AI zatím práci nebere, ale mladým ztěžuje vstup na trh
Anthropic studie zavádí novou metriku 'observed exposure', která měří reálné využití AI v povoláních. Nezaměstnanost v ohrožených profesích neroste, ale hiring mladých pracovníků zpomaluje.
Foto: Unsplash / BaljkanN 4
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Anthropic studie zavádí novou metriku "observed exposure", která měří reálné využití AI v povoláních. Nezaměstnanost v ohrožených profesích neroste, ale hiring mladých pracovníků zpomaluje.
⚠️ Preprint · Publikováno březen 2026 · Data sbírána 2019 až 2025 (Current Population Survey) · Anthropic Research (working paper)
Co studie zjistila
Většina předpovědí o dopadu AI na trh práce stojí na jednoduchém předpokladu: pokud AI teoreticky zvládne úkol, pracovník je "exponovaný". Massenkoff a McCrory z Anthropic ukazují, že tenhle předpoklad je zásadně nepřesný. Zavedli proto novou metriku, kterou nazývají "observed exposure", tedy pozorovaná expozice.
Rozdíl je podstatný. Podle teoretických odhadů Eloundou a kol. (2023) je 94 % úkolů v kategorii Computer & Math "exponováno" AI. Reálná data z Anthropic Economic Index ale ukazují, že AI skutečně pokrývá jen asi 33 % těchto úkolů. Programátoři vedou s 74,5 % pokrytím, zákaznický servis následuje se 70,1 %, data entry s 67 %. Ale i tato čísla reflektují jen to, co lidé s AI reálně dělají, ne co by teoreticky mohli.
🔍 Observed exposure vs. theoretical exposure
Theoretical exposure (Eloundou a kol., 2023) měří, zda je AI technicky schopna provést daný úkol. Nezohledňuje, jestli to někdo skutečně dělá. Observed exposure (Massenkoff a McCrory, 2026) kombinuje teoretickou schopnost s reálnými usage daty. Rozlišuje navíc mezi augmentací (AI pomáhá člověku) a automatizací (AI nahrazuje člověka). Automatizované úkoly dostávají plnou váhu, augmentované poloviční. Výsledek: metriku, která říká ne "co by AI mohla nahradit", ale "co AI reálně nahrazuje".
A hlavní zjištění? Od spuštění ChatGPT na konci roku 2022 nezaměstnanost v nejexponovanějších povoláních systematicky nevzrostla. Autoři to ověřili na datech z Current Population Survey za období 2019 až 2025. Žádná viditelná krize, žádný šok.
Ale je tu důležitý detail. U mladých pracovníků (22 až 25 let) vstupujících do exponovaných povolání autoři nacházejí zpomalení tempa najímání, přibližně o půl procentního bodu měsíčně. Nejde o propouštění, jde o to, že nové pozice vznikají pomaleji.
📚 Solowův paradox a J-křivka adopce technologií
Ekonom Robert Solow v roce 1987 poznamenal: "Počítačový věk je vidět všude kromě statistik produktivity." Technologické revoluce typicky procházejí J-křivkou, kdy výkonnost zpočátku stagnuje nebo klesá (firmy investují, přeorganizovávají se), než se dostaví přínosy. Massenkoff a McCrory implicitně pracují s touto logikou: absence viditelného dopadu v roce 2025 nemusí znamenat, že dopad nepřijde. Může to znamenat, že jsme na dně J-křivky.
Jak to zjistili
Studie křížově propojuje tři datové zdroje. O*NET databázi, která katalogizuje úkoly v přibližně 800 povoláních v americké ekonomice. Teoretické odhady expozice od Eloundou a kol. (2023). A reálná usage data z Anthropic Economic Index, tedy miliony konverzací s Claude kategorizovaných podle toho, jaké pracovní úkoly pokrývají.
🔍 Anthropic Economic Index
Dataset založený na analýze reálného využití Claude (AI asistenta od Anthropic) v pracovních kontextech. Konverzace jsou klasifikovány podle typu úkolu (kódování, analýza dat, psaní, zákaznický servis) a mapovány na O*NET kategorie povolání. Klíčová inovace: rozlišení mezi augmentativním použitím (člověk využívá AI jako nástroj) a automatizačním použitím (AI nahrazuje lidský úkol). Autoři upozorňují na omezení: data pocházejí z jednoho AI systému (Claude), nikoli z celého trhu.
