Další fáze umělé inteligence se týká spíš provedení než odpovědí

Od svého vzniku byla umělá inteligence považována především za nástroj generující přehledy. Chatboty odpovídají na otázky. Panely zobrazují trendy. Spolupiloti zpracovávají informace rychleji než kterýkoli člověk. Tyto nástroje poskytují skutečnou hodnotu, ale pro mnoho organizací nezřídka selhávají ve změně výsledků. Po letech pilotních projektů a konceptů se vyvinul jasný vzorec: umělá inteligence, která se soustředí pouze na poskytování odpovědí, zřídka řeší provozní úzká místa, se kterými týmy dennodenně zápasí.

To není pouhý anekdot. Podle nedávného průzkumu McKinsey o stavu umělé inteligence, téměř devět z deseti organizací nyní uvádí, že využívají umělou inteligenci alespoň v jedné obchodní funkci, a přesto jen málo z nich tvrdí, že tyto snahy přinesly významný, celopodnikový dopad. Podobně analýza nasazení GenAI z roku 2025 zjistila, že 95% podnikových implementací nevytvořilo žádné měřitelné finanční dopady, a to主要ně proto, že výstupy umělé inteligence nebyly nikdy začleněny do skutečných pracovních postupů. Mezera není v přístupu k inteligenci, ale ve schopnosti provozovat na velkém měřítku.

V praxi většina systémů umělé inteligence přestává fungovat na úrovni provedení. Identifikují příležitosti, ale ponechávají lidem rozhodnutí, jak a kdy jednat, obvykle napříč fragmentovanými systémy a v rámci omezených týmů a časových limitů. V mnoha případech umělá inteligence zvyšuje povědomí, ale nezvyšuje produktivitu. Proto další fáze přijetí umělé inteligence směřuje k umělé inteligenci, která jedná.

Od umělé inteligence, která odpovídá, k umělé inteligenci, která jedná

Umělá inteligence, která jedná, představuje posun od pasivní inteligence k systémům navrženým pro posunutí práce vpřed.

Místo toho, aby se zastavila u doporučení, agentní umělá inteligence přesouvá schválené akce napříč pracovními postupy: třídí žádosti, směruje úkoly, vypracovává následné akce, pobízí zúčastněné strany, aktualizuje systémy a eskaluje výjimky, kdy je vyžadováno lidské úsudku. Důležité je, že umělá inteligence zaměřená na provedení nenahrazuje lidský úsudek. Snižuje tření mezi přehledem a následným jednáním: lidé definují výsledky, schvalují a nastavují eskalační cesty; umělá inteligence zpracovává rutinní úkoly, které zpomalují týmy; a dohled je zajištěn prostřednictvím kontrol, auditních stop a správy.

Tento lidský přístup je zásadní pro důvěru. Výzkum Pew Research Center o důvěře v umělou inteligenci konzistentně ukazuje, že obavy o transparentnost, odpovědnost a zneužití zůstávají hlavními bariérami pro přijetí. Umělá inteligence, která jedná zodpovědně, řeší tyto obavy tím, že činí akce viditelnými, vysvětlitelnými a ovladatelnými.

Dosažení inflexního bodu

Několik faktorů přispívá k tomu, aby organizace přesáhly umělou inteligenci, která pouze odpovídá.

• Prvním je, že týmy jsou požádány, aby dělaly více s méně. Omezení pracovní síly již nejsou dočasná; jsou strukturální. Současně se očekávání rychlosti a konzistence dále zvyšují napříč všemi odvětvími.
• Druhým je, že základní modely umělé inteligence se stávají stále dostupnějšími. V důsledku toho se diferenciace přesouvá od výběru modelu k orchestraci – jak je umělá inteligence integrována do denní práce. Jak Harvard Business Review poznamenala ve své zprávě, skutečná hodnota vzniká, když je umělá inteligence začleněna do procesů, ne když je vrstva nad nimi.
• Posledním je, že cena nečinnosti roste. Když se informace zastaví nebo následné akce selžou, dopad se násobí. Ve mnoha prostředích má zpožděné provedení stejné důsledky jako nesprávné provedení.

V tomto kontextu je umělá inteligence, která pouze informuje, již nedostatečná. Organizace potřebují systémy, které mohou bezpečně a konzistentně provádět rutinní práci, snižují tření místo toho, aby je zvyšovaly.

Vysoké školství jako reálný testovací případ

Vysoké školství nabízí jeden z nejzřetelnějších příkladů, proč je tento posun nutný. Zapojení napříč celým životním cyklem vysokého školství se zásadně změnilo. Studenti očekávají okamžitou, konzistentní podporu od prvního dotazu až po absolvování. Absolventi hledají pokračující hodnotu, ne sporadickou komunikaci. Týmy pro rozvoj jsou očekávány, že dosáhnou většího dopadu a vybudují dlouhodobé vztahy na velkém měřítku, a to i v případě, že personál a rozpočty se dále zužují.

