Korelace mezi pozicí na trhu a rétorikou je zjevná. Lídři korporací (Altman, Musk, Amodei), kteří potřebují masivní přísun rizikového kapitálu, prezentují „spásu“ ve formě AGI jako bezprostřední. Jak analyzuje David Cahn ze Sequoia Capital, mnoho investorů podlehlo „iluzi Silicon Valley“, že všichni rychle zbohatnou, protože AGI dorazí zítra a jediným cenným zdrojem na světě budou grafické procesory.
Ekonomická propast a otázka za 600 miliard dolarů
Zatímco vizionáři přesvědčují investory o brzkém příchodu AGI, podniková realita čelí drsnému střetu s ekonomikou implementace. Nejostřeji tento problém pojmenoval David Cahn ze Sequoia Capital jako „Otázku za 600 miliard dolarů„. Podle jeho modelů musí globální AI průmysl generovat 600 miliard dolarů nových ročních příjmů jen proto, aby ospravedlnil investice plynoucí do infrastruktury a grafických karet NVIDIA. Současné předplatné typu 20 dolarů měsíčně za ChatGPT tuto propast zdaleka nezaplní.
Ještě hlubší skepsi projevil Jim Covello, globální ředitel pro výzkum akcií ve společnosti Goldman Sachs. V zprávě „GenAI: Too Much Spend, Too Little Benefit?„ (2024) fundamentálně zpochybnil logiku nahrazování lidí pomocí extrémně nákladné technologie a označil to za „přesný opak předchozích historických technologických transformací“, které zlevňovaly procesy.
Podle reportu MIT je situace pro firmy kritická: navzdory korporátním investicím 30–40 miliard dolarů do GenAI získává 95 % organizací ze svých pilotních projektů nulovou finanční návratnost. Tento jev zpráva nazývá GenAI Divide – zatímco prodejci hardwaru a cloudu generují obrovské zisky, koneční uživatelé zjišťují, že pilotní projekty trpí halucinacemi a nedají se škálovat bez masivního lidského dohledu.
Z makroekonomického hlediska je střízlivá i analýza nobelisty Darona Acemoglua z MIT. Kvantifikoval, že AI dokáže v nákladově efektivní formě automatizovat pouze ~5 % všech úkolů, což povede ke zvýšení produktivity v USA o pouhých 0,5 % a HDP o 0,9 % za celou dekádu. To je v ostrém rozporu se sliby o revoluci, která znásobí světové bohatství.
Fyzické limity: energie, voda, kapitál
Generativní AI není abstraktní entita v „cloudu“, ale fyzický systém s enormním dopadem na planetární zdroje:
Snahy o transparentnost spotřeby vody (např. v Kalifornii) byly opakovaně vetovány, což podtrhuje sílu technologické lobby. Tento obraz ostře kontrastuje s prezentací AI jako čisté inovace.
Mýtus hromadného propouštění
Od konce 2022 zažívá technologický sektor masivní vlny propouštění. Podle trackeru Layoffs.fyi přesáhlo propouštění za poslední rok přes 165 000 míst, jen za prvních pět měsíců 2026 to bylo přes 92 000 zaměstnanců. Amazon propustil 30 000 lidí, Microsoft 15 000, Block 4000 lidí (40% zaměstnanců). 30 000 lidí propustil nedávno Oracle. Korporace tyto škrty veřejně prezentují jako strategický přechod na AI.
Detailní analýza však ukazuje, že toto odůvodnění je často zavádějící. Ekonomové tento jev nazývají „AI-washing“. Skutečné příčiny jsou tři:
- Náprava post-pandemického nabírání lidí. Během covidu technologičtí giganti nabírali bezprecedentní rychlostí, často do spekulativních oddělení nebo jen proto, aby zaměstnance nezískala konkurence. Současné škrty jsou často pouhým narovnáním stavů na dlouhodobý trend.
- Konec éry nulových úrokových sazeb (ZIRP). V letech 2010–2022 operovaly firmy v prostředí extrémně levného kapitálu a mohli si dovolit udržovat rozsáhlá ztrátová oddělení (Alexa, Stadia, Metaverse). Jakmile centrální banky zvedly sazby, investoři začali požadovat ziskovost a ztrátové projekty bylo nutné začít čistit (a s tím i zaměstnance).
- Wall Street a „AI příběh“ jako zástěrka. Jak trefně poznamenal venture kapitalista Marc Andreessen, firmy nyní mají „stříbrnou kulku“ na obhajobu propouštění: „Aha, za to může AI.“ Ryan Nunn z Yale University upozorňuje, že neexistují makroekonomická data potvrzující ztrátu pozic specificky v odvětvích vystavených AI. AI je prostě příhodná výmluva.
