Jak obhájit rozpočet na školení AI bez slibů produktivity

Rozpočet má koupit rozhodnutí, ne slib produktivity

„AI zvýší produktivitu“ samo o sobě není business case. Neříká, koho se změna týká, co se má zrychlit, zda zůstane zachovaná kvalita ani kolik práce přibude při kontrole. Rozpočet na praktické školení je srozumitelnější, když financuje malý, ohraničený pokus s předem určeným rozhodnutím.

Začněte jedním pracovním úkolem, který se opakuje, má vlastníka a lze posoudit podle stávajících kritérií. Nemusí jít o největší možné použití AI. Pro první ověření bývá cennější úkol s dostupnými bezpečnými vstupy a srozumitelnou kontrolou než ambiciózní proces, u něhož nikdo neumí poznat správný výsledek.

Tento text řeší rozhodnutí před schválením rozpočtu. Není to úplná metodika následného hodnocení školení ani návod k automatickému výpočtu návratnosti; tím se záměr liší od měření dopadu školení po jeho proběhnutí.

Jednostránková karta investičního rozhodnutí

Všechny hodnoty doplňuje firma. Karta neobsahuje přednastavené procento úspory, návratnost ani cenu.

Pole	Co vyplnit
Pracovní problém	Jedna věta: kde dnes vzniká čekání, opakovaná práce nebo kolísavá kvalita.
Současný postup	Hlavní kroky, používané podklady, odpovědná role a povinná kontrola.
Výchozí stav	Typický rozsah času, podíl přijatých výstupů, míra přepracování a období měření.
Cílová dovednost	Co konkrétně má účastník po školení samostatně provést a vysvětlit.
Úplné náklady	Příprava, čas lidí, dodání, nástroje, podpora, ověření, aktualizace a náprava.
Hypotéza hodnoty	„Pokud tým použije postup ______, očekáváme ______, aniž by se zhoršilo ______.“
Měření	Kdo, na jakém vzorku, proti jakému výchozímu stavu a kdy výsledek vyhodnotí.
Nejistoty	Co zatím nevíme: typy úkolů, rozdíly mezi lidmi, kvalita vstupů, změny nástroje.
Vlastník	Jedna role s pravomocí rozhodnout o rozšíření, změně nebo zastavení.
Stop / continue	Předem doplněná hranice kvality, nákladů, rizika a minimální velikost pozorování.

Rozhodovací věta pro vedení: „Schvalujeme ohraničené ověření pro úkol ______ a role ______. Celkové zdroje zahrnují ______. Dne ______ vlastník ______ porovná ______ s výchozím stavem a podle podmínek ______ rozhodne rozšířit / upravit / zastavit.“

Tato věta zmenšuje prostor pro nedorozumění. Zadavatel neslibuje výsledek bez dat a vedení dostává předem popsaný rozhodovací bod, vlastníka a podmínky pokračování.

Úplné náklady: co se často ztratí

Přímá platba za výuku je jen jedna položka. Pro rozhodnutí sepište:

• čas na výběr úkolu, přípravu bezpečných podkladů a schválení nástroje;
• čas účastníků, vedoucího, interního garanta a technické podpory;
• přípravu nebo úpravu výukových materiálů;
• licence, provoz nebo správu přístupu, pokud jsou pro pilot nutné;
• kontrolu výstupů, zpětnou vazbu a měření;
• opravu pracovního postupu, dokumentace či výstupů, pokud pilot odhalí chybu;
• následnou podporu a termín aktualizace.

Ne všechny položky budou vždy relevantní. Je však chybou porovnat fakturu za školení pouze s odhadem ušetřených minut a ignorovat práci, která se přesune na kontrolu nebo podporu.

Tři scénáře nejistoty bez falešné přesnosti

Nepočítejte jednu „správnou“ návratnost. Použijte tři scénáře s firemními vstupy:

Scénář	Co se může stát	Co dopočítat z vlastních dat	Rozhodnutí
Dolní	čas se nezkrátí, přibude kontrola nebo klesne kvalita	náklady na přepracování, dohled a návrat k původnímu postupu	zastavit či změnit úkol
Pracovní	část lidí zvládne postup, část potřebuje podporu	čistá změna času a kvality po započtení podpory	upravit a zopakovat na omezeném vzorku
Horní	kvalita zůstane zachována a opakovaná práce se zkrátí	kapacita skutečně využitá na jinou práci, nikoli teoreticky „ušetřená“	zvážit kontrolované rozšíření

Do scénářů nevkládejte procenta převzatá od dodavatele nebo z obecné studie. Doplňte rozsah, který lze obhájit výchozím měřením a reálným pozorováním ve vaší firmě.

