VÝSKUM PRE PODNIKATEĽOV · 18.11.2026
AI a produktivita: čo odhalili tri experimenty s vývojármi

Prísľub rýchlejšej práce je jedným z dôvodov, prečo firmy zavádzajú generatívnu AI. Nová technológia však neprináša rovnaký prínos v každom tíme. Štúdia uverejnená v Management Science v roku 2026 analyzovala tri randomizované terénne experimenty, v ktorých vývojári dostali alebo nedostali prístup k asistentovi na dopĺňanie kódu. Je to cenný príklad merania skutočného pracovného výstupu.
Čo presne vedci merali
Výskumníkov zaujímalo, či sa po sprístupnení AI asistenta zmení počet dokončených úloh pri vývoji softvéru. To je užší a presnejší ukazovateľ než tvrdenie, že umelá inteligencia „zvýši výkon celej firmy“. Počet úloh ešte nemusí zachytiť kvalitu, bezpečnosť, potrebu ďalšej kontroly ani finančný výsledok projektu. Pri čítaní výsledkov je preto zásadné vedieť, čo bolo a čo nebolo súčasťou merania.
Ako prebiehali experimenty
Terénne experimenty sa uskutočnili vo firmách Microsoft, Accenture a v jednej anonymizovanej spoločnosti Fortune 100. Prístup k asistentovi dostala náhodne vybraná časť programátorov. Spoločná analýza zahŕňala 4 867 vývojárov. Randomizácia poskytuje silnejšie podklady na posúdenie účinku než jednoduchý dotazník o dojmoch. Stále však ide o špecifický druh odbornej práce, ktorý nemožno automaticky stotožniť s účtovníctvom či zákazníckou podporou.
Hlavný výsledok
Po spojení troch experimentov autori uvádzajú približne 26,08-percentný nárast počtu dokončených úloh u pracovníkov s AI asistentom. V abstrakte upozorňujú, že samostatné experimenty priniesli neisté odhady a výsledky sa líšili. Vyššiu mieru používania aj väčšie prínosy zaznamenali menej skúsení vývojári. Preto by bolo nesprávne hovoriť o garantovanom 26-percentnom zvýšení produktivity u každého človeka.
Čo to znamená pre podnikanie
Vedenie firmy by malo pred zavedením novej aplikácie určiť, aký pracovný výstup chce zlepšiť. Pre vývojový tím môžu byť vhodné nielen dokončené úlohy, ale aj počet opráv, stabilita a čas venovaný kontrole. Dôležité je rozlíšiť pracovníkov podľa skúseností. Ak nástroj pomáha najmä pri určitom type úloh, plošné licencie bez jasného využitia nemusia priniesť očakávanú hodnotu.
Návrh malého pilotu
Vyberte merateľné úlohy, ktoré sa pravidelne opakujú, a stanovte východiskové hodnoty. V obmedzenom pilote porovnávajte spracovanie s AI a bez nej vrátane nákladov, chýb a následných úprav. Zaznamenávajte aj čas skúseného pracovníka potrebný na revíziu. Ide o redakčný príklad hodnotenia investície, nie opis presného protokolu autorov. Pri citlivých informáciách treba dodržať bezpečnostné pravidlá.
Na čo si dať pozor
Výskum nepreukazuje, že AI zvýši zisk o rovnaké percento ako počet dokončených úloh. Nedokazuje ani všeobecné nahrádzanie pracovných miest alebo rovnaké výsledky v ostatných profesiách. Bez kontroly môže rýchla produkcia chybných výstupov zvyšovať náklady na opravy. Podnikateľ preto potrebuje merať celkový výsledok procesu, nie iba rýchlosť jednej jeho časti.
Záver
Tri reálne experimenty poskytujú presvedčivejší pohľad na prínos AI než marketingové sľuby. Ukazujú zlepšenie dokončovania úloh pri programovaní za konkrétnych podmienok a rozdiely medzi skupinami pracovníkov. Pre podnikateľov je hlavnou lekciou meranie: investícia do AI sa má posudzovať podľa kvality, nákladov a skutočného výsledku, nie podľa popularizovaného percenta.
Vedecký zdroj
Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng, Tobias Salz (2026). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Management Science. https://doi.org/10.1287/mnsc.2025.00535 https://doi.org/10.1287/mnsc.2025.00535