AI nerozbírá práci, ale účel plní

AI mění práci rychleji, než stíháme přepisovat strategie. Nejde jen o automatizaci textů, ale o rozpad workflow, růst infrastruktury a novou cenu lidského úsudku.

---

Ještě jste nepřišli o práci, ale už vám do ní zasahuje systém, který zvládne napodobit část vašich výstupů rychleji, levněji a bez únavy. Mustafa Suleyman mluví o automatizaci kancelářské práce, Jensen Huang o nové éře stavění a John Kaag přes Joannu Sternovou klade otázku, co po tom všem zůstává jako lidská hodnota.

Napětí mezi automatizací kancelářských úkolů a růstem významu fyzické infrastruktury

V debatě o AI se pořád vrací stejný zkratkovitý obraz: stroje prý vezmou práci lidem a hotovo. Jenže v praxi se děje složitější přesun. Nezrychluje se jen automatizace kancelářských úkolů, ale i poptávka po betonu, kabelech, čipech, chlazení a lidech, kteří to celé umí postavit a udržet.

Mustafa Suleyman podle tohoto rámce míří přímo na profesionální kancelářskou práci. Tvrdí, že do srpna 2027 bude většina takové práce plně automatizovaná. Když vyjmenuje marketing, účetnictví, právo a projektový management, nejde mu o abstraktní budoucnost. Mluví o čtyřech oblastech, kde se už dnes mění každodenní rutina dřív než pracovní smlouva. Pro nás je podstatné právě tohle: AI často nezačne tím, že zruší pozici. Začne tím, že rozbije běžný tok práce, ze kterého ta pozice žila.

Vedle toho stojí druhý obraz, který běžná marketingová debata ráda přehlíží. Jensen Huang na Carnegie Mellon před 5 800 absolventy řekl, že AI dává Americe příležitost znovu stavět. A hned to přeložil do praxe: příležitost mají elektrikáři, instalatéři, železáři, technici a stavitelé. Když dodal, že AI nevytváří jen nový výpočetní průmysl, ale novou průmyslovou éru, znělo to jako průmyslový slogan. Ve skutečnosti tím popsal rozpočet. Pokud big tech letos tlačí capex na datacentra až ke 700 miliardám dolarů, nejde o kosmetiku v cloudových službách. Jde o fyzickou výstavbu, kterou musí někdo navrhnout, zapojit, vychladit a provozovat.

V tom je pro marketing nepříjemná korekce běžného pohledu. Zvykli jsme si sledovat, co AI umí napsat, vygenerovat nebo zrychlit. Jenže pro firmy má větší váhu otázka, co dává práci účel a kde vzniká skutečná hodnota. U kancelářských rolí to znamená, že se nemění jen nástroje, ale i smysl části práce. U fyzické infrastruktury naopak roste význam činností, které se nedají obejít promptem. Datacentrum, síťové rozvody nebo provozní kapacita nejsou „vedlejší efekt“ AI. Jsou její podmínka.

Randstad přitom podle tohoto trendu ukazuje i posun na trhu práce. Poptávka po řemeslech roste rychleji než u kancelářských rolí. To není romantika o návratu k montérkám. Je to připomínka, že ekonomika se nehýbe jen směrem k digitálním textům a analýzám, ale také k místům, kde se musí něco skutečně postavit. A právě tady často selhává běžný marketingový komentář: mluví o AI jako o náhradě lidí, ale přehlíží, že stejná technologie zvyšuje cenu infrastruktury, energie a odborné údržby.

Pro zkušeného marketéra z toho plyne jednoduchý, ale důležitý závěr. AI neumenšuje význam práce jako takové, ale přeskupuje její hodnotu. Jedna část kancelářské agendy se stává snadno automatizovatelnou. Druhá část, spojená s rozhodováním, koordinací a odpovědností, zůstává drahá právě proto, že stojí na lidském posouzení. A zároveň roste svět, který drží technologii v chodu fyzicky. Kdo tohle nevidí, bude dál plánovat marketing i obsah, jako by změna probíhala jen v generátoru textu. Ve skutečnosti se odehrává i na stavbě, v rozvaděči a v datacentru.

