Podcast, články a to, co zrovna dělám v médiích a na pódiích. Praktické tipy a inspirace, jak pracovat chytřeji s AI.
Newsletter Budoucnost nepráce — 15 000+ odběratelů. Odhlásíte se jedním klikem.
Zobrazeno 60 položek
Matěj Matolín strávil dvacet let v náboru. Dnes staví AI recruitera, který má automatizovat velkou část práce, na níž vybudoval svoji profesní dráhu.
Skutečný AI-first nábor a moje přihláška do Anthropicu. Co zvládla AI, kde rozhodoval člověk a jak z procesu vznikl systém pro další nábory.
Petr Polák o práci s firemními daty bez čekání na reporty, bezpečných experimentech a lídrech, kteří si AI sami pravidelně zkoušejí.
Petr Svoboda a Boris Bošiak ze skupiny ABUGO popisují, co se stane, když AI přestane být osobní pomůckou několika nadšenců a začne se řešit jako firemní systém. Ve skupině se 170 lidmi staví společný AI Hub, sdílejí nástroje a skilly, mění pravidla bezpečnosti i hiring - a otevřeně přiznávají, že převést rychlost jednotlivce na celou organizaci zatím nemá hotové nikdo.
Michal Bláha vede Hlídač státu - projekt, který propojuje přes dvě stě datových zdrojů a deset milionů smluv, a dělá to ve čtyřech lidech. Prohnat ta data komerčními modely by stálo dva až tři miliony dolarů, takže Hlídači běží AI na vlastních grafických kartách. Bavili jsme se o tom, co takový tým zvládne proti státu, který má rozpočty, ale ne motivaci se zlepšovat.
Václav Šlajs vede IT v brněnském Y Softu. Ve firmě s vlastními servery, starším kódem a přísnými bezpečnostními pravidly ukazuje, jak dostat večerní experimenty s Claude Code do provozu pro 300+ uživatelů - a kde musí AI narazit na brzdu.
Daniel Hastík pracuje v Tenzor Ventures, jednom z největších deeptechových fondů ve střední Evropě, a ročně mu projde rukama šest tisíc startupů. Vysvětluje, proč v době levnějšího vývoje získává větší cenu důvěra, příběh a člověk za projektem.
Jakub Lada z Direct pojišťovny vystudoval tiskařinu a k technologiím se dostal přes likvidaci pojistných událostí. Za dva měsíce proměnil večerní experimenty s AI agenty v hlavní práci a dnes dodává řešení do produkce velké pojišťovny.
Přehled nejnovějších AI novinek v ranním vysílání ČT.
Většina debat o AI míří k rizikům a zániku práce. Data o adopci, rozložení agentů a nástupu superpowered profesionálů ale ukazují také tři konkrétní místa, kde mohou lidé i firmy získat náskok.
Články o zrychlování AI nabízejí dvě krajní budoucnosti: paniku z konce práce a nadšení z toho, že AI bude pracovat za nás. Ve speciální epizodě podcastu Budoucnost nepráce je porovnávám se zkušeností z českých firem a hledám, co může člověk, tým i firma udělat už dnes.
Matt Shumer šest let staví AI startup a investuje v oboru. V osobním textu pro rodinu a přátele vysvětluje, proč podle něj změna, kterou už zažili programátoři, brzy zasáhne další znalostní profese - a co má smysl udělat dřív, než se propast mezi uživateli AI ještě zvětší.
Až milion lidí v Česku bude muset změnit profesi kvůli AI. Rok 2026 rozhodne o tom, kdo uspěje.
Jack Clark z Anthropicu předpověděl, že lidé pracující s pokročilou AI budou do léta 2026 žít v jiné pracovní realitě než ostatní. Data, příběhy účastníků i zkušenosti z mého týmu ukazují, jak se tahle propast otevírá a co s tím může člověk udělat.
David Pavlík prošel Microsoftem, Amazonem, Netflixem, SpaceX, Kiwi i Rohlíkem a vedl technologie v českých startupech. Dnes zkoumá, jak AI mění firemní týmy, nábor, správu digitálních kolegů i vztah člověka k vlastnímu asistentovi.
Na AI Predictions 2026 jsem pracoval s daty od téměř 1 200 profesionálů a připravil 179 slajdů. Z celé analýzy vystoupilo sedm změn: rostoucí rozdíly mezi lidmi, nové náklady na AI, malé týmy, jiné formy komunikace a návrat hodnoty lidské expertizy.
Jiří Slavík už dva a půl roku zavádí AI do základní školy v Českém Brodě. Místo příkazů shora hledá učitele, kteří chtějí zkoušet nové postupy, a ukazuje výsledky od desetiminutové administrativy po přípravu rozdílných materiálů pro každé dítě.
O AI agentech mluví skoro každý, v reálných firmách ale často vidíme jen asistenty v chatu. Rozhovor s Terezou Tížkovou a systém PACT ukazují praktičtější pohled: začněte úkolem, kontextem a nástroji, ne sporem o definici.
Tereza Tížková byla první zaměstnankyní AI startupu E2B a pendluje mezi Prahou a San Franciskem. Stará se o brand a developer relations firmy, jejíž technologii používají Perplexity, Manus, Grok nebo Mistral, a popisuje růst od seedu k Series A bez korporátních frází.
Josef Procházka zavádí AI do každodenní práce Městského úřadu Kopřivnice. Ukazuje asistenta postaveného na interních směrnicích, způsob uchování znalostí odcházejících lidí a změnu, která začíná konkrétním přínosem místo povinnosti.
NotebookLM mi zrychlil průzkum a práci s velkým množstvím podkladů, Claude se stal hlavním partnerem pro přemýšlení a Cursor změnil, co dokážu sám postavit. Tady jsou konkrétní workflow, kvůli kterým se dostaly do mé osobní trojice roku 2025.