Jak měřit, aby rychlost neskryla horší práci

Pro jeden úkol sledujte alespoň čtyři vrstvy:

1. Čas: od převzetí zadání po výstup připravený k běžné kontrole.
2. Kvalita: stejná kritéria, jaká platila před použitím AI.
3. Přepracování: čas člověka, který musí výstup opravit, dohledat nebo znovu vytvořit.
4. Riziko: výskyt zakázaného vstupu, nepodloženého tvrzení, chybného rozhodnutí nebo překročení oprávnění.

Předem určete vzorek a období. Jeden mimořádně snadný úkol nepředstavuje běžnou práci; deset opakování od jednoho nadšence nemusí popsat celý tým. Zároveň není nutné začínat rozsáhlou studií. Pilot má snížit nejistotu natolik, aby šlo udělat další rozhodnutí. Podrobnou metodiku měření před/po pro celý tým, včetně datové hranice pro GDPR a HR, popisuje jak měřit dopad AI školení.

Co externí studie dokazují a co nikoli

Znalostní práce má „zubatou hranici“

Publikovaný terénní experiment Dell’Acqua a kol. pracoval se 758 znalostními pracovníky a úlohami připomínajícími práci konzultantů. U souboru úloh uvnitř tehdejších schopností GPT-4 se výkon s AI zlepšil, zatímco u vybrané komplexní úlohy mimo tuto hranici se správnost zhoršila. Studie ukazuje, že účinek závisí na konkrétním úkolu. Nehodnotí školení CIAD, současné nástroje ani úkol vaší firmy.

Výsledek z podpory zákazníků není univerzální koeficient

Recenzovaná studie Brynjolfsson, Li a Raymond sledovala postupné nasazení generativního asistenta u 5 172 pracovníků zákaznické podpory. Finální článek v Quarterly Journal of Economics uvádí průměrný růst počtu úspěšně vyřešených případů za hodinu o 15 % a výrazně rozdílné efekty podle zkušenosti pracovníků. Šlo o konkrétní nástroj, jednu firmu, jednu roli a dané období. Číslo proto není očekávaným výsledkem vašeho školení.

Společný závěr pro business case je omezený, ale důležitý: má smysl testovat konkrétní úkol a sledovat rozdíly mezi rolemi. Studie podporují ověření, ne předem garantovanou návratnost.

Co je požadavek a co doporučení

V tomto článku nepředkládáme právní povinnost investovat určitou částku ani používat konkrétní výpočet návratnosti.

Doporučení CIAD: Omezit první rozhodnutí na jeden pracovní úkol, zaznamenat výchozí stav, započítat plné náklady, měřit čas i kvalitu a předem napsat stop/continue podmínku.

Dobrovolná metodická opora: NIST AI RMF organizuje řízení rizik do funkcí Govern, Map, Measure a Manage. Nabízí slovník pro popis kontextu, měření a řízení rizik; nepředepisuje tuto investiční kartu ani podmínku návratnosti. Rámec je dobrovolný, americký, nesektorový a není právním požadavkem EU ani důkazem návratnosti školení.

Přehled rozsahu najdete na stránce školení AI pro firmy. Pokud je záměrem nejen výuka, ale i změna konkrétního postupu, projděte také zavedení AI ve firmě. Formát a zajištění školení řeší jak zvolit formát a zajištění AI školení. Pro oddělení vlastního pilotu od obecných čísel použijte studie s popsanou metodikou a datová srovnání AI jen jako kontext, nikoli jako náhradu vlastního měření. Ohraničený cíl a role můžete poslat přes poptávkový formulář; veřejnou cenu ani garantovanou návratnost zde neuvádíme.

Stav zdrojů a omezení

Externí zdroje byly redakčně zkontrolovány 5. 8. 2026. NIST AI RMF 1.0 podle aktuálního rozcestníku NIST stále prochází revizí. Článek nepřenáší procentní výsledky výzkumu na klienta, nevychází z dat zákazníků CIAD a neslibuje produktivitu, návratnost, indexaci ani obchodní výsledek.