Na co se dá spolehnout generativní umělá inteligence bez lidského zásahu?

Shrnutí pro manažery

Generativní umělá inteligence (AI) – technologie, která umožňuje strojům vytvářet text, obrázky, kód a další – zaznamenala v posledních letech explozivní růst. Tato bílá kniha poskytuje přístupný přehled o tom, co generativní AI dokáže spolehlivě dnes bez lidského zásahu a co se od ní očekává v příštím desetiletí. Zkoumáme její využití v psaní, umění, kódování, zákaznickém servisu, zdravotnictví, vzdělávání, logistice a financích a zdůrazňujeme oblasti, kde AI funguje autonomně a kde je lidský dohled stále klíčový. Pro ilustraci úspěchů i omezení jsou zahrnuty příklady z reálného světa. Mezi klíčová zjištění patří:

• Široké přijetí: V roce 2024 65 % dotázaných společností uvádí, že pravidelně používá generativní umělou inteligenci – téměř dvojnásobný podíl oproti předchozímu roku ( Stav umělé inteligence na začátku roku 2024 | McKinsey ). Aplikace zahrnují tvorbu marketingového obsahu, chatboty zákaznické podpory, generování kódu a další.

• Současné autonomní schopnosti: Dnešní generativní umělá inteligence spolehlivě zvládá strukturované, opakující se úkoly s minimálním dohledem. Mezi příklady patří automatické generování šablonovitých zpráv (např. souhrny firemních zisků) ( Philana Patterson – profil komunity ONA ), tvorba popisů produktů a recenzí na e-shopech a automatické dokončování kódu. V těchto oblastech umělá inteligence často doplňuje lidské pracovníky tím, že přebírá rutinní generování obsahu.

• Zapojení člověka do smyčky pro složité úkoly: U složitějších nebo otevřenějších úkolů – jako je tvůrčí psaní, podrobná analýza nebo lékařské poradenství – je obvykle stále vyžadován lidský dohled, aby byla zajištěna faktická přesnost, etický úsudek a kvalita. Mnoho nasazení umělé inteligence dnes používá model „zapojení člověka do smyčky“, kdy umělá inteligence vytváří obsah a lidé jej kontrolují.

• Krátkodobá vylepšení: V příštích 5–10 letech se očekává, že generativní umělá inteligence se stane mnohem spolehlivější a autonomnější . Pokroky v přesnosti modelů a ochranných mechanismech mohou umožnit umělé inteligenci zvládat větší podíl kreativních a rozhodovacích úkolů s minimálním lidským zásahem. Například odborníci předpovídají, že do roku 2030 bude umělá inteligence zpracovávat většinu interakcí a rozhodnutí v oblasti zákaznických služeb v reálném čase ( Aby si marketéři představili přechod na CX, musí udělat tyto 2 věci ) a mohl by být natočen velký film s 90 % obsahu generovaného umělou inteligencí ( Případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ).

• Do roku 2035: Za deset let očekáváme, že autonomní agenti s umělou inteligencí budou běžnou součástí mnoha oborů. Lektoři s umělou inteligencí by mohli poskytovat personalizované vzdělávání ve velkém měřítku, asistenti s umělou inteligencí by mohli spolehlivě navrhovat právní smlouvy nebo lékařské zprávy ke schválení odborníky a samořídící systémy (s pomocí generativní simulace) by mohly provádět logistické operace od začátku do konce. Některé citlivé oblasti (např. vysoce rizikové lékařské diagnózy, konečná právní rozhodnutí) však budou pravděpodobně i nadále vyžadovat lidský úsudek z hlediska bezpečnosti a odpovědnosti.

• Etické a spolehlivé obavy: S rostoucí autonomií umělé inteligence rostou i obavy. Mezi dnešní problémy patří halucinace (vymýšlení si faktů umělou inteligencí), zkreslení generovaného obsahu, nedostatek transparentnosti a potenciální zneužití k dezinformacím. Zajištění důvěryhodnosti umělé inteligence při jejím provozu bez dohledu je zásadní. Dochází k pokroku – například organizace investují více do zmírňování rizik (řešení přesnosti, kybernetické bezpečnosti, otázek duševního vlastnictví) ( Stav umělé inteligence: Globální průzkum | McKinsey ) – ale je zapotřebí robustní rámce pro správu a etiku.

• Struktura tohoto článku: Začneme úvodem do generativní umělé inteligence a konceptem autonomního vs. kontrolovaného použití. Poté pro každou hlavní oblast (psaní, umění, kódování atd.) rozebereme, co umělá inteligence dokáže spolehlivě dnes, oproti tomu, co je na obzoru. Na závěr uvedeme průřezové výzvy, budoucí prognózy a doporučení pro zodpovědné využívání generativní umělé inteligence.

Celkově vzato se generativní umělá inteligence již ukázala být schopna zvládat překvapivou škálu úkolů bez neustálého lidského vedení. Pochopením jejích současných limitů a budoucího potenciálu se organizace i veřejnost mohou lépe připravit na éru, v níž umělá inteligence nebude jen nástrojem, ale autonomním spolupracovníkem v práci a kreativitě.

Zavedení

Umělá inteligence je již dlouho schopna analyzovat data, ale teprve nedávno se systémy umělé inteligence naučily tvořit – psát prózu, skládat obrázky, programovat software a další. Tyto generativní modely umělé inteligence (jako je GPT-4 pro text nebo DALL·E pro obrázky) jsou trénovány na rozsáhlých datových sadách, aby v reakci na zadání vytvářely nový obsah. Tento průlom spustil vlnu inovací napříč odvětvími. Vyvstává však zásadní otázka: Co vlastně můžeme umělé inteligenci důvěřovat, že udělá sama o sobě, bez toho, aby člověk dvakrát kontroloval její výstup?

Abychom na to mohli odpovědět, je důležité rozlišovat mezi kontrolovaným a autonomním využitím umělé inteligence:

• Umělá inteligence s dohledem člověka označuje scénáře, kdy výstupy umělé inteligence před finalizací kontrolují nebo upravují lidé. Například novinář může k napsání článku použít asistenta psaní s umělou inteligencí, ale redaktor jej upraví a schválí.

• Autonomní umělá inteligence (AI bez lidského zásahu) označuje systémy umělé inteligence, které provádějí úkoly nebo produkují obsah, který se přímo používá s minimální nebo žádnou lidskou úpravou. Příkladem je automatizovaný chatbot, který řeší dotaz zákazníka bez lidského agenta, nebo zpravodajský server, který automaticky zveřejňuje souhrn sportovních výsledků vygenerovaný umělou inteligencí.

Generativní umělá inteligence se již nasazuje v obou režimech. V letech 2023–2025 její zavádění prudce vzrostlo a organizace s ní dychtivě experimentují. Jeden globální průzkum z roku 2024 zjistil, že 65 % společností pravidelně používá generativní umělou inteligenci, což je nárůst oproti zhruba jedné třetině o rok dříve ( Stav umělé inteligence na začátku roku 2024 | McKinsey ). I jednotlivci si osvojili nástroje, jako je ChatGPT – odhadem se 79 % profesionálů do poloviny roku 2023 alespoň trochu setkalo s generativní umělou inteligencí ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ). Toto rychlé zavádění je poháněno příslibem zvýšení efektivity a kreativity. Přesto je to stále „raný vývoj“ a mnoho společností stále formuluje zásady, jak umělou inteligenci používat zodpovědně ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ).

Proč je autonomie důležitá: Pokud necháme umělou inteligenci fungovat bez lidského dohledu, může to odhalit obrovské výhody v efektivitě – zcela automatizovat únavné úkoly – ale také to zvyšuje sázky na spolehlivost. Autonomní agent umělé inteligence musí dělat věci správně (nebo znát své limity), protože v reálném čase nemusí být přítomen žádný člověk, který by chyby odhalil. Některé úkoly se k tomu hodí více než jiné. Obecně umělá inteligence funguje nejlépe autonomně, když:

• Úkol má jasnou strukturu nebo vzorec (např. generování rutinních sestav z dat).

• Chyby jsou nízkorizikové nebo snadno tolerovatelné (např. generování obrazu, které lze v případě neuspokojivosti zahodit, oproti lékařské diagnóze).

• je k dispozici dostatek trénovacích dat , takže výstup umělé inteligence je založen na reálných příkladech (což snižuje dohady).

Naproti tomu úkoly, které jsou otevřené , s vysokými sázkami nebo vyžadují nuance úsudku, jsou dnes méně vhodné pro nulový dohled.

V následujících částech se budeme zabývat řadou oblastí, abychom zjistili, co generativní umělá inteligence dělá nyní a co bude dál. Podíváme se na konkrétní příklady – od novinových článků a umělecky generovaných grafických návrhů psaných umělou inteligencí až po asistenty psaní kódu a virtuální agenty zákaznické podpory – a zdůrazníme, které úkoly lze pomocí umělé inteligence provádět komplexně a které stále vyžadují lidskou účast. Pro každou oblast jasně oddělujeme současné možnosti (kolem roku 2025) od realistických projekcí toho, co by mohlo být spolehlivé do roku 2035.

Mapováním současnosti a budoucnosti autonomní umělé inteligence napříč různými oblastmi se snažíme poskytnout čtenářům vyvážené pochopení: ani nepřeceňujeme umělou inteligenci jako magicky neomylnou, ani nepodceňujeme její skutečné a rostoucí kompetence. Na tomto základě poté diskutujeme o hlavních výzvách spojených s důvěrou v umělou inteligenci bez dohledu, včetně etických aspektů a řízení rizik, a na závěr shrneme klíčová poznatky.

Generativní umělá inteligence v psaní a tvorbě obsahu

Jednou z prvních oblastí, kde generativní umělá inteligence zaznamenala velký rozruch, bylo generování textu. Velké jazykové modely dokáží vytvářet cokoli od novinových článků a marketingových textů až po příspěvky na sociálních sítích a shrnutí dokumentů. Ale kolik z těchto textů lze napsat bez lidského editora?

Aktuální možnosti (2025): Umělá inteligence jako automatický tvůrce rutinního obsahu

Generativní umělá inteligence dnes spolehlivě zvládá řadu rutinních úkolů psaní s minimálním nebo žádným lidským zásahem. Ukázkovým příkladem je žurnalistika: Associated Press již léta používá automatizaci k generování tisíců zpráv o hospodaření společností každé čtvrtletí přímo z finančních datových kanálů ( Philana Patterson – profil komunity ONA ). Tyto krátké zprávy se řídí šablonou (např. „Společnost X vykázala zisk Y, nárůst o Z %...“) a umělá inteligence (pomocí softwaru pro generování přirozeného jazyka) dokáže vyplnit čísla a slovní spojení rychleji než kterýkoli člověk. Systém AP tyto zprávy publikuje automaticky, čímž dramaticky rozšiřuje jejich pokrytí (přes 3 000 článků za čtvrtletí) bez nutnosti lidských autorů ( Automatizované články o hospodaření se násobí | The Associated Press ).

Podobně se rozšířila i sportovní žurnalistika: systémy umělé inteligence mohou brát statistiky sportovních zápasů a generovat shrnutí. Protože tyto oblasti jsou založeny na datech a formulích, chyby jsou vzácné, pokud jsou data správná. V těchto případech vidíme skutečnou autonomii – umělá inteligence píše a obsah je publikován okamžitě.

Firmy také využívají generativní umělou inteligenci k tvorbě popisů produktů, e-mailových newsletterů a dalšího marketingového obsahu. Například gigant v oblasti elektronického obchodování Amazon nyní využívá umělou inteligenci ke shrnutí zákaznických recenzí produktů. Umělá inteligence prohledává text mnoha jednotlivých recenzí a vytváří stručný odstavec s upozorněním na to, co se lidem na daném produktu líbí nebo nelíbí. Ten se poté zobrazí na stránce produktu bez ruční úpravy ( Amazon vylepšuje zážitek z zákaznických recenzí pomocí umělé inteligence ). Níže je uvedena ilustrace této funkce nasazené v mobilní aplikaci Amazonu, kde je sekce „Zákazníci říkají“ kompletně generována umělou inteligencí z dat z recenzí:

( Amazon vylepšuje zákaznické recenze pomocí umělé inteligence ) Shrnutí recenzí generované umělou inteligencí na stránce produktu v e-shopu. Systém Amazonu shrnuje společné body z uživatelských recenzí (např. snadnost použití, výkon) do krátkého odstavce, který se nakupujícím zobrazuje jako „vygenerované umělou inteligencí z textu zákaznických recenzí“.

Takové případy použití ukazují, že když se obsah řídí předvídatelným vzorem nebo je agregován z existujících dat, umělá inteligence si s ním často poradí sama . Mezi další aktuální příklady patří:

• Aktuální informace o počasí a dopravě: Média využívající umělou inteligenci k sestavování denních zpráv o počasí nebo dopravních informací na základě dat ze senzorů.

• Finanční zprávy: Firmy automaticky generují jednoduché finanční shrnutí (čtvrtletní výsledky, přehledy akciového trhu). Od roku 2014 Bloomberg a další zpravodajské agentury používají umělou inteligenci k psaní zpráv o ziscích společností – proces, který probíhá z velké části automaticky po zadání dat („robotičtí novináři“ agentury AP nyní píší své vlastní články | The Verge ) ( reportér z Wyomingu přistižen při používání umělé inteligence k vytváření falešných citací a článků ).

• Překlad a transkripce: Transkripční služby nyní využívají umělou inteligenci k vytváření přepisů schůzek nebo titulků bez lidských písařů. I když se nejedná o generativní úkoly v tvůrčím smyslu, tyto jazykové úlohy běží autonomně s vysokou přesností a zajišťují čistý zvuk.

• Generování konceptů: Mnoho profesionálů používá nástroje jako ChatGPT k vytváření konceptů e-mailů nebo prvních verzí dokumentů a občas je odesílají s malými nebo žádnými úpravami, pokud je obsah nízkorizikový.

U složitější prózy však . Zpravodajské organizace jen zřídka publikují investigativní nebo analytické články přímo z umělé inteligence – editoři ověřují fakta a vylepšují koncepty napsané umělou inteligencí. Umělá inteligence dokáže napodobit styl a strukturu, ale může vnést faktické chyby (často nazývané „halucinace“) nebo nešikovné fráze, které si člověk musí všimnout. Například německé noviny Express představily „digitální kolegyni“ s umělou inteligencí jménem Klara, která jim pomáhá psát úvodní zpravodajské články. Klara dokáže efektivně navrhovat sportovní reportáže a dokonce i titulky, které přitahují čtenáře, a přispívá k 11 % článků Expressu – ale lidští editoři stále kontrolují každý článek z hlediska přesnosti a novinářské integrity, zejména u složitých příběhů ( 12 způsobů, jak novináři používají nástroje umělé inteligence v redakci – Twipe ). Toto partnerství mezi člověkem a umělou inteligencí je dnes běžné: Umělá inteligence se stará o těžkou práci generování textu a lidé jej podle potřeby upravují a opravují.

Výhled na období 2030–2035: Směrem k důvěryhodnému autonomnímu psaní

V příštím desetiletí očekáváme, že generativní umělá inteligence se stane mnohem spolehlivější při generování vysoce kvalitního, fakticky správného textu, což rozšíří škálu psacích úkolů, které dokáže zvládat autonomně. To podporuje několik trendů:

• Zvýšená přesnost: Probíhající výzkum rapidně snižuje tendenci umělé inteligence produkovat nepravdivé nebo irelevantní informace. Do roku 2030 by pokročilé jazykové modely s lepším trénováním (včetně technik ověřování faktů v databázích v reálném čase) mohly dosáhnout interní kontroly faktů téměř na lidské úrovni. To znamená, že umělá inteligence by mohla automaticky vytvořit kompletní zpravodajský článek se správnými citacemi a statistikami získanými ze zdrojového materiálu, což by vyžadovalo jen minimální úpravy.

• Umělé inteligence specifické pro danou oblast: Uvidíme specializovanější generativní modely vyladěné pro určité oblasti (právní, lékařské, technické psaní). Model právní umělé inteligence z roku 2030 by mohl spolehlivě navrhovat standardní smlouvy nebo shrnout judikaturu – úkoly, které mají formální strukturu, ale v současné době vyžadují čas právníka. Pokud je umělá inteligence trénována na ověřených právních dokumentech, její návrhy by mohly být natolik důvěryhodné, že se na ně právník jen letmo naposledy podívá.