Rozdíl mezi úkolem a účelem práce

Jensen Huang podle Financial Times mluví o změně každé práce, ale důležitější je jeho přesnější rozlišení. Úkol a účel práce nejsou totéž.

V praxi to znamená jednoduchou věc: AI umí převzít část výkonu, rutiny a opakovatelných kroků. Neznamená to ale, že mizí důvod, proč daná práce vůbec existuje.

Pro marketéra nebo SEO specialistu je ten rozdíl zásadní. Nástroj může napsat návrh textu, spočítat varianty nebo projít data rychleji než člověk. Účel práce ale leží jinde: v rozhodnutí, co má text splnit, komu má pomoci a jak zapadá do širší strategie.

Huang zároveň říká, že mnoho úkolů se automatizuje, některé práce zaniknou a vzniknou i nové pozice a celé nové obory. Tady je potřeba číst mezi řádky přesně. Nejde o čisté nahrazení profese jedním systémem. Jde o přeskupení práce uvnitř rolí, které se skládají z různých typů činností.

Právě proto bývá zavádějící sledovat jen otázku, zda AI „umí dělat marketing“. Umí převzít kus práce, ale nevyřeší, za co má marketing nést odpovědnost. To pořád drží člověk, který rozumí cíli, kontextu i důsledkům.

Pro SEO to platí stejně. Pokud se soustředíme jen na produkci výstupů, snadno přehlédneme, že AI mění skladbu úkolů dřív, než stihneme přepsat vlastní pracovní model. Důležitá otázka proto nezní, co všechno systém vygeneruje, ale co z práce zůstává na člověku, protože právě tam vzniká hodnota.

Na Search Engine Journal i v navazující analýze jde právě o tenhle posun: neodmýšlet riziko automatizace, ale přesně oddělit jednotlivé úkoly od smyslu celé role. A právě v tom se dnes láme rozdíl mezi snadno nahraditelnou činností a prací, která má stále vlastní opodstatnění.

Největší praktický dopad: rozpad workflow a zastarávání strategických rámců

V praxi se nehroutí především pracovní židle, ale způsob, jakým práce vůbec vzniká. Nejsilnější zásah přichází ve chvíli, kdy se rozpadne workflow dřív, než stihneme přepsat strategii. A právě to je pro marketing a SEO mnohem citlivější než jednoduchá otázka, kolik rolí zmizí.

Mustafa Suleyman mluví o časovém okně dvanácti až osmnácti měsíců. Když to přepočteme od února 2026, vychází nám srpen 2027. Nejde o věštbu na dálku, ale o varování, že změna probíhá v tempu, které běžné plánovací cykly nestíhají. To je pro marketing zásadní problém, protože strategie se v mnoha firmách přepisuje po kvartálech, ne po týdnech.

Suleyman navíc podle Search Engine Journal výslovně zahrnul mezi ohrožené i marketing. To není detail pro titulky. V oboru, kde se denně skládá obsah, kampaně, reporting a vyhodnocování, stačí drobný posun v zadání nebo v chování platforem a celý postup se začne rozpadat. Ne proto, že by marketing přestal existovat, ale proto, že se rozpadá jeho každodenní logistika.

Podobně to ukazuje i pohled na vyhledávání. V citované úvaze zaznívá, že za posledních 18 měsíců se vyhledávání změnilo víc než za předchozích pět let. Pro SEO to znamená nepříjemnou, ale přesnou věc: nejde jen o nové nástroje nebo nové formáty odpovědí. Mění se samotný způsob, jak uživatel hledá, jak platformy ukazují obsah a jak se vůbec rozhoduje o viditelnosti.

Praktik, který to cítí nejvíc, nebývá ten, komu zítra zmizí práce z rozpočtu. Nejvíc to dopadá na lidi, jejichž rutiny přestávají fungovat rychleji, než se stihnou přepsat interní pravidla. V marketingu to vidíme pořád: obsahový plán běží podle starého modelu, výkon se vyhodnocuje podle metrik, které už neříkají celý příběh, a tým dál optimalizuje něco, co se mezitím přesunulo jinam.

