Využívanie nástrojov generatívnej umelej inteligencie v IT sektore

Využívání generativní umělé inteligence představuje v současnosti zásadní technologický posun, který mění zavedené pracovní postupy v technologickém sektoru. Tato práce má za cíl identifikovat klíčové oblasti využití velkých jazykových modelů v IT pozicích a analyzovat specifické způsoby, kterými pracovníci ověřují správnost generovaných výstupů. K naplnění tohoto cíle byl zvolen kvalitativní výzkum realizovaný formou polostrukturovaných rozhovorů na vzorku 33 respondentů působících v IT sektoru. Výsledky analýzy odhalily, že IT pracovníci využívají nástroje umělé inteligence při úlohách, které lze rozdělit na technické, analytické, koncepční a administrativní, přičemž nejčastěji se uplatňují při vývoji kódu, řešení technických chyb a analýze rozsáhlých dokumentů. Výzkum identifikoval tři hlavní roviny ověřování správnosti: systémovou verifikaci, manuální validaci založenou na expertním úsudku a křížové ověřování z nezávislých zdrojů. Práce dospěla k závěru, že generativní AI práci odborníků nenahrazuje, ale mění její samotnou povahu, přičemž hlavní pozornost IT specialistů se přesouvá od manuální tvorby řešení ke strategickému zadávání instrukcí a k následné expertní validaci vygenerovaných výstupů.

The use of generative artificial intelligence currently represents a fundamental technological shift that is changing established workflows in the technology sector. This master's thesis aims to identify the key areas of application of large language models in IT positions and to analyze the specific methods by which professionals verify the accuracy of the generated outputs. To achieve this goal, a qualitative research approach was chosen, conducted through semi-structured interviews with a sample of 33 respondents working in the IT sector. The analysis results revealed that IT professionals use artificial intelligence tools for tasks that can be divided into technical, analytical, conceptual, and administrative categories, with the most frequent applications being code development, technical error resolution, and the analysis of extensive documents. The research identified three main levels of accuracy verification: system verification, manual validation based on expert judgment, and cross-verification using independent sources. The thesis concludes that generative AI does not replace the work of experts, but rather transforms its very nature, with the main focus of IT specialists shifting from the manual creation of solutions to the strategic assignment of instructions and the subsequent expert validation of generated outputs.