Vedlejší účinky AI​: Daň za zvýšenou produktivitu

Přestože umělá inteligence zvyšuje produktivitu a usnadňuje každodenní práci, její používání může mít svou cenu. Často se zmiňuje například možné oslabování kritického myšlení, zhoršování schopnosti zapamatovat si informace nebo postupná ztráta některých našich dovedností.

Tyto obavy získávají na významu zejména proto, že AI se vyvíjí nebývalým tempem. Ještě nedávno si ji většina lidí představovala jako chatbota, který dokázal odpovídat na naše otázky, přičemž ne vždy vygeneroval správnou nebo přesnou odpověď. Dnes už AI nejen generuje text nebo kód, ale v podobě agentů dokáže převzít komplexní úkoly a vykonávat je s minimálním dohledem člověka. Právě proto má smysl věnovat pozornost i vedlejším účinkům, které mohou s rostoucími schopnostmi AI sílit.

Kognitivní offloading

Jeden z mechanismů, kterým mohou podobné vedlejší účinky vznikat, se označuje jako kognitivní offloading. Jde o situaci, kdy část mentální námahy přeneseme na externí nástroj, ať už jde o kalkulačku, navigaci nebo v poslední době na umělou inteligenci. Samotný princip není ničím novým a v řadě situací je dokonce užitečný, protože nám umožňuje soustředit se na složitější úkoly namísto rutinních činností.

Dobrým příkladem je používání GPS navigace. Zatímco dříve si lidé museli trasu aktivně plánovat, pamatovat si orientační body a průběžně vyhodnocovat směr cesty, dnes drtivá většina z nás jednoduše následuje pokyny navigace. Výsledkem je sice pohodlnější a rychlejší cestování, některé studie však naznačují, že dlouhodobé spoléhání na navigaci může oslabovat schopnost vytvářet si vlastní mentální mapy okolního prostředí.

Podobný princip lze pozorovat i v souvislosti s použitím AI. Čím více úkolů přenecháváme umělé inteligenci, tím méně příležitostí máme k procvičování schopností, které k samostatnému řešení našich úkolů potřebujeme.

Jak umělá inteligence ovlivňuje rozvoj dovedností

Nyní se podívejme na zajímavou studii od společnosti Anthropic z počátku roku 2026 s názvem How AI Impacts Skill Formation (volně přeloženo jako Jak umělá inteligence ovlivňuje rozvoj dovedností). Studie se zúčastnilo 52 softwarových vývojářů, z nichž naprostá většina měla více než čtyři roky praxe s programováním a každý z nich alespoň občas programoval v Pythonu. Každý z účastníků také měl základní praxi s používáním AI při programování.

Na obrázku níže je znázorněn návrh studie. Účastníci nejprve řešili jednoduché programovací zadání v Pythonu. Tato úvodní aktivita sloužila nejen jako rozcvička před hlavní částí studie, ale také jako příležitost seznámit se s prostředím, ve kterém se mělo programovat. Následně účastníci implementovali dvě nezávislá zadání v Pythonu s využitím knihovny Trio, se kterou doposud nikdo neměl žádné předchozí zkušenosti. K dispozici měli zadání, vysvětlení konceptů knihovny Trio potřebných k vyřešení obou zadání a startovní kód.

Polovina účastníků mohla během programování využívat AI chatbota založeného na modelu GPT-4o. Toho mohli využít při pomoci s implementací, vysvětlením vygenerovaného kódu a konceptů knihovny Trio, a dokonce na vyžádání dokázal také obě zadání kompletně vypracovat. Druhá polovina účastníků tuto možnost neměla a musela se spoléhat pouze na vlastní znalosti a dovednosti.

Po dokončení programování následoval znalostní test zaměřený na porozumění klíčových konceptů knihovny Trio, čtení kódu, psaní kódu, a odhalování chyb. Jeho cílem bylo zjistit, jak dobře si účastníci z obou skupin osvojili práci s knihovnou Trio. Závěrečnou část studie tvořil krátký dotazník, v němž účastníci hodnotili dojmy ze studie.

Autoři studie se snažili zjistit odpověď na dvě klíčové otázky:

1. Zvyšuje využívání AI produktivitu u úkolů vyžadujících nové schopnosti a dovednosti?
2. Ovlivňuje využívání AI osvojování nových znalostí a dovedností?

