← Všetky články

Ako môžu mladí ľudia získať prax, keď rutinnú prácu robí AI?

Ak AI prevezme časť rutinnej práce, kto dá absolventom priestor učiť sa? Výskumy a príklady miest ukazujú možnosti aj hranice stáží, projektov a mentoringu.

Andrej Rybovič16 min čítania

Markdown verzia

Ako majú mladí ľudia získať pracovné skúsenosti, ak časť práce, ktorú doteraz robili absolventi, preberá AI? A čo pre to môžu urobiť univerzita a mesto?

Otázka je dôležitá aj pre Slovensko. Podľa výsledkov, ktoré Úrad komisára pre deti zverejnil v marci 2026, odchod do zahraničia po strednej škole alebo neskôr zvažovalo či deklarovalo 75,4 % opýtaných 16- až 17-ročných. Úrad uvádza účasť 10 200 mladých ľudí. Ide o predstavy o budúcnosti, nie počet ľudí, ktorí skutočne emigrujú; úplná metodika výberu vzorky nebola v dostupnom oznámení uvedená.

Inštitút vzdelávacej politiky (IVP) uvádza, že v roku 2024 pokračovalo na zahraničnej vysokej škole 19,6 % maturantov, ktorí nastúpili na vysokoškolské štúdium. Samostatná analýza IVP z roku 2025 ukázala, že z maturantov rokov 2012–2015, ktorí absolvovali celé vysokoškolské štúdium v zahraničí, sa v roku 2022 nachádzalo na Slovensku približne 40 %. Neznamená to, že ostatní sa už nikdy nevrátia. Ani jeden z týchto údajov neukazuje, že príčinou odchodu bola AI.

Ak firmy potrebujú menej absolventov na rutinnú prácu, môže ubudnúť aj príležitostí na učenie. Nie je však samozrejmé, že AI zníži počet absolventských miest v každom odvetví. Dôležité je sledovať nielen počet pracovných miest, ale aj to, čo sa na nich začiatočník naučí.

V článku dávame do súvisu esej o budúcnosti firmy, výskumy o učení a príklady univerzít, miest a krajov, ktoré študentom ponúkajú prax na skutočných projektoch. Na záver navrhujeme, čo môže mesto urobiť pre mladých a absolventov.

Esej na webe OpenAI: čo ak rutinu prevezmú agenti?

V eseji The future of the firm Hemanth Asirvatham a Elliott Mokski (2026) opisujú tri možné usporiadania firmy: AI pod ľuďmi ako ich pomocníci, vedľa ľudí ako kolegovia a medzi nimi ako koordinačná vrstva. Výslovne uvádzajú, že ide o ich názory, nie stanovisko OpenAI, a že žiadny zo scenárov sa nemusí uskutočniť presne tak, ako ho opisujú.

V prvom scenári by rutinné úlohy, pri ktorých sa absolventi tradične zaúčali, robili AI agenti. Autori priznávajú, že by sa tým stratila časť tradičných spôsobov učenia, napríklad zaúčanie pri jednoduchej práci. Zároveň v tom vidia príležitosť: mladý zamestnanec s dobrým nápadom by nemusel čakať, kým mu firma pridelí ľudí, a mohol by začať tvoriť s pomocou AI.

Podľa autorov by sa mladí aj naďalej učili v praxi, len pri širšom zadaní: rozvíjali by si úsudok, vkus, riadiace schopnosti a tvorivú predstavivosť. Esej však nie je empirickým dôkazom, že takto bude vyzerať každá firma. Pre školy a univerzity otvára otázku, kto pomôže mladým budovať úsudok, ak sa tradičné príležitosti na zaúčanie zmenšia.