• Přirozený styl a koherence: Modely se zlepšují v udržování kontextu v dlouhých dokumentech, což vede k ucelenějšímu a výstižnějšímu obsahu. Do roku 2035 je pravděpodobné, že umělá inteligence bude schopna sama napsat slušný první návrh knihy literatury faktu nebo technické příručky, zatímco lidé budou hrát primárně poradní roli (stanovovat cíle nebo poskytovat specializované znalosti).

Jak by to mohlo vypadat v praxi? Rutinní žurnalistika by se mohla v určitých obdobích stát téměř plně automatizovanou. V roce 2030 bychom se mohli dočkat, kdy by tisková agentura měla systém s umělou inteligencí, který by psal první verzi každé zprávy o hospodaření, sportovního příběhu nebo aktualizace výsledků voleb, přičemž redaktor by pro zajištění kvality vybral pouze několik z nich. Odborníci skutečně předpovídají, že stále rostoucí podíl online obsahu bude generován strojově – jedna odvážná předpověď analytiků z oboru naznačovala, že do roku 2026 by až 90 % online obsahu mohlo být generováno umělou inteligencí ( Do roku 2026 bude online obsah generovaný nelidskými organismy výrazně převyšovat obsah generovaný lidmi – OODAloop ), ačkoli se o tomto čísle diskutuje. Ještě konzervativnější výsledek by znamenal, že do poloviny 30. let 21. století bude většina běžných webových článků, textů produktů a možná i personalizovaných zpravodajských kanálů vytvářena umělou inteligencí.

V marketingu a firemní komunikaci bude generativní umělá inteligence pravděpodobně pověřena autonomním řízením celých kampaní. Mohla by generovat a odesílat personalizované marketingové e-maily, příspěvky na sociálních sítích a varianty reklamních textů, přičemž by neustále upravovala sdělení na základě reakcí zákazníků – to vše bez lidského copywritera. Analytici společnosti Gartner předpovídají, že do roku 2025 bude nejméně 30 % odchozích marketingových sdělení velkých podniků synteticky generováno umělou inteligencí ( případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ) a toto procento se do roku 2030 pouze zvýší.

Je však důležité poznamenat, že lidská kreativita a úsudek budou i nadále hrát roli, zejména u obsahu s vysokými sázkami . Do roku 2035 by umělá inteligence mohla sama zvládnout tiskovou zprávu nebo blogový příspěvek, ale u investigativní žurnalistiky, která zahrnuje odpovědnost nebo citlivá témata, mohou média stále trvat na lidském dohledu. Budoucnost pravděpodobně přinese víceúrovňový přístup: umělá inteligence autonomně produkuje většinu každodenního obsahu, zatímco lidé se zaměřují na úpravu a tvorbu strategických nebo citlivých částí. V podstatě se hranice toho, co se považuje za „rutinu“, bude rozšiřovat s tím, jak se bude zvyšovat úroveň dovedností umělé inteligence.

Kromě toho se mohou objevit nové formy obsahu, jako jsou interaktivní narativy generované umělou inteligencí nebo personalizované zprávy . Například výroční zpráva společnosti by mohla být umělou inteligencí generována v několika stylech – stručná zpráva pro manažery, narativní verze pro zaměstnance, datově bohatá verze pro analytiky – každý vytvořený automaticky ze stejných podkladových dat. Ve vzdělávání by umělá inteligence mohla dynamicky psát učebnice tak, aby vyhovovaly různým úrovním čtení. Tyto aplikace by mohly být do značné míry autonomní, ale podložené ověřenými informacemi.

Trajektorie v psaní naznačuje, že do poloviny 30. let 21. století se umělá inteligence stane plodným autorem . Klíčem k skutečně autonomnímu provozu bude nastolení důvěry v její výstupy. Pokud bude umělá inteligence schopna důsledně prokazovat faktickou přesnost, stylistickou kvalitu a soulad s etickými standardy, potřeba lidské kontroly řádek po řádku se sníží. Části této bílé knihy by do roku 2035 mohly být klidně napsány výzkumníkem v oblasti umělé inteligence bez nutnosti editora – což je vyhlídka, ohledně které jsme opatrně optimističtí, za předpokladu, že budou zavedena náležitá ochranná opatření.

Generativní umělá inteligence ve vizuálním umění a designu

Schopnost generativní umělé inteligence vytvářet obrazy a umělecká díla si získala pozornost veřejnosti, od obrazů generovaných umělou inteligencí, které vyhrávají umělecké soutěže, až po deepfake videa, která jsou nerozeznatelná od skutečných záběrů. Ve vizuálních oblastech mohou modely umělé inteligence, jako jsou generativní adversarial networks (GAN) a difúzní modely (např. Stable Diffusion, Midjourney), vytvářet originální obrázky na základě textových pokynů. Může tedy umělá inteligence nyní fungovat jako autonomní umělec nebo designér?

Aktuální schopnosti (2025): Umělá inteligence jako kreativní asistent

Od roku 2025 generativní modely dokáží vytvářet obrázky na vyžádání s působivou věrností. Uživatelé mohou požádat umělou inteligenci, aby nakreslila „středověké město při západu slunce ve stylu Van Gogha“, a během několika sekund obdrží přesvědčivě umělecký obrázek. To vedlo k širokému využití umělé inteligence v grafickém designu, marketingu a zábavě pro koncepční umění, prototypy a v některých případech dokonce i finální vizuální podobu. Zejména:

• Grafický design a obrázky z fotobank: Firmy vytvářejí grafiku pro webové stránky, ilustrace nebo fotografie z fotobank pomocí umělé inteligence, což snižuje potřebu objednávat každý kus od umělce. Mnoho marketingových týmů používá nástroje umělé inteligence k vytváření variant reklam nebo obrázků produktů, aby otestovaly, co oslovuje spotřebitele.

• Umění a ilustrace: Jednotliví umělci spolupracují s umělou inteligencí na brainstormingu nápadů nebo doplňování detailů. Například ilustrátor může pomocí umělé inteligence vytvářet kulisy na pozadí, které pak integruje se svými postavami kreslenými lidmi. Někteří tvůrci komiksů experimentovali s panely nebo vybarvováním generovanými umělou inteligencí.

• Média a zábava: Umění generované umělou inteligencí se objevovalo na obálkách časopisů a knih. Známým příkladem byla Cosmopolitanu , na které byl zobrazen astronaut – údajně se jednalo o první obrázek na obálce časopisu vytvořený umělou inteligencí (DALL·E od OpenAI) na pokyn uměleckého ředitele. I když se jednalo o lidské zapojení a výběr, samotné umělecké dílo bylo vykresleno strojově.

Rozhodující je, že většina těchto současných využití stále zahrnuje lidskou kurátorskou činnost a iteraci . Umělá inteligence dokáže vytvořit desítky obrázků a člověk vybere ten nejlepší a případně ho upraví. V tomto smyslu umělá inteligence pracuje autonomně na vytváření možností, ale lidé řídí kreativní směr a činí konečné rozhodnutí. Je spolehlivá pro rychlé generování velkého množství obsahu, ale není zaručeno, že splní všechny požadavky napoprvé. Problémy, jako jsou nesprávné detaily (např. umělá inteligence kreslí ruce se špatným počtem prstů, známá zvláštnost) nebo nezamýšlené výsledky, znamenají, že lidský art director obvykle musí dohlížet na kvalitu výstupu.

Existují však oblasti, kde se umělá inteligence blíží plné autonomii:

• Generativní design: V oblastech, jako je architektura a produktový design, mohou nástroje umělé inteligence autonomně vytvářet prototypy designu, které splňují specifická omezení. Například na základě požadovaných rozměrů a funkcí kusu nábytku může generativní algoritmus vytvořit několik životaschopných návrhů (některé poměrně nekonvenční) bez lidského zásahu nad rámec původních specifikací. Tyto návrhy pak mohou lidé přímo použít nebo vylepšit. Podobně ve strojírenství dokáže generativní umělá inteligence navrhovat součásti (například součástky letadla) optimalizované z hlediska hmotnosti a pevnosti, a vytvářet tak nové tvary, které by si člověk možná ani nevymyslel.

• Herní prvky: Umělá inteligence dokáže automaticky generovat textury, 3D modely nebo dokonce celé úrovně pro videohry. Vývojáři je používají k urychlení tvorby obsahu. Některé nezávislé hry začaly začleňovat procedurálně generované grafické prvky a dokonce i dialogy (prostřednictvím jazykových modelů) k vytvoření rozsáhlých, dynamických herních světů s minimem lidsky vytvořených prvků.

• Animace a video (vznikající): I když je méně vyspělá než statické obrázky, generativní umělá inteligence pro video se rozvíjí. Umělá inteligence již dokáže generovat krátké videoklipy nebo animace z pokynů, i když kvalita je nekonzistentní. Technologie Deepfake – která je generativní – dokáže vytvářet realistické záměny obličejů nebo hlasové klony. V kontrolovaném prostředí by studio mohlo pomocí umělé inteligence automaticky generovat scénu na pozadí nebo animaci davu.

Je pozoruhodné, že Gartner předpověděl, že do roku 2030 uvidíme velký filmový trhák, jehož 90 % obsahu (od scénáře po vizuální prvky) bude generováno umělou inteligencí ( Případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ). V roce 2025 tam ještě nejsme – umělá inteligence nedokáže samostatně natočit celovečerní film. Ale jednotlivé dílky skládačky se vyvíjejí: generování scénáře (textová umělá inteligence), generování postav a scén (obrazová/video umělá inteligence), dabing (hlasové klony umělé inteligence) a pomoc se střihem (umělá inteligence již nyní může pomáhat se střihy a přechody).

Výhled na období 2030–2035: Média generovaná umělou inteligencí ve velkém měřítku

Do budoucna se očekává dramatický nárůst role generativní umělé inteligence ve vizuálním umění a designu. Do roku 2035 očekáváme, že umělá inteligence bude primárním tvůrcem obsahu v mnoha vizuálních médiích a bude často fungovat s minimálním lidským zásahem nad rámec počátečních pokynů. Některá očekávání:

• Filmy a videa plně generované umělou inteligencí: V příštích deseti letech je docela možné, že se dočkáme prvních filmů nebo seriálů, které budou z velké části produkovány umělou inteligencí. Lidé by mohli poskytovat režii na vysoké úrovni (např. osnovu scénáře nebo požadovaný styl) a umělá inteligence bude vykreslovat scény, vytvářet podoby herců a vše animovat. První experimenty s krátkými filmy jsou pravděpodobné během několika let, přičemž pokusy o celovečerní filmy se objeví do 30. let 21. století. Tyto filmy s umělou inteligencí by se mohly začít věnovat pouze specifickým oblastem (experimentální animace atd.), ale s rostoucí kvalitou by se mohly stát mainstreamovými. Gartnerova předpověď 90% podílu filmů do roku 2030 ( Případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ) je sice ambiciózní, ale podtrhuje přesvědčení odvětví, že tvorba obsahu s umělou inteligencí bude dostatečně sofistikovaná, aby unesla většinu zátěže ve filmové tvorbě.

• Automatizace návrhu: V oblastech, jako je móda nebo architektura, bude generativní umělá inteligence pravděpodobně využívána k autonomnímu navrhování stovek designových konceptů na základě parametrů, jako jsou „cena, materiály, styl X“, přičemž konečný návrh bude vybrán na lidech. To obrací současnou dynamiku: místo toho, aby designéři tvořili od nuly a případně využívali umělou inteligenci k inspiraci, by budoucí designéři mohli působit spíše jako kurátoři, vybírat nejlepší návrh vygenerovaný umělou inteligencí a případně jej upravovat. Do roku 2035 by architekt mohl zadat požadavky na budovu a od umělé inteligence získat kompletní plány jako návrhy (vše konstrukčně v pořádku, díky integrovaným inženýrským pravidlům).

• Tvorba personalizovaného obsahu: Možná se dočkáme umělé inteligence, která bude vytvářet vizuální prvky pro jednotlivé uživatele za pochodu. Představte si videohru nebo zážitek z virtuální reality v roce 2035, kde se scenérie a postavy přizpůsobují preferencím hráče a generují se v reálném čase umělou inteligencí. Nebo personalizované komiksy generované na základě dne uživatele – autonomní umělá inteligence „denního deníku“, která každý večer automaticky promění váš textový deník v ilustrace.

• Multimodální kreativita: Generativní systémy umělé inteligence jsou stále více multimodální – to znamená, že dokáží zpracovávat text, obrázky, zvuk atd. dohromady. Kombinací těchto prvků by umělá inteligence mohla vzít jednoduchý pokyn, jako je „Vytvořte mi marketingovou kampaň pro produkt X“, a vygenerovat nejen text, ale i odpovídající grafiku, možná i krátké propagační videoklipy, vše ve stejném stylu. Tento druh obsahu na jedno kliknutí je pravděpodobnou službou na začátku 30. let 21. století.

umělá inteligence lidské umělce ? Tato otázka se často objevuje. Je pravděpodobné, že umělá inteligence převezme velkou část produkční práce (zejména repetitivní nebo rychle se vyvíjející umění potřebné pro podnikání), ale lidské umění si zachová originalitu a inovaci. Do roku 2035 by autonomní umělá inteligence mohla spolehlivě nakreslit obraz ve stylu slavného umělce – ale vytvoření nového stylu nebo hluboce kulturně rezonujícího umění může být stále lidskou silnou stránkou (potenciálně s umělou inteligencí jako spolupracovníkem). Předvídáme budoucnost, kdy lidští umělci budou pracovat po boku autonomních „spoluumělců“ s umělou inteligencí. Člověk by si mohl například pověřit osobní umělou inteligenci, aby neustále generovala umění pro digitální galerii ve svém domě a poskytovala tak neustále se měnící kreativní prostředí.

Z hlediska spolehlivosti má vizuální generativní umělá inteligence v některých ohledech snazší cestu k autonomii než text: obrázek může být subjektivně „dostatečně dobrý“, i když není dokonalý, zatímco faktická chyba v textu je problematičtější. Již nyní tedy vidíme relativně nízkorizikové přijetí – pokud je design generovaný umělou inteligencí ošklivý nebo špatný, jednoduše ho nepoužíváte, ale sám o sobě nezpůsobuje žádnou škodu. To znamená, že do 30. let 21. století by firmy mohly být spokojené s tím, že nechávají umělou inteligenci chrlit návrhy bez dozoru, a zapojují lidi pouze tehdy, když je potřeba něco skutečně nového nebo riskantního.

Stručně řečeno, očekává se, že do roku 2035 se generativní umělá inteligence stane silným tvůrcem obsahu v oblasti vizuálních prvků a pravděpodobně bude zodpovědná za významnou část obrázků a médií kolem nás. Bude spolehlivě generovat obsah pro zábavu, design a každodenní komunikaci. Autonomní umělec je na obzoru – i když to, zda je umělá inteligence vnímána jako kreativní , nebo jen jako velmi chytrý nástroj, je debata, která se bude vyvíjet s tím, jak se její výstupy stanou nerozeznatelnými od těch, které vytvořil člověk.

Generativní umělá inteligence ve vývoji softwaru (kódování)

Vývoj softwaru se může zdát jako vysoce analytický úkol, ale má také kreativní prvek – psaní kódu je v podstatě vytváření textu ve strukturovaném jazyce. Moderní generativní umělá inteligence, zejména modely velkých jazyků, se ukázala jako docela zdatná v kódování. Nástroje jako GitHub Copilot, Amazon CodeWhisperer a další fungují jako pároví programátoři umělé inteligence a navrhují úryvky kódu nebo dokonce celé funkce, zatímco vývojáři píší. Jak daleko to může dojít k autonomnímu programování?

Aktuální schopnosti (2025): Umělá inteligence jako kódovací kopilot

Do roku 2025 se generátory kódu s umělou inteligencí staly běžnou součástí pracovních postupů mnoha vývojářů. Tyto nástroje dokáží automaticky doplňovat řádky kódu, generovat šablony (jako jsou standardní funkce nebo testy) a dokonce psát jednoduché programy s popisem v přirozeném jazyce. Důležité však je, že fungují pod dohledem vývojáře – vývojář kontroluje a integruje návrhy umělé inteligence.

