Když se ve firmě používá AI víc: co musí manažeři ukázat, aby se lidé cítili jistě?

Pravidelná schůzka manažera s týmem poté, co se ve firmě rozšířilo používání AI. Přehled ukazuje, že nástroje používá víc lidí a častěji. Schůzka probere čísla.

Neprobere ale, která část práce se každému změnila, kdo řeší případy, kdy AI udělá chybu, a jakou podporu člověk dostane, když nový způsob práce zatím k jeho úkolu nesedí. Tyhle tři věci v přehledu nejsou — a právě podle nich lidé posuzují, jestli se změna dělá s nimi, nebo jim.

Častější používání AI samo o sobě v lidech jistotu ohledně jejich práce nevyvolá. Data z velkého amerického panelu naznačují spíš opačný vzorec — a to, co organizace a její manažeři dávají najevo, znamená víc než to, jak často se nástroj otevírá.

Mají lidé, kteří používají AI víc, menší obavy o práci?

Ne — v datech Gallupu měli lidé, kteří AI používají často, obav víc, ne méně.

Článek Gallupu „Using AI More Does Not Reassure Workers — Managers Do“ (9. září 2026) vychází z téměř 30 000 pozorování ve čtyřech vlnách od roku 2023 do prvního čtvrtletí 2026 a sleduje tytéž zaměstnance v čase. Lidé, kteří AI používají denně nebo několikrát týdně, uváděli akutní obavu z nahrazení více než dvakrát častěji než ti, kdo ji používají méně.

Dvě omezení je dobré znát předem. Panel je reprezentativní pro zaměstnané dospělé ve Spojených státech, nejde tedy o data za EU, Česko ani Slovensko. A popisuje souvislosti v panelových datech, ne výsledek kontrolovaného experimentu. Je to silný doklad o vzorci, ne zákon platný pro každý tým.

Co souvisí s menším strachem, že člověka nahradí AI?

Pocit, že si člověka organizace váží a záleží jí na něm — nejvíc u těch, kdo AI používají nejčastěji.

Ve stejných datech mají zaměstnanci, kteří rozhodně souhlasí, že jejich organizaci záleží na jejich pohodě, přibližně o šest až sedm bodů nižší pravděpodobnost, že uvedou obavu z nahrazení. U lidí s nejvyšším hodnocením respektu byla souvislost mezi častým používáním AI a touto obavou o 6,8 bodu slabší.

Gallup také jmenuje, co manažeři dělají v praxi: vysvětlují účel změny, spojují ji s tím, co tým nově zvládne, a ne s úsporou pracovních míst, a dávají lidem prostor říct své obavy přímo.

Nic z toho není komunikační kampaň. Každá z těch věcí je manažerské chování, které se buď děje v běžné týdenní práci, nebo ne.

Co musí manažer ukázat, když se používání AI rozšíří?

Čtyři věci, vždy navázané na skutečnou práci, ne na nástroj:

1. Co se změnilo v roli. Pojmenujte konkrétní úkol: které kroky teď připravuje AI, které dál vlastní člověk a jaký úsudek se od něj nově čeká. „Používejte AI víc“ není popis role.
2. Kdo vlastní výjimky. Když je výstup chybný, neúplný nebo nejednoznačný, někdo rozhoduje, co dál. Pokud je to člověk, který práci dělá, řekněte mu to a dejte mu k tomu pravomoc. Pokud někdo jiný, řekněte kdo.
3. Jaká podpora existuje. Čas v rámci pracovního týdne na procvičení na skutečných případech a konkrétní člověk, na kterého se lze obrátit. Odkaz na kurz navíc k nezměněnému objemu práce se nepočítá.
4. K čemu změna slouží. Řekněte to jasně a pravdivě. Lidé vysvětlení porovnávají s tím, co se stane potom, takže upřímně řečený účel buduje víc důvěry než uklidňující věta, kterou příští reorganizace vyvrátí.

Údaj o využití může stát vedle těchto čtyř věcí. Nahradit žádnou z nich nemůže.

Jak dosáhnout toho, aby zaměstnanci AI nástroje opravdu používali, a nestal se z toho příkaz?

Navrhněte změnu kolem práce a používání nechte vyplynout z ní.

Cíl denního používání lidem říká, jak často mají nástroj otevřít. Neříká jim, který úkol je teď jiný, jak vypadá dobrý výsledek ani co se stane, když je výstup špatně. Když jsou tyto věci definované — jedno workflow po druhém, spolu s lidmi, kteří ho dělají — používání roste, protože nástroj má v práci své místo. Když definované nejsou, může s rostoucím používáním růst i obava, což je přesně vzorec, který Gallup popisuje.

Proto chování manažerů bereme jako součást návrhu změny, ne jako měkký doplněk. U každého měněného workflow se ptáme nejen, co smí AI připravit, ale i kdo vysvětlí novou roli, kdo vlastní výjimky a jak si tým nový způsob práce vyzkouší na vlastních případech dřív, než se stane standardem.

Co je tedy užitečné měřit?

Jestli lidé změněnou práci zvládají, ne jen jestli otevírají nástroj.

Dokáže člověk popsat, která část úkolu se změnila? Ví, kdo vlastní výjimku? Vyzkoušel si to na skutečném případu? Posunul se výsledek workflow — čas, kvalita, přepracování — oproti výchozímu stavu? Na tyto otázky se odpovídá déle než na graf využití. Jsou to ale právě ty, které ukážou, jestli změna vydrží.