Video vysvětluje, proč se úspory času z nasazení AI často neprojeví v absolutních číslech, přestože AI reálně funguje. Klíčovým důvodem je tzv. gold plating – tendence využívat ušetřený čas k neustálému zlepšování výstupů namísto zkrácení práce. Filip Oborník navrhuje hodnotit efektivitu AI nejen podle délky práce, ale i podle kvality dodávané služby.
Samotné pořízení licencí bez systémového zavedení nestačí – lidé AI používají povrchně a úspory se nedostaví.
Ušetřený čas lidé často vyplní scrollováním nebo zbytečnými úpravami, pokud nemají jasno, kam ho přesměrovat.
AI umožňuje dodávat výrazně kvalitnější výstupy za stejný čas – to je reálná hodnota, i když absolutní čísla zůstávají stejná.
Gold plating je skrytý žrout času: protože každá další úprava vyžaduje jen jeden prompt, lidé sklouzávají k nekonečnému vylepšování i tam, kde to nepřináší měřitelný přínos.
Manažeři by měli předem definovat, do jaké míry mají lidé systémy zlepšovat, aby optimalizace nepřestřelila původní úsporu.
Správná metrika nasazení AI zahrnuje nejen délku trvání úkolu, ale i změnu kvality procesu a výstupu – obojí patří do rovnice.
Historie chatu se neukládá. Po opuštění stránky bude smazána.
Kde jsou všechny ty úspory času a peněz, které AI slibuje? Filip Oborník v tomto Coffee Breaku nechce rozebírat zjevné příčiny neúspěchu – nákup licencí bez onboardingu nebo absence jasných use cases. Zaměřuje se na méně viditelný mechanismus, který funguje i tam, kde AI skutečně funguje.
První problém je jednoduchý: lidé přirozeně roztáhnou práci do celého vyměřeného časového bloku. Když AI zpracuje část úkolu rychleji, neznamená to automaticky, že člověk skončí dřív. Volný čas se vyplní – Instagramem, drobnými úpravami nebo čekáním. Bez záměrného přesměrování kapacity úspora nevznikne.
Druhý fenomén je subtilnější a Filip ho ilustruje na vlastní práci. Dříve posílal klientům nabídku jako e-mail ze šablony, trénink proběhl, pár poznámek odešlo a hotovo. Dnes díky AI odesílá před tréninkem klasifikační dotazník, vyhodnocuje ho, posílá klientovi analýzu výchozí úrovně, nahrává celý trénink, generuje přepis, výtahy do PDF, glosář a follow-up materiály. Čas strávený přípravou a dodávkou se nezmenšil – naopak narostl. Ale kvalita služby se zásadně zlepšila. Absolutní čísla vypadají jako nulová úspora, přitom šlo o reálný posun.
Tomuto jevu se říká gold plating. AI snížila bariéru pro každé dílčí zlepšení na jeden prompt, takže člověk neustále přidává funkce, upravuje výstupy a ladí detaily. Některé změny posunují výsledek o desítky procent, jiné o promile – a obojí zabere podobný čas. Filip radí nastavit si nebo svým lidem konkrétní hranici: do tohoto bodu chceme produkt nebo proces dovést a pak ho necháme být. Bez vědomého zastavení se čas na zlepšování nezmenšuje, ale kumuluje.
Z perspektivy firmy nebo manažera to má praktický dopad. Pokud zaměstnanci dostali nástroje a stále tráví stejně dlouho stejnou prací, nemusí to znamenat, že AI nepomohla. Může to znamenat, že dodávají podstatně lepší výstup za stejné peníze – a to je konkurenční výhoda, alespoň dočasně. Dlouhodobě ale Filip upozorňuje, že standard výstupů poroste plošně, protože klienti si na vyšší kvalitu zvyknou a budou ji očekávat jako základ.
Závěrečná myšlenka je praktická: při hodnocení toho, zda AI v týmu nebo firmě skutečně funguje, nestačí měřit jen délku trvání úkolu před a po nasazení. Do rovnice patří i to, jak se změnil proces a jak se zlepšila kvalita dodávané služby. Jestli chcete primárně zkrátit čas nebo zvýšit kvalitu, je strategické rozhodnutí – ale ignorovat jednu z těchto os při hodnocení efektivity AI je chyba.