Přeskočit na hlavní obsah
PraktickAI
KurzyPro týmySlužbyDokumentaceBlog
KurzyPro týmySlužbyDokumentaceBlog
DomůBlogVáš tým nechce používat AI. Co s tím?
15. září 2025·9 min čtení

Váš tým nechce používat AI. Co s tím?

Adopce v týmuStrategie
Přejít na sekci
  • Proč vývojáři vzdorují
  • Špatná první zkušenost
  • Strach z nahrazení
  • Nedostatek času na experimentování
  • Co funguje: tři ověřené strategie
  • 1. Najděte nadšence a dejte jim prostor
  • 2. Ukažte konkrétní úspory, ne potenciál
  • 3. Nedělejte z toho povinnost
  • Timeline realistické adopce
  • Co říká ta, co 'AI nikdy nebudou používat'
  • Chyby, které vidím opakovaně

CTO koupí licence, pošle email 'od teď používáme AI', a za měsíc to používají dva lidé z dvaceti. Zbytek to zkusil jednou, dostal špatný výstup, a vrátil se k tomu, co zná.

Tohle vidím tak často, že bych to mohl nazvat standardním scénářem. A problém není v lidech — je v přístupu. Nařídit adopci shora nefunguje. Co funguje?

Proč vývojáři vzdorují

Odpor k AI není iracionální. Má konkrétní příčiny, které musíte pochopit, abyste je mohli řešit.

Špatná první zkušenost

Zkusili jeden prompt ('oprav tenhle bug'), dostali generický kód, který nefungoval v jejich kontextu, a zavrhli celý nástroj. Tohle je nejčastější příčina. Problém není nástroj — je špatný prompt. Ale kdo je to naučí?

Strach z nahrazení

'Pokud AI umí psát kód, proč by mě potřebovali?' Tohle je reálná obava, kterou nemusíme bagatelizovat. Odpověď: AI nahradí rutinní úkoly, ne vývojáře. Vývojář, který AI používá, je produktivnější — ne nahraditelnější. Ale tohle musí být řečeno explicitně.

Nedostatek času na experimentování

Mají plno práce ve sprintu a učení nového nástroje jim připadá jako luxus. Pokud management nedá explicitně čas na experimentování, lidé to prostě neudělají. Sprint commitments vždy vyhrají.

Nejčastější chyba: očekávat, že se lidé naučí AI 've volném čase.' Nikdo nemá volný čas. Dedikovaný čas na experimentování musí být explicitní — 2–4 hodiny týdně v prvním měsíci.

Co funguje: tři ověřené strategie

1. Najděte nadšence a dejte jim prostor

V každém týmu jsou 2–3 lidé, kteří experimentují rádi. Dejte jim čas a prostor — explicitně, ne 'když budeš mít chvilku.' Nechte je najít případy použití, které v praxi fungují na vašem kódu. Pak nechte JE to ukázat zbytku týmu.

Doporučení od kolegy funguje 10x líp než manažerský email. Když Tomáš na standupu řekne 'včera jsem s Claude Code vygeneroval 40 testů za hodinu, které by mě jinak trvaly dva dny' — to přesvědčí.

2. Ukažte konkrétní úspory, ne potenciál

'AI vám ušetří čas' nikoho nepřesvědčí. Je to příliš abstraktní. Co přesvědčí:

  • 'Tomáš vygeneroval 40 testů za hodinu — ručně by to trvalo 2 dny'
  • 'Petra zkrátila review time z 2 dnů na 4 hodiny díky AI pre-review'
  • 'Martin pochopil nový modul za 30 minut místo půl dne'
  • 'Celý tým deployoval dvakrát víc features tento sprint'

Konkrétní čísla z VAŠEHO týmu. Ne benchmarky z internetu, ne sliby vendorů. Vaše čísla, vaši lidé, váš kód.

3. Nedělejte z toho povinnost

Mandát shora vytvoří compliance, ne adopci. Lidé budou AI 'používat' jen proto, aby splnili metriku — ale ne efektivně. Místo toho vytvořte prostředí, kde je snadné začít a kde jsou vidět výsledky těch, kdo začali.

Prakticky: sdílený Slack kanál pro AI tipy. Na retrospektivě otázka 'kde vám AI pomohla?' Celebrations, když někdo najde skvělý use case. Žádné 'musíš používat AI' — ale 'podívej se, co s tím Tomáš udělal.'

