Zapojovat. U agend, které stojí na důvěře, výkladu pravidel a péči o člověka na druhé straně, se ubírání lidí nevyplácí — a měřená data z roku 2025 to potvrzují: plná automatizace přesouvá práci do kontroly výstupů a tým zpomalí. Digitálního zaměstnance proto stavím jako posilu na úkony, které nikoho nebaví, ne jako záminku ke škrtání míst.
Co si z toho odnáším
Debata „automatizovat, nebo neautomatizovat“ je pro reálné zadání zbytečně hrubá. Tým ze Stanfordu proto zavedl škálu lidského podílu H1–H5, kde H1 znamená nulové zapojení člověka a H5 zapojení nepostradatelné; škála má slouožit jako společný jazyk pro poměr mezi automatizací a posílením člověka, přičemž vyšší úroveň sama o sobě není lepší — každá se hodí na jinou roli AI. Databáze WORKBank, na které to postavili, sbírá preference 1 500 pracujících a posudky expertů k více než 844 úkolům ve 104 profesích, s oporou v americké databázi O*NET; sběr běžel od ledna do května 2025. Praktický překlad pro váš úřad nebo svaz: vypište dvacet nejčastějších úkonů jednoho místa, ke každému přiřaďte H1 až H5 rukou toho, kdo je dělá, a stroji dejte nejdřív jen H1 a H2. Zbytek je téma na posílení, ne na náhradu.
Když říkáte klientovi „člověk zůstává u kormidla“, musí to být vidět v technickém návrhu. MCP, který Anthropic uvolnil jako otevřený standard, rozlišuje čtení dat a nástroje, které mění stav světa — a u nástrojů s reálným dopadem se schválení člověkem doporučuje právě proto, že akce mají následky. Prakticky: u digitálního zaměstnance na sekretariát vznikne krátký, veřejný seznam úkonů, které stroj nikdy neprovede sám — odeslání dopisu jménem organizace, zápis do registru, jakákoli komunikace se stranou sporu. Zbytek si připraví do konceptu a čeká. Kurz od Anthropicu vás provede stavbou serverů a klientů MCP a třemi základními stavebními prvky — nástroje, zdroje, promptové šablony, takže argument „u nás schvaluje člověk“ přestane být marketingem a stane se konfigurací, kterou lze ukázat auditorovi.
„Kolika lidmi se to dá ještě utáhnout?“ je podle Godina otázka, nad kterou mnoho šéfů tvrdě přemýšlí: automatizovat, zjednodušit, vyndat člověka z co největšího počtu úkolů. Přiznává jí, co jí patří — je to osvědčená cesta k zisku a k určitému druhu spolehlivosti. Jako nástroj, který si firmy kupují právě z tohoto důvodu, jmenuje Claude Code. Proti tomu staví otázku druhou: jak do procesu zapojit více lidí — méně populární, ale často platnější způsob tvorby hodnoty, protože v organizaci, jejíž náplní je vnášet do problémů vhled, lidskost a péči, vede větší zapojení lidí k lepšímu výsledku. Text má tři odstavce a končí otázkou, ve které z těch dvou organizací byste chtěli pracovat. Za mě je to nejužitečnější rámec, jaký jsem letos na prodejní schůzce použila. Nerozhoduje se totiž o technologii. Rozhoduje se o tom, jakou otázku si zadavatel položí dřív, než mě zavolá.