Tohle je skutečné riziko AI pro obor: ne okamžité nahrazení člověka, ale zrychlené zastarávání pracovních rámců. Kdo dělá SEO nebo marketing strategii, ten už dnes neřeší jen to, co umí systém vygenerovat. Řeší, jestli dosavadní workflow ještě vede k výsledku, nebo jen udržuje provoz, který ztratil smysl.

Proto se mění i role zkušenosti. Nestačí mít správný proces na papíře. Potřebujeme model, který unese častější přepisování zadání, rychlejší testování a menší víru ve včerejší osvědčené postupy. V tom je praktický dopad celé debaty nejostřejší: strategický rámec, který nepočítá s rychlou změnou, přestává být rámcem a stává se brzdou.

Pro marketing a SEO z toho plyne jednoduchá, ale nepříjemná věta: kdo dnes spoléhá na stabilitu workflow, plánuje už podle minulého trhu. A ten se mezitím přesunul dál.

Když simulace úsudku zvyšuje tlak na definici lidské hodnoty

Jakmile systém zvládne napodobit rozhovor, shrnout argument nebo navrhnout postup, přestává stačit otázka, jestli umí myslet. V praxi nás začíná zajímat, co ještě dělá práci lidskou. John Kaag v komentáři k textu Joanny Sternové posouvá debatu přesně sem: neřeší jen výkon strojů, ale to, co zůstává po jejich přiblížení k lidskému uvažování.

Kaag se přitom vrací k Turingovu imitačnímu testu. Ten stavěl lidi do role posuzovatelů: měli rozhodnout, zda je na druhé straně člověk, nebo stroj. Jenže digitální prostředí ten vztah převrátilo. Systémy CAPTCHA, a s nimi i obyčejné políčko „Nejsem robot“, z lidí udělaly ty, kdo se musí prokazovat. Stroj už nebojuje o naši důvěru; my se přizpůsobujeme jeho způsobu ověřování.

To není jen drobná kulturní kuriozita. Pro marketing a SEO je to nepříjemně přesný obraz změny, kterou už cítíme v obsahu i strategii. Když model zvládne generovat text, návrh kampaně nebo základní analýzu, tlak se přesouvá jinam. Hodnota nevzniká v samotném výstupu. Vzniká v tom, zda výstup sedí do reality značky, trhu a odpovědnosti za rozhodnutí.

Mary Everest Boole už dřív uvažovala, co se stane, až se uvažování začne mechanizovat. Její odpověď nevedla k efektivitě ani k výpočtu. Směřovala k empatii, morálnímu úsudku a lidskému spojení. Právě to je pro nás důležité i dnes. Když se simulace rozumu stává běžnou, nemůžeme se opírat jen o rychlost, strukturu nebo přesnost formulace.

Musíme ukázat, jaký úsudek za prací stojí. Jinými slovy: co víme z vlastní praxe, kde jsme selhali, co jsme odnesli z odpovědnosti za výsledek a jak jsme se naučili nést důsledky. Kaag tím říká, že čím víc stroje připomínají rozum, tím silněji se ptáme na to, co nejde zkopírovat jednoduchým výpočtem. V roce 2026 to zní jinak než před deseti lety, protože dnes už nejde o teoretickou úvahu. Jde o každodenní měřítko hodnoty práce.

Praktická implikace pro zkušeného marketéra: od dovednosti k perspektivě

Když dnes píšeme brief, memorandum nebo analýzu klíčových slov, už se neptáme, zda podobný výstup umí vygenerovat systém. To umí. Důležitější je jiná otázka: co z takového textu dělá práci, za kterou nese někdo skutečnou odpovědnost?

Právě tady se láme běžné chápání. Na trhu se pořád mluví o dovednosti, rychlosti a správném postupu. Jenže zkušený marketér ví, že stejný formát neznamená stejnou hodnotu. Dva lidé mohou dodat stejný počet stránek, ale jen jeden z nich rozumí tomu, co doporučení způsobí v rozpočtu, v pozici značky a v dalších krocích týmu. Rozdíl tedy neleží v tom, zda text vznikl rychle, ale zda stojí na perspektivě, která prošla realitou.

