Vzdělávání pro svět, který ještě neznáme: Co se učit v době umělé inteligence?

Umělá inteligence zásadně mění způsob, jakým pracujeme, učíme se a přemýšlíme. Jak ale připravovat mladé lidi na svět, jehož podobu ještě neznáme? Vzdělávání budoucnosti musí propojovat odborné znalosti, AI gramotnost a mezilidské dovednosti se schopností kriticky myslet, učit se a také se odnaučovat překonané způsoby uvažování. V tomto článku se na základě vědeckých výzkumů podíváme na to, jak AI proměňuje vzdělávání a pracovní trh, proč samotné předávání informací nestačí a jakou roli budou hrát kreativita, spolupráce a koučovací dovednosti. Protože skutečným výsledkem vzdělávání by neměl být jen dobře splněný úkol, ale především schopnější člověk, připravený zvládat změny a vytvářet budoucnost společně s ostatními.

Obsah článku

1. Vzděláváme mladé lidi pro svět, který už nebude existovat?

Představme si vysokoškolského studenta, který dostane za úkol napsat seminární práci na poměrně složité téma. Ještě před několika lety by musel vyhledat odbornou literaturu, přečíst několik studií, porozumět jejich závěrům, porovnat různé argumenty a nakonec formulovat vlastní stanovisko.

Dnes může zadání vložit do ChatGPT. Během několika minut získá strukturovaný text, argumentaci, závěry i seznam doporučené literatury. Po několika úpravách může odevzdat práci, která působí jako výsledek mnoha hodin pečlivého studia.

Jenže naučil se při tom skutečně něco? Dokázal by své závěry obhájit v diskusi? Rozpoznal by, kdyby umělá inteligence použila chybný argument nebo si některý ze zdrojů vymyslela?

Podobná situace se dnes odehrává i ve firmách. Zaměstnanec dostane za úkol analyzovat konkurenci a připravit strategickou prezentaci. S pomocí AI může za hodinu vytvořit materiál, který by dříve připravoval několik dní. Obsahuje profesionální grafiku, přesvědčivě formulované závěry a konkrétní doporučení.

Ale co když se ho vedení začne ptát na předpoklady, ze kterých analýza vychází? Co když se podmínky na trhu změní? Dokáže závěry kriticky posoudit, nebo pouze prezentuje něco, čemu sám dostatečně nerozumí?

V obou případech vznikl kvalitní výstup. Otázkou je, zda se současně zvýšily i schopnosti člověka, který jej vytvořil.

A právě v tom spočívá jeden z největších paradoxů současného vzdělávání.

Když lepší výsledky neznamenají lepší učení

Dlouhou dobu jsme ve vzdělávání do značné míry předpokládali, že kvalitní výsledek je důkazem získaných znalostí a dovedností. Dobře napsaná práce, správně vyřešený matematický příklad nebo povedená prezentace naznačovaly, že student látce rozumí.

S nástupem generativní AI ale toto spojení přestává být samozřejmé. Člověk může dosahovat stále lepších výsledků, aniž by se sám stával kompetentnějším.

Že nejde pouze o teoretickou obavu, ukazuje výzkum Hamsy Bastani a jejích kolegů, publikovaný v roce 2025 v prestižním vědeckém časopise Proceedings of the National Academy of Sciences (PNAS).

Výzkumníci sledovali téměř tisíc středoškolských studentů při procvičování matematiky. Jedna skupina mohla používat běžného asistenta založeného na GPT-4, druhá speciálně upraveného AI tutora a kontrolní skupina pracovala bez těchto nástrojů.

Studenti využívající běžného AI asistenta dosahovali při procvičování v průměru o 48 % lepších výsledků než kontrolní skupina. Na první pohled obrovský úspěch.

Jenže když jim výzkumníci následně přístup k AI odebrali a nechali je absolvovat test samostatně, dosáhli o 17 % horších výsledků než studenti, kteří AI při procvičování vůbec neměli.

U skupiny se speciálně navrženým AI tutorem, který studenty vedl pomocí nápověd namísto poskytování hotových odpovědí, se tento negativní efekt prakticky neprojevil. Ani zde však nebylo v následném samostatném testu prokázáno významné zlepšení oproti kontrolní skupině.

Studie tak ukázala něco zásadního: nástroj, který nám pomáhá úkol úspěšně dokončit, nám nemusí současně pomáhat rozvíjet schopnosti potřebné k jeho samostatnému zvládnutí.

Samozřejmě jde o konkrétní experiment s výukou matematiky, nikoliv o důkaz, že AI obecně poškozuje učení. Výsledky ale upozorňují na riziko, které se může týkat mnoha dalších oblastí.

Umělá inteligence může odstranit právě tu námahu, díky které se učíme

Na stejný problém upozorňuje také zpráva OECD Digital Education Outlook 2026, která analyzuje možnosti a rizika využívání generativní AI ve vzdělávání.

Její důležitý závěr lze shrnout jednoduše: úspěšné dokončení úkolu s pomocí AI ještě neznamená, že došlo k učení.

Abychom se něco skutečně naučili, potřebujeme vynaložit určité kognitivní úsilí. Musíme se pokoušet porozumět problému, vybavovat si znalosti, hledat souvislosti, formulovat hypotézy, dělat chyby a následně je opravovat.

Právě tyto procesy pomáhají vytvářet a upevňovat znalosti a dovednosti.

Pokud však všechny obtížné kroky přenecháme umělé inteligenci, můžeme se připravit právě o tu část práce, při které by probíhalo nejdůležitější učení.

V psychologii se používá pojem cognitive offloading – kognitivní odlehčování, tedy přenášení části mentálních úkolů na externí nástroje.

To samo o sobě není nic špatného. Lidé si odjakživa pomáhali zápisky, knihami, kalkulačkami nebo počítači. Nemusíme všechno držet v paměti a není důvod vykonávat každou rutinní činnost vlastní hlavou.

Rozhodující je ale rozdíl mezi tím, když technologii využíváme k rozšíření svých schopností, a tím, když jí přenecháme samotný proces, jehož prostřednictvím bychom tyto schopnosti měli získat.

Jestliže se učíme řešit problémy tím, že je přenecháváme AI, co se vlastně učíme?

Zároveň by bylo chybou vyvodit z těchto výzkumů, že bychom měli umělou inteligenci ze vzdělávání odstranit. OECD naopak upozorňuje na značný potenciál AI tutorů, kteří jsou navrženi tak, aby podporovali aktivní přemýšlení, poskytovali přiměřenou zpětnou vazbu a vedli studenty k samostatnému hledání řešení.

Problém tedy není v samotné technologii, ale především v tom, jak ji používáme a jaký cíl vzděláváním sledujeme.

Vzděláváme lidi, nebo hodnotíme jejich produkty?

Tradiční vzdělávání bylo do značné míry organizováno kolem osvojování určitého souboru znalostí a schopnosti tyto znalosti reprodukovat nebo aplikovat na předem definované úlohy.

Takový přístup měl a stále má své opodstatnění. Bez znalostí nemůžeme kvalifikovaně přemýšlet, rozpoznávat chyby ani vytvářet nová řešení. Znalosti jsou nezbytným základem skutečné odbornosti.

Jenže svět, pro který byl tento model vzdělávání vytvořen, se rychle mění.

Ještě donedávna představovala schopnost vyhledávat informace, analyzovat je, strukturovat a srozumitelně prezentovat významnou konkurenční výhodu. Dnes dokážou inteligentní systémy velkou část těchto činností vykonat během několika sekund.

To samozřejmě neznamená, že tyto schopnosti přestávají být důležité. Mění se ale jejich role. Nestačí umět informace získat nebo zpracovat. Stále důležitější bude rozumět jejich významu, posoudit jejich spolehlivost, odhalit skryté předpoklady a rozhodnout, jak s nimi naložit.

A především dokázat přemýšlet i tehdy, když žádný technologický nástroj nenabízí jednoznačnou odpověď.

Možná proto stojíme před nutností změnit samotnou otázku, kterou si při navrhování vzdělávání klademe.

Namísto „Co všechno musí student znát a umět, aby úspěšně absolvoval školu?“ bychom se měli častěji ptát:

„Jakým člověkem se má díky vzdělávání stát a jaké schopnosti bude potřebovat, aby dokázal zvládat situace, které dnes ještě neumíme předvídat?“

To platí nejen pro děti a studenty, ale stejně tak pro dospělé. Profesní vzdělávání už nemůže být pouze jednorázovým získáním kvalifikace, která nám vystačí na celý pracovní život.

Člověk, který dnes dokončuje školu, může během následujících desetiletí několikrát zásadně změnit svou profesi. Stejně tak zkušený manažer nebo odborník může zjistit, že znalosti a postupy, které mu přinášely úspěch posledních dvacet let, už v nových podmínkách nestačí.

Budoucnost vzdělávání proto nespočívá jen v předávání dalších a dalších znalostí. Musí zahrnovat také schopnost samostatně myslet, učit se novým věcem, kriticky přehodnocovat dosavadní přesvědčení, spolupracovat s ostatními a přizpůsobovat se změnám.

Jestliže nevíme, jak bude vypadat svět, ve kterém budou dnešní studenti pracovat a žít, měli bychom je připravovat především na to, aby v něm dokázali samostatně přemýšlet, rozhodovat se a učit se.

A to nás přivádí k další otázce: Jak se vlastně mění svět práce a které znalosti a schopnosti v něm budou mít největší hodnotu?

2. Trh práce se mění. Ale jinak, než jsme očekávali

Když se dnes mluví o umělé inteligenci a budoucnosti práce, diskuse se často zužuje na jedinou otázku: Kolik pracovních míst AI nahradí?

Budou ještě potřeba programátoři, účetní, právníci nebo překladatelé? Přijdou o práci administrativní pracovníci? Nahradí inteligentní systémy obchodníky, manažery, učitele nebo dokonce lékaře?

Podobné otázky jsou pochopitelné. Umělá inteligence dnes dokáže během několika sekund vykonat řadu činností, které ještě nedávno vyžadovaly hodiny kvalifikované lidské práce. A její schopnosti se rychle rozšiřují.

Přesto je představa, že AI jednoduše nahradí určitý počet lidí a jejich profesí, příliš zjednodušující.

Historie technologických změn ostatně ukazuje, že inovace pracovní místa nejen ruší, ale také vytvářejí. Především však mění samotnou povahu práce. Některé činnosti zanikají, jiné vznikají a další získávají úplně nový význam.

