Návratová zátěž: jak si s AI nepřidělávat další práci

Před sebou máte návrh adaptačního plánu, který jste si nechali připravit od AI. Je rozdělený do týdnů, obsahuje úkoly i doporučené materiály a teď potřebujete rozhodnout, co z toho nový kolega skutečně využije, kdo ho jednotlivé činnosti naučí a kde na to vezme čas jeho vedoucí.

V tomhle modelovém příkladu z HR máte za sebou rychlou přípravu návrhu a před sebou práci s jeho posouzením. Když mezitím vedoucí připojí seznam dalších nápadů od AI a kolega vrátí svoje připomínky, můžete strávit spoustu času jejich porovnáváním, zatímco použitelný plán pořád čeká na dokončení.

Pro čtení, kontrolu, úpravy a rozhodování, které se k člověku vracejí po zadání úkolu AI, používám pracovní označení návratová zátěž. I dobrý výstup potřebuje takovou pozornost, a když jeho převzetí opakovaně odkládáme, vytváříme si zásobu neuzavřených věcí. Té můžeme říkat návratový dluh.

S tím souvisí i výzkum BetterUp Labs a Stanford Social Media Lab o workslopu. Autoři tak označují AI obsah, který působí zpracovaně, ale chybí mu podstata potřebná k posunu úkolu, takže domýšlení a opravy zůstávají na příjemci. V jejich americkém dotazníkovém šetření 40 % dotázaných uvedlo, že takový obsah za poslední měsíc dostali. Číslo popisuje zkušenost konkrétního vzorku kancelářských pracovníků v USA.

Návratovou zátěž používám jako širší pojem, který zahrnuje i potřebnou kontrolu kvalitního návrhu. U nekvalitních nebo nepročtených materiálů k ní ovšem přidáváme práci, kterou jsme mohli udělat sami ještě před odesláním. Čas ušetřený při tvorbě pak snadno stráví někdo jiný.

Ještě před zadáním si ujasněte, co chcete dokončit

U adaptačního plánu se vyplatí začít tím, co má nový specialista zákaznické podpory po prvním měsíci zvládat a jak to poznáte. Když k tomu přidáte možnosti týmu a čas, který mu mohou věnovat zkušení kolegové, máte mnohem přesnější podklad pro zadání i pro pozdější kontrolu výsledku.

Doporučuji si u většího úkolu napsat jednu větu o tom, k čemu výsledek použijete a podle čeho poznáte, že vyhovuje. U našeho příkladu by mělo být možné podle plánu rozdělit práci mezi konkrétní lidi a ověřit, co už nováček zvládá. Každá další úprava se pak dá vztáhnout k tomuto cíli.

Pokud dostanete obecný seznam aktivit, ve kterém chybí odpovědnosti nebo vazba na skutečnou práci, víte, co potřebujete doplnit. Další verze má vyřešit konkrétní nedostatek. A když už na vaši kontrolu čeká několik takových materiálů, stojí za to si před dalším zadáním říct, kdy je skutečně převezmete.

Když přibývají verze a rozhodnutí pořád čeká

Otevřete výstup, něco vás v něm zarazí a napadne vás, že by AI mohla nabídnout ještě jiný postup. Necháte si ho připravit, porovnáte obě varianty a za chvíli už čtete třetí, aniž jste si pojmenovali, co vám na té první vlastně chybělo.

V takové chvíli si zkuste doplnit větu „Ještě potřebuji změnit nebo ověřit…“. Konkrétní odpověď vám dá zadání pro další krok, třeba ověřit údaj, zkrátit rozsah nebo doplnit odpovědného člověka. Pokud odpověď nemáte, vraťte se k tomu, co už máte před sebou, a posuďte, která varianta vyhovuje vašemu cíli.

Také samotné zadání kontroly můžete zpřesnit. U návrhu dokumentu se dá použít například tato formulace:

„Posuď návrh podle uvedeného cíle a omezení. Vyber připomínky, které mění jeho použitelnost. U každé označ konkrétní místo, vysvětli problém a navrhni úpravu. Chybějící podklady vypiš zvlášť.“

Výsledek potom projděte sami a u navržených změn zvažte, zda řeší skutečnou potřebu, nebo by jejich zapracování přineslo další práci s malým přínosem. U adaptačního plánu může AI navrhnout zajímavou aktivitu, pro kterou ale firma nemá mentora ani čas. I to je informace pro vaše rozhodnutí.

