Tréninkový žebříček

Co je tréninkový žebříček?

Tréninkový žebříček je tradiční model kariérního rozvoje v profesionálních službách—právu, poradenství, financích, medicíně—kde juniorští zaměstnanci vyměňují práci nízké hodnoty za mentoring od expertů. Analytik v McKinsey vytváří PowerPoint slajdy; juniorský associate v advokátní kanceláři kontroluje smlouvy; rezident dělá příjem pacientů. Samotná práce není vysoce kvalifikovaná, ale vytváří ekonomickou výměnu: práce juniora dotuje jeho trénink.

Ekonom z LSE Luis Garicano to formalizoval jako “AI Becker Problem”, stavící na základní práci Garyho Beckera o lidském kapitálu. V Beckerově původní teorii společnosti nebudou investovat do obecného tréninku (dovedností, které se přenášejí k jiným zaměstnavatelům), pokud za něj pracovníci nějakým způsobem “nezaplatí”. Tréninkový žebříček je implicitní smlouva, která to řeší: junioři přijímají nízké mzdy a nudné úkoly; výměnou za to získávají tacitní znalosti—expertízu, kterou nelze naučit ve škole.

Proč AI ohrožuje tréninkový žebříček

AI jazykové modely nyní mohou vykonávat mnoho úkolů, které junioři tradičně používali k zaplacení za svůj trénink:

• Kontrola smluv - AI dokáže analyzovat právní dokumenty stejně dobře jako juniorský associate
• Základní výzkum - Nástroje pro hloubkový výzkum mohou udělat to, na čem McKinsey analytici stráví týdny
• Tvorba slajdů - AI může generovat prezentace, které vyžadují pouze seniorní editaci
• Finanční modelování - Rutinní práce s tabulkami je stále více automatizována

Když AI dělá tuto práci lépe a levněji, “měna” juniora se stává bezcennou. Proč by partner najímal analytika, když Claude dokáže udělat základní výzkum? To narušuje ekonomickou logiku tréninkového žebříčku.

Klíčové charakteristiky

Přenos tacitních znalostí: Tréninkový žebříček není jen o dokončování úkolů—je to způsob, jakým se profesionálové učí věci, které nejsou napsány v žádné příručce. Jak zacházet s obtížným klientem. Jak navigovat organizační politikou. Jak vědět, které detaily jsou důležité. Tyto znalosti se přenášejí přes blízkost k expertům, ne čtením.

Problém měny: Jak to vyjádřil Garicano, junioři platí za trénink “ne v dolarech, ale všedními rutinními úkoly.” Pokud AI devalvuje všední úkoly, junioři nemají žádnou měnu. Firmy by mohly platit juniorům za učení, ale to úplně obrací tradiční ekonomiku.

Riziko selhání trhu: Pokud se tréninkové žebříčky zhroutí, kdo vytvoří další generaci expertů? Současní senioři odejdou do důchodu; AI nemůže (zatím) poskytnout úsudek, který přichází z desetiletí zkušeností. Ekonomika může čelit mezeře v dovednostech za 15-20 let.

Důkazy o narušení tréninkového žebříčku

Dva studie ze srpna-září 2025 ukazují systematické důkazy o poklesu náboru juniorů:

1. “Seniority-Based Technological Change” (Likenberg & Hosseini): Analýza 62 milionů pracovníků ukazuje, že povolání vystavená AI mají stabilní nebo rostoucí seniorní zaměstnanost, ale klesající juniorní zaměstnanost—konkrétně prostřednictvím sníženého náboru, ne výpovědí.

2. “Canaries in the Coal Mine” (Erik Brynjolfsson a kol.): Pracovníci ve věku 22-25 let vykazují jasný pokles zaměstnanosti v povoláních vystavených AI oproti nevystaveným.

Proč je tréninkový žebříček důležitý

Problém tréninkového žebříčku naznačuje, že dopad AI na znalostní práci může být jemnější a dlouhodobější než masivní propouštění:

1. Tiché od-najímání: Žádné dramatické výpovědi, jen méně inzerovaných pozic pro začátečníky
2. Eroze expertízy: Současní experti zůstávají produktivní, ale pipeline budoucích expertů vysychá
3. Ztráta tacitních znalostí: Institucionální paměť a profesionální úsudek přestávají být předávány
4. Zesilování nerovnosti: Seniorní experti získávají páku; junioři ztrácejí svou cestu k expertíze

Organizace nasazující AI agenty musí vědomě řešit trénink—co Garicano nazývá navrhování “poměru”, kde zisky produktivity expertů jsou dostatečně velké na to, aby odůvodnily pokračování v najímání a tréninku juniorů.

Související čtení

• Supervision Threshold - Úroveň autonomie, při které AI přestává potřebovat juniorský dohled
• Human-in-the-Loop - Model supervize, který udržuje juniory relevantní
• Enterprise AI - Kde jsou efekty tréninkového žebříčku nejviditelnější