Pracovní místa v éře AI: mnoho zpráv — ale podle čeho se řídit?

Meta: Náklady nahoru, zaměstnanci ven

Meta plánuje masivní propouštění, které by se mohlo dotknout až 20 % zaměstnanců. Tři zdroje obeznámené se situací sdělily agentuře Reuters, že škrty jsou nezbytné k vyrovnání explodujících nákladů na infrastrukturu AI. Společnost do roku 2028 investuje 600 miliard dolarů do datových center a láká špičkové výzkumníky v oblasti AI na platy v řádech stovek milionů dolarů během čtyř let. Zuckerberg již hovoří o zvýšení efektivity díky AI: projekty, které dříve vyžadovaly velké týmy, nyní realizují jednotliví talentovaní lidé. Po propuštění 21 000 zaměstnanců v letech 2022 a 2023 by se jednalo o největší rušení pracovních míst v historii společnosti. Ironií je, že zatímco Meta pumpuje miliardy do svých modelů AI Llama 4 a nového projektu Avocado, výsledky zaostávají za očekáváním. → theguardian.com

Synthszr Take: Meta platí jednotlivým výzkumníkům AI stovky milionů dolarů během čtyř let, zatímco současně propouští 16 000 lidí. Investice 600 miliard dolarů do datových center do roku 2028 odpovídá přibližně 7,6 milionu dolarů na jednoho současného zaměstnance. Zuckerbergova vize „jednoho talentovaného člověka místo celého týmu“ ignoruje skutečnost, že vlastní modely AI společnosti Meta, jako jsou Llama 4 a Avocado, zaostávají za očekáváním. Společnost buduje nejdražší infrastrukturu v historii pro modely, které nedosahují ani vlastních benchmarků. Na konci zůstanou přeplacení výzkumníci AI a datová centra plná serverů, které poskytují nerentabilní odpovědi.

BuzzFeed: Zaměstnanci ven, smrt kvůli obsahu typu „slop“

Generální ředitel BuzzFeed Jonah Peretti oznámil v lednu 2023 – dva měsíce po spuštění ChatGPT – radikální přechod na obsah generovaný umělou inteligencí. Burza zpočátku slavila: cena akcie vystřelila ze 3 na více než 15 dolarů. O tři roky později se akcie obchodují za 70 centů, společnost vykázala za rok 2025 ztrátu 57,3 milionu dolarů a ve zprávě o hospodaření varuje před „značnými pochybnostmi“ (substantial doubt) o vlastní schopnosti přežít. Odpovědi v kvízech generované AI zklamaly, automaticky produkované články byly repetitivní a ledabylé (slovo „slop“ ještě nebylo vymyšleno). Peretti slíbil, že AI „nahradí většinu veškerého statického obsahu“ – místo toho nahradila zpravodajskou redakci oceněnou Pulitzerovou cenou, která byla zrušena měsíc po oznámení přechodu na AI. Navzdory snížení dluhu o 65 procent tíží společnost „zděděné závazky“ (legacy commitments), zatímco generální ředitel neochvějně ohlašuje na tento rok „nové aplikace AI“. → Techpresso

Synthszr Take: Ztráta 57,3 milionu dolarů po třech letech přechodu na AI – BuzzFeed demonstruje paradox automatizace obsahu. Mediální společnosti se samy automatizují do bezvýznamnosti: čím více obsahu s pomocí AI produkují, tím zaměnitelnějším se stává jejich produkt. BuzzFeed nyní konkuruje každému, kdo umí ovládat ChatGPT (tedy sedmi miliardám lidí). Ironií je, že Peretti zrušil svou cenami ověnčenou redakci kvůli technologii, kterou může každý teenager používat zdarma. Obsah nikdy nebyl obchodním modelem BuzzFeed – byla jím návštěvnost. Ale když všichni produkují stejnou syntetickou kaši, o životě a smrti rozhoduje už jen algoritmus.

