Evropská centrální banka se potýká s výzvou, která nemá v moderní historii měnové politiky příliš obdoby. Svět je nestabilnější, šoky přicházejí rychleji a tradiční ekonomické modely s nimi bojují. Do hry proto vstupuje umělá inteligence, a to rovnou na několika frontách najednou. Tři nedávné příspěvky přímo z dílny Evropské centrální banky (ECB) ukazují, jak hluboce AI prostupuje do uvažování evropských centrálních bankéřů. Jde o reakci na reálný problém: jak řídit měnovou politiku v době, kdy se podmínky mění rychleji, než stačí tradiční nástroje zachytit.
Proč běžné modely nestačí
Standardní ekonomické modely mají jednu slabinu, která se v posledních letech výrazně projevila: pracují jen s několika málo proměnnými a předpokládají relativně stabilní vztahy mezi nimi. Jenže realita po pandemii tuto logiku rozbila.
Inflace přišla z více stran najednou. Přerušené dodavatelské řetězce, energetický šok, války, změny v chování firem i posun inflačních očekávání. "Řízení inflace dnes není o dolaďování nezaměstnanosti podél stabilní Phillipsovy křivky, ale o věrohodném závazku k cíli cenové stability," řekla Isabel Schnabelová v březnovém projevu.
Philip Lane ve svém projevu o AI a eurozóně upozornil na další rozměr problému. Odhady makroekonomického dopadu umělé inteligence se pohybují v enormně širokém rozsahu - od marginálního vlivu až po transformativní přeměnu celé ekonomiky. To samo o sobě vytváří analytický problém: jak nastavit měnovou politiku, když se základní parametry výhledu liší v závislosti na modelu?
Kvantilové regresní lesy
Odpovědí ECB je mimo jiné model označovaný jako kvantilový regresní les (QRF). Pracovní tým ECB jej popsal v blogovém příspěvku a jde o jeden z nejkonkrétnějších příkladů toho, jak AI v praxi centrálního bankovnictví funguje.
Model neprodukuje jediné číslo, ale celé rozložení pravděpodobností. Řekne nejen to, kde inflace nejspíš bude, ale také jak velká je šance, že překvapí směrem nahoru nebo dolů. Pracuje přitom se 60 proměnnými najednou a dokáže odhalit složité závislosti/situace, kdy vztah mezi příčinou a důsledkem není přímočarý, ale skokový.
Výsledky z roku 2025 ukazují, že model funguje. Ve druhém a čtvrtém čtvrtletí 2025 identifikoval vzestupná rizika pro jádrovou inflaci, která se skutečně naplnila. Inflace nakonec překonala prognózy ECB o 20 bazických bodů. Tam, kde model výrazné riziko neukázal, skončila skutečná inflace blíže k předpovědím.
Rozvoj AI v EU vs USA
Podíl zaměstnanců v eurozóně, kteří AI používají při práci, vzrostl z 26 procent v roce 2024 na 40 procent v roce 2025. Rychlost šíření nemá v historii předchozích technologií srovnání.
Jenže rychlé přijetí na úrovni jednotlivců nemusí automaticky znamenat rychlý přínos pro celkovou produktivitu. Jen 7 procent firem v eurozóně AI využívá naplno. A právě hloubka zapojení, ne pouhá přítomnost technologie, rozhoduje o makroekonomickém efektu. Při rychlém přijetí by celková faktorová produktivita mohla růst o 0,3 až 0,4 procentního bodu ročně po dobu dekády. Při pomalém přijetí zhruba o 0,2 procentního bodu. Rozdíl se zdá malý, ale přes deset let se sčítá na významnou mezeru v životní úrovni.
Digitální investice v eurozóně vzrostly od