Které chyby znehodnotí firemní školení AI?

Rejstřík rizik podle závažnosti důsledku

Otázka, které chyby dokážou znehodnotit firemní školení AI, svádí k odpovědi v procentech: kolik firem tu kterou chybu udělá, jak často se opakuje. CIAD takovou odpověď nemá. Nemá interní přehled napříč klienty, žádný průzkum a žádnou naměřenou četnost, ze které by šlo pořadí odvodit.

Co následuje, je jiná věc: rejstřík devíti chybných kroků, který CIAD používá jako vlastní strukturovanou praxi při přípravě a hodnocení firemního školení AI. Protože chybí měřená četnost, řádky jsou seřazené podle toho, jak vážný důsledek mají, pokud k nim dojde. Pořadí vyjadřuje odhadovanou závažnost důsledku; četnost výskytu tento rejstřík neměří a neuvádí.

Rejstřík má pět sloupců: chybný krok, signál, podle kterého ho poznáte dřív, než napáchá škodu, cena selhání, opatření přijaté před prvním školením a náprava, pokud už k chybě došlo. Popisy jsou kvalitativní; žádné procento, počet firem ani interval v nich nenajdete.

Rejstřík

Chybný krok	Včasný signál	Cena selhání	Opatření před školením	Náprava po chybě
Školení bez vazby na konkrétní pracovní úkol	Program obsahuje obecné ukázky nástroje, ale žádný odkaz na skutečný proces týmu	Účastníci umí ovládat nástroj, ale nevědí, kde ho v práci použít; investice se nikde neprojeví	Před objednáním určit jeden až tři pracovní úkoly, které má školení podpořit, a zapsat je do zadání pro lektora	Po prvním běhu zpětně spárovat obsah s konkrétním úkolem; pokud to nejde, obsah přepracovat nebo omezit
Školení pojaté jako doklad o splnění povinnosti	Cíl kurzu je formulovaný jako splnění AI Actu a hlavní metrikou je docházka nebo vydaný certifikát	Firma má formální záznam, ale účastníci neumí nástroj bezpečně použít v běžné práci	Cíl školení napsat jako konkrétní pracovní dovednost a aktuální rozsah povinnosti podle článku 4 ověřit u vlastního právníka	Doplnit navazující praktickou část vázanou na reálný úkol, i když formální program už proběhl
Chybí hranice, jaká firemní data smí do kterého nástroje	Účastníci se během kurzu ptají, co mohou vkládat, a lektor odpovídá obecně	Po školení lidé vkládají citlivá nebo osobní data do veřejných nástrojů, protože chybí konkrétní pravidlo	Mít písemné pravidlo o povolených a zakázaných vstupech hotové před prvním kurzem	Pravidlo dopsat okamžitě a zařadit ho jako první blok dalšího běhu
Stejný obsah pro všechny role bez ohledu na provoz	Stejná prezentace jde do obchodního, provozního i právního týmu beze změny příkladů	Část účastníků sedí na materiálu mimo svou práci a přenos do praxe klesá	Pro každou skupinu použít příklady z jejího vlastního provozu	Příští běh rozdělit podle role a příklady přepracovat, i za cenu kratších kurzů
Žádný chráněný čas na použití nástroje po školení	Kurz končí a firma nenabízí žádný prostor procvičit se na reálné úloze v následujících týdnech	Naučený postup rychle mizí; lidé se vrací ke starému způsobu práce nebo si nástroj upravují po svém bez dohledu	Do kalendáře po školení naplánovat vyhrazený čas na první samostatné použití na reálném úkolu	Pokud odstup naroste, zopakovat jen klíčový blok v kratší formě
Chybí výchozí záznam, podle kterého jde poznat změnu	Po kurzu firma nemá žádný zaznamenaný stav před školením, se kterým by šlo srovnávat	Firma neumí rozhodnout, zda pokračovat, upravit nebo zastavit, protože nemá s čím srovnat	Zaznamenat výchozí stav vybraného pracovního úkolu ještě před prvním kurzem	Pokud záznam chybí, začít ho sbírat okamžitě a další rozhodnutí opřít až o něj
Lektor nezná nástroje a provoz, se kterými tým reálně pracuje	Příklady v prezentaci pocházejí z obecných šablon dodavatele a neodpovídají prostředí týmu	Obsah zůstává teoretický a účastníci nevědí, jak postup přenést na svůj vlastní úkol	V zadání pro dodavatele požadovat přípravný rozhovor s vlastníkem procesu	Po prvním běhu doplnit chybějící kontext v kratší lekci vedené interně
Rozsah a rozpočet školení odvozené od ceníku dodavatele	Počet hodin a skupin vychází hlavně z nabídky dodavatele, bez vazby na počet úkolů, které mají projít změnou	Firma přeplatí za obsah, který nikdo nevyužije, nebo program zkrátí pod úroveň potřebnou k upevnění dovednosti	Rozsah odvodit od počtu konkrétních úkolů určených v prvním řádku rejstříku	Po prvním běhu porovnat využitý obsah s objednaným rozsahem a rozpočet dalšího běhu upravit
Dohodnutá pravidla a příklady se nikde nezapíší	Po kurzu neexistuje sdílený zápis povolených nástrojů, pravidel ani dobrých příkladů použití	Znalost zůstává jen u účastníků; noví lidé nemají z čeho čerpat a při odchodu klíčového člověka mizí	Před školením určit, kdo a kam zapíše dohodnutá pravidla, aby byla dostupná i mimo kurz	Zpětně sepsat, co se v kurzu dohodlo, a uložit to na místo, které tým skutečně používá

