Návratnosť AI projektov: prečo úspora času nepríde

Návratnosť AI projektov je vo väčšine firiem dnes nedoložiteľná: podľa štúdie MIT, ktorú cituje EY, 95 % organizácií nedokáže preukázať žiadnu merateľnú návratnosť peňazí, ktoré do generatívnej AI naliali. Dôvod nie je v modeloch. Je v tom, že čas ušetrený na generovaní výstupu sa stráca inde: pri kontrole, opravách a údržbe toho, čo AI vyrobila.

Poznám to z vlastnej prevádzky. AI mi na konkrétnych mikroúlohách čas naozaj ušetrí. Zároveň ma dotlačí robiť veci, ktoré by som predtým nikdy nezačal. Namiesto pluginu za päť eur mesačne si zrazu poviem: „Nech mi to napíše model.“ A stratím na tom popoludnie.

Prečo AI často neušetrí čas, ale ho ukradne?

Pretože oficiálne metriky počítajú len automatizovanú časť práce, nie kontrolnú. Štúdia spoločnosti Workday z januára 2026 na vzorke 3 200 zamestnancov zistila, že viac než tretina času ušetreného vďaka AI padne na prepracovanie nekvalitných výstupov. Zamestnanci overujú fakty a opravujú halucinácie^?Nesprávne alebo vymyslené výstupy jazykového modelu, ktoré znejú dôveryhodne, ale nezodpovedajú realite., čo sa v produktivite nikde neprejaví.

Workday preto zaviedol pojem čistá hodnota AI: ušetrený čas mínus čas na korekcie a verifikáciu. Práve tento druhý člen sa v prezentáciách pred vedením systematicky vynecháva. Model vygeneruje návrh za tridsať sekúnd, to je ľahko merateľné. Že ho niekto hodinu čítal, upravoval a kontroloval, to už do kalkulácie nikto nezapočíta.

Ako sa systematicky nadhodnocuje návratnosť AI projektov?

Tak, že sa meria hrubá úspora na tvorbe výstupu a ignoruje sa všetka nadväzná ľudská práca. Ak manažment ráta iba automatizovanú časť procesu, reálna návratnosť AI projektov vyjde na papieri oveľa lepšie, než akú firma naozaj dosiahne. EY zároveň upozorňuje, že bez zvládnutia trecích plôch medzi technológiou a ľuďmi produktívny prínos AI oproti ideálu klesá až o 40 %.

Čísla z EY sedia dokopy nepríjemne. AI v práci už používa 88 % zamestnancov, no len 28 % firiem vytvorilo podmienky na skutočne transformačný prínos. Zvyšok má nástroj, nemá výsledok.

Kým teda podpisujete rozpočet na ďalší AI zámer, oplatí sa vedieť, kde peniaze reálne zarobia a kde len horia. Presne to je jadro programu jednodňového workshopu o reálnych nákladoch AI zámerov počas celého životného cyklu, ktorý vedú inžinieri, čo takéto rozhodnutia robili na oboch stranách stola. Má zmysel, ak stojíte pred voľbou vyvinúť, kúpiť alebo integrovať a chcete odísť s rozhodovacou maticou, nie s prezentáciou. Nemá zmysel, ak hľadáte technický kurz práce s modelmi.

Prečo AI zvyšuje technický dlh u vývojárov?

Pretože písanie kódu nikdy nebolo úzkym hrdlom, jeho pochopenie a údržba áno. Analýza AI a technický dlh z roku 2026 uvádza, že 75 % firiem má stredný až vysoký technický dlh^?Skryté náklady zle napísaného alebo ťažko udržiavateľného kódu, ktoré firma zaplatí neskôr pri opravách a údržbe. pripísateľný AI a rastie. Kód od modelu vyzerá čisto, no obsahuje subtílne problémy, ktoré udrú neskôr.

Najsilnejšie číslo z tej analýzy: skúsení vývojári hlásia 19 % pokles produktivity pri používaní AI nástrojov. AI zrýchli generovanie riadkov, ale zvýši nároky na to, aby im niekto rozumel a vedel ich udržiavať. Objem kódu narastie, chápanie systému nie.

• Rýchlejšia tvorba, pomalšia údržba: viac kódu znamená väčšiu plochu na chyby.
• Skrytý dlh: problémy sa neprejavia pri code review, ale v produkcii.
• Falošná úspora: ušetrené minúty na písaní zaplatíte hodinami pri hľadaní príčin.

Kto rieši ekonomiku prevádzky modelov, nájde súvislosti aj v tom, ako sa počíta cena inferencie a prečo je aj lacný model drahý v nesprávnej architektúre.

Prečo AI vyrába viac práce, nie nutne užitočnejšej?

Pretože AI zosilňuje smer, ktorý jej dáme. Text Produktivita v dobe AI to opisuje jasne: bez jasného cieľa model len efektívne produkuje ďalšie výstupy, ktoré nemusia byť vôbec potrebné. Zrazu robíte prezentácie, rešerše a analýzy, ktoré by predtým nikoho nenapadli.

Presne toto zachytáva pôvodný redditový príspevok „AI has not saved me any time“: človek začne robiť „AI-assisted“ úlohy, ktoré by inak vôbec nerobil, a celkový objem práce narastie. Ide o používateľskú skúsenosť, nie o štúdiu, no dáta z Workday aj EY ju rámcujú číslami.

Kedy sa teda návratnosť AI projektov dostaví?

Podľa teórie J-krivky produktivity sme zatiaľ vo fáze, kde náklady rastú a výstupy stagnujú. Analýza Paradox AI: Prečo (zatiaľ) nerastie produktivita delí vývoj do troch fáz:

1. 2023 až 2026: firmy investujú, skúšajú, učia sa. Produktivita môže aj dočasne klesať.
2. 2026 až 2030: vznikajú procesy počítajúce s AI od začiatku, tempo rastu 1 až 2 % ročne.
3. 2030 až 2035: plná transformácia, v niektorých odvetviach až 5 % ročný rast.

Autor odkazuje aj na Darona Acemoglua: automatizácia síce dvíha priemernú produktivitu, no často nahrádza prácu namiesto toho, aby ju podporovala. Zisky rastú, bežní pracovníci z toho nemusia mať úžitok.

Čo z toho pre firmu prakticky vyplýva?

Že problém nie je technológia, ale organizácia práce, procesy a metriky. EY identifikuje tri faktory náskoku: zručnosti, nástroje a nastavenie myslenia. Lídri navyše nastavujú odmeňovanie tak, aby motivovalo excelentné využívanie AI, nie len jej formálne nasadenie.

Moje triezve odporúčanie. AI projekt má zmysel, keď viete presne, ktorý proces zrýchli, a keď do kalkulácie zarátate aj čas na kontrolu, opravy a údržbu. Ak počítate len hrubú úsporu na generovaní výstupu, klamete sami seba a čísla vám nesadnú. Ak nemáte jasný cieľ, AI vám nepridá hodnotu, len objem. A ak neviete zmerať čistú hodnotu podľa Workday, radšej zámer odložte, kým to viete.