Čo pod skúsenosťou rozumieme

Skúsenosť podľa nás tvoria tri veci: práca na skutočnej úlohe, za ktorou stojí zadávateľ a ktorá má dôsledky, spätná väzba od skúsenejšieho človeka a schopnosť výsledok overiť a obhájiť. Rutinná práca mohla absolventom poskytovať tieto príležitosti popri bežných povinnostiach. Samotné zrýchlenie práce pomocou AI ich nezaručuje.

Školám a univerzitám preto odporúčame dopĺňať zadania projektmi so skutočným zadávateľom, mentorom a povinnosťou výstup overiť. Ide o náš návrh, nie o výskumom overený program pre slovenské univerzity. Za vážne riziko považujeme, že študent s pomocou AI odovzdá hotový výsledok bez toho, aby rozumel, ako vznikol.

Štyri otázky o praxi v čase AI

  1. O čo môže absolvent prísť?

    Kde sa menia príležitosti učiť sa pri práci.

  2. Čo môže ponúknuť univerzita?

    Skutočné zadanie, mentor a obhajoba výsledku.

  3. Čo potrebuje firma?

    Pripraveného mentora a dohodnuté pravidlá.

  4. Čo môže pridať mesto?

    Stáže, témy prác a financovanie spolupráce.

Otázka 1: O čo absolventi prídu, keď rutinnú prácu prevezme AI?

Pri rutinnej práci mohol absolvent sledovať skúsenejších kolegov, robiť chyby s menšími následkami a postupne dostávať náročnejšie úlohy. Ak túto prácu prevezme AI, môže sa zmeniť aj spôsob zaúčania. Výskumy zachytávajú viac než jeden možný výsledok.

  • Technológia môže začiatočníka odsunúť od práce. Matt Beane skúmal učenie pri robotickej a tradičnej chirurgii v amerických nemocniciach. V štúdii Shadow Learning (2019) opisuje, ako robotická chirurgia obmedzila účasť lekárov v príprave a sťažila učenie bežnými postupmi. Vo svojej knihe The Skill Code (2024) zdôrazňuje primeranú výzvu, porozumenie súvislostiam a vzťah dôvery so skúsenejším človekom. Ide o kvalitatívny výskum a autorskú interpretáciu, nie meranie účinku generatívnej AI vo všetkých profesiách.
  • AI bez pedagogických obmedzení môže učenie oslabiť. Bastani a kolegovia (PNAS, 2025) skúmali približne tisíc študentov na jednej tureckej strednej škole pri matematike. Bežný chatbot založený na GPT-4 zlepšil výsledky cvičení o 48 % oproti kontrolnej skupine. V následnom teste bez AI však táto skupina dosiahla o 17 % horší výsledok. Pedagogicky upravený GPT Tutor, ktorý využíval podklady učiteľov a usmerňoval študentov nápovedami, zlepšil cvičenia o 127 %. V teste bez AI sa pri ňom nepreukázal významný rozdiel oproti kontrolnej skupine. Ide o relatívne zmeny, nie percentuálne body, a o bezprostredný test, nie dlhodobé sledovanie.
  • Iný experiment našiel aj zlepšenie samostatného učenia. Contractor a Reyes (pracovná verzia z októbra 2026) skúmali 211 vysokoškolákov pri časovo obmedzenej práci na novej téme a eseji. Skupina s povolenou AI dosiahla v bezprostrednom teste bez pomôcok o 7,2 percentuálneho bodu lepší výsledok. Odhad po týždni bol menší a nebol štatisticky významný na bežnej 5 % hladine. Iné zadanie a iná skupina študentov nevyvracajú výsledok z tureckej školy, ale bránia záveru, že bežný chatbot učeniu vždy škodí.
  • AI môže pomôcť menej skúseným aj pri práci. Brynjolfsson, Li a Raymond (Quarterly Journal of Economics, 2025) sledovali postupné nasadenie AI asistenta pri 5 172 operátoroch zákazníckej podpory jednej firmy. Menej skúsení operátori s AI pracovali rýchlejšie aj kvalitnejšie a autori našli výsledky zodpovedajúce učeniu. Zistenie sa týka tohto pracovného prostredia, nie všetkých profesií.

