Diskuze o vlivu generativní umělé inteligence na trh práce se až příliš často zužuje na černobílé scénáře: buď roboty ovládaná utopie, nebo masová nezaměstnanost. Rozsáhlý mikroekonomický model, který společnost BCG sestavila, však přináší střízlivější a praktičtější pohled. Ukazuje se, že naprostá většina pozic bude technologií spíše transformována než zcela nahrazena. Studie se zaměřuje primárně na trh práce ve Spojených státech – konkrétně na 165 milionů pracovních míst rozdělených do přibližně 1 500 typů rolí.
Přetváření versus nahrazování: Co říkají data
Podle predikcí BCG projde v nejbližších dvou až třech letech výraznou proměnou 50 % až 55 % pracovních pozic v USA. U těchto profesí dojde k takzvané augmentaci – tedy k situaci, kdy umělá inteligence převezme podstatnou část rutinní agendy, čímž zásadně změní každodenní náplň práce zaměstnanců. Lidé si svá místa udrží, ale budou čelit radikálně novým očekáváním ohledně efektivity, rychlosti a nově požadovaných dovedností.
Naproti tomu k úplnému nahrazení lidské síly bude docházet podstatně pomaleji a selektivněji. Kompletní eliminace pozic se v pětiletém horizontu odhaduje pouze u 10 % až 15 % profesí. Tyto změny navíc neproběhnou přes noc; budou brzděny legislativními bariérami, náklady na implementaci a přirozenou setrvačností firemních procesů.
Model pracuje s hranicí 40 % automatizovatelnosti. Role, u nichž lze pomocí AI automatizovat méně než 40 % pracovních úkolů, jsou považovány za méně ohrožené a pravděpodobně nebudou v příštích čtyřech až pěti letech procházet zásadní restrukturalizací. Celkem 43 % amerických pracovních míst tuto hranici překračuje – a právě tato skupina tvoří těžiště analýzy.
Dva klíčové faktory, které rozhodují o budoucnosti práce
Analýza identifikuje dvě hlavní dimenze, které určují, jak moc je konkrétní pracovní pozice zranitelná nebo naopak připravená na technologické posílení:
1. Míra lidské interakce a úsudku
Profese, které stojí na budování důvěry, vyjednávání, vysoké emoční inteligenci a komplexním vyhodnocování kontextu, jsou vůči plné automatizaci imunní. Umělá inteligence v těchto oblastech funguje jako výkonný asistent (např. analytický nástroj pro personalisty, lékaře či manažery), ale finální rozhodnutí a mezilidský kontakt zůstávají v rukou člověka. Naopak pozice zaměřené na čistě transakční úkony s minimální potřebou empatie či přesvědčování vykazují vysoké riziko nahrazení.
2. Struktura a opakovatelnost procesů
Čím více je pracovní postup rigidní, jasně definovaný a kódovatelný, tím snazší je jeho plná automatizace. Pokud se práce skládá z opakovaných vzorců (např. základní zadávání dat, zpracování jednoduchých reportů), technologie ji zvládne efektivněji. Otevřené řešení problémů, kreativní myšlení a zvládání nestandardních výjimek vyžadujících expertní vhled naopak zůstávají doménou lidských pracovníků.
3. Poptávková rozšiřitelnost (demand expandability)
Třetí – a v českém zpravodajství často přehlížený – faktor se týká toho, zda AI-driven produktivita celkovou poptávku po výstupu dané profese zvyšuje, nebo zda zůstává omezená. Pokud nižší náklady způsobené automatizací odemknou dosud neuspokojenou poptávku, celkový objem práce může vzrůst a pracovní místa zůstanou zachována nebo přibydou – i přes značnou míru automatizace dílčích úkolů. Pokud je poptávka pevně daná (například počet příchozích hovorů na zákaznické lince je určen velikostí zákaznické základny, nikoli cenou obsluhy), produktivní zisky se naopak projeví úbytkem pracovníků.
Ekonomové tento jev znají jako Jevonsův paradox: když klesne cena zdroje, jeho spotřeba může vzrůst. Totéž platí pro práci.
Šest kategorií pracovních rolí
Na základě výše popsaných faktorů BCG klasifikuje pracovní pozice do šesti skupin:
1. Amplified roles (zesílené role) – 5 % pracovních míst AI
schopnosti pracovníka prokazatelně zesiluje a zároveň roste celková poptávka po výstupu. Pracovní místa mohou zůstat stabilní nebo dokonce přibývat, mzdy rostou s tím, jak produktivita zvyšuje konkurenci o talenty. Typickým příkladem jsou softwaroví inženýři – jejich počty v USA rostly i po roce 2022, kdy se rozšířilo použití ChatGPT. AI urychluje generování kódu, ale systémový design, architektonická rozhodnutí a propojování komponent napříč složitými systémy stále vyžadují lidský úsudek. Podobně jsou na tom právníci v poradenských a judikaturně náročných oblastech práva.