Reakce trhů byly předvídatelné: akcie Blocku i Oracle po oznámení škrtů a AI restrukturalizace krátkodobě výrazně posílily. Nadšení investorů však rychle vyprchalo, když analytici začali upozorňovat na rizika spojená s propouštěním zkušených technických týmů a na skutečnost, že řada interně nasazovaných AI nástrojů byla stále ve velmi rané a neověřené fázi vývoje.
Skutečný dopad: AI jako „neúnavný junior“
Zatímco kompletní náhrada zkušeného zaměstnance je v praxi vysoce riziková, integrace AI nástrojů mění strukturu požadovaných kompetencí. Klíčový vhled poskytuje Theo Browne (t3.gg), softwarový vývojář a CEO Ping Labs, který patří k velkým proponentům praktického využití AI, ale ostře rozlišuje mezi marketingem a inženýrskou realitou.
Podle Brownea je nejlepším mentálním modelem chápat AI jako „neúnavného juniorního vývojáře“ – generuje obrovské množství práce, ale nikdy nesmí být osvobozena od kontroly. Tento stav obrací trh naruby ve třech rovinách:
- Prompt jako specifikace zadání. Tak jako lidskému juniorovi nelze dát vágní úkol a očekávat perfektní výsledek, AI vyžaduje extrémní strukturální jasnost. „Promptování“ není magie, je to přesná tvorba zadání definující cíl, omezení a kontext. Zároveň je to o přizpůsobení schopnostem modelů.
- Zastření kompetencí (competence obscuration). Pomocí nástrojů jako Claude Code nebo Cursor dokáže i programátor bez hlubokých znalostí vygenerovat rozsáhlý kód a vytvořit iluzi seniority. Firmy ale narážejí na to, že jakmile dojde na debugging a architektonická rozhodnutí, tito „AI-pohánění“ vývojáři selhávají.
- Paradoxní bottleneck kontroly. Pokud AI generuje kód 3× rychleji než člověk, vzniká úzké hrdlo na straně revizorů. Seniorní vývojáři jsou zaplaveni nekonečným množstvím strojově vygenerovaného kódu, který musí kontrolovat na bezpečnost a integraci.
Důsledek pro trh je specifický: vstupní brány pro juniory se uzavírají, zatímco extrémně roste poptávka po seniorech-validátorech. Hrozí narušení kariérního řetězce – pokud firmy nezaměstnají juniory na rutinní úkoly, nebudou mít za pár let seniory s dostatečnou intuicí k řízení AI.
AI jako nástroj absolutní kontroly
Dívat se na nasazování AI pouze optikou úspor mzdových nákladů je, jak upozorňuje profesor Jiang Xueqin (Predictive History), zcela nedostatečné a do jisté míry naivní. Z makroekonomického hlediska jde o geopolitický zápas, nikoliv však v tradičním pojetí. Ačkoliv se zdá, že Spojené státy, Čína i nadnárodní korporace jsou lapeny ve spirále eskalace, ze které nelze racionálně odstoupit, v pozadí často probíhá tichá symbióza. Západní vývojáři AI totiž ke svému tréninku nutně potřebují gigantické objemy „čistých“ sledovacích dat, k nimž má neomezený přístup právě čínský stát.
V tomto rámci dostávají stamiliardové investice Microsoftu, Googlu a dalších gigantů (např. do superpočítačových datacenter v rámci projektu Stargate) zcela jiný smysl. Nejsou vynakládány proto, aby firmy uspořily pár tisíc dolarů měsíčně na programátorech či analyticích (ekonomicky by to ostatně ani nedávalo smysl, jak poukazuje Goldman Sachs; prodeje podnikového předplatného nemohou bilionové náklady nikdy pokrýt). Tyto výdaje, často úzce provázané s vládním sektorem, slouží k dobytí a monopolizaci nové světové digitální infrastruktury.
Budování datacenter a bezskrupulózní skupování zdrojů (čipů, extrémního množství energie a vody) je de facto moderní formou imperialismu a snahou o nastolení globální technokracie. Aby totiž systémy AI fungovaly bezchybně, musí se zbavit tzv. „okrajových případů“ (edge cases) a proměnných, které způsobuje nevyzpytatelná lidská autonomie.
