Hodnocení manažerů se může změnit: nestačí umět AI používat, rozhodující bude, jak s ní vedoucí staví práci
Znalost nástrojů AI se rychle stává běžným předpokladem. Pro vedení firmy je ale důležitější, zda manažer umí správně vybrat úkol, dodat systému potřebný kontext, nastavit hranice a odmítnout chybný výstup. Hodnocení vedoucích se proto může přesunout od individuálních schopností k tomu, jak kvalitně člověk řídí celý systém práce složený z lidí a AI.
Manažeři se dosud hodnotili především podle individuálního úsudku, odbornosti, schopnosti vést lidi, komunikovat a dosahovat výsledků. AI tento rámec začíná měnit. Vedoucí stále odpovídá za rozhodnutí, ale část přípravy, analýzy a provedení může delegovat na systémy, které průběžně sledují data, sestavují podklady nebo koordinují opakující se pracovní postupy.
Forbes upozorňuje, že samotná znalost AI už nemusí stačit. Rozdíl mezi manažery se bude vytvářet v tom, zda dokážou z technologie postavit spolehlivý pracovní systém. Hodnotit tedy nebude vhodné jen otázku, zda člověk AI používá, ale především co jí svěřuje, jak jí zadává kontext, kde ponechává rozhodnutí člověku a jak kontroluje výsledek.
První oblastí je formulace problému. Slabší přístup začíná technologií: „Kde ještě můžeme využít AI?“ Silnější začíná konkrétním omezením nebo rozhodnutím: kde vzniká zbytečná prodleva, kterou část procesu zatěžuje práce s nízkou přidanou hodnotou a kde má člověk příliš málo informací.
Druhou oblastí je kontext. AI pracuje podle informací, cílů a omezení, které dostane. Manažer, jenž systému neposkytne skutečné priority organizace, může získat technicky přesvědčivou odpověď, která je obchodně nepoužitelná. Poskytování kontextu proto přestává být pouhou formulací zadání a stává se součástí návrhu pracovního systému.
Třetí oblastí je delegování. Manažer musí rozlišit, co AI pouze analyzuje, co smí doporučit a co může provést. Stejně jako při delegování na člověka je nutné určit cíl, pravomoci a odpovědnost.
Důležitá je také schopnost odmítat. Rychlost produkce AI může svádět k představě, že silný uživatel je ten, kdo získává nejvíce výstupů. Ve skutečnosti může být kvalitnější vedoucí ten, kdo rozpozná přesvědčivou, ale neúplnou odpověď a nepustí ji dál do rozhodovacího procesu.
Pro personální řízení z toho plyne změna způsobu rozvoje a hodnocení. Test znalosti pojmů nebo počet absolvovaných školení ukáže málo. Užitečnější je simulace skutečného pracovního problému, při níž lze sledovat, jak vedoucí formuluje otázku, co deleguje AI, jaké zdroje ověřuje, jak řeší nejistotu a která rozhodnutí si ponechává.
KLÍČOVÉ POJMY
- Rozšířené vedení: Řízení, při němž manažer využívá AI jako součást analytického a výkonného systému práce.
- Inteligentní delegování: Rozdělení úloh mezi lidi a AI podle rizika, kompetencí a potřebné odpovědnosti.
- Kontext systému: Cíle, omezení, pravidla a informace, které musí AI znát, aby její výstup odpovídal potřebám firmy.
- Realizace hodnoty: Měřitelný přínos AI pro výsledek práce, nikoli samotná četnost jejího používání.
Manager assessment may change: knowing how to use AI will not be enough; what matters will be how leaders design work with it
Knowledge of AI tools is quickly becoming a basic expectation. For company leadership, however, it matters more whether a manager can choose the right task, provide the system with the necessary context, set boundaries and reject a flawed output. Manager assessment may therefore shift from individual skills toward how well a person manages the entire work system made up of people and AI.
Managers have traditionally been assessed mainly on individual judgment, expertise, the ability to lead people, communication and results. AI is beginning to change this framework. The leader remains accountable for decisions, but parts of preparation, analysis and execution can be delegated to systems that continuously monitor data, prepare materials or coordinate repetitive workflows.
Forbes points out that knowledge of AI alone may no longer be enough. The difference between managers will increasingly lie in whether they can build a reliable work system around the technology. Assessment should therefore focus not only on whether a person uses AI, but above all on what they delegate to it, how they provide context, where they keep decisions with humans and how they control the outcome.
The first area is problem framing. A weaker approach starts with the technology: “Where else can we use AI?” A stronger one starts with a specific constraint or decision: where unnecessary delays arise, which part of the process is burdened by low-value work and where a person has too little information.
The second area is context. AI works from the information, goals and constraints it receives. A manager who does not give the system the organization’s real priorities may get a technically persuasive answer that is commercially unusable. Providing context therefore stops being merely a matter of prompt wording and becomes part of work-system design.
The third area is delegation. A manager must distinguish between what AI only analyzes, what it may recommend and what it may execute. As with delegating to a person, the objective, authority and accountability need to be defined.
The ability to reject output also matters. AI’s production speed can create the illusion that a strong user is the one who produces the most outputs. In reality, a better leader may be the one who recognizes a persuasive but incomplete answer and does not allow it to proceed further into the decision process.
For people management, this implies a change in development and assessment. A terminology test or the number of completed training courses reveals little. A simulation of a real work problem is more useful because it shows how the leader frames the question, what they delegate to AI, which sources they verify, how they handle uncertainty and which decisions they retain.
KEY TERMS
- Augmented leadership: Management in which a leader uses AI as part of the analytical and execution system of work.
- Intelligent delegation: The allocation of tasks between people and AI according to risk, capability and required accountability.
- System context: The goals, constraints, rules and information AI must know for its output to fit the company’s needs.
- Value realization: The measurable contribution of AI to work outcomes, rather than the frequency of its use.