2. Rebalanced roles – 14 % pracovních míst
AI zefektivňuje práci, ale poptávka je omezená, takže celkový počet pracovníků zůstává přibližně stejný. Rutinní úkoly se automatizují, náročnější odpovědnosti se rozrůstají. Příkladem je content marketing: poptávka je ohraničena marketingovými rozpočty, zároveň se ale fragmentace publik a rozmach influencerů a LLM modelů žene potřebu cílenějšího obsahu nahoru. Marketéři se z úzce specializovaných specialistů přemění na omnichannel stratégy. Podobně funguje akademický výzkum – objem práce roste díky AI nástrojům, ale institucionální financování zůstává pevnou konstantou.
3. Divergent roles – 12 % pracovních míst
AI v těchto rolích substituuje lidi, ale poptávka zůstává rozšiřitelná. Důsledkem je nerovnoměrný dopad: vstupní a juniorní pozice jsou v krátkodobém horizontu nejvíce ohroženy, protože právě jejich rutinní agenda patří mezi první automatizovaná. Seniorní role naopak přetrvávají a mohou přibývat. Příkladem jsou agenti pojišťoven: AI přebírá generování nabídek a porovnávání pojistek, ale trh stále skrývá nevyužitý potenciál u malých podniků a širší životní pojistky, který levnější distribuce dokáže odemknout. Podobně IT podpora – rutinní tickety řeší AI, ale komplexní systémová koordinace zůstává lidem.
4. Substituted roles – 12 % pracovních míst
Nejzranitelnější kategorie: poptávka je omezená a AI přímo nahrazuje lidi v klíčových úkolech. Produktivní zisky se mění ve ztrátu pracovních míst a mzdový tlak na zbývající pozice. Příkladem jsou operátoři zákaznických linek a někteří finanční analytici – objem finanční analýzy je do velké míry určen stávajícími reportovacími cykly a investičními mandáty, takže vyšší produktivita vede k potřebě méně analytiků, nikoli k tvorbě nových.
5. Enabled roles – 23 % pracovních míst
AI se stane součástí každodenní práce a zvýší efektivitu, přesnost a rozhodování, aniž by fundamentálně změnila strukturu práce. Klíčové odpovědnosti – fyzická přítomnost, mezilidská interakce, odborná expertíza – zůstávají v rukou lidí. Příkladem jsou kliničtí asistenti a laboratorní technici: AI podporuje dokumentaci, příjem pacientů nebo interpretaci testů, ale práce je stále výrazně hands-on a patient-facing.
6. Limited-exposure roles (role s omezenou expozicí) – 34 % pracovních míst
Nejméně ohrožená kategorie: technická proveditelnost automatizace i prostor pro AI-driven produktivitu zůstávají v blízké budoucnosti omezené. Práce je vysoce kontextuální, vztahová nebo závislá na fyzické přítomnosti člověka způsobem, který je obtížné kodifikovat. Typickým příkladem jsou lékaři a učitelé – obě profese vyžadují komplexní úsudky, mezilidské interakce a real-time adaptaci na individuální potřeby, což AI v dohledné době nedokáže nahradit.
Specifická rizika: juniorní pozice a kognitivní zátěž
Studie upozorňuje na dva méně diskutované dopady, které zaslouží zvláštní pozornost:
Ohrožení juniorních pozic. Jak AI přebírá rutinní práci tvořící základ vstupních pozic, počty juniorních pracovních míst krátkodobě poklesnou. Část firem bude nadále investovat do rozvoje juniorů kvůli talentovému pipeline, jiné od jejich náboru upustí. V delším horizontu budou tato místa redefinována – budoucí junioři nastoupí do rolí, kde se od prvního dne očekává schopnost dohlížet na výstupy AI, řídit výjimky a řešit složitější problémy. Výraznou konkurenční výhodou přitom může být AI gramotnost, a to i u čerstvých absolventů bez rozsáhlé praxe.
Nárůst kognitivní zátěže. Mnohé role dnes kombinují rutinní plnění úkolů s komplexním uvažováním. Jak AI rutinu přebírá, zbývající práce se koncentruje do řešení problémů, rozhodování a integrace složitých vstupů. Kognitivní intenzita práce roste. Zatímco někteří pracovníci v rolích orientovaných na úsudek vyniknou, jiní budou mít se stálou vysokou kognitivní zátěží potíže. Bez promyšleného redesignu rolí a rozvoje kapacit hrozí, že organizace nedosáhnou plného produktivního potenciálu AI.
