AI ve školách: méně administrativy, víc času na studenty

Na vysokých školách se toho poslední roky kupí víc než jen e-maily. Přibývá administrativy, požadavků na reporting, bezpečnostních povinností, nároků na digitální služby a zároveň roste tlak „udržet kvalitu“. Jenže týmy nerostou. Rozpočty často taky ne. Výsledek? Lidi dělají práci na doraz a „transformace“ se stává synonymem pro další vrstvu úkolů.

Právě proto se téma AI‑podporovaných úspor a růstu dostalo do top priorit technologických lídrů ve vzdělávání. Ne proto, že by školy chtěly „nahradit lidi“. Ale protože bez chytré automatizace se bude dál hrát hra, kterou nejde vyhrát: dělat víc s míň zdroji. A já si myslím, že lepší cíl je jiný: dělat méně rutiny s méně námahou, aby zbyl čas na práci, která má dopad na studenta.

V rámci naší série Umělá inteligence ve vzdělávání a rozvoji dovedností se tentokrát zaměříme na to, jak může AI uvolnit kapacitu zaměstnanců (IT, studijní oddělení, knihovny, centra podpory) a jak tuhle kapacitu proměnit v personalizovanější vzdělávání, lepší služby a rozvoj dovedností napříč institucí.

Proč „efektivita“ ve školství zní podezřele (a proč nemusí)

Efektivita ve školství často budí odpor, protože se plete s šetřením na lidech. V praxi to bývá tak, že se zefektivní proces, ale ušetřený čas se okamžitě zaplní dalším reportem, novým systémem nebo další vlnou změn. Lidé pak právem říkají: „Tohle není efektivita, to je jen rychlejší vyhoření.“

Jenže realita je, že velká část zátěže je čistá rutina:

• třídění a přeposílání požadavků,
• opakované odpovědi na stejné dotazy,
• ruční přepisování dat mezi systémy,
• kontrola formálních náležitostí,
• plánování, které se každé dva týdny mění.

AI dává smysl přesně tam, kde se opakují vzorce a kde je jasná pravidlovost. Ne tam, kde je potřeba empatie, pedagogická citlivost nebo složité rozhodování s dopady na studenta.

Dobrý test zní: Kdybychom tuhle činnost přestali dělat ručně, zhorší to vztah se studentem? Pokud ano, automatizujte jen přípravu podkladů a „poslední slovo“ nechte člověku. Pokud ne, automatizujte víc.

Kde AI reálně šetří čas: 6 oblastí s rychlým návratem

Nejrychlejší přínosy AI ve vzdělávacích institucích vznikají v podpůrných a administrativních procesech. Ne proto, že jsou „méně důležité“, ale protože jsou často poddimenzované a současně extrémně měřitelné.

1) Servisní centrum a helpdesk: méně tiketu, rychlejší řešení

AI umí zrychlit práci podpory dvěma způsoby:

• Třídění a směrování požadavků (kdo to má řešit, jaká je priorita, co uživatel vlastně chce).
• Návrhy odpovědí z interní znalostní báze a historických řešení.

Praktický dopad: méně přeposílání, kratší doba řešení, a hlavně více prostoru pro složité případy (např. přístupnost, bezpečnostní incidenty, specifické potřeby studentů).

2) Studijní agenda: automatizace „papírové“ práce

Tady je potenciál obrovský, protože agenda mívá nejvíc opakujících se úkonů. AI pomůže například s:

• kontrolou úplnosti žádostí (chybí příloha, špatný formát, nesoulad v údajích),
• návrhem odpovědí studentům podle typu situace,
• shrnutím komunikace do spisu (co se stalo, jaký je další krok).

Důležité: u rozhodnutí typu uznávání předmětů, individuální studijní plán nebo disciplinární řízení musí zůstat odpovědnost u člověka. AI má připravit podklady, ne „rozhodnout“.

3) Plánování výuky a rozvrhy: méně chaosu v lednu a září

Rozvrhování je typická disciplína, kde se část práce dělá ručně „na zkušenost“. AI může pomoct simulovat varianty, hlídat kolize a navrhovat kompromisy podle pravidel (kapacita učeben, požadavky vyučujících, návaznosti kurzů).

Zisk není jen čas. Je to i méně stresu a méně „pozdních požárů“ těsně před semestrem.

4) Nákup a smlouvy: rychlejší analýza, méně přehlédnutí

AI umí dobře:

• shrnout dlouhé dokumenty,
• vytáhnout klíčové závazky, termíny a rizika,
• porovnat verze smluv.

Ve školství se často kupují systémy a licence, kde se snadno přehlédnou limity použití dat, subdodavatelé nebo pravidla uchování dat. AI tady funguje jako „druhý pár očí“.

5) Interní komunikace: méně schůzek, jasnější zadání

Nejlevnější úspora je někdy překvapivě jednoduchá: AI jako pomocník pro:

• zápisy ze schůzek,
• shrnutí rozhodnutí a úkolů,
• tvorbu stručných zadání.

Pokud se zkrátí jen jedna pravidelná porada o 15 minut pro 12 lidí, je to za semestr hmatatelná kapacita. A navíc menší únava.

6) Analytika a reporty: rychlejší odpovědi na „kolik čeho máme“

Vedení škol chce rozhodovat rychleji, ale data bývají roztříštěná. AI pomůže s přípravou reportů, vysvětlením trendů a tvorbou podkladů pro rozhodnutí. Klíč je nastavit, kterým datům se věří, kdo je vlastníkem definic a jak se hlídá kvalita.

