Umělá inteligence (AI) mění průmyslová odvětví po celém světě, a proto musí pracovníci v různých oborech rozvíjet dovednosti související s AI. Jak uvádí OECD, šíření AI „zvyšuje potřebu jak specializovaných odborníků na AI, tak pracovníků s obecnějším porozuměním AI“.

Jinými slovy, i netechnické role stále více těží ze základní gramotnosti v oblasti AI – pochopení, jak AI nástroje fungují, jaká data používají a jak mohou doplnit lidské úkoly.

Rámec kompetencí AI od UNESCO rovněž zdůrazňuje, že se studenti musí naučit „základní znalosti a dovednosti v oblasti AI“, aby mohli AI efektivně využívat. Stručně řečeno, úspěch v éře AI vyžaduje kombinaci technických znalostí a lidsky orientovaných dovedností založených na etickém porozumění.

Nyní se pojďme podrobněji seznámit s dovednostmi potřebnými pro práci s AI níže!

Základní technické dovednosti

• Programovací jazyky: Znalost klíčových jazyků jako jsou Python, R nebo Java je základem pro vývoj AI. Tyto jazyky mají rozsáhlé knihovny pro AI (např. TensorFlow, PyTorch) a jsou široce používány k vytváření a trénování modelů.

• Strojové učení a AI frameworky: Pochopení konceptů strojového učení – včetně učení s učitelem i bez učitele, neuronových sítí a hlubokého učení – je nezbytné. Odborníci by měli umět vytvářet a trénovat modely (včetně pokročilých, jako jsou velké jazykové modely nebo generativní AI) a používat AI frameworky a nástroje k jejich implementaci.

• Správa dat a nástroje pro velká data: AI systémy spoléhají na rozsáhlé datové sady. Dovednosti v oblasti sběru, čištění a předzpracování dat jsou klíčové. Zkušenosti s platformami pro velká data (např. Hadoop, Apache Spark) a nástroji pro databáze a dotazy (SQL, NoSQL) pomáhají zajistit, že AI modely jsou trénovány na přesných a kvalitních datech.

• Cloud computing a infrastruktura: Znalost cloudových služeb (AWS, Azure, Google Cloud) a frameworků pro GPU/paralelní zpracování je stále více vyžadována. Nasazení AI často zahrnuje využití cloudových ML platforem nebo kontejnerových technologií (Docker/Kubernetes) pro škálování modelů v produkci.

Tyto technické dovednosti zajišťují, že člověk dokáže efektivně kódovat, trénovat a nasazovat AI modely.

Například analýza Johns Hopkins University zdůrazňuje, že „znalost programovacích jazyků je základní dovedností pro vývoj AI“ a že práce s velkými datovými sadami (pomocí nástrojů jako Hadoop nebo Spark) je klíčová pro vytváření přesných AI modelů.

Matematické a analytické dovednosti

• Statistika a pravděpodobnost: Pochopení statistiky je zásadní pro navrhování a hodnocení modelů (např. vědět, jak měřit chybu nebo důvěru). Umožňuje interpretovat výstupy AI a kvantifikovat nejistotu.
  
  Například vývojáři AI používají statistické metriky (jako střední kvadratickou chybu) k hodnocení výkonu modelu a pravděpodobnostní uvažování (Bayesovské metody, skryté Markovovy modely) k řešení nejistoty v predikcích.

• Lineární algebra: Mnoho AI algoritmů (zejména hluboké učení) je založeno na lineární algebře (vektory, matice, tenzory). Například koncepty jako násobení matic a vlastní vektory jsou základem pro redukci dimenzionality (SVD) a operace neuronových sítí.
  
  Dobrá znalost lineární algebry umožňuje odborníkům pochopit a optimalizovat tok dat AI modelem.

• Analýza a optimalizace: Kalkulus (derivace, gradienty) je základem pro trénování modelů metodami jako gradientní sestup. Optimalizace parametrů modelu (minimalizace ztrátových funkcí) vyžaduje pochopení, jak malé změny ovlivňují výsledky – což je koncept kalkulu.
  
  Multivariační kalkulus a teorie optimalizace jsou součástí pokročilých AI dovedností.

• Analytické myšlení: Kromě formální matematiky pomáhá silné analytické myšlení při formulaci problémů a ladění modelů. Schopnost rozložit problém, aplikovat kvantitativní uvažování a iterativně modely zdokonalovat je pro práci s AI zásadní.

Tyto analytické dovednosti společně tvoří základ vývoje AI.

Jak uvádí Johns Hopkins, obory jako statistika, pravděpodobnost, lineární algebra a kalkulus „tvoří základ“ sofistikovaných AI modelů.

Měkké dovednosti a lidské vlastnosti

Technická odbornost sama o sobě nestačí. Práce s AI vyžaduje také silné lidsky orientované dovednosti, které AI nedokáže nahradit.
Klíčové měkké dovednosti zahrnují:

• Kreativita a kritické myšlení: Inovace s AI často znamená vymýšlet nové algoritmy nebo aplikovat AI na jedinečné problémy. Rámec AI od UNESCO výslovně vyžaduje „řešení problémů, kreativitu a designové myšlení“.
  
  Stejně tak výzkumy EU zdůrazňují, že lidské dovednosti jako kreativita a komplexní řešení problémů budou vedle AI stále více vyhledávané.

