Anthropic vydal šestou edici svého Economic Indexu pod názvem Cadences (Rytmy), studii postavenoi na anonymizovaných datech z používání Claude. Podle všeho název „rytmy“ není jen marketingový, výzkum totiž poprvé sleduje používání AI nikoli po týdnech, ale po hodinách. Výsledkem je plastický obraz toho, kdy se na jazykové modely obracíme, co si z konverzace odnášíme a jak sami vnímáme dopad AI na vlastní práci.
Pro každého, kdo pracuje s AI profesionálně – ať už ji nasazuje u klientů, staví na ní produkty, nebo jen přemýšlí, kam se trh posune – je tu několik bodů, které stojí za pozornost. Pojďme si je spolu projít.i
Metodika
Než se dostaneme k číslům, krátká poznámka o tom, proč se metodika musela změnit. Před rokem byla většina používání Claude prostá konverzace mezi člověkem a asistentem. S nástupem Claude Code a Cowork ale sezení stále častěji znamená dlouhé agentní úlohy běžící na pozadí. Přepis chatu už zkrátka nezachytí, co se reálně děje, a metody měření musely jít s dobou.
Anthropic proto udělal tři věci. Začal vzorkovat data mnohem hustěji, takže vidí vzorce až na hodinové úrovni. Zavedl nový klasifikátor, který každé konverzaci přiřadí typ výstupu – tzv. artefakt. A začal rozlišovat mezi konverzacemi v chatu a Cowork na jedné straně a vývojářským provozem přes API na straně druhé. Všechna analýza přitom běží přes klasifikátory, kde přepisy čte pouze jiná instance Claude, a buňky s nedostatkem pozorování se filtrují kvůli soukromí. Jde tedy o pozorování skutečného chování milionů relací se všemi výhodami i zkresleními, která to přináší a k nim se ještě dostaneme.
Kdy?
První a možná nejzábavnější zjištění je, že používání Claude věrně kopíruje rytmus lidského života. Pracovní dotazy během týdne, osobní o víkendu.
Konkrétně: podíl konverzací klasifikovaných jako osobní použití stoupá z přibližně 35 % ve všední dny na téměř 50 % o víkendech. A nejde jen o objem – mění se i obsah. O víkendu se uživatelé přesouvají od obchodní korespondence, marketingových textů a prezentací k emoční podpoře, zdravotním otázkám a investičnímu poradenství. Tento posun je největší v zemích s vysokými příjmy. Pondělí ráno tedy zjevně patří e-mailům, neděle večer úvahám o životě a portfoliu.
Hodinová data jdou ještě o úroveň hlouběji a tady se výzkum mění v jakousi sociologii všedního dne. Lidé žádají o zprávy v 7 ráno místního času. Obchodní korespondence kopíruje oblouk pracovního dne s mírným vrcholem mezi 10. a 11. hodinou. Jeden z největších skoků patří receptům, které jsou v 18:00 hodin 2,3× častější než v průměru – tedy přesně v okamžiku, kdy člověk stojí nad ledničkou a uvažuje, co bude k večeři. Doporučení na filmy a seriály se koncentrují do večera. A rady ohledně spánku vrcholí v hodinách těsně před úsvitem, což je vlastně docela smutné a ze života.
Zajímavý je i víkendový posun v technické práci. U kódovacího nástroje Claude Code o víkendu nejvíce klesají úlohy kolem backendové architektury, ladění API a datových úložišť. Naopak nejvíce rostou návrhy AI agentů, kvantitativní obchodování a herní vývoj. Víkend zkrátka patří koníčkům i u programátorů – jen místo m pracovních úkolů staví svého obchodního bota. Napříč zeměmi navíc platí, že konverzace o zakládání podnikání jsou nejčastější právě v sobotu a v neděli.
Daňové období dodalo asi také jeden poznatek. Kolem amerického termínu pro podání přiznání 15. dubna prudce vyskočil podíl daňových konverzací – 14. dubna byly osmkrát častější než v průměrný květnový den, 15. dubna zůstaly zhruba stejně vysoké a 16. dubna spadly.