Několik aktuálních faktů a čísel:

• Více než polovina profesionálních vývojářů do konce roku 2023 přijala asistenty kódování s využitím umělé inteligence ( Kódování na Copilotu: Data z roku 2023 naznačují tlak na snížení kvality kódu (včetně projekcí do roku 2024) - GitClear ), což naznačuje jejich rychlé rozšíření. GitHub Copilot, jeden z prvních široce dostupných nástrojů, údajně generoval v průměru 30–40 % kódu v projektech, kde se používá ( Kódování už není MOAT. 46 % kódů na GitHubu je již... ). To znamená, že umělá inteligence již píše významné části kódu, ačkoli je řídí a ověřuje člověk.

• Tyto nástroje umělé inteligence vynikají v úkolech, jako je psaní opakujícího se kódu (např. třídy datových modelů, metody getter/setter), převod jednoho programovacího jazyka do jiného nebo vytváření přímočarých algoritmů, které připomínají trénovací příklady. Vývojář může například okomentovat „// funkce pro řazení seznamu uživatelů podle jména“ a umělá inteligence téměř okamžitě vygeneruje vhodnou třídící funkci.

• Pomáhají také s opravou chyb a jejich vysvětlováním : vývojáři mohou vložit chybovou zprávu a umělá inteligence může navrhnout opravu, nebo se zeptat „Co tento kód dělá?“ a dostat vysvětlení v přirozeném jazyce. V jistém smyslu je to autonomní (umělá inteligence dokáže problémy diagnostikovat sama), ale člověk rozhoduje, zda opravu použije.

• Důležité je, že současní asistenti pro programování s umělou inteligencí nejsou neomylní. Mohou navrhnout nezabezpečený kód nebo kód, který problém téměř držet člověka v obraze – vývojář testuje a ladí kód napsaný umělou inteligencí stejně, jako by to dělal s kódem psaným člověkem. V regulovaných odvětvích nebo kritickém softwaru (jako jsou lékařské nebo letecké systémy) procházejí veškeré příspěvky umělé inteligence přísnou kontrolou.

Žádný mainstreamový softwarový systém dnes není nasazen kompletně napsaný umělou inteligencí od nuly bez dohledu vývojáře. Objevují se však některá autonomní nebo poloautonomní využití:

• Automaticky generované jednotkové testy: Umělá inteligence dokáže analyzovat kód a vytvářet jednotkové testy pro pokrytí různých případů. Testovací framework může autonomně generovat a spouštět tyto testy napsané umělou inteligencí, aby odhalil chyby a rozšířil tak testy psané lidmi.

• Platformy s nízkým kódem/bez kódu s umělou inteligencí: Některé platformy umožňují neprogramátorům popsat, co chtějí (např. „vytvořit webovou stránku s kontaktním formulářem a databází pro ukládání položek“), a systém vygeneruje kód. I když je to stále v raných fázích, naznačuje to budoucnost, kdy by umělá inteligence mohla autonomně vytvářet software pro standardní případy použití.

• Skriptování a propojování kódu: Automatizace IT často zahrnuje psaní skriptů pro propojení systémů. Nástroje umělé inteligence dokáží tyto malé skripty často generovat automaticky. Například při napsání skriptu pro analýzu souboru protokolu a odeslání e-mailového upozornění může umělá inteligence vytvořit funkční skript s minimálními nebo žádnými úpravami.

Výhled na období 2030–2035: Směrem k „samostatně se rozvíjejícímu“ softwaru

V příštím desetiletí se očekává, že generativní umělá inteligence převezme větší podíl kódovací zátěže a pro určité třídy projektů se přiblíží plně autonomnímu vývoji softwaru. Některé předpokládané vývoje:

• Kompletní implementace funkcí: Do roku 2030 očekáváme, že umělá inteligence bude schopna implementovat jednoduché aplikační funkce komplexně. Produktový manažer by mohl popsat funkci srozumitelným jazykem („Uživatelé by měli mít možnost resetovat heslo prostřednictvím odkazu v e-mailu“) a umělá inteligence by mohla vygenerovat potřebný kód (front-endový formulář, back-endová logika, aktualizace databáze, odesílání e-mailů) a integrovat ho do kódové základny. Umělá inteligence by efektivně fungovala jako juniorní vývojář, který se dokáže řídit specifikacemi. Lidský inženýr by mohl pouze provést kontrolu kódu a spustit testy. S tím, jak se bude spolehlivost umělé inteligence zlepšovat, by se kontrola kódu mohla stát jen rychlým přehledem, pokud vůbec.

• Autonomní údržba kódu: Velká část softwarového inženýrství nespočívá jen v psaní nového kódu, ale v aktualizaci stávajícího kódu – opravě chyb, zlepšení výkonu, přizpůsobení se novým požadavkům. Budoucí vývojáři umělé inteligence v tom pravděpodobně vynikají. Vzhledem k kódové základně a direktivě („naše aplikace padá, když se přihlásí příliš mnoho uživatelů současně“) by umělá inteligence mohla problém lokalizovat (například chybu souběžnosti) a opravit ho. Do roku 2035 by systémy umělé inteligence mohly automaticky zpracovávat rutinní tikety údržby přes noc a sloužit jako neúnavný tým údržby softwarových systémů.

• Integrace a využití API: Vzhledem k tomu, že stále více softwarových systémů a API přichází s dokumentací čitelnou pro umělou inteligenci, mohl by agent umělé inteligence samostatně zjistit, jak propojit systém A se službou B, a to napsáním spojovacího kódu. Pokud například společnost chce, aby se její interní HR systém synchronizoval s novým mzdovým API, mohla by pověřit umělou inteligenci, aby „zajistila vzájemnou komunikaci těchto systémů“, a ta po přečtení specifikací obou systémů napíše integrační kód.

• Kvalita a optimalizace: Budoucí modely generování kódu budou pravděpodobně zahrnovat zpětnovazební smyčky pro ověření funkčnosti kódu (např. spouštění testů nebo simulací v sandboxu). To znamená, že umělá inteligence by nejen mohla psát kód, ale také se sama opravovat testováním. Do roku 2035 si budeme moci představit umělou inteligenci, která po zadání úkolu bude iterovat ve svém kódu, dokud všechny testy nebudou úspěšné – proces, který člověk nemusí řádek po řádku sledovat. To by výrazně zvýšilo důvěru v autonomně generovaný kód.

Lze si představit scénář do roku 2035, kdy by malý softwarový projekt – řekněme zakázkovou mobilní aplikaci pro firmu – mohl být vyvíjen převážně agentem umělé inteligence, kterému by byly dodávány instrukce na vysoké úrovni. Lidský „vývojář“ je v tomto scénáři spíše projektovým manažerem nebo validátorem, který specifikuje požadavky a omezení (zabezpečení, stylistické pokyny) a nechává umělou inteligenci vykonávat těžkou práci samotného kódování.

U komplexního a rozsáhlého softwaru (operační systémy, samotné pokročilé algoritmy umělé inteligence atd.) však budou lidští experti stále hluboce zapojeni. Kreativní řešení problémů a architektonický návrh v softwaru pravděpodobně zůstanou po nějakou dobu v rukou lidí. Umělá inteligence sice může zvládnout spoustu kódovacích úkolů, ale rozhodování o tom, co vytvořit, a návrh celkové struktury je jiná výzva. Nicméně, jakmile generativní umělá inteligence začne spolupracovat – více agentů umělé inteligence zpracovává různé komponenty systému – je možné, že by se do určité míry mohly podílet na návrhu architektur (například jedna umělá inteligence navrhne návrh systému, druhá ho zkritizuje a oni provádějí iteraci, přičemž na proces dohlíží člověk).

Hlavním očekávaným přínosem umělé inteligence v kódování je zvýšení produktivity . Gartner předpovídá, že do roku 2028 bude celých 90 % softwarových inženýrů používat asistenty kódu s umělou inteligencí (oproti méně než 15 % v roce 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ). To naznačuje, že těch, kteří umělou inteligenci nepoužívají, bude málo. V určitých oblastech se také můžeme setkat s nedostatkem lidských vývojářů, což by se mohlo zmírnit tím, že umělá inteligence zaplní mezery; v podstatě každý vývojář dokáže mnohem více s pomocníkem s umělou inteligencí, který dokáže autonomně navrhovat kód.

Důvěra zůstane ústředním tématem. I v roce 2035 budou organizace muset zajistit, aby byl autonomně generovaný kód bezpečný (umělá inteligence nesmí zavádět zranitelnosti) a byl v souladu s právními/etickými normami (např. umělá inteligence nesmí zahrnovat plagiátovaný kód z open-source knihovny bez řádné licence). Očekáváme, že vylepšené nástroje pro správu umělé inteligence, které dokáží ověřovat a sledovat původ kódu napsaného umělou inteligencí, pomohou umožnit autonomnější kódování bez rizika.

Stručně řečeno, do poloviny 30. let 21. století bude generativní umělá inteligence pravděpodobně zvládat lví podíl kódování rutinních softwarových úkolů a významně pomáhat i u těch složitějších. Životní cyklus vývoje softwaru bude mnohem automatizovanější – od požadavků až po nasazení – přičemž umělá inteligence bude potenciálně automaticky generovat a nasazovat změny kódu. Lidští vývojáři se více zaměří na logiku na vysoké úrovni, uživatelskou zkušenost a dohled, zatímco agenti umělé inteligence se budou důkladně zabývat detaily implementace.

Generativní umělá inteligence v zákaznickém servisu a podpoře

Pokud jste v poslední době komunikovali s online chatem zákaznické podpory, je velká šance, že alespoň zčásti na druhém konci byla umělá inteligence. Zákaznický servis je doménou, která je pro automatizaci umělé inteligence ideální: zahrnuje odpovídání na dotazy uživatelů, což generativní umělá inteligence (zejména konverzační modely) zvládá docela dobře, a často se řídí skripty nebo články znalostní báze, které se umělá inteligence dokáže naučit. Jak autonomně dokáže umělá inteligence zvládat zákazníky?

Aktuální možnosti (2025): Chatboti a virtuální agenti v první linii

V dnešní době mnoho organizací nasazují chatboty s umělou inteligencí jako první kontaktní bod v oblasti zákaznického servisu. Ty sahají od jednoduchých botů založených na pravidlech („Stiskněte 1 pro fakturaci, 2 pro podporu…“) až po pokročilé generativní chatboty s umělou inteligencí, kteří dokáží interpretovat otázky ve volné formě a reagovat na ně konverzačně. Klíčové body:

• Zpracování běžných otázek: Agenti s umělou inteligencí vynikají v odpovídání na často kladené otázky, poskytování informací (otevírací doba obchodů, zásady pro vrácení peněz, kroky pro řešení známých problémů) a provádění uživatelů standardními postupy. Například chatbot s umělou inteligencí pro banku může uživateli autonomně pomoci zkontrolovat zůstatek na účtu, resetovat heslo nebo vysvětlit, jak požádat o půjčku, a to bez lidské pomoci.

• Porozumění přirozenému jazyku: Moderní generativní modely umožňují plynulejší a „lidsky podobnější“ interakci. Zákazníci mohou napsat otázku vlastními slovy a umělá inteligence obvykle pochopí záměr. Společnosti uvádějí, že dnešní agenti s umělou inteligencí jsou pro zákazníky mnohem spokojenější než neohrabaní boti před několika lety – téměř polovina zákazníků nyní věří, že agenti s umělou inteligencí mohou být empatičtí a efektivní při řešení problémů ( 59 statistik zákaznického servisu s umělou inteligencí za rok 2025 ), což ukazuje rostoucí důvěru ve služby řízené umělou inteligencí.

• Vícekanálová podpora: Umělá inteligence se netýká jen chatu. Hlasoví asistenti (jako jsou systémy IVR v telefonech s umělou inteligencí) začínají zpracovávat hovory a umělá inteligence dokáže také vytvářet e-mailové odpovědi na dotazy zákazníků, které se mohou automaticky odesílat, pokud jsou považovány za přesné.

• Když zasáhnou lidé: Pokud je umělá inteligence zmatená nebo je otázka příliš složitá, obvykle předá otázku lidskému agentovi. Současné systémy v mnoha případech dobře znají své limity . Pokud se například zákazník zeptá na něco neobvyklého nebo projeví frustraci („Toto je potřetí, co vás kontaktuji, a jsem velmi rozrušený…“), umělá inteligence to může signalizovat a převzít kontrolu člověkem. Prahovou hodnotu pro předání otázky stanovují společnosti tak, aby vyvážily efektivitu se spokojeností zákazníků.

Mnoho společností uvádí, že významnou část interakcí vyřešila pouze umělá inteligence. Podle průzkumů v oboru lze dnes pomocí chatbotů s umělou inteligencí vyřídit přibližně 70–80 % běžných zákaznických dotazů a přibližně 40 % interakcí společností se zákazníky napříč kanály je již automatizovaných nebo asistovaných umělou inteligencí ( 52 statistik zákaznického servisu s umělou inteligencí, které byste měli znát – Plivo ). Globální index přijetí umělé inteligence společnosti IBM (2022) ukázal, že 80 % společností buď používá, nebo plánuje do roku 2025 používat chatboty s umělou inteligencí pro zákaznický servis.

Zajímavým vývojem je, že umělá inteligence nejen reaguje na zákazníky, ale proaktivně pomáhá lidským agentům v reálném čase. Například během živého chatu nebo hovoru může umělá inteligence naslouchat a okamžitě poskytovat lidskému agentovi navrhované odpovědi nebo relevantní informace. Tím se stírá hranice autonomie – umělá inteligence nestojí před zákazníkem sama, ale je aktivně zapojena bez explicitního lidského dotazu. V podstatě funguje jako autonomní poradce agenta.

Výhled na období 2030–2035: Interakce se zákazníky řízené převážně umělou inteligencí

Očekává se, že do roku 2030 bude většina interakcí se zákaznickým servisem zahrnovat umělou inteligenci, přičemž mnoho z nich bude od začátku do konce kompletně zvládáno umělou inteligencí. Předpovědi a trendy, které to podporují:

• Řešení dotazů s vyšší složitostí: Vzhledem k tomu, že modely umělé inteligence integrují rozsáhlé znalosti a zlepšují uvažování, budou schopny zpracovávat složitější požadavky zákazníků. Místo pouhého odpovídání na otázku „Jak mohu vrátit položku?“ by umělá inteligence budoucnosti mohla řešit vícestupňové problémy, jako například „Můj internet nefunguje, zkusil jsem restartovat, můžete mi pomoct?“, a to diagnostikou problému prostřednictvím dialogu, provedením zákazníka pokročilým řešením problémů a pouze v případě, že vše ostatní selže, naplánováním účasti technika – úkoly, které by dnes pravděpodobně vyžadovaly lidského technika podpory. V oblasti zákaznického servisu ve zdravotnictví by umělá inteligence mohla komplexně zpracovávat plánování schůzek pacientů nebo dotazy týkající se pojištění.

• Komplexní řešení služeb: Můžeme se setkat s umělou inteligencí, která nejen říká zákazníkovi, co má dělat, ale skutečně to dělá jménem zákazníka v rámci backendových systémů. Pokud například zákazník řekne: „Chci změnit let na příští pondělí a přidat další zavazadlo“, agent umělé inteligence v roce 2030 by se mohl přímo propojit s rezervačním systémem letecké společnosti, provést změnu, zpracovat platbu za zavazadlo a potvrdit zákazníkovi – to vše autonomně. Umělá inteligence se stává plnohodnotným agentem služeb, nikoli jen zdrojem informací.

• Všudypřítomní agenti s umělou inteligencí: Firmy pravděpodobně nasadí umělou inteligenci ve všech bodech kontaktu se zákazníky – telefon, chat, e-mail, sociální média. Mnoho zákazníků si možná ani neuvědomí, zda mluví s umělou inteligencí nebo s člověkem, zejména s tím, jak se hlasy umělé inteligence stávají přirozenějšími a odpovědi v chatu více kontextově orientovanými. Do roku 2035 by kontaktování zákaznického servisu mohlo často znamenat interakci s chytrou umělou inteligencí, která si pamatuje vaše minulé interakce, rozumí vašim preferencím a přizpůsobuje se vašemu tónu – v podstatě personalizovaný virtuální agent pro každého zákazníka.

