# Prečo sa zamestnanci boja AI školenia?

Ako s tímom hovoriť o zmene práce, prípadnej úspore času a ochrane firemných dát. Tri otázky, ktoré treba zodpovedať na začiatku.

Autor: Andrej Rybovič (Myslite) · Publikované: 2026-10-23
URL: https://myslite.ai/blog/preco-sa-zamestnanci-boja-ai-skolenia

> [!NOTE]
> **V skratke**
>
> - Obavy zamestnancov z AI školenia súvisia so zmenami, ktoré po ňom očakávajú: s meraním výkonu, s novými požiadavkami na zručnosti a so zmenšovaním tímov.
> - Podľa prieskumu BCG sa 41 % zamestnancov obáva, že ich pozícia do desiatich rokov zanikne, a iba 25 % zamestnancov v prvej línii dostáva od vedenia dostatočné usmernenie pri práci s AI.
> - Vo firmách, ktoré využívanie AI otvorene podporujú, ju pri práci použilo 76 % zamestnancov, vo firmách bez akýchkoľvek krokov 41 %. Ak firma k podpore pridá firemný nástroj a školenie, je to 93 % (Humlum a Vestergaardová, 2026).
> - Úspech implementácie AI v malých a stredných podnikoch závisí od odpovedí na tri otázky: čo sa stane s ušetreným časom, ako pracovať s obavami tímu a aké pravidlá platia pre firemné dáta.

Na workshopoch a konferenciách, kde o AI hovoríme, sa opakujú tie isté otázky: Prídem o prácu kvôli AI? Čo sa stane s ušetreným časom, keď sa zvýši efektívnosť mojej práce? Nebudem pracovať viac a nebudem mať viac úloh? Nebude odo mňa šéf vyžadovať niečo, čo neviem? A kam idú naše dáta?

Toto sú otázky, ktoré by mali byť zodpovedané na prvých školeniach o AI. Nezodpovedané otázky totiž ohrozujú snahu vedenia o implementáciu AI do firemných procesov, čo má za následok neochotu zamestnancov AI používať. A strach z nezodpovedaných otázok bráni tomu, aby sme nástroje používali efektívne.

Tieto obavy sa často prenášajú aj na samotné školenie. Zamestnanci ho vnímajú ako prvý krok k zmenám, ktoré sa ich priamo dotknú: k meraniu ich výkonu, k novým požiadavkám na zručnosti, prípadne k zmenšovaniu tímu. Ak školenie začne ukážkami nástrojov a tieto obavy nepomenuje, účastníci môžu odchádzať s nedôverou a nové postupy nemusia začať používať. Na [workshopoch Myslite](https://myslite.ai/#ako-to-prebieha) preto otázky, ktoré zamestnancov znepokojujú, otvárame ešte pred predstavením prvého nástroja. S vedením si pred začiatkom ujasníme, čo tím robí, aké nástroje má a s akými podkladmi môže bezpečne pracovať.

**Tri otázky**

1. [Čo sa stane s ušetreným časom?](https://myslite.ai/blog/preco-sa-zamestnanci-boja-ai-skolenia#otazka-1-co-sa-stane-s-usetrenym-casom) – Dohodnúť vopred, na čo prípadnú voľnú kapacitu využijete.
2. [Čo ak sa ľudia boja AI?](https://myslite.ai/blog/preco-sa-zamestnanci-boja-ai-skolenia#otazka-2-co-ak-sa-ludia-boja-ai) – Pomenovať obavy ešte pred predstavením prvého nástroja.
3. [Kam idú naše dáta?](https://myslite.ai/blog/preco-sa-zamestnanci-boja-ai-skolenia#otazka-3-kam-idu-nase-data) – Začať triedením dát a až následne vyberať dodávateľa.

Aj výskumy zachytávajú obavy zamestnancov z AI. Podľa prieskumu Boston Consulting Group medzi viac ako 10 600 zamestnancami v 11 krajinách sa 41 % obáva, že ich pracovná pozícia do desiatich rokov zanikne. Zároveň iba 25 % zamestnancov v prvej línii uvádza, že im vedenie poskytuje dostatočné usmernenie pri práci s AI, a podiel tých, ktorí AI pravidelne využívajú, v tejto skupine stagnuje na úrovni 51 %. Výskum Probstovej a kol. (2026) publikovaný v časopise Occupational Health Science zároveň ukázal, že zamestnanci, ktorí sa obávajú nahradenia umelou inteligenciou, častejšie uvádzajú kontraproduktívne správanie v práci. Táto súvislosť je silnejšia v odvetviach, ktoré sú voči AI viac exponované, ako sú financie a poisťovníctvo.