Menia sa aj nástupné príležitosti. Brynjolfsson, Chandar a Chen v augustovej pracovnej verzii štúdie Canaries in the Coal Mine (2026) skúmali americké mzdové údaje ADP. V júni 2026 bola zamestnanosť 22- až 25-ročných v dvoch najviac AI-exponovaných pätinách povolaní približne o 19 % nižšia, než keby od novembra 2022 rástla rovnakým tempom ako v troch menej exponovaných pätinách. Rozdiel súvisel najmä so slabším náborom. Nie je to 19 % prepustených ani odhad, koľko pracovných miest zrušila AI. Opisná štúdia nepreukazuje, akú časť rozdielu AI spôsobila, a nejde o reprezentatívny obraz celého trhu práce.

Tieto práce neukazujú jednotný účinok AI na učenie. Záleží na úlohe, nástroji aj spôsobe jeho použitia. Pre školy a zamestnávateľov z toho podľa nás vyplýva praktická otázka: ako overiť nielen kvalitu odovzdaného výsledku, ale aj to, čo vie človek urobiť a vysvetliť samostatne?

Otázka 2: Ako môže univerzita nahradiť prax, ktorú dávala rutinná práca?

Univerzita nemôže študentom ponúknuť roky práce vo firme. Môže im však dať úlohy so skutočným zadávateľom, skúseného človeka, ktorý výsledok posúdi, a pravidlá, podľa ktorých musí študent výstup z AI overiť a obhájiť.

  • Stáž v životopise môže pomôcť dostať sa na pohovor. Baert a kolegovia (Economics of Education Review, 2021) poslali v Belgicku 1 248 fiktívnych žiadostí na 624 nástupných pracovných miest vyžadujúcich magisterské vzdelanie. Žiadosti s údajom o dobrovoľnej stáži počas štúdia dostali o 12,6 % viac pozvaní na pohovor. Podiel pozvaných bol 22,9 % oproti 20,4 %, teda približne o 2,5 percentuálneho bodu vyšší. Experiment z rokov 2015–2016 meral účinok údaja v žiadosti, nie získané zručnosti, prijatie do práce ani vplyv AI.
  • Vznikajú projekty prepájajúce študentov a firmy. Slovenský HackCode sa predstavuje ako platforma pre kurzy, programátorské výzvy, projekty a portfólio študentov. Pri kontrole 5. novembra 2026 však web oznamoval, že služba sa vráti. Uvádzame ho ako prezentovaný zámer, nie ako overenú fungujúcu cestu k stáži.
  • Mesto môže ponúkať témy záverečných prác. Urban Academy prepája Aalto University a Helsinskú univerzitu s mestami Helsinki, Espoo a Vantaa. Zbiera mestské témy pre záverečné práce a na jar organizuje ich prezentáciu študentom. Mestá v rokoch 2018–2025 financovali aj doktorandské výskumné pozície podľa svojich stratégií.
  • Mesto môže slúžiť ako miesto výučby. V kurzoch Urban Lab na Tamperskej univerzite študenti riešia konkrétne rozvojové otázky miest. Na jar 2026 pripravovali návrhy pre územie Teivo-Mäkkylä v Ylöjärvi. Podľa univerzitného opisu ich mesto plánovalo využiť pri plánovaní územia; nejde o doklad už realizovaných zmien ani meraného prínosu AI.