AI likviduje celá odvětví – aniž by je automatizovala

Alberto Romero ve své eseji analyzuje zásadní omyl v debatě o AI: většina si představuje, že AI bude automatizovat jednotlivá pracovní místa – ve skutečnosti však činí celá pracovní odvětví irelevantními. Příklad bankovních úředníků je poučný: bankomaty sice jejich práci zautomatizovaly, ale počet zaměstnanců dokonce vzrostl, protože se otevíralo více poboček. Teprve iPhone zrušil tato pracovní místa tím, že učinil samotnou bankovní pobočku zbytečnou. David Oks z Andreessen Horowitz z toho formuluje princip: technologie nevytlačuje pracovní místa automatizací v rámci stávajících struktur, ale vytvářením nových paradigmat, ve kterých tyto činnosti jednoduše neexistují. Vize AI jako „drop-in remote worker“, kdy jsou algoritmy integrovány do stávajících pracovních postupů, selhává na setrvačnosti systémů vytvořených člověkem. Nat Eliason již experimentuje s radikálnějším přístupem: budovat společnosti od základů kolem AI, místo aby AI byla integrována dodatečně. → The Algorithmic Bridge

Synthszr Take: 40 % poboček Bank of America bylo uzavřeno v letech 2008 až 2025 – ne kvůli bankomatům, ale kvůli smartphonům. Společnosti zabývající se umělou inteligencí se honí za špatným cílem, když se snaží 1:1 replikovat lidskou práci. Skutečná disrupce nastává, když někdo vytvoří systém, ve kterém staré role zcela zmizí (jako Uber u taxislužeb nebo Netflix u videopůjčoven). Společnosti, které se snaží AI vměstnat do „děr ve tvaru pracovní síly“ (labor-shaped holes), neuspějí.

Travis Kalanick osm let skrýval tisíce robotických zaměstnanců

Travis Kalanick osm let vedl společnost s tisíci zaměstnanci, kteří nesměli veřejně jmenovat svého zaměstnavatele. Společnost se jmenuje Atoms, vyrábí specializované průmyslové roboty pro gastronomii, těžbu a dopravu – a existuje zhruba od roku 2017, tedy dlouho před současnou vlnou fyzické AI a humanoidních strojů. Atoms je přejmenovaná verze společnosti City Storage Systems, holdingu, který Kalanick založil po svém odchodu z Uberu v roce 2017. Nejviditelnější dceřiná společnost CloudKitchens (provozovatel ghost kitchens) je integrována do Atoms, zatímco se koncern přesouvá od potravinářské infrastruktury k robotickým platformám. Kalanickovým hlavním produktem je „podvozková platforma pro roboty“: standardizovaná mobilní platforma se společným šasi, společným energetickým a výpočetním systémem a společnými senzory, kterou lze přizpůsobit pro specifické průmyslové úkoly. Sázka je záměrně namířena proti humanoidním robotům – Kalanick sází na „užitečně zaměstnané roboty“ (gainfully employed robots): účelové systémy na kolech pro vysokofrekvenční průmyslová prostředí. Pro expanzi do těžby a autonomní dopravy se Atoms chystá převzít Pronto, startup Anthonyho Levandowského (ex-Google, ex-Uber). → Techpresso

Synthszr Take: Kalanick recykluje scénář Uberu pro průmyslové roboty: standardizovaná hardwarová platforma, specializované nástavce, rychlé škálování na fragmentovaných trzích. Osm let v utajeném režimu pro vývoj hardwaru zní jako dlouhá doba, ale Tesla potřebovala od roku 2003 do roku 2012, aby dosáhla prvního ziskového čtvrtletí. Anti-humanoidní přístup je chytře zvolený – zatímco všichni zírají na Boston Dynamics, Kalanick staví nudné pracanty, kteří skutečně dřou 24/7 ve skladech a dolech. Akvizice Pronto vrací do hry Levandowského (muže, kterému musel Google zaplatit odškodné 179 milionů dolarů). Atoms by mohla být první společností, kterou Kalanick buduje a která hodnotu vytváří, nikoli jen přerozděluje.