Timeline realistické adopce

Realistická adopce není 'za týden používají všichni.' Je to graduální proces:

  • Měsíc 1: 2–3 průkopníci experimentují, nacházejí use cases
  • Měsíc 2: sdílejí výsledky, 5–6 dalších lidí to zkouší
  • Měsíc 3: polovina týmu aktivně používá AI na něco
  • Měsíc 4–5: AI se stává součástí standardního workflow
  • Měsíc 6: většina týmu používá AI denně

Tohle není pomalé — tohle je udržitelné. Rychlá adopce nařízená shora vede k povrchnému používání a návratu ke starým návykům.

Co říká ta, co 'AI nikdy nebudou používat'

V každém týmu je někdo, kdo říká 'já AI nepotřebuji.' A to je OK. Nenuťte je. Ale zajistěte, že mají přístup a školení, když se rozhodnou zkusit to. Často se stane, že skeptik vidí kolegy šetřit čas a řekne si 'tak to zkusím na tom nudném úkolu' — a zůstane.

Nejlepší adopce není vynucená. Je nakažlivá. Když lidé kolem vás šetří hodiny denně, chcete vědět jak.

Chyby, které vidím opakovaně

  • Email 'od teď používáme AI' bez školení a podpory
  • Metriky používání AI jako KPI — lidé budou optimalizovat metriku, ne produktivitu
  • Očekávání okamžitých výsledků — adopce trvá 3–6 měsíců
  • Ignorování odporu místo jeho pochopení — odpor má důvody, řešte je
  • Jeden nástroj pro všechny — různí lidé potřebují různé nástroje

Adopce AI v týmu je změna kultury, ne jen změna nástrojů. A změna kultury vyžaduje čas, trpělivost a správný přístup. Nařídit to nejde — ale inspirovat a umožnit ano.

  • Proč vývojáři vzdorují
  • Špatná první zkušenost
  • Strach z nahrazení
  • Nedostatek času na experimentování
  • Co funguje: tři ověřené strategie
  • 1. Najděte nadšence a dejte jim prostor
  • 2. Ukažte konkrétní úspory, ne potenciál
  • 3. Nedělejte z toho povinnost
  • Timeline realistické adopce
  • Co říká ta, co 'AI nikdy nebudou používat'
  • Chyby, které vidím opakovaně
LinkedInX / Twitter
Karel Čech

Karel Čech

Vývojář a AI konzultant. Pomáhám technickým týmům zavést AI do každodenní práce — od workshopů po dlouhodobé strategie.

LinkedIn →

Buďte o krok napřed s AI

Praktické tipy k AI pro vývojové týmy. Žádný spam, odhlášení kdykoliv.

Odesláním souhlasíte se zpracováním osobních údajů dle zásad ochrany soukromí.

Zaujal vás článek? Ponořte se hlouběji:

Pokročilý

AI pro týmy

Systematický průvodce zavedením AI do týmové práce.

7 lekcí3.5 hodin
Pokročilý

AI strategie pro leadery

Co potřebuje vedení vědět o AI — bez prázdných frází, s konkrétním plánem.

6 lekcí3 hodin

Související články

Měříte AI ROI špatně: metriky, které opravdu ukážou dopad na tým

Vedení se ptá 'stojí ta AI licence za to?' a sáhne po počtu řádků kódu nebo počtu promptů. To jsou vanity metriky. Tady je, co měřit místo nich.

Adoption gap: proč 73 % dev týmů AI v praxi nevyužívá (a jak to změnit)

Firmy kupují licence za miliony. Týmy je ignorují. Problém není v technologii — je v tom, jak se zavádí. Tady je framework, který funguje.

AI a technický dluh: paradox, který definuje rok 2026

AI může 10x zrychlit vývoj — ale taky 10x zrychlit tvorbu technického dluhu. 75 % firem už má střední až vysokou úroveň dluhu kvůli AI. Jak se z toho dostat?

Jdeme na to?

Začněte zdarma s online kurzem nebo se podívejte na školení pro týmy.

Domluvit konzultaci zdarma

PraktickAI

AI školení a konzultace pro technické týmy

KurzyPro týmySlužbyDokumentaceBlog
karel@praktickai.appLinkedIn

© 2026 PraktickAI — SkyVisual s.r.o. Všechna práva vyhrazena. Ochrana soukromí · Obchodní podmínky · Reklamační řád