AI a prepúšťanie vo firmách: prečo je to zlá stratégia

AI a prepúšťanie vo firmách je dnes najhlasnejšia dvojica v biznisovej komunikácii, no z pozície človeka, ktorý tieto systémy stavia a prevádzkuje, ju považujem za zámenu úspory za rast. Prepustiť polovicu podpory a vyhlásiť, že „všetko teraz beží na AI“, zníži jednu položku v nákladoch. Neprinesie to nový obrat ani novú kapacitu. A ak model tú prácu nezvládne, náklad sa vráti späť, často aj s úrokom.

Signál z trhu je jednoznačný. Klarna po tom, ako oznámila výrazné škrty v zákazníckej podpore, časť ľudí opäť dobrala. Ford po veľkej vlne prepúšťania inžinierov ticho priviedol stovky z nich naspäť. Tieto obraty sa nedostávajú na titulky, hoci o skutočnom stave vecí hovoria viac než pôvodné oznámenia.

Prečo je AI a prepúšťanie vo firmách slabá rastová stratégia?

Pretože rast znamená robiť viac, nie mať menej ľudí. Prepúšťanie zlepší kvartálnu maržu, ale nezvýši objem, ktorý firma dokáže obslúžiť. Ak AI po odchode ľudí nezvláda dopyt, kvalita klesne, zákazníci odídu a firma doberá naspäť. Presne to sa stalo pri Klarne aj Forde.

Rozdiel medzi úsporou a rastom vidím pri každom projekte, ktorý navrhujeme. Automatizácia, ktorá odbremení tím od opakovanej práce, uvoľní kapacitu na veci s vyššou hodnotou. To je rast. Automatizácia, ktorá tím nahradí a spolieha sa, že model utiahne aj hraničné prípady, je stávka na chybovosť^?Podiel prípadov, v ktorých AI dá nesprávny výstup. Pri nahrádzaní ľudí je kľúčovým skrytým nákladom.. A tá stávka sa spravidla prehráva.

Zvláda dnešná AI naozaj prácu prepustených ľudí?

Vo väčšine prípadov nie bez dozoru človeka. Súčasné modely dobre zvládajú úzko definované, opakovateľné úlohy. Zlyhávajú tam, kde treba kontext, výnimky a rozhodnutie s dôsledkom. Merania na reálnych pracovných úlohách ukazujú úspešnosť pod 25 % pri komplexnejších zadaniach, čo má ďaleko od plnej náhrady.

V praxi to funguje takto. Prvú verziu agenta postavíte tak, že v teste vyzerá skvele. V produkcii začne padať na dopytoch, ktoré nikto nepredvídal. Preto v našej prevádzke platí jedno pravidlo: AI smie sama iba čítať a navrhovať, každý zápis a každé rozhodnutie s následkom potvrdzuje človek. Kto tento medzikrok zruší prepustením ľudí, ostane s chybovosťou, ktorú nemá kto zachytiť.

• Rutina s nízkym rizikom: triedenie, sumarizácia, návrh odpovede. Tu AI reálne šetrí čas.
• Hraničné prípady: nejasný dopyt, konflikt pravidiel, sťažnosť. Tu model potrebuje človeka.
• Rozhodnutia s dôsledkom: zápis do systému, záväzok voči klientovi, financie. Tu autonómia nepatrí.

Čo by mali CEO robiť namiesto rýchleho prepúšťania?

Najprv zmerať, kde tím stráca čas, a tam nasadiť AI ako násobič kapacity. Cieľom je zvýšiť priepustnosť pri rovnakom počte ľudí, nie zmenšiť počet ľudí a dúfať. Až keď automatizácia beží v produkcii stabilne celé mesiace, dáva zmysel prehodnotiť veľkosť tímu. Nie naopak.

Skôr než firma schváli projekt, ktorý má nahradiť roly, oplatí sa spočítať, čo sa stane pri zlyhaní: koľko stojí zlá odpoveď zákazníkovi, koľko chybný zápis do systému, koľko strata dôvery. Kruse vo Forbes upozorňuje, že zle zvládnuté AI prepúšťanie ničí dôveru vnútri aj navonok, čo je náklad, ktorý sa v tabuľke úspor neobjaví (Forbes, 16. júla 2026).

Pre orgány, ktoré tieto projekty schvaľujú, je najdôležitejšia otázka jednoduchá: aký merateľný výsledok má projekt priniesť a čo sa stane, keď model rozhodne zle. Presne na tieto otázky pripravuje predstavenstvá a dozorné rady program o governance a riziku AI projektov určený pre vedenie firiem. Má zmysel, ak schvaľujete AI zámery a chcete manažmentu klásť správne otázky skôr, než sa peniaze minú. Nie je to kurz pre technikov, ktorí systém stavajú.

Ako spoznať prepúšťanie, ktoré sa vráti ako bumerang?

Podľa toho, či za škrtmi stojí odmeraný plán, alebo tlak na titulok. Werner vo Forbes opisuje vlnu AI prepúšťania ako možný bumerang práve preto, že firmy rezali skôr, než mali overené, že AI danú prácu utiahne (Forbes, 17. júla 2026). Rozpoznať to pomáha niekoľko znakov.

1. Rozhodnutie prišlo pred nasadením AI do produkcie, nie po ňom.
2. Chýba číslo, koľko práce model reálne pokryje a s akou chybovosťou.
3. Neexistuje plán, kto zachytí hraničné prípady po odchode ľudí.
4. Komunikácia mieri na investorov a médiá, nie na zákazníkov.

Kde niektorý z týchto bodov sedí, tam je návrat ľudí len otázkou času. Ak vás zaujíma, kde presne leží hranica medzi bezpečnou automatizáciou a rizikom, rozoberáme to podrobnejšie v článku o tom, kde je pri automatizácii práce hranica rizika.

Kedy má nahradenie roly AI skutočne zmysel?

Keď je úloha úzka, opakovateľná, s nízkym rizikom pri chybe a keď automatizácia bežala stabilne v produkcii dostatočne dlho na to, aby ukázala reálnu chybovosť. Vtedy nejde o stávku, ale o rozhodnutie podložené dátami. Vo všetkých ostatných prípadoch je AI lepšia ako posila tímu než ako jeho náhrada.

Moje triezve odporúčanie znie takto. Ak hľadáte rast, použite AI na zvýšenie kapacity a nechajte ľudí robiť to, čo model nezvláda. Ak hľadáte len úsporu, počítajte s tým, že časť z nej vám zožerie chybovosť, strata dôvery a prípadné doberanie ľudí späť. Prepúšťanie ako prvý krok AI stratégie je takmer vždy znakom, že firma zamenila cieľ za titulok.