• Rozhodování umělé inteligence v interakcích: Kromě zodpovídání otázek začne umělá inteligence činit rozhodnutí, která v současnosti vyžadují souhlas managementu. Například dnes může lidský agent potřebovat souhlas nadřízeného, ​​aby mohl nabídnout vrácení peněz nebo speciální slevu, aby uklidnil rozzlobeného zákazníka. V budoucnu by tato rozhodnutí mohla být svěřena umělé inteligenci, v rámci definovaných limitů, na základě vypočítané hodnoty životního cyklu zákazníka a analýzy sentimentu. Studie společností Futurum/IBM předpovídá, že do roku 2030 bude přibližně 69 % rozhodnutí učiněných během interakcí se zákazníky v reálném čase učiněno chytrými stroji ( Aby si marketéři představili přechod na CX, musí udělat tyto 2 věci ) – v podstatě umělá inteligence rozhoduje o nejlepším postupu v interakci.

• 100% zapojení umělé inteligence: Jedna zpráva naznačuje, že umělá inteligence bude nakonec hrát roli v každé interakci se zákazníkem ( 59 statistik zákaznického servisu s využitím umělé inteligence za rok 2025 ), ať už na začátku nebo v pozadí. To by mohlo znamenat, že i když člověk interaguje se zákazníkem, bude mu umělá inteligence pomáhat (poskytovat návrhy, získávat informace). Alternativně je interpretace taková, že žádný dotaz zákazníka nezůstane nezodpovězen – pokud jsou lidé offline, umělá inteligence je vždy přítomna.

Do roku 2035 bychom mohli zjistit, že se agenti zákaznického servisu specializují pouze na nejcitlivější nebo nejčastěji kontaktované situace (např. VIP klienti nebo řešení složitých stížností, které vyžaduje lidskou empatii). Pravidelné dotazy – od bankovnictví přes maloobchod až po technickou podporu – by mohla zpracovávat flotila agentů s umělou inteligencí, kteří pracují 24 hodin denně, 7 dní v týdnu a neustále se učí z každé interakce. Tento posun by mohl zajistit konzistentnější a okamžitější zákaznický servis, protože umělá inteligence nenechává lidi čekat a teoreticky dokáže provádět více úkolů najednou, aby zvládla neomezený počet zákazníků současně.

Tato vize představuje řadu výzev, které je třeba překonat: Umělá inteligence musí být velmi robustní, aby zvládla nepředvídatelnost lidských zákazníků. Musí být schopna vypořádat se slangem, hněvem, zmatkem a nekonečnou rozmanitostí způsobů, jakými lidé komunikují. Potřebuje také aktuální znalosti (nemá smysl, pokud jsou informace umělé inteligence zastaralé). Investice do integrace mezi umělou inteligencí a firemními databázemi (pro informace o objednávkách, výpadcích atd. v reálném čase) lze tyto překážky vyřešit.

Z etického hlediska se firmy budou muset rozhodnout, kdy zveřejnit informaci „mluvíte s umělou inteligencí“, a zajistit férovost (umělá inteligence se k určitým zákazníkům nechová negativně kvůli zkreslenému školení). Za předpokladu, že se tyto faktory podaří zvládnout, je obchodní argument silný: zákaznický servis s využitím umělé inteligence může dramaticky snížit náklady a čekací doby. Předpokládá se, že trh s umělou inteligencí v zákaznickém servisu do roku 2030 vzroste na desítky miliard dolarů ( Zpráva o trhu s umělou inteligencí v zákaznickém servisu 2025–2030: Případová studie ) ( Jak generativní umělá inteligence posiluje logistiku | Ryder ), protože organizace investují do těchto funkcí.

Stručně řečeno, očekávejte budoucnost, kde bude autonomní zákaznický servis s umělou inteligencí normou . Získání pomoci bude často znamenat interakci s chytrým strojem, který dokáže váš problém rychle vyřešit. Lidé budou stále dohlížet na situaci a řešit okrajové případy, ale spíše jako dozorci nad pracovníky umělé inteligence. Výsledkem by mohly být rychlejší a personalizovanější služby pro spotřebitele – pokud bude umělá inteligence řádně proškolena a monitorována, aby se předešlo frustracím z minulosti, kdy se jednalo o „robotické linky pomoci“.

Generativní umělá inteligence ve zdravotnictví a medicíně

Zdravotnictví je obor, kde je v sázce hodně. Představa fungování umělé inteligence v medicíně bez lidského dohledu vyvolává jak nadšení (pro efektivitu a dosah), tak i opatrnost (z důvodu bezpečnosti a empatie). Generativní umělá inteligence se začala prosazovat v oblastech, jako je analýza lékařského zobrazování, klinická dokumentace a dokonce i objevování léků. Co může zodpovědně dělat sama o sobě?

Aktuální schopnosti (2025): Pomoc lékařům, nikoli jejich nahrazování

V současné době generativní umělá inteligence ve zdravotnictví slouží primárně jako výkonný asistent zdravotnických pracovníků, spíše než jako autonomní rozhodovatel. Například:

• Lékařská dokumentace: Jedním z nejúspěšnějších nasazení umělé inteligence ve zdravotnictví je pomoc lékařům s papírováním. Modely přirozeného jazyka mohou přepisovat návštěvy pacientů a generovat klinické poznámky nebo propouštěcí souhrny. Společnosti mají „písaře s umělou inteligencí“, kteří poslouchají během vyšetření (prostřednictvím mikrofonu) a automaticky vytvářejí koncept záznamů o návštěvě, které si lékař může prohlédnout. To lékařům šetří čas při psaní. Některé systémy dokonce automaticky vyplňují části elektronických zdravotních záznamů. To lze provést s minimálním zásahem – lékař pouze opraví drobné chyby v konceptu, což znamená, že psaní záznamů je do značné míry autonomní.

• Radiologie a zobrazování: Umělá inteligence, včetně generativních modelů, dokáže analyzovat rentgenové snímky, snímky magnetické rezonance a počítačovou tomografii (CT) a detekovat anomálie (jako jsou nádory nebo zlomeniny). V roce 2018 schválil Úřad pro kontrolu potravin a léčiv (FDA) systém umělé inteligence pro autonomní detekci diabetické retinopatie (očního onemocnění) na snímcích sítnice – je pozoruhodné, že byl oprávněn provést toto rozhodnutí bez vyšetření specialistou v daném kontextu screeningu. Tento systém nebyl generativní umělou inteligencí, ale ukazuje, že regulační orgány povolily autonomní diagnostiku pomocí umělé inteligence v omezených případech. Generativní modely vstupují do hry pro vytváření komplexních zpráv. Například umělá inteligence může vyšetřit rentgen hrudníku a sepsat radiologickou zprávu s textem: „Žádné akutní nálezy. Plíce jsou čisté. Srdce normální velikosti.“ Radiolog poté pouze potvrdí a podepíše. V některých běžných případech by tyto zprávy mohly být teoreticky odeslány bez úprav, pokud radiolog umělé inteligenci důvěřuje a provede pouze rychlou kontrolu.

• Kontroloři symptomů a virtuální zdravotní sestry: Generativní chatboti s umělou inteligencí se používají jako kontroloři symptomů v první linii. Pacienti mohou zadat své symptomy a dostávat rady (např. „Může se jednat o běžné nachlazení; odpočívejte a pijte tekutiny, ale pokud se objeví X nebo Y, navštivte lékaře.“). Aplikace jako Babylon Health používají umělou inteligenci k poskytování doporučení. V současné době jsou tato doporučení obvykle koncipována jako informativní, nikoli jako definitivní lékařská rada, a v případě závažných problémů doporučují následnou péči u lidského lékaře.

• Objevování léčiv (generativní chemie): Generativní modely umělé inteligence mohou navrhovat nové molekulární struktury léčiv. To se týká spíše výzkumné oblasti než péče o pacienty. Tyto umělé inteligence pracují autonomně a navrhují tisíce kandidátních sloučenin s požadovanými vlastnostmi, které pak chemici v laboratoři posuzují a testují. Společnosti jako Insilico Medicine používají umělou inteligenci k vytváření nových kandidátních léčiv za výrazně kratší dobu. I když to přímo neinteraguje s pacienty, je to příklad toho, jak umělá inteligence autonomně vytváří řešení (molekulární návrhy), jejichž nalezení by lidem trvalo mnohem déle.

• Provoz ve zdravotnictví: Umělá inteligence pomáhá optimalizovat plánování, správu zásob a další logistiku v nemocnicích. Generativní model může například simulovat tok pacientů a navrhovat úpravy plánování pro zkrácení čekacích dob. I když to není tak viditelné, jedná se o rozhodnutí, která může umělá inteligence činit s minimálními manuálními změnami.

Je důležité konstatovat, že od roku 2025 žádná nemocnice nedovoluje umělé inteligenci samostatně činit důležitá lékařská rozhodnutí nebo léčebné postupy bez lidského souhlasu. Diagnóza a plánování léčby zůstávají pevně v lidských rukou, přičemž umělá inteligence poskytuje vstupy. Důvěra potřebná k tomu, aby umělá inteligence mohla pacientovi plně autonomně sdělit „Máte rakovinu“ nebo předepsat léky, zatím neexistuje a neměla by být bez rozsáhlého ověření. Zdravotničtí odborníci využívají umělou inteligenci jako druhý pár očí nebo jako nástroj šetřící čas, ale ověřují kritické výstupy.

Výhled na období 2030–2035: Umělá inteligence jako kolega lékaře (a možná i zdravotní sestry nebo lékárníka)

V nadcházejícím desetiletí očekáváme, že generativní umělá inteligence bude autonomně přebírat více rutinních klinických úkolů a rozšíří dosah zdravotnických služeb:

• Automatizované předběžné diagnózy: Do roku 2030 by umělá inteligence mohla spolehlivě zpracovávat počáteční analýzy mnoha běžných onemocnění. Představte si systém umělé inteligence v klinice, který pomocí kamery čte pacientovy příznaky, anamnézu, dokonce i jeho tón a výrazy obličeje a poskytuje diagnostický návrh a doporučené testy – to vše ještě předtím, než pacienta lékař vůbec navštíví. Lékař se pak může soustředit na potvrzení a diskusi o diagnóze. V telemedicíně by pacient mohl nejprve chatovat s umělou inteligencí, která problém zúží (např. pravděpodobná infekce dutin vs. něco závažnějšího) a poté ho v případě potřeby spojí s lékařem. Regulační orgány by mohly umělé inteligenci povolit oficiálně diagnostikovat určité méně závažné stavy bez lidského dohledu, pokud by se prokázala extrémně přesná – například by mohla být možná umělá inteligence diagnostikující přímou infekci ucha z otoskopického snímku.

• Osobní monitory zdraví: S rozšířením nositelných zařízení (chytrých hodinek, zdravotních senzorů) bude umělá inteligence pacienty průběžně monitorovat a autonomně je varovat před problémy. Například do roku 2035 by umělá inteligence vašeho nositelného zařízení mohla detekovat abnormální srdeční rytmus a autonomně vám naplánovat urgentní virtuální konzultaci, nebo dokonce zavolat sanitku, pokud zjistí příznaky infarktu nebo mrtvice. To přechází do oblasti autonomního rozhodování – rozhodnutí, že situace je nouzová, a jednání – což je pravděpodobné a život zachraňující využití umělé inteligence.

• Doporučení k léčbě: Generativní umělá inteligence vyškolená na lékařské literatuře a datech pacientů by mohla navrhovat personalizované léčebné plány. Do roku 2030 by u komplexních onemocnění, jako je rakovina, mohly tumorové komise s umělou inteligencí analyzovat genetickou výbavu a anamnézu pacienta a autonomně navrhnout doporučený léčebný režim (chemoplán, výběr léků). Lidští lékaři by jej přezkoumali, ale postupem času, jak se bude budovat sebevědomí, by mohli začít akceptovat plány generované umělou inteligencí, zejména pro běžné případy, a upravovat je pouze v případě potřeby.

• Virtuální zdravotní sestry a domácí péče: Umělá inteligence, která dokáže konverzovat a poskytovat lékařské poradenství, by mohla zvládnout velkou část následné péče a monitorování chronických onemocnění. Například pacienti s chronickými onemocněními doma by mohli hlásit denní metriky zdravotní sestře s umělou inteligencí, která by jí poradila („Vaše hladina cukru v krvi je trochu vysoká, zvažte úpravu vaší večerní svačiny“) a zapojovala by lidskou zdravotní sestru pouze tehdy, když jsou naměřené hodnoty mimo povolený rozsah nebo se vyskytnou problémy. Tato umělá inteligence by mohla fungovat do značné míry autonomně pod vzdáleným dohledem lékaře.

• Lékařské zobrazování a laboratorní analýza – plně automatizované postupy: Do roku 2035 by v některých oblastech mohlo být čtení lékařských skenů prováděno převážně umělou inteligencí. Radiologové by dohlíželi na systémy umělé inteligence a řešili složité případy, ale většinu běžných skenů (které jsou skutečně normální) by mohla umělá inteligence přímo „číst“ a schvalovat. Podobně by analýza patologických preparátů (například detekce rakovinných buněk v biopsii) mohla být prováděna autonomně pro počáteční screening, což by dramaticky urychlilo laboratorní výsledky.

• Objevování léků a klinické studie: Umělá inteligence pravděpodobně navrhne nejen molekuly léčiv, ale také generuje syntetická data o pacientech pro klinické studie nebo vyhledá optimální kandidáty pro klinické studie. Mohla by autonomně provádět virtuální studie (simulující reakce pacientů), aby zúžila výběr možností před skutečnými studiemi. To může uvést léky na trh rychleji s menším počtem experimentů řízených člověkem.

Vize lékaře s umělou inteligencí, který by zcela nahradil lidského lékaře, je stále poměrně vzdálená a kontroverzní. Očekává se, že i do roku 2035 bude umělá inteligence sloužit lékařům spíše jako kolega než jako náhrada za lidský přístup. Složitá diagnóza často vyžaduje intuici, etiku a konverzaci k pochopení kontextu pacienta – oblasti, ve kterých lidští lékaři vynikají. Umělá inteligence by však mohla zvládnout řekněme 80 % běžné pracovní zátěže: papírování, jednoduché případy, monitorování atd., což by lidským lékařům umožnilo soustředit se na složitých 20 % a na vztahy s pacienty.

Existují značné překážky: regulační schvalování autonomní umělé inteligence ve zdravotnictví je přísné (což je v pořádku). Systémy umělé inteligence budou vyžadovat rozsáhlé klinické ověření. Mohli bychom se setkat s postupným přijímáním – např. umělá inteligence bude povolena autonomně diagnostikovat nebo léčit v nedostatečně obsloužených oblastech, kde nejsou k dispozici žádní lékaři, jako způsob rozšíření přístupu ke zdravotní péči (představte si „kliniku umělé inteligence“ v odlehlé vesnici do roku 2030, která bude fungovat s pravidelným teledohledem lékaře z města).

Velký význam mají etické aspekty. Odpovědnost (pokud autonomní umělá inteligence udělá chybu v diagnóze, kdo je za to zodpovědný?), informovaný souhlas (pacienti potřebují vědět, zda se umělá inteligence podílí na jejich péči) a zajištění rovnosti (umělá inteligence funguje dobře pro všechny populace a zabraňuje zkreslení) jsou výzvy, které je třeba zvládnout. Za předpokladu, že se tyto otázky vyřeší, by se generativní umělá inteligence mohla do poloviny 30. let 21. století stát součástí struktury poskytování zdravotní péče a vykonávat mnoho úkolů, které uvolní lidské poskytovatele a potenciálně osloví pacienty, kteří mají v současnosti omezený přístup.

Stručně řečeno, do roku 2035 bude ve zdravotnictví pravděpodobně hluboce integrována umělá inteligence, ale převážně „pod kapotou“ nebo v podpůrných rolích. Budeme důvěřovat umělé inteligenci, že hodně věcí udělá sama – bude číst snímky, sledovat životně důležité funkce, navrhovat plány – ale s bezpečnostní sítí lidského dohledu nad kritickými rozhodnutími. Výsledkem by mohl být efektivnější a responzivnější systém zdravotní péče, kde umělá inteligence zvládne těžkou práci a lidé poskytnou empatii a konečný úsudek.