## Od „Áno“ k „Áno, ale“

V novembri 2022 sa novinárka Kristin Houser z Big Think opýtala ChatGPT, či majú spisovatelia dôvod báť sa o prácu. Model ju vtedy uistil, že nie, pretože ako jazykový model vraj nedokáže prevziať rolu spisovateľa. Keď mu v októbri 2026 položila tú istú otázku, odpoveď začínala slovom „Áno“. Za tie roky sa nástroje posunuli dopredu a zmenil sa aj pohľad na ich využívanie. Z našej skúsenosti ľudí, ktorí AI používajú denne, však vieme, že za slovom „Áno“ nasleduje ešte „Ale“. Toto „ale“ v praxi zahŕňa práve otázky z úvodu: ako sa zmení náplň práce, kto rozhodne o využití ušetreného času a za akých podmienok sa pracuje s firemnými dátami.

V tom istom článku Kristin Houser zmapovala desať pozícií, ktoré rozdeľujú pohľad na využívanie AI a na jej možný vplyv na spoločnosť. Väčšina z nich sa týka veľkých tém, ako sú superinteligencia, autonómne zbrane či regulácia. Pre slovenské malé a stredné podniky (MSP) sú podstatné dve: aký vplyv bude mať AI na prácu a kto má mať prístup k modelom a k firemným dátam.

## Dva tábory v otázke vplyvu AI na prácu

V debate o AI a práci stoja proti sebe dve skupiny. Prvú môžeme nazvať **realisti zmien na trhu práce**. Predpokladajú, že AI zvládne veľkú časť kognitívnej práce, a preto môže spôsobiť trvalý úbytok pracovných miest, najmä v kancelárskych profesiách. Typickým predstaviteľom je Dario Amodei, generálny riaditeľ spoločnosti Anthropic. Druhú skupinu tvoria **zástancovia rozšírenia schopností** (augmentácie). Tvrdia, že spolupráca človeka a stroja funguje vo väčšine prípadov lepšie ako úplná automatizácia, pretože každá strana robí to, v čom je silnejšia. Tento pohľad zastáva napríklad Erik Brynjolfsson zo Stanfordovej univerzity.

| | Realisti zmien na trhu práce | Zástancovia rozšírenia schopností |
| --- | --- | --- |
| Hlavná téza | AI môže trvalo znížiť počet pracovných miest | AI rozšíri schopnosti ľudí, úplná automatizácia je zriedka lepšia |
| Typický predstaviteľ | Dario Amodei, Anthropic | Erik Brynjolfsson, Stanford Digital Economy Lab |
| Riziko, ak im uveríme | Strach spomalí zavádzanie AI | Rozšírenie schopností sa stane zámienkou na tlak a znižovanie stavov |
| Riziko, ak ich ignorujeme | Firma nebude pripravená na zmenu rolí | Ľudia sa AI začnú vyhýbať |

Obe skupiny majú svoje argumenty, výskumy však zatiaľ jednoznačnú odpoveď neposkytujú. Analýza Koçakovej, Puranama a Truonga (2025, revidovaná 2026), ktorá rozobrala názory hostí podcastu Lexa Fridmana, ukazuje, že rozdiel v názoroch na pracovné miesta vychádza najmä z odlišných predpokladov a predpovedí: či bude pokračovať doterajší vzor, keď technológie zaniknuté miesta postupne nahradili novými, alebo ide o zlom, pretože AI zasahuje priamo do myslenia a tento vzor sa nezopakuje.