Tentokrát je navíc situace v jednom ohledu odlišná. Zatímco předchozí vlny automatizace zasahovaly především fyzickou a rutinní práci, generativní AI proniká přímo do oblasti intelektuálních činností. Dokáže analyzovat informace, vytvářet texty, programovat, vyhodnocovat dokumenty i navrhovat řešení komplexních problémů.

To však nemusí znamenat konec profesí, které tyto činnosti zahrnují. Může to znamenat jejich zásadní proměnu.

Nezanikají nutně profese. Mění se jejich obsah.

V květnu 2025 zveřejnila Mezinárodní organizace práce (ILO) společně s polským výzkumným institutem NASK rozsáhlou analýzu dopadů generativní umělé inteligence na pracovní trh.

Výzkumníci zkoumali téměř 30 000 pracovních úkolů a vyhodnocovali, do jaké míry by je bylo možné automatizovat pomocí generativní AI.

Výsledek? Přibližně čtvrtina pracovních míst na světě vykazuje určitou míru vystavení generativní AI. Ve vyspělých ekonomikách je tento podíl ještě vyšší — kolem 34 %.

Jenže vystavení technologii neznamená automaticky ztrátu zaměstnání.

Práce většiny lidí totiž není jedinou činností, kterou lze jednoduše automatizovat. Skládá se z mnoha úkolů, z nichž některé může AI převzít, jiné urychlit a další zůstávají závislé na lidském rozhodování, odpovědnosti, zkušenostech nebo interakci s ostatními.

Proto ILO považuje za pravděpodobnější rozsáhlou transformaci pracovních míst než jejich plošné nahrazování. Současně upozorňuje, že skutečný dopad bude záviset na rychlosti zavádění technologií, organizaci práce a rozhodnutích zaměstnavatelů i veřejných institucí.

Představme si například práci lékaře. AI může pomáhat s vyhodnocováním diagnostických dat, analýzou odborné literatury nebo vedením dokumentace. Lékař však stále musí zasadit tyto informace do kontextu konkrétního pacienta, rozhodovat za nejistoty, komunikovat a nést profesní odpovědnost.

Podobně se může změnit práce softwarového vývojáře. Pokud AI dokáže vytvořit značnou část programového kódu, může se větší část hodnoty vývojáře přesunout k navrhování architektury, porozumění potřebám uživatelů, kontrole správnosti, bezpečnosti a integraci jednotlivých částí systému.

A obchodník, který dříve věnoval velkou část času přípravě nabídek, analýze zákazníků a administrativě, může tyto činnosti stále více delegovat na inteligentní nástroje. Jeho přidaná hodnota se pak může více soustředit na porozumění zákazníkovi, vytváření důvěry, vyjednávání a hledání řešení.

Neznamená to, že všechna dnešní pracovní místa zůstanou zachována. Některé pozice skutečně zmizí, jiné se mohou slučovat a některé firmy využijí automatizaci především ke snížení nákladů na zaměstnance.

Podstatné ale je, že profese nemusí zaniknout, aby se znalosti a dovednosti potřebné k jejímu výkonu radikálně změnily.

Do roku 2030 se může změnit téměř 40 % pracovních dovedností

Rozsah očekávaných změn dobře ilustruje zpráva Future of Jobs Report 2025 Světového ekonomického fóra (WEF).

Na základě průzkumu více než tisícovky zaměstnavatelů z 55 ekonomik odhaduje, že do roku 2030 vznikne celosvětově přibližně 170 milionů nových pracovních míst, zatímco 92 milionů stávajících míst zanikne.

Výsledkem by mohl být čistý přírůstek 78 milionů pracovních míst.

Tato čísla samozřejmě nejsou předpovědí, která se musí naplnit. Jde o modelový výhled založený především na očekáváních zaměstnavatelů, navíc zahrnující vliv řady ekonomických, demografických a technologických změn, nikoliv pouze AI.

Pro budoucnost vzdělávání je však možná ještě důležitější jiný údaj.

Podle zaměstnavatelů se do roku 2030 promění nebo zastará přibližně 39 % současných klíčových pracovních dovedností: pracovní místo může existovat dál, ale člověk, který ho vykonává, bude potřebovat výrazně odlišnou výbavu.

Jaké schopnosti tedy budou zaměstnavatelé požadovat?

Není překvapivé, že mezi nejrychleji rostoucí patří dovednosti spojené s umělou inteligencí, velkými daty, kybernetickou bezpečností a technologickou gramotností.

Mnohem zajímavější je ale druhá část žebříčku.

Za nejdůležitější současnou klíčovou dovednost označuje 69 % zaměstnavatelů analytické myšlení. Následují odolnost, flexibilita a agilita, leadership a sociální vliv, kreativní myšlení či motivace a sebeuvědomění. Mezi schopnostmi, jejichž význam má dále růst, figurují také zvídavost a celoživotní učení.

To je pozoruhodné. Čím více se rozvíjejí inteligentní technologie, tím důležitější se vedle technických kompetencí stávají také schopnosti spojené s lidským myšlením, adaptabilitou a spoluprací.

Není to proto, že by AI nedokázala analyzovat, tvořit nebo komunikovat. V mnoha těchto činnostech už dnes dosahuje velmi dobrých výsledků.

Rozdíl spočívá spíše v tom, že člověk musí umět technologie smysluplně využít v konkrétním prostředí, správně definovat problémy, posuzovat výsledky, rozhodovat mezi různými možnostmi a spolupracovat s ostatními.

Budoucnost práce tak pravděpodobně nebude spočívat v soutěži lidských a umělých schopností, ale ve způsobu jejich kombinování.

Česká republika: změny se dotknou milionů lidí

Podobný obraz nabízí také česká data.

Aktualizovaná studie Boston Consulting Group a Aspen Institute Central Europe, připravená ve spolupráci s Ministerstvem práce a sociálních věcí, zveřejněná v dubnu 2025, odhaduje, že generativní umělá inteligence do roku 2035 ovlivní více než 40 % pracovních míst v České republice.

To představuje přibližně 2,3 milionu pracovníků.

U zhruba 600 tisíc z nich by změny pracovní náplně mohly být natolik výrazné, že si vyžádají zásadní rozšíření nebo změnu dosavadních kompetencí.

Studie současně předpokládá, že do roku 2035 by díky širšímu ekonomickému vývoji, inovacím a změnám poptávky mohlo vzniknout asi 955 tisíc nových pracovních pozic, zatímco přibližně 355 tisíc jich zanikne.

Ani tato čísla nelze interpretovat jako přímý počet pracovních míst vytvořených nebo zrušených umělou inteligencí. Studie modeluje širší proměnu české ekonomiky.

Zajímavé však je, že jedním z hlavních problémů budoucího českého trhu práce nemusí být pouze nezaměstnanost způsobená technologiemi, ale také nedostatek lidí s odpovídajícími dovednostmi.

Mohou tak vedle sebe existovat dvě zdánlivě protichůdné situace: některé profese budou ztrácet pracovní místa, zatímco jiné obory budou zoufale hledat zaměstnance.

A právě zde začíná být otázka vzdělávání zásadní.

Nebude totiž stačit vytvářet nové pracovní příležitosti. Bude také nutné umožnit lidem, aby dokázali přecházet mezi profesemi, osvojovat si nové dovednosti a přehodnocovat dosavadní způsoby práce.

Umělá inteligence ale není jedinou silou, která mění svět práce

Bylo by chybou dívat se na budoucnost práce pouze optikou umělé inteligence.

Ve skutečnosti se současně odehrává několik rozsáhlých změn, které se navzájem ovlivňují.

Tyto trendy popisuje i zpráva WEF, která technologické změny, demografii, geoekonomické napětí a ekologickou transformaci označuje za hlavní síly proměňující pracovní trh.

Jejich společným jmenovatelem je rostoucí potřeba přizpůsobování.

Člověk může mít vynikající vzdělání, dlouholetou zkušenost a hlubokou odbornost — a přesto se ocitnout v situaci, kdy se prostředí, pro které své schopnosti rozvíjel, podstatně změní.

Od celoživotní profese k celoživotnímu učení

Po většinu dvacátého století bylo běžné uvažovat o vzdělání jako o přípravě na relativně stabilní profesní dráhu.

Člověk vystudoval školu, získal kvalifikaci, nastoupil do zaměstnání a během následujících desetiletí především prohluboval svou odbornost a zkušenosti.

Samozřejmě i tehdy docházelo k technologickým a ekonomickým změnám. Základní představa však byla poměrně jednoduchá: nejprve se připravujeme na profesi a následně ji vykonáváme.

Tento model dnes stále méně odpovídá realitě.

Nestačí totiž jen průběžně aktualizovat odborné znalosti. Někdy bude nutné změnit samotný způsob, jakým o své práci přemýšlíme.

Manažer, který dosahoval úspěchu díky důsledné kontrole podřízených, se možná bude muset naučit vytvářet prostředí pro autonomní práci lidí a inteligentních systémů.

Odborník, který stavěl svou profesní identitu na tom, že zná správné odpovědi, může zjistit, že jeho největší hodnotou je nyní schopnost klást správné otázky a posuzovat alternativní řešení.

A člověk, jehož kvalifikace přestane odpovídat potřebám trhu, bude možná muset opustit část dosavadní odbornosti a začít se učit něco úplně nového.

Právě zde se dostáváme od klasického vzdělávání ke konceptům lifelong learning, reskilling, upskilling a také unlearning, tedy schopnosti přehodnocovat a v případě potřeby opouštět dosavadní mentální modely, návyky a přesvědčení.

To však neznamená, že odpovědnost za přizpůsobení můžeme jednoduše přenést na jednotlivce. Firmy, vzdělávací instituce i stát budou muset vytvářet podmínky, které lidem umožní se skutečně rozvíjet a měnit svou profesní dráhu.

A možná je čas přehodnotit i samotný význam profesní kvalifikace.

Diplom nebo certifikát může dokládat, co se člověk naučil v určitém okamžiku. Nemůže však zaručit, že tyto znalosti a dovednosti budou za deset nebo dvacet let stále postačovat.

To, co může mít dlouhodobější hodnotu, je schopnost samostatně myslet, rozpoznávat nové souvislosti, učit se, přehodnocovat vlastní předpoklady a spolupracovat s ostatními.

Nemusíme dnes přesně vědět, která povolání budou existovat v roce 2040. Měli bychom však rozumět tomu, jaké schopnosti lidem umožní uspět ve světě, jehož podobu ještě neznáme.

A tím se dostáváme k možná nejdůležitější otázce celého vzdělávání budoucnosti:

Co bychom se vlastně měli učit, když nevíme, co přesně budeme v budoucnu potřebovat?