Efektivita, která zlepší výuku: kam má jít ušetřený čas

AI‑úspory mají smysl jen tehdy, když se uvolněná kapacita promění v lepší studijní zkušenost. Jinak je to jen rychlejší běh na pásu.

Za mě existují tři investice času, které se školám vrátí nejrychleji:

1. Personalizovaná podpora studentů: více konzultací, rychlejší reakce na riziko studijního neúspěchu, cílená doporučení zdrojů.
2. Kvalita digitálních kurzů a materiálů: metodická podpora vyučujících, zlepšení struktury, přístupnost, práce se zpětnou vazbou.
3. Rozvoj dovedností zaměstnanců: praktické školení pro práci s AI, aby lidé nebyli jen „uživatelé nástroje“, ale autoři zlepšení procesů.

Tady se přímo potkáváme s tématem celé série: AI ve vzdělávání není jen pro studenty. Když se posílí kapacita zaměstnanců, zvedne se úroveň služeb, a tím i výsledky studentů.

Mikrocertifikáty pro zaměstnance: příklad, který dává smysl

Jedna věc z praxe zahraničních univerzit mi připadá mimořádně rozumná: učit AI dovednosti přímo zaměstnance, kteří procesy dělají. Na University of British Columbia například vznikl roční program mikrocredential zaměřený na AI dovednosti pro IT a podnikové systémy, do kterého se zapojily stovky zaměstnanců v kohortě. Nejde jen o školení „co je generativní AI“, ale o to, aby lidé přicházeli s nápady na automatizaci vlastní práce.

To je přesně přístup, který bych kopíroval i u nás: nenechat AI jako projekt jedné malé skupiny, ale udělat z ní řízenou změnu napříč institucí.

„Je to o rozšíření práce, ne o nahrazení lidí.“ Tuhle větu bych si nechal vytesat do každého projektového záměru pro AI ve školství.

A ještě něco: když škola investuje do dovedností zaměstnanců, snižuje riziko, že AI bude používána nebezpečně (např. kopírování citlivých údajů do veřejných nástrojů) a zároveň roste šance, že se objeví desítky malých zlepšení s okamžitým dopadem.

Bezpečnost, soukromí a důvěra: tři „stopky“, které si hlídejte

Největší průšvihy s AI ve vzdělávání nevznikají z technologie, ale z governance. Když není jasné, co se smí, kdo to schvaluje a jak se kontrolují rizika, skončí to buď zákazem všeho, nebo divokým používáním bez pravidel.

Tři stopky, které zavádím jako první

1. Citlivá data studentů a zaměstnanců: jasně vymezit, co nesmí opustit schválené prostředí. Včetně „nevinných“ kombinací údajů.
2. Rozhodování o lidech (stipendia, sankce, přijetí): AI může připravit podklady, ale nesmí být jediným rozhodovatelem. Musí existovat dohled a možnost odvolání.
3. Zachování lidského kontaktu: některé situace student potřebuje řešit s člověkem. AI může pomoct s triáží, ale ne zrušit přístup k reálné podpoře.

Pokud chcete rychlé pravidlo: AI má zvyšovat důvěru ve službu, ne ji snižovat. Jakmile studenti začnou mít pocit, že „mluví s automatem, který nic nevyřeší“, úspory se vám vrátí jako reputační dluh.

Jak začít během 30 dní: postup, který nezahltí tým

Začátek musí být řízený, ale praktický. Ne 80stránková strategie, která skončí v šuplíku. Tohle je postup, který funguje i ve vytížených institucích:

1. Vyberte 2–3 procesy s největší bolestí (např. helpdesk, studijní dotazy, tvorba reportů). Kritérium: vysoký objem, opakovatelnost, jasné výstupy.
2. Změřte výchozí stav: průměrná doba vyřízení, počet eskalací, počet chyb, spokojenost uživatelů. Bez baseline se nedá řídit.
3. Postavte „rychlou výhru“: nástroj na návrhy odpovědí, třídění požadavků nebo shrnutí komunikace. Cíl: viditelná úleva do 4–6 týdnů.
4. Nastavte pravidla používání AI: co je povoleno, jaká data ne, kde se to používá, jak se hlásí incident.
5. Vytvořte komunitu interních ambasadorů: lidé z praxe, kteří sbírají nápady a učí kolegy. To je nejlevnější change management.

A ano, change management je tady klíč. Pokud lidé nebudou věřit, že AI je pomocník (a ne test loajality), adopce se zastaví. Nejrychlejší způsob, jak důvěru získat, je ukázat, že ušetřený čas se skutečně promění v lepší práci — třeba v podporu studentů, mentoring nebo rozvoj kurzů.

Co si z toho odnést (a co udělat hned zítra)

AI‑podporované úspory ve vzdělávání nejsou o tom „tlačit na výkon“. Jsou o tom vrátit lidem dech a převést ho do věcí, které student pozná: rychlejší servis, srozumitelnější informace, kvalitnější digitální výuka a cílenější podpora.

Pokud jste ve vedení nebo v týmu, který nese provoz školy, udělejte jednu věc: sepište seznam 10 nejčastějších rutinních úkonů, které vám berou čas, a označte ty, kde chyba není fatální a kde je jasný výsledek. To jsou kandidáti na první AI automatizace.

A pak přijde otázka, která rozhodne, jestli AI ve škole bude přínos, nebo další „projekt navíc“: Kde přesně se ušetřený čas projeví ve studijní zkušenosti studentů během příštího semestru?