Jedním z nejčastěji používaných argumentů pro využívání AI je úspora času a/nebo vyšší produktivita práce. AI prý navýší naši osobní produktivitu tím, že za nás bude psát e-maily, organizovat náš kalendář, aktualizovat náš úkolovníček, napovídat nám, co napsat do prezentace, a dělat za nás shrnutí velkých objemů dat, stejně jako zápisy z pracovních schůzek.

Jenže ten příslib úspory času je značně problematický. Ano, intenzivní využívání AI nám může zvednout produktivitu práce krátkodobě, ale s tím, jak se na ní staneme závislými a naše „mentální svaly“ začnou atrofovat, může se v dlouhodobém horizontu naše produktivita snížit (stejně jako naše šance na slušné pracovní uplatnění obecně). Ale to není to nejdůležitější. Mnohem důležitější je, že produktivita práce není ta hlavní metrika, kterou bychom se měli řídit. Mnohé negativní efekty využívání AI touto metrikou nezměříme.

Zkusím to celé vysvětlit na příkladu z praxe. Představme si středně velkou firmu (přes 2000 zaměstnanců), která realizuje interní průzkum zaměřený, mimo jiné, na spokojenost a angažovanost zaměstnanců. Průzkum má několik volno-textových otázek, jako např. „Co vás za uplynulé 3 měsíce potěšilo?“ Na každou otázku odpoví cca patnáct set lidí, což dává dohromady několik tisíc odpovědí. Některé odpovědi jsou jednoslovné, jiné mají i několik odstavců a pokrývají více aspektů (ne)spokojenosti, od skvělého šéfa až po odměny a zaměstnanecké benefity.

Není v silách jednoho člověka všechny takové odpovědi přečíst. I jejich sumarizace do stručné prezentace je úkol skoro nadlidský. Jak tedy takový průzkum zpracovat? Firma má v zásadě dvě možnosti. Buď takovým vyhodnocením pověří tým několika specialistů, dá jim několik týdnů a slušně je zaplatí (typicky se na takový úkol najímá externí agentura). Nebo použije generativní AI, která, jak se zdá, je pro takovou úlohu jako dělaná. Nahrát soubor s odpověďmi třeba do Google NotebookLM zabere pár sekund, a po chvíli chroustání máme shrnutí, jak vyšité. Stačí ho zkopírovat do prezentace. Úkol je splněn a úspora času je, bez jakýchkoliv pochyb, obrovská. Celý tým specialistů se může věnovat něčemu jinému. Není to super?

Jenže situace, ve které se firma ocitne poté, co pověřený tým několik týdnů louská detailní zaměstnanecké odpovědi, a situace, ve které se ocitne po instantním AI shrnutí, se od sebe liší jako diamant a kus uhlí.

Při čtení jednotlivých odpovědí celý tým postupně nasává hluboký kontext celé firmy, i jednotlivých oddělení. Není to úplně, jako kdyby býval se zaměstnanci osobně mluvil, ale i tak. Kromě explicitních problematických témat si tým postupně tvoří názor i na to, jestli jsou zaměstnanci lhostejní, vyhořelí, naštvaní nebo naopak nadšení a angažovaní. Vidí, kolik odpovědí je lakonických a vyhýbavých, a kolik zaměstnanců má naopak na srdci tolik věcí, že připomínají přetopený kotel. Možná zaregistruje, že pánové odpovídají jinak než dámy, a že skladové oddělení má úplně jiné problémy než zbytek firmy. Může mít nejasný pocit, že něco zaměstnanci zamlčují nebo okolo něčeho opatrně krouží; a tento pocit může být naléhavý, i když pro něj třeba nejsou jasné důkazy.

Mnohá z těchto pozorování mohou zůstat implicitní, tj. nemusí být reflektována v konečné shrnující prezentaci. Důležité ale je, že tým takovou hlubokou znalost získá. Díky ní pak může zodpovídat doplňující dotazy managementu, pokud přijdou. Ale důležitější je, že tahle implicitní znalost bude – a to i mimo vědomou rovinu – ovlivňovat další aktivity, na kterých tým bude pracovat v budoucnu. Například plán manažerského vzdělávání ve skladu.

Naopak, při využití AI nemá firma žádnou jinou znalost, než jakou AI na první dobrou vyplivne. Tato znalost není hluboká, intimní, zažitá a implicitní; je povrchní, zprostředkovaná, abstraktní a explicitní. Firma ví, co odpovědi zaměstnanců obnášejí, ale nezná je.

Vědět totiž není totéž, co znát. Když nám někdo shrne procházku po lese slovy „jo, v tom lese je asi třetina bříz a zbytek duby, dvě ohniště, a houby tam skoro nerostou“, tak o tom lese víme (z jistého úhlu pohledu) to nejpodstatnější. Jenže ho vůbec neznáme. Zatímco když tím lesem budeme procházet celé odpoledne, odneseme si moře dojmů, které nelze shrnout do pár stručných vět. Ale náš život bude bohatší, a naše znalost lesa neskonale košatější. Možná si ten les dokonce zamilujeme, možná v něm objevíme magické místo se zvláštní atmosférou, skryté běžným pohledům. A že jsme tím „zabili čas“? To nám vůbec nepřijde na mysl.