Dáta z praxe zatiaľ ukazujú nasledovné:

- **Zákaznícka podpora.** Brynjolfsson, Li a Raymond (2025) sledovali 5 172 operátorov technickej zákazníckej podpory, ktorým firma postupne sprístupňovala AI asistenta. Počet vyriešených požiadaviek za hodinu sa zvýšil v priemere o 15 %. Menej skúsení a menej zdatní operátori zlepšili rýchlosť aj kvalitu práce; pri najmenej zdatnej pätine išlo o nárast o 36 %. U najzdatnejších sa produktivita nezvýšila a kvalita ich práce (podiel vyriešených požiadaviek a spokojnosť zákazníkov) mierne klesla. Aj počas výpadkov asistenta podávali jeho používatelia lepšie výkony ako pred jeho zavedením, čo naznačuje, že nástroj podporil aj ich učenie.
- **Dánsko, 25 000 zamestnancov na 7 000 pracoviskách.** Humlum a Vestergaardová (2025, revidované 2026) sledovali 11 profesií, ktorých sa AI chatboty najviac týkajú. Ani dva roky po spustení ChatGPT nezistili vplyv na mzdy ani na odpracované hodiny; prípadný efekt je podľa nich menší ako 2 %. Mení sa však náplň práce: 85 % používateľov uvádza, že ušetrený čas presunulo na iné pracovné úlohy, a časť z nich prevzala úplne nové úlohy súvisiace s AI.

**AI asistent pomohol najviac menej zdatným operátorom.**

- Všetci operátori s AI asistentom (priemer): +15 %
- Najmenej zdatná pätina operátorov: +36 %
- Najzdatnejšia pätina operátorov: bez nárastu, mierne nižšia kvalita

Nárast počtu vyriešených požiadaviek za hodinu; 5 172 operátorov technickej zákazníckej podpory, zdatnosť meraná pred zavedením asistenta. Zdroj: Brynjolfsson, Li a Raymond, Generative AI at Work, [The Quarterly Journal of Economics 140(2), 2025](https://doi.org/10.1093/qje/qjae044).

My v Myslite stojíme na strane vhodného rozšírenia schopností pri používaní AI. Pod pojmom vhodné rozšírenie schopností rozumieme stav, keď AI preberá rutinné časti úloh a človeku ostáva rozhodovanie, kontrola a zodpovednosť za výsledok. V malých a stredných firmách je väčšina know-how naviazaná na konkrétnych ľudí, preto má zmysel práve posilniť ich schopnosti a odbremeniť ich od činností, ktoré pre firmu neprinášajú veľkú hodnotu z hľadiska nových zákaziek alebo zvýšenia kvality poskytovaných služieb, ale sú nevyhnutné na zorientovanie sa v informáciách (najmä rýchle dohľadávanie a príprava vhodných podkladov). Zároveň berieme vážne riziko, ktoré je s týmto prístupom spojené: aj dobre mienené rozšírenie schopností sa môže zmeniť na tlak na výkon zamestnancov. V ďalších častiach rozoberáme riziká spojené s nezodpovedanými otázkami zamestnancov a spôsob, ako k nim správne pristúpiť.

## Otázka 1: Čo sa stane s ušetreným časom?

Túto tému sa oplatí otvoriť s vedením ešte pred školením, s účastníkmi počas neho a často aj po ňom. Kľúčové je rozhodnúť, kam pôjde uvoľnená kapacita zamestnancov. Ak sa ušetrený čas automaticky vyplní ďalšou prácou rovnakého typu, zamestnanci môžu mať menšiu chuť hovoriť o tom, koľko času ušetrili, čo v konečnom dôsledku znižuje prínos celej implementácie. Viac práce navyše neznamená viac kvalitných výstupov, čo potvrdzuje niekoľko výskumov z rôznych odborov.

- **Výkon neporastie donekonečna s počtom hodín.** Ekonóm John Pencavel zo Stanfordovej univerzity (2015) analyzoval údaje o britských pracovníkoch, väčšinou ženách, v muničných továrňach počas prvej svetovej vojny. Do približne 49 hodín týždenne rástol výkon úmerne s odpracovaným časom. Nad touto hranicou sa rast spomaľoval a výkon pri 70 hodinách sa takmer nelíšil od výkonu pri 56 hodinách. Ak pracovníci nemali v týždni ani jeden deň voľna, vyprodukovali pri rovnakom počte hodín asi o 10 % menej.
- **Náročná mentálna práca má biologický limit.** Tím Mathiasa Pessiglioneho (Wiehler a kol., 2022, Current Biology) porovnal ľudí, ktorí strávili približne šesť hodín náročnou kognitívnou prácou, s tými, ktorí robili ľahšie úlohy. V prvej skupine sa v prefrontálnej kôre hromadil glutamát a ľudia potom častejšie volili možnosti, ktoré si nevyžadovali námahu ani čakanie.
- **AI môže prácu zintenzívniť.** Ranganathan a Ye z Kalifornskej univerzity v Berkeley (2026) počas ôsmich mesiacov skúmali americkú technologickú firmu s približne 200 zamestnancami: pozorovali prácu priamo vo firme a viedli viac ako 40 rozhovorov. Ľudia s AI pracovali rýchlejšie a brali na seba širší okruh úloh, no zároveň rozbiehali viac vecí naraz a často prepínali pozornosť. Autori upozorňujú, že neustále prepínanie a menej času na oddych môžu zhoršiť úsudok a zvýšiť chybovosť. Firmám odporúčajú vedome nastaviť pravidlá práce s AI: krátke zastavenie pred dôležitými rozhodnutiami, čas na sústredenú prácu bez prerušovania a pravidelné spoločné zastavenie sa v tíme. Ide o predbežné zistenia z prebiehajúceho výskumu.

