Proč Meta ustoupila od Project OT: AI agenti zatím nebyli připraveni nahradit týmy

Project OT měl z Mety udělat firmu „AI native“: velkou část každodenní práce by převzali AI agenti a menší skupiny lidí by na jejich činnost dohlížely. Interní plánování zkoumalo, zda některé týmy zmenšit ve dvou vlnách až o 60 %. Meta však nakonec ustoupila od nejrazantnější krátkodobé podoby tohoto návrhu. 117

Hlavní důvod je praktický, nikoli ideologický. Zamýšlený model vyžadoval, aby AI agenti pracovali natolik konzistentně, že složitou práci může bezpečně kontrolovat méně lidí. Podle dostupných informací tento test neprošly technologie, provozní výsledky ani reakce zaměstnanců. 117

Co měl Project OT změnit

Project OT, zkratka pro Organization Transformation, počítal s tím, že AI převezme podstatnou část práce, kterou dosud vykonávaly tisíce zaměstnanců. Lidská část organizace měla být menší a soustředěná do „talentově hustých“ týmů dohlížejících na virtuální pracovníky.

Meta agentuře Reuters potvrdila, že zvažovala scénáře zahrnující snížení počtu lidí v některých týmech až o 60 % a dvě kola propouštění. Firma zároveň uvedla, že plán zahrnoval i přeřazování zaměstnanců a netýkal by se všech týmů. 117

To je podstatný rozdíl: uváděných 60 % nebyl potvrzený celofiremní cíl, ale modelovaný scénář pro určité týmy.

Proč plán ztratil tempo

AI agenti nepředvedli spolehlivý výkon v reálném provozu

Aby personální logika plánu fungovala, nestačilo, aby agenti byli jen užitečnými asistenty. Museli by předvídatelně zvládat významnou část práce, aniž by zbylým lidským týmům přidávali kontrolu, opravy a provozní riziko.

Reuters popsal interní obavy z výkonu agentů a z narušujících zásahů. Další text vycházející z tohoto zjištění uvedl, že agenti dokázali provádět „rozsáhlé, narušující akce“. 18

Pro společnost provozující velké spotřebitelské platformy je to zásadní omezení. Vyšší produktivita sama o sobě nestačí, pokud ji vymaže nespolehlivé provedení nebo větší zátěž pro lidi, kteří musí automatizované kroky kontrolovat a napravovat.

Odpor zaměstnanců ztížil zavedení změny

Transformace, která je popisována jako nahrazení velké části lidské práce AI, přirozeně vyvolává otázky o pracovních místech, odpovědnosti i budoucí pracovní zátěži. Zprávy o Project OT hovoří o výrazném vnitřním odporu a Reuters uvedl, že návrh nebyl spuštěn v nejširší zamýšlené podobě. 117

Tento odpor nelze oddělit od technických problémů. Pokud mají lidé svěřit AI důležitou práci, potřebují důkaz, že systémy skutečně zlepšují výsledky — ne jen ambiciózní modely počtu zaměstnanců.

Vedení přiznalo problém s načasováním i komunikací

Podle informací z diskuse na Redditu, které sdílela reportérka Reuters Katie Paul, Mark Zuckerberg zaměstnancům řekl, že nezvolil správné načasování. Technologický ředitel Andrew Bosworth pak měl připustit, že Meta odvedla „otřesnou práci“ při vysvětlování vize uvnitř firmy. 7

Naznačuje to, že problém Project OT nespočíval jen v tom, zda AI jednou zvýší produktivitu. Šlo také o to, že firma se pokusila zavést změnu s vysokými sázkami dřív, než měla dostatečně přesvědčivé důkazy, provozní model a srozumitelné interní vysvětlení.

Proč „tokenmaxxing“ nebyl dobrým měřítkem zavádění AI

„Tokenmaxxing“ proměnil spotřebu AI v nápadný signál zapojení. V Metě fungoval interní žebříček Claudeonomics, který řadil zaměstnance podle využitých tokenů — jednotek textu zpracovávaných jazykovými modely — a uděloval označení jako „Token Legend“.

Žebříček však vytvořil jeden zaměstnanec jako vedlejší projekt; nešlo o univerzální systém hodnocení výkonu Mety. Později byl na rozhodnutí autora odstraněn. Meta uvedla, že má samostatný panel AI Insights, který sleduje využívání AI šířeji než jen přes počty tokenů. 3

Základní problém tohoto ukazatele je jednoduchý: tokeny měří spotřebu modelu, ne obchodní nebo provozní přínos. Vysoký počet tokenů nedokazuje, že tým dodal lepší produkt, rychleji vyřešil incident, snížil množství přepracování nebo zvýšil bezpečnost procesu.

Odolnější způsob posuzování využití AI se proto musí opírat o výsledky:

• kvalitu odvedené práce;
• rychlost od nápadu k nasazenému výsledku;
• složitost a rozsah dokončených úkolů;
• spolehlivost workflow s podporou AI a nároky na jejich kontrolu.

Tyto ukazatele se měří hůře než prosté součty využití. Lépe ale odpovídají na otázku, která je důležitá pro vedení i zaměstnance: zvýšila AI skutečně efektivitu organizace?

Znamená to konec plánů na AI řízenou proměnu pracovní síly?

Podle dostupných důkazů ne. Meta ustoupila od agresivního časového plánu a rozsahu Project OT, ale její vedení se nevzdalo cíle učinit firmu více „AI native“. Zuckerberg uvedl, že vývoj agentní AI postupoval pomaleji, než očekával, zároveň však předpověděl výraznější přínosy investic Mety do AI v horizontu tří až šesti měsíců. 17

Tuto předpověď je nutné brát jako odhad, nikoli jako důkaz, že agenti budou brzy připraveni nahradit celé týmy. Další zkouškou bude, zda AI v reálném provozu dlouhodobě zlepší výkon i spolehlivost — a zda sníží, místo aby jen přesunula, lidskou práci nutnou k dohledu, opravám a řešení následků automatizovaných rozhodnutí.

Širší poučení

Project OT ukazuje rozdíl mezi používáním nástrojů AI a přestavbou celé firmy kolem AI. Agenti mohou být užiteční, aniž by byli spolehlivou náhradou za velkou část pracovní síly. Než firmy spojí personální rozhodnutí s automatizací, potřebují důkazy o stabilních výsledcích, účinných pojistkách a provozním modelu, kterému zaměstnanci rozumějí a mohou důvěřovat. 117