Kdo bude kontrolovat infrastrukturu AGI, vybuduje dokonalý dohledový aparát (AI surveillance state) a bude ovládat kritickou infrastrukturu planety. Vykazování úspor z „AI efektivit“ a mediální panika kolem nahrazování zaměstnanců tak slouží pouze jako krátkodobý prodejní argument pro Wall Street a kouřová clona zakrývající mnohem hlubší cíl elit: absolutní společenskou kontrolu.
Reálné přínosy AI – mé vlastní zkušenosti
Bylo by nepoctivé tvrdit, že umělá inteligence nemá reálné přínosy. Jako zástupce marketingu bych bez ní nemohl dělat práci v rozsahu a rychlosti, jakou zvládám dnes. Neměl bych možnost stavět si vlastní nástroje, které mi ulehčují každodenní rutinu. Díky AI jsem se naučil řadu věcí o softwarové architektuře, přestože nedokážu napsat řádek kódu. AI mi pomáhá upravovat weby a hledat řešení problémů rychlostí, která byla dříve nepředstavitelná a nahrazuje nekonečné procházení fór. Je to můj konzultant i učitel.
Většina firem s umělou inteligencí selhává proto, že vlastně neví, co s ní. Zaměstnanci jsou zvyklí dělat svou práci určitým způsobem a učit se nové věci a zcela měnit perspektivu je pro mnohé nepředstavitelné. Kvalita výstupů – ať už jde o text, kód, obrázky, video, hudbu nebo mluvené slovo – jde rychle dopředu. Ale tyto nástroje stále vyžadují osobu, která má potřebu se učit a testovat. A pokud nemám expertízu abych rozeznal, co je správně a co špatně, pak vzniká maximálně průměrný výsledek.
Umělá inteligence je skvělý nástroj, ale většina lidí s ním neumí pracovat. Namísto produktivního pomocníka z ní dělají kamaráda, psychologa, glorifikovaný Google nebo nákupní košík – místo odborníka, který pomáhá s prací, vzděláním a růstem. Jako u každého nástroje záleží na tom, kdo ho drží v ruce.
Dokud bude AI jen doplňovačem předchozího kontextu bez vlastních potřeb a vlastního uvažování, je AGI podle mě stále hodně daleko. To ale neubírá nic na faktu, že současné modely dokážou být zároveň přínosem i hrozbou – především pro ty zaměstnance, kteří nejsou otevření jejich používání. Schopné zaměstnance možná plně nenahradí AI, ale lidé, co AI efektivně používají, nahradí kolegy bez těchto zkušeností. Aktuálně je největší efekt AI v oblasti juniorních pozic, což ale v dlouhodobém měřítku vytváří problém s budoucím nedostatkem seniorů.
Závěrem
Umělá inteligence ve své současné iteraci tradiční zaměstnání plošně neeliminuje, ale hluboce transformuje. Apokalyptické a utopistické sliby Altmana, Muska a Amodeie o plně automatizovaném světě v řádu několika let je nutné interpretovat primárně jako nástroj firemního marketingu ospravedlňující požadavky na venture kapitál.
Realita je trojího druhu. Za prvé, ekonomika nahrazování nesedí: pro 95 % implementačních projektů je dnes ROI nulová a nahrazení levného lidského úkolu drahou výpočetní operací popírá základní pravidla efektivity. Za druhé, propouštění není obětí AI, ale tržní korekcí po pandemickém overhirngu a konci levných peněz – „AI-efektivita“ je korporátní alibi pro Wall Street. Za třetí, transformace dovedností je reálná: trh se uzavírá juniorům a otevírá seniorům-validátorům, schopným strojům správně strukturovat zadání a revidovat výsledky.
V následujících letech lze v odvětví AI s vysokou pravděpodobností očekávat cenovou korekci podobnou splasknutí dot-com bubliny. Jak se začíná ukazovat, reálné náklady na výpočetní výkon totiž převyšují náklady na zaměstnance. Většina poskytovatelů AI modelů nabízí měsíční předplatná ve ztrátě, aby postupně zamykaly uživatele ve svém ekosystému a donutili je k vytvoření závislosti na jejich nástrojích. Reálné zisky tak přichází především z enterprise prostředí, kde firmy platí za skutečné využití modelů přes API.
Budoucí vystřízlivění vyčlení nerealistické vize a poskytne prostor pragmatickým řešením. V takovém světě AI lidského zaměstnance neanuluje – stane se nezbytnou komoditou na pozadí, na jejíž bezpečné využití budou firmy hledat úzce specializované, ač draze zaplacené odborníky. A skutečnými vítězi nebudou ti, kdo nahradili lidi, ale ti, kdo si zajistili monopol nad infrastrukturou.