To přesně vystihuje i závěr textu, který spojuje pohled Mustafy Suleymana, Jensena Huanga a Johna Kaaga. Suleyman mluví o tom, že úkoly většiny kancelářských prací se automatizují rychleji, než jsou lidé připravení. Huang k tomu dodává, že účel práce přežívá i ve chvíli, kdy zmizí řada konkrétních úloh. A Kaag upozorňuje, že pokud stroj zvládá napodobit myšlení, začínáme řešit něco jiného než samotnou dovednost.

Pro marketing a SEO z toho plyne nepříjemná, ale užitečná věc: nekomoditizuje se znalost nástroje, ale schopnost rozhodnout, co má výstup znamenat. Analýzu klíčových slov dnes sestaví i stroj. Stejně tak navrhne osnovu článku, shrne konkurenci nebo sepíše memorandum pro vedení. Jenže stále neumí převzít následky, když se interpretace mine s realitou trhu, zákazníka nebo značky.

To je rozdíl, který si v praxi často nechceme přiznat. Měříme produktivitu podle toho, kolik toho tým vyprodukuje. Jenže skutečná hodnota leží v tom, jestli výstup pomáhá dělat lepší rozhodnutí. Perspektiva zkušeného praktika se pozná podle toho, že umí odlišit hezký výstup od užitečného rozhodnutí.

Proto Kaagův argument míří dál než jen k debatě o AI. Pokud stroje dokážou napodobit stále víc z toho, co děláme, tlak se přesouvá na oblast, kterou nelze zadat do promptu ani zaškrtnout v checklistu. Tou oblastí je prožité selhání, přítomnost u důsledků a schopnost nést odpovědnost za to, co doporučíme klientovi, obchodnímu týmu nebo vedení firmy.

V tom je i praktická lekce pro SEO specialisty a marketéry. Nejde o to, kdo napíše víc variant titulku nebo rychleji zpracuje report. Jde o to, kdo rozpozná, kdy data klamou, kdy trychtýř nefunguje kvůli nabídce a kdy problém neleží v kampani, ale ve strategii. AI umí napodobit výstup. Perspektiva určuje, co z něj skutečně přinese hodnotu.

Takto čteme i spojení tří různých textů z Pittsburghu, rozhovoru pro Financial Times a recenze knihy. Každý jde jinou cestou, ale všichni míří ke stejnému závěru: jakmile se dovednost zautomatizuje, odlišnost se přesune do lidského posouzení, zkušenosti a odpovědnosti. A právě tam dnes stojí práce, kterou si marketér musí uhájit.

Jinými slovy: neobhajujeme už schopnost napsat text. Obhajujeme schopnost dát mu směr, váhu a důsledek. A to je přesně typ práce, který nevzniká v tabulce dovedností, ale v dlouhodobě utvářené profesní perspektivě.

Nejde o to, co umí nástroj. Jde o to, co do práce vnášíme my

V marketingu se dnes snadno zamění rychlost za hodnotu a výstup za rozhodnutí. AI zvládne napodobit kus práce, ale právě tím odhaluje slabé místo mnoha týmů: příliš spoléháme na proces, a málo obhajujeme vlastní úsudek. Když se dá část rutiny zautomatizovat, nestačí být jen lepší operátor. Musíme být lepší interpret reality.

To je nepohodlné, ale užitečné zjištění. Kdo umí jen produkovat, toho systém dřív nebo později dožene. Kdo umí vyhodnotit kontext, nést důsledky a poznat, kdy data lžou nebo kdy problém neleží v kampani, ten si drží hodnotu i v prostředí, kde se výstupy kopírují čím dál snáz. Budoucnost oboru se tak neláme na tom, kdo používá AI, ale kdo dokáže vysvětlit, proč má jeho práce pořád lidskou váhu.

Možná je tedy přesnější otázka jiná: pokud stejný formát, stejné tempo i stejný jazyk zvládne napodobit stroj, co přesně ještě v našem marketingu obhajujeme jako vlastní práci?

Zdroj: searchenginejournal.com

---