🔍 O*NET (U.S. Department of Labor)
Nejkomplexnější veřejná databáze povolání v USA. Pro každé z přibližně 800 povolání katalogizuje stovky atributů: konkrétní pracovní úkoly, potřebné dovednosti, znalosti, pracovní kontext i technologie. Na rozdíl od prostého názvu povolání ("účetní") O*NET popisuje, CO přesně člověk v dané roli dělá (např. "analyzuje finanční výkazy", "připravuje daňová přiznání"). Právě díky této granularitě mohou Massenkoff a McCrory porovnávat, které konkrétní úkoly AI reálně pokrývá. Evropský ekvivalent (ESCO) existuje, ale je méně granulární.
Pro analýzu trhu práce autoři použili mikro-data z Current Population Survey (CPS), konkrétně měsíční data o zaměstnanosti, nezaměstnanosti a pracovních přechodech. Sledované období: srpen 2022 (před spuštěním ChatGPT) až konec roku 2025. Pracovníci v nejexponovanějších povoláních jsou typicky vzdělanější: 17,4 % z nich má magisterský nebo doktorský titul, oproti 4,5 % v neexponované skupině.
Proč je to důležité
Tři důvody. Za prvé, studie mění rámec diskuze. Místo spekulací o tom, co AI "může" nahradit, nabízí metriku toho, co AI reálně nahrazuje. To je zásadní posun. Propast mezi 94 % teoretické expozice a 33 % reálné expozice v Computer & Math ukazuje, jak moc se předpovědi liší od reality.
Za druhé, finding o mladých pracovnících je varovný signál, který agregátní data maskují. Celková nezaměstnanost v exponovaných profesích nevzrostla. Ale pokud firmy najímají méně juniorních pozic, dopad se projeví s desetiletým zpožděním. Dnešní pomalejší vstup na trh znamená zítra chybějící střední management a expertízu.
Za třetí, pro evropský kontext a EU AI Act: studie ukazuje, že regulace zaměřená pouze na "vysoce rizikové AI systémy" nemusí zachytit plíživé dopady na trh práce. Žádný jednotlivý AI systém nezpůsobuje hromadné propouštění. Ale akumulovaný efekt pomalejšího hiringu mění strukturu pracovní síly.
Limity a otevřené otázky
Studie má několik zásadních omezení, které autoři přiznávají. Observed exposure je postavena výhradně na datech z Claude. Trh AI nástrojů je ale fragmentovaný: ChatGPT, Copilot, Gemini a desítky dalších nástrojů pokrývají jiné úkoly a jiná povolání. Reálná celková expozice je pravděpodobně vyšší, než co ukazují data z jednoho systému.
Geografické omezení je rovněž podstatné. Data pocházejí z amerického trhu práce (CPS). Evropský trh s odlišnou regulací, silnějšími odbory a jinou strukturou povolání může vykazovat jiné vzorce.
Studie pokrývá období do konce roku 2025, tedy přibližně tři roky od spuštění ChatGPT. To je pro strukturální změny na trhu práce krátké období. Autoři sami upozorňují, že absence viditelného šoku neznamená absenci budoucího dopadu. Jak poznamenal Peter McCrory v rozhovoru pro Fortune: "velká recese pro white-collar pracovníky" zůstává reálnou možností, i když zatím nenastala.
Mezi sběrem dat a publikací uplynuly řádově týdny (data do konce 2025, publikace březen 2026), což je u working paperu neobvykle aktuální.
Zdroj obrázku: Unsplash / BaljkanN 4
Zdroje
- Massenkoff, M. & McCrory, P. (2026). Labor market impacts of AI: A new measure and early evidence. Anthropic Research.
- Eloundou, T. et al. (2023). GPTs are GPTs: An early look at the labor market impact potential of LLMs.
- Anthropic's research shows that AI can already do a huge portion of many jobs (Fortune, duben 2026)