Nahradí AI IT analytika? Co už umí, co ne a co to znamená pro tebe

Krátká odpověď

Ne celého. AI už dnes zvládne napsat velkou část toho, co analytik vyrábí — první verzi specifikace, user stories, testovací scénáře. Nezvládne to, kvůli čemu firma analytika platí: zjistit, co lidé doopravdy potřebují, a nést za zadání odpovědnost.

To nepříjemné: mění se, co se od analytika čeká. Kdo jen přepisuje, co mu kdo řekl, do šablony, ten konkurenci s AI prohraje. Kdo rozumí byznysu, umí se ptát a pozná, kdy AI lže, je s ní rychlejší než kdy dřív.

V článku najdeš, co AI v analytice umí, kde selhává, co to znamená pro lidi, kteří do oboru teprve vstupují — a jak se na to připravit.

Proč se ta otázka vůbec řeší

Logika je jednoduchá: analytik hodně píše. AI umí psát. Tak proč platit člověka?

Jenže psaní je výstup, ne práce. Specifikace je jen záznam rozhodnutí, která padla na workshopech, v e-mailech a u kávovaru. AI ten záznam umí zformulovat. Ta rozhodnutí za tebe neudělá — a hlavně neví, kdo je má udělat a proč se zatím nikdo nerozhodl.

Co AI v práci analytika zvládá už dnes

Tady je AI opravdu dobrá a analytik, který ji nepoužívá, zbytečně ztrácí hodiny:

• Rešerše neznámé domény — než jdeš na první workshop do pojišťovny, za půl hodiny víš, co je pojistná událost, likvidace a regres. Dřív na to padl den.
• Příprava otázek na stakeholdera — AI ti navrhne, na co se zeptat, a připomene okruhy, na které bys zapomněl.
• Strukturování zápisu z jednání — z hodiny chaotických poznámek udělá seznam požadavků, otevřených otázek a rozhodnutí.
• První verze specifikace, user stories a akceptačních kritérií — kostra, kterou pak upravuješ, místo abys začínal od prázdné stránky.
• Testovací scénáře — z akceptačních kritérií vygeneruje i okrajové a negativní případy, na které se snadno zapomene.
• Kontrola konzistence — nejpodceňovanější využití. Dáš jí hotovou specifikaci a necháš ji hledat rozpory, chybějící větve a nedefinované pojmy. Najde věci, které tvoje oko po pátém čtení přehlédne.

Co AI nezvládá (a proč je to jádro práce)

Workshop, kde každý chce něco jiného

Obchod chce funkci do konce měsíce. Bezpečnost ji v téhle podobě nepustí. Provoz říká, že to stávající systém neunese. Analytik je ten, kdo z toho vyrobí řešení, se kterým všichni odejdou z místnosti. AI v té místnosti nesedí — a i kdyby, nikdo by ji neposlouchal.

To, co lidé neřeknou

Uživatel ti řekne, že chce export do Excelu. Po třetí otázce zjistíš, že ten Excel pak ručně přepisuje do jiného systému — a že skutečný požadavek je integrace, ne export. AI pracuje s tím, co jí dáš. Neví, co ti zatajili nebo co je nenapadlo zmínit.

Kontext konkrétní firmy

Proč se tenhle systém nesmí měnit před uzávěrkou. Proč minulý projekt na stejné téma spadl. Kdo podepisuje a kdo jen hodně mluví. Tohle v žádném dokumentu nenajdeš, a tak to nenajde ani AI.

Odpovědnost

Když se podle zadání postaví špatná věc, někdo to musí vysvětlit. „Napsala to AI“ neobstojí u šéfa ani u zákazníka. Firma potřebuje člověka, který za zadáním stojí — a ten musí rozumět každé větě, kterou podepsal.

Data, která nesmí ven

Ve velkých firmách (banky, pojišťovny, státní správa) nesmíš interní dokumenty vložit do veřejného chatbotu. Často máš k dispozici jen firemní nástroj s omezeními. Část práce tak AI vůbec neuvidí.