Chápeme, že katedry nemajú kapacitu prerobiť celé študijné programy. Preto navrhujeme štyri kroky, ktoré sa dajú zavádzať postupne. Ich spoločný účinok nebol v citovaných prácach testovaný:

  1. Projektový predmet so zadávateľom z praxe. Študenti s pomocou AI pripravia riešenie pre mesto alebo firmu a obhája ho pred zadávateľom.
  2. Mentor pri každom projekte. Skúsený odborník posúdi, čo riešenie obsahuje a čo v ňom chýba.
  3. Pravidlá pre AI vo výučbe. Študent uvedie, čo vytvorila AI, ako výstup overil a čo zmenil. Súčasťou hodnotenia bude aj samostatné vysvetlenie postupu. Bastaniho experiment netestoval toto pravidlo; ukazuje, prečo nestačí hodnotiť iba výkon s pomocníkom.
  4. Databáza tém od mesta a firiem. Katedry z nej vyberajú témy semestrálnych a záverečných prác.

Otázka 3: Sú slovenské firmy pripravené viesť študentov pri práci s AI?

Prax so skutočným zadávateľom má pre študenta väčší zmysel, ak firma vie zadať úlohu, posúdiť výsledok a vysvetliť, čo v ňom chýba. Pri práci s AI odporúčame, aby mentor poznal možnosti a hranice použitých nástrojov a vedel overiť ich výstupy. Odpoveď AI sama osebe nie je potvrdením správnosti.

  • Zástupcovia firiem uvádzajú nedostatok zručností. Podľa verejného súhrnu KPMG Future Skills 2026 polovica zo 163 respondentov zastupujúcich firmy pôsobiace na Slovensku uvádzala nedostatok AI a dátovej gramotnosti. Približne 80 % považovalo analytické a kritické myslenie za jednu z najdôležitejších zručností budúcnosti. Zber prebiehal v druhej polovici 2025. Respondenti medzi najúčinnejšie formy vzdelávania zaradili prezenčné workshopy, interné tímové školenia a mentoring; ide o ich hodnotenie, nie experimentálne porovnanie účinnosti.
  • Prístup k AI neznamená pocit dostatočnej prípravy. V medzinárodnom prieskume BCG AI at Work 2026 medzi 11 749 respondentmi zo 14 trhov sa 36 % cítilo dostatočne vyškolených pre prácu s AI. Jasnú komunikáciu vedenia o AI uvádzala približne tretina nemanažérskych kancelárskych pracovníkov. Nie je to reprezentatívny prieskum slovenských firiem ani študentov.
  • Spolupráca ľudí a technológií ešte potrebuje pravidlá. Podľa slovenského súhrnu Deloitte Human Capital Trends 2026 riešilo jej nastavenie 60 % českých a slovenských respondentov. Lokálneho prieskumu sa zúčastnilo 275 ľudí. Deloitte zároveň upozorňuje, že nejasné pravidlá používania AI môžu oslabovať dôveru; toto upozornenie nie je nameraným kauzálnym účinkom.

Údaje KPMG a lokálneho Deloitte vychádzajú z ich verejných súhrnov. Plné dotazníky a podrobné metodiky neboli dostupné bez registrácie; nejde o reprezentatívne sčítanie slovenských podnikov.

Tieto prieskumy nemerajú pripravenosť firiem mentorovať študentov. Upozorňujú však na medzery v príprave ľudí na prácu s AI. Z nich vychádzajú naše odporúčania, nie tvrdenie, že každý podnik bez školenia poskytne zlú stáž:

  1. Najprv pripraviť mentora. Zamestnanec, ktorý študenta vedie, pozná povolené nástroje, ich obmedzenia a spôsob kontroly výsledkov.
  2. Pred stážou dohodnúť pravidlá. Firma určí, aké údaje smie študent do ktorého nástroja vložiť a čo musí pri odovzdaní práce uviesť.
  3. Hodnotiť aj postup. Študent vysvetlí, ako výstup vznikol, ako ho overil a čo zmenil. Mentor hodnotí aj toto zdôvodnenie.

Na workshopoch Myslite sa ľudia učia používať AI pri vlastných úlohách a kontrolovať výsledky. Pred začiatkom si ujasníme dostupné nástroje a podklady, s ktorými môžu pracovať. Návrh firemných pravidiel je súčasťou spolupráce len v dohodnutom rozsahu.