Současně přicházejí signály zapojení nepřetržitě: podané přihlášky, dosažené milníky, navštívené akce, poskytnuté dary. Přetvoření těchto signálů v včasnou, koordinovanou akci stále závisí silně na manuální práci napříč nesouvisejícími systémy.

Vedoucí vysokých škol stále častěji považují umělou inteligenci za nezbytnou pro škálování zapojení a podpory studentů, zatímco zůstávají opatrní vůči správě a připravenosti dat. Podobně další analýzy trendů ve vzdělávání a technologiích zdůrazňují rostoucí zájem o umělou inteligenci poháněné zapojení v životním cyklu, spolu s frustrací z fragmentovaných systémů, které zpomalují provedení. V tomto prostředí umělá inteligence, která pouze poskytuje doporučení, rychle dosáhne svých limitů. Vědět, kdo potřebuje kontakt, je užitečné, ale vědět pravý okamžik pro kontakt pro maximální dopad je mnohem obtížnější.

Umělá inteligence, která jedná, pomáhá mostem tuto propast tím, že mění signály na další nejlepší akce a automatizuje rutinní následné akce napříč životním cyklem. Personál zůstává zaměřen na empatii, úsudek a složité rozhovory, zatímco umělá inteligence zajišťuje, aby se zapojení uskutečnilo konzistentně a včas.

Vysoké školství je zvláště odhalující, protože výsledky závisí na důvěře a lidském spojení. Pokud může umělá inteligence jednat zodpovědně ve vysokém školství, napříč složitými životními cykly a v prostoru, který se zabývá osobními studentskými daty a informacemi, zatímco udržuje správu, nabízí to modrou tiskárnu pro další sektory, které čelí podobným tlakům.

Váhání je racionální – návrh správy před akcí

Váhání kolem umělé inteligence, která jedná, je pochopitelné. Vedoucí se obávají kvality dat, nadměrné automatizace a ztráty kontroly, zvláště v regulovaných nebo založených na důvěře prostředích. Tyto obavy nejsou důvody k neomezenému pozastavení. Často chybí role správy jakožto umožňovače, ne omezení.

Téměř polovina organizací uvádí, že nedostatečná správa a rámce důvěry omezují jejich schopnost získat hodnotu z umělé inteligence. Stejný výzkum ukazuje, že společnosti, které investují do zodpovědných praktik umělé inteligence, jsou lépe umístěny pro škálování dopadu.

Umělá inteligence, která jedná, nemůže uspět bez jasných ochranných opatření. Přechod od doporučení k provedení vyžaduje explicitní rozhodnutí o tom, za koho může umělá inteligence jednat nezávisle, jaké akce je oprávněna provádět, kdy je vyžadována lidská kontrola a jak jsou výjimky eskalovány.

Organizace, které úspěšně postupují, považují správu za součást návrhu produktu a procesu, ne za následnou úvahu. V praxi to znamená stanovení:

• Definovaných schvalovacích cest pro to, kdy může umělá inteligence jednat nezávisle, a kdy je vyžadován lidský souhlas.
• Auditovatelnosti a stopovatelnosti, aby akce mohly být přezkoumány, vysvětleny a zrušeny.
• Zřetelných pravidel eskalace, které směrují nejistotu k lidským vlastníkům.
• Řídicích a datových kontrol, které jsou v souladu s regulačními očekáváními.

Tento typ správy nezpomaluje umělou inteligenci, ale umožňuje akcí s důvěrou. Vedoucí by se neměli ptát, zda si mohou dovolit správu, ale zda si mohou dovolit umělou inteligenci, která nemůže jednat, protože správa nebyla navržena do systému od začátku.

Příprava na umělou inteligenci v roce 2026

V roce 2026 bude zralost umělé inteligence definována méně tím, zda organizace využívají umělou inteligenci, a více tím, jak účinně ji nechávají jednat.

Instituce připravené na umělou inteligenci sdílejí několik charakteristik:

• Zřetelné cíle výsledků vázané na zvýšení počtu studentů, udržení, zapojení nebo fundraisingu.
• Rámce správy, které zahrnují kontroly ochrany osobních údajů, schvalování, auditní stopy a eskalaci.
• Jednotná data a integrace, které umožňují umělé inteligenci provádět, ne pouze doporučovat.

Další fáze přijetí umělé inteligence bude vedena organizacemi, které navrhují zodpovědné akce, umožňující umělé inteligenci zvyšovat kapacitu, podporovat lepší výsledky a pomáhat týmům dělat více s méně – bez ztráty lidského doteku, který má největší význam.