Generativní umělá inteligence ve vzdělávání

Vzdělávání je další oblastí, kde generativní umělá inteligence dělá vlny, od doučovacích botů poháněných umělou inteligencí až po automatizované známkování a tvorbu obsahu. Výuka a učení zahrnují komunikaci a kreativitu, což jsou silné stránky generativních modelů. Lze však umělé inteligenci důvěřovat ve vzdělávání bez dohledu učitele?

Aktuální schopnosti (2025): Lektoři a tvůrci obsahu na vodítku

V současné době se umělá inteligence ve vzdělávání používá především jako doplňkový nástroj , nikoli jako samostatný učitel. Příklady současného využití:

• Asistenti doučování s umělou inteligencí: Nástroje jako „Khanmigo“ od Khan Academy (s technologií GPT-4) nebo různé aplikace pro výuku jazyků používají umělou inteligenci k simulaci individuálního doučování nebo konverzačního partnera. Studenti mohou klást otázky v přirozeném jazyce a dostávat odpovědi nebo vysvětlení. Umělá inteligence může poskytovat nápovědy k řešení domácích úkolů, vysvětlovat koncepty různými způsoby nebo si dokonce zahrát roli historické postavy v interaktivní hodině dějepisu. Tito doučovatelé s umělou inteligencí se však obvykle používají s dohledem; učitelé nebo správci aplikace často dialogy monitorují nebo stanovují hranice toho, o čem může umělá inteligence diskutovat (aby se předešlo dezinformacím nebo nevhodnému obsahu).

• Tvorba obsahu pro učitele: Generativní umělá inteligence pomáhá učitelům vytvářením kvízových otázek, shrnutí přečtené literatury, osnov hodin a podobně. Učitel může umělou inteligenci požádat: „Vygenerujte 5 cvičných příkladů na kvadratické rovnice s odpověďmi,“ což šetří čas při přípravě. Jedná se o autonomní generování obsahu, ale učitel obvykle kontroluje výstup z hlediska přesnosti a souladu s učebními osnovami. Jde tedy spíše o nástroj šetřící práci než o plně nezávislý nástroj.

• Známkování a zpětná vazba: Umělá inteligence dokáže automaticky hodnotit testy s výběrem odpovědí (což není nic nového) a stále častěji dokáže hodnotit krátké odpovědi nebo eseje. Některé školské systémy používají umělou inteligenci k hodnocení písemných odpovědí a poskytování zpětné vazby studentům (např. gramatické opravy, návrhy na rozšíření argumentu). I když se nejedná o generativní úkol samo o sobě, nové umělé inteligence mohou dokonce na vygenerovat personalizovanou zprávu se zpětnou vazbou, která zdůrazní oblasti, které je třeba zlepšit. Učitelé v této fázi často eseje hodnocené umělou inteligencí dvakrát kontrolují kvůli obavám z nuancí.

• Adaptivní vzdělávací systémy: Jedná se o platformy, které upravují obtížnost nebo styl učiva na základě výkonu studenta. Generativní umělá inteligence to vylepšuje vytvářením nových problémů nebo příkladů za chodu, přizpůsobených potřebám studenta. Pokud má například student potíže s nějakým konceptem, umělá inteligence může vygenerovat další analogii nebo cvičnou otázku zaměřenou na tento koncept. Toto je do jisté míry autonomní, ale v rámci systému navrženého pedagogy.

• Využití studenty pro učení: Studenti sami používají nástroje jako ChatGPT, které jim pomáhají s učením – žádají o vysvětlení, překlady nebo dokonce používají umělou inteligenci k získání zpětné vazby k návrhu eseje („vylepšit svůj úvodní odstavec“). Toto je samosprávné a může probíhat bez vědomí učitele. Umělá inteligence v tomto scénáři funguje jako lektor nebo korektor na vyžádání. Úkolem je zajistit, aby ji studenti používali k učení, a ne jen k získávání odpovědí (akademická integrita).

Je zřejmé, že od roku 2025 je umělá inteligence ve vzdělávání sice mocná, ale obvykle pracuje s lidským pedagogem v cyklu, který spravuje příspěvky umělé inteligence. Je zde pochopitelná opatrnost: nechceme důvěřovat umělé inteligenci, že bude učit nesprávné informace nebo že bude zvládat citlivé interakce se studenty ve vakuu. Učitelé vnímají lektory umělé inteligence jako užitečné asistenty, kteří mohou studentům poskytnout více praxe a okamžité odpovědi na běžné otázky, což učitelům umožňuje soustředit se na hlubší mentorství.

Výhled na období 2030–2035: Personalizovaní lektoři s umělou inteligencí a automatizovaní výukoví asistenti

V příštím desetiletí očekáváme, že generativní umělá inteligence umožní personalizovanější a autonomnější učební zážitky , zatímco se role učitelů budou vyvíjet:

• Osobní lektoři s umělou inteligencí pro každého studenta: Vize (sdílená odborníky jako Salem Khanem z Khan Academy) spočívá v tom, že do roku 2030 by každý student mohl mít přístup k lektorovi s umělou inteligencí, který by byl v mnoha ohledech stejně efektivní jako lidský lektor ( Tento lektor s umělou inteligencí by mohl lidi učinit 10krát chytřejšími, říká jeho tvůrce ). Tito lektoři s umělou inteligencí by byli k dispozici 24 hodin denně, 7 dní v týdnu, důvěrně znali historii učení studenta a podle toho by přizpůsobovali svůj styl výuky. Pokud je například student vizuální student, který se potýká s algebrovým konceptem, umělá inteligence by mohla dynamicky vytvořit vizuální vysvětlení nebo interaktivní simulaci, která by mu pomohla. Protože umělá inteligence dokáže sledovat pokrok studenta v čase, může se autonomně rozhodnout, jaké téma si příště zopakuje nebo kdy přejde k nové dovednosti – čímž efektivně řídí plán lekce pro daného studenta v mikrosmyslu.

• Snížení pracovní zátěže učitelů u rutinních úkolů: Známkování, tvorba pracovních listů, navrhování učebních materiálů – tyto úkoly by mohly být do roku 2030 téměř zcela přesunuty na umělou inteligenci. Umělá inteligence by mohla vygenerovat týdenní zásobu přizpůsobených domácích úkolů pro danou třídu, ohodnotit všechny úkoly z minulého týdne (i ty s otevřeným koncem) s poskytnutím zpětné vazby a učiteli upozornit, kteří studenti by mohli potřebovat s kterými tématy pomoc. To by se mohlo stát s minimálním zásahem učitele, možná jen rychlým pohledem, aby se ujistil, že známky umělé inteligence vypadají spravedlivě.

• Autonomní adaptivní vzdělávací platformy: Pro určité předměty bychom se mohli dočkat kurzů plně řízených umělou inteligencí. Představte si online kurz bez lidského instruktora, kde agent umělé inteligence představuje materiál, poskytuje příklady, odpovídá na otázky a upravuje tempo na základě studenta. Zkušenosti studenta by mohly být jedinečné a generované v reálném čase. Některá firemní školení a vzdělávání dospělých by se mohla na tento model přesunout dříve, kdy by do roku 2035 mohl zaměstnanec říct: „Chci se naučit pokročilá makra v Excelu“ a lektor umělé inteligence ho bude učit prostřednictvím personalizovaných osnov, včetně generování cvičení a hodnocení jeho řešení, bez lidského instruktora.

• Asistenti s umělou inteligencí ve třídě: Ve fyzických nebo virtuálních učebnách by umělá inteligence mohla naslouchat diskusím ve třídě a pomáhat učiteli za pochodu (např. šeptáním návrhů do sluchátka: „Několik studentů vypadá z tohoto konceptu zmateně, uveďte třeba jiný příklad“). Mohla by také moderovat online fóra ve třídě, odpovídat na jednoduché otázky studentů („Kdy je termín odevzdání úkolu?“ nebo dokonce objasňování bodu přednášky), aby učitel nebyl bombardován e-maily. Do roku 2035 by mohlo být standardem mít v učebně spoluučitele s umělou inteligencí, zatímco se učitel zaměřuje na vedení na vyšší úrovni a motivační aspekty.

• Globální přístup ke vzdělávání: Autonomní lektoři s umělou inteligencí by mohli pomoci se vzděláváním studentů v oblastech s nedostatkem učitelů. Tablet s lektorem s umělou inteligencí by mohl sloužit jako primární instruktor pro studenty, kteří jinak mají omezenou školní docházku, a zahrnovat základní gramotnost a matematiku. Do roku 2035 by to mohlo být jedno z nejúčinnějších využití – umělá inteligence by mohla překlenout mezery tam, kde nejsou k dispozici lidští učitelé. Zásadní však bude zajistit kvalitu a kulturní vhodnost vzdělávání s umělou inteligencí v různých kontextech.

Nahradí umělá inteligence učitele? Pravděpodobně ne zcela. Výuka je víc než jen poskytování obsahu – je to mentorství, inspirace a sociálně-emoční podpora. Tyto lidské prvky je pro umělou inteligenci těžké napodobit. Umělá inteligence se však může stát druhým učitelem ve třídě nebo dokonce prvním učitelem pro přenos znalostí, což lidským pedagogům umožní soustředit se na to, co lidé umí nejlépe: vcítit se do nich, motivovat je a podporovat kritické myšlení.

Je třeba řešit několik obav: zajistit, aby umělá inteligence poskytovala přesné informace (žádné vzdělávací halucinace z falešných faktů), vyhnout se zkreslení vzdělávacího obsahu, zachovat soukromí studentských dat a udržet studenty v kontaktu (umělá inteligence musí být motivující, nejen správná). Pravděpodobně se dočkáme akreditace nebo certifikace vzdělávacích systémů s umělou inteligencí – podobně jako schvalování učebnic – aby se zajistilo, že splňují standardy.

Další výzvou je přílišné spoléhání se na dané problémy: pokud lektor s umělou inteligencí dává odpovědi příliš snadno, studenti se nemusí naučit vytrvalosti nebo řešení problémů. Aby se tento problém zmírnil, budoucí lektoři s umělou inteligencí by mohli být navrženi tak, aby někdy nechali studenty mít potíže (jako by to mohl lidský lektor), nebo je povzbuzovali k řešení problémů pomocí nápověd, místo aby jim nabízeli řešení.

Do roku 2035 by se mohla třída proměnit: každý student by měl zařízení připojené k umělé inteligenci, které by ho vedlo vlastním tempem, zatímco učitel by řídil skupinové aktivity a poskytoval by lidský vhled. Vzdělávání by se mohlo stát efektivnějším a přizpůsobenějším. Slibem je, že každý student dostane pomoc, kterou potřebuje, když ji potřebuje – skutečný zážitek „osobního doučování“ ve velkém měřítku. Rizikem je ztráta lidského kontaktu nebo zneužití umělé inteligence (jako by studenti podváděli prostřednictvím umělé inteligence). Celkově vzato, pokud je generativní umělá inteligence dobře řízena, může demokratizovat a zlepšit učení tím, že se stane vždy dostupným a informovaným společníkem studenta na jeho vzdělávací cestě.

Generativní umělá inteligence v logistice a dodavatelském řetězci

Logistika – umění a věda o přepravě zboží a řízení dodavatelských řetězců – se nemusí zdát jako tradiční oblast pro „generativní“ umělou inteligenci, ale kreativní řešení problémů a plánování jsou v této oblasti klíčové. Generativní umělá inteligence může pomoci simulací scénářů, optimalizací plánů a dokonce i řízením robotických systémů. Cílem logistiky je efektivita a úspora nákladů, což se dobře shoduje se silnými stránkami umělé inteligence v analýze dat a navrhování řešení. Jak autonomní tedy může být umělá inteligence při řízení dodavatelských řetězců a logistických operací?

Aktuální možnosti (2025): Optimalizace a zefektivnění s lidským dohledem

Dnes se umělá inteligence (včetně některých generativních přístupů) v logistice uplatňuje především jako nástroj pro podporu rozhodování :

• Optimalizace trasy: Společnosti jako UPS a FedEx již používají algoritmy umělé inteligence k optimalizaci tras doručování – zajišťují, aby řidiči zvolili nejefektivnější cestu. Tradičně se jednalo o algoritmy operačního výzkumu, ale nyní generativní přístupy mohou pomoci prozkoumat alternativní strategie trasování za různých podmínek (doprava, počasí). Zatímco umělá inteligence navrhuje trasy, lidští dispečeři nebo manažeři nastavují parametry (např. priority) a v případě potřeby je mohou přepsat.

• Plánování nakládky a prostoru: Pro balicí kamiony nebo přepravní kontejnery dokáže umělá inteligence generovat optimální plány nakládky (která krabice kam patří). Generativní umělá inteligence může vytvořit více konfigurací balení, aby maximalizovala využití prostoru, a v podstatě tak „vytvářela“ řešení, ze kterých si lidé mohou vybrat. Toto zdůraznila studie, která uvádí, že kamiony v USA často jezdí z 30 % prázdné, a lepší plánování – s pomocí umělé inteligence – může toto plýtvání snížit ( Nejlepší případy použití generativní umělé inteligence v logistice ). Tyto plány nakládky generované umělou inteligencí si kladou za cíl snížit náklady na palivo a emise a v některých skladech se provádějí s minimálními manuálními změnami.

• Předpovídání poptávky a řízení zásob: Modely umělé inteligence dokáží předpovídat poptávku po produktech a generovat plány doplňování zásob. Generativní model může simulovat různé scénáře poptávky (například umělá inteligence si „představí“ nárůst poptávky v důsledku blížících se svátků) a podle toho plánovat zásoby. To pomáhá manažerům dodavatelského řetězce s přípravou. V současné době umělá inteligence poskytuje předpovědi a návrhy, ale konečné rozhodnutí o úrovni výroby nebo objednávání obvykle činí lidé.

• Posouzení rizik: Globální dodavatelský řetězec čelí narušením (přírodní katastrofy, zpoždění v přístavech, politické problémy). Systémy umělé inteligence nyní procházejí zprávy a data, aby identifikovaly rizika na obzoru. Například jedna logistická firma používá generativní umělou inteligenci ke skenování internetu a označování rizikových dopravních koridorů (oblastí, kde by mohly být problémy například kvůli blížícímu se hurikánu nebo nepokojům) ( Nejlepší případy použití generativní umělé inteligence v logistice ). S těmito informacemi mohou plánovači autonomně přesměrovat zásilky kolem problémových míst. V některých případech může umělá inteligence automaticky doporučit změny trasy nebo způsobu dopravy, které pak lidé schválí.

• Automatizace skladů: Mnoho skladů je poloautomatizovaných a pro vychystávání a balení používají roboti. Generativní umělá inteligence dokáže dynamicky přidělovat úkoly robotům a lidem pro optimální tok. Například umělá inteligence může každé ráno generovat frontu úloh pro robotické vychystávače na základě objednávek. Toto provádění je často plně autonomní, přičemž manažeři pouze sledují klíčové ukazatele výkonnosti (KPI) – pokud objednávky neočekávaně prudce vzrostou, umělá inteligence sama upraví provoz.

• Správa vozového parku: Umělá inteligence pomáhá s plánováním údržby vozidel analýzou vzorců a generováním optimálních plánů údržby, které minimalizují prostoje. Dokáže také seskupovat zásilky, aby se zkrátil počet jízd. Tato rozhodnutí může software umělé inteligence činit automaticky, pokud splňuje servisní požadavky.

Celkově vzato, od roku 2025, si lidé stanovují cíle (např. „minimalizovat náklady, ale zajistit dodání do 2 dnů“) a umělá inteligence chrlí řešení nebo harmonogramy k jejich dosažení. Systémy mohou běžet den co den bez zásahu, dokud se nestane něco neobvyklého. Velká část logistiky zahrnuje opakující se rozhodnutí (kdy by měla tato zásilka odjet? ze kterého skladu tuto objednávku vyřídit?), která se umělá inteligence může naučit dělat konzistentně. Společnosti postupně důvěřují umělé inteligenci, že se bude těmito mikrorozhodnutími zabývat, a upozorňují manažery pouze v případě výjimek.

