Je nám jasné, že celý rozhovor s Janem Klenerem zvládne na první dobrou jen málokdo. Proto, abychom vás na něj naladili, máme pro vás stručné sedmiminutové shrnutí ve formátu tl;dr (too long, don't read) přímo od AI. Snad poté najdete odvahu si celý – a rekordně dlouhý – rozhovor přečíst. 

Jste člověk na vozíku a zároveň profesionálně pracujete s umělou inteligencí. Když se tyto dva světy potkají, v čem vám AI už dnes reálně usnadňuje život – a v čem zatím její potenciál zůstává spíš příslibem?

Když se mě někdo zeptá, v čem mi jako člověku na vozíku umělá inteligence reálně pomáhá, tak první věc, která mě napadne, není ani vozík, ani nějaká speciální technologie pro lidi s hendikepem. Je to vlastně mnohem obecnější: AI mi šetří mentální kapacitu.

Každý člověk má během dne omezené množství času, pozornosti a taky energie. Člověk neřeší jenom práci. Řeší bydlení, rodinu, úřady, lékaře, pojišťovny, peníze, vlastní projekty a desítky dalších věcí. A u člověka s poraněním míchy se k tomu někdy přidává ještě další vrstva. Já tomu trochu říkám baterka. Od jednoho vozíčkáře jsem slyšel takové pravidlo od oka, že člověk s poraněnou míchou nikdy začíná den v lepším případě s baterií na 65%. A musíte si mnohem pečlivěji vybírat, na co tu energii během dne spotřebujete.

Proto pro mě AI není jen nástroj, který mi umožní něco udělat rychleji. Je to způsob, jak neplýtvat vlastní hlavou na věci, na které ji používat nemusím.

Typicky administrativa... Teď třeba řeším žádosti pro několik nadací. Každá má jiné podmínky, chce jiné přílohy, někde je formulář, jinde e-mail, někde potvrzení lékaře, někde cenová nabídka. Když se k tomu vrátím po pěti dnech, normálně bych musel znovu rekonstruovat, co jsem komu poslal, co mi ještě chybí a kde jsem vlastně skončil. AI mi v tomhle funguje skoro jako externí paměť. Dokáže držet kontext a já se můžu vrátit přesně tam, kde jsme skončili.

A myslím, že pro člověka s hendikepem je důležitá ještě jedna věc, o které se tolik nemluví, náklady na sociální pomoc.

Dřív člověk často potřeboval někoho dalšího. Něco přeložit, něco zjistit, poradit s počítačem, podívat se na smlouvu, vysvětlit dopis z úřadu. Samozřejmě můžete zavolat kamarádovi. Jenže každý kamarád má svůj život, svoji práci a svoji omezenou kapacitu, svoje omezené kontextové okno. A člověk nechce pořád někoho obtěžovat každou drobností.

AI má v tomhle jednu zvláštní vlastnost, má prakticky nekonečnou trpělivost. Můžu se zeptat ve dvě ráno. Můžu se zeptat pětkrát na totéž. Můžu říct: „Pořád tomu nerozumím, vysvětli mi to jinak.“ A nikoho tím nezatěžuju.

Takže pro mě není přínosem AI jen vyšší produktivita. Je to i větší samostatnost a menší závislost na kapacitě ostatních lidí.

Velmi silná je pro mě také schopnost AI překládat mezi různými odbornými světy. Dostanu například lékařskou zprávu plnou terminologie. AI mi ji může přeložit do normální řeči. Nemá nahrazovat lékaře, ale může mi vysvětlit, co jednotlivé pojmy znamenají, jak spolu souvisejí a hlavně jaké otázky bych si měl připravit na další návštěvu.

A u lidí s poraněním míchy je to někdy podstatné právě proto, že nejsme úplně standardní pacienti. Některé symptomy se mohou projevovat jinak, některé věci člověk necítí typickým způsobem. Takže když přijdu k lékaři připravený a umím přesně popsat kontext, může to být velmi užitečné.

Obrovský posun podle mě přinesla multimodalita. Dřív jste museli alespoň vědět, na co se máte Googlu zeptat. Umět vůbec popsat, co chci, ideálně v angličtině, to byla docela fuška. Dnes něco vyfotím a řeknu: „Hele, co je tohle?“

Mně třeba někdo přivezl z Egypta nějaké listy. Já ani nevěděl, co to je. Takže první otázka nebyla „Jaké jsou účinky této rostliny?“ První otázka byla: „Co jsem to vlastně dostal?“ Uděláte fotografii, AI vám pomůže identifikovat, co před sebou máte, a teprve potom můžete pokračovat dalšími otázkami. Podobně s rostlinami doma, nějakým předmětem, technickou závadou nebo dokumentem.

To podle mě dramaticky snižuje vstupní bariéru k informacím. Nemusím ani vědět, jak správně formulovat otázku, abych mohl začít problém řešit.

„Pro mě osobně je ale možná ještě zásadnější AI jako nástroj pro učení.“

Mentor nebo učitel je pořád člověk. Má omezený čas a po desáté otázce už možná začne přemýšlet, jestli jste ho při osmé neposlouchali. AI se můžu zeptat podesáté a říct: „Ne. Ještě jednodušeji.“ A potom opačně: „Dobře, teď mi to vysvětli opravdu do hloubky.“

To využívám při programování, při učení jazyků i při pronikání do oblastí, kterým jsem předtím vůbec nerozuměl. A právě tady mi AI změnila možná něco ještě důležitějšího než produktivitu, změnila moje ambice.

Nejde jen o to, že stejnou práci udělám o třicet procent rychleji. Díky AI si troufnu pustit se do věcí, do kterých bych se dříve vůbec nepustil, protože vstupní cena v podobě času a množství znalostí byla příliš vysoká. Můžu současně pracovat na několika projektech, učit se novou technologii, udělat rešerši k úplně jinému oboru a během relativně krátké doby se dostat na úroveň, kdy už dokážu vést smysluplný rozhovor s odborníkem jako dobře poučený laik.

Takže AI podle mě nerozšiřuje jen to, jak rychle něco zvládnu, ale i prostor toho, co vůbec považuju za dosažitelné.

Současně jsem ale poměrně opatrný v tom, co na AIčko delegovat.

Držím se zásady Adreje Karpathyho, který říkal, že na AI můžete delegovat práci, ale nikoliv porozumění. AI by měla člověka rozšiřovat, ne nahrazovat jeho přemýšlení. Protože pokud oblasti vůbec nerozumím, nemusím poznat moment, kdy mě model začne vést do temných koutů, kde nechci skončit.

A právě tady podle mě leží jedna z největších slabin současných systémů. U běžných problémů fungují fantasticky, protože mají spoustu relevantního kontextu. Ale čím raritnější problém je, tím větší je riziko, že výstup bude slabý. Já jsem to zažil u jednoho velmi neobvyklého právního / úředního problému. Model byl schopen vytvořit krásnou, logickou, sebevědomě formulovanou odpověď. Byla to právní rarita a stačilo by se zeptat je to skutečně tak nebo si myslím, že je to tak.

A to je podle mě důležitější problém než samotná chyba. Chyba, která zní sebevědomě a přesvědčivě.

Proto se dnes často ptám: Je to skutečně fakt, který umíme doložit? Nebo je to jen velmi pravděpodobně znějící domněnka? Zvlášť v medicíně, právu nebo u důležitých finančních rozhodnutí musí člověk pořád ověřovat zdroje.

A podobnou střízlivost mám i z profesní zkušenosti. Pracuju s AI v technologickém prostředí a tam člověk velmi rychle zjistí rozdíl mezi působivým demem a systémem, který můžete skutečně nasadit pro tisíce nebo miliony zákazníků.

Spoustu věcí dnes AI technicky umí. Jenže otázka je: za jakou cenu, s jakou spolehlivostí, s jakým výpočetním výkonem a jestli je vůbec ekonomicky rozumné ji tam nasazovat. Firmy podle mě na chvíli vystřízliví z představy, že AI musí být úplně všude, a začnou mnohem přesněji hledat místa, kde skutečně přináší hodnotu.

Velkou naději vidím v efektivnějších modelech a v lokální AI nebo určitý posun bych viděl v Jean Le Cunnově JEPA architektuře. Pokud budeme schopni stále silnější modely provozovat přímo na vlastních zařízeních, může to dramaticky snížit cenu a zároveň přinést větší kontrolu nad daty a soukromím.

A nakonec k čemu je mi AI jako člověku na vozíku – k ničemu.

AI mi může dramaticky zvýšit intelektuální a digitální samostatnost. Dokáže mi vysvětlit lékařskou zprávu, pomoct s programováním, napsat dopis, přeložit jazyk, analyzovat dokument nebo mě během několika hodin uvést do úplně nového oboru.

„Ale pořád nedokáže odstranit schod.“

Nedokáže opravit rozbitý výtah, nefunkční plošinu nebo město postavené tak, že se do některých míst na vozíku prostě nedostanu.

A ten kontrast mi přijde docela výmluvný: umělá inteligence dnes dokáže řešit čím dál složitější intelektuální problémy, ale člověka na vozíku může pořád zastavit jeden úplně obyčejný schod.

V digitálním světě dokáže bariéry odstraňovat velmi rychle. Ve fyzickém světě na mnoho z nich zatím jenom ukáže.

O AI se často mluví jako o technologii, která může vyrovnávat příležitosti. Vidíte už dnes konkrétní nástroje, které mohou lidem s tělesným postižením pomoci k větší samostatnosti anebo lepšímu uplatnění na trhu práce?

Já bych byl trochu opatrný s tím slovem vyrovnávat. AI podle mě příležitosti vyrovnávat může, protože odstraňuje spoustu vstupních bariér. Ale zároveň si nemyslím, že automaticky udělá ze všech lidí stejně schopné hráče.

Jeden kamarád to kdysi formuloval trochu nevybíravě, že z blbce udělá AI desetkrát většího blbce a z génia desetkrát většího génia. Tak myšlenka se mi v základu líbí. AI je do značné míry posilovač. Zesilovač toho, co do ní člověk přináší.

Pro člověka s tělesným postižením ale může mít ten zesilovač disproporčně velkou hodnotu, protože dokáže odstranit některé bariéry, které ostatní lidé vůbec nemusí řešit.

Kdybych například měl dnešní AI v roce 2012, krátce po svém úrazu, asi bych ji nejdřív nepoužil k tomu, abych se naučil programovat nebo si našel novou kariéru. V té chvíli řešíte úplně základní věci.

Najednou máte před sebou zdravotní pojišťovnu, úřady, lékaře, vozík, zdravotní pomůcky, rehabilitaci, školu, různé příspěvky, možná nadace. Přichází na vás obrovské množství informací z oblastí, o kterých jste ještě před několika měsíci nevěděli lautr nic.

A do toho se máte vyrovnávat s tím, že se váš život převrátil naruby a vzhůru nohama zároveň.