Výsledky studie

Výsledky ukázaly, že skupina využívající AI chatbota dokončila obě programátorská zadání v průměru přibližně o 1 minutu a 45 sekund rychleji než skupina bez AI. Tento rozdíl však nebyl statisticky významný. Naproti tomu skupina bez AI dosáhla v následném kvízu v průměru o 17 % lepšího výsledku, což již představovalo statisticky významný rozdíl.

Jinými slovy, AI přinesla pouze nepatrné zrychlení práce a současně vedla k horšímu porozumění nově osvojovaných konceptů.

Autoři studie dále analyzovali způsob, jakým účastníci AI využívali. Na základě záznamů obrazovky identifikovali šest vzorců používání AI a zjistili, že výsledky výrazně závisely na tom, jak s AI účastníci pracovali. Nejlepších výsledků v kvízu (65 % a více) dosahovali ti, kteří AI používali jako učební nástroj a aktivně se snažili vygenerovanému kódu porozumět.

Naopak účastníci, kteří na AI delegovali řešení problémů nebo se příliš nesnažili vygenerované řešení detailně pochopit, získali v kvízu výrazně horší skóre, a to nanejvýš 39 %.

Závěry vyplývající ze studie

Umělou inteligenci velmi často používáme ke zvýšení produktivity. V této studii se ukázalo, že při osvojování nových dovedností její využití nevedlo k významnému zrychlení práce. Pokud se tedy učíme něco nového, měli bychom si položit otázku, zda AI použít a pokud se rozhodneme, že ano, tak přemýšlet, jak ji správně použít.

Největší přínos přináší tehdy, když slouží jako učební pomůcka pomáhající s pochopením nových konceptů, nikoli jako nástroj, který za nás řeší nějaký úkol nebo problém. Při učení by proto neměla být hlavním cílem co nejvyšší produktivita, ale především rozvoj vlastních dovedností. Ostatně i autoři studie zmiňují speciální studijní režimy dostupné například v aplikacích ChatGPT nebo Claude Code.

Výsledky jsou zajímavé zejména z pohledu juniorních vývojářů. Ti mohou být pod tlakem co nejrychleji plnit zadání od svých nadřízených a AI jim v tom dokáže výrazně pomoci. Pokud však AI využívají pouze k bezhlavému generování kódu, nemusí během práce získat dostatek zkušeností, které jsou pro jejich profesní růst klíčové.

Schopnost posoudit, zda je kód vygenerovaný AI kvalitní, bezpečný a vhodný k použití, totiž nevzniká sama od sebe. Rozvíjí se především prostřednictvím psaní kódu, čtení kódu, hledání chyb a řešení problémů. Právě tyto činnosti ale může bezmyšlenkovité spoléhání na AI vytlačovat.

Tato studie představuje pouze jeden dílek mnohem složitější skládačky. Její autoři zkoumali poměrně malou skupinu vývojářů, kteří se učili pracovat s konkrétní Python knihovnou. U účastníků studie bylo hodnoceno především bezprostřední porozumění nových konceptů, a to krátce po dokončení programátorských úkolů.

Z výsledků proto nelze vyvozovat obecné závěry o tom, že AI dlouhodobě zhoršuje naše schopnosti nebo znalosti. Přesto studie přináší zajímavé poznatky o možných důsledcích kognitivního offloadingu a ukazuje, že způsob používání AI může hrát při osvojování nových dovedností významnou roli. Jaký vliv bude mít dlouhodobé využívání AI na lidské schopnosti je potřeba nadále zkoumat.

Co si z tohoto článku vzít?

Cílem tohoto článku není tvrdit, že používání AI je špatné. Naopak, v mnoha situacích představuje mimořádně užitečný nástroj, který dokáže výrazně zvýšit efektivitu práce, a to například u rutinní práce, jež nevyžaduje hluboké přemýšlení. Důležité však je si uvědomit, že způsob, jakým AI používáme, může ovlivňovat i to, co se během práce naučíme.

Pokud je naším cílem osvojit si novou technologii, programovací jazyk nebo odbornou oblast, vyplatí se využívat AI především k vysvětlování konceptů a ověřování vlastních nápadů. Pokud naopak potřebujeme rychle vyřešit jednorázový problém v oblasti, kterou neplánujeme hlouběji studovat, může být rozumné přenechat tuto práci AI. Nejdůležitější proto není otázka, zda AI používat, ale jakým způsobem ji používat.

Reference

https://www.anthropic.com/research/AI-assistance-coding-skills

https://arxiv.org/abs/2601.20245