Použití AI se ve firmách posouvá od jednoduché tvorby textu k analýze a rozhodovací podpoře. Manažer proto nemůže pouze říci zaměstnanci, aby „to udělal přes AI“. Každá úloha potřebuje přesnou definici výsledku, míru lidské kontroly odpovídající možným následkům chyby a konkrétního člověka, který za výsledek zůstává odpovědný.
Rychlost, s níž zaměstnanci začali používat umělou inteligenci, předběhla v řadě firem pravidla pro její řízení. Výsledkem může být práce, která na první pohled působí hotově, ale nikdo přesně neurčil očekávaný výsledek, neověřil podklady ani nepřevzal odpovědnost za konečné rozhodnutí. Microsoft ve svém Work Trend Indexu 2026 podle článku zjistil, že 49 procent analyzovaných konverzací s Microsoft 365 Copilotem podporovalo kognitivní práci, například analýzu, řešení problémů nebo rozhodování.
První pravidlo proto zní: AI má dostat konkrétní úkol, nikoli neurčitý záměr. Pokyn „prozkoumejte konkurenci“ neposkytuje dostatečný rámec ani pro systém, ani pro člověka, který bude výstup kontrolovat. Přesnější zadání může například požadovat porovnání cen, zákaznických záruk a procesu zavedení u pěti hlavních konkurentů, a to pouze z veřejně dostupných materiálů za posledních dvanáct měsíců. Takový úkol má vymezený rozsah, zdroje i kritéria kontroly.
Pro delegování jsou vhodnější úlohy, které se opakují, pracují s jasně určenými vstupy a nevyžadují při každém kroku nový lidský úsudek. Čím více úloha závisí na kontextu, mezilidských vztazích nebo citlivém rozhodnutí, tím opatrněji má organizace automatizaci používat.
Druhé pravidlo se týká kontroly. Není účelné kontrolovat každý výstup stejně. Zápis z interní schůzky může projít rychlou kontrolou přesnosti. Doporučení týkající se pracovněprávního rozhodnutí, financí zákazníka, právní povinnosti, bezpečnosti nebo veřejného vyjádření firmy potřebuje kvalifikované lidské schválení. Úroveň kontroly se má odvozovat hlavně od následků případné chyby a možnosti chybu později napravit.
Vyšší kontrolu vyžadují také úlohy, jejichž výstup směřuje mimo firmu, pracují s důvěrnými údaji, obsahují obtížně ověřitelná tvrzení nebo mohou způsobit obtížně vratné následky. Praktickým řešením není kontrolovat každý krok systému, ale určit předem body pracovního postupu, ve kterých musí zasáhnout člověk.
Třetím pravidlem je osobní odpovědnost. Každý výstup podporovaný AI má mít jmenovaného vlastníka. Ten musí vědět, jaký nástroj byl použit, jaké informace systém dostal a které části výsledku byly nezávisle ověřeny. U opakovaných nebo rizikových postupů má firma uchovávat dostatek informací, aby mohla chybu zpětně prošetřit. U právních, finančních, personálních, bezpečnostních nebo veřejných výstupů může být vhodný ještě druhý kvalifikovaný kontrolor.
Delegating work to AI requires the same discipline as delegating to people, plus risk-based controls
AI use in companies is moving from simple text generation toward analysis and decision support. A manager therefore cannot simply tell an employee to “do it with AI.” Every task needs a precise definition of the expected result, a level of human review matched to the possible consequences of error, and a named person who remains accountable for the outcome.
The speed at which employees have adopted artificial intelligence has outpaced governance rules in many companies. The result can be work that looks finished at first glance even though no one clearly defined the expected outcome, verified the supporting material, or took ownership of the final decision. According to the source, Microsoft's 2026 Work Trend Index found that 49 percent of analyzed Microsoft 365 Copilot conversations supported cognitive work such as analysis, problem solving, or decision making.
The first rule is therefore that AI should receive a specific task rather than a vague intention. An instruction such as “research the competition” does not provide enough structure for either the system or the person who will review the output. A better assignment might ask for a comparison of pricing, customer guarantees, and implementation processes across five main competitors, using only publicly available material from the last twelve months. Such a task defines scope, sources, and review criteria.
Tasks are better suited to delegation when they repeat, use clearly defined inputs, and do not require fresh human judgment at every step. The more a task depends on context, interpersonal relationships, or a sensitive decision, the more cautiously the organization should automate it.
The second rule concerns review. It is inefficient to review every output in the same way. Notes from an internal meeting may only need a quick accuracy check. Recommendations involving employment decisions, customer finances, legal obligations, safety, or a public company statement require qualified human approval. The level of review should depend mainly on the consequences of a possible error and how easily the mistake could later be corrected.
More intensive review is also appropriate for work that leaves the company, uses confidential data, contains claims that are difficult to verify, or may create consequences that are hard to reverse. The practical answer is not to inspect every step the system takes, but to define in advance the workflow points at which a human must intervene.
The third rule is personal accountability. Every AI-supported output should have a named owner. That person should know which tool was used, what information the system received, and which parts of the result were independently verified. For repeated or high-risk workflows, the company should retain enough information to investigate an error afterward. Legal, financial, HR, safety, or public-facing outputs may also warrant a second qualified reviewer.