Takže už jenom AI, která mi vezme dokument a řekne: „Tady po tobě chtějí tyhle čtyři věci, dvě už máš, tohle ti chybí a tady máš návrh odpovědi,“ by podle mě tehdy měla obrovskou cenu. Část energie, kterou člověk potřebuje na adaptaci na nový život, nemusí spálit na administrativním ping-pongu.

Vlastně to vůbec nemusí být nějaká speciální „AI pro vozíčkáře“. Úplně univerzální nástroj může mít pro člověka s postižením mnohem větší hodnotu než pro někoho, kdo těch bariér řeší podstatně méně.

„Ale kdybych měl dnešní AI tehdy opravdu k dispozici, myslím, že bych udělal ještě jednu věc. Použil bych ji k tomu, abych se znovu trochu poznal.“

Po úrazu totiž podle mě není první otázka jenom: „Jakou práci teď budu dělat?“ Mnohem zásadnější je: „Co vlastně od toho nového života chci? Co můžu dělat? Co se životem?“

Co mě opravdu zajímá? K čemu přirozeně tíhnu? Co jsou moje skutečné limity a co jsou jenom limity, které jsem si vytvořil v hlavě? S čím musím realisticky počítat a co se naopak dá nějak obejít, přelézt, podlézt?

A tady může být AI fantastický sparingpartner.

Klidně bych do ní vysypal několik hodin svého života. Co jsem dělal před úrazem, co mě bavilo, co mě nebavilo, v čem jsem byl dobrý, čeho se bojím, co mě zajímá. A nechal bych ji do mě vrtat dalšími otázkami.

Ne proto, aby mi AI oznámila: „Honzíku, ty bys měl být datový analytik.“ To by bylo absurdní. Ale může vám pomoci strukturovat vlastní přemýšlení a vidět věci, které člověk sám přehlédne.

A teprve potom bych přešel k otázce kariéry.

Řekl bych: Dobře, tohle mě zajímá, tohle umím, tyhle limity mám. Kde se tyhle věci protínají s něčím, za co je někdo ochoten zaplatit?

AI vám může během chvíle zmapovat deset možných cest. U každé vysvětlit, co člověk potřebuje umět, jaké jsou vstupní bariéry, co se dá naučit za tři měsíce, co za rok a jak by mohl vypadat první malý projekt.

A potom může fungovat zároveň jako tutor.

To je podle mě pro lidi, kteří po úrazu musí změnit profesi, mimořádně zajímavé. Protože vstup do nového oboru byl historicky strašně drahý na čas a na energii.

Když například řeknete, že se chcete naučit programovat, ono nestačí jenom naučit se Python, Javu nebo Javascript. Za chvíli zjistíte, že potřebujete Git. Pak Docker. Pak nějaký cloud. Najednou se někdo baví o CI/CD pipelině, API, databázích, deploymentu, sítích a vy máte pocit, že jste otevřeli jedny dveře a za nimi je dalších padesát.

AI mi v tomhle pomáhá vytvořit si nejdřív mentální mapu.

Nemusím být expert na každou její část. Ale potřebuju alespoň vědět, že tam ta část existuje, jak souvisí s ostatními a kdy ji mám použít.

A tohle považuju za velmi důležité i dnes. Člověk nemusí všechno znát zpaměti. AI mi může nabídnout variantu A, B a C. Ale já bych měl alespoň chápat jejich důsledky a být schopen říct: „Pro můj problém dává nějvětší smysl varianta C.“

Vracíme se tím k tomu, o čem jsem mluvil předtím, na AI můžu delegovat práci, ale neměl bych jí delegovat vlastní porozumění.

A podle mě se přesně tímhle směrem mění i některé znalostní profese.

Vidím to na programování. Dobrý vývojář dnes nemusí ručně napsat každý jednotlivý řádek kódu. Může mít několik AI agentů, kteří mu paralelně řeší různé části problému.

Je to trochu, jako kdyby zkušený vývojář najednou dostal několik extrémně rychlých juniorů, kteří nikdy nespí.

Jenže pořád potřebujete toho zkušeného člověka, který pozná, že jeden z nich právě vyrobil vadný kus skládačky.

Takže paradoxně si nemyslím, že zkušenost přestává být důležitá. V některých oblastech může být naopak ještě cennější, protože AI dramaticky zvyšuje množství práce, které člověk dokáže vyprodukovat, ale někdo pořád musí poznat, jestli je ten výsledek víc k užitku než ke škodě.

Hezkým příkladem opačné strany je takzvaný vibe coding.

Dnes může člověk, který téměř neumí programovat, během víkendu vytvořit velmi působivou aplikaci. A to je fantastické. Opravdu to demokratizuje schopnost něco vytvořit.

Jenže je to trochu jako postavit dům. Zvenku máte nádhernou fasádu, krásná okna a pěknou střechu. Pak přijde statik, otevře dveře do sklepa a řekne: „No jo, ale ty základy, kejchnu a je po baráku.“

AI tedy demokratizuje schopnost něco vyrobit. Neznamená to automaticky, že demokratizuje schopnost posoudit kvalitu toho, co jsme vyrobili.

A právě proto si myslím, že obrovskou výhodu mohou získat lidé, kterým Amy Gutmann říká intelektualní všežravci.

Lidé, které přirozeně zajímá spousta různých věcí. Technologie, ekonomie, medicína, historie, právo, jazyky. Dřív bylo strašně těžké přecházet mezi jednotlivými obory, protože získání základního kontextu stálo obrovské množství času.

AI tu cenu dramaticky snižuje.

Takový člověk potom může kombinovat perspektivy z několika světů a ptát se na věci, které člověka uvnitř jednoho oboru ani nemusí napadnout.

„A tady vzniká trochu paradox i ve vztahu k postižení.“

Rozhodně nejsem někdo, kdo by romantizoval život na vozíku. Rozhodně bych neříkal, že postižení je nějaká výhoda nebo požehnání. Ale realita je, že člověk s poraněním míchy má k té socialní izolaci větší sklony. Některé fyzické aktivity pro něj nejsou dostupné, někdy má zdravotní komplikace, někdy prostě nemůže někam jet.

A pokud část toho času investuje do učení a do toho, aby se opravdu naučil AI používat, může paradoxně v určité oblasti získat náskok před člověkem, který žádné postižení nemá.

Ne proto, že by vozík byl výhoda. Ale protože dokázal část omezení přetavit do jiného druhu kapitálu. A oproti zdravému člověku má méně lákadel.

A pokud se bavíme konkrétně o trhu práce, tak u znalostních profesí podle mě může nastat ještě jedna zajímavá věc.

Já sedím u počítače. Kolega vedle mě sedí u počítače. To, že já sedím na vozíku a on na kancelářské židli, může být pro samotný výkon práce v řadě případů prakticky irelevantní.

Mnohem větší rozdíl mezi námi může za pár let být v tom, že jeden z nás umí velmi dobře používat AI a druhý ne.

Takže technologie nemusí nutně kompenzovat můj vozík. Ona může vytvořit prostředí, ve kterém je ten vozík pro danou práci jednoduše méně důležitý.

Do toho bych ještě přidal technologie obecně, nejen AI. Třeba práci na dálku.

Já osobně mám raději kancelář. Vyhovuje mi mít práci a domov oddělené. Ale například když mám zdravotní komplikaci nebo se vrátím z nemocnice a nějakou dobu fyzicky nemůžu cestovat do kanceláře, je obrovský rozdíl mezi světem, kde tím automaticky přestávám být schopný pracovat, a světem, kde otevřu notebook a můžu pokračovat z domova.

A to je podle mě skutečné vyrovnávání příležitostí.

Ne že všichni musí pracovat úplně stejným způsobem, ale že systém má dostatečnou flexibilitu ve chvíli, kdy ji člověk opravdu potřebuje.

Současně ale existují věci, které AI ani technologie samy nevyřeší.

Mám zkušenost, že když s člověkem pracujete dost dlouho, kolegové časem skoro přestanou vnímat, že jste na vozíku. Což je na jednu stranu asi dobře. Berou vás prostě jako kolegu, který shodou okolností sedí na vozíku.

Jenže to má někdy i druhou stránku.

Může se postupně vytratit pochopení, že poranění míchy není pouze o tom, že nechodíte. Jsou kolem toho další zdravotní a logistické komplikace, které zvenku nejsou vidět.

A podle mě je to vlastně normální. Některé zkušenosti jsou nepřenositelné. Já taky nedokážu úplně pochopit, jaké je narodit se slepý. Můžu o tom načíst všechno možné, můžu se o tom bavit se slepým člověkem, ale pořád to nezažívám.

Možná právě tady vidím jednu zajímavou budoucí roli AI i na straně zaměstnavatelů.

Ne jako nějakou magickou technologii, která zaměstnance s postižením „opraví“, ale jako překladač perspektiv.

Může třeba manažerovi vysvětlit, proč něco, co u zdravého člověka vypadá jako drobný zdravotní problém, může mít u člověka s poraněním míchy úplně jiné důsledky. Může dodat kontext, který druhá strana přirozeně nemá.

AI podle mě může příležitosti vyrovnávat tím, že odstraňuje vstupní bariéry. Sama o sobě ale z lidí rovné hráče neudělá. Spíš zesiluje schopnosti člověka, který ji používá.

A kdybych ji měl krátce po svém úrazu, asi bych ji nejdřív nepoužil k tomu, aby mi našla práci. Nejdřív bych ji použil k tomu, abych znovu pochopil sám sebe, svoje možnosti a svoje skutečné limity. A teprve potom bych s její pomocí hledal cestu, kam dál.

Na druhé straně může být technologie sama bariérou. K užívání AI potřebujeme haptický nebo hlasový vstup. Lze vůbec promptovat i jinak?

Tady si dovolím zpochybnit premisu otázky jako takové. Potřebujeme vůbec k AI haptický nebo hlasový vstup? A co dnes vlastně ještě znamená promptovat?

Máme pořád trochu zažitou představu, že používání AI znamená, že člověk otevře nějaké okno, napíše do něj perfektně formulovanou instrukci a model mu odpoví.

Jenže už dnes to tak vlastně vůbec nemusí fungovat.

Fotografie je prompt. Screenshot je prompt. Dokument je prompt. Zvuková nahrávka je prompt. Video může být prompt. A postupně se do toho může přidávat obraz z kamery, poloha nebo informace z dalších senzorů.

Já jsem předtím zmiňoval příklad s rostlinou. Nemusím vědět, jak se jmenuje. Nemusím dokonce ani umět popsat, co je na ní špatně. Prostě ji vyfotím a řeknu: „Hele, co s ní je?“

„Většina informace už není v mojí otázce. Je v tom obrazu.“

A podle mě se postupně dostáváme ještě dál. Možná nejlepší prompt budoucnosti bude ten, který člověk vůbec nebude muset vědomě vytvářet.

Představte si nějakého osobního asistenta, který už zná kontext člověka, ví, že používá vozík, vidí prostředí před ním a zároveň ví, čeho se snaží dosáhnout.