Tieto štúdie skúmajú odlišné druhy práce; neurčujú univerzálny denný limit pre kancelársky tím. Uvedené výskumy ukazujú, že o využití uvoľneného času je potrebné rozhodnúť vedome, inak ho firma nevyužije v prospech kvality ani zamestnancov. Pred školením sa oplatí dohodnúť, na čo prípadnú voľnú kapacitu využijete. Niekoľko možností, ktoré vychádzajú z odborných štúdií a z príkladov z praxe:

- práca, ktorá dlho čaká v zásobníku (neodoslané ponuky, dokumentácia, následná komunikácia so zákazníkmi),
- vyššia kvalita tam, kde sa dnes šetrí na čase (kontrola, príprava na rokovanie),
- čas na sústredenú prácu bez prerušovania a na vzdelávanie,
- rast bez nového náboru, keď firma priberá zákazníkov.

Ak chce firma posúdiť prípadnú úsporu času, môže si dohodnúť meranie vybraných úloh. Nastavujeme ho tak, aby neslúžilo na hodnotenie jednotlivcov:

1. S vedením vyberieme 1 až 2 úlohy na tím podľa toho, ako často sa opakujú a ako veľmi zaťažujú.
2. Pred školením zaznamenáme východiskový stav, napríklad čas na prípravu jednej cenovej ponuky, čas na zápis z porady alebo počet chýb na 20 dokladov.
3. Napríklad po 2 až 4 týždňoch zmeriame tie isté úlohy.
4. Sledujeme výsledok, teda čas od zadania po dokončenie a chybovosť. Samotný počet použití AI o prínose nevypovedá.
5. Výsledky vykazujeme za tím, nikdy za konkrétneho zamestnanca.

Výsledky môžu vedeniu pomôcť dohodnúť s tímom ďalší postup.

## Otázka 2: Čo ak sa ľudia boja AI?

Obavy z AI sú medzi zamestnancami rozšírené a sú pochopiteľné. Podľa prieskumu Pew Research Center medzi 5 273 zamestnancami v USA (október 2024) sa 52 % obáva vplyvu AI na svoju prácu, nádej pociťuje 36 % a 32 % očakáva, že im AI dlhodobo zníži pracovné príležitosti. Vo firmách sa tieto obavy často neprejavia otvorene. Zamestnanci sa školenia zúčastnia, no po jeho skončení sa vrátia k pôvodným postupom.

Strach pritom nemusí viesť len k tomu, že zamestnanci AI prestanú používať. Prieskum BCG ukázal, že najvyššie obavy zo straty miesta majú zamestnanci v regiónoch s najvyšším využívaním AI, ako sú India a Blízky východ, a 54 % respondentov by AI nástroje používalo aj bez povolenia zamestnávateľa. Nezodpovedané otázky tak môžu viesť aj k používaniu AI mimo firemných pravidiel, čo predstavuje riziko najmä z pohľadu ochrany dát.

Samotný tréning nástrojov tento problém nevyrieši. Zamestnanec, ktorý sa obáva o svoje miesto, nebude dobrovoľne ukazovať, že jeho úloha teraz trvá kratšie. Veľkú úlohu zohráva postoj vedenia. Podľa dánskej štúdie Humluma a Vestergaardovej (2026) AI pri práci použilo 41 % zamestnancov aj vo firmách, ktoré jej využívanie nepodporujú a neposkytujú ani firemný nástroj či školenie. Vo firmách, ktoré využívanie otvorene podporujú, to bolo 76 %, a ak k tomu pridali firemný nástroj a školenie, 93 %. Zamestnanci vo firmách, ktoré AI podporujú, zároveň uvádzajú väčšiu úsporu času, vyššiu kvalitu a kreativitu. Podľa BCG majú zamestnanci s aspoň piatimi hodinami školenia výrazne vyššiu pravdepodobnosť, že sa stanú pravidelnými používateľmi.

