Ranní rychlý přehled: adopce AI roste, ale důvěra a emoce veřejnosti jsou ambivalentní – a u hlasových kanálů (telefon/IVR) se ukazuje, že ochotu používat automatizaci táhne hlavně pocit bezpečí a schopnost „dokončit úkol“, ne jen vést rozhovor. Níže jsou čerstvá čísla a co z nich plyne pro telco a kontaktní centra.
Dnešní čísla
1) Gen Z: 51 % používá generativní AI aspoň týdně, ale roste vztek a klesá nadšení.
Podle společného výzkumu Walton Family Foundation, GSV Ventures a Gallupu používá generativní AI v USA 51 % Gen Z (14–29 let) alespoň týdně: 22 % denně a 29 % týdně. Současně se zhoršuje emoční „klima“ kolem AI: 31 % uvádí (silnou) shodu s tím, že cítí vztek, a 42 % uvádí úzkost; naopak „nadšení“ spadlo na 22 % a „naděje“ na 18 %. Pro kontaktní centra je zajímavý i prvek důvěry v práci: zaměstnaní Gen Z více věří výstupu bez AI (69 %) než AI‑asistované práci (28 %), zatímco čistě AI výstup preferuje jen 3 %. Metodika: webový průzkum 24. 2.–4. 3. 2026, n=1 572, pravděpodobnostní Gallup Panel. Zdroj (Gallup, 2026-04-09).
2) USA veřejnost: 50 % je z AI v běžném životě spíš „znepokojených“ než „nadšených“ (a jen 10 % naopak).
Pew Research Center v březnovém přehledu shrnuje výsledky svých dlouhodobých šetření: v otázce „víc znepokojený vs. víc nadšený“ z června 2025 uvádí 50 % dospělých, že je z rostoucího používání AI v denním životě více znepokojeno než nadšeno; pouze 10 % je naopak více nadšeno než znepokojeno (dalších 38 % je „napůl“). To je praktický signál pro voice/telefonní automatizaci: i když lidé AI používají, očekávají kontrolu, transparentnost a jasné přínosy (rychlost, přesnost, řešení na první dobrou). Pew zároveň ukazuje, že adopce roste v čase (např. podíl pracovníků používajících AI v práci se podle nich zvedl z 16 % v roce 2024 na 21 % v září 2025) – takže nejde o odmítání, ale o podmíněnou akceptaci. Zdroj (Pew, 2026-03-12).
3) Voice/telefonní AI: „soukromí“ je konkrétní spouštěč ochoty používat automatizaci (63 %).
Telnyx ve své zprávě o Voice AI (kombinace spotřebitelského panelu a anonymizovaných produkčních dat) uvádí, že v jejich lednovém Consumer Insights Panelu 63 % respondentů říká, že se cítí komfortněji s automatizovaným telefonním systémem, když ví, že konverzace zůstává soukromá a bezpečná (a „téměř každý třetí“ s tím silně souhlasí). Pro praxi v telco/call centru je to důležité: „trust messaging“ (co se děje s nahrávkou/transkriptem, kde jsou data, kdo k nim má přístup) není jen compliance, ale součást UX. Stejný report zmiňuje, že téměř tři čtvrtiny respondentů preferují volat firmě, když telefonní systém umí dokončit jejich požadavek (např. naplánovat, změnit, opravit) – což tlačí návrh voice botů směrem k integracím a „task completion“, ne k hezkému small talku. Zdroj (Telnyx, 2026; panel 01/2026).
4) Kontaktní centra: makro‑odhad úspor práce je velký (Gartner: 80 mld. USD v roce 2026), ale záleží na měření a governance.
CX Today cituje predikci Gartneru, že do roku 2026 nasazení konverzační AI v kontaktních centrech sníží globální náklady na agentní práci o 80 miliard USD (díky vyššímu podílu automatizovaných interakcí). Ve stejném článku je uveden i odkaz na McKinsey odhad, že generativní AI by mohla automatizovat až 30 % hodin aktuálně strávených napříč customer operations. Berte to jako rámcové „stropní“ číslo, ne jako hotový business case: aby se to promítlo do AHT/containment/CSAT, je potřeba jasně definovat, co je „vyřešeno“, kde se měří přepojení, kolik stojí fallback na člověka a jak se hlídá kvalita (hallucinations, policy, PII). Zdroj (CX Today, 2026) · odkaz na citaci Gartner · odkaz na McKinsey.
Co to znamená pro telco/call centrum
- Neřešte jen „AI umí mluvit“ – řešte „AI umí dokončit úkol“. Telnyxovo zjištění (preference systémů, které umí dokončit požadavek) je přesně o integracích do CRM/OSS/BSS, ověření identity a transakčních krocích. Bez toho budete mít hezký dialog, ale nízký containment a drahý handoff.
- Důvěra je produktové KPI. Gallup ukazuje výrazný rozdíl v důvěře k lidské vs. AI‑asistované práci (69 % vs. 28 %). V praxi to znamená: explicitní „safety rails“, transparentní informování o práci s daty, a měření chyb (false accepts/false rejects, špatné routování, opakování).
- Měřte ROI end‑to‑end a přiznejte limity. Makro‑predikce (Gartner/McKinsey) jsou užitečné pro priorizaci, ale lokální business case stojí na vašich číslech: containment, AHT, transfer rate, recontact rate a dopad na CSAT/NPS. Zaveďte měření „first‑time understanding“ a „task completion“ jako předstupně před finančními metrikami.