Pak nemusím vytahovat telefon a vysvětlovat mu: „Jsem na vozíku, přede mnou jsou schody, potřebuju se dostat do téhle budovy, najdi mi jinou cestu.“

On vidí schody, zná mě, zná můj cíl a ten problém už chápe.

Takže já bych si docela troufl říct, že budoucnost AI je možná paradoxně v tom, že budeme promptovat méně, ne více.

A to může mít obrovský význam právě u lidí s postižením.

Zároveň je ale potřeba říct, že „člověk s tělesným postižením“ je strašně široký pojem.

Já jsem paraplegik. Ruce mám funkční. Takže klávesnice nebo telefon pro mě nepředstavují nějakou zásadní bariéru. Samozřejmě jsou situace, kdy je pro mě pohodlnější mluvit nebo něco vyfotit, ale dokážu počítač používat prakticky stejně jako kdokoliv jiný.

Člověk s vysokou tetraplegií či s kvadruplegií je ale v úplně jiné situaci.

Tam může být každý pohyb ruky náročný nebo některé pohyby nemusí být možné vůbec. A už dnes existuje celá řada alternativ: ovládání očima, pohybem hlavy, různé spínače, hlasové ovládání, sip-and-puff systémy a další asistivní technologie.

Podle mě ale AI může změnit ještě něco mnohem zásadnějšího. Může změnit poměr mezi ovládáním počítače a sdělením záměru. Klasický počítač je v principu docela hloupý. Já přesně vím, čeho chci dosáhnout, ale musím mu krok za krokem vysvětlit, jak to má udělat.

Otevři Outlook. Klikni na nový e-mail. Najdi Petra. Napiš text. Klikni na odeslat.Pro zdravého člověka je těch několik kliknutí banalita. Ale pokud máte velmi omezenou motoriku a každý pohyb kurzoru nebo každé napsané písmeno představuje určité fyzické úsilí, najednou je to úplně jiný problém.

AI agent může fungovat opačně. Já pouze nějakým způsobem sdělím: „Napiš Peťovi, že přijedu ve čtyři.“ A ten systém už sám pochopí, že musí najít Petra v kontaktech, otevřít správný komunikační kanál, formulovat zprávu a připravit ji k odeslání.

To, co je pro mě jenom pohodlí a ušetřených deset kliknutí, může být pro někoho jiného skutečně asistivní technologie. A podle mě právě tady bude jeden z obrovských přínosů AI. Počítače jsme posledních několik desítek let ovládali tak, že jsme se my učili jejich jazyk.

Museli jsme vědět, kde co je, kterou ikonku stisknout, jaký program otevřít, jak se jmenuje nějaká funkce. Generativní AI to může postupně otočit. Počítač se začne učit náš jazyk a my mu budeme čím dál více pouze sdělovat záměr.

Pro člověka bez postižení je to příjemnější uživatelské rozhraní. Pro člověka s těžkým motorickým postižením to může znamenat násobně větší rozdíl. A potom samozřejmě existují lidé, pro které není jednoduše použitelná ani ruka, ani hlas.

Tam už se dostáváme k eye trackingu, různým alternativním komunikačním systémům a nakonec samozřejmě i k brain-computer interfaces. BCI je strašně zajímavá oblast, ale já jsem opatrný s představou, že musíme čekat na nějaké dokonalé čtení myšlenek. AI může být neuvěřitelně užitečná mnohem dřív.

Představte si člověka, který je schopen pomocí očí nebo nějakého jiného rozhraní velmi pomalu vybrat několik písmen. Pokud za tím rozhraním není inteligence, musí skoro celou větu vyťukat znak po znaku.

„Pokud tam ale máte velmi dobrý jazykový model, může z několika prvních znaků, předchozí konverzace a kontextu nabídnout velmi pravděpodobná pokračování.“

Samozřejmě musí vždycky zůstat na člověku, aby potvrdil, co skutečně chtěl říct. Nechceme, aby AI člověku vkládala do úst svoje vlastní myšlenky. Ale můžeme dramaticky snížit množství fyzického vstupu, které je potřeba k vyjádření stejné myšlenky.

A tady mi přijde zajímavá jedna skoro obrácená úměra:

Čím užší má člověk fyzický komunikační kanál, tím větší cenu může mít inteligence na druhé straně toho kanálu. Mně může predikce textu ušetřit deset sekund.

Člověku, který píše očima a jedna věta mu zabere několik minut, může kvalitní jazykový model změnit způsob, jakým komunikuje s okolím.

A k BCI. Zde jde především o nějaký signál nervového systému. Ale podle mě i tam bude AI naprosto zásadní. Samotný signál je totiž zašumělý, nejednoznačný a velmi omezený. Nervový vzruch je elektrochemický děj: šíří se jako vlna depolarizace, při které sodíkové a draslíkové ionty proudí přes buněčnou membránu. Tento živý, dynamický proces má daleko k digitálnímu signálu, kde logickou nulu a jedničku striktně určují pevné hodnoty napětí, například 0 V a 5 V. Inteligence bude muset pomáhat interpretovat, co člověk pravděpodobně zamýšlel.

Takže bych možná ani nekladl otázku: „Jakými dalšími způsoby můžeme promptovat AI?“

Spíš bych ji otočil: „Jak málo informací bude jednou člověk muset AI předat, aby pochopila jeho skutečný záměr?“ Protože podle mě ideální asistivní technologie není ta, která člověku nabídne deset nových způsobů, jak ovládat tlačítka na obrazovce.

Ideální je ta, která způsobí, že těch tlačítek bude muset ovládat co nejméně. A z tohoto pohledu může být generativní AI pro lidi s opravdu těžkým motorickým postižením mnohem významnější než pro mě.

Já díky ní používám počítač rychleji a pohodlněji. Někomu jinému ale může umožnit dělat věci, které by bez ní byly fyzicky extrémně náročné, nebo prakticky nemožné.

Pracujete ve velké technologické firmě. Co podle vás ve skutečnosti rozhoduje o tom, zda člověk s hendikepem dostane kvalifikovanou práci? Myslíte, že by pomohly například jasně dané kvóty?

Já bych možná ještě před kvótami začal mnohem banálnější věcí. Člověk s hendikepem se totiž nejdřív musí vůbec fyzicky dostat do práce.

U člověka na vozíku nemusí být první bariérou diskriminace, nedostatečná kvalifikace nebo špatně nastavené HR. Může to být úplně obyčejný schod.

Já žiju v Praze a i tady je počet míst, kam se dokážu rozumně dostat autem, někde zaparkovat a potom se bezbariérově dostat až na pracoviště, pořád omezený.

Potřebujete vstup do budovy, výtah, dostatečně široké dveře, parkování a třeba také skutečně použitelnou bezbariérovou toaletu.

A schválně říkám skutečně použitelnou, protože jsem zažil místa, která jsou oficiálně bezbariérová, ale potom zjistíte, že třeba cestou k bezbariérovému WC je jeden schod. Na papíře bezbariérové, prakticky k ničemu.

Takže můžete být perfektně kvalifikovaný člověk pro danou pozici a přesto ji prostě nemůžete vykonávat, protože se nedostanete do budovy.

„A to zároveň ukazuje, že ne všechny problémy vytváří zaměstnavatel.“

Firma vás klidně může chtít zaměstnat. Jen sídlí v budově, kterou si pronajímá a kterou nemůže jen tak kompletně přestavět. Do zaměstnávání lidí s postižením tedy vstupuje doprava, veřejný prostor, architektura, dostupnost budov a až potom samotný zaměstnavatel.

Proto mi přijde trochu krátkozraké redukovat celou diskusi pouze na HR a říct: firmy mají zaměstnávat více lidí s hendikepem. Jako ano. Ale nejdřív jim musíme umožnit se tam vůbec dostat.

Druhá věc, která podle mě není na první pohled vidět, je, že člověk s postižením může mít určitou nevýhodu už dlouho předtím, než začne hledat první práci. Když jste zdravý student, můžete při škole dělat brigády, stáže, chodit na různé akce, budovat kontakty a postupně si vytvářet první profesní zkušenosti.

Pokud máte těžší fyzické postižení, část stejného času a energie prostě spotřebujete na samotné fungování. Hygiena trvá déle. Oblékání trvá déle. Přesuny trvají déle. Spousta věcí, nad kterými zdravý člověk vůbec nepřemýšlí, zabere každý den nějakou kapacitu.

A přesto máte být v devět ráno ve škole nebo v práci úplně stejně jako ostatní. To neznamená, že člověk s postižením nemůže během školy pracovat. Jako může, žádný zákon to nezakazuje, ale v realitě startovní podmínky nejsou úplně stejné.

A potom v pětadvaceti přijdou dva lidé na pracovní pohovor. Jeden má za sebou tři stáže a dvě brigády, druhý skoro nic. Na papíře je ten první samozřejmě atraktivnější kandidát.

Jenže ten rozdíl nemusí vypovídat vůbec nic o inteligenci, motivaci nebo potenciálu toho druhého. Část jeho energie prostě během těch let šla někam jinam. A strašně moc podle mě záleží také na tom, kdy postižení do života člověka vstoupí.

Já jsem měl úraz v osmnácti. Takže profesně jsem v podstatě začínal od nuly. Neměl jsem nic a nikoho, kdo by mi poradil, protože není mnoho takových lidí. Je něco úplně jiného, když má těžký úraz člověk ve čtyřiceti, který už má dvacet let zkušeností, kontakty, nějakou profesní reputaci a zná svůj obor.

Představte si třeba zkušeného chirurga, který po poranění míchy už nebude schopný stát několik hodin u operačního stolu. To samozřejmě může znamenat konec jeho původní práce.

Ale neznamená to, že najednou přestal mít dvacet let medicínského vzdělání a zkušeností. Může učit, dělat výzkum, konzultovat, pracovat pro zdravotnickou firmu nebo svoji expertizu využít úplně jiným způsobem.

Když se vám něco podobného stane v osmnácti, nemáte ještě co přesměrovávat.Budujete současně úplně nový život a zároveň svůj profesní kapitál od nuly. A tady mám docela silnou osobní zkušenost ze svého vstupu do technologické firmy.

Já jsem vystudovaný právník a hlásil jsem se na pozici juniorního Oracle vývojáře.

Když si představím člověka na HR, kterému na stole přistane životopis právníka na programátorskou pozici bez nějakého formálního vzdělání z oblasti informatiky, tak úplně chápu, že první otázka může být: Co tady ten blázen tady vlastně dělá?

Ale pro mě bylo zásadní, že to CV někdo automaticky nevyhodil. Dostal jsem možnost přijít a předvést, co skutečně umím.

Měl jsem praktickou část pohovoru stejně jako ostatní. Šel jsem k tabuli, dostal jsem úlohy a musel jsem ukázat, že mám nějaké základy, dokážu logicky přemýšlet a hlavně že mám potenciál se dál učit.