**Kde zamestnávateľ AI podporuje, používa ju takmer dvakrát viac ľudí.**

- Bez podpory, firemného nástroja aj školenia: 41 %
- Firma používanie otvorene podporuje: 76 %
- Podpora, firemný nástroj a školenie spolu: 93 %

Podiel zamestnancov, ktorí pri práci použili AI chatbota; odhad pre typického zamestnanca. Porovnanie pracovísk v dánskom prieskume z konca roka 2024, nie experiment: 25 000 zamestnancov v 11 profesiách, ktorých sa AI chatboty najviac týkajú. Zdroj: Humlum a Vestergaard, Still Waters, Rapid Currents, [NBER Working Paper 33777](https://www.nber.org/papers/w33777), revidované v marci 2026.

Preto na workshopoch nehovoríme len o nástrojoch:

- **Otvorené pomenovanie obáv** ešte predtým, ako predstavíme prvý nástroj. Hovoríme o tom, čo by AI mohla prevziať a čo ostáva v kompetencii človeka.
- **[Práca na vlastných úlohách](https://myslite.ai/ako-zadat-ulohu).** Na praktických cvičeniach účastníci riešia úlohy zo svojho bežného pracovného týždňa, vďaka čomu hneď vidia, kde im AI môže pomôcť.

Firmám zároveň odporúčame:

- **Šampióna v každom tíme.** Ide o zamestnanca, ktorý po školení zbiera otázky, zdieľa funkčné postupy a pravidelne sa s tímom stretáva.
- **Vedúcich tímov ako príklad.** Pomáha, keď vedúci ukáže, pri ktorých úlohách AI používa a ako kontroluje výsledky.
- **Zdieľanie prvých výsledkov v celej firme.** Konkrétny príklad z vlastného tímu má pre zamestnancov väčšiu výpovednú hodnotu ako všeobecná prezentácia.

Zavádzanie AI pokračuje aj po skončení školenia. Pri sérii workshopov sa preto vraciame k tomu, čo ľudia medzi stretnutiami vyskúšali, a podľa ich spätnej väzby upravujeme ďalšie stretnutie.

## Otázka 3: Kam idú naše dáta?

V širšej debate o AI sa stretávajú zástancovia otvorených modelov, ako je Yann LeCun, s tými, ktorí chcú prístup k najvýkonnejším modelom kontrolovať, ako Mustafa Suleyman. Pre firmu má táto debata praktický rozmer: aký nástroj použiť a na aké dáta. Ako ukázal prieskum BCG, ak firma tieto pravidlá nestanoví, zamestnanci si nástroje často vyberú sami.

Odporúčame preto začať triedením dát a až následne vyberať dodávateľa.

| Trieda dát | Príklady | Odporúčané riešenie |
| --- | --- | --- |
| Verejné a bežné | texty na web, všeobecné rešerše, šablóny | nástroj schválený firmou po kontrole podmienok a nastavení |
| Interné | ponuky, zápisy z porád, interné postupy | firemný plán so zmluvou o spracúvaní (DPA), bez tréningu na vstupoch |
| Osobné údaje (GDPR) | životopisy, zákaznícke požiadavky, mzdy | firemný plán s DPA, posúdenie firmou po konzultácii s DPO, ak ho má ustanoveného, anonymizácia, kde sa dá |
| Kritické | výrobné know-how, dáta pod NDA, zdravotné údaje | lokálny alebo v EÚ hostovaný model, prípadne pre tieto dáta AI vôbec nepoužiť |

**Dáta a výber nástroja**

- **Verejné a bežné:** Nástroj schválený firmou po kontrole podmienok a nastavení.
- **Interné:** Firemný plán s DPA, bez tréningu na vstupoch.
- **Osobné údaje (GDPR):** Firemný plán s DPA. Posúdenie firmou; konzultácia s DPO, ak ho má ustanoveného. Anonymizácia, kde sa dá.
- **Kritické:** Lokálny alebo v EÚ hostovaný model; prípadne tieto dáta do AI nevkladať.