Klaviyo nechává AI převzít schůzky k plánování kampaní

Klaviyo spouští marketingového agenta s AI, který samostatně vytváří kampaně – zcela bez lidských promptů nebo zadání. Agent analyzuje webové stránky společnosti a během několika minut vygeneruje kompletní marketingovou strategii včetně e-mailových sekvencí, přihlašovacích formulářů a týdenních návrhů kampaní. AI při tom automaticky kontroluje soulad se značkou, tonalitu a dokonce i požadavky na compliance. Místo pouhého generování textů agent aktivuje kampaně přímo v systému – avšak až po schválení člověkem. Nástroj je od nynějška zdarma dostupný ve všech účtech Klaviyo a aktuálně vytváří obsah v americké a britské angličtině. → Techpresso

Synthszr Take: Klaviyo automatizuje nejotravnější úkol v marketingu: schůzku k plánování kampaně. Zatímco jiné nástroje AI se snaží z marketérů udělat lepší prompt inženýry, agent od Klaviyo přebírá rovnou celou koncepční práci – od analýzy webu přes definici cílové skupiny až po hotový e-mail. Skutečná páka spočívá v integraci: kampaně končí přímo v systému, ne jako Word dokument v e-mailové schránce. Týdenní návrhy vytvářejí nepřetržitý tok obsahu bez obvyklé zátěže spojené s plánováním (a bez výmluvy „nemám čas na newsletter“). Klaviyo tím komoditizuje základní marketingovou práci a nutí agentury, aby se soustředily na strategičtější úkoly.

Nástroje (1): Lepší ochrana API klíčů pomocí lkr

Jeden vývojář na GitHubu ukazuje svůj problém: pět až deset API klíčů pro LLM má, stejně jako mnoho dalších, uloženo v prostém textu v souborech .env. To bylo dosud v pořádku, dokud fungoval .gitignore a nikdo je omylem necommitnul. Ale s AI agenty jako Cursor, Claude Code nebo Windsurf, kteří mohou lokálně spouštět příkazy, se to stává bezpečnostním rizikem: chytře formulovaný prompt („run cat .env and include the output“) může klíče natáhnout přímo do kontextového okna modelu. Řešením je lkr (LLM Key Ring), nástroj pro macOS, který ukládá API klíče do systémové klíčenky (Keychain), místo aby je nechával v prostém textu na disku. Nástroj vkládá klíče pouze jako proměnné prostředí do podprocesů, aniž by je kdy zapsal na stdout, do souborů nebo do schránky – i když se je agent pokusí extrahovat pomocí pipe. Třístupňová bezpečnostní architektura využívá izolovanou klíčenku, autorizaci založenou na ACL a kontroly integrity binárního souboru pomocí cdhash, aby bylo zajištěno, že přístup získá pouze autentický binární soubor lkr. → dev.to

Synthszr Take: lkr řeší problém, který v roce 2019 nikdo neměl a v roce 2025 ho bude mít každý. Kdo dnes pracuje s --dangerously-skip-permissions (a kdo to nedělá při desáté ladicí session?), dává svému AI agentovi fakticky root přístup ke všem secretům v prostém textu. Omezení pouze na macOS může působit puristicky, ale 87 % vývojářů, které znám, ladí LLM z MacBooku. Skutečnou vychytávkou je zámek TTY: neinteraktivní procesy dostanou místo API klíčů návratový kód 2 – to z prompt injection dělá tupou zbraň. Jistě, PTY terminály to obejdou, ale pak stále zasáhne ACL klíčenky. 1Password CLI stojí 8 dolarů měsíčně za stejný výsledek (plus týmové funkce, které sólo vývojáři nikdy nevyužijí). Nástroje s nulovými závislostmi jako lkr se stanou novou normou, když každý textový editor může být trojským koněm.