Nikdo mi tu práci nedal proto, že jsem na vozíku. A taky mi nikdo nesnížil požadavky. Prostě mi dali možnost tu laťku zkusit přeskočit.

A to je možná moje hlavní odpověď na celou tu otázku:

Člověk s postižením podle mě často nepotřebuje nižší laťku. Potřebuje možnost se k té laťce vůbec dostat a ukázat, co umí.

Protože životopis nemusí vždycky přesně vypovídat o potenciálu člověka. A od toho se dostávám ke kvótám. Já jsem vůči nim osobně spíš skeptický.

Ne proto, že bych si myslel, že na pracovním trhu neexistují nerovnosti. Existují a některé jsem právě popsal.

Ale kvóta je podle mě poměrně jednoduchý administrativní nástroj na velmi složitý lidský problém. Jakmile řeknete, že firma musí zaměstnávat určité procento lidí s postižením, musíte někde nakreslit hranici toho, kdo do té kategorie patří.

Jenže kategorie „člověk se zdravotním postižením“ zahrnuje neuvěřitelně rozdílné lidi. Dva lidé mohou mít na papíře stejný administrativní status a jejich reálné pracovní omezení může být úplně nesrovnatelné.

A potom vzniká ještě jeden problém.

Pokud jsem firma a potřebuju splnit nějaké procento, je pro mě logicky nejjednodušší zaměstnat člověka, jehož postižení mi způsobí nejmenší praktické komplikace.

Takže můžete vytvořit systém, jehož cílem je pomoci lidem, kteří mají na pracovním trhu největší bariéry, ale ve výsledku bude motivovat firmy k zaměstnávání těch, kteří je mají nejmenší.

A to je přesně problém jednoduchých administrativních hranic. Lidský svět se jim málokdy přizpůsobí tak čistě, jak bychom chtěli.

A mám tam ještě jeden čistě osobní důvod. Pro mě je důležité vědět, že jsem ve své práci proto, že jsem dokázal, že ji umím dělat.

„Nechtěl bych celý profesní život někde vzadu v hlavě přemýšlet: Vzali mě proto, že jsem byl nejlepší nebo alespoň dostatečně dobrý kandidát? Nebo protože někdo potřeboval vyplnit kolonku v tabulce?“

Možná by to jinému člověku vůbec nevadilo. Mně ano. Současně ale nechci tímhle argumentem předstírat, že všichni startujeme ze stejného místa. Nestartujeme.

A právě proto bych pomoc směřoval možná trochu jinam. Místo kompenzace výsledku bych se snažil víc kompenzovat nerovný start.

Pokud víme, že mladý člověk s postižením může mít během školy menší možnost získávat pracovní zkušenosti, pojďme vytvořit cestu právě tam.

Stáže pro studenty s postižením. Mentoring. Programy na vysokých školách. Propojení studentů s firmami. Možnost podívat se do několika různých profesí a zjistit, co člověku sedí.

Neříkám: tady máš pracovní místo, protože jsi na vozíku.

Říkám: tady máš možnost získat zkušenost, ke které se tvůj zdravý spolužák možná dostal mnohem přirozeněji. A potom ukaž, co umíš.

To mi osobně připadá zdravější. A druhá obrovská investice je podle mě úplně mimo personální politiku.

Bezbariérovost.

Doprava. Chodníky. Vstupy. Výtahy. Toalety. Veřejné budovy. Parkování.

Když si jenom vezmu, že já bez rozšířeného parkovacího místa z auta fyzicky nevystoupím  potřebuji vedle něj prostor pro vozík. Přitom jsem zažil člověka se stejným oprávněním, který po vystoupení nazul kolečkové brusle, nebo jiného, který lopatou odhazoval hromady sněhu. Je to paradox. Pro ně může být širší místo bonusem navíc, zatímco pro mě je podmínkou, abych vůbec mohl vystoupit z auta. V očích systému jsme si rovni, v realitě ale stejné potřeby nemáme.

Čím méně fyzických bariér ve společnosti vytvoříme, tím méně potom potřebujeme speciální pravidla, aby se lidé s postižením mohli účastnit normálního života. Já nechci speciální trasu do zaměstnání. Chci, aby normální trasa byla použitelná i pro mě.

A mimochodem bezbariérovost není služba jenom vozíčkářům. Používá ji matka s kočárkem. Člověk po operaci kolene. Někdo se zlomenou nohou. Starší člověk. Člověk, který má na několik měsíců omezenou mobilitu.

A myslím, že právě demografie může v tomhle nakonec způsobit větší změnu než všechny naše kampaně dohromady. Lidí s těžkým tělesným postižením je relativně málo. Takže náš politický nebo ekonomický tlak nikdy nebude obrovský.

Ale populace stárne.

„Až bude podstatně větší část společnosti řešit, že už nevyjde tři patra bez výtahu nebo že se špatně dostává do tramvaje, začne být bezbariérovost najednou téma úplně pro všechny.“

Možná tedy paradoxně společnost nezačne stavět bezbariérově proto, že konečně začala poslouchat vozíčkáře. Možná začne stavět bezbariérově proto, že sama zestárne.

Ale kdybych měl říct, kam bych osobně investoval nejvíc energie, nebylo by to do kvót a snižování laťky ani do tabulkového určování výsledku. Bylo by to do toho, aby se člověk s postižením mohl k té stejné laťce vůbec dostat.

Aby měl během školy možnost získat zkušenosti. Aby se dostal na pohovor. Aby zaměstnavatel dokázal vidět potenciál i za nestandardním CV. A aby se v případě, že uspěje, fyzicky dostal každý den do budovy.

Pak podle mě můžeme mnohem férověji nechat rozhodovat to, co by u kvalifikované práce rozhodovat mělo: co člověk umí, co se dokáže naučit a jakou hodnotu dokáže vytvořit.

Vy jste vystudoval práva a následně se dostal až k vývoji a AI. Co vám umožnilo tak výraznou profesní změnu? A je podle vás podobný přechod do IT reálný i pro člověka s hendikepem, který nemá technické vzdělání? 

Začalo to vlastně úplně náhodou. Na jednom parkovacím místě pro handicapované. Na právnické fakultě bylo jedno místo dost široké na to, aby se na něj vešla dvě auta vedle sebe, a já jsem tam potkával kamaráda, který je kvadruplegik.

On programoval už od mládí a jednou mi ukázal aplikaci, kterou si sám vytvořil v .NETu.

A pro mě to byl možná první moment, kdy programování přestalo být něco mlhavého, co dělají nějací podivíni někde daleko. Najednou přede mnou seděl člověk na vozíku, navíc s mnohem větším omezením rukou než já, a ukazoval mi něco, co sám vytvořil.

To bylo docela silné.

Počítače mi přitom nikdy nebyly cizí. Od dětství jsem hrál hry, vrtal se v počítačích, vypaloval CD, řešil cracky, keygeny a podobné věci. Ale nikdy jsem skutečně neprogramoval. Ani žádné skripty.

A dlouho jsem měl v hlavě takovou tu představu, že na programování člověk musí mít nějaké speciální buňky. Že buď jste ten typ člověka, který od dvanácti píše kód, nebo prostě nejste.

Ten kamarád mi tehdy řekl něco ve smyslu: „To se dá naučit.“ Jemu se to samozřejmě říkalo snadno, protože programoval odmala. Ale i tak mi tím trochu rozbil tu psychologickou bariéru.

Druhá motivace byla docela pragmatická. Studoval jsem práva a začal jsem přemýšlet: Dobře, za několik let budu mít právnický diplom. Jenže stejný nebo velmi podobný diplom budou mít stovky dalších lidí.

Co budu umět navíc? A programování mi přišlo jako zajímavá druhá kompetence.

V tu chvíli jsem vůbec nevěděl, jestli někdy spojím právo a technologie dohromady. Spíš jsem si říkal, že pokud budu umět dvě různé věci, budu mít po škole víc možností než člověk, který umí jen jednu.

A samozřejmě do toho vstupoval i handicap. Právnická kariéra pro mě nebyla nemožná. To vůbec ne.

Ale když si představíte klasickou koncipienturu v některé advokátní kanceláři, dlouhé pracovní dny, přesčasy, víkendy, velmi vysoká časová disponibilita, tak jsem si říkal, že je rozdíl, jestli je vám pětadvacet, jste zdravý a vaše hlavní starost je, kolik hodin ještě vydržíte v kanceláři, nebo jestli už část svého dne a energie spotřebujete jenom na normální fungování.

Já jsem navíc kus mládí strávil po nemocnicích, rehabilitacích, parapletech... Takže IT mi přišlo jako obor, kde je práce založená hlavně na hlavě a počítači a kde tehdy zároveň byla obrovská poptávka i po juniorech.

Jenže rozhodně to nebylo tak, že bych si udělal tříměsíční kurz a stal se programátorem. To je podle mě důležité říct.

„Začátek je docela jednoduchý. Naučíte se proměnné, podmínky, cykly, nějakou syntax. Člověk má chvíli pocit: Tak paráda, už programuji.“

A potom začne skutečný problém.

Program nefunguje. Proč nefunguje? Kde běží? Co je to prostředí? Proč to funguje u mě a ne u někoho jiného? Co je verzování? Jak se něco nasazuje? Co jsou závislosti? Co je server? Databáze? Síť?

Najednou zjistíte, že programování není jenom psaní kódu. Je to celý ekosystém. A tehdy jsme samozřejmě neměli dnešní AI asistenty.

Takže můj typický proces vypadal asi takhle:

Něco nefunguje. Zkopíruju chybu do Googlu. Najdu to na Stackoverflow. Přečtu si tři odpovědi. Jednu zkusím. Rozbiju něco dalšího. Jdu zpátky na Google. Najdu blog nějakého člověka, který měl před pěti lety podobný problém.

A takhle pořád dokola. Bylo v tom strašně moc pokusů a omylů.

A trvalo to dlouho. Určitě stovky hodin možná i spíš tisíce, když to člověk sečte za několik let.

Myslím, že přibližně tři roky trvalo, než jsem měl poprvé pocit, že moje programování může mít pro někoho skutečnou hodnotu. A ten čas samozřejmě musíte někde vzít.

Část šla z volného času. Část šla na úkor tehdejšího vztahu. Na právech mi hodně pomohl individuální studijní plán, protože jsem si dokázal studium lépe organizovat a vytvořit si prostor na něco dalšího.

Takže ta změna byla možná, ale rozhodně nebyla zadarmo. A největší posun podle mě stejně nepřišel z nekončného cyklu tutoriálů. Přišel ve chvíli, kdy jsem začal řešit skutečné problémy.

Tutorial je příjemný, protože autor přesně ví, kam vás vede. Všechno má připravené a nakonec vám to funguje.

Realita je mnohem horší. Máte konkrétní problém, někdo něco potřebuje, vstupní data jsou divná, něco se rozbije a nikoho nezajímá, že váš tutorial na YouTube fungoval perfektně.

A přesně tehdy se člověk podle mě začne opravdu učit. Pro mě přišel důležitý zlom během covidu.