Mimo pracovní dobu makají lépe placené profese
A z první kapitoly ještě jednu zajímavost. O nocích a víkendech, kdy se lidé přece jen obracejí na Claude kvůli práci, se úlohy posouvají směrem k vysoce placeným profesím. Úlohy spojené s povoláními ze spodních dvou mzdových kvartilů – jako telemarketing nebo administrativa – naopak klesají na menší podíl. To dává smysl.
Anthropic to interpretuje opatrně: nedokáže s jistotou určit povolání tazatelů, ale vzorec odpovídá tomu, že lidé v lépe placených profesích – marketingoví manažeři, programátoři – častěji pracují mimo tradiční hodiny. A nejde čistě o IT obory: i když výzkumníci v kontrolní analýze odebrali počítačové a matematické profese, úlohy z vyšších kvartilů na nocích a víkendech stále rostly.
Co?
Nový klasifikátor roztřídil výstupy do více než třiceti kategorií a identifikovall, že nejčastější jde o vysvětlení (17 % konverzací), práci s dokumenty a reporty (15 %) a návody (11 %). Když to seskupíme: konverzační výstupy jako vysvětlení a návody tvoří zhruba třetinu, písemné výstupy jako dokumenty a prezentace také zhruba třetinu, a kód a technická práce asi šestinu.
Samotný typ výstupu ovšem neřekne, k čemu slouží. Tentýž artefakt může být pracovní i osobní. Některé kategorie jsou téměř výhradně osobní – přes 80 % konverzací produkujících kreativní psaní, návody a recepty spadá do osobní kategorie. Přitom i uvnitř jedné kategorie se osobní a pracovní použití liší: osobní kreativní psaní ovládá fanfikce, budování fiktivních světů a poezie, zatímco oněch 13 % pracovního kreativního psaní jsou hlavně scénáře krátkých videí a projevy. Naopak nejvíce pracovní jsou tvorba marketingového obsahu (80 %), blogů a článků (81 %) a databázových dotazů (82 %).
Dražší práce = vyšší útrata
Výzkumníci dali používání AI do korelace s výpočetním výkonem, nakonec, to tvoří podstatný náklad. Ukazuje se, že tento výkon roste s hodnotou práce.
Anthropic měřil náklady každé konverzace v tokenech – tedy v objemu zpracovaného a vygenerovaného textu včetně vnitřního uvažování modelu – a namapoval každou úlohu na povolání, které ji typicky vykonává. Výsledkem je pozitivní vztah mezi mediánovým počtem tokenů na konverzaci a mediánovou mzdou v daném povolání. Příklad: marketingoví manažeři vydělávají zhruba dvojnásobek toho co editoři (80 vs. 37 dolarů za hodinu) a konverzace mapované na jejich úlohy spotřebovávají přibližně 2,5× více tokenů.
Vztah samozřejmě není dokonalý a má své výjimky třeba takoví farmaceuti vydělávají skoro trojnásobek toho co lidi kolem statistik a dat, ale jejich konverzace spotřebují jen asi dvacetinu tokenů. Přesto je trend zřetelný. Týž vzorec platí i napříč typy výstupů: konverzace o stavbě aplikací spotřebují přes trojnásobek tokenů mediánové konverzace, zatímco typické vysvětlení jen asi pětinu. Zhruba 44 % mzdového gradientu ve spotřebě tokenů vysvětluje právě skladba výstupů – lépe placené profese častěji produkují výpočetně náročnější artefakty.
A teď proč na tom záleží? Pokud se totiž začneme bavit o nahrazování práce, pak se ukazuje, ze v konverzacích mapovaných na lépe placená povolání Claude produkuje 1,34× více výstupu na jeden zátah a uživatelé se zároveň více zapojují: 1,53× častěji a častěji také zapínají rozšířené uvažování (34 % konverzací oproti 31 %) – tzv. thinking model.
Vzorec tak vypadá spíše jako rozšiřování práce než její nahrazování. Vyšší hodnota výstupu zkrátka něco stojí, a to něco není jen výkon stroje, ale i pozornost člověka.