Výhled na období 2030–2035: Samořídící dodavatelské řetězce

V příštím desetiletí si můžeme představit mnohem autonomnější koordinaci v logistice řízenou umělou inteligencí:

• Autonomní vozidla a drony: Samořídící nákladní vozy a drony pro doručování, ačkoli jsou širším tématem umělé inteligence/robotiky, mají přímý dopad na logistiku. Do roku 2030, pokud se překonají regulační a technické výzvy, bychom mohli mít umělou inteligenci, která bude běžně řídit nákladní vozy na dálnicích, nebo drony, které budou zajišťovat doručování na poslední míli ve městech. Tyto umělé inteligence budou činit rozhodnutí v reálném čase (změny trasy, vyhýbání se překážkám) bez lidských řidičů. Generativní přístup spočívá v tom, jak se tyto umělé inteligence vozidel učí z obrovského množství dat a simulací a efektivně se „trénují“ na nesčetných scénářích. Plně autonomní flotila by mohla fungovat 24 hodin denně, 7 dní v týdnu, přičemž lidé by ji pouze monitorovali na dálku. Tím se z logistických operací odstraňuje obrovský lidský prvek (řidiči), což dramaticky zvyšuje autonomii.

• Samoléčivé dodavatelské řetězce: Generativní umělá inteligence bude pravděpodobně využívána k neustálé simulaci scénářů dodavatelského řetězce a k přípravě krizových plánů. Do roku 2035 by umělá inteligence mohla automaticky detekovat uzavření továrny dodavatele (prostřednictvím zpráv nebo datových kanálů) a okamžitě přesunout zdroje k alternativním dodavatelům, které již v simulaci ověřila. To znamená, že se dodavatelský řetězec „ozdraví“ sám od narušení, přičemž umělá inteligence převezme iniciativu. Lidští manažeři by byli informováni o tom, co umělá inteligence udělala, spíše než ti, kteří iniciovali dané řešení.

• Optimalizace komplexních zásob: Umělá inteligence by mohla autonomně spravovat zásoby v celé síti skladů a obchodů. Rozhodovala by, kdy a kam zásoby přesunout (možná s využitím robotů nebo automatizovaných vozidel), a na každém místě by udržovala jen dostatečné množství zásob. Umělá inteligence v podstatě řídí řídicí věž dodavatelského řetězce: sleduje všechny toky a provádí úpravy v reálném čase. Do roku 2035 by myšlenka „samostatně řízeného“ dodavatelského řetězce mohla znamenat, že systém každý den sám určí nejlepší distribuční plán, objedná produkty, naplánuje běh výroby a zařídí dopravu. Lidé by dohlíželi na celkovou strategii a řešili výjimky, kterým umělá inteligence v současnosti nerozumí.

• Generativní design v logistice: Mohli bychom vidět umělou inteligenci, která navrhuje nové sítě dodavatelských řetězců. Předpokládejme, že se společnost rozšíří do nového regionu; umělá inteligence by mohla na základě dat vygenerovat optimální umístění skladů, dopravní spojení a zásady pro správu zásob pro daný region – což je něco, co dnes dělají konzultanti a analytici. Do roku 2030 by se společnosti mohly spoléhat na doporučení umělé inteligence pro volby návrhu dodavatelského řetězce, důvěřovat jí, že rychleji zváží faktory a možná najde kreativní řešení (například nenápadná distribuční centra), která lidé přehlížejí.

• Integrace s výrobou (Průmysl 4.0): Logistika nestojí sama o sobě; je propojena s výrobou. Továrny budoucnosti by mohly mít generativní umělou inteligenci, která plánuje výrobní cykly, objednává suroviny just in time a následně dává logistické síti pokyny k okamžitému odeslání produktů. Tato integrovaná umělá inteligence by mohla celkově znamenat méně lidského plánování – bezproblémový řetězec od výroby až po dodání řízený algoritmy optimalizujícími náklady, rychlost a udržitelnost. Již v roce 2025 budou vysoce výkonné dodavatelské řetězce řízeny daty; do roku 2035 by mohly být z velké části řízeny umělou inteligencí.

• Dynamický zákaznický servis v logistice: V návaznosti na umělou inteligenci pro zákaznický servis by umělá inteligence v dodavatelském řetězci mohla přímo komunikovat se zákazníky nebo klienty. Pokud například velký klient chce na poslední chvíli změnit svou hromadnou objednávku, agent umělé inteligence by mohl vyjednat proveditelné alternativy (například „Polovinu můžeme dodat nyní, polovinu příští týden kvůli omezením“), aniž by čekal na lidského manažera. To zahrnuje generativní umělou inteligenci, která rozumí oběma stranám (potřeby zákazníka vs. provozní kapacita) a činí rozhodnutí, která zajišťují plynulý provoz a zároveň uspokojují klienty.

Očekávaným přínosem je efektivnější , odolnější a responzivnější logistický systém. Společnosti předpovídají obrovské úspory – McKinsey odhadla, že optimalizace dodavatelského řetězce řízená umělou inteligencí by mohla výrazně snížit náklady a zlepšit úroveň služeb, což by potenciálně přidalo biliony hodnot napříč odvětvími ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ).

Nicméně, přenesení větší kontroly na umělou inteligenci s sebou nese i rizika, jako je kaskádování chyb, pokud je logika umělé inteligence chybná (např. nechvalně známý scénář dodavatelského řetězce s umělou inteligencí, který neúmyslně vyčerpá zásoby společnosti kvůli chybě v modelování). Ochranná opatření, jako je „lidská interakce pro velká rozhodnutí“ nebo alespoň dashboardy, které umožňují rychlé přepsání lidskými rozhodnutími, pravděpodobně zůstanou v platnosti až do roku 2035. Postupem času, jak se rozhodnutí umělé inteligence ukážou jako účinná, se lidé budou cítit pohodlněji a budou muset ustoupit.

Je zajímavé, že optimalizací pro efektivitu může umělá inteligence někdy činit rozhodnutí, která jsou v rozporu s lidskými preferencemi nebo tradičními postupy. Například pouhá optimalizace může vést k velmi nízkým zásobám, což je efektivní, ale může se zdát riskantní. Odborníci na dodavatelské řetězce by v roce 2030 mohli muset upravit svou intuici, protože umělá inteligence, která zpracovává obrovské množství dat, by mohla prokázat, že její neobvyklá strategie ve skutečnosti funguje lépe.

Konečně musíme vzít v úvahu, že fyzická omezení (infrastruktura, rychlost fyzických procesů) omezují rychlost změn v logistice, takže revoluce se zde týká spíše inteligentnějšího plánování a využívání aktiv než zcela nové fyzické reality. Ale i v rámci těchto limitů by kreativní řešení generativní umělé inteligence a neúnavná optimalizace mohly dramaticky zlepšit způsob, jakým se zboží pohybuje po světě, s minimálním manuálním plánováním.

Stručně řečeno, logistika by do roku 2035 mohla fungovat podobně jako dobře promazaný automatizovaný stroj: zboží proudí efektivně, trasy se v reálném čase přizpůsobují narušením, sklady se řídí samy pomocí robotů a celý systém se neustále učí a zlepšuje z dat – to vše je řízeno generativní umělou inteligencí, která funguje jako mozek operace.

Generativní umělá inteligence ve financích a podnikání

Finanční sektor se intenzivně zabývá informacemi – reporty, analýzami, komunikací se zákazníky – což z něj činí úrodnou půdu pro generativní umělou inteligenci. Od bankovnictví přes správu investic až po pojišťovnictví, organizace zkoumají umělou inteligenci pro automatizaci a generování poznatků. Otázkou je, jaké finanční úkoly dokáže umělá inteligence spolehlivě zvládnout bez lidského dohledu, vzhledem k důležitosti přesnosti a důvěry v této oblasti?

Aktuální možnosti (2025): Automatizované reporty a podpora rozhodování

Generativní umělá inteligence v současnosti přispívá k financím několika způsoby, často pod lidským dohledem:

• Generování reportů: Banky a finanční firmy produkují řadu reportů – shrnutí zisku, komentáře k trhu, analýzy portfolia atd. K jejich tvorbě se již používá umělá inteligence. Například agentura Bloomberg vyvinula BloombergGPT , rozsáhlý jazykový model trénovaný na finančních datech, který pomáhá s úkoly, jako je klasifikace zpráv a otázky a odpovědi pro uživatele terminálů ( generativní umělá inteligence přichází do financí ). Ačkoli jejím primárním využitím je pomáhat lidem vyhledávat informace, ukazuje to rostoucí roli umělé inteligence. Společnost Automated Insights (se kterou AP spolupracovala) také generovala finanční články. Mnoho investičních zpravodajů používá umělou inteligenci k shrnutí denních pohybů na trhu nebo ekonomických ukazatelů. Lidé je obvykle před odesláním klientům prohlížejí, ale jedná se o rychlou úpravu, nikoli o psaní od nuly.

• Komunikace se zákazníky: V retailovém bankovnictví chatboti s umělou inteligencí zpracovávají dotazy zákazníků týkající se zůstatků na účtech, transakcí nebo informací o produktech (což je součástí oblasti zákaznických služeb). Umělá inteligence také může generovat personalizované dopisy s finančním poradenstvím nebo doporučení. Například umělá inteligence může zjistit, že zákazník by mohl ušetřit na poplatcích, a automaticky napsat zprávu s návrhem na přechod na jiný typ účtu, která je následně odeslána s minimálním lidským zásahem. Tento druh personalizované komunikace ve velkém měřítku je v současnosti jedním z využití umělé inteligence ve financích.

• Detekce podvodů a upozornění: Generativní umělá inteligence může pomoci vytvářet narativy nebo vysvětlení anomálií zjištěných systémy pro detekci podvodů. Pokud je například nahlášena podezřelá aktivita, umělá inteligence může pro zákazníka vygenerovat vysvětlující zprávu („Všimli jsme si přihlášení z nového zařízení…“) nebo zprávu pro analytiky. Detekce je automatizovaná (pomocí detekce anomálií pomocí umělé inteligence/strojového učení) a komunikace je stále automatizovanější, ačkoli konečné akce (blokování účtu) často podléhají určité lidské kontrole.

• Finanční poradenství (omezeně): Někteří robo-poradci (automatizované investiční platformy) používají algoritmy (ne nutně generativní umělou inteligenci) ke správě portfolií bez lidských poradců. Generativní umělá inteligence vstupuje například generováním komentářů k tomu, proč byly určité obchody provedeny, nebo shrnutí výkonnosti portfolia přizpůsobeného klientovi. Čisté finanční poradenství (jako je komplexní finanční plánování) je však stále převážně lidsky nebo algoritmicky založené na pravidlech; generativní poradenství ve volné formě bez dohledu je riskantní kvůli odpovědnosti, pokud je chybné.

• Hodnocení rizik a upisování: Pojišťovny testují umělou inteligenci, aby automaticky psaly zprávy o hodnocení rizik nebo dokonce návrhy pojistných dokumentů. Například na základě dat o nemovitosti by umělá inteligence mohla vygenerovat návrh pojistné smlouvy nebo zprávy upisovatele popisující rizikové faktory. Lidé v současné době tyto výstupy kontrolují, protože jakákoli chyba ve smlouvě může být nákladná.

• Analýza dat a poznatky: Umělá inteligence dokáže procházet finanční výkazy nebo zprávy a generovat shrnutí. Analytici používají nástroje, které dokáží okamžitě shrnout 100stránkovou výroční zprávu do klíčových bodů nebo extrahovat hlavní poznatky z přepisu hovoru o výsledcích hospodaření. Tato shrnutí šetří čas a lze je použít přímo při rozhodování nebo předat dál, ale obezřetní analytici si klíčové detaily dvakrát ověřují.

V podstatě současná umělá inteligence ve financích funguje jako neúnavný analytik/spisovatel , který vytváří obsah, jenž lidé dolaďují. Plně autonomní využití se nachází převážně v dobře definovaných oblastech, jako jsou zprávy založené na datech (není třeba subjektivního úsudku) nebo reakce zákaznického servisu. Přímé svěřování umělé inteligenci s rozhodováním o penězích (jako je přesun finančních prostředků, provádění obchodů nad rámec přednastavených algoritmů) je vzácné kvůli vysokým sázkám a regulační kontrole.

Výhled na období 2030–2035: Analytici umělé inteligence a autonomní finanční operace

Do roku 2035 by generativní umělá inteligence mohla být hluboce zakotvena ve finančních operacích a potenciálně by mohla autonomně zvládat mnoho úkolů:

• Finanční analytici s využitím umělé inteligence: Možná se dočkáme systémů umělé inteligence, které dokáží analyzovat společnosti a trhy a vytvářet doporučení nebo zprávy na úrovni analytika lidského kapitálového trhu. Do roku 2030 by umělá inteligence mohla teoreticky číst všechny finanční dokumenty společnosti, porovnávat je s daty z odvětví a sama vytvářet zprávu s investičním doporučením („nákup/prodej“ s argumentací). Některé hedgeové fondy již používají umělou inteligenci ke generování obchodních signálů; do 30. let 21. století by výzkumné zprávy s využitím umělé inteligence mohly být běžné. Správci lidských portfolií by mohli začít důvěřovat analýzám generovaným umělou inteligencí jako jednomu z mnoha vstupů. Existuje dokonce potenciál pro umělou inteligenci autonomně spravovat portfolia: neustále monitorovat a vyvažovat investice podle předem definované strategie. Algoritmické obchodování je ve skutečnosti již silně automatizované – generativní umělá inteligence by mohla strategie učinit adaptivnějšími tím, že by sama generovala a testovala nové obchodní modely.

• Automatizované finanční plánování: Poradci s umělou inteligencí, kteří jsou v kontaktu se spotřebiteli, by mohli zvládat běžné finanční plánování pro jednotlivce. Do roku 2030 byste mohli umělé inteligenci sdělit své cíle (koupě domu, spoření na vysokou školu) a ta by mohla vygenerovat kompletní finanční plán (rozpočet, alokace investic, návrhy pojištění) šitý na míru. Zpočátku by jej mohl prověřit lidský finanční plánovač, ale s rostoucí sebedůvěrou by takové rady mohly být poskytovány přímo spotřebitelům s příslušnými upozorněními. Klíčem bude zajistit, aby rady umělé inteligence byly v souladu s předpisy a v nejlepším zájmu klienta. Pokud bude problém vyřešen, umělá inteligence by mohla základní finanční poradenství mnohem více zpřístupnit za nízkou cenu.

• Automatizace back-office: Generativní umělá inteligence by mohla autonomně zpracovávat mnoho back-office dokumentů – žádosti o úvěr, zprávy o shodě s předpisy, shrnutí auditů. Například umělá inteligence by mohla přijmout všechna data o transakcích a vygenerovat auditní zprávu, v níž by upozornila na jakékoli obavy. Auditoři v roce 2035 by mohli trávit více času kontrolou výjimek označených umělou inteligencí, než aby vše sami procházeli. Podobně by v oblasti shody s předpisy mohla umělá inteligence generovat pro regulační orgány zprávy o podezřelé aktivitě (SAR), aniž by je analytik psal od nuly. Autonomní generování těchto rutinních dokumentů s lidským dohledem přesunutým na základě výjimek by se mohlo stát standardem.

• Pojistné události a upisování: Umělá inteligence by mohla zpracovat pojistnou událost (s fotodokumentací atd.), určit krytí a automaticky vygenerovat rozhodnutí o výplatě. Mohli bychom dosáhnout bodu, kdy by umělá inteligence vyřizovala přímočaré pojistné události (například dopravní nehody s jasnými daty) během několika minut od jejich podání. Upisování nových pojistných smluv by mohlo být podobné: umělá inteligence vyhodnocuje riziko a generuje podmínky pojistky. Do roku 2035 by se lidským upisovatelům mohly eskalovat snad jen složité nebo hraniční případy.

• Podvody a bezpečnost: Umělá inteligence bude pravděpodobně ještě důležitější při odhalování a reakci na podvody nebo kybernetické hrozby ve financích. Autonomní agenti umělé inteligence by mohli monitorovat transakce v reálném čase a při splnění určitých kritérií okamžitě podniknout kroky (blokovat účty, zmrazit transakce) a poté poskytnout zdůvodnění. Rychlost je zde klíčová, proto je žádoucí minimální zapojení člověka. Generativní část by mohla spočívat v jasném sdělování těchto kroků zákazníkům nebo regulačním orgánům.