Kamarád potřeboval automatizovat nějaké zpracování faktur a zeptal se mě, jestli bych to dokázal naprogramovat.

Řekl jsem, že to zkusím. Asi týden jsem nad tím seděl, něco jsem vytvořil a ono to nakonec fungovalo. A hlavně, někdo byl ochoten mi za to zaplatit.

To byl pro mě psychologicky možná nejdůležitější moment celé té cesty. Protože do té doby bylo programování něco, co jsem se učil a bavilo mě.

Ale v ten moment jsem měl poprvé objektivní důkaz, že moje znalost má pro někoho na trhu hodnotu. Že to není jenom koníček.

A od té chvíle jsem věděl, že až dokončím práva, nemusím mít jenom jednu profesní cestu. Takže když se mě někdo zeptá, jestli se člověk bez technického vzdělání může dostat do IT, tak za mě jednoznačně ano.

„Technický diplom není podmínka. Technické znalosti ale podmínka jsou. To jsou dvě úplně jiné věci.“

Nemusíte vystudovat informatiku, ale musíte se naučit přemýšlet technicky, rozumět základům a být ochoten dlouhodobě snášet frustraci z toho, že něco nechápete.

A podle mě je hodně důležitá zvídavost. Protože pokud člověka samotného nebaví zjišťovat, proč něco nefunguje, IT pro něj může být dost nepříjemné místo.

Zároveň bych ale vůbec neříkal člověku na vozíku: „Tak se nauč programovat.“ To je podle mě strašně laciná rada.

Ne každý má rád technologie. Ne každý chce osm hodin denně koukat do monitoru. Ne každý má stejný typ myšlení.

IT je pro člověka s fyzickým postižením často praktický obor, protože velká část práce probíhá hlavou a přes počítač. Ale handicap by podle mě měl být jeden parametr při hledání kariéry, ne celá profesní identita člověka.

A nakonec je na tom ještě jedna věc, kterou jsem tehdy vůbec nečekal. Já jsem právo vlastně nikdy úplně nezahodil. Dlouho jsem si myslel, že existují dvě oddělené cesty: buď budu právník, nebo budu technik.

Dneska mi naopak připadá, že jedna z nejzajímavějších věcí, které můžu nabídnout, je právě to, že trochu rozumím oběma světům.

Právo vás naučí strašně moc pracovat s jazykem. Co přesně znamená konkrétní slovo. Jak se může změnit význam věty. Jak stavět argument. Jak pracovat s výjimkami. Jak přemýšlet nad pravidlem a nad tím, co se stane v hraničním případě.

A to je kupodivu velmi dobře použitelné právě v AI. Ve firmě navíc často technický problém vůbec nevznikne u technického člověka.

Přijde třeba kolega z právního oddělení a řekne: „Máme tady tenhle proces a trvá nám strašně dlouho.“ Technik může slyšet jednu věc.

Právník slyší jinou. Když rozumíte oběma stranám, dokážete mnohem rychleji pochopit, co ten člověk skutečně potřebuje, a převést to do technického zadání.

Nemusíte se nejdřív tři týdny učit jeho mentální model. A funguje to i opačně.

Právník vám často víc věří, když ví, že jste prošel stejným vzděláním a chápete, proč mu nestačí odpověď: „Model říká, že to je na devadesát procent správně.“

V právu těch posledních deset procent může být celý problém. A právní vzdělání mi pomáhá i při práci se samotnou AI.

Když model vytvoří krásně formulovanou právní analýzu, technicky velmi schopný člověk bez právního základu může mít problém poznat, že něco nesedí. Mně se díky právu často rozsvítí taková kontrolka: Počkej, tohle zní dobře, ale ten argument stojí na dost vachrlatých základech.

Takže se zase vracíme k tomu samému principu jako předtím. AI může udělat obrovské množství práce. Ale člověk musí mít dostatečný mentální model, aby dokázal poznat, kdy výsledek dává smysl a kdy ne.

A kdybych dnes začínal znovu, tak by mi AI tu cestu samozřejmě strašně urychlila. Nemusel bych dvě hodiny hledat na Stack Overflow člověka, který měl stejnou chybovou hlášku.

Mohl bych AI říct: „Tady je chyba. Vysvětli mi, co přesně znamená. Neopravuj mi ji rovnou. Nejdřív mi vysvětli, proč vznikla.“ A potom se doptávat dál.

To je fantastický způsob učení. Ale je tam zároveň nebezpečí, že člověk začne generovat kód, který funguje, aniž by chápal, proč funguje. A tím se podle mě může stát horším vývojářem, ne lepším.

„Takže AI dnes výrazně snižuje vstupní bariéru, ale pořád za člověka neudělá tu nejdůležitější část: vytvořit si skutečné porozumění oboru.“

Kdybych tedy svoji profesní změnu měl shrnout, tak bych vlastně ani neřekl, že jsem přešel z práv do IT. Spíš jsem si během práv několik let stavěl druhou cestu.

Začal jsem se učit programovat, protože mě to zajímalo, chtěl jsem se něčím odlišit a zároveň jsem věděl, že vzhledem ke svému handicapu je rozumné mít co nejvíc profesních možností.

Trvalo několik let, než jsem dokázal vytvořit něco, za co byl někdo ochoten zaplatit. A nakonec jsem zjistil, že největší hodnota možná není v tom, že jsem práva opustil.

Je v tom, že dnes dokážu stát jednou nohou v technologii a druhou v právu a překládat mezi dvěma světy.

Není riziko, že automatizace zasáhne právě pracovní místa, která jsou dnes pro lidi se zdravotním postižením dostupná?

Ano, to riziko podle mě reálně existuje. Bylo by podle mě trochu naivní tvrdit, že AI jenom vytvoří nová pracovní místa a nic nevezme. Některé typy práce se automatizují už dnes a další budou následovat. Nejvíc ohrožené jsou podle mě činnosti, které jsou rutinní, opakovatelné, mají relativně jasná pravidla a člověk při nich hlavně dohledává informace, přepisuje je nebo převádí do nějaké předem dané struktury.

Může to být vyplňování formulářů, zpracování dokumentů, kategorizace dat, hledání odpovědí v interní dokumentaci, jednoduchá administrativa nebo třeba třídění zákaznické zpětné vazby. A právě některé z těchto kancelářských činností byly historicky relativně dobře dostupné i lidem s tělesným postižením, protože nevyžadují fyzickou práci. Takže pokud jsou lidé se zdravotním postižením v těchto profesích zastoupeni častěji, mohou být automatizací nepřímo zasaženi víc. Ne proto, že by AI nějak věděla, kdo je nebo není na vozíku, ale prostě proto, že automatizuje určitý typ úkolu.

Já to vidím i ve vlastní práci. Třeba kategorizace zákaznické zpětné vazby zní na první pohled jako něco, co je docela subjektivní a kde člověk musí rozumět významu textu. Jenže když tomu systému dáte dostatečně dobrá pravidla, kontext a příklady, model dokáže obrovské množství těchto případů zpracovat velmi podobně jako člověk. Navíc rychle, konzistentně a prakticky nepřetržitě. Práci, kterou dříve ručně dělalo několik lidí, tak může z velké části zvládnout automatizovaný systém a člověk potom řeší jenom kontroly, výjimky a nejasné případy.

A to je podle mě důležitý rozdíl. Nemyslím si totiž, že všechno bude fungovat stylem: včera tu seděl člověk, dnes ho úplně nahradil model a tím příběh končí. V řadě profesí se spíš změní samotná skladba práce. Člověk už nebude ručně vyrábět každou jednotlivou položku, ale bude dohlížet na systém, kontrolovat jeho výstupy, řešit situace, na které pravidla nestačí, a rozhodovat tam, kde existuje nějaká nejednoznačnost.

Trochu se tak z výrobce jednotlivých výstupů stává supervizor systému.

A pořád tam zůstává velmi důležitá otázka odpovědnosti. AI může být v nějakém úkolu výborná a mít třeba velmi vysokou přesnost. Jenže co se stane v okamžiku, kdy udělá chybu s vážným následkem? Kdo za ni odpovídá? Firma, která model nasadila? Výrobce modelu? Vývojář? Nebo člověk, který na konci kliknul na „schválit“?

U kategorizace zákaznického komentáře to nemusí být existenční problém. U medicíny, práva, financí nebo třeba rozhodnutí s dopadem na konkrétního člověka už je to úplně jiná věc. A myslím, že právě odpovědnost je jeden z důvodů, proč bude v mnoha oblastech člověk ještě dlouho součástí procesu, i když většinu mechanické práce udělá AI.

Já proto ani nevnímám hlavní dělicí čáru jako člověk versus AI. Mnohem pravděpodobnější mi připadá dělicí čára mezi lidmi, kteří se naučí AI používat jako běžný pracovní nástroj, a lidmi, kteří se s ní pracovat nenaučí.

Trochu podobně, jako když se kdysi počítačová gramotnost stala normální součástí práce. Dnes se nikdo moc nechlubí tím, že umí poslat e-mail nebo otevřít Excel. Prostě se předpokládá, že to umíte. A myslím, že s AI to časem dopadne podobně. Dnes může být schopnost dobře pracovat s jazykovým modelem určitá výhoda. Za několik let to v řadě profesí možná bude prostě základní pracovní gramotnost.

A to samozřejmě může znamenat i velmi nepříjemnou věc: jeden člověk vybavený dobrými AI nástroji může zvládnout objem práce, na který bylo dříve potřeba lidí několik. To podle mě není žádná sci-fi a nemá cenu před tím zavírat oči. Když pětičlenný tým zvládne díky automatizaci stejný objem práce ve třech lidech, ekonomicky samozřejmě vznikne otázka, jestli firma těch pět lidí dál potřebuje.

Otázkou ale je, co se stane s tím uvolněným časem a kapacitou. Nejhorší varianta je samozřejmě ta, že zaměstnavatel jenom řekne: dobře, dva lidi propustíme a hotovo. Ale existuje i druhá možnost, že se lidé přesunou k práci, na kterou předtím nebyl čas. K analýze, komunikaci se zákazníkem, hledání příčin problémů, návrhu lepších procesů, řešení nestandardních případů nebo třeba k rozvoji nových služeb.

„A tady podle mě bude stále důležitější jedna schopnost: nejen umět úkol vykonat, ale skutečně chápat, proč ho vykonávám.“

Pokud je moje jediná hodnota v tom, že umím dvěstěkrát denně zopakovat stejný postup, jsem vůči automatizaci poměrně zranitelný. Pokud ale rozumím problému, chápu kontext, dokážu poznat, že výsledek nedává smysl, umím řešit výjimky a rozhodnout, kdy nástroj použít a kdy mu naopak nevěřit, moje role je podstatně těžší nahraditelná.

Takže podle mě poroste hodnota lidí, kteří dokážou AI řídit, ne jenom lidí, kteří před ní dělali stejnou práci ručně.