Report také zavádí škálu samostatnosti AI od 1 do 5 – od „žádné“ po „extrémní“. Málo samostatnosti mají úlohy, které se dají snadno zadat: matematika, překlady nebo otázky a odpovědi, kde je výsledek vlastně daný už tím, co napíšete. Hodně autonomie naopak vyžadují úlohy, kde si AI musí vybírat z mnoha možností, jako je třeba stavba aplikace, webu, hry nebo prezentace.
Co je podle mne zajímavé, je volba nástroje. Stejná úloha může mít úplně jinou míru samostatnosti podle toho, kde ji zadáte. Téměř u všech typů výstupů (26 z 31) dostává AI víc volnosti ve vývojářském nástroji agentského typu Claude Code než v chatu. To dává vcelku smysl. Nejlépe to ukazuje třeba takový článek. Zatímco v chatu si ho s Claudem postupně ladíte, typicky třinácti koly komunikace tam a zpět, v Claude Code stačí jediné zadání a zbytek si model odřídí sám. Stejný výsledek, ale podruhé člověk jen zadá a počká. Zajímavé přitom je, že vyšší samostatnost plyne spíš z nástroje než z agentského určení jako takového. Cowork, byť také agentský, report řadí svou mírou samostatnosti k chatu, ne k Claude Code. Naopak Cowork pracuje samostatněji u datové a tabulkové práce, což bude dáno tím, že data a tabulky mají uživatelé obvykle uložena lokálně, a to je právě doména Claude Coworku.
Dalo by se namítnout, že větší samostatnost plyne prostě z toho, že Claude Code běží častěji na nejvýkonnějším modelu (54 % oproti 10 % u chatu a Coworku). Jenže rozdíl zůstává, i když porovnáme tentýž model. Nerozhoduje tedy „mozek“ pod tím, ale prostředí, ve kterém pracujete – samotné rozhraní určuje, kolik práce člověk přenechá stroji. A přesně tytéž úlohy, kde lidé nejvíc delegují, jsou ty, které spotřebují nejvíc tokenů: samostatnost a spotřeba výkonu jdou ruku v ruce.
Jak lidé vnímají dopad AI na vlastní práci
Třetí kapitola opouští logy a poprvé se ptá lidí přímo. Anthropic v dubnu 2026 spustil Economic Index Survey a propojil odpovědi s daty o reálném používání. Výsledný vzorek tvoří zhruba 9 700 respondentů.
Hned na úvod upozornění, které report sám zdůrazňuje: vzorek není reprezentativní pro běžnou populaci. Jde o náhodný výběr uživatelů Claude, navíc s filtrací těch nejméně aktivních. Proto zřejmě počítačové a matematické profese tvoří asi 30 % respondentů, což je mnohonásobně více než jejich 4% podíl na americké zaměstnanosti. Management je rovněž silně nadreprezentovaný. Fyzické profese jako doprava, stravování nebo stavebnictví jsou naopak podhodnocené. Čísla níže je tedy třeba číst jako pohled aktivních uživatelů AI, nikoli celé společnosti.
Většina respondentů očekává výrazný pokrok AI během příštího roku. Téměř 6 z 10 zvolilo pro příští rok vyšší pásmo schopností než pro dnešek a přes třetinu očekává, že AI bude schopná dělat většinu nebo téměř všechny jejich pracovní úkoly. Očekávání ohledně tempa budoucího pokroku jsou pozoruhodně jednotná. Software inženýr i stavbyvedoucí očekávají zhruba stejný přírůstek pokroku ve svém oboru. Report to dává do souvislosti s představou „stoupajícího přílivu“, kdy se schopnosti AI zlepšují plošně.