Otázka 4: Ako môže mesto spolupracovať s univerzitou?

Mesto môže byť pre univerzitu zadávateľom skutočných úloh aj zamestnávateľom. Môže ponúknuť stáže, témy prác a mentorov a podporovať programy, ktoré prepájajú školy s miestnymi firmami.

  • Kraj môže ponúkať platené stáže. Trnavský samosprávny kraj vo februári 2026 spustil piaty ročník programu Mladí na župe. Z približne päťdesiatich uchádzačov vybral desať študentov, ktorí s individuálnymi mentormi pracujú na úrade od februára do decembra. Je to príklad konkrétnej príležitosti, nie celoročný program pre všetkých záujemcov.
  • Mesto môže financovať odborníkov z praxe a stáže. Ostrava podporuje vzdelávanie a rozvoj talentov od roku 2016. Mestský portál Talentova pri programe a výzve uvádzal pri kontrole 5. novembra 2026 spolu 600 projektov za približne 396 miliónov Kč. Podpora zahŕňa aj stáže a zapájanie mentorov do výučby. Suma sa týka celého širšieho programu a výzvy, nie iba stáží.
  • Mestá môžu financovať výskum podľa svojich potrieb. Helsinki, Espoo a Vantaa financovali v programe Urban Academy doktorandské pozície v rokoch 2018–2025. V roku 2026 partneri vyhlásili novú výzvu Urban Impact na výskum v rokoch 2027–2028. K dátumu kontroly išlo o výzvu, nie o už vyhodnotené projekty.
  • Univerzity môžu mať miesto v dlhodobej vízii. Brno vo svojej stratégii Brno 2050 stavia na úlohe univerzitného mesta a centra výskumu, vývoja a inovácií. Stratégia vyjadruje zámer, nie dôkaz dosiahnutia všetkých cieľov.

Uvedené príklady ukazujú konkrétne podoby spolupráce, nie jej preukázaný účinok na odchod mladých. Mesto má obmedzený rozpočet a veľa priorít. Preto odporúčame, aby z jeho vízie vyplývali konkrétne programy s rozpočtom a merateľným cieľom.

Čo môže mesto urobiť pre mladých a absolventov

Tabuľka uvádza náš návrh na diskusiu. Inšpirácia existujúcim programom neznamená, že jeho výsledky poznáme alebo že rovnaké opatrenie bude fungovať v každom meste. Štúdie o AI netestovali tento balík opatrení.

OpatrenieKto ho zabezpečujeInšpirácia a hranica dôkazu
Platené stáže s mentoringom na úrade a v mestských podnikochmesto, univerzitaMladí na župe je príklad krajského programu, nie vyhodnotenie mestských stáží.
Databáza tém semestrálnych a záverečných prácmesto, univerzita, firmyUrban Academy prepája mestské témy so študentmi.
Projektové predmety so zadaním mesta a obhajobou výsledkuuniverzita, mestoTampere je príklad spolupráce na mestských problémoch; zapojenie AI je náš návrh.
Príprava mentorov a pravidlá posudzovania výstupov AIfirmy, univerzitaNáš návrh reagujúci na nedostatky zručností z prieskumov, nie otestovaný program.
Granty na odborníkov z praxe, mentorov a stážemesto, školy, firmyOstrava financuje širší program vzdelávania a rozvoja talentov.
Záznam použitia AI a samostatná obhajoba postupuškolyNáš návrh; experimenty s AI skúmali učenie, nie účinnosť tohto pravidla.
Sledovanie ďalšieho štúdia, práce a návratov absolventovmesto, univerzitaPomôže vyhodnocovať miestny program; samo osebe odchod mladých nerieši.