K druhému řádku: článek 4 aktu o umělé inteligenci po novele nařízením (EU) 2026/1744 ukládá přijmout opatření na podporu rozvoje AI gramotnosti. Neukládá zaručit konkrétní úroveň u jednotlivce, nepředepisuje formát ani délku školení a nevyžaduje certifikát. Pokud firma interní záznam o školení přesto vede, jde o její vlastní rozhodnutí; aktuální znění zákona takový záznam v této podobě nevyžaduje.

K pátému řádku: chybějící prostor na procvičení po kurzu je jeden z důvodů, proč se ve firmách šíří takzvané stínové AI, tedy používání nástrojů mimo firemní dohled. Podrobněji ho popisuje co je stínové AI. Ke třetímu řádku se váže konkrétní otázka, co je a není bezpečné do veřejně dostupného nástroje vložit; tu řeší je bezpečné vkládat firemní data do ChatGPT.

Jak rejstřík projít po prvním běhu

Po prvním běhu školení projděte rejstřík řádek po řádku; nespoléhejte jen na celkový dojem z kurzu. U každého řádku zapište, zda se popsaný signál objevil, jak se to poznalo a jaká náprava proběhla. Řádek, jehož signál se u vašeho provozu vůbec neobjevil, můžete pro další běh přesunout na konec pozornosti nebo z aktivního sledování vyřadit. Pokud narazíte na chybný krok, který rejstřík nepokrývá, přidejte ho do rejstříku jako nový řádek se stejnou strukturou pěti sloupců, aby zůstal viditelný i příště.

Řádek o chybějícím výchozím záznamu se dá takto ověřit jen tehdy, když měření navrhnete už před prvním kurzem. Postup, jak takový záznam sestavit a jak číst výsledek po školení, popisuje jak měřit dopad AI školení na pracovní proces týmu. Formát a zajištění konkrétního kurzu, na který rejstřík navazuje, popisuje stránka školení AI pro firmy.

Co sledovat nejvíc: první školení proti opakovanému

U prvního školení, tedy tam, kde firma s programem začíná, nesou nejvyšší cenu chyby, které se dají těžko napravit dodatečně: chybějící vazba na konkrétní úkol, chybějící hranice pro vstupní data a chybějící výchozí záznam pro pozdější srovnání. Tyto tři řádky mají smysl vyřešit dřív, než kurz vůbec začne. Doplnit je zpětně bývá dražší než je mít hotové předem, a u dat navíc znamená, že škoda už mohla nastat.

U opakovaného školení, tam, kde firma programem už jednou prošla, se těžiště přesouvá k udržení a přenosu naučeného: chráněný čas na použití po kurzu, zápis dohodnutých pravidel mimo hlavy jednotlivých účastníků a rozsah dalšího běhu odpovídající tomu, co se z prvního běhu skutečně využilo. Firma, která první běh zvládla bez chyby ve vstupních datech, ale nevytvořila prostor pro pravidelné použití, riskuje, že druhý běh začíná prakticky od nuly. Rozsah a rozpočet dalšího běhu, tedy osmý řádek rejstříku, se navíc dá poprvé řádně posoudit až po prvním odškoleném cyklu; k rozpočtovému rozhodnutí, které tomu předchází, slouží jak obhájit rozpočet na školení AI.

Stav zdrojů a omezení

Čtyři zdroje byly ověřeny k datům uvedeným u jednotlivých odkazů. Nařízení (EU) 2026/1744 a stanovisko Evropské komise k AI gramotnosti podporují popis aktuální podoby povinnosti podle článku 4. Nepodporují žádné tvrzení o tom, jak časté jsou chyby ve firemním školení; takové tvrzení tento článek neobsahuje. Struktura NIST AI RMF, tedy funkce govern, map, measure a manage, inspirovala uspořádání rejstříku do signálu, ceny, prevence a nápravy, ale sám rámec firemní školení nepopisuje. Playbook NIST AI RMF svůj obsah otevřeně označuje za dobrovolná doporučení k volitelnému použití; rejstřík v tomto článku má stejnou povahu, je to nabídnutá praxe CIAD sestavená bez interních dat o klientech a bez naměřené četnosti. Které konkrétní kategorie dat firma smí do daného nástroje vkládat a jaký právní základ pro jejich zpracování má, musí posoudit s vlastním právníkem nebo pověřencem pro ochranu osobních údajů; tento článek takové posouzení nenahrazuje.