Vnímání současných schopností přitom klesá se zkušeností. Lidé s alespoň 15 lety praxe odhadují podíl úkolů, které AI zvládne, zhruba o 10 procentních bodů níže než lidé v prvním roce. Důvod podle navazujících otázek? Zkušení pracovníci nahromadili tacitní, kontextově specifickou expertízu, kterou AI těžko napodobí. Nejčastěji zmiňovali, že AI postrádá úsudek, kontextové povědomí a situační uvažování a disproporčně často poukazovali na vztahové a mezilidské rozměry práce, jako je budování důvěry a vedení lidí.
Obavy o zaměstnání jsou mírné a hlavně asymetrické. Deset procent hodnotí ztrátu vlastní práce jako pravděpodobnou, což je mírně pod reálnou roční mírou propouštění v USA. Respondenti se ale v průměru více báli o práci ostatních než o svou vlastní. Nejvíce o juniorní kolegy, kde přes třetinu odhadla pravděpodobnost ztráty místa nad 60 %. Tendence vidět vlastní situaci růžověji než cizí je ostatně dobře známý lidský sklon (Lake Wobegon effect).
Kdo nejvíce deleguje, je nejoptimističtější
Jaké je podle mne nejméně intuitivní zjištění celého reportu? Existuje obecná obava, že lidé, kteří AI hojně předávají celé úlohy, budou nejvíce vyděšení z toho, že je nahradí. Data ukazují pravý opak. Napříč všemi šesti sledovanými dimenzemi jako je mzda, jistota zaměstnání, schopnost najít novou práci, smysl, autonomie a lidská interakce, jsou lidé s vyšším podílem automatizovaných relací optimističtější ohledně dopadu AI na svou práci než ti, kdo Claude používají spíše ke spolupráci. Největší efekty se ukázaly u očekávání ohledně budoucí mzdy a schopnosti najít práci.
Proč to tak je, report s jistotou neříká, ale nabízí dvě vysvětlení. Buď je delegování informativní: kdo předá celou úlohu, na vlastní oči vidí, co AI zvládne sama. Nebo jsou lidé, kteří už věří ve schopnosti AI, prostě ochotnější jí práci předat. Tyto odhady se přitom zásadně nemění ani po zohlednění délky používání AI, kterou lze brát jako náhražku za nadšení.
S tím souvisí i otázka učení a myšlení. Často se ozývá obava, že předávání celých úloh AI znamená vypínání vlastního myšlení, kdy výstup roste na úkor učení a atrofie dovedností. Data tento vzorec nepotvrzují: lidé, kteří hodně delegují, uvádějí, že se učí stejně jako ostatní, a podíl těch, kdo cítí, že jim AI zvyšuje tržní hodnotu dovedností, s mírou automatizace dokonce roste. Opět ale jde o sebehodnocení uživatelů a že dovednosti mohou erodovat, i když je člověk vnímá jako cennější. Viz zmiňovaný Lake Wobegon.
Co si z toho odnést?
Report kreslí docela koherentní obraz. AI se rychle šíří ekonomikou, napříč rostoucím počtem rozhraní a se stále inteligentnějšími výstupy. Zatímco první uživatelé byli vysoce techničtí, ti nejnovější nasazují Claude na úlohy s nižšími mzdami na trhu práce.
Pro praxi z toho plyne několik věcí. Hodnotnější výstupy stojí víc výpočetního výkonu i lidské pozornosti zároveň a nejde tedy o to nahradit člověka, ale párovat ho s AI právě tam, kde se hraje o nejvíc hodnoty. Způsob práce přitom rozhoduje víc než model: tentýž model se v agentním nástroji chová autonomněji než v chatu. A konečně, lidé nejblíže hranici schopností AI z ní mají nejmenší strach, což je možná ten nejdůležitější vzkaz pro každého, kdo o nasazení AI ve firmě teprve uvažuje.
Skutečný dopad na ekonomiku se velice pravděpodobně nakonec projeví v agregátech jako zaměstnanost a produktivita stejně jako ve sledovaných záznamech používání. Než se to ale stane, je sledování těchto měnících se vzorců jedním z mála způsobů, jak vidět, kam se věci posouvají, a proto stojí minimálně za přečtení.
Zdroj: Anthropic Economic Index report: Cadences, 26. 6. 2026. – Ke stažení