• Podpora vedení: Představte si umělou inteligenci jako „vedoucího personálu“, který dokáže generovat obchodní zprávy pro vedoucí pracovníky za pochodu. Zeptejte se: „Jak si vedla naše evropská divize v tomto čtvrtletí a jaké byly hlavní faktory, které ji ovlivnily ve srovnání s loňským rokem?“ a umělá inteligence vytvoří stručnou zprávu s grafy, které budou všechny přesné a budou čerpat z dat. Tento typ dynamického, autonomního reportingu a analýzy by se mohl stát stejně snadným jako konverzace. Do roku 2030 by dotazování se umělé inteligence na business intelligence a důvěra v její správné odpovědi mohla do značné míry nahradit statické zprávy a možná i některé role analytiků.

Jedna zajímavá projekce: do 30. let 21. století by většina finančního obsahu (zprávy, reportáže atd.) mohla být generována umělou inteligencí . Servery jako Dow Jones a Reuters již nyní používají automatizaci pro určité části zpráv. Pokud bude tento trend pokračovat a vzhledem k explozi finančních dat by umělá inteligence mohla být zodpovědná za filtrování a sdělování většiny z nich.

Důvěra a ověřování však budou ústřední. Finanční sektor je silně regulován a jakákoli umělá inteligence fungující autonomně bude muset splňovat přísné standardy:

• Zajištění absence halucinací (nemůžete nechat analytika umělé inteligence vymyslet finanční metriku, která není skutečná – to by mohlo trhy zmást).

• Vyhýbání se zaujatosti nebo nezákonným praktikám (jako je neúmyslné zanedbávání pravidel v úvěrových rozhodnutích z důvodu zaujatých údajů o školeních).

• Auditabilita: Regulátoři pravděpodobně budou vyžadovat, aby rozhodnutí umělé inteligence byla vysvětlitelná. Pokud umělá inteligence odmítne úvěr nebo učiní obchodní rozhodnutí, musí existovat odůvodnění, které lze prozkoumat. Generativní modely mohou být poněkud černou skříňkou, proto očekávejte vývoj vysvětlitelných technik umělé inteligence , které zajistí transparentnost jejích rozhodnutí.

Příštích 10 let bude pravděpodobně zahrnovat úzkou spolupráci mezi umělou inteligencí a finančními profesionály, přičemž se s rostoucí důvěrou bude postupně posouvat hranice autonomie. První úspěchy přijdou v automatizaci s nízkým rizikem (jako je generování reportů). Obtížnější budou klíčová rozhodnutí, jako jsou úvěrová rozhodnutí nebo investiční tipy, ale i v těchto případech, s tím, jak se umělá inteligence bude rozvíjet, jí firmy mohou udělit větší autonomii. Například fond umělé inteligence bude možná provozován s lidským dozorcem, který zasáhne pouze v případě odchylek ve výkonnosti nebo pokud umělá inteligence signalizuje nejistotu.

Z ekonomického hlediska společnost McKinsey odhadla, že umělá inteligence (zejména generace umělé inteligence) by mohla ročně zvýšit hodnotu bankovnictví o 200–340 miliard dolarů a podobně velký dopad by mohl mít i na pojišťovací a kapitálové trhy ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ) ( Jaká je budoucnost generativní umělé inteligence? | McKinsey ). Toho dosáhneme díky efektivitě a lepším výsledkům v rozhodování. Aby se tato hodnota zachytila, bude pravděpodobně velká část rutinní finanční analýzy a komunikace převedena na systémy umělé inteligence.

Stručně řečeno, do roku 2035 by generativní umělá inteligence mohla být jako armáda juniorních analytiků, poradců a úředníků pracujících napříč finančním sektorem, kteří by autonomně vykonávali většinu náročné práce a některé sofistikované analýzy. Lidé si budou i nadále stanovovat cíle a zajišťovat strategii na vysoké úrovni, vztahy s klienty a dohled. Finanční svět bude svou opatrností postupně rozšiřovat svou autonomii – směr je však jasný, že stále více zpracování informací a dokonce i doporučení k rozhodování bude pocházet z umělé inteligence. V ideálním případě by to vedlo k rychlejším službám (okamžité půjčky, nepřetržité poradenství), nižším nákladům a potenciálně větší objektivitě (rozhodnutí založená na datových vzorcích). Zásadní však bude udržení důvěry; jediná závažná chyba umělé inteligence ve financích by mohla způsobit obrovské škody (představte si bleskový krach spuštěný umělou inteligencí nebo neprávem odepřený benefit tisícům lidí). Proto pravděpodobně přetrvávají ochranné bariéry a lidské kontroly, zejména u akcí zaměřených na spotřebitele, a to i v případě, že se procesy v back-office stanou vysoce autonomními.

Výzvy a etické aspekty

Ve všech těchto oblastech, s tím, jak generativní umělá inteligence přebírá stále více autonomních odpovědností, vyvstává řada společných výzev a etických otázek. Zajištění toho, aby umělá inteligence byla spolehlivým a prospěšným autonomním agentem, není jen technickým úkolem, ale úkolem společenským. Zde uvádíme klíčové problémy a to, jak se jimi zabýváme (nebo jak bude třeba se jimi zabývat):

Spolehlivost a přesnost

Problém s halucinacemi: Modely generativní umělé inteligence mohou produkovat nesprávné nebo zcela vykonstruované výstupy, které vypadají sebejistě. To je obzvláště nebezpečné, když není v procesu žádný člověk, který by chyby odhalil. Chatbot může dát zákazníkovi špatné pokyny nebo zpráva napsaná umělou inteligencí může obsahovat vymyšlenou statistiku. Od roku 2025 je nepřesnost organizacemi považována za největší riziko generativní umělé inteligence ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ) ( Stav umělé inteligence: Globální průzkum | McKinsey ). V budoucnu se k minimalizaci halucinací zavádějí techniky, jako je ověřování faktů v databázích, vylepšení architektury modelů a posilovací učení se zpětnou vazbou. Autonomní systémy umělé inteligence budou pravděpodobně vyžadovat důkladné testování a možná i formální ověření kritických úkolů (jako je generování kódu, který by v případě chyby mohl způsobit chyby/bezpečnostní nedostatky).

Konzistence: Systémy umělé inteligence musí spolehlivě fungovat v čase a napříč různými scénáři. Například umělá inteligence si může vést dobře u standardních otázek, ale narážet na problémy v hraničních případech. Zajištění konzistentního výkonu bude vyžadovat rozsáhlá tréninková data pokrývající rozmanité situace a neustálé monitorování. Mnoho organizací plánuje hybridní přístupy – umělá inteligence funguje, ale náhodné vzorky jsou auditovány lidmi – aby se posoudila průběžná míra přesnosti.

Bezpečnostní opatření: Pokud je umělá inteligence autonomní, je klíčové, aby rozpoznala svou vlastní nejistotu. Systém by měl být navržen tak, aby „věděl, kdy neví“. Například pokud si lékař s umělou inteligencí není jistý diagnózou, měl by ji označit k lidskému posouzení, spíše než aby uváděl náhodný odhad. Zabudování odhadu nejistoty do výstupů umělé inteligence (a stanovení prahových hodnot pro automatické předání lidským činitelem) je aktivní oblastí vývoje.

Zaujatost a spravedlnost

Generativní umělá inteligence se učí z historických dat, která mohou obsahovat předsudky (rasové, genderové atd.). Autonomní umělá inteligence by mohla tyto předsudky udržovat nebo dokonce zesilovat:

• Při náboru nebo přijímacím řízení by osoba s rozhodovací pravomocí v oblasti umělé inteligence mohla nespravedlivě diskriminovat, pokud by její trénovací data byla zkreslená.

• V zákaznickém servisu může umělá inteligence reagovat na uživatele odlišně na základě dialektu nebo jiných faktorů, pokud není pečlivě ověřena.

• V kreativních oblastech by umělá inteligence mohla nedostatečně reprezentovat určité kultury nebo styly, pokud by trénovací sada byla nevyvážená.

Řešení tohoto problému vyžaduje pečlivou správu datových sad, testování zkreslení a případně i úpravy algoritmů, aby byla zajištěna spravedlnost. Transparentnost je klíčová: společnosti budou muset zveřejnit kritéria pro rozhodování o umělé inteligenci, zejména pokud autonomní umělá inteligence ovlivňuje něčí příležitosti nebo práva (například získání půjčky nebo zaměstnání). Regulační orgány již věnují pozornost; např. zákon EU o umělé inteligenci (který se připravuje od poloviny 2020. let) bude pravděpodobně vyžadovat posouzení zkreslení u vysoce rizikových systémů umělé inteligence.

Odpovědnost a právní odpovědnost

Když systém umělé inteligence fungující autonomně způsobí škodu nebo udělá chybu, kdo je za to zodpovědný? Právní rámce se vyvíjejí:

• Společnosti nasazující umělou inteligenci pravděpodobně ponesou odpovědnost, podobně jako jsou odpovědné za jednání zaměstnance. Pokud například umělá inteligence poskytne špatnou finanční radu, která povede ke ztrátě, firma bude možná muset klienta odškodnit.

• Vede se debata o „osobnosti“ umělé inteligence nebo o tom, zda by za to mohla být částečně zodpovědná pokročilá umělá inteligence, ale to je nyní spíše teoretické. V praxi se vina vystopuje k vývojářům nebo provozovatelům.

• Pro případ selhání umělé inteligence se mohou objevit nové pojistné produkty. Pokud samořídící nákladní automobil způsobí nehodu, mohlo by ji pokrýt pojištění výrobce, analogicky s odpovědností za škodu způsobenou výrobkem.

• Dokumentace a zaznamenávání rozhodnutí umělé inteligence bude důležité pro následné analýzy. Pokud se něco pokazí, musíme auditovat rozhodovací proces umělé inteligence, abychom se z toho poučili a určili odpovědnost. Regulační orgány mohou z tohoto důvodu nařídit zaznamenávání autonomních akcí umělé inteligence.

Transparentnost a vysvětlitelnost

Autonomní umělá inteligence by v ideálním případě měla být schopna vysvětlit své uvažování lidsky srozumitelným způsobem, zejména v navazujících oblastech (finance, zdravotnictví, soudnictví). Vysvětlitelná umělá inteligence je obor usilující o otevření černé skříňky:

• V případě zamítnutí půjčky ze strany umělé inteligence mohou předpisy (jako v USA, ECOA) vyžadovat, aby žadatel uvedl důvod. UI tedy musí jako vysvětlení uvést faktory (např. „vysoký poměr dluhu k příjmu“).

• Uživatelé interagující s umělou inteligencí (jako jsou studenti s lektorem s umělou inteligencí nebo pacienti s aplikací pro zdraví založenou na umělé inteligenci) si zaslouží vědět, jak umělá inteligence dospívá k radám. Vynakládá se úsilí na to, aby bylo uvažování umělé inteligence sledovatelnější, a to buď zjednodušením modelů, nebo paralelními vysvětlujícími modely.

• Transparentnost také znamená, že uživatelé by měli vědět, kdy jednají s umělou inteligencí, a kdy s člověkem. Etické směrnice (a pravděpodobně i některé zákony) se přiklánějí k požadavku na zveřejnění informací, pokud zákazník komunikuje s botem. To zabraňuje klamání a umožňuje souhlas uživatele. Některé společnosti nyní explicitně označují obsah napsaný umělou inteligencí (například „Tento článek byl vygenerován umělou inteligencí“), aby si zachovaly důvěru.

Ochrana soukromí a osobních údajů

Generativní umělá inteligence často potřebuje k fungování nebo učení data – včetně potenciálně citlivých osobních údajů. Autonomní operace musí respektovat soukromí:

• Agent zákaznické podpory s umělou inteligencí bude mít přístup k informacím o účtu, aby zákazníkovi pomohl; tato data musí být chráněna a použita pouze pro daný úkol.

• Pokud mají lektoři s umělou inteligencí přístup k profilům studentů, existují v rámci zákonů, jako je FERPA (v USA), opatření k zajištění ochrany soukromí vzdělávacích údajů.

• Velké modely si mohou neúmyslně pamatovat specifika ze svých trénovacích dat (např. zopakování adresy osoby viděné během trénování). Techniky, jako je diferenciální soukromí a anonymizace dat v trénování, jsou důležité pro prevenci úniku osobních údajů v generovaných výstupech.

• Předpisy, jako je GDPR, dávají jednotlivcům práva na automatizovaná rozhodnutí, která se jich týkají. Lidé mohou požádat o lidské přezkoumání nebo rozhodnutí, která se jich významně týkají, aby nebyla výhradně automatizována. Do roku 2030 by se tyto předpisy mohly vyvíjet s tím, jak se umělá inteligence stává rozšířenější, a mohly by zavést práva na vysvětlení nebo odhlášení ze zpracování dat umělou inteligencí.

Bezpečnost a zneužívání

Autonomní systémy umělé inteligence by se mohly stát cílem hackerských útoků nebo by mohly být zneužity ke škodlivým činnostem:

• Generátor obsahu s umělou inteligencí by mohl být zneužit k vytváření dezinformací ve velkém měřítku (deepfake videa, falešné zprávy), což představuje společenské riziko. Etika zveřejňování velmi výkonných generativních modelů je předmětem vášnivých debat (OpenAI byla například zpočátku opatrná ohledně obrazových schopností GPT-4). Řešení zahrnují vodoznaky pro obsah generovaný umělou inteligencí, které pomáhají odhalovat falešné obsahy, a použití umělé inteligence k boji proti umělé inteligenci (jako jsou detekční algoritmy pro deepfaky).

• Pokud umělá inteligence řídí fyzické procesy (drony, auta, průmyslové řízení), je její zabezpečení před kybernetickými útoky zásadní. Napadený autonomní systém může způsobit škody v reálném světě. To znamená robustní šifrování, zabezpečení proti selhání a možnost lidského přepsání nebo vypnutí, pokud se něco zdá být ohroženo.

• Existují také obavy z překročení zamýšlených mezí ze strany umělé inteligence (scénář „nepoctivé umělé inteligence“). Zatímco současné umělé inteligence nemají žádnou pravomoc ani záměr, pokud budou budoucí autonomní systémy více agentivní, budou zapotřebí přísná omezení a monitorování, aby se zajistilo, že například neprovádějí neoprávněné obchody nebo neporušují zákony kvůli nesprávně stanovenému cíli.

Etické užívání a dopad na člověka

A konečně, širší etické úvahy:

• Ztráta pracovních míst: Pokud umělá inteligence dokáže vykonávat úkoly bez lidského zásahu, co se s těmito pracovními místy stane? Historicky technologie některá pracovní místa automatizuje, ale jiná vytváří. Přechod může být bolestivý pro pracovníky, jejichž dovednosti jsou spojeny s úkoly, které se automatizují. Společnost to bude muset zvládnout prostřednictvím rekvalifikace, vzdělávání a případně přehodnocení ekonomické podpory (někteří naznačují, že umělá inteligence může vyžadovat myšlenky, jako je univerzální základní příjem, pokud bude velká část práce automatizována). Průzkumy již nyní ukazují smíšené pocity – jedna studie zjistila, že třetina pracovníků se obává, že umělá inteligence nahradí pracovní místa, zatímco jiní ji vnímají jako odstraňování dřiny.

• Eroze lidských dovedností: Pokud budou lektoři v oblasti umělé inteligence učit, autopiloti budou řídit a umělá inteligence bude psát kód, ztratí lidé tyto dovednosti? Přílišná závislost na umělé inteligenci by v nejhorším případě mohla narušit odbornost; je to něco, čemu se budou muset přizpůsobit vzdělávací a školicí programy, aby se zajistilo, že se lidé budou i nadále učit základy, i když umělá inteligence pomůže.

• Etické rozhodování: Umělá inteligence postrádá lidský morální úsudek. Ve zdravotnictví nebo právu mohou být čistě datově založená rozhodnutí v jednotlivých případech v rozporu se soucitem nebo spravedlností. Možná budeme muset do umělé inteligence zakódovat etické rámce (oblast výzkumu etiky umělé inteligence, např. sladění rozhodnutí umělé inteligence s lidskými hodnotami). Přinejmenším je vhodné udržovat lidi v obraze o eticky podmíněných rozhodnutích.

• Inkluzivita: Zajištění širokého rozšíření výhod umělé inteligence je etickým cílem. Pokud by si pokročilou umělou inteligenci mohly dovolit pouze velké společnosti, menší podniky nebo chudší regiony by mohly zůstat pozadu. Snahy o otevřený zdrojový kód a cenově dostupná řešení umělé inteligence mohou pomoci demokratizovat přístup. Rozhraní by měla být navržena tak, aby nástroje umělé inteligence mohl používat kdokoli (různé jazyky, přístupnost pro osoby se zdravotním postižením atd.), abychom nevytvořili novou digitální propast typu „kdo má asistenta umělé inteligence a kdo ne“.