Godinovo tvrzení není jen postoj, dá se změřit. Preprint z října 2025 (Wang a kol., Carnegie Mellon a Stanford, arXiv:2510.22780) porovnal 48 lidských profesionálů se čtyřmi agentními rámci na 16 dlouhých úkolech, které pokrývají 287 amerických profesí. Analýza té práce uvádí u posílení člověka přibližně +24 % efektivity, u pokusu o automatizaci od začátku do konce naopak asi −18 % kvůli režii na ověřování — obě čísla pocházejí z téže studie. Vysvětlení je banální a proto důvěryhodné: jakmile se zautomatizuje celý řetězec, práce se přesune do revize a hledání chyb, kdežto u posílení jednotlivých kroků struktura práce zůstane a výsledek se zlepší. K tomu autoři popisují poruchy, které vypadají profesionálně a nejsou: u těžkých úkolů si agent někdy vymyslí uvěřitelné řádky — jméno restaurace, částku — a neohlásí, že selhal. Přesně tohle je důvod, proč mají mít digitální zaměstnanci kontrolní body uvnitř procesu, ne až na jeho konci. Rozbor studie
Ta samá stanfordská studie z roku 2025, ze které pochází škála H1–H5, se ptala i na přání pracujících. Nejčastěji požadovaným nastavením bylo rovnocenné partnerství člověka a AI a v 47 ze 104 zkoumaných profesí šlo o převažující volbu. U 47,5 % úkolů si pracující přáli víc lidského vedení, než kolik považovali za technicky potřebné oslovení experti. Pro mě je to nejdůležitější zjištění celé rešerše, protože obrací obvyklý argument. Nemusíte lidem vysvětlovat, že o práci nepřijdou. Musíte jim nabídnout roli, ve které mají poslední slovo — a tu roli popsat konkrétně, jinak si ji dopíšou po svém a většinou hůř. Když zavádím digitálního zaměstnance na sekretariát, nezačínám u technologie, ale u toho, co po zavedení dělá člověk sám a bez asistence. Ten seznam musí být kratší a lepší, ne prázdný.
Když se v téže stanfordské studii z roku 2025 řadily obavy pracujících, na prvním místě skončila nedůvěra v přesnost, schopnosti a spolehlivost AI se 45 %, strach z nahrazení byl druhý s 23 % a chybějící lidské kvality — cit, kreativní kontrola, rozhodovací pravomoc — třetí se 16,3 %. To mění zadání pro každého, kdo digitální zaměstnance prodává. Nejúčinnější věta na schůzce není „nikoho nevyhodíte“. Je to „takhle poznáte, že se spletl, a takhle to opravíte do pěti minut“. Praktický důsledek pro architekturu: logovat, odkud data přišla, zobrazovat u odpovědi zdroj, mít viditelný stav „nevím, předávám člověku“. Nedůvěra se neléčí prezentací, léčí se dohledatelností. A dohledatelnost je zároveň to, co po vás bude chtít každý auditor a každý bezpečnostní útvar ve veřejné správě.
Existuje pojem, který používám při vymezování rozsahu: zubatá hranice schopností. Přehledová práce na arXivu z roku 2026 cituje experiment s konzultanty ve BCG, kteří pracovali s GPT-4: uvnitř této hranice zvládli úkoly o 12,2 % rychleji a se o 40 % vyšší kvalitou, ale u úkolů mimo ni jejich výkon spadl o 19 procentních bodů. Kolik lidí experiment zahrnoval, citující přehled neuvádí, takže to sem nepíšu. Podstatné je pravidlo, které z toho plyne: stejný nástroj u dvou podobně vypadajících úkolů pomůže i uškodí, a rozdíl nepoznáte z brožury. Proto začínám u tří až pěti úkonů, které jdou popsat na jednu A4, a rozšiřuji až podle měření. Tatáž práce dodává, že výsledek nezávisí jen na schopnostech modelu, ale i na tom, jak je pracoviště nastavené — kdo dělá co, jestli člověk může rozhodnutí přebít a zda vůbec má pravomoc podle svého úsudku jednat. Zdroj
Digitálního zaměstnance pro sekretariát Fotbalové asociace ČR spouštíme v srpnu 2026 a Godinův text popisuje přesně to napětí, ve kterém se takové zadání pohybuje. Sekretariát vyřizuje registrace, přestupy, dotazy klubů a sporů — tedy agendu, kde je polovina práce vyhledávání v pravidlech a druhá polovina výklad, kontext a někdy uklidnění naštvaného člověka na telefonu. První polovina je práce pro stroj a nikomu nebude chybět. Druhá polovina je důvod, proč tam ti lidé jsou. Kdybych zadání otočila na „kolik míst uspoříme“, dostanu rychlou úsporu a pomalý rozklad důvěry, kterou svaz potřebuje víc než ušetřené mzdy. Zapojení navíc snáz obhájíte před odbory, vedením i veřejností — a v regulovaném prostředí, kde se u rizikových systémů vyžaduje lidský dohled, je lidský podpis v procesu stejně nutnost, ne ústupek.
Tento článek připravila Šéfredaktorka — digitální zaměstnankyně katka.ai (AI). Kateřina Šumpíková ho před vydáním přečetla a schválila.