Zhrnutie odporúčaní z tabuľky, nie právne posúdenie. Pri osobných údajoch treba posúdiť právny základ, rozsah údajov, zabezpečenie a prípadné prenosy mimo EÚ. Podrobnosti: [Poznámka ku GDPR](https://myslite.ai/blog/preco-sa-zamestnanci-boja-ai-skolenia#poznamka-ku-gdpr).

Pravidlá, ktoré odporúčame dodržiavať:

1. **Osobné bezplatné účty na pracovné dáta nepoužívame.** Vstupy sa pri nich štandardne môžu použiť na tréning modelu.
2. **Miesto spracovania treba overiť.** Viacerí veľkí poskytovatelia spracúvajú dáta v USA. Prenos je právne možný, napríklad ak je poskytovateľ certifikovaný v rámci rámca EÚ – USA na ochranu osobných údajov (Data Privacy Framework) alebo na základe štandardných zmluvných doložiek. Rozhodnutie však patrí firme, ktorá ho môže konzultovať so zodpovednou osobou (DPO), ak ju má ustanovenú.
3. **Dáta, ktoré vkladáte do AI, musia spĺňať pravidlá nariadenia GDPR.** Osobné údaje zamestnancov a zákazníkov je potrebné pred vložením anonymizovať, prípadne ich spracúvať len v nástroji, s ktorého poskytovateľom má firma uzavretú zmluvu o spracúvaní osobných údajov. Pri osobných údajoch treba posúdiť právny základ, nevyhnutný rozsah údajov, zabezpečenie a podmienky spracúvania vrátane prípadného prenosu mimo EÚ.

> [!NOTE]
> **Poznámka ku GDPR:** Tabuľka a pravidlá sú praktické odporúčanie, nie právne posúdenie. O tom, aký nástroj, na aké osobné údaje a s akým miestom spracovania firma použije, rozhoduje firma ako prevádzkovateľ, prípadne po konzultácii so zodpovednou osobou (DPO), ak ju má ustanovenú. Zdravotné údaje patria podľa článku 9 GDPR medzi osobitné kategórie osobných údajov, pre ktoré platia prísnejšie pravidlá. Preto ich zaraďujeme medzi kritické dáta.

Prevádzka modelu vo vlastnej infraštruktúre môže firme dať väčšiu kontrolu nad spracúvaním dát, závisí to však od nastavenia celého systému. Zároveň je spojená s nákladmi na vlastnú správu systému a zvyčajne aj so slabším výkonom. Pre väčšinu MSP je preto vhodná kombinácia firemného cloudového nástroja na bežnú prácu a jasne vymedzenej výnimky pre kritické dáta.

## Odpovede patria na začiatok

Tieto tri otázky vo veľkej miere rozhodujú o tom, či sa po školení zmení spôsob práce vo firme. Výskumy aj naša prax ukazujú, že samotný nástroj nestačí. O úspechu implementácie rozhoduje, ako firma naloží s ušetreným časom, ako pracuje s obavami zamestnancov a aké pravidlá nastaví pre prácu s dátami.

Na workshopoch Myslite sa týmto otázkam preto venujeme ešte pred predstavením prvého nástroja. S tímom otvorene pomenujeme obavy a prejdeme, čo smie do ktorého nástroja vložiť podľa pravidiel firmy. Ak je to súčasťou spolupráce, s vedením dohodneme aj to, čo budeme merať a ako sa naloží s uvoľnenou kapacitou. Ak vás zaujíma, ako by to vyzeralo vo vašej firme, napíšte nám na [info@myslite.ai](mailto:info@myslite.ai).

## Časté otázky

### Prečo sa zamestnanci boja AI školenia?

Zamestnanci vnímajú AI školenie ako prvý krok k zmenám, ktoré sa ich priamo dotknú: k meraniu výkonu, k novým požiadavkám na zručnosti alebo k zmenšovaniu tímu. Ak školenie tieto obavy nepomenuje a začne priamo ukážkami nástrojov, účastníci môžu odchádzať s nedôverou a nové postupy nemusia začať používať.