3. Co bychom se měli učit, když neznáme budoucnost?

Pokud se pracovní trh mění stále rychleji a nedokážeme spolehlivě předpovědět, jaké profese budou existovat za patnáct nebo dvacet let, nabízí se zdánlivě jednoduchá otázka:

Co bychom vlastně měli učit dnešní děti, studenty i dospělé?

Má ještě smysl učit se fakta, když máme téměř neomezený přístup k informacím? Má cenu studovat programování, když umělá inteligence dokáže během několika sekund vytvořit funkční kód? A proč věnovat roky získávání odborných znalostí, když nám AI dokáže odpovídat na otázky z téměř jakéhokoliv oboru?

Podobné úvahy mohou svádět k závěru, že tradiční znalosti ztrácejí hodnotu a vzdělávání by se mělo soustředit především na kreativitu, kritické myšlení, komunikaci a další takzvané měkké dovednosti.

Jenže tím bychom se dopustili zásadního omylu.

Kritické myšlení bez znalostí je totiž stejně problematické jako znalosti bez kritického myšlení.

Člověk, který určité oblasti nerozumí, nedokáže spolehlivě posoudit správnost informací, rozpoznat slabiny argumentace ani odhalit, kdy ho umělá inteligence vede k chybnému závěru.

Na druhé straně ani rozsáhlé znalosti automaticky neznamenají schopnost dobře přemýšlet. Můžeme být experty ve svém oboru, a přesto zůstávat uvězněni v představách, které už neodpovídají skutečnosti.

Vzdělávání budoucnosti proto nemusí stát před volbou mezi znalostmi a dovednostmi. Mělo by hledat způsob, jak je vzájemně propojit.

Pro tento účel si můžeme představit tři základní pilíře vzdělávání, které spojuje schopnost neustále přehodnocovat vlastní poznání a přizpůsobovat se měnícímu se světu.

První pilíř: Znalosti jako základ samostatného myšlení

Znalosti nejsou jen souborem informací uložených v paměti. Jsou základem, na kterém vytváříme vlastní představu o světě.

Umožňují nám rozpoznávat souvislosti, formulovat otázky, posuzovat argumenty a vytvářet nové myšlenky.

Představme si například člověka bez základních znalostí statistiky, který požádá AI o analýzu výsledků výzkumu. Dostane přehlednou zprávu, grafy a přesvědčivě formulované závěry. Pokud však nerozumí rozdílu mezi korelací a kauzalitou, významu velikosti účinku nebo omezením výzkumného vzorku, jen obtížně posoudí, zda jsou závěry skutečně oprávněné.

Podobně člověk bez historických znalostí může jen obtížně kriticky hodnotit politická tvrzení založená na interpretaci minulosti. A člověk bez základního porozumění biologii nebo fyziologii snadno podlehne zdánlivě vědeckým tvrzením o zdraví.

Znalosti jsou tedy jakýmsi palivem kritického myšlení. Poskytují nám materiál, se kterým můžeme pracovat.

To potvrzuje i výzkum Microsoft Research a Carnegie Mellon University, publikovaný v roce 2025 na konferenci CHI. Výzkumníci zkoumali 319 znalostních pracovníků a 936 konkrétních příkladů jejich práce s generativní AI.

Zjistili, že vyšší důvěra ve schopnosti AI souvisela s menším zapojením kritického myšlení, zatímco větší sebedůvěra ve vlastní schopnost zvládnout daný úkol souvisela s jeho častějším používáním. Šlo o dotazníkový výzkum, který sám o sobě neprokazuje příčinnou souvislost, ale ukazuje důležitý vztah mezi odbornou jistotou, důvěrou v technologie a ochotou ověřovat jejich výsledky.

Právě dostupnost AI tak může hodnotu skutečných znalostí paradoxně zvyšovat. Čím snadněji získáme odpověď, tím důležitější je umět rozpoznat, zda je správná.

Nejde ovšem o to zapamatovat si co nejvíce izolovaných faktů. Důležité je

• vytvářet propojené znalostní struktury,
• rozumět základním principům jednotlivých oborů a 
• umět získané poznatky používat v nových situacích.

To platí pro čtenářskou a matematickou gramotnost stejně jako pro přírodní vědy, historii, ekonomii nebo technické obory.

Znalosti jsou předpokladem samostatného myšlení. Nesmějí se však stát jeho hranicí.

A právě v tom spočívá druhá, často přehlížená stránka vzdělanosti:

musíme se učit nejen poznatky získávat, ale také je zpochybňovat.

Vědecký pokrok ostatně nevzniká pouze rozšiřováním dosavadního vědění. Někdy vyžaduje zásadní přehodnocení předpokladů, které byly dlouho považovány za samozřejmé.

Skutečně vzdělaný člověk by proto měl dokázat rozlišovat mezi tím, co je spolehlivě podloženo důkazy, co představuje nejlepší současné vysvětlení a co je pouze předpoklad nebo zažitá konvence.

Respekt k vědeckému poznání a schopnost ho kriticky přehodnocovat nejsou v rozporu. Naopak se vzájemně podmiňují.

Druhý pilíř: AI gramotnost jako nová základní kompetence

Ještě před několika desetiletími se počítačová gramotnost považovala za specializovanou dovednost. Dnes očekáváme, že prakticky každý vzdělaný člověk dokáže používat digitální technologie.

Podobně se postupně stává základní kompetencí také gramotnost v oblasti umělé inteligence AI literacy.

Neznamená to, že se každý musí stát programátorem, datovým analytikem nebo specialistou na strojové učení.

Znamená to především rozumět možnostem a omezením AI, dokázat ji smysluplně využívat a současně si zachovat vlastní úsudek a odpovědnost.

UNESCO ve svém rámci AI Competency Framework for Students z roku 2024 zdůrazňuje vedle technických znalostí také etiku, přístup zaměřený na člověka a schopnost podílet se na odpovědném vytváření a využívání AI systémů.

Podobně OECD a Evropská komise ve společném rámci Empowering Learners for the Age of AI z června 2026 definují AI gramotnost jako kombinaci znalostí, dovedností a postojů, které umožňují s AI pracovat, kriticky hodnotit její výsledky a rozumět jejím společenským dopadům.

Prakticky to znamená umět nejen formulovat kvalitní zadání, ale také porozumět problému, posoudit spolehlivost dat, ověřovat informace, rozpoznávat chyby a rozhodnout, kdy je vhodné AI použít a kdy nikoliv.

Zvlášť důležitá je schopnost nepovažovat přesvědčivě formulovanou odpověď za automaticky pravdivou.

Jazykové modely dokážou vytvářet mimořádně kvalitní texty, ale jejich výstupy nejsou zárukou věcné správnosti. Mohou obsahovat nepřesnosti, smyšlené zdroje, nevhodné předpoklady nebo přesvědčivě prezentované chybné závěry.

A čím lépe AI komunikuje, tím snadnější může být podlehnout iluzi, že jejím závěrům skutečně rozumíme.

Základní otázka proto není pouze: Jak efektivně využívat umělou inteligenci?

Stejně důležitá je otázka: Jak využívat umělou inteligenci tak, abychom současně rozvíjeli, a nikoliv oslabovali vlastní schopnost přemýšlet?

Dobře navržená spolupráce s AI může lidské schopnosti výrazně rozšiřovat. Může nám pomáhat objevovat nové souvislosti, zkoumat alternativní vysvětlení, formulovat protiargumenty nebo získávat okamžitou zpětnou vazbu.

Místo toho, abychom AI pouze žádali o odpověď, ji můžeme vyzvat, aby zpochybnila naše předpoklady, hledala slabá místa v argumentaci nebo nás vedla sérií otázek k hlubšímu porozumění.

Pak se z pouhého generátoru výsledků může stát velmi užitečný nástroj myšlení a učení.

Třetí pilíř: Lidské a interpersonální dovednosti

Třetí oblast považuji za neméně důležitou, přestože bývá ve vzdělávání často podceňována.

Jde o schopnost rozumět sobě, komunikovat s ostatními, spolupracovat, zvládat konflikty, vytvářet důvěru a společně hledat řešení problémů.

Takzvané měkké dovednosti bývaly často prezentovány jako příjemný doplněk odborné kvalifikace. Něco, čemu se můžeme věnovat, až zvládneme skutečně důležité profesní znalosti.

Jenže v prostředí, kde technologie stále více přebírají některé rutinní i odborné úkoly, může význam těchto schopností dále růst.

Představme si manažera, který má díky AI k dispozici perfektní analýzu problémů svého týmu. Ví, kde klesá produktivita, jaké procesy nefungují a která opatření by mohla situaci zlepšit. Samotná analýza ale ještě nezajistí změnu.

Manažer musí dokázat s lidmi hovořit, pochopit jejich pohled na situaci, pracovat s rozdílnými zájmy, otevřít nepříjemná témata a získat spolupráci ostatních.

Podobně může mít lékař k dispozici mimořádně přesné diagnostické nástroje a odborná doporučení. Pokud však nedokáže pacientovi porozumět, získat jeho důvěru a společně s ním hledat cestu ke změně životního stylu, nemusí ani odborně správné doporučení vést k požadovanému výsledku.

A učitel může využívat nejlepší vzdělávací technologie, ale stále potřebuje vytvářet prostředí, ve kterém se studenti nebojí ptát, přiznávat chyby, vyjadřovat nesouhlas a společně přemýšlet.

Tyto schopnosti bychom mohli souhrnně označit jako interpersonální gramotnost schopnost vědomě a konstruktivně fungovat ve vztazích s ostatními lidmi.

Zahrnuje aktivní naslouchání, empatii, schopnost klást otázky, argumentovat, poskytovat zpětnou vazbu, vyjednávat, zvládat konflikty i reflektovat vlastní chování.

To samozřejmě neznamená, že umělá inteligence nedokáže dobře komunikovat, formulovat otázky nebo simulovat empatický rozhovor. V některých situacích to dokáže překvapivě dobře.

Mezilidské vztahy ale nejsou pouze výměnou informací. Zahrnují také vzájemnou odpovědnost, společnou zkušenost, důvěru a důsledky našeho jednání.

A právě schopnost vytvářet a rozvíjet kvalitní vztahy je důležitá nejen pro práci, ale i pro osobní život a fungování celé společnosti.

Vzdělávání proto nemůže připravovat pouze kvalifikované odborníky. Musí pomáhat rozvíjet také lidi schopné spolupracovat, vést dialog a společně zvládat nejistotu.

Adaptivní myšlení: Schopnost, která všechny tři pilíře propojuje

Znalosti, AI gramotnost a interpersonální dovednosti představují důležité součásti výbavy pro budoucnost. Samy o sobě ale nemusí stačit.

Každá z těchto oblastí se totiž bude dále vyvíjet.

