Training Ladder

Čo je vzdelávací rebrík?

Vzdelávací rebrík je tradičný model kariérneho rozvoja v profesionálnych službách – právo, poradenstvo, financie, medicína – kde junior zamestnanci vymieňajú prácu s nízkou pridanou hodnotou za mentoring od expertov. Analytik v McKinsey tvorí PowerPoint prezentácie; junior právnik kontroluje zmluvy; lékařský rezident robí príjem pacientov. Samotná práca nie je vysoko kvalifikovaná, ale vytvára ekonomickú výmenu: práca juniora dotuje jeho vzdelávanie.

Ekonóm LSE Luis Garicano to formalizoval ako “AI Becker Problem”, stavajúc na základnej práci Garyho Beckera o ľudskom kapitáli. V Beckerovej pôvodnej teórii spoločnosti nebudú investovať do všeobecného vzdelávania (zručnosti, ktoré sa prenášajú k iným zamestnávateľom), pokiaľ za to pracovníci nejako “nezaplatia”. Vzdelávací rebrík je implicitná zmluva, ktorá to rieši: juniori akceptujú nízke platy a nudné úlohy; výmenou získavajú tacitné znalosti – odborné znalosti, ktoré sa nedajú naučiť v škole.

Prečo AI ohrozuje vzdelávací rebrík

Jazykové modely AI teraz môžu vykonávať mnohé úlohy, ktoré juniori tradične používali na platenie za svoje vzdelávanie:

• Kontrola zmlúv - AI dokáže analyzovať právne dokumenty rovnako dobre ako junior právnik
• Základný výskum - Nástroje pre hlboký výskum dokážu urobiť to, na čo McKinsey analytici strávili týždne
• Tvorba prezentácií - AI dokáže generovať prezentácie, ktoré vyžadujú iba senior úpravy
• Finančné modelovanie - Rutinná práca v tabuľkách je čoraz viac automatizovaná

Keď AI robí túto prácu lepšie a lacnejšie, “mena” juniora sa stáva bezcennou. Prečo by partner najímal analytika, keď Claude dokáže urobiť základný výskum? Toto narúša ekonomickú logiku vzdelávacieho rebríka.

Klúčové charakteristiky

Prenos tacitných znalostí: Vzdelávací rebrík nie je len o dokončení úloh – je to spôsob, akým sa profesionáli učia veci, ktoré nie sú zapísané v žiadnej príručke. Ako zvládať ťažkého klienta. Ako navigovať v organizačnej politike. Ako vedieť, ktoré detaily sú dôležité. Tieto znalosti sa prenášajú prostredníctvom blízkosti k expertom, nie čítaním.

Problém meny: Ako Garicano hovorí, juniori platia za vzdelávanie “nie v dolároch, ale v pomocných úlohách.” Ak AI znižuje hodnotu pomocných úloh, juniori nemajú menu. Firmy by mohli platiť juniorom, aby sa učili, ale to úplne obracia tradičnú ekonomiku.

Riziko zlyhania trhu: Ak sa vzdelávacie rebríky zrútia, kto vyprodukuje nasledujúcu generáciu expertov? Súčasní seniori odchádzajú do dôchodku; AI (ešte) nemôže poskytnúť úsudok, ktorý prichádza z desaťročí skúseností. Ekonomika môže čeliť nedostatku zručností o 15-20 rokov.

Dôkazy o narušení vzdelávacieho rebríka

Dva články z augusta-septembra 2025 ukazujú systematický dôkaz poklesu náboru juniorov:

1. “Seniority-Based Technological Change” (Likenberg & Hosseini): Analýza 62 miliónov pracovníkov ukazuje, že profesie vystavené AI majú stabilné alebo rastúce zamestnávanie seniorov, ale klesajúce zamestnávanie juniorov – konkrétne prostredníctvom zníženého náboru, nie prepúšťania.

2. “Canaries in the Coal Mine” (Erik Brynjolfsson et al.): Pracovníci vo veku 22-25 rokov ukazujú jasné poklesy v zamestnaní v profesiách vystavených AI oproti profesiám nevystaveným AI.

Prečo je vzdelávací rebrík dôležitý

Problém vzdelávacieho rebríka naznačuje, že vplyv AI na znalostné práce môže byť jemnejší a dlhodobejší ako masové prepúšťanie:

1. Tiché odháňanie: Žiadne dramatické prepúšťanie, len menej inzerovaných vstupných pozícií
2. Erózia odbornosti: Súčasní experti zostávajú produktívni, ale potrubie budúcich expertov vysychá
3. Strata tacitných znalostí: Inštitucionálna pamäť a profesionálny úsudok prestanú byť prenášané
4. Amplifikácia nerovnosti: Senior experti získavajú páku; juniori strácajú svoju cestu k odbornosti

Organizácie nasadzujúce AI agentov musia vedome riešiť vzdelávanie – to, čo Garicano nazýva navrhnutím “pomeru”, kde zisky z produktivity expertov sú dostatočne veľké na to, aby ospravedlnili pokračovanie v najímaní a vzdelávaní juniorov.

Súvisiace čítanie

• Supervision Threshold - Úroveň autonómie, pri ktorej AI prestane potrebovať junior dohľad
• Human-in-the-Loop - Model dohľadu, ktorý udržuje juniorov relevantných
• Enterprise AI - Kde sú efekty vzdelávacieho rebríka najviditeľnejšie