Zmírňování současných rizik: Pozitivní je, že s tím, jak firmy zavádějí generační umělou inteligenci, roste povědomí o těchto problémech a podniká se v nich kroky. Do konce roku 2023 téměř polovina společností používajících umělou inteligenci aktivně pracovala na zmírňování rizik, jako je nepřesnost ( Stav umělé inteligence v roce 2023: Rok průlomu generativní umělé inteligence | McKinsey ) ( Stav umělé inteligence: Globální průzkum | McKinsey ) a toto číslo stále roste. Technologické firmy zřídily etické komise pro umělou inteligenci; vlády připravují předpisy. Klíčem je začlenit etiku do vývoje umělé inteligence od samého začátku („Etika již od návrhu“), spíše než reagovat později.

Závěrem k výzvám: udělení větší autonomie umělé inteligenci je dvousečná zbraň. Může sice přinést efektivitu a inovace, ale vyžaduje vysokou laťku odpovědnosti. V nadcházejících letech se pravděpodobně objeví kombinace technologických řešení (pro zlepšení chování umělé inteligence), procesních řešení (rámce politik a dohledu) a možná i nových standardů nebo certifikací (systémy umělé inteligence by mohly být auditovány a certifikovány stejně jako dnes motory nebo elektronika). Úspěšné zvládnutí těchto výzev určí, jak hladce dokážeme integrovat autonomní umělou inteligenci do společnosti způsobem, který zvýší lidskou pohodu a důvěru.

Závěr

Generativní umělá inteligence se rychle vyvinula z nového experimentu v transformační univerzální technologii, která se dotýká každého rohu našeho života. Tato bílá kniha zkoumá, jak systémy umělé inteligence do roku 2025 již budou psát články, navrhovat grafiku, kódovat software, chatovat se zákazníky, shrnovat lékařské zprávy, doučovat studenty, optimalizovat dodavatelské řetězce a vypracovávat finanční zprávy. Důležité je, že v mnoha z těchto úkolů může umělá inteligence fungovat s malým nebo žádným lidským zásahem , zejména u dobře definovaných, opakovatelných úkolů. Firmy i jednotlivci začínají důvěřovat umělé inteligenci, že tyto úkoly bude plnit autonomně, což přináší výhody v rychlosti a rozsahu.

S výhledem do roku 2035 stojíme na prahu éry, kdy se umělá inteligence stane ještě všudypřítomnějším spolupracovníkem – často neviditelnou digitální pracovní silou , která se postará o rutinní záležitosti, aby se lidé mohli soustředit na výjimečné věci. Očekáváme, že generativní umělá inteligence bude spolehlivě řídit auta a nákladní automobily na našich silnicích, spravovat zásoby ve skladech přes noc, odpovídat na naše otázky jako informovaní osobní asistenti, poskytovat individuální výuku studentům po celém světě a dokonce pomáhat objevovat nové léky v medicíně – to vše s čím dál menším přímým dohledem. Hranice mezi nástrojem a agentem se rozmaže, protože umělá inteligence se bude přesouvat od pasivního následování pokynů k proaktivnímu generování řešení.

Cesta k této autonomní budoucnosti umělé inteligence však musí být probíhá s opatrností. Jak jsme nastínili, každá oblast s sebou nese svá vlastní omezení a odpovědnosti:

• Dnešní kontrola reality: Umělá inteligence není neomylná. Vyniká v rozpoznávání vzorů a generování obsahu, ale chybí jí skutečné porozumění a zdravý rozum v lidském smyslu. Proto prozatím zůstává lidský dohled záchrannou sítí. Rozpoznat, kdy je umělá inteligence připravena létat samostatně (a kdy ne), je klíčové. Mnoho dnešních úspěchů pochází z týmu člověk-umělá inteligence a tento hybridní přístup bude i nadále cenný tam, kde plná autonomie ještě není rozumná.

• Slib zítřka: S pokrokem v architekturách modelů, technikách školení a mechanismech dohledu se budou schopnosti umělé inteligence nadále rozšiřovat. Příští desetiletí výzkumu a vývoje by mohlo vyřešit mnoho současných problematických bodů (snížení halucinací, zlepšení interpretovatelnosti, sladění umělé inteligence s lidskými hodnotami). Pokud ano, systémy umělé inteligence by do roku 2035 mohly být dostatečně robustní na to, aby jim byla svěřena mnohem větší autonomie. Projekce v tomto dokumentu – od učitelů umělé inteligence až po převážně samostatně řízené podniky – by mohly být naší realitou, nebo by je mohly dokonce překonat inovace, které si dnes těžko představíme.

• Lidská role a adaptace: Spíše než aby umělá inteligence lidi zcela nahrazovala, předpokládáme, že se role budou vyvíjet. Odborníci ve všech oborech se pravděpodobně budou muset naučit pracovat s umělou inteligencí – řídit ji, ověřovat a zaměřovat se na aspekty práce, které vyžadují výrazně lidské silné stránky, jako je empatie, strategické myšlení a řešení komplexních problémů. Vzdělávání a školení pracovní síly by se měly zaměřit na tyto jedinečně lidské dovednosti, stejně jako na gramotnost v oblasti umělé inteligence pro všechny. Tvůrci politik a vedoucí pracovníci by měli plánovat přechody na trhu práce a zajistit podpůrné systémy pro ty, kterých se automatizace týká.

• Etika a správa věcí veřejných: Snad nejdůležitější je, že tento technologický růst musí být podpořen rámcem etického používání a správy umělé inteligence. Důvěra je měnou přijetí – lidé dovolí umělé inteligenci řídit auto nebo asistovat při operaci pouze tehdy, pokud věří, že je to bezpečné. Budování této důvěry zahrnuje přísné testování, transparentnost, zapojení zúčastněných stran (např. zapojení lékařů do navrhování lékařských umělých inteligencí, učitelů do vzdělávacích nástrojů v oblasti umělé inteligence) a vhodnou regulaci. Pro řešení problémů, jako jsou deepfakes nebo umělá inteligence ve válčení, může být nezbytná mezinárodní spolupráce a zajištění globálních norem pro zodpovědné používání.

Závěrem lze říci, že generativní umělá inteligence představuje silný motor pokroku. Pokud je používána moudře, může lidi zbavit dřiny, uvolnit kreativitu, personalizovat služby a řešit mezery (přinést odborné znalosti tam, kde je expertů málo). Klíčem je její nasazení tak, aby se lidský potenciál zvýšil, a nikoli aby se marginalizoval . V krátkodobém horizontu to znamená udržovat lidi v obraze a řídit umělou inteligenci. V dlouhodobém horizontu to znamená zakódovat humanistické hodnoty do jádra systémů umělé inteligence tak, aby i když jednají samostatně, jednaly v našem kolektivním nejlepším zájmu.

Doména	Spolehlivá autonomie dnes (2025)	Očekávaná spolehlivá autonomie do roku 2035
Psaní a obsah	- Automaticky generované běžné zprávy (sport, výdělky). - Recenze produktů shrnuté umělou inteligencí. - Koncepty článků nebo e-mailů pro lidské úpravy. ( Philana Patterson – profil komunity ONA ) ( Amazon vylepšuje zákaznické recenze pomocí umělé inteligence )	- Většina zpravodajského a marketingového obsahu je automaticky psána s faktickou přesností. - Umělá inteligence vytváří kompletní články a tiskové zprávy s minimálním dohledem. - Vysoce personalizovaný obsah generovaný na vyžádání.
Výtvarné umění a design	- Umělá inteligence generuje obrázky z pokynů (člověk vybírá nejlepší). - Konceptuální umění a designové varianty vytvářené autonomně.	- Umělá inteligence vytváří kompletní video/filmové scény a komplexní grafiku. - Generativní návrh produktů/architektury splňující specifikace. - Personalizovaná média (obrázky, video) vytvářená na vyžádání.
Softwarové kódování	- AI automaticky dokončuje kód a píše jednoduché funkce (kontrolováno vývojářem). - Automatizované generování testů a návrhy chyb. ( Kódování na Copilotu: Data z roku 2023 naznačují tlak na snížení kvality kódu (včetně projekcí pro rok 2024) - GitClear ) ( GitHub Copilot překonal výzkumnou zprávu o asistentech kódu s AI -- Visual Studio Magazine )	- AI spolehlivě implementuje veškeré funkce ze specifikací. - Autonomní ladění a údržba kódu pro známé vzory. - Vytváření aplikací s nízkým kódem a minimálním lidským zásahem.
Služby zákazníkům	- Chatboti odpovídají na často kladené otázky, řeší jednoduché problémy (předávají složité případy). - Umělá inteligence zpracovává ~70 % běžných dotazů na některých kanálech. ( 59 statistik zákaznického servisu s využitím umělé inteligence za rok 2025 ) ( Do roku 2030 bude 69 % rozhodnutí během interakcí se zákazníky... )	- Umělá inteligence zpracovává většinu interakcí se zákazníky od začátku do konce, včetně složitých dotazů. - Rozhodování umělé inteligence v reálném čase o servisních úlevách (vrácení peněz, upgrady). - Lidští agenti pouze pro eskalace nebo zvláštní případy.
Zdravotní péče	- Umělá inteligence vypracovává lékařské zprávy; navrhuje diagnózy, které lékaři ověřují. - Umělá inteligence čte některé skeny (radiologii) s dohledem; třídí jednoduché případy. ( Produkce lékařského zobrazování s využitím umělé inteligence by se do roku 2035 mohla zpětinásobit )	- Umělá inteligence spolehlivě diagnostikuje běžná onemocnění a interpretuje většinu lékařských snímků. - Umělá inteligence monitoruje pacienty a zahajuje péči (např. připomíná léky, upozornění na nouzové situace). - Virtuální „zdravotní sestry“ s umělou inteligencí zajišťují rutinní následné kontroly; lékaři se zaměřují na komplexní péči.
Školství	- Doučovatelé s umělou inteligencí odpovídají na otázky studentů, generují praktické úlohy (učitel sleduje). - Umělá inteligence pomáhá s hodnocením (s kontrolou učitele). ([Generativní umělá inteligence pro vzdělávání K-12]	Výzkumná zpráva od Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logistika	- Umělá inteligence optimalizuje dodací trasy a balení (lidé si stanovují cíle). - Umělá inteligence signalizuje rizika v dodavatelském řetězci a navrhuje zmírnění. ( Nejlepší generativní případy použití umělé inteligence v logistice )	- Převážně autonomní dodávky (kamióny, drony) pod dohledem řídicích jednotek s umělou inteligencí. - Umělá inteligence autonomně přesměrovává zásilky v případě narušení provozu a upravuje zásoby. - Komplexní koordinace dodavatelského řetězce (objednávání, distribuce) řízená umělou inteligencí.
Finance	- Umělá inteligence generuje finanční zprávy/souhrny zpráv (kontrolované lidmi). - Robo-poradci spravují jednoduchá portfolia; chat s umělou inteligencí zpracovává dotazy zákazníků. ( Generativní umělá inteligence přichází do financí )	- Analytici s využitím umělé inteligence vytvářejí investiční doporučení a zprávy o riziku s vysokou přesností. - Autonomní obchodování a rebalancování portfolia v rámci stanovených limitů. - Umělá inteligence automaticky schvaluje standardní úvěry/pohledávky; lidé řeší výjimky.

Reference:

1. Patterson, Philana. Automatizované zprávy o výdělcích se množí . The Associated Press (2015) – Popisuje automatizované generování tisíců zpráv o výdělcích agenturou AP bez lidského pisatele ( Automated earnings stories multiply | The Associated Press ).

2. McKinsey & Company. Stav umělé inteligence na začátku roku 2024: Zavádění umělé inteligence generace prudce roste a začíná generovat hodnotu . (2024) – Uvádí, že 65 % organizací pravidelně používá generativní umělou inteligenci, což je téměř dvojnásobek oproti roku 2023 ( Stav umělé inteligence na začátku roku 2024 | McKinsey ), a diskutuje o úsilí o zmírnění rizik ( Stav umělé inteligence: Globální průzkum | McKinsey ).

3. Gartner. Beyond ChatGPT: Budoucnost generativní umělé inteligence pro podniky . (2023) – Předpovídá, že do roku 2030 by 90 % filmových trháků mohlo být generováno umělou inteligencí ( Případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ) a zdůrazňuje případy užití generativní umělé inteligence, jako je návrh léčiv ( Případy užití generativní umělé inteligence pro průmyslová odvětví a podniky ).

4. Twipe. 12 způsobů, jak novináři používají nástroje umělé inteligence v redakci . (2024) – Příklad umělé inteligence „Klara“ v jednom zpravodajském médiu, kde 11 % článků píše umělá inteligence, přičemž veškerý obsah s umělou inteligencí kontrolují lidští editoři ( 12 způsobů, jak novináři používají nástroje umělé inteligence v redakci – Twipe ).

5. Novinky Amazon.com. Amazon vylepšuje zákaznické recenze pomocí umělé inteligence . (2023) – Oznamuje, že na stránkách produktů bude zobrazovat souhrny recenzí generované umělou inteligencí, které pomohou nakupujícím ( Amazon vylepšuje zákaznické recenze pomocí umělé inteligence ).

6. Zendesk. 59 Statistiky zákaznického servisu s využitím umělé inteligence za rok 2025. (2023) – Ukazuje, že více než dvě třetiny organizací zabývajících se zákaznickým zážitkem si myslí, že generativní umělá inteligence dodá službám „teplejší“ vzhled ( 59 Statistiky zákaznického servisu s využitím umělé inteligence za rok 2025 ) a předpovídá, že umělá inteligence bude nakonec ve 100 % interakcí se zákazníky ( 59 Statistiky zákaznického servisu s využitím umělé inteligence za rok 2025 ).

7. Futurum Research a SAS. Zkušenosti 2030: Budoucnost zákaznické zkušenosti . (2019) – Průzkum zjistil, že značky očekávají, že do roku 2030 bude ~69 % rozhodnutí během interakce se zákazníky učiněno chytrými stroji ( Aby si marketéři představili přechod na zákaznickou zkušenost, musí udělat tyto 2 věci ).

8. Dataiku. Nejlepší případy užití generativní umělé inteligence v logistice . (2023) – Popisuje, jak GenAI optimalizuje nakládání (snížení prázdného prostoru nákladních vozidel o ~30 %) ( Nejlepší případy užití generativní umělé inteligence v logistice ) a signalizuje rizika v dodavatelském řetězci skenováním zpráv.

9. Časopis Visual Studio. GitHub Copilot je na vrcholu výzkumné zprávy o asistentech kódu s umělou inteligencí . (2024) – Předpoklady strategického plánování společnosti Gartner: do roku 2028 bude 90 % podnikových vývojářů používat asistenty kódu s umělou inteligencí (oproti 14 % v roce 2024) ( GitHub Copilot je na vrcholu výzkumné zprávy o asistentech kódu s umělou inteligencí -- Časopis Visual Studio ).

10. Bloomberg News. Představujeme BloombergGPT . (2023) – Podrobnosti o 50miliardovém parametrickém modelu společnosti Bloomberg zaměřeném na finanční úkoly, integrovaném do terminálu pro podporu otázek a odpovědí a analýz ( Generativní umělá inteligence přichází do financí ).

Články, které byste si mohli po tomto přečíst:

🔗 Pracovní místa, která umělá inteligence nenahradí – a která pracovní místa umělá inteligence nahradí?
Globální pohled na vyvíjející se pracovní prostředí, zkoumání, která role jsou v bezpečí před narušením způsobeným umělou inteligencí a která jsou nejvíce ohrožena.

🔗 Dokáže umělá inteligence předpovídat akciový trh?
Hloubkový pohled na možnosti, omezení a etické aspekty používání umělé inteligence pro předpovídání akciového trhu.

🔗 Jak lze generativní umělou inteligenci využít v kybernetické bezpečnosti?
Zjistěte, jak se generativní umělá inteligence uplatňuje k obraně před kybernetickými hrozbami, od detekce anomálií až po modelování hrozeb.