Pro lidi se zdravotním postižením je v tom podle mě zvláštní kombinace rizika a příležitosti. Riziko je právě v tom, že některé rutinní kancelářské profese, které byly fyzicky relativně dobře dostupné, mohou postupně ubývat. Ale stejná technologie zároveň může člověku s postižením umožnit vykonávat složitější práci, která by pro něj dřív byla příliš časově nebo energeticky náročná.

Když se vrátím k té svojí „baterce“, o které jsem mluvil předtím, tak pro mě má velkou cenu i to, že nemusím svoji omezenou mentální energii spotřebovat na mechanické úkoly. Pokud mi AI udělá první průchod dokumenty, připraví strukturu dat nebo vytáhne základní informace, můžu svou energii věnovat rozhodování a problémům, kde má moje hlava skutečně přidanou hodnotu.

Takže automatizace může člověka vytlačit z rutiny, ale zároveň mu může umožnit posunout se k práci s vyšší přidanou hodnotou. Jenže to „může“ je důležité. Nestane se to automaticky. Vyžaduje to, aby se člověk měl možnost průběžně učit a aby mu zaměstnavatel umožnil růst společně s technologií, místo aby ho nechal deset let dělat jednu rutinní činnost a potom mu oznámil, že ji zvládne software.

A tohle je podle mě možná největší sociální otázka kolem AI na trhu práce. Ne jestli dokážeme zastavit automatizaci. To podle mě nedokážeme a ani bychom asi neměli. Ale jestli dokážeme lidem dát šanci přesunout se společně s ní.

Takže ano, některá pracovní místa AI určitě omezí a některé jejich části převezme úplně. U lidí se zdravotním postižením to může být citlivé právě proto, že se mohou častěji pohybovat v kancelářských a digitálních profesích, které jsou fyzicky dostupnější.

Ale pořád si myslím, že hlavní hranice do budoucna nebude člověk proti AI. Bude spíš mezi člověkem, který umí AI použít jako násobič vlastní práce, a člověkem, který dál vykonává mechanicky úkol, který už stroj zvládne lépe.

AI tedy může některé pracovní role zmenšit. Zároveň ale může člověka posunout od mechanického vykonávání práce ke kontrole, rozhodování a řešení problémů. Klíčové bude, jestli lidem umožníme tenhle posun udělat.

Velké jazykové modely se učí z obrovského množství existujících dat. Pokud jsou v těchto datech zakořeněné stereotypy o lidech s postižením, může je AI teoreticky dál reprodukovat. Setkáváte se s tím?

Ano, setkávám, ale možná trochu jinak, než by člověk čekal. Ne tolik ve formě nějakého otevřeně negativního stereotypu typu „člověk na vozíku něco nezvládne“. Mnohem častěji podle mě narážím na opačný extrém: přehnanou pozitivitu, ochrannost a někdy skoro až takovou infantilizaci.

Model má občas tendenci člověka s postižením automaticky povzbuzovat za každou cenu. Všechno jde, všechno se dá překonat, handicap tě nemusí zastavit, když budeš dost motivovaný. Zní to hezky a je to společensky velmi přijatelná odpověď, ale nemusí být vůbec realistická. A podle mě je to pořád stereotyp, jenom pozitivně zabalený.

Částečně to může souviset i s tím, z jakých dat se modely učí. Reálně popsaného každodenního života člověka s poraněním míchy je podle mě relativně málo. Ale existuje obrovské množství článků, rozhovorů a příběhů typu „překonal všechny překážky“, „dokázal nemožné“, „ani vozík ho nezastavil“. To jsou příběhy, které se dobře čtou a dobře prodávají. Jenže realita života s postižením je často mnohem banálnější, komplikovanější a méně fotogenická.

Hezky je to vidět třeba na sportu. Když někdo vidí fotografii člověka na monoski, může si z ní odnést jednoduchý příběh: podívejte, i člověk na vozíku může lyžovat, takže vlastně může všechno. Jenže člověk, který má poranění míchy, vidí za tou fotografií ještě dalších deset věcí. Jak se tam dostane. Jak se převlékne. Jak se přesune z vozíku. Kdo mu pomůže. Jak dlouho celá příprava trvá. Jaká je logistika. Kolik energie ho to stojí. Jestli je dostupná toaleta. Jak se dostane zpátky.

„AI často vidí ten výsledek. Ne vždycky vidí cenu, která k tomu výsledku vede.“

A právě to mi přijde důležité. Stereotyp totiž nemusí být negativní, aby byl škodlivý. Představa „když chceš, zvládneš všechno“ může být stejně nerealistická jako představa „na vozíku nezvládneš nic“. Jenom se na ni společensky díváme mnohem pozitivněji.

Já osobně bych od AI nechtěl ani jedno. Nechci, aby mi říkala: „To nejde, jsi na vozíku.“ Ale zároveň nechci, aby mi automaticky říkala: „Všechno je možné, stačí chtít.“ Chci, aby se podívala na konkrétní situaci a řekla mi co nejpřesněji: tohle je poměrně snadné, tohle jde, ale bude to stát hodně času a energie, a tady už narážíme na skutečný fyzický limit.

Protože realistický popis omezení není pesimismus.

Když například člověk s nějakým těžkým fyzickým omezením přijde s profesním cílem, kde je určitá fyzická schopnost skutečně zásadní podmínkou, tak podle mě není užitečné, aby AI za každou cenu hledala způsob, jak mu říct, že určitě může všechno. Někdy prostě některá cesta není realistická. Nebo je možná jen za cenu, kterou člověk není ochoten nebo schopen zaplatit.

A to není urážka ani diskriminace. To je informace.

Mně přijde, že přehnaná inkluzivita může někdy sklouznout až k paternalismu. Jako kdyby model měl strach říct dospělému člověku něco nepříjemného, protože by ho tím mohl zranit. Jenže kvalitu života určuje kvalita rozhodnutí a kvalitní rozhodnutí nemohu udělat pokud nebude založené na pravdě. Takže já nepotřebuju, aby se mnou AI mluvila jako s dítětem a všechno mi potvrzovala. Potřebuju od ní co nejpřesnější obraz reality, protože podle toho obrazu budu dělat vlastní kvalitní rozhodnutí.

„Ta pravda může být někdy nepříjemná. Ale pořád je prakticky hodnotnější než milosrdná iluze.“

Je to trochu jako hraní karet. Můžu samozřejmě hrát se zavřenýma očima a doufat, že to nějak vyjde. Ale mnohem lepší strategie je nejdřív se podívat, jaké karty skutečně držím. Teprve potom můžu přemýšlet, jak s nimi zahrát co nejlepší partii.

A právě proto podle mě realismus vůbec neznamená rezignaci. Spíš naopak. Když přesně vím, kde jsou moje limity, můžu být kreativní v hledání cest kolem nich. Pokud si ale namlouvám, že žádné limity neexistují, můžu investovat obrovské množství času a energie do něčeho, co bylo od začátku postavené na špatné premise.

Tady podle mě může hodně pomoct personalizace AI. Čím víc toho systém ví o konkrétním člověku, tím méně se musí opírat o nějakou obecnou statistickou představu „člověka na vozíku“.

Protože já nejsem průměrný člověk na vozíku z trénovacích dat. A vlastně ani nevím, jestli něco takového jako průměrný člověk na vozíku vůbec dává smysl. Jeden člověk má paraplegii, jiný vysokou tetraplegii, někdo má silné ruce, jiný skoro žádnou motoriku, někdo je dvacet let po úrazu a má všechno dokonale zorganizované, jiný je půl roku po úrazu a teprve zjišťuje, jak funguje jeho vlastní tělo.

Pokud AI zná konkrétní kontext, může vědět, že mi něco zabere půl hodiny navíc, že určitý přesun potřebuju plánovat, že někde potřebuji auto, že některá zdravotní komplikace pro mě znamená něco jiného než pro zdravého člověka. Pak už nemusí tolik sahat po obecném stereotypu skupiny.

A podle mě je to jedna z cest, jak sklon skutečně prakticky snižovat. Nejenom tím, že z modelu odstraníme nevhodné věty o lidech s postižením, ale tím, že mu dáme dostatek kvalitního individuálního kontextu, aby vůbec nemusel hádat podle nějaké vyfabrikované škatulky.

Protože jazykový model je ze své podstaty založený na vzorcích a pravděpodobnostech. Když o mně nic neví, musí nějak generalizovat. Tím vzniká prostor pro náhodu. Čím víc ale zná konkrétního člověka, tím víc může být jeho odpověď založená na něm a tím méně na stereotypu.

„Takže za mě by ideální AI neměla být ani cynická, ani naivně pozitivní. Neměla by automaticky říkat ‚tohle nezvládneš‘, ale ani ‚všechno zvládneš‘.“

Měla by umět rozlišit mezi tím, co je možné, co je možné za určitou cenu a co je skutečně nereálné.

Možná právě to je pro člověka s postižením největší projev respektu. Ne nekonečné povzbuzování, ale to, že s ním systém jedná jako s dospělým člověkem, kterému může říct pravdu a nechat na něm, jak s ní naloží.

Co nábor zaměstnanců pomocí AI? Dokážete si představit situaci, kdy automatizovaný systém vyhodnotí uchazeče s nestandardní profesní historií, pracovními omezeními nebo třeba delší pauzou po úrazu jako méně vhodného – a člověk se už ani nedostane k živému personalistovi?

Ano, umím si to představit velmi snadno. Upřímně řečeno si myslím, že můj vlastní životopis by mohl být pro automatický náborový systém docela nepříjemný případ.

Mám právnické vzdělání, potom jsem přešel do softwarového vývoje a AI, nemám klasické informatické vzdělání a celá moje profesní cesta je poměrně nestandardní. Pokud by nějaký model hledal typického kandidáta na juniorního vývojáře podle historických dat, tak bych se vůbec nedivil, kdyby si řekl: právník, žádná informatika, divná kariérní historie, a proto nízká pravděpodobnost úspěchu. A možná by mě vyřadil ještě předtím, než bych dostal možnost ukázat, co skutečně umím.

Paradoxně bych ale kvůli tomu automatizovaný nábor úplně nezavrhoval.

Každý systém, který rozhoduje na základě nějakých pravidel nebo statistiky, bude dělat chyby. Stejně jako je dělají lidé. Takže podle mě není správná otázka: „Vyřadí někdy AI dobrého kandidáta?“ Samozřejmě že vyřadí. Důležitější otázka je: dělá ten systém v souhrnu méně relevantních chyb než způsob, který používáme dnes?

Pokud by firma měla třeba deset tisíc uchazečů a kvalitní model dokázal dlouhodobě vybírat lepší kandidáty, dělal méně chyb, šetřil obrovské množství práce a přinášel lepší výsledky než původní proces, tak fakt, že zrovna já budu jeden z lidí, které špatně vyhodnotí, ještě neznamená, že je ten systém špatný.