Lukáš Benzl vede Českou asociaci umělé inteligence a propojuje stovky firem, startupů, vědců i institucí. Na příkladech z nemocnic, automobilek a škol ukazuje, kde se AI v Česku už používá a proč o jejím dopadu na pracovní trh musíme mluvit bez výmluv.
Třetí ročník průzkumu AImpact změnil otázku: místo samotného používání AI měřil její dopad na práci. Za pět minut měl každý účastník získat osobní report a srovnání s lidmi na stejné pozici.
Architekt Martin Jan Rosa propojuje doménovou odbornost s BIM, skripty a AI. Místo ručního opisování stovek až tisíců požadavků staví pracovní postupy, které šetří týdny práce, a připravuje vlastní poznámky tak, aby s nimi mohla pracovat AI.
Benchmarky neřeknou, zda nástroj dokončí všechny řádky tabulky, udrží kontext a nebude bez důvodu odmítat běžný úkol. Právě tyto drobnosti rozhodují, jestli se na AI můžete při každodenní práci spolehnout - a jestli vás dokáže příjemně překvapit.
Po zářijové akci The State of AI zůstalo víc než 70 otázek. Filip z nich vytvořil otevřenou Q&A epizodu o prvních krocích, každodenním návyku, placených nástrojích, druhém mozku i práci s AI jako nepříjemně upřímným zrcadlem.
Lepší prompt sám o sobě lepší práci nezaručí. Jason Droege ze Scale AI popisuje, jak tisíce expertů učí modely rozpoznat kvalitní výsledek; stejný princip můžete použít u prezentací, rozhovorů i vlastní každodenní práce.
Tom Paulus je designér, tvůrce a jeden z architektů Aibility. S Filipem rozebírá novou roli generalistů, vkus jako pracovní dovednost, osobní knowledge base a Cursor jako digitálního parťáka pro plánování i práci s daty.
Poměr 90/10 není exaktní měření, ale praktická pomůcka pro rozdělení práce mezi člověka a AI. Ukazuje, kdy delegovat, co kontrolovat a proč záleží víc na přístupu než na jednom dokonalém promptu.
Honza Hanuš odešel z korporátního světa a v 51 letech se pustil do vibe codingu. Staví vlastní AI aplikaci Mindevity zaměřenou na osobní změnu a odolnost a mluví o tom, jak překonat strach z neznámého bez předstírání, že změna bude snadná.
Jak AI proměňuje specialisty v profesionály se superschopnostmi.
Ondra Krajíček řídí IT a adopci AI pro tisíce lidí ve skupině Partners a předtím strávil 18 let v Y Softu. Jako technologický optimista otevřeně mluví o selhávajících projektech, realistických očekáváních a cestě od opravování notebooků k IT, které rozumí byznysu.
Budoucí práci nerozhodnou pouze digitální dovednosti. High agency, komunikace, učení, zvídavost, rozklad problémů a vkus pomáhají lidem pracovat s AI a zároveň zůstávají cenné i bez ní.
Víc než 40 % účastníků programu Future AI Leader strávilo učením a experimenty s AI přes osm hodin za jediný týden. Tři jejich zkušenosti ukazují, proč první pokusy často čas neušetří a jak si postupně vybudovat cit pro práci s AI.
Původně jsem tenhle seznam sepsal při hledání marketingové posily pro své projekty a Aibility. Ukazuje, proč u člověka pro marketing hledám vedle řemesla hlavně high agency, komunikaci, chuť učit se a vkus.
Rozdíl mezi lidmi, kteří s AI pravidelně experimentují, a těmi, kteří čekají, se rychle zvětšuje. Nemusíte se stát AI expertem, potřebujete si ale najít vlastní motivaci, dát učení několik hodin týdně a pustit se do práce, ve které zatím nemáte jistotu.
Pět promptů pro tvorbu zadání, e-mailů a LinkedIn postů, rozbor AI konverzací i stavbu automatizací. U každého najdete českou a anglickou verzi, doporučené nastavení a konkrétní příklady použití.
AI mindset, správná kombinace nástrojů, vlastní kontext, tvorba obsahu, projekty i automatizace tvoří jeden pracovní systém. Deset oblastí s konkrétními příklady ukazuje, co se můžete naučit během několika týdnů, když experimentům dáte pár hodin týdně.
V interním hlasování jedné velké společnosti víc než polovina manažerů stále nevěděla, jak AI použít ve vlastní práci. Samotné školení nástrojů nestačí; manažeři potřebují získat zkušenost, ukázat lidem konkrétní postupy a změnu sami vést.
Stejná data jsem nechal zpracovat v Claudu, ChatGPT, NotebookLM a Copilotu. Každý nástroj našel něco jiného, zvolil jiný styl a potvrdil, proč se vyplatí porovnávat modely podle konkrétní práce místo hledání jednoho vítěze.
Po skončení programu Future AI Leader jsem si sepsal pět věcí, které během výuky vystoupily nejvíc. Patří mezi ně čas na experimenty, soustředěná práce, ochota opustit pohodlí a zvládnuté základy.
Proč nezačínat oblastmi, ale lidmi. Tlak vedení, experimentování, sdílení.
Do výběrového řízení v našem týmu se přihlásilo přes 200 lidí. Jedna kandidátka bez IT minulosti během několika týdnů s AI vytvořila čtyři konkrétní výstupy a ukázala, proč budou pro práci důležité hlavně iniciativa, komunikace a rychlost učení.
Rozhovor o digitálním myšlení, workation a budoucnosti nepráce.
TEDx přednáška o budoucnosti práce ve světě AI.