Odborné poznání se mění s novými vědeckými objevy. Technologie se zdokonalují a nahrazují jedna druhou. A společenské změny přinášejí nové podmínky pro komunikaci, spolupráci i vedení lidí.

Proto potřebujeme ještě jednu schopnost, která jednotlivé pilíře propojuje.

Můžeme ji nazvat adaptivním myšlením.

Nejde o jednu izolovanou dovednost, ale o kombinaci schopností a postojů, které nám umožňují průběžně aktualizovat vlastní porozumění světu.

Důležitou roli v něm hrají čtyři vzájemně propojené přístupy.

Kritické myšlení: Na základě čeho tomu věřím?

Kritické myšlení nám umožňuje analyzovat tvrzení, posuzovat důkazy, odhalovat rozpory a rozlišovat mezi fakty, interpretacemi a domněnkami.

Neznamená však automaticky nesouhlasit nebo všechno zpochybňovat.

Jeho podstatou je ochota podrobovat stejným nárokům na důkazy nejen názory ostatních, ale také vlastní přesvědčení. Člověk, který kriticky myslí, dokáže svůj názor změnit, pokud pro to existují dostatečně dobré důvody.

First-principles thinking: Z čeho naše přesvědčení vlastně vychází?

Myšlení od základních principů představuje snahu rozložit určitý problém na jeho základní skutečnosti, vztahy a předpoklady.

Místo otázky „Jak se to obvykle dělá?“ se ptáme: „Proč to vlastně děláme právě takto? Která omezení jsou skutečná a která jsme pouze převzali?“

Tento přístup je zvlášť užitečný v situacích, kdy zavedené postupy přestávají fungovat.

Například firma může desítky let organizovat práci určitým způsobem, protože tento model historicky přinášel dobré výsledky. Z toho však ještě neplyne, že jde o nejlepší řešení v prostředí nových technologií a měnících se potřeb zákazníků.

Myšlení od základních principů nám umožňuje oddělit skutečné zákonitosti od pouhých zvyklostí.

Není to ovšem výzva k ignorování dosavadního poznání. Naopak vyžaduje důkladné porozumění problému a schopnost rozpoznat, které předpoklady jsou skutečně podložené a které pouze považujeme za samozřejmé.

Metakognice: Jak vlastně přemýšlím?

Metakognice bývá zjednodušeně popisována jako schopnost přemýšlet o vlastním myšlení.

Zahrnuje uvědomování si vlastních znalostí a jejich hranic, plánování postupu, sledování vlastního porozumění i vyhodnocování toho, zda naše strategie funguje.

Právě metakognice nám může pomoci rozpoznat, kdy se rozhodujeme na základě důkazů a kdy nás ovlivňují emoce, předchozí zkušenosti, předsudky nebo automatické mentální návyky.

Tato schopnost má silnou oporu také ve výzkumu vzdělávání. Britská organizace Education Endowment Foundation řadí metakognitivní strategie a seberegulované učení mezi dobře podložené přístupy ke zlepšování výsledků žáků.

Metakognice zároveň umožňuje odhalovat iluzi vlastního porozumění — situaci, kdy máme pocit, že problému rozumíme, ale při pokusu o samostatné vysvětlení nebo řešení zjistíme, že naše znalosti jsou pouze povrchní.

Ve světě AI, která dokáže vytvářet velmi přesvědčivé odpovědi, bude tato schopnost mimořádně důležitá.

Unlearning: Co se potřebujeme odnaučit?

Posledním prvkem je schopnost vědomě přehodnocovat a v případě potřeby opouštět dosavadní mentální modely, přesvědčení a způsoby jednání.

V angličtině se používá termín unlearning.

Neznamená to zapomenout, co jsme se naučili, nebo zavrhnout dosavadní zkušenosti.

Jde o schopnost rozpoznat, že určité znalosti, předpoklady nebo návyky, které nám v minulosti pomáhaly, už v nových podmínkách nemusí fungovat.

A právě to může být pro zkušené odborníky a úspěšné manažery překvapivě obtížné.

Čím déle nám nějaká strategie přináší výsledky, tím silněji máme tendenci považovat ji za správnou. Postupně se může stát součástí naší profesní identity.

Přehodnotit takovou strategii pak neznamená pouze změnit pracovní postup. Někdy to znamená zpochybnit něco, na čem jsme dlouhá léta stavěli své sebevědomí a pocit odbornosti.

Od znalostí k novému způsobu přemýšlení

Představme si zkušeného manažera, který je přesvědčen, že nejlepších výsledků dosahuje tým tehdy, když má každý zaměstnanec přesně stanovené úkoly a jeho práce je důsledně kontrolována.

Tento přístup mu mohl po mnoho let přinášet úspěch. Má tedy dobré důvody se domnívat, že funguje.

V prostředí autonomnějších týmů, rychlých změn a rostoucího využívání AI se ale může stát překážkou.

Jak by vypadalo adaptivní myšlení v praxi?

Kritické myšlení by ho vedlo k otázce, zda má skutečně důkazy, že důsledná kontrola zvyšuje výkon ve všech situacích.

Myšlení od základních principů by mu pomohlo vrátit se k podstatě problému: Co vlastně vytváří vysoký výkon týmu? Jasné cíle? Kompetence? Motivace? Odpovědnost? Kvalita spolupráce?

Metakognice by mu umožnila všimnout si, že jeho preference kontroly možná vychází z vlastních zkušeností a přesvědčení, nikoliv z objektivního posouzení současné situace.

A unlearning by představoval ochotu opustit část dosavadního manažerského přístupu a naučit se pracovat jinak.

Zároveň by mohl využít své odborné znalosti k pochopení fungování organizace, AI k analýze různých variant a interpersonální dovednosti k zapojení týmu do změny.

Právě tak se všechny tři pilíře vzdělávání propojují prostřednictvím adaptivního myšlení.

Nejde o to, aby manažer zapomněl všechno, co se během kariéry naučil. Jde o to, aby dokázal rozlišit, které zkušenosti zůstávají užitečné a které potřebuje přehodnotit.

Vzdělávání jako nepřetržitý proces obnovování našeho poznání

Pokud přijmeme tento pohled, mění se i samotná představa o tom, co znamená být vzdělaný. Vzdělanost pak není pouze výsledkem toho, kolik znalostí jsme získali nebo jaké kvalifikace jsme absolvovali.

Je také schopností udržovat vlastní poznání otevřené, průběžně ho konfrontovat s realitou a v případě potřeby měnit způsob, jakým uvažujeme a jednáme.

Takový proces můžeme popsat jako nepřetržitý cyklus:

Učení → Reflexe → Unlearning → Relearning

Získáváme nové poznatky a zkušenosti. Přemýšlíme o tom, jak zapadají do našeho dosavadního porozumění. Rozpoznáváme předpoklady, které už neplatí. A vytváříme nové, vhodnější způsoby uvažování a jednání.

Ne vždy je samozřejmě nutné něco odnaučovat. Mnohé znalosti zůstávají platné a nové poznání na nich může jednoduše stavět. Podstatná je schopnost rozpoznat, kdy stačí dosavadní vědění rozšířit a kdy je potřeba změnit samotný rámec, prostřednictvím kterého světu rozumíme.

To je možná největší rozdíl mezi vzděláváním zaměřeným na relativně stabilní svět a vzděláváním, které má člověka připravovat na neustálou změnu.

Vzdělávání budoucnosti nemá jen poskytovat odpovědi. Má rozvíjet schopnost poznat, kdy se potřebujeme začít ptát úplně jinak.

A právě schopnost odnaučovat se to, co nám kdysi přinášelo úspěch, si zaslouží samostatnou pozornost.

4. Jak se učit v době AI: Od hotových odpovědí ke skutečnému porozumění

Představme si dva studenty, kteří se potřebují naučit stejnou látku.

První požádá umělou inteligenci, aby mu připravila přehled nejdůležitějších informací, vysvětlila složité pojmy a vypracovala několik příkladů. Během půl hodiny má k dispozici perfektně strukturované materiály, správné odpovědi a pocit, že dané problematice rozumí.

Druhý student používá stejnou technologii, ale jiným způsobem. Nejdříve se pokusí problém vyřešit sám. Pak požádá AI, aby mu položila několik otázek, které prověří jeho porozumění. Když udělá chybu, nedostane okamžitě správné řešení. Místo toho mu AI nabídne nápovědu, upozorní na možný rozpor v jeho uvažování a požádá ho, aby svůj postup vysvětlil.

Oba studenti využívají umělou inteligenci. Oba získávají podporu při učení. Jejich zkušenost je však zásadně odlišná.

První student především přijímá informace a hotová řešení. Druhý je nucen aktivně přemýšlet, vybavovat si znalosti, formulovat hypotézy a opravovat vlastní chyby.

A právě tento rozdíl může rozhodovat o tom, kolik se skutečně naučí.

AI může být vynikajícím učitelem. Záleží ale na tom, jak ji používáme.

V první kapitole jsme se věnovali výzkumu Hamsy Bastani a jejích kolegů, který ukázal, že neomezený přístup k AI může výrazně zlepšit výsledky při řešení úloh, ale současně zhoršit následný samostatný výkon studentů.

Zajímavá byla i druhá část experimentu. Když výzkumníci použili speciálně navrženého AI tutora, který neposkytoval pouze hotové odpovědi, ale vedl studenty prostřednictvím pedagogicky strukturovaných nápověd, negativní účinek na jejich samostatný výkon se prakticky odstranil.

To naznačuje zásadní rozdíl mezi dvěma způsoby využívání AI ve vzdělávání.

AI místo myšlení převezme úkol, vytvoří řešení a poskytne výsledek. Člověk ušetří čas a dosáhne požadovaného výstupu, ale nemusí si osvojit schopnosti, které by k jeho samostatnému vytvoření potřeboval.

AI podporující myšlení naproti tomu pomáhá člověku problém pochopit, rozložit na menší části, hledat souvislosti, formulovat vlastní řešení a kriticky je vyhodnocovat.

Ve druhém případě technologie nenahrazuje samotný proces učení, ale pomáhá jej organizovat a podporovat.

Že takový přístup může být mimořádně účinný, ukazuje také experiment výzkumníků z Harvardovy univerzity, publikovaný v červnu 2025 v časopise Scientific Reports.

Greg Kestin a jeho kolegové porovnávali výuku vysokoškolské fyziky prostřednictvím speciálně navrženého AI tutora s kvalitní aktivní výukou ve třídě. Studie zahrnovala 194 studentů. Ti, kteří využívali AI tutora, dosáhli v testovaných tématech více než dvojnásobného mediánového přírůstku znalostí oproti studentům v porovnávané prezenční výuce, a navíc za kratší dobu.