„Může se stát, že jednotlivci systém ublíží, ale v souhrnu funguje lépe. Já bych to asi nebral osobně a zkusil bych jinou firmu. Individuální nespravedlnost a statistická kvalita systému totiž nejsou úplně stejná věc.“

Mnohem zajímavější problém pro mě nastává u lidí, kteří se výrazně vymykají vzorci. Většina životopisů možná docela dobře zapadne do nějakých známých kategorií. Člověk vystudoval informatiku, dva roky dělal juniora, potom přešel jinam. Tam má model spoustu podobných příkladů. Ale pak přijde někdo, kdo má úplně neobvyklou kombinaci zkušeností, velkou mezeru v kariéře po úrazu, změnil obor nebo spojuje kompetence, které se běžně nepotkávají.

A takový kandidát nemusí být automaticky lepší ani horší. Problém je, že model pro něj může mít velmi málo podobných příkladů a jeho odhad bude jednoduše méně spolehlivý.

Proto bych od dobrého systému chtěl jednu vlastnost, která mi připadá strašně důležitá i obecně u AI: aby uměl poznat vlastní nejistotu.

Nemusí za každou cenu udělat definitivní rozhodnutí o každém člověku. U části kandidátů může mít velmi vysokou jistotu: jasně nesplňuje základní požadavky, nebo naopak velmi dobře odpovídá profilu. Ale u nestandardního případu by měl být schopný říct: „Tady si nejsem dost jistý, eskaluj to na člověka.“

To mi přijde jako mnohem rozumnější kombinace člověka a AI než buď úplná automatizace, nebo naopak představa, že každý životopis musí ručně otevřít personalista.

Vlastně podobně funguje spousta jiných automatizovaných systémů. Jednoduché a jasné případy zpracujete automaticky a lidskou kapacitu si necháte na anomálie, výjimky a případy, kde je vysoká nejistota. A možná právě tam je člověk nejhodnotnější, protože dokáže říct: „Ano, tohle CV je divné, ale pojďme se podívat, proč je divné.“

Navíc bych automaticky nepředpokládal, že člověk je v náboru spravedlivější než algoritmus. Alternativou k AI není nějaký dokonale objektivní personalista. Člověk je unavený, má první dojmy, předsudky, zkušenosti z předchozích pohovorů, může ho ovlivnit pořadí kandidátů nebo i to, že měl špatný den. Kahneman a Tversky velmi dobře ukázali, jak moc lidské rozhodování stojí na heuristikách a mentálních zkratkách.

Takže otázka podle mě není člověk, nebo AI. Otázka je, jak postavit celý rozhodovací proces tak, aby dělal co nejméně relevantních chyb a využil silné stránky obou.

„AI může být velmi dobrá ve zpracování velkého množství standardních případů. Člověk může být cennější právě tam, kde kandidát vybočuje z naučeného vzorce nebo kde je potřeba pochopit nějaký širší životní kontext.“

Za velmi důležitou bych ale považoval transparentnost. Pokud mě automatický systém odmítne, chtěl bych alespoň rámcově vědět proč. Ne nějakou nicneříkající větu typu: „Rozhodli jsme se pokračovat s jinými kandidáty.“ Ale třeba: chybí vám určitá zkušenost, nesplňujete tuto konkrétní kvalifikaci, nebo v porovnání s ostatními kandidáty máte málo zkušeností v téhle oblasti.

Nemusí mi firma posílat desetistránkovou analýzu modelu. Ale nějaká základní zpětná vazba podle mě dává smysl.

Je to trochu jako zkouška na vysoké škole. Když ji neudělám, většinou alespoň přibližně vím proč. Něco jsem nevěděl, něco jsem pochopil špatně nebo jsem nesplnil určitou část požadavků. A podle toho se můžu připravit příště. Pokud mě ale systém jenom vyhodí a já vůbec nevím proč, nemám se z čeho poučit.

U automatického práva na lidské přezkoumání každého odmítnutí jsem o něco skeptičtější. Na papíře to zní hezky, ale prakticky bych se bál, že pokud může každý odmítnutý kandidát jedním kliknutím požádat o ruční přezkoumání, udělá to obrovská část lidí. A během chvíle jsme zpátky u původního problému, kdy personalisté musí ručně projít tisíce životopisů.

Mnohem smysluplnější mi připadá, aby systém sám vytipoval případy, kde má nízkou jistotu, a ty automaticky eskaloval člověku. Tam je lidská kapacita využitá přesně tam, kde má největší hodnotu.

A vlastně mi ani nevadí, že AI bude stát na obou stranách náboru. Už dnes kandidáti používají AI k tomu, aby si upravili životopis, lépe formulovali zkušenosti nebo se připravili na pohovor. Firmy ji budou používat k hodnocení kandidátů. To samo o sobě podle mě není problém.

Problém nastane ve chvíli, kdy AI kandidátovi nevylepší způsob, jakým popíše svoje skutečné schopnosti, ale začne vytvářet nějakého fiktivního ideálního uchazeče, který s reálným člověkem nemá skoro nic společného.

Jinak se můžeme dostat do trochu absurdní situace, kdy jedna AI napíše životopis optimalizovaný pro druhou AI, druhá ho vyhodnotí, třetí vygeneruje motivační dopis a skutečný člověk se nám z celého procesu pomalu vytratí.

A právě proto musí někde nakonec pořád existovat vazba na realitu: Co ten člověk skutečně umí? Jak přemýšlí? Co dokáže vytvořit? Jak se učí?

Takže ano, dokážu si představit, že automatický systém můj vlastní životopis vyhodnotí špatně a k personalistovi bych se vůbec nedostal. A pořád bych kvůli tomu neřekl, že automatizovaný nábor je špatný.

Chtěl bych ale, aby dobrý systém uměl dvě věci: poznat vlastní nejistotu a vysvětlit alespoň základní důvod svého rozhodnutí.

Standardní případy může klidně vyhodnocovat automaticky. Ale když narazí na člověka, který se nevejde do jeho naučených škatulek, neměl by předstírat jistotu, kterou ve skutečnosti nemá. Právě tehdy bych chtěl, aby ustoupil o krok stranou a řekl: „Tohle je anomálie. Ať se na ni podívá člověk.“

Kdybyste měl dnes člověku po poranění míchy doporučit tři konkrétní způsoby, jak začít AI využívat v běžném životě nebo práci, co byste mu doporučil vyzkoušet jako první?

Kdybych měl dnešní AI krátce po svém úrazu a měl doporučit tři věci, se kterými začít, tak první by možná překvapivě vůbec nebyla práce, e-maily nebo programování. První rada by byla: chraň si naději před nesmysly.

Po těžkém úrazu je podle mě úplně přirozené, že člověk nechce přijmout svůj stav jako definitivní. Hledá něco, co by mohlo pomoct. Novou léčbu, experimentální terapii, kliniku, rehabilitaci, cokoliv, co dává nějakou naději.

A samo o sobě na tom není nic špatného.

Problém je, že právě v takové chvíli je člověk strašně zranitelný vůči lidem, kteří mu prodávají něco, co může i znít vědecky, moderně a přesvědčivě, ale ve skutečnosti pro to skoro žádný důkaz neexistuje.

Po poranění míchy můžete velmi snadno strávit roky tím, že budete jezdit po různých klinikách, zkoušet zázračné procedury, kupovat drahé doplňky nebo platit za léčbu, která má mnohem silnější marketing než vědecký základ. A nejde jenom o peníze. Člověk tím může spálit obrovské množství času, energie a psychické kapacity.

Tady bych dnes AI používal jako kritický filtr.

Vzal bych konkrétní tvrzení nějaké kliniky nebo terapie a řekl bych: Dobře, co přesně tvrdí? Jaký mechanismus navrhují? Existují k tomu skutečné klinické studie? Na kolika pacientech? Je tam kontrolní skupina? Jaké byly výsledky? Byly publikované? Byly vědecky recenzované? Je to standardní léčba, experiment, nebo v podstatě jen marketing?

A zároveň bych do toho dal svůj vlastní zdravotní kontext. Typ poranění, úroveň léze, dobu od úrazu, lékařské zprávy, zobrazovací vyšetření. Protože něco může mít určitý vědecký základ obecně, ale pro konkrétního člověka to vůbec nemusí být relevantní.

„Samozřejmě bych AI nepoužíval jako náhradu neurologa nebo rehabilitačního lékaře. Ale použil bych ji k tomu, abych na schůzku s odborníkem přišel mnohem lépe připravený a dokázal rozlišit mezi tím, co je opravdu zajímavé, co je zatím velmi nejisté a co je skoro určitě jen drahá slepá ulička.“

Druhá rada by byla opačná: nepoužívej AI jenom k vyvracení nesmyslů. Používej ji i k hledání skutečných možností.

Když člověk po poranění míchy nechce rezignovat na zlepšení, tak bych mu neřekl: smiř se s tím a nic nehledej. Spíš bych řekl: hledej, ale systematicky.

Dnes existují klinické studie, výzkumné programy, nové rehabilitační přístupy a různé experimentální terapie. Pro běžného člověka je ale strašně těžké se v tom orientovat. Už jenom číst vstupní kritéria klinické studie může být docela náročné.

AI může pomoct přeložit celou studii do normálního jazyka a potom ji porovnat s profilem konkrétního člověka. Věk, úroveň poranění, doba od úrazu, neurologický stav, výsledky vyšetření, předchozí léčba.

Může říct: Tady pravděpodobně splňuješ podmínky. Tady ne. Tady nám chybí informace. Tohle vyšetření by bylo potřeba doložit. Tady je kontakt na centrum a tohle jsou otázky, které jim má smysl položit.

To mi přijde strašně užitečné, protože se tím naděje neopírá jenom o pocit. Naděje je pořád důležitá, ale je mnohem zdravější, když stojí na důkazech.

A zároveň bych AI v téhle fázi použil ještě k něčemu možná hlubšímu: k tomu, abych si po úrazu znovu zmapoval sám sebe.

Protože po takové změně člověk neřeší jenom: „Budu ještě někdy chodit?“ Začne postupně řešit mnohem větší otázku: „Jak vlastně bude vypadat můj život?“

Co mě baví? Co chci dělat? Co je pro mě pořád reálné? Co už není? Které překážky jsou skutečné a které si vytvářím jenom v hlavě? Co bych chtěl profesně, vztahově, osobně?

AI bych v tom nepoužíval jako nějakého věštce, který mi řekne, kým mám být. Spíš jako sparingpartnera. Můžu jí popsat svoji situaci, svoje zájmy, schopnosti, strachy a nechat ji klást další otázky. Pomoci mi strukturovat něco, co je v hlavě po úrazu často jeden velký chaos.

Takže druhý bod bych vlastně shrnul jako: hledej skutečné možnosti a zároveň znovu poznávej sám sebe.

A třetí rada by byla mnohem méně romantická, ale možná skoro stejně důležitá: nech si vysvětlit systém, do kterého jsi právě spadl.

Protože po poranění míchy se člověk prakticky ze dne na den stane klientem několika systémů, o jejichž existenci předtím skoro nemusel vědět.

