Jak vnímá AI člen bankovní rady ČNB?
Je důležité, aby se české firmy neocitly na špatné straně 'GenAI Divide'
Tentokrát pro vás máme rozhovor s Jakubem Seidlerem, bývalým hlavním ekonomem ING ČR a momentálním členem bankovní rady České národní banky.
1 Zdroj ČNB
Jak si myslíte, že AI mění způsob provádění makroekonomických předpovědí, zejména v kontextu finančních rizik?
AI zásadně rozšiřuje naše možnosti práce s daty. Už nejsme omezeni jen na měsíční nebo čtvrtletní statistiky – dnes je možné ve velkém zpracovávat i velmi detailní informace, třeba denní ceny potravin nebo energií. Možnosti „data miningu“ či „machine learningu“ zde sice byly i dříve, ale AI možnosti opět rozšířila. Díky tomu máme lepší cit pro to, co se v ekonomice děje právě teď, a můžeme rychleji zachytit náběh inflačních tlaků nebo změny v chování spotřebitelů. AI navíc umožňuje analyzovat i sentiment domácností a firem z textových dat, což je cenný signál pro předpovědi. To vše zvyšuje – a zejména bude zvyšovat – robustnost našich prognóz a tím i schopnost včas reagovat na vznikající finanční rizika.
Zkušenost z firem ale ukazuje, že samotné nasazení AI nestačí – podle MIT reportu The GenAI Divide: State of AI in Business 2025 ji 95 % společností sice testuje, ale jen přibližně 5 % ji dokáže proměnit v reálnou transformaci. Pro centrální banku platí to samé: AI nám pomáhá jen tehdy, pokud výsledky opravdu včleníme do rozhodovací praxe.
Existují podle vás specifické problémy české ekonomiky, které by AI mohlo pomoci lépe řešit?
Česká ekonomika dlouhodobě bojuje s napjatým trhem práce. Firmy často narážejí na nedostatek lidí, což brzdí jejich růst. AI tu může sehrát zásadní roli – od účetnictví po administrativu dokáže převzít rutinní úkoly a uvolnit lidem ruce pro činnosti s vyšší přidanou hodnotou. To je přímá cesta ke zvýšení produktivity.
Současně je ale důležité, aby se firmy neocitly na špatné straně „GenAI Divide“. Nestačí AI jen vyzkoušet – skutečný dopad má teprve tehdy, když se plně promítne do procesů a výsledků. Pro Česko je to klíčová výzva: proměnit vysokou adopci v reálný růst efektivity.
Co vás nejvíc fascinuje na možnostech AI při zkoumání dlouhodobých trendů v české ekonomice?
Například to, že AI umožňuje stavět na mnohem širší historické zkušenosti. Ještě nedávno byl sběr dlouhých časových řad extrémně náročný – například průlomová studie Jorda, Schularick a Taylor (2017) vznikala mnoho let a přinesla databázi pro více než 17 zemí od roku 1870. Díky ní mohli autoři ukázat, že rychlý růst úvěrů bývá spolehlivým předstihovým ukazatelem finančních krizí.
Dnes dokáže AI takový sběr i harmonizaci dat výrazně urychlit, ale pořád platí, že vyžaduje pečlivou validaci. V ČNB se proto snažíme AI využívat systematicky – máme koordinační skupinu, která rozvoj AI řídí, a podporujeme i organické využívání ze strany zaměstnanců. Chceme se vyhnout tomu, aby AI zůstala jen v kategorii „95 % experimentů“ – naším cílem je, aby se skutečně propsala do kvality analýz a zlepšila naše porozumění dlouhodobým trendům české ekonomiky.
Myslíte si, že AI by mohlo jednoho dne nahradit ekonomy při vytváření makroekonomických doporučení, nebo je lidský úsudek nenahraditelný?
Současnou AI bychom neměli brát jako člověka se skutečnou inteligencí. Je to spíše sofistikovaný „auto-filler“ – replikuje vzory, které už v datech viděla. Díky tomu je velmi užitečná, ale může opakovat i chyby, které v datech byly přítomné. Právě proto je lidský úsudek klíčový. Makroekonomická doporučení vyžadují nejen práci s daty, ale i porozumění prostředí, institucionálním vazbám a širším souvislostem. To zatím AI nedokáže.
Možná v budoucnu uvidíme pokrok, ale dnes je lidský úsudek nenahraditelný.
Jaké nečekané využití AI v ekonomii vás naposledy překvapilo, ať už jde o akademický výzkum nebo praxi?
Překvapilo mě, jak užitečná je AI při samotném vývoji nových modelů pro predikci inflace nebo hodnocení měnové politiky. Tyto modely mají tisíce řádků kódu a není snadné udržet přehled o celé struktuře. AI dokáže kód projít, převést ho do přehledných schémat a ukázat, jak model funguje jako celek. Díky tomu lépe chápeme, jak se šoky šíří ekonomikou.
Zároveň AI zrychluje proces experimentování – můžeme testovat více variant modelů v kratším čase než dřív. A to je právě rozdíl mezi pouhým experimentem a skutečnou transformací: AI už u nás není jen nástrojem „na hraní“, ale reálně mění způsob, jak děláme výzkum.
Podnikáte něco v AI a chcete o tom dát vědět? Napište nám na mitonainl@miton.cz.
Tady jsou volné AI pozice v rámci Mitonu i našeho portfolia.
Pro další novinky mrkněte na náš Twitter, LinkedIn či blog.
Díky, že nás čtete! Za Miton zdraví Lukáš a Míša.