Nikdo si, věřím, nemyslí, že nám AI může shrnout procházku lesem, a tím ji plnohodnotně nahradit (i když u virtuální dovolené už se něco podobného zkouší). Ale naše práce není zase tolik odlišná. Když něco děláme důkladně, pomalu a rozvážně; když o práci přemítáme při venčení psa a bavíme se o ní s přáteli; když nespěcháme a dopřáváme si čas na to, abychom věci pochopili v kontextu a souvislostech; když nás zajímá firma jako celek, včetně věcí, které bezprostředně nemusíme znát; když se stále učíme, a to i mimo svůj obor; když se hodně ptáme a rozvíjíme vztahy s kolegy, začneme po čase svou práci skutečně znát. Začneme být schopni dávat do souvislostí věci, které jsou od sebe vzdálené, a chápat, proč děláme to, co děláme. Možná začneme vidět systémové problémy prorůstající celou firmou. Naše implicitní povědomí o tom, jak věci ve firmě (ne)fungují začne být fontánou živé vody, z níž mohou tryskat neotřelá řešení. Začneme mít pověst uznávaného odborníka a naše hodnota vzroste. Může přijít šance zapojit se do zajímavého projektu i mimo naši hlavní specializaci. Nebo se nám mohou otevřít možnosti kariérního růstu.

Naopak, když svěříme svou práci AI, získáme nějaký ten čas navíc, ale přestaneme růst. Naše pravá hemisféra, která je v kontaktu s našimi nevědomými vrstvami, která myslí v obrazech a jemných pocitových zvlněních, a která je hlavně zodpovědná za kreativitu, zakrní. Tím, že jsme si jako hlavní metriku vytyčili úsporu času a začali ji „honit“, jsme udělali první krok k tomu, abychom fungovali jako stroj. Opravdu to takto chceme? Není to náhodou pravý opak toho, co jsme si od AI slibovali, totiž, že nám díky úspoře času umožní být více člověkem?

Svah závislosti na AI je blátivý a kluzký, a není jednoduché po něm šplhat zpátky. Nejde zdaleka jen o to, že naše úzce vymezené kognitivní schopnosti – třeba schopnost dělat shrnutí nebo srozumitelně psát – začnou upadat. A že náš mozek se začne měnit. Jde i o to, že uhýbáním před psychickou námahou spojenou s tvůrčím myšlením, nejistotou, neznalostí a tápáním (a zhmotněním této námahy skrze psaní rukou, črtání na papír atd.) začneme ničit samotnou podstatu našeho lidství. A začneme se okrádat o radost, kterou přináší jen hluboká práce.

Argument, že si takto můžeme AI vypůjčit jen pro tu část práce, která nás nebaví a nejde nám – a o to více se věnovat tomu, co nás nejvíc baví a jde nám – platí jen omezeně. Protože nám jde a baví nás jen to, do čeho jsme investovali alespoň základní penzum času a námahy, nutné k tomu, abychom danou činnost opravdu poznali, rutinně ji zvládli, a mohli si ji zamilovat. Ten, kdo dělá to, co miluje, je možná chvilkově spokojený; ale jen ten, kdo miluje to, co dělá, může být dlouhodobě šťastný. Pokud bude naší hlavní motivací k využití AI nuda a znechucení z rutiny, nezískáme díky ní radosti více, ale spíše méně. Protože samotná naše schopnost užívat si to, co právě děláme – a být ve flow – začne atrofovat.  

Ale vraťme se k našem konkrétnímu příkladu, kdy bylo AI použito k sumarizaci zaměstnaneckého průzkumu. Je samozřejmě možné vylámat z AI důkladnější shrnutí pokrývající i sentiment (emoční zabarvení textu) pro každé oddělení ve firmě zvlášť; je samozřejmě možné cizelovat počáteční shrnutí množstvím doplňkových promptů, a tak získávat stále hlubší vhled do toho, co zaměstnance trápí. Jenže abychom takto dokázali AI dotazovat, potřebujeme nějaké předporozumění ohledně toho, jak zaměstnanci v průzkumu odpovídali. Což znamená, že ten průzkum musíme, alespoň částečně, přečíst sami. Tím se ale začne drolit ona slibovaná časová úspora.

Možná existuje nějaké optimum, kdy si dáme čas na přečtení podstatné části průzkumu, čas na utřídění si vlastních dojmů, stejně jako čas na rozmyšlení toho, jak AI poté inteligentně napromptovat. A AI využijeme primárně ne za účelem časové úspory, ale aby nám upřesnila a kvantifikovala naše dojmy. To je teoreticky možné, ale moje zkušenost ukazuje, že lidé si tohle optimum málokdy dají práci hledat. To je totiž také námaha, a tedy zdržení. Lákadlo vyšší produktivity práce je prostě příliš silné.

Co nám z toho plyne? Nehoňme se slepě za bludičkou vyšší produktivity práce, neřešme tolik úsporu času. V životě jde o daleko víc, než udělat všechno co nejrychleji a nejefektivněji. Cesta vedoucí přímo k cíli často není ta nejlepší. Chceme-li růst a být stále lepším lidmi, musíme kráčet Nevyšlapanou cestou.

Psali jsme:

Miliony nepotřebných lidí. I vy k tomu přispíváte. Kotrba o umělé inteligenci

Zbyněk Fiala: Masakr umělé inteligence

MPO: V programu TWIST na podporu projektů s umělou inteligencí je 700 milionů

Nadšený miliardář z USA: Každý člověk bude neustále pod dohledem. Pomocí dronů a umělé inteligence