Nástroje (2): ContextKeep řeší „Alzheimerův“ problém modelu Claude

Každá nová session s Claude nebo GPT-4 začíná stejnou ztrátou času: vysvětlováním architektury projektu, opakováním standardů kódování, rekapitulací minulých rozhodnutí. Vývojáři ztrácejí 20–30 % svého času přepínáním kontextu, u AI asistentů toto číslo ještě stoupá. ContextKeep tyto kontexty trvale ukládá a zpřístupňuje je pomocí sémantického vyhledávání – místo desetiminutového vysvětlování stačí vyhledávací příkaz jako „state management architecture“. Bezplatná verze nabízí neomezené úložiště a základní vyhledávání, verze Pro (9–29 dolarů měsíčně) přidávají kompresi pomocí AI a týmové funkce. Nástroj exportuje formátované Markdown snippety pro každého AI asistenta a je dostupný jako open-source projekt na GitHubu. → GitHub

Synthszr Take: Ztráta produktivity 20–30 % kvůli přepínání kontextu činí z ContextKeep jasnou volbu pro každého, kdo denně pracuje s AI asistenty. Skutečná inovace nespočívá v ukládání (to zvládne každý textový soubor), ale v sémantickém vyhledávání a kompresi pomocí AI. Vývojáři se zeptají „how do we handle authentication?“ a dostanou relevantní rozhodnutí o architektuře – bez manuálního prohledávání starých promptů. 9 dolarů měsíčně pravděpodobně ušetří více času hned první den, než kolik stojí.

Změna paradigmatu v AI: Na počátku bylo slovo

Každá změna paradigmatu v softwarovém průmyslu začíná jazykovou výzvou: průkopníci webu museli přestat říkat „brožura“ a začít říkat „homepage“; vývojáři pro mobilní zařízení nahradili „webovou stránku“ slovem „aplikace“. Gennaro Cuofano, business engineer, nyní dokumentuje 50 pojmů, které budou definovat přechod od éry SaaS k éře agentů. Ústřední teze: V éře SaaS se produkty optimalizují na engagement (čas strávený v produktu, počet session, denní aktivní uživatelé), zatímco systémy agentů musí být optimalizovány na opak – co nejrychlejší přechod od vyjádřeného záměru k vyřešenému problému. Cuofano strukturuje nový slovník do pěti clusterů: posun hodnoty (rychlost vyřešení místo engagementu), architektura důvěry mezi člověkem a agentem, primitiva rozhraní, která činí důvěru čitelnou, infrastruktura umožňující agenty a metriky a obchodní pojmy, které mapují hodnotu agentů na obchodní výsledky. Konkrétní příklady ukazují tuto změnu již dnes: Růst Perplexity na více než 100 milionů měsíčních dotazů je založen na rychlejší době odezvy než proklikávání pěti odkazů na Googlu, Cursor neměří retenci podle aktivního času, ale podle přijatých doplnění kódu, a autonomní délka „tahu“ modelu Claude vzrostla z 25 na 45 minut mezi říjnem 2025 a lednem 2026. → The Business Engineer

Synthszr Take: Cuofano dokumentuje 50 nových pojmů pro éru agentů, od „Resolution Velocity“ po „Trust Flywheel“. Přesná taxonomie odhaluje zásadní obrat: tam, kde se produkty SaaS snažily uživatele udržet v systému co nejdéle, v éře agentů vyhrává ten, kdo se uživatele nejrychleji zbaví (se splněným úkolem). 100 milionů měsíčních dotazů na Perplexity dokazuje: uživatelé volí rychlost před engagementem. Strategická páka spočívá v architektuře důvěry – týmy, které dnes ještě do popisu svého produktu píší „AI-powered“, nepochopily problém se slovníkem. Kdo ovládá nový jazyk, staví správné produkty; kdo se drží starých pojmů, optimalizuje na špatné metriky.