Kde AI v analytice aktivně škodí

Tohle je ta část, kterou nadšenci vynechávají. AI se v analytických výstupech plete předvídatelně — a právě proto je nebezpečná, protože ty chyby vypadají jako dobrá práce:

• Vymyšlený požadavek — do specifikace rezervačního systému doplní storno podmínky, které nikdo nikdy neřekl. Znějí rozumně, tak projdou.
• Halucinovaná doména — sebejistě popíše, jak funguje proces v tvém oboru. Obecně. A u tebe ve firmě to funguje jinak.
• Tichá ztráta kontextu — u dlouhého dokumentu zapomene, co jste si dohodli na začátku, a v kapitole 7 tomu odporuje.
• Průměrné řešení vydávané za doporučení — navrhne to, co se dělá nejčastěji. Ne to, co potřebuješ ty.
• Sebejistý nesmysl — datový model nebo API kontrakt, který vypadá profesionálně a v produkci selže.

Všechny tyhle chyby odchytí jen člověk, který ví, jak má dobrá specifikace vypadat. To je důvod, proč AI analytika nenahrazuje, ale zvyšuje nároky na něj.

AI vs. analytik v jedné tabulce

Co to znamená pro juniory

Upřímně: juniorská práce se mění nejvíc. Úkoly, na kterých se junioři dřív učili — psaní zápisů, přepisování požadavků do šablony, první verze dokumentace — dnes AI zvládne za pár minut.

Neznamená to, že juniory nikdo nechce. Znamená to, že od nich firmy čekají něco jiného: aby uměli s AI pracovat rychle a hlavně uměli její výstup zkontrolovat. A tady je paradox — abys poznal, že AI napsala nesmysl, musíš rozumět základům líp, než kdyby sis všechno psal sám.

AI nesnižuje laťku pro vstup do analytiky. Zvedá ji. Zkratka „naučím se prompty a zbytek udělá AI“ nefunguje — bez základů nepoznáš, kdy ti lže.

Dobrá zpráva: junior, který má základy pevné a s AI pracovat umí, je na pohovoru zajímavější než junior, který umí jen jedno z toho. A takových pořád není moc.

Jak se na to připravit

1. Nauč se základy bez AI. Jak vypadá dobrá specifikace, co je user story, jak se kreslí proces v BPMN, co je datový model. Kdo tohle neumí sám, nepozná chybu ve výstupu.
2. Pak teprve zapoj AI. Nech ji napsat draft a porovnej ho s tím, co bys napsal ty. Kde se liší? Kdo má pravdu?
3. Používej ji jako oponenta, ne jako autora. Nejvíc ti dá, když jí dáš svůj dokument a necháš ji hledat díry.
4. Trénuj to, co AI neumí. Ptát se, poslouchat, shrnout diskusi a dotáhnout ji k rozhodnutí. Tohle se naučíš jen s lidmi.
5. Na pohovoru to ukaž. Řekni, na co AI používáš a jak kontroluješ její výstup. Ukážeš tím, že víš, jak dnes práce analytika doopravdy vypadá.

Má smysl jít do analytiky v roce 2026?

Křišťálovou kouli nemám a nikdo jiný taky ne. Ale ta logika je docela jasná: nejvíc ohrožené jsou role, kde je výsledkem jen text a nikdo za něj nemusí jednat s lidmi. Analytika je přesně opačný případ — text je vedlejší produkt, hlavní práce je mezi lidmi.

Analytika ti sedí i v době AI, pokud:

• tě baví zjišťovat, proč se věci dělají tak, jak se dělají
• nevadí ti mluvit s lidmi a ptát se, dokud odpověď nedává smysl
• chceš AI používat jako nástroj, ne se jí bát
• jsi ochotný naučit se základy pořádně, i když existuje „rychlejší“ cesta

Pokud tě láká hlavně představa, že to za tebe udělá AI a ty jen zkontroluješ výsledek — tak to nefunguje v analytice ani nikde jinde.

Shrnutí

AI IT analytika nenahradí, ale změní jeho práci. Psaní dokumentů se zrychlí, rešerše a kontroly taky. Zůstává to podstatné: zjistit, co lidé doopravdy potřebují, vyjednat řešení a ručit za něj. Analytik, který umí základy a k tomu AI, je dnes rychlejší a cennější než kdy dřív.