Výzkumníci však netestovali libovolný chatbot. Tutor byl vytvořen na základě pedagogických principů, poskytoval individuálně přizpůsobenou podporu a vedl studenty k aktivnímu zapojení.

Samozřejmě z jedné studie nelze vyvodit, že AI je obecně lepší učitel než člověk. Experiment se týkal konkrétního učiva, specifického typu výuky a relativně krátkého období.

Ukazuje však něco velmi důležitého: kvalitně navržená umělá inteligence může být nejen nástrojem pro získávání informací, ale také účinným prostředkem skutečného učení.

Podobné závěry přináší i zpráva OECD Digital Education Outlook 2026. Technologie podle ní může vzdělávání významně obohatit, pokud je využívána se zřetelným pedagogickým záměrem.

Klíčovou otázkou proto není, zda AI do vzdělávání patří.

Měli bychom se spíše ptát: Jak navrhnout spolupráci člověka a AI tak, aby jejím výsledkem nebyl pouze lépe splněný úkol, ale především schopnější člověk?

Paradox učení: To, co nám připadá obtížnější, může být účinnější

Moderní technologie jsou do značné míry navrhovány tak, aby nám usnadňovaly život. Snižují počet kroků potřebných ke splnění úkolu, šetří čas a minimalizují úsilí. Při práci je to často přesně to, co potřebujeme.

Jenže vzdělávání má jiný cíl než pouhé dokončení úkolu. Když se učíme, není kognitivní úsilí pouze nákladem, který bychom měli minimalizovat. Za vhodných podmínek je přímo součástí procesu, prostřednictvím kterého se naše schopnosti rozvíjejí.

Psychologie učení proto pracuje s konceptem desirable difficulties žádoucích obtíží.

Jde o myšlenku, že určité formy námahy, například aktivní vybavování informací z paměti, samostatné hledání řešení nebo vhodně rozložené opakování, mohou podporovat dlouhodobější zapamatování a porozumění.

To ovšem neznamená, že čím obtížnější je učení, tím lépe. Nadměrná složitost, nejasné instrukce nebo nedostatek potřebných znalostí mohou naopak učení bránit.

Důležité je vytvářet takovou míru náročnosti, která člověka nutí aktivně přemýšlet, ale současně mu umožňuje postupovat vpřed.

Pozoruhodnou ilustraci tohoto principu přinesl v roce 2019 experiment Louise Deslaurierse a jeho kolegů z Harvardovy univerzity. Výzkumníci porovnávali tradiční přednáškovou výuku fyziky s aktivním učením, při kterém studenti samostatně řešili problémy, diskutovali a průběžně dostávali zpětnou vazbu.

Výsledky ukázaly zajímavý paradox.

Studenti v aktivní výuce se naučili více, ale subjektivně měli pocit, že se naučili méně.

Vyšší kognitivní námaha totiž může vytvářet dojem, že učení probíhá obtížněji a méně úspěšně než při plynulé a srozumitelné přednášce.

Pokud hodnotíme kvalitu vzdělávání především podle toho, jak snadno a příjemně se účastníkům učí, nemusíme vždy rozpoznat metody, které jejich schopnosti skutečně rozvíjejí.

A nástup AI tento paradox ještě zesiluje.

Umělá inteligence dokáže během okamžiku odstranit mnoho obtíží, se kterými bychom se při samostatném řešení problému museli vypořádat.

Jenže právě některé z těchto obtíží mohou být pro učení důležité.

Někdy tedy není nejlepší vzdělávací technologií ta, která nám poskytne odpověď nejrychleji, ale ta, která nám pomůže dojít k ní vlastní cestou.

Productive Failure: Proč může být užitečné nejdříve neuspět

Jedním z nejzajímavějších konceptů moderní pedagogiky je Productive Failure (produktivní selhání), který rozvíjí profesor Manu Kapur.

Jeho podstatou je zdánlivě paradoxní myšlenka:

za určitých okolností se můžeme naučit více, pokud se nejprve pokusíme vyřešit problém bez znalosti správného postupu a teprve potom dostaneme odborné vysvětlení.

Tradiční výuka často postupuje opačně. Učitel nejdříve vysvětlí princip, ukáže správný postup a následně nechá studenty procvičovat podobné příklady. Productive Failure pracuje s jiným pořadím.

Studenti nejprve dostanou náročný, ale zvládnutelný problém. Pokoušejí se najít řešení, navrhují různé postupy, dělají chyby a zjišťují, kde jejich dosavadní znalosti nestačí.

Teprve poté následuje odborné vysvětlení, které jejich pokusy propojí se správnými principy a pomůže jim porozumět tomu, proč některé strategie fungují a jiné nikoliv.

Metaanalýza Tanmaye Sinhy a Manu Kapura z roku 2021 zahrnující 53 studií a 166 srovnání zjistila, že postup, při kterém řešení problému předchází vysvětlení, dosahoval v průměru lepších výsledků než opačné pořadí. Průměrná velikost účinku byla Hedgesovo g = 0,36, tedy přibližně středně velký efekt.

Neznamená to však, že bychom měli studenty jednoduše ponechat napospas složitým problémům.

Productive Failure funguje tehdy, když jsou úkoly promyšleně navržené, odpovídají předchozím znalostem účastníků a především když po fázi samostatného hledání následuje kvalitní vysvětlení, porovnání řešení a upevnění nových poznatků.

Smyslem není naučit lidi selhávat. Smyslem je využít neúspěšný pokus jako příležitost k hlubšímu porozumění.

A tento princip má mimořádný význam také pro vzdělávání dospělých.

Představme si například workshop pro manažery zaměřený na obtížné rozhovory se zaměstnanci.

Jednou možností je začít prezentací o aktivním naslouchání, zpětné vazbě a zvládání konfliktů. Lektor vysvětlí jednotlivé principy, ukáže několik příkladů a účastníci si na závěr vyzkoušejí modelovou situaci.

Druhou možností je začít přímo problémem. Manažer dostane za úkol vést rozhovor se zaměstnancem, jehož výkon dlouhodobě neodpovídá očekávání, který se však cítí nedoceněný a přesouvá odpovědnost na ostatní.

Účastník se pokusí situaci zvládnout na základě dosavadních zkušeností. Ostatní sledují jeho postup. Následuje zpětná vazba a reflexe: Co fungovalo? Kdy se rozhovor začal komplikovat? Jaké předpoklady manažer do situace přinesl? Jaké jiné možnosti měl?

Teprve poté přichází odborné vysvětlení a další pokus.

V takovém případě už účastníci neposlouchají teorii o hypotetickém problému. Mají vlastní zkušenost, ke které mohou nové poznatky vztáhnout.

Je však důležité nepřenášet výsledky školních experimentů automaticky na všechny typy manažerského vzdělávání. V tomto případě jde o pedagogickou aplikaci principu, nikoliv o důkaz, že právě tento konkrétní workshop bude vždy účinnější.

Od předávání informací k aktivnímu učení

Význam aktivního zapojení studentů potvrzuje i širší pedagogický výzkum. Jednou z nejcitovanějších prací v této oblasti je metaanalýza Scotta Freemana a jeho kolegů, publikovaná v roce 2014 v časopise Proceedings of the National Academy of Sciences.

Výzkumníci analyzovali 225 studií z vysokoškolského vzdělávání v přírodovědných, technických, inženýrských a matematických oborech.

Zjistili, že aktivní výuka vedla v průměru k lepším výsledkům než tradiční přednášky. Průměrné zlepšení výkonu dosahovalo přibližně 0,47 směrodatné odchylky.

Ještě názornější byl rozdíl v neúspěšnosti studentů. Při tradiční přednáškové výuce neuspělo v průměru 33,8 % studentů, zatímco při aktivním učení 21,8 %.

Tyto výsledky samozřejmě nelze bez dalšího zobecnit na všechny věkové skupiny, obory a vzdělávací situace.

Přesto dobře ilustrují, že způsob, jakým se studenti během výuky zapojují, může mít významný vliv na to, co se skutečně naučí. Aktivní učení přitom neznamená pouze pohyb po učebně nebo práci ve skupinách.

Jeho podstatou je, že účastníci musí s učivem mentálně pracovat: formulovat vlastní vysvětlení, řešit problémy, porovnávat alternativy, argumentovat, ověřovat hypotézy a reflektovat výsledky. Neznamená to ovšem, že kvalitní přednáška ztrácí smysl.

Zvláště začátečníci potřebují jasnou strukturu, odborné vysvětlení, příklady a přiměřené vedení. Pokud nemají dostatečný znalostní základ, může být samostatné objevování složitého problému spíše frustrující než přínosné.

Výzkum proto nevede k jednoduchému závěru, že bychom měli nahradit všechny přednášky projektovou výukou nebo samostatným objevováním.

Mnohem přesnější je jiný princip:

Kvalitní vzdělávání kombinuje odborné vysvětlení s aktivním přemýšlením, procvičováním, zpětnou vazbou a příležitostí použít získané znalosti v praxi.

To je důležité i z hlediska role učitele nebo lektora.

Jeho úkolem už nemusí být především předávání informací. Stále důležitější se stává schopnost navrhovat vzdělávací situace, ve kterých si účastníci nové znalosti a dovednosti skutečně osvojí.

Dialog, spolupráce a konstruktivní nesouhlas jako nástroje učení

Jednou z nejvýznamnějších součástí aktivního učení je dialog.

Když musíme vlastní myšlenku vysvětlit druhému člověku, často si sami uvědomíme, že jí nerozumíme tak dobře, jak jsme si mysleli.

Když někdo zpochybní náš argument, jsme nuceni hledat důkazy, upřesňovat předpoklady a přemýšlet o alternativních vysvětleních.

A když se setkáme s odlišným pohledem na problém, můžeme objevit souvislosti, které bychom při samostatném přemýšlení přehlédli.

Dialog tak není pouze prostředkem komunikace již existujících znalostí. Může být také způsobem, jak nové poznání vzniká.

Metaanalýza Philipa Abramiho a jeho kolegů z roku 2015 zahrnující 341 velikostí účinku ukázala, že kritické myšlení lze cílenou výukou rozvíjet.

Mezi důležité prvky účinných vzdělávacích intervencí patřily právě dialog, práce s autentickými problémy a mentoring.

Podobně výzkum kooperativního učení ukazuje, že dobře strukturovaná spolupráce může podporovat nejen osvojování znalostí, ale také schopnost řešit problémy a argumentovat.