Realizovaný dopad přijde se zpožděním
Důležitý poznatek studie: ekonomický dopad AI na trh práce bude o několik let opožděn za technickými možnostmi modelů. Adopce závisí na zralosti konkrétních aplikací, redesignu procesů, integraci s legacy systémy a dostupnosti lidského kapitálu schopného AI nasadit a spravovat.
Například nástroje pro kontaktní centra patří mezi nejzralejší aplikace, přesto je tržní penetrace stále nízká v poměru k celkové velikosti odvětví. Plná substituce pracovníků bývá pomalejší než augmentace: substituce vyžaduje rozsáhlý redesign procesů a formalizaci zažitých znalostí, zatímco augmentace se šíří rychleji, protože lidé zůstávají v procesu a zvládají kontext, okrajové případy a nejasnosti i v průběhu přechodu.
Jak ilustruje analýza, odvětví s vysokým automatizačním potenciálem – například finanční či právní služby – zatím v adopci AI zaostávají za technologickým sektorem. Difuze bude záviset na sektoru, velikosti firmy i dostupnosti integračních expertů.
Riziko „předčasného propouštění"
Z pohledu podnikového managementu vyplývá z analýzy jedno zásadní varování: personální strategie nesmí být pouze pasivním a unáhleným důsledkem zavádění technologií. Mnohé organizace dělají chybu, že snižují stavy zaměstnanců hned v první fázi implementace AI nástrojů v domnění, že technologie práci okamžitě zastane sama.
Tento přístup však často vede ke skrytým vnitřním krizím. Pokud firmy přistoupí k plošnému propouštění nad rámec toho, co dokáže umělá inteligence v daný moment reálně a bezchybně odpracovat, riskují:
- Ztrátu kritického institucionálního know-how a kontextu, který AI postrádá.
- Prudký propad produktivity a přetížení zbývajících zaměstnanců, kteří musí systém neustále kontrolovat.
- Odchod klíčových talentů, kteří ztratí důvěru ve stabilitu a kulturu organizace.
Čtyři strategické úkoly pro vedení firem
Studie uzavírá konkrétními doporučeními pro nejvyšší vedení:
1. Zakotvit personální strategii do konkurenční strategie.
AI promění konkurenční dynamiku a umožní nové obchodní modely. Personální strategie nesmí být pouhým důsledkem automatizace – musí být součástí strategického plánování od samého počátku. Lídři by se měli vyvarovat reaktivních kroků motivovaných titulky médií nebo chováním konkurence: snižování stavů bez pochopení vlastní expozice vůči AI podkopává produktivitu i dlouhodobou konkurenceschopnost.
2. Zaměřit automatizaci na redesign, ne jen na snižování nákladů.
Agentní AI není tupý nástroj. Různé role vyžadují různé přístupy. Snižování stavů je viditelné a má přímý dopad na OpEx, ale hodnota AI se projevuje především v produktivitě – a ta vyžaduje nové KPI propojující produktivní zisky s hmatatelnými výsledky (například vyšší tržby na FTE nebo silnější zákaznický dopad).
3. Upskilling, reskilling a přesun pracovníků do středu personální strategie.
Skutečnost, že pracovní místo přežije, neznamená, že je zaměstnanec připraven na jeho novou podobu. Organizace musí systematicky identifikovat chybějící dovednosti, investovat do jejich rozvoje a umožnit interní mobilitu.
4. Průběžně sledovat a dynamicky přizpůsobovat.
Spíše než statické prognózy potřebují firmy přístup průběžného přehodnocování: jak se mění AI schopnosti, musí se měnit i přístupy k náboru, rozvoji a designu rolí. Zvláštní pozornost si zaslouží sledování vývoje kategorií – například softwarové inženýrství dnes leží v kategorii „zesílených rolí", ale pokrok frontier modelů by je mohl přesunout do kategorie „rozcestných".
Úspěch v éře umělé inteligence nebude záviset na technologii samotné, ale na schopnosti organizací transformovat samotný design práce a podpořit lidi v adaptaci na nové standardy. Klíčem k tomu je strategické plánování pracovní síly, investice do vzdělávání a jasná vize pro to, jak transformaci řídit – nikoli reaktivní hašení personálních nedostatků.
Zdroj: BCG – AI Will Reshape More Jobs Than It Replaces (duben 2026)