a organizační omezení. Proto může docházet současně k demograficky podmíněnému nedostatku personálu a technologickému vytěsnění.
Ekonomicky atraktivní perspektiva spočívá v přesunu omezené pracovní doby ze standardizovaných úkolů na ty s větším přínosem pro člověka. To by mohlo zahrnovat zlepšení zákaznických služeb, rychlejší řešení problémů nebo lepší technickou přípravu. Zda se to podaří, závisí na organizaci práce. Pokud se sníží pouze personální náklady bez dobrého využití zbývající kapacity, část potenciálu zůstane nevyužita. Umělá inteligence je proto možnou součástí řešení demografických výzev, ale ne úplnou náhradou za vzdělávání, účast na trhu práce a odpovídající imigraci.
Další vzdělávání vyžaduje konkrétní kariérní cíle
Poptávka po dalším vzdělávání zůstává neefektivní, pokud není jasné, které dovednosti budou následně ekonomicky potřebné. Obecný úvodní kurz o používání chatbota může být užitečný, ale nenahrazuje adaptaci profesních dovedností. Zaměstnanci musí být schopni rozpoznat, které z jejich úkolů se změní a jaké další odpovědnosti se od nich v budoucnu očekávají.
Provozní situace odhaluje značné mezery v implementaci. V roce 2025 přibližně 27 procent společností využívajících generativní umělou inteligenci nabízelo relevantní školení. Dalších 21 procent plánovalo nabízet takové kurzy. Již zavedená opatření a pouhé plány by neměly být ztotožňovány. Implementace interních předpisů byla také neúplná: přibližně 21 procent uživatelských společností mělo odpovídající pokyny a dalších 22 procent je plánovalo implementovat.
Smysluplný profesní rozvoj proto kombinuje odborné znalosti, praktické dovednosti a hodnocení výsledků. Zaměstnanci by se měli naučit nejen formulovat pokyny, ale také rozpoznávat nejistotu, vhodně interpretovat data a posuzovat omezení modelu. Pro firmy je klíčové skutečně alokovat čas na učení v rámci každodenní pracovní rutiny. Přesunutí odpovědnosti výhradně na ochotu jednotlivých zaměstnanců dále se vzdělávat soukromě by znevýhodnilo ty, kteří mají méně času, finančních zdrojů nebo vhodných vzdělávacích příležitostí.
Střední třída mezi přístupem a závislostí
Pro menší firmy snadno dostupné služby umělé inteligence zpočátku snižují vstupní bariéry. I bez vlastního vývojového oddělení mohou získat podporu s komunikací, výzkumem nebo analýzou. To vytváří příležitosti k částečné kompenzaci organizačních nevýhod oproti větší konkurenci. Další integrace do procesů specifických pro danou společnost však zůstává náročnější než použití jediného nástroje.
Velké společnosti mohou rozložit fixní implementační náklady na více případů užití a zaměstnávat specializovanější týmy. Menší podniky se naopak často musí s omezenými personálními zdroji rozhodovat, které aplikace dávají smysl a jak zapadají do stávajících systémů. V tomto případě by mohla pomoci standardizovaná průmyslová řešení nebo externí podpora. Ekonomicky to však dává smysl pouze tehdy, pokud výhody, přístup k datům, průběžné náklady a možnosti přechodu zůstanou dostatečně transparentní.
Dalším rizikem je závislost na jednotlivých poskytovatelích. Pokud jsou klíčové pracovní postupy úzce svázány s jediným systémem, následné změny cen, technická omezení nebo potíže se změnou poskytovatele mohou snížit počáteční přínosy. Pro strategii umělé inteligence zaměřenou na středně velké podniky proto nejsou relevantní pouze cenově dostupné licence základní úrovně. Stejně důležité jsou přenositelná data, transparentní rozhraní a organizační struktura, která zcela neoutsourcuje klíčové odborné znalosti.
Kdo získává zvýšenou produktivitu
Zvýšený ekonomický výkon automaticky neodpovídá na otázku distribuce. Výhody spojené s umělou inteligencí mohou plynout zaměstnancům, zákazníkům, uživatelským společnostem nebo poskytovatelům technologií. Rozsah, v jakém každá skupina z toho má prospěch, závisí mimo jiné na konkurenci, vyjednávací síle a nedostatku určitých dovedností. Pozitivní celkový ekonomický vývoj proto může být doprovázen značnými rozdíly v příjmech a jistotě zaměstnání.
Standardizované služby by se mohly dostat pod cenový tlak, zatímco robustní odborné znalosti, přístup k zákazníkům nebo schopnost implementovat řešení v praxi by se staly cennějšími. Zároveň může umělá inteligence umožnit jednotlivým zaměstnancům převzít náročnější úkoly. Takové změny nemusí nutně vést k větší nerovnosti. Mohou snížit rozdíly ve výkonu v rámci jednoho pracovního místa a zároveň vytvořit nové rozdíly v příjmech mezi různými pracovními místy.
Pro sociální zabezpečení je také důležité, zda se vyšší produktivita promítá do rostoucích mezd, dodatečné zaměstnanosti nebo převážně do jiných forem příjmů. Stabilní pracovní síla sama o sobě nezaručuje odpovídající růst základny příspěvků. Naopak produktivnější ekonomika se širokou účastí by mohla usnadnit financování sociálních povinností. Distribuční otázky by proto neměly být považovány ani za druhořadou záležitost, ani za již vyřešené. Jsou ústřední součástí formování ekonomických aspektů technologických změn.