Kolegovi předejte připomínku i důvod

Vedoucí vám pošle seznam nápadů, vy si k nim necháte od AI vytvořit další komentáře a dokument se vrací zpátky. Každý přidal něco dalšího. Někdo přitom musí určit, které návrhy se zapracují a co už může zůstat tak, jak je.

Před odesláním si proto vlastní připomínky projděte, vyberte relevantní body a napište, proč změnu doporučujete. Neověřené informace označte a příjemci řekněte, jaký krok od něj potřebujete. U modelového adaptačního plánu může předání vypadat třeba takto:

„Doporučuji u úkolů doplnit odpovědné osoby. Jinak nebude jasné, kdo nováčka jednotlivé činnosti naučí. Prosím, potvrďte, kdo je převezme, ať můžeme plán uzavřít.“

Kolega tak dostává konkrétní připomínku, její důvod i požadavek, na který může odpovědět, takže nemusí nejdřív procházet celý seznam možností a odhadovat, které z nich vůbec považujete za potřebné. Ve společném úkolu si zároveň domluvte, kdo udělá konečné rozhodnutí, aby další kolo připomínek mělo jasný konec.

Pozornost na převzetí výsledků potřebujete i v kalendáři

Na hromadící se práci vás může upozornit chvíle, kdy stejný text čtete opakovaně, ale stále nevíte, co z něj použijete. Mezitím přibývají nové verze a rozpracované materiály, ke kterým se nevracíte, protože na ně zrovna nemáte soustředění nebo čekají na rozhodnutí někoho dalšího.

U jedné takové věci se zastavte a pojmenujte, co konkrétně zbývá. Jestli je to ověření údaje, najděte zdroj nebo člověka, který ho může zkontrolovat. Pokud potřebujete schválení, domluvte si rozhodnutí s tím, kdo ho má udělat. Na vlastní kontrolu si nechte souvislý čas, ve kterém budete posuzovat jeden výsledek.

Když už čtete bez porozumění, práci přerušte a určete si, kdy se k ní vrátíte. U důležitého výstupu může být vhodné přizvat dalšího člověka s potřebnou odborností. O únavě a zahlcení při používání AI píšu podrobněji v článku Proč jsme vyřízení, když AI pracuje za nás.

Co s tím může udělat HR a vedoucí týmu

Pokud ve firmě podporujete používání AI, doporučuji začít u jednoho opakovaného úkolu a společně s lidmi se podívat, kdo připravuje návrh, kdo ho kontroluje a kdo rozhoduje o jeho použití.

U vzdělávacího programu může autor zkontrolovat vazbu na cíl a časový rozsah, odborník věcnou správnost a vedoucí rozhodnout o realizaci. Když jsou tyto role jasné, každý ví, za co odpovídá a s čím má materiál předat dál. Stejně užitečné je domluvit, kdo vybere postup ve chvíli, kdy se připomínky rozcházejí.

Takový úkol se dá použít i při školení. Na podkladech, se kterými lidé smějí ve firmě pracovat v AI, mohou připravit návrh a potom ho skutečně převzít: označit neověřená místa, vybrat potřebné úpravy a předat výsledek kolegovi, který podle něj zvládne pokračovat.

Ověřování informací a dohled nad zadáním popisovali také účastníci šetření Microsoft Research publikovaného na CHI 2025. Šlo o jejich vlastní výpovědi, ze kterých nelze určit, o kolik AI každému přidává nebo ubírá práci. Pro nácvik je to ale užitečný podnět věnovat se i tomu, jak člověk výsledek posuzuje a začleňuje do svého úkolu.

Při ověřování přínosu AI proto sledujte celý postup včetně času na kontrolu, následných úprav a práce kolegů, kterým výsledek předáte. Nakonec se podívejte, jestli se materiál skutečně použil. U adaptačního plánu to znamená, že podle něj nováček a jeho vedoucí mohou pracovat a vědí, co mají udělat.

Začněte jednou rozpracovanou věcí, kterou vám AI už připravila. Napište si, co zbývá ověřit nebo upravit a kdo má rozhodnout o použití, a udělejte nejbližší krok k jejímu uzavření. Zkušenost z jednoho úkolu vám dá podklad k úpravě konkrétního postupu; sama o sobě ještě neprokazuje přínos AI pro celou firmu.

Tématu se s Jitkou Štádlerovou věnujeme také v epizodě BrAInstormuj Mentální baterie a návratový dluh. Rozhovory a odkazy k poslechu najdete na stránce podcastu BrAInstormuj nebo ve vaší oblíbené podcastové aplikaci.