Najednou řešíte zdravotní pojišťovnu, sociální systém, úřady, lékařská doporučení, vozík, příspěvky, pomůcky, rehabilitace, revizní lékaře, reklamace, servis, dokumentaci. Každá oblast má svoje pravidla, termíny a vlastní jazyk.

A nejhorší na tom je, že vám nikdo nedá na začátku manuál se slovy: „Tady máš mapu toho, co tě následujících dvanáct měsíců čeká.“

„Takže bych dnes udělal přesně tohle. Vzal bych svůj konkrétní stav a řekl AI: Dobře, co všechno budu pravděpodobně v prvním roce řešit? Jaké dokumenty si mám schovávat? Co si mám nechat napsat od lékaře? Co může chtít pojišťovna? Na co si dát pozor u pomůcek? Kde jsou typické slepé uličky?“

Člověk pak nemusí na každý problém přicházet až ve chvíli, kdy do něj narazí.

Typický příklad je třeba vozík. Člověk má pocit: dostal jsem vozík, hotovo. Jenže potom zjistí, že existují pravidla kolem vlastnictví, úhrad, servisu, oprav, reklamací nebo toho, co lze na pomůcce měnit. A přesně tyhle věci je dobré znát dřív, než se něco pokazí.

AI může velmi dobře fungovat tak, že jí řeknete: vysvětli mi tenhle proces jako člověku, který o něm neví vůbec nic. Potom jí můžete dát konkrétní dokument a říct: co z něj pro mě plyne? Jaké mám možnosti? Co bych si měl ověřit?

A podobně bych ji používal i v medicíně při rozhodování mezi různými možnostmi léčby. Ne tak, že bych jí řekl: „Řekni mi, co mám brát.“ Ale třeba: tady jsou tři možnosti, které mi lékaři zmínili. Jak se liší mechanismem, riziky, očekávaným přínosem a co bych se měl každého z těch lékařů ještě zeptat?

Tohle je podle mě mnohem bezpečnější a zároveň strašně silné použití. AI člověku nerozhoduje život. Pomáhá mu klást lepší otázky.

Takže kdybych měl opravdu vybrat jenom tři věci, byly by to tyhle:

Za prvé: chraň si naději před nesmysly. Používej AI k ověřování léčebných tvrzení, klinik a zázračných terapií.

Za druhé: hledej skutečné možnosti a poznávej sám sebe. Používej ji k hledání vědecky podložených studií, ale také k tomu, abys po úrazu znovu pochopil, jaký život chceš vlastně stavět.

A za třetí: nech si vysvětlit systém, do kterého jsi právě spadl. Pojišťovny, lékaři, úřady, pomůcky, dokumenty, pravidla. Čím dřív si vytvoříš mapu, tím méně energie potom spálíš tím, že budeš pokaždé začínat od nuly.

Kdybych měl dnešní AI v roce 2012, myslím, že právě tohle by pro mě bylo mnohem cennější než nějaké efektní „AI hacky“.

Nejdřív bych ji použil k tomu, abych neztrácel čas na falešné cesty, potom abych našel ty skutečné a nakonec abych pochopil svět, ve kterém se po úrazu musím nově naučit fungovat.

Zkusme jinou perspektivu: kdybyste měl možnost zadat vývojářům jeden AI nástroj určený přímo lidem na vozíku a nemusel řešit cenu ani technické limity, co by měl umět?

Kdybych opravdu nemusel řešit peníze ani technické limity, tak bych asi nechtěl další aplikaci, která mi pomůže lépe žít na vozíku. Chtěl bych něco mnohem ambicióznějšího: neurovědecký operační systém. Něco jako propojený vědecký supermozek, jehož cílem by bylo urychlovat výzkum poranění míchy a dalších onemocnění nervového systému.

Dnešní vědecké poznání je totiž podle mě strašně fragmentované. Máme obrovské množství studií, laboratoří, různých škol myšlení a specializací. Jeden tým řeší regeneraci axonů, jiný neuroplasticitu, další imunologii, biomateriály, genetiku nebo rehabilitaci. Každý z těch lidí může být špičkový ve své oblasti, ale nikdo nemůže reálně držet v hlavě všechno, co se na světě publikuje.

A přesně tady vidím obrovský prostor pro AI.

Ten systém by pro mě nebyl jenom lepší vyhledávač vědeckých článků. Nestačilo by mi zadat „regenerace míchy“ a dostat deset relevantních studií. To už v nějaké podobě umíme dnes. Já bych chtěl systém, který by si dokázal vytvořit skutečnou mapu oboru: co víme poměrně jistě, co pouze předpokládáme, kde jsou výsledky v rozporu, které hypotézy už někdo vyvrátil a kde naopak existuje prázdné místo, kterému se skoro nikdo nevěnuje.

U poranění míchy bych klidně začal úplně od historických základů neurovědy, třeba od dob Ramóna y Cajala, a postupně bych na to mapoval všechno, co víme dnes. Ne jako hromadu PDF souborů, ale jako propojenou strukturu znalostí, která se neustále aktualizuje.

„A potom přichází podle mě ta nejzajímavější část: AI by neměla jen shrnovat, co už lidstvo ví. Měla by hledat vztahy mezi věcmi, které zatím nikoho nenapadlo spojit.“

Jedna laboratoř může třeba studovat nějaký mechanismus v poranění míchy a úplně jiná laboratoř na druhém konci světa může velmi podobný biologický mechanismus řešit třeba u neurodegenerativního onemocnění, rakoviny nebo během vývoje nervové soustavy. Ti lidé o sobě klidně nemusí vědět, protože každý sleduje svoji literaturu a svoji specializaci.

AI může teoreticky držet všechny tyto obory současně a ptát se: Tady funguje mechanismus A. Tady máme poznatek B. A v úplně jiné oblasti máme techniku C. Co když je dáme dohromady?

Tohle mi připadá jako jedna z největších příležitostí AI ve vědě. Ne jenom rychleji přečíst literaturu, ale hledat nečekané průniky napříč disciplínami.

Takový systém by potom mohl vytvářet nové testovatelné hypotézy. Říct například: pokud platí A, B a C, pak by mohlo následovat D. Tohle ještě nikdo přímo netestoval. A tady jsou tři experimenty, kterými to můžeme co nejrychleji vyvrátit nebo podpořit.

To je podle mě strašně důležité, protože ve vědě není problém jenom nedostatek odpovědí. Je tam také skoro nekonečné množství otázek, které by šlo položit. Výzkumníci mají omezené peníze, čas, laboratorní kapacitu a počet experimentů, které dokážou provést. Obrovská hodnota AI by tedy mohla být už jenom v tom, že pomůže rozhodnout, kterou otázku má největší smysl položit jako další.

Představuju si to trochu jako mít v jedné místnosti tým nejlepších neurovědců světa, který ale není omezený tím, že každý člověk má vlastní specializaci. Jeden rozumí regeneraci axonů, druhý plasticitě, třetí imunologii, další genetice, biomateriálům nebo farmakologii. A ten systém dokáže jejich perspektivy kombinovat současně.

Samozřejmě nechci říct, že by AI nahradila vědce. Nakonec pořád musíte tu hypotézu ověřit v biologii. Musíte udělat experiment, podívat se na data, zjistit, jestli jste se nemýlili. Realita má pořád poslední slovo.

Ale AI může být obrovský násobič schopností lidí, kteří ten výzkum dělají. Může jim pomoct vybrat, který z milionu možných směrů stojí za to skutečně otestovat.

Začal bych samozřejmě poraněním míchy, protože to je pro mě osobní. Ale rozhodně bych u něj neskončil. Stejný princip by mohl fungovat u ALS, roztroušené sklerózy, následků cévní mozkové příhody, Alzheimerovy choroby a dalších neurologických onemocnění. Vlastně všude tam, kde máme obrovské množství dílčích poznatků, ale pořád neumíme celý problém dostatečně dobře poskládat.

A tady mám možná trochu kontroverzní pohled.

Někdy mám pocit, že se v komunitě lidí s postižením natolik soustředíme na to, jak se s postižením naučit co nejlépe žít, že trochu zapomínáme na druhou legitimní ambici: aby věda jednou dokázala některá z těchto postižení skutečně léčit.

A nechci, aby to vyznělo jako kritika bezbariérovosti nebo kompenzačních pomůcek. Právě naopak. Potřebujeme lepší vozíky, dostupnější dopravu, bezbariérové budovy, kvalitní asistivní technologie a společnost, ve které může člověk s postižením žít co nejsvobodněji.

To všechno potřebujeme dnes.

Ale podle mě to vůbec není v konfliktu s tím, že zároveň můžeme chtít, aby člověk, který utrpí stejné poranění míchy za dvacet let, měl mnohem větší šanci na biologickou léčbu.

Nemusíme si vybírat mezi důstojným životem s postižením a výzkumem léčby. Můžeme chtít obojí.

Protože kdyby jednou bylo možné skutečně obnovit část funkce nervového systému, tak tím nezmizí jen problém chůze. U poranění míchy je kolem toho obrovské množství sekundárních komplikací a omezení, která zvenku nejsou vidět. A biologické řešení může v principu řešit jejich příčinu místo toho, abychom každou zvlášť kompenzovali další technologií.

Takže kdyby mi někdo dal neomezené zdroje a řekl: „Navrhni jeden AI nástroj pro lidi na vozíku,“ tak bych vlastně nechtěl nástroj jen pro lidi na vozíku.

„Chtěl bych AI systém pro neurovědu, jehož cílem by bylo, aby jednou bylo lidí, kteří vozík kvůli neurologickému poškození potřebují, méně.“

Ne technologii pro technologii. Ne AI proto, že je dnes módní. Měřítkem úspěchu by pro mě bylo, jestli ten systém dokáže zkrátit cestu mezi vědeckým poznatkem a skutečnou léčbou.

Protože pokud dokážete účinnou terapii přiblížit třeba jenom o několik let, není to abstraktní akademický úspěch. Jsou to konkrétní roky života lidí, kteří nemusí nést stejné následky. Jejich rodiny, jejich zdraví, jejich samostatnost a nakonec i obrovská část nákladů, které dnes nese zdravotní a sociální systém.

A možná bych tím uzavřel i celý svůj pohled na AI.

Dnes mi AI pomáhá napsat e-mail, pochopit dokument, naučit se novou technologii nebo ušetřit několik hodin práce.

Ale její největší potenciál podle mě není v tom, že bude rychleji dělat věci, které už dnes děláme. Je v tom, že nám může pomoct položit otázky a objevit souvislosti, na které bychom sami vůbec nepřišli.

A kdyby se to jednou povedlo právě v neurovědě, možná by nejlepší AI nástroj pro člověka na vozíku nakonec nebyl ten, který mu pomůže vozík lépe používat.

Možná by to byl ten, který pomůže vědě odstranit důvod, proč ho vůbec potřebuje.

Rozhovor vedl: Jan Spěváček

Fotografie: archiv Jana Klenera