• Komunikace a týmová spolupráce: Projekty AI obvykle zahrnují multidisciplinární týmy (datoví vědci, odborníci z oboru, manažeři). Schopnost vysvětlit koncepty AI jednoduše, psát jasnou dokumentaci a efektivně spolupracovat je zásadní.
  
  Zjištění EU zdůrazňují komunikaci a spolupráci jako klíčové „měkké“ dovednosti doplňující technické schopnosti.

• Adaptabilita a celoživotní učení: AI je rychle se rozvíjející oblast. Zaměstnavatelé a odborníci vyzdvihují přizpůsobivost, flexibilitu a zvědavost jako nejdůležitější dovednosti pro éru AI. Světové ekonomické fórum uvádí, že zvědavost a růstové myšlení nabývají na významu.
  
  OECD také upozorňuje, že neustálé zvyšování kvalifikace je klíčové, protože pracovní prostředí se rychle mění. Pracovníci, kteří se rychle naučí nové nástroje a přizpůsobí se novým technologiím, budou úspěšní.

• Empatie a emoční inteligence: Pochopení potřeb uživatelů, etických dopadů a týmové dynamiky vyžaduje empatii. Analytici EU uvádějí empatii a emoční inteligenci mezi měkké dovednosti, které „budou i nadále potřeba“ v pracovních prostředích podporovaných AI.
  
  Tyto dovednosti pomáhají navrhovat AI, která skutečně slouží lidem, a vést týmy při změnách.

Shrnuto, lidsky orientované dovednosti jako kreativita, kritické myšlení, komunikace a adaptabilita jsou nezbytným doplňkem technických znalostí při práci s AI.

Etika a odpovědné používání AI

Síla AI přináší etické a právní otázky, proto je jejich pochopení důležitou „dovedností“ pro práci s AI:

• Etické povědomí: Pracovníci by měli znát možné předsudky AI a její společenské dopady. UNESCO výslovně zahrnuje etiku AI mezi klíčové kompetence (odpovědné používání, spravedlnost a bezpečnost).
  
  To znamená umět kriticky hodnotit výstupy AI z hlediska nechtěných předsudků nebo škod a dodržovat osvědčené postupy (např. navrhování transparentnosti algoritmů).

• Regulační znalosti: Znalost ochrany dat (např. GDPR), pravidel soukromí a průmyslových standardů zajišťuje soulad s předpisy při používání AI. Firmy stále více očekávají, že zaměstnanci budou rozumět rámcům řízení AI.

• Gramotnost v generativní AI a nástrojích: Efektivní a bezpečné používání nových AI nástrojů (jako jsou asistenti generativní AI nebo nástroje pro tvorbu obsahu) je praktickou dovedností. UNESCO zdůrazňuje, že gramotnost v AI zahrnuje znalost „jak odpovědně používat generativní AI“ (pro psaní nebo pracovní úkoly).
  
  To zahrnuje schopnost správně zadávat požadavky modelům, ověřovat AI návrhy a vyhýbat se nástrahám jako dezinformace.

• Bezpečnost a nakládání s daty: Zpráva EU také uvádí, že technické dovednosti jako zabezpečení dat jsou vedle AI dovedností nezbytné. Ochrana citlivých dat, zabezpečení AI systémů a dodržování kybernetických bezpečnostních standardů jsou stále častěji součástí AI kompetencí.

Rozvíjením etického úsudku a odpovědných návyků – nejen technické zdatnosti – mohou pracovníci pomoci zajistit, že AI nástroje budou využívány pro pozitivní výsledky a snížení rizik.

Celoživotní učení a adaptabilita

Poslední klíčovou „dovedností“ je schopnost se neustále učit. Technologie AI se vyvíjejí tak rychle, že to, co je dnes špičkové, může být zítra zastaralé.

Výzkumníci i instituce zdůrazňují celoživotní učení:

OECD a EU upozorňují, že vzdělávání se musí posunout směrem k průběžnému, flexibilnímu učení, protože dřívější školení rychle zastarává.

Podobně WEF uvádí, že „zvědavost a celoživotní učení“ patří mezi nejdůležitější dovednosti pro budoucí zaměstnání.

V praxi to znamená být aktivní v rozšiřování kvalifikace – absolvovat kurzy, účastnit se workshopů nebo samostatně studovat nové AI metody.

Znamená to také mít otevřenou mysl vůči změnám. Pracovníci, kteří zůstávají angažovaní (například experimentováním s novými AI nástroji ve své práci), se nejlépe přizpůsobí.

Stručně řečeno, kariéra připravená na AI vyžaduje schopnost neustálého učení a ochotu aktualizovat dovednosti s postupujícím vývojem oboru.

Budování profilu připraveného na AI

Závěrem, úspěch v pracovním prostředí bohatém na AI vyžaduje kombinaci různých dovedností. Specialisté stále potřebují základní AI kompetence (programování, strojové učení, analýza dat), zatímco všichni pracovníci těží z obecné AI gramotnosti (základní porozumění AI nástrojům a konceptům).

Stejně důležité jsou lidské dovednosti – kreativita, komunikace, empatie – a etický přístup.
Globální studie jasně ukazují, že kombinace technických, analytických a mezilidských schopností je nezbytná.

Rozvíjením programovacích a matematických dovedností spolu s řešením problémů, adaptabilitou a odpovědným přístupem se odborníci z různých oblastí mohou připravit na úspěch s AI.

>>> Více informací:

Výhody umělé inteligence pro jednotlivce a firmy

Kariérní příležitosti v oblasti umělé inteligence