### Ako zaviesť AI vo firme tak, aby ju zamestnanci naozaj používali?

Veľkú úlohu zohráva postoj vedenia. Vo firmách, ktoré využívanie AI otvorene podporujú, ju pri práci použilo 76 % zamestnancov, vo firmách bez akýchkoľvek krokov 41 %, a ak firma pridá firemný nástroj a školenie, 93 %. Podľa BCG sa zamestnanci s aspoň piatimi hodinami školenia výrazne častejšie stávajú pravidelnými používateľmi. Pomáha aj šampión v každom tíme a vedúci, ktorí AI sami používajú.

### Čo robiť s časom, ktorý zamestnanci ušetria vďaka AI?

O využití uvoľneného času je potrebné rozhodnúť vopred. Výskumy ukazujú, že výkon nerastie úmerne s počtom odpracovaných hodín. Ušetrený čas preto môže firma využiť na úlohy čakajúce v zásobníku, na vyššiu kvalitu výstupov, na sústredenú prácu a vzdelávanie alebo na rast bez nového náboru.

### Ako merať prínos AI školenia vo firme?

Ak je meranie súčasťou dohody, s vedením sa vyberú 1 až 2 opakujúce sa úlohy na tím a pred školením sa zaznamená ich východiskový stav. Napríklad po 2 až 4 týždňoch sa zmerajú tie isté úlohy. Sleduje sa čas od zadania po dokončenie a chybovosť, nie počet použití AI, a výsledky sa vykazujú za tím, nikdy za jednotlivca.

### Môžu zamestnanci vkladať firemné dáta do bezplatných AI nástrojov?

Pracovné dáta do osobných bezplatných účtov nepatria, pretože vstupy sa pri nich štandardne môžu použiť na tréning modelu. Pri osobných údajoch treba podľa GDPR posúdiť právny základ, nevyhnutný rozsah údajov, zabezpečenie a podmienky spracúvania vrátane prípadného prenosu mimo EÚ. Zvyčajne to znamená firemný plán so zmluvou o spracúvaní osobných údajov a overené miesto spracovania dát. O konkrétnom nástroji rozhoduje firma, prípadne po konzultácii so zodpovednou osobou (DPO).

## Zdroje

- Boston Consulting Group (2025): [AI at Work 2025: Momentum Builds, but Gaps Remain](https://www.bcg.com/press/26june2025-beyond-ai-adoption-full-potential)
- Brynjolfsson, E., Li, D., Raymond, L. (2025): [Generative AI at Work](https://doi.org/10.1093/qje/qjae044). The Quarterly Journal of Economics, 140(2), 889–942. Voľne dostupná verzia: [arXiv](https://arxiv.org/abs/2304.11771)
- Houser, K. (2026): [10 perspectives that divide the AI world](https://bigthink.com/history-society/10-perspectives-that-divide-the-ai-world/). Big Think
- Humlum, A., Vestergaard, E. (2025, revidované 2026): [Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI](https://www.nber.org/papers/w33777). NBER Working Paper 33777, pôvodne vydané pod názvom Large Language Models, Small Labor Market Effects
- Koçak, Ö., Puranam, P., Truong, N. (2025, revidované 2026): [Why They Disagree: Decoding Differences in Opinions about AI Risk](https://arxiv.org/abs/2512.06350). arXiv
- Pencavel, J. (2015): [The Productivity of Working Hours](https://docs.iza.org/dp8129.pdf). The Economic Journal, pracovná verzia IZA DP No. 8129
- Pew Research Center (2025): [U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace](https://www.pewresearch.org/social-trends/2025/02/25/u-s-workers-are-more-worried-than-hopeful-about-future-ai-use-in-the-workplace/)
- Probst, T. M., Lindgren, R. a kol. (2026): štúdia o obavách z nahradenia AI a správaní zamestnancov. Occupational Health Science. Zhrnutie: [Washington State University](https://news.wsu.edu/press-release/2026/10/14/workers-who-fear-ai-replacement-show-worse-workplace-behavior/)
- Ranganathan, A., Ye, X. M. (2026): [AI Doesn't Reduce Work, It Intensifies It](https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it). Harvard Business Review. Zhrnutie: [UC Berkeley Haas](https://newsroom.haas.berkeley.edu/ai-promised-to-free-up-workers-time-uc-berkeley-haas-researchers-found-the-opposite/)
- Wiehler, A. a kol. (2022): A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology. Zhrnutie: [ScienceDaily](https://sciencedaily.com/releases/2022/08/220811135344.htm)