Záver

Ak AI prevezme rutinné úlohy, môžu sa zmenšiť niektoré príležitosti, pri ktorých sa absolventi doteraz učili. Výskumy zároveň ukazujú, že AI môže učenie oslabiť aj podporiť. Univerzita môže študentom ponúknuť skutočné zadania a mentorov. Firma môže hodnotiť aj postup a samostatné porozumenie. Mesto môže byť zadávateľom, zamestnávateľom aj poskytovateľom podpory.

Tieto opatrenia odporúčame začať v menšom rozsahu a vyhodnotiť. Ich existencia nie je zárukou pracovného miesta ani dôvodom tvrdiť, že zastavia odchod mladých. Ak chcete s univerzitou, mestom alebo firmou pripraviť workshop o práci s AI pre študentov, pedagógov či mentorov, napíšte nám.

Časté otázky

Prídu mladí ľudia kvôli AI o prácu?

Nie je možné dať jednu odpoveď pre všetky profesie. Americká analýza ADP v augustovej revízii z roku 2026 našla pri 22- až 25-ročných v najviac AI-exponovaných skupinách povolaní slabší vývoj zamestnanosti, najmä pre slabší nábor. Rozdiel 19 % sa vzťahuje na porovnanie tempa rastu od novembra 2022 do júna 2026, nie na podiel prepustených. Štúdia nepreukazuje, koľko z rozdielu spôsobila AI, ani čo sa stane na Slovensku.

Škodí AI učeniu študentov?

Nie vždy. V tureckom experimente pri matematike bežný chatbot zhoršil následný výkon bez AI, pedagogicky upravený tutor významný pokles nepreukázal. Iný, zatiaľ nerecenzovaný experiment s vysokoškolákmi našiel zlepšenie bezprostredného testu bez AI. Výsledky závisia od úlohy a podmienok; hotová práca s AI neukazuje sama osebe, čo sa študent naučil.

Pomáhajú stáže počas štúdia pri hľadaní práce?

V belgickom experimente s 1 248 fiktívnymi žiadosťami dostali žiadosti uvádzajúce stáž o 12,6 % viac pozvaní na pohovor: 22,9 % oproti 20,4 %. To je približne 2,5 percentuálneho bodu navyše. Štúdia nemerala konečné prijatie do práce ani účinok AI a údaje pochádzajú z rokov 2015–2016.

Sú slovenské firmy pripravené viesť študentov pri práci s AI?

Citované prieskumy to priamo nemerajú. Podľa verejného súhrnu KPMG polovica zo 163 zástupcov firiem uvádzala nedostatok AI a dátovej gramotnosti. Preto odporúčame pripraviť mentorov a pred stážou dohodnúť pravidlá používania AI a kontroly výsledkov. Je to naše odporúčanie, nie výsledok testu mentorského programu.

Ako môže mesto pomôcť mladým získať skúsenosti?

Môže ponúknuť platené stáže, témy záverečných prác a mentorov alebo financovať spoluprácu s univerzitou. Konkrétne podoby ukazujú program Mladí na župe v Trnavskom kraji, Urban Academy v Helsinkách a program podpory vzdelávania a talentov v Ostrave. Ich opis nie je dôkazom, že zastavili odchod mladých.

Koľko maturantov odchádza na vysokú školu do zahraničia?

Podľa IVP v roku 2024 pokračovalo na zahraničnej vysokej škole 19,6 % maturantov, ktorí nastúpili na vysokoškolské štúdium. Tento údaj opisuje jednu nastupujúcu kohortu, nie podiel všetkých vysokoškolákov. Pri návratoch treba oddeliť celé štúdium v zahraničí od kombinovaného štúdia či krátkej mobility.

Zdroje

Všetky články

Čo vám dnes berie najviac času?

Napíšte nám, čo váš tím rieši. Prejdeme, či a kde má AI zmysel a aká forma spolupráce by vám sedela.

Nemusíte nič pripravovať.

Napísať e-mail

alebo priamo na info@myslite.ai

Neposielajte citlivé údaje ani interné dokumenty.