Botsitting: když AI agenti přidají práci místo úspory

TL;DR:

• Business Insider popsal případ AI stratégyně Sol Rashidi, která zrušila polovinu svých AI agentů, protože vyžadovali příliš mnoho dohledu.
• Článek používá pojem botsitting: práce navíc kolem opravování, doplňování kontextu a hlídání agentů.
• Business Insider s odkazem na Glean report uvádí, že white-collar pracovníci tráví správou AI průměrně 6,4 hodiny týdně; bez primárního reportu je lepší brát číslo jako citovaný signál, ne jako samostatně ověřenou metriku.
• Pro AI v práci je to dobrá připomínka, že automatizace bez jasného workflow může jen přesunout zátěž na člověka.
• AI agenti dávají smysl tam, kde mají úzký úkol, jasná data, kontrolní body a měřitelný výstup.
• Než přidáte dalšího agenta, vyberte jeden proces a spočítejte, jestli kontrola výsledku nestojí víc než ruční práce.

AI agenti mají odebírat rutinu. Jenže v reálné práci se někdy stane opak: člověk najednou netvoří, nerozhoduje ani nevede projekt, ale hlídá několik poloautomatických pomocníků, kteří pořád potřebují kontext, opravy a vysvětlování. Business Insider tomu v novém článku říká botsitting.

Příběh stojí na zkušenosti Sol Rashidi, chief strategy officer ve firmě Cyera a senior fellow na Harvard Kennedy School. Podle Business Insideru měla najednou čtyři AI agenty a dva z nich zrušila, protože byli nespolehliví a vyžadovali příliš mnoho dohledu. Důležitá pointa není v tom, že „agenti nefungují“. Důležitější je, že špatně zvolený agent může vytvořit nový typ práce, který v původním plánu vůbec nebyl.

Co je botsitting

Botsitting je dobré slovo pro problém, který se v debatě o AI produktivitě často schová. Firma nebo jednotlivec zavede AI nástroj s cílem ušetřit čas. Jenže výstupy nejsou dost stabilní, agent ztrácí kontext, dělá chyby, ptá se na věci, které by měl vědět, nebo vyžaduje neustálé korigování. Člověk tedy sice něco nedeleguje ručně, ale tráví čas dohledem nad delegací.

Business Insider s odkazem na Glean report uvádí, že white-collar pracovníci tráví správou AI průměrně 6,4 hodiny týdně. To je skoro jeden pracovní den. Protože primární report nebyl v této kontrole samostatně ověřený, je lepší brát číslo jako citovaný signál, ne jako definitivní metriku. Problém je ale reálný: pokud do nákladů nezapočítáme kontrolu, opravy a doplňování kontextu, budeme přínos AI agentů přeceňovat.

Pro praktické využití AI je to zásadní. Produktivita nevzniká tím, že někde běží agent. Vzniká až tehdy, když výsledek agenta zmenší celkovou práci člověka včetně kontroly.

Kdy agent přidává práci

Nejčastější chyba je nasadit agenta na příliš široký nebo nejasný úkol. „Pomáhej mi s operativou“ zní lákavě, ale pro agenta je to často špatný rámec. Operativa má mnoho implicitních pravidel, měnící se priority a velké množství kontextu, který má člověk v hlavě.

Druhá chyba je absence kontrolního bodu. Pokud agent pracuje dlouho a člověk vidí až hotový výstup, kontrola může být únavnější než průběžná práce. Užitečnější je rozdělit workflow na menší kroky: najdi podklady, navrhni strukturu, označ nejistoty, připrav první verzi, počkej na potvrzení.

Třetí problém je neviditelná údržba. Agent potřebuje instrukce, přístupy, paměť, napojené zdroje a někdy i aktualizovaná pravidla. Pokud tuto vrstvu nikdo neřídí, začne se rozpadat. Člověk potom řeší podivné chyby, které nevypadají jako práce, ale čas mizí stejně.

Kdy agent smysl dává

AI agenti dávají největší smysl tam, kde je úkol opakovatelný, výstup dobře zkontrolovatelný a chyba nemá okamžitě vysokou cenu. Typicky: první průchod rešerší, příprava souhrnu, draft odpovědi, třídění podkladů, návrh testů, kontrola změn v dokumentaci, monitoring novinek nebo příprava podkladů pro lidské rozhodnutí.

V takovém workflow člověk nepředává odpovědnost. Předává část přípravy. Agent připraví, člověk rozhodne. To je rozdíl mezi užitečnou AI automatizací a chaosem, který se tváří jako autonomie.

Praktický test je jednoduchý: po třech až pěti bězích se podívejte, kolik času zabralo zadání, čekání, opravy a finální kontrola. Pokud je součet vyšší než ruční práce nebo pokud výstup pravidelně potřebuje zásadní přepis, agent zatím není automatizace. Je to experiment.

Co zkusit místo dalšího agenta

Než přidáte dalšího AI pomocníka, napište si jeden konkrétní proces. Co je trigger? Jaký kontext agent potřebuje? Jaký má dodat výstup? Kde se zastaví a čeká na člověka? Podle čeho poznáte, že výsledek pomohl?

Teprve potom má smysl řešit nástroj. Někdy stačí dobrý prompt a checklist. Někdy stačí šablona v dokumentu. Někdy dává smysl klasická automatizace bez AI. A někdy je agent opravdu nejlepší cesta, protože musí pracovat s neúplným kontextem, rozhodovat mezi variantami a připravit člověku briefing.

Botsitting není argument proti AI agentům. Je to argument proti jejich bezmyšlenkovitému nasazení. Pro Agentivpraxi čtenáře je to dobrý filtr: AI má snižovat rozhodovací zátěž, ne vytvářet další vrstvu práce, kterou musí člověk každý den hlídat.

Kam pokračovat dál

Pro širší rámec, jak používat AI bez zbytečné kontrolní práce, pokračujte na AI v práci.

Pokud chcete podobný princip převést do konkrétního postupu, projděte si Workflows, kde agent připravuje podklady a člověk drží rozhodnutí.

Další praktické příklady posíláme v newsletteru: Získat týdenní přehled.

Zdroj

Zdroj: Business Insider: An AI strategist fired half her AI agents after becoming a botsitter