Britská organizace Education Endowment Foundation na základě souhrnu výzkumů odhaduje pozitivní účinek kolaborativního učení, odpovídající v průměru přibližně pěti měsícům dodatečného vzdělávacího pokroku během školního roku. Sama však hodnotí jistotu této evidence jako omezenou a upozorňuje na rozdíly mezi jednotlivými přístupy.

Zásadní je totiž způsob, jakým je spolupráce organizována.

Nestačí rozdělit studenty do skupin a požádat je, aby společně vyřešili úkol.

Účinná spolupráce vyžaduje jasný cíl, zapojení všech účastníků, individuální odpovědnost a vhodnou strukturu společné práce.

Zvlášť významnou roli přitom může hrát konstruktivní nesouhlas. Pokud všichni ve skupině pouze potvrzují názory ostatních, nemusí docházet k hlubšímu přehodnocování předpokladů.

Když však účastníci dokážou bezpečně formulovat odlišné názory, vysvětlovat vlastní argumenty a společně hledat jejich silné a slabé stránky, vytvářejí se podmínky pro rozvoj kritického myšlení.

Zde se znovu vracíme k tématu unlearningu.

Často totiž nedokážeme sami rozpoznat hranice vlastních mentálních modelů.

Potřebujeme konfrontaci s jiným pohledem na svět, který nám umožní všimnout si předpokladů, jež jsme dosud považovali za samozřejmé.

To ale neznamená, že každý konflikt automaticky podporuje učení.

Rozhodující je prostředí, ve kterém mohou lidé nesouhlasit, aniž by se museli obávat ponížení nebo osobního útoku. Konstruktivní konflikt se zaměřuje na myšlenky a argumenty, nikoliv na zpochybňování hodnoty druhého člověka.

Právě schopnost takový dialog vytvářet a vést se proto stává důležitou součástí moderního vzdělávání.

Skutečné učení poznáme podle toho, co dokážeme použít v praxi

Jedním z největších problémů vzdělávání je takzvaný transfer of learning — přenos získaných znalostí a dovedností do nových situací.

Člověk může úspěšně absolvovat školení o komunikaci, správně odpovídat na testové otázky a přesto při skutečném konfliktu se zaměstnancem nebo partnerem opakovat stejné chyby jako dříve.

Podobně může student dobře zvládnout matematické příklady podle naučeného postupu, ale mít potíže použít stejný princip v novém kontextu.

Výzkum ukazuje, že tento přenos není samozřejmý. Naučit se určitou dovednost během kurzu ještě neznamená, že ji dokážeme spontánně použít v každodenním životě.

Proto je důležité pracovat s různými situacemi, procvičovat dovednosti v proměnlivém kontextu, vysvětlovat jejich základní principy a vést účastníky k reflexi toho, kde a jak mohou nové poznatky využít.

Právě v tom spatřuji jeden z největších přínosů zkušenostního vzdělávání.

V našich workshopech například často pracujeme s modelovými situacemi, při kterých účastníci střídají role manažerů, zaměstnanců, koučů a pozorovatelů.

Nejde pouze o to, aby si vyzkoušeli určitou komunikační techniku.

Podstatné je, že mají možnost zažít situaci z několika různých perspektiv, získat zpětnou vazbu, všimnout si vlastních automatických reakcí a následně experimentovat s jiným způsobem jednání.

Teprve když se taková zkušenost propojí s vysvětlením, opakovaným procvičováním a použitím v reálném prostředí, může dojít k trvalejší změně chování.

A to by měl být jeden z hlavních cílů vzdělávání: nejen vědět, jak něco funguje, ale dokázat podle toho také jednat.

Co má smysl učit online a proč se stále potřebujeme setkávat?

Nástup AI zároveň otevírá další důležitou otázku: Pokud lze stále více znalostí a dovedností osvojovat prostřednictvím kvalitních digitálních nástrojů, jaká bude v budoucnosti role osobního setkávání?

Online vzdělávání nabízí nesporné výhody.

Umožňuje studovat nezávisle na místě a do značné míry také na čase. Studenti se mohou k jednotlivým tématům opakovaně vracet, postupovat vlastním tempem a využívat okamžitou podporu inteligentních tutorů.

To může být mimořádně efektivní zejména při osvojování teoretických znalostí, procvičování, opakování a individuální práci.

Přesto bychom neměli automaticky předpokládat, že pokud lze určitou vzdělávací aktivitu uskutečnit online, bude její přínos stejný jako při osobním setkání.

Zajímavý pohled přinesla studie Melanie Brucks a Jonathana Levava publikovaná v roce 2022 v časopise Nature.

Výzkumníci porovnávali kreativní spolupráci dvojic při osobním setkání a prostřednictvím videokonferencí.

V laboratorních experimentech a terénním výzkumu zjistili, že dvojice pracující osobně vytvářely více kreativních nápadů než dvojice komunikující přes obrazovku.

Při následném výběru nejlepšího nápadu už však videokonference nevykazovaly horší výsledky.

Jedním z možných vysvětlení je rozdílné zaměření pozornosti. Při videokonferenci se naše pozornost více soustřeďuje na omezený prostor obrazovky. Při osobním setkání přirozeně vnímáme širší prostředí, což může podporovat volnější asociace a vznik nových myšlenek.

Studie samozřejmě neznamená, že osobní setkávání je vždy kvalitnější nebo že online spolupráce omezuje všechny formy kreativity. Naznačuje ale něco důležitého: různé formy komunikace mohou vytvářet odlišné podmínky pro různé druhy mentální práce. A pokud to platí pro kreativní spolupráci, stojí za to klást podobné otázky také ve vzdělávání.

Možná jsme dosud příliš často posuzovali vzdělávací technologie především podle toho, kolik času a nákladů nám umožňují ušetřit.

Mnohem důležitější by ale mohlo být ptát se, jakou hodnotu vytváří konkrétní forma vzdělávání a které schopnosti díky ní skutečně rozvíjíme.

Pro osvojování znalostí může být ideální individuální online výuka s podporou AI tutora.

Pro některé druhy nácviku a zpětné vazby mohou velmi dobře fungovat interaktivní online simulace.

A pro společné objevování, tvořivou práci, náročné rozhovory a rozvoj mezilidských dovedností může mít osobní setkávání zvláštní hodnotu, kterou bychom neměli automaticky obětovat ve prospěch časové efektivity.

Budoucnost vzdělávání proto možná nebude spočívat v nahrazení prezenční výuky online technologiemi, ale v jejich promyšleném propojení.

Od hodnocení výsledků k rozvoji skutečných schopností

Pokud přijmeme tyto poznatky, bude potřeba přehodnotit také způsob, jakým vzdělávání organizujeme a hodnotíme.

Jestliže student dokáže s pomocí AI vytvořit kvalitní seminární práci, neměli bychom se zajímat pouze o její konečnou podobu.

Důležité je také zjistit, zda rozumí zvolenému postupu, dokáže vysvětlit své závěry, obhájit předpoklady a použít získané poznatky při řešení jiného problému.

Stejně tak by úspěšnost profesního vzdělávání neměla být měřena pouze absolvovanými hodinami, počtem certifikátů nebo spokojeností účastníků.

Podstatnější otázkou je, zda lidé dokážou nové znalosti a dovednosti skutečně uplatňovat, zda se mění jejich rozhodování a zda jim vzdělávání pomáhá lépe zvládat reálné situace.

To samozřejmě neznamená rezignovat na testování znalostí. Znamená to doplnit ho o hodnocení porozumění, argumentace, samostatného řešení problémů a skutečného použití v praxi.

Stejně tak bychom měli přehodnotit roli učitelů, lektorů a vzdělávacích institucí.

Umělá inteligence může postupně převzít stále větší část vysvětlování základních poznatků, individuálního procvičování a poskytování rutinní zpětné vazby.

Tím se ale role lidského pedagoga nemusí zmenšovat. Může se naopak přesouvat k náročnějším činnostem: vytváření kvalitního prostředí pro učení, navrhování autentických problémů, facilitaci dialogu, rozpoznávání individuálních potřeb a podpoře skutečné změny.

Je přitom důležité zachovat rozdíl mezi odborným vedením a pouhým usnadňováním.

Dobrý učitel není jen člověk, který klade otázky a nechává studenty samostatně objevovat. Je to odborník, který dokáže rozpoznat, kdy účastník potřebuje vysvětlení, kdy nápovědu, kdy zpětnou vazbu a kdy naopak prostor pro vlastní hledání řešení.

Technologie nám mohou stále účinněji pomáhat učit se. Ale skutečné vzdělávání nevzniká jen předáváním odpovědí.

Vzniká prostřednictvím přemýšlení, zkušenosti, dialogu, reflexe a postupné změny našeho porozumění světu.

A tím se dostáváme k otázce, která může být pro budoucnost vzdělávání i práce zásadní:

Pokud budou inteligentní technologie stále lépe zvládat individuální intelektuální úkoly, nestane se jednou z největších hodnot vzdělávání právě to, co vzniká při spolupráci a setkávání lidí?

Možná bude v budoucnosti jednou z největších hodnot vzdělávání právě schopnost vytvářet podmínky, ve kterých se lidé společně učí, přemýšlejí a objevují nové možnosti.

5. Interpersonální gramotnost: Proč by měl koučovací dovednosti ovládat každý?

Nedávno jsem měl se svou kolegyní Evou pracovní rozhovor přes Zoom. O několik dní později jsme se sešli osobně v kavárně a strávili spolu asi hodinu a půl.

Rozdíl byl překvapivý. Přes Zoom jsme dokázali efektivně komunikovat, řešit konkrétní otázky a vyměňovat si informace. Osobní setkání však mělo úplně jinou dynamiku. Náš rozhovor byl podstatně kreativnější. Myšlenky se spontánně rozvíjely, navazovaly na sebe a přicházeli jsme na souvislosti, které nás při předchozím online rozhovoru nenapadly.

Přitom by se z čistě ekonomického hlediska mohlo zdát, že Zoom představuje efektivnější řešení. Ušetřili jsme čas potřebný na cestu, nemuseli jsme nikam chodit a mohli jsme se rychleji vrátit k další práci.

Jenže co když takto posuzujeme efektivitu příliš úzce?

Čas potřebný na cestu dokážeme snadno vyčíslit. Ale jak změříme hodnotu nové myšlenky, která vznikla právě díky osobnímu setkání? Jak vyčíslíme hlubší porozumění druhému člověku nebo nové řešení, ke kterému bychom samostatně možná nikdy nedospěli?

V předchozí kapitole jsme se věnovali výzkumu Melanie Brucks a Jonathana Levava, publikovanému v roce 2022 v časopise Nature. Jejich experimenty ukázaly, že dvojice pracující osobně vytvářely při zadaných kreativních úlohách více nápadů než dvojice spolupracující prostřednictvím videokonference.