Infrastruktura omezuje digitální přísliby
Umělá inteligence vyžaduje fyzický a organizační základ. Výpočetní kapacita, napájení, síťová konektivita, správa dat a IT bezpečnost jsou nezbytnými předpoklady pro produktivní využití. Předpoklad, že tyto základy budou včas k dispozici, je podmínkou pro příznivé scénáře růstu. Pokud tyto podmínky nebudou splněny, investice se mohou prodražit nebo mít opožděný dopad.
Výstavba datových center může zpočátku vyvolat dodatečnou ekonomickou aktivitu a zaměstnanost. To však nezaručuje neomezený a trvalý efekt tvorby pracovních míst. Stavební a technický provoz mají odlišnou personální strukturu a nejširší ekonomický dopad vyplývá pouze z produktivních aplikací v jiných společnostech. Datové centrum je proto nezbytnou infrastrukturou pro určité aplikace, ale ještě ne důkazem úspěšně realizovaného zvýšení produktivity.
Pro průmysl a logistiku spočívá výzva zejména v integraci digitálních nástrojů s reálnými procesy. To by mohlo zahrnovat vylepšenou technickou dokumentaci, podporu pro rozhodování o údržbě nebo rychlejší řešení provozních odchylek. Takové aplikace musí být kompatibilní s kvalitou dat, bezpečnostními požadavky a stávajícími systémy. Úspěšná demonstrace proto není synonymem pro ekonomicky životaschopnou implementaci v probíhajících operacích. Rozhodujícím faktorem je v konečném důsledku to, zda technologie spolehlivě funguje v reálných podmínkách a zlepšuje celkový výkon procesů.
Politika trhu práce musí financovat přechody
Zdravý přístup k hospodářské politice by neměl zásadně bránit produktivní automatizaci. Snaha o zachování všech stávajících struktur pracovních míst by mohla bránit nezbytnému zvýšení efektivity a novým obchodním modelům. Stejně tak by však bylo neadekvátní očekávat, že trh vyřeší všechny problémy transformace bez podpory. Informační mezery, finanční rizika a nedostatek příležitostí k učení mohou smysluplné změny ztížit.
Politika trhu práce by proto měla začít včas. Pokud se úkoly ve společnosti změní, včasné školení může potenciálně zabránit budoucí ztrátě zaměstnání. Pokud je změna nezbytná, další školení a poradenství by měly být zaměřeny na konkrétní pracovní příležitosti. Samotná účast v programu není důkazem úspěchu; klíčové jsou pak životaschopné pracovní vyhlídky, vhodná pracovní místa a minimální dlouhodobé ztráty příjmů.
Zvláštní pozornost si zaslouží přístup na trh práce. Učňovská příprava, podporované pozice na vstupní úrovni a spolehlivé vzdělávací cesty plní funkci, která přesahuje krátkodobý prospěch jednotlivých společností. Strategie politiky zaměstnanosti by proto neměla řešit pouze stávající nezaměstnanost. Musí také pomoci zabránit tomu, aby společnosti v krátkodobém horizontu šetřily na nákladech na nábor, a tím dlouhodobě oslabovaly vlastní kvalifikovanou pracovní sílu v ekonomice. Udržování vzdělávacích příležitostí je něco jiného než umělé udržování zastaralé rutinní práce.
Jak lze měřit renovaci
Pro nadcházející roky nebudou velkolepá oznámení o propouštění jedinými ukazateli, které toho hodně vypovídají. Obzvláště důležité budou noví zaměstnanci na základě věku a profese, počet volných pozic na základní úrovni, interní převody a přechod z praxe do běžného zaměstnání. Je třeba zohlednit také pracovní dobu a příjem, aby stabilní pracovní síla nezakrývala změnu v kvalitě nebo rozsahu práce.
Na úrovni společnosti jsou k prokázání skutečného zlepšení výkonnosti zapotřebí spolehlivé klíčové ukazatele výkonnosti (KPI). Produktivní využívání umělé inteligence by se mělo projevit v použitelných výsledcích, snížení počtu oprav, zlepšení kvality nebo přidané hodnotě pro zákazníka. Pro vědecky podložené hodnocení by data o skutečné implementaci ve společnostech měla být ideálně propojena s údaji o zaměstnanosti. Teprve potom lze lépe rozlišit, zda pozorované změny souvisejí s umělou inteligencí, nebo zda mají primárně jiné ekonomické příčiny.
Perspektiva hospodářské politiky by měla zůstat jasná: ne každý mizející rutinní úkol je společenskou ztrátou a ne každé nově vytvořené pracovní místo je důkazem úspěšné transformace. Měřítkem je, zda se vyšší produktivita promítá do tvorby dodatečné hodnoty, dosažitelných kariérních příležitostí a udržitelných příjmů. Klíčovou konstrukční výzvou je propojení technologického pokroku a lidského rozvoje takovým způsobem, aby vyvážený trh práce vedl k ekonomicky bezpečné budoucnosti pro co nejvíce lidí.
🎯🎯🎯 Datově řízené centrum pro B2B průmysl jako kvazi-interní řešení
Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business - Obrázek: Xpert.Digital
Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.
Více informací zde:
Váš globální partner pro marketing a rozvoj obchodu
☑️ Naším obchodním jazykem je angličtina nebo němčina
☑️ NOVINKA: Korespondence ve vašem rodném jazyce!
Konrad Wolfenstein
Já a můj tým jsme rádi, že vám můžeme být k dispozici jako váš osobní poradce.
Můžete mě kontaktovat vyplněním kontaktního formuláře zde wolfenstein@xpert.digital:nebo mi jednoduše zavolat na číslo +49 7348 4088 965. Moje e-mailová adresa je
Těším se na náš společný projekt.
