Tak tady máme ten deskilling, jak se dneska říká, takový malý nešvar. Je to další postřeh z říjnové konference AI transformace zdravotnictví. Tentokrát obava, že zapomeneme myslet, když budeme jen odklikávat výsledky z AI.
Asi bych se společensky odepsal, kdybych tvrdil, že ta obava není oprávněná. Jen jsem přesvědčen, že míří trochu vedle.
Problém je objem práce, ne ztráta dovedností
Problém je totiž objem rutinní práce, kterou nestíháme udělat kvalitně. Kontrolování, porovnávání, opakované posuzování podobných případů. Když už nedokážu zjednodušit ty proklatý procesy a odstranit z nich odstranitelné mezičlánky, tak proč nenasadit — tentokrát neproklatou — AI?
A co je horší, co když je repetitivní činnost klíčovou částí procesu, třeba vyšetření zobrazovací metodou? Řady snímků, podobné úkony, pozornost, která má vydržet celou směnu. Opravdu je problém v tom, že s pomocí AI začnu ztrácet svoje schopnosti? Není spíš problém v tom, že náš mozek nefunguje se strojovou stabilitou výkonu?
Lidský výkon kolísá. Unavíme se, ztratíme pozornost, ke konci dne vidíme jinak než na začátku. Není to morální selhání, je to vlastnost mozku. Stroj v tomhle smyslu nenudí a neuhne. Neříkám, že je neomylný. Říkám, že jeho chybovost jde popsat, a tu lidskou obvykle ne. Právě proto mi přijde škoda bojit se nástroje dřív, než víme, jak si v téže práci vede člověk.
Dost otázek. Celé je to o tom, že u AI můžeme spolehlivost výstupu změřit. A když to děláme pořádně, víme transparentně a opakovatelně, jak si vede. Dobře, můžeme debatovat o kvalitě datasetu, o tom, na čem se model zkoušel a co z toho jde přenést do praxe. O člověku to ale nevíme. Zeptáme se na vzdělání, praxi a dojem, že je „dobrý“. To není stejný typ informace jako opakovaně změřená spolehlivost. Jen tušíme, věříme, doufáme nebo se bojíme, ale kvalitu lidského výstupu obvykle nekvantifikujeme.
Když pak vedle sebe postavíme AI, u které číslo máme, a člověka, u kterého ho nemáme, člověk může vypadat hůř, i když se nezměnil. Takže pokud se někde zdá, že kvalita lidského výstupu s použitím AI klesá, problém nebude principiálně v AI. Spíš v tom, že žádné měřítko kvality lidského výstupu prostě nebylo. AI tak akorát zviditelní, s čím jsme žili, ne jak jsme se zhoršili.
Když se lidská práce opravdu měří
Že se debata tak často točí právě kolem zobrazovacích metod, není náhoda. Repetitivní čtení je tam jádrem práce — a zároveň jedním z mála míst, kde lidský výkon vůbec jde porovnat číslem. Typickým příkladem je kolonoskopie. Ukazatelem je míra záchytu adenomů: podíl vyšetření, při kterých lékař najde alespoň jeden adenom. Právě proto, že tohle číslo existuje, se vůbec dalo něco zjistit, když v srpnu 2025 vyšla v Lancet Gastroenterology & Hepatology observační studie z Polska.
Devatenáct lékařů ze čtyř center se srovnávalo tři měsíce před zavedením systému pro detekci polypů a tři měsíce po něm — vždy ve vyšetřeních bez AI. Otázka tedy nebyla, jak si vede člověk s AI, ale jak si týž lékař vede bez ní poté, co si na ni v ostatní práci zvykl. Míra záchytu adenomů klesla z 28,4 % na 22,4 %. To je ten výsledek, který se teď cituje jako důkaz deskillingu.
K němu bych byl ale opatrný. Jde o observační srovnání, ne o randomizovanou studii. Skupiny pacientů se lišily a doba vyšetření, která záchyt silně ovlivňuje, se nesledovala. Počet adenomů na vyšetření ani záchyt pokročilých nálezů a rakoviny se statisticky nezměnil. Sami autoři to berou jako hypotézu k ověření a volají po pořádné prospektivní studii.
A hlavně: pro pacienta je podstatné, jak dobře to dělá člověk spolu s AI. Tam randomizované studie opakovaně ukazují, že záchyt roste. Metaanalýza 28 randomizovaných studií s téměř 24 000 pacienty, zveřejněná v roce 2024 v časopise Gastrointestinal Endoscopy, uvádí, že s pomocí AI byla míra záchytu adenomů o 20 % vyšší — zejména u menších lézí; u pokročilých adenomů se rozdíl neukázal. Pokud máme strach, že se dovednost bez AI otupí, je to argument pro pravidelné měření lidí, ne proti nástroji, který ve společné práci záchyt zlepšuje.
Měřítko nemusí být jen ve zdravotnictví. Kde se dá výstup porovnat se skutečností nebo s druhým čtením, jde lidskou spolehlivost sledovat stejně jako tu strojovou: na vzorku, opakovaně, ne jednou za audit. Bez toho se o deskillingu snadno mluví, ale špatně rozhoduje. Ne proto, abychom lidem přestali věřit, ale abychom se nemuseli dohadovat od stolu. Nejdřív číslo, potom závěr, jestli se opravdu zhoršujeme, nebo jen konečně vidíme, co tu bylo pořád.
Měříte u vás vůbec, jak spolehlivý je lidský výstup? Nebo jen tušíme a doufáme?
Kratší verzi jsem zveřejnil 3. listopadu 2026 na LinkedInu.