Neznamená to, že osobní schůzky jsou vždy lepší nebo že online spolupráce není kreativní. Výzkum však ukazuje, že způsob, jakým spolu komunikujeme, může ovlivňovat i způsob našeho přemýšlení.

A tím se dostáváme k širší otázce.

Co když jednou z největších hodnot vzdělávání budoucnosti nebude pouze to, co se člověk naučí individuálně, ale také to, co dokáže vytvářet společně s ostatními lidmi?

Technologie zefektivňují komunikaci. Ale vytvářejí také lepší vztahy?

Za posledních několik desetiletí jsme získali mimořádné možnosti vzájemné komunikace. Můžeme spolupracovat s lidmi na druhém konci světa, organizovat virtuální týmy, vést online konference a díky umělé inteligenci překonávat i jazykové bariéry.

AI nám navíc pomáhá připravovat zprávy, analyzovat rozhovory, formulovat argumenty a vytvářet komunikační strategie. To všechno přináší obrovské výhody. Současně však vzniká nebezpečí, že začneme komunikaci vnímat především jako prostředek přenosu informací a koordinace úkolů.

Jenže lidská komunikace má mnohem více funkcí. Prostřednictvím rozhovoru si nejen předáváme informace. Vytváříme vztahy, budujeme důvěru, vyjasňujeme si vzájemná očekávání, řešíme konflikty a společně hledáme nové možnosti.

Někdy dokonce teprve během rozhovoru zjistíme, co si o určitém problému vlastně myslíme. A právě tato poslední funkce mi připadá mimořádně důležitá.

Dobrý rozhovor nemusí být pouze výměnou již hotových myšlenek. Může být procesem, při kterém nové myšlenky teprve vznikají.

Rozdíl je podobný jako mezi dvěma způsoby využívání umělé inteligence, o kterých jsme hovořili v předchozí kapitole.

Jeden přístup směřuje k rychlému získání správné odpovědi. Druhý vytváří podmínky pro hlubší přemýšlení, objevování souvislostí a rozvoj vlastních schopností.

A stejně jako může AI podporovat nebo nahrazovat naše myšlení, může také lidská komunikace buď pouze předávat informace, nebo rozvíjet porozumění a schopnosti všech zúčastněných.

Interpersonální gramotnost: Další základní výbava vzdělaného člověka?

Dnes běžně hovoříme o čtenářské, matematické, finanční nebo digitální gramotnosti. Postupně se prosazuje také pojem AI gramotnost. Možná bychom ale měli mnohem více pozornosti věnovat ještě jedné oblasti: interpersonální gramotnosti.

Tímto pojmem zde označuji soubor schopností, které nám umožňují vědomě, konstruktivně a odpovědně jednat s ostatními lidmi.

Nejde o nový, vědecky validovaný model. Spíše o zastřešující označení pro několik oblastí, které psychologie, pedagogika a organizační výzkum dlouhodobě zkoumají.

Patří mezi ně například schopnost skutečně naslouchat, rozumět odlišným perspektivám, klást otevřené otázky, poskytovat zpětnou vazbu, vyjednávat, pracovat s konflikty a podporovat samostatnost ostatních.

Zní to jednoduše. Ale kolik lidí tyto schopnosti skutečně systematicky rozvíjelo?

Většina z nás strávila mnoho let studiem odborných předmětů. Učili jsme se matematiku, historii, cizí jazyky, fyziku nebo ekonomii.

Kolik času jsme však věnovali tomu, abychom se naučili vést náročný rozhovor, skutečně porozumět druhému člověku nebo rozpoznat vlastní automatické reakce během konfliktu?

A přitom právě tyto situace patří k nejdůležitějším a často také nejobtížnějším okamžikům našeho pracovního i osobního života.

Naslouchat neznamená pouze čekat, až druhý domluví

Při běžném rozhovoru často posloucháme druhého člověka a současně už připravujeme vlastní odpověď.

Hodnotíme, souhlasíme, nesouhlasíme, hledáme protiargumenty nebo přemýšlíme, jak bychom jeho problém vyřešili.

Skutečné naslouchání však vyžaduje něco jiného. Znamená pokusit se porozumět tomu, jak situaci vnímá druhý člověk, co je pro něj důležité a jaké předpoklady stojí za jeho uvažováním.

Nemusíme přitom automaticky souhlasit.

Právě schopnost porozumět odlišnému názoru, aniž bychom jej okamžitě odmítli nebo přijali, je důležitým předpokladem konstruktivního dialogu.

Umět se ptát může být důležitější než umět odpovídat

Ve vzdělávání i v managementu jsme dlouho spojovali odbornost především se schopností poskytovat správné odpovědi.

Odborník je ten, kdo ví. Manažer je ten, kdo rozhoduje. Učitel je ten, kdo vysvětluje.

Jenže schopnost položit dobrou otázku může mít někdy větší hodnotu než okamžitá odpověď.

Otázka může odhalit skrytý předpoklad, otevřít novou perspektivu nebo přivést člověka k uvědomění, ke kterému by jinak nedospěl.

Například manažer může zaměstnanci vysvětlit, jak by měl řešit určitý problém. Může se ho ale také zeptat, jaké možnosti už zvažoval, co mu brání v rozhodnutí nebo co by potřeboval, aby dokázal situaci zvládnout samostatně.

Oba přístupy mohou být v konkrétní situaci správné. Jejich dlouhodobé důsledky však mohou být rozdílné.

První především poskytuje řešení. Druhý může současně rozvíjet schopnost člověka řešení vytvářet.

Rozlišovat fakta od vlastních interpretací

Další důležitou schopností je uvědomovat si rozdíl mezi tím, co skutečně pozorujeme, a významem, který tomu přisuzujeme.

Představme si manažera, který o svém zaměstnanci prohlásí: „Nemá motivaci.“ Jenže co vlastně pozoroval?

Zaměstnanec se například přestal aktivně zapojovat do porad, nedokončuje některé úkoly včas a přichází s menším počtem návrhů. To jsou pozorovatelné skutečnosti.

Nedostatek motivace je však interpretace.

Příčinou může být mnoho dalších faktorů: nejasné priority, přetížení, konflikty v týmu, nedostatečné kompetence nebo ztráta důvěry ve vedení.

Pokud zaměníme vlastní interpretaci za objektivní skutečnost, můžeme snadno dojít k nesprávnému závěru.

Schopnost toto rozlišovat je důležitá nejen v mezilidské komunikaci, ale také v kritickém myšlení a při práci s AI.

V obou případech se totiž potřebujeme naučit rozpoznávat, kdy pracujeme s důkazy a kdy pouze s přesvědčivě formulovanými předpoklady.

Když se lidé nebojí nesouhlasit, mohou se učit rychleji

Interpersonální gramotnost není pouze individuální vlastností. Má také zásadní význam pro fungování týmů a organizací.

Už v roce 1999 publikovala Amy Edmondson z Harvard Business School výzkum, který se stal jedním ze základních kamenů konceptu psychologického bezpečí.

Ve studii 51 pracovních týmů zjistila, že psychologické bezpečí souviselo s chováním podporujícím týmové učení.

Psychologické bezpečí přitom neznamená, že jsou na sebe lidé vždy milí nebo že se vyhýbají konfliktům.

Znamená především sdílené přesvědčení, že v týmu můžeme podstoupit určité interpersonální riziko: položit nepříjemnou otázku, přiznat chybu, požádat o pomoc nebo vyjádřit nesouhlas, aniž bychom se museli obávat ponížení.

A to má přímou souvislost s naším tématem kritického myšlení a unlearningu.

Pokud lidé nemohou bezpečně zpochybňovat zažité postupy, obtížně se odhalují chyby a ještě obtížněji vznikají nové způsoby uvažování.

Organizace se pak může neustále snažit inovovat, ale současně zachovávat kulturu, ve které není přípustné otevřeně zpochybňovat rozhodnutí nadřízených.

Skutečná schopnost přizpůsobovat se změnám proto nezávisí pouze na znalostech jednotlivců.

Závisí také na kvalitě vztahů a prostředí, které společně vytvářejí.

Adaptivní organizace potřebuje nejen lidi schopné přehodnocovat vlastní názory, ale také kulturu, ve které je možné tyto názory otevřeně konfrontovat.

Dokáže umělá inteligence nahradit lidskou empatii?

V této souvislosti se nabízí nepříjemná otázka. Pokud je kvalitní komunikace tak důležitá, nemůže se ji AI naučit stejně dobře nebo dokonce lépe než člověk?

Odpověď je složitější, než bychom si možná přáli.

V roce 2023 publikovali výzkumníci v časopise JAMA Internal Medicine studii, ve které porovnávali odpovědi lékařů a ChatGPT na 195 otázek pacientů z veřejného internetového fóra.

Nezávislí hodnotitelé z řad zdravotníků posuzovali kvalitu odpovědí a míru empatie, kterou vyjadřovaly.

Výsledek byl překvapivý: odpovědi vytvořené AI byly hodnoceny jako kvalitnější a empatičtější než odpovědi lékařů.

To samozřejmě neznamená, že AI poskytuje lepší zdravotní péči. Studie hodnotila písemné odpovědi na internetovém fóru, nikoliv skutečný vztah mezi lékařem a pacientem nebo výsledky léčby.

Přesto ukazuje, že schopnost formulovat empaticky působící sdělení nemusí být výlučně lidskou předností.

Další zajímavý pohled přinesl výzkum publikovaný v roce 2025 v časopise Nature Human Behaviour.

V devíti studiích zahrnujících více než šest tisíc účastníků výzkumníci zkoumali, jak lidé vnímají empatické reakce, pokud jim bylo řečeno, že pocházejí od člověka, nebo od AI.

Stejné, umělou inteligencí vytvořené odpovědi byly vnímány jako empatičtější a více podporující tehdy, když si účastníci mysleli, že jejich autorem je člověk.

To otevírá zajímavou otázku.

Je empatie pouze vlastností sdělení, nebo záleží také na tom, kdo nám je říká a jaký vztah s ním máme?

Z hlediska skutečných mezilidských vztahů totiž není důležité jen to, zda druhý člověk správně rozpozná naše emoce a vhodně na ně zareaguje.

Důležitá je také společná zkušenost, důvěra vytvářená v čase, vzájemná odpovědnost a skutečnost, že naše jednání má důsledky pro oba účastníky vztahu.

Když vedeme obtížný rozhovor s kolegou, partnerem nebo dítětem, nejde pouze o správnou formulaci vět.

Oba do rozhovoru vstupujeme s vlastní historií, potřebami, nejistotou a odpovědností za to, co se mezi námi stane.

To neznamená, že vztahy s AI nemohou mít pro lidi subjektivní význam nebo jim poskytovat skutečně užitečnou podporu.

Znamená to však, že kvalitní digitální interakce a vzájemný lidský vztah nejsou zcela totožné jevy.

A právě proto bychom měli být opatrní při představě, že čím dokonalejší budou komunikační schopnosti AI, tím méně budeme potřebovat rozvíjet vlastní mezilidské dovednosti.

Možná tomu bude právě naopak.

Koučink není jen povolání. Je to také způsob práce s lidmi.

Když se řekne kurz koučinku, mnoho lidí si představí vzdělávání pro budoucí profesionální kouče.

Člověka, který absolvuje specializovaný výcvik, získá certifikaci a začne nabízet individuální koučovací rozhovory klientům.

To je samozřejmě jedna z možností.

Jenže proč by měl umět skutečně naslouchat, klást dobré otázky, pracovat s motivací nebo podporovat samostatnost druhých pouze člověk, který se profesně označuje za kouče? Proč by tyto schopnosti neměly patřit k běžné výbavě manažera, učitele, lékaře, obchodníka nebo rodiče?

Právě zde bych rozlišil dvě roviny, které se často zaměňují.

• Tyto dovednosti mohou být součástí každodenního jednání s ostatními lidmi.
• Manažer je může využívat při rozvoji zaměstnanců a delegování odpovědnosti.
• Učitel může namísto okamžitého vysvětlení požádat žáka, aby popsal vlastní úvahu, rozpoznal chybu a pokusil se najít jiné řešení.
• Lékař může vedle odborného doporučení věnovat pozornost také tomu, co pacientovi brání změnit životní styl a jaké vlastní důvody ke změně má.
• Obchodník může přestat předčasně nabízet produkty a začít důkladněji zkoumat skutečné potřeby zákazníka.
• A rodič může dítěti pomáhat přemýšlet o důsledcích jeho rozhodnutí, místo aby za něj neustále hledal správné odpovědi.

V žádném z těchto případů se člověk nemusí stát profesionálním koučem.

Může jednoduše začít lépe využívat některé principy a dovednosti, na kterých profesionální koučink stojí.

Právě v tom spatřuji jednu z důležitých možností, jak posunout vzdělávání směrem k rozvoji skutečných lidských schopností.

Co o účinnosti koučinku říká výzkum?

Koučink není pouze souborem intuitivně atraktivních komunikačních technik. Jeho účinnost v určitých oblastech podporuje také empirický výzkum.

Například Erik de Haan a Viktor Nilsson publikovali v roce 2023 v časopise Academy of Management Learning & Education metaanalýzu, která zahrnovala 37 randomizovaných kontrolovaných studií pracovního a exekutivního koučinku.

Celkový počet účastníků dosahoval 2 528.

Autoři zjistili statisticky významný pozitivní účinek koučovacích intervencí na sledované osobní a pracovní výsledky. Průměrná velikost účinku dosahovala Hedgesova g = 0,59, což odpovídá přibližně středně velkému efektu.

Současně však upozornili na možné publikační zkreslení a na to, že účinky bývaly vyšší při hodnocení samotnými účastníky než při hodnocení prostřednictvím pozorovatelných výsledků.

Z toho bychom neměli vyvozovat, že každá koučovací technika funguje v každé situaci.

A už vůbec ne, že absolvování kurzu koučinku automaticky vede k lepšímu managementu, výuce nebo výchově dětí.

Výzkum profesionálního koučinku a výzkum účinnosti jednotlivých komunikačních dovedností v jiných profesích totiž nejsou totéž.

Přesto tato zjištění podporují širší myšlenku: dobře vedený rozvojový rozhovor může být účinným prostředkem změny, učení a osobního rozvoje.

Zásadní je ale schopnost rozpoznat, kdy je koučovací přístup vhodný a kdy nikoliv.

Lékař nemůže nahrazovat odborné doporučení pouze otázkami. Učitel musí také vysvětlovat a předávat znalosti. A manažer v krizové situaci někdy potřebuje přijmout rychlé rozhodnutí a dát jednoznačné instrukce.

Koučovací dovednosti proto nejsou náhradou odbornosti, vedení ani odpovědnosti.

Jsou jejich možným doplněním — schopností pomáhat druhým lidem lépe využívat vlastní znalosti, hledat řešení a rozvíjet samostatnost.

Nestačí o mezilidských dovednostech vědět. Musíme je také procvičovat.

Pokud považujeme interpersonální gramotnost za jednu ze základních kompetencí budoucnosti, vyvstává další otázka: Jak ji vlastně rozvíjet?

Určitě nestačí absolvovat přednášku o komunikaci, přečíst si knihu o aktivním naslouchání nebo úspěšně vyplnit test z koučovacích kompetencí.

Stejně jako se nenaučíme hrát tenis pouze studiem pravidel, nenaučíme se ani vést náročné rozhovory bez skutečného procvičování.

Důležitou roli proto mají modelové situace, střídání rolí, pozorování, zpětná vazba a reflexe.

Když například účastník workshopu vede rozhovor v roli manažera, může si poprvé uvědomit, jak často druhému člověku skáče do řeči, jak rychle nabízí vlastní řešení nebo jak obtížně snáší delší ticho.

Když se následně ocitne v roli zaměstnance, může stejnou situaci prožít z úplně jiné perspektivy.

A když potom sleduje rozhovor jako pozorovatel, získává další příležitost rozpoznávat vzorce komunikace, které si při vlastním jednání ani neuvědomoval.

V tomto ohledu se interpersonální vzdělávání velmi úzce propojuje s metakognicí a unlearningem.

Nejde pouze o osvojování nových technik.

Často potřebujeme nejprve rozpoznat a přehodnotit dosavadní automatické reakce, přesvědčení a způsoby jednání.

Manažer se například nemusí učit jen správně formulovat otevřené otázky.

Možná se především potřebuje odnaučit přesvědčení, že jako vedoucí musí na každou otázku znát odpověď.

A právě to může být mnohem obtížnější než zapamatování nové komunikační techniky.

Důležitá je také dlouhodobá praxe. Zkušenost z workshopu představuje pouze začátek. Skutečné osvojení dovednosti vyžaduje její opakované používání v běžných situacích, zpětnou vazbu a ochotu reflektovat vlastní chyby.

Vzdělávání pro profesi, nebo pro život?

Vraťme se nyní k otázce, kterou jsme si položili na začátku článku.

Co by mělo být výsledkem vzdělávání ve světě, kde umělá inteligence dokáže stále větší část našich intelektuálních úkolů vykonávat rychleji a někdy i lépe než my sami?

Samozřejmě potřebujeme odborníky. Potřebujeme lékaře, inženýry, vědce, učitele, podnikatele i další profesionály, kteří dobře rozumějí svému oboru.

Potřebujeme také lidi, kteří dokážou využívat nové technologie a kriticky posuzovat jejich výsledky.

Ale nestačí to.

Potřebujeme také lidi, kteří dokážou spolupracovat, rozumět odlišným perspektivám, vést náročné rozhovory, konstruktivně nesouhlasit a pomáhat ostatním rozvíjet jejich schopnosti.

Tyto dovednosti nejsou důležité pouze pro pracovní trh.

Jsou stejně důležité pro partnerské vztahy, rodičovství, občanskou společnost i schopnost hledat společná řešení v době rostoucí společenské polarizace.

A právě proto bychom interpersonální gramotnost neměli považovat pouze za specializovanou profesní kvalifikaci.

Měla by se stát přirozenou součástí vzdělávání člověka.

To je také jeden ze základních principů, ze kterých vycházíme v Mindset Academy.

Koučink nevnímáme pouze jako cestu k nové profesi. Vnímáme jej také jako příležitost rozvíjet schopnosti, které člověk může využívat ve své dosavadní práci i v každodenním životě.

Smyslem kurzu koučinku nemusí být naučit člověka vykonávat novou profesi. Může jím být také pomoci mu lépe vykonávat profesi, kterou už má.

A možná bychom tuto myšlenku mohli posunout ještě dál.

Ve světě, kde budou inteligentní technologie stále dostupnější a schopnější, nemusí být největší hodnotou vzdělávání pouze to, kolik toho dokážeme individuálně vědět a udělat.

Stále důležitější může být také to, co dokážeme společně vytvářet, jak si navzájem pomáháme rozvíjet vlastní schopnosti a jaké vztahy při tom budujeme.

Technologie nám mohou pomáhat získávat znalosti, analyzovat svět a hledat odpovědi.

Ale to, jak spolu dokážeme žít, pracovat, nesouhlasit a společně vytvářet budoucnost, zůstává také otázkou našeho vlastního vzdělávání.

Závěr: Vzdělávání pro svět, který ještě neznáme

Nevíme, jak bude vypadat svět za deset nebo dvacet let. Nevíme, která povolání zaniknou, která vzniknou a jaké schopnosti budou inteligentní technologie v té době mít.

Jedno je však pravděpodobné: změna se stane trvalou součástí našich životů. A právě na tuto skutečnost by nás mělo vzdělávání připravovat.

Budeme potřebovat hluboké znalosti, abychom dokázali světu rozumět. Kritické myšlení, abychom uměli zpochybňovat vlastní předpoklady. Technologickou gramotnost, abychom dokázali využívat možnosti AI, aniž bychom jí přenechali svůj úsudek. A schopnost učit se, odnaučovat a znovu učit, protože to, co funguje dnes, nemusí fungovat zítra.

Stejně důležité však budou naše mezilidské schopnosti. Umění naslouchat, klást otázky, spolupracovat, zvládat konflikty, vytvářet důvěru a podporovat rozvoj ostatních.

Technologie nám mohou pomoci získávat znalosti, hledat řešení a dosahovat stále lepších výsledků. Samotné vzdělávání by však mělo směřovat dál — k rozvoji samostatně myslících, odpovědných a adaptabilních lidí, kteří dokážou své schopnosti využívat společně s ostatními.

Možná bychom proto měli přestat posuzovat úspěch vzdělávání především podle toho, kolik informací si studenti zapamatovali, jaké úkoly splnili nebo jaké certifikáty získali.

A začít se mnohem více ptát, jakými lidmi se díky vzdělávání stávají.

Protože skutečným výsledkem vzdělávání by neměl být pouze dobře splněný úkol.

Měl by jím být člověk, který dokáže přemýšlet, učit se, spolupracovat a zvládat i budoucnost, kterou dnes ještě neumíme předvídat.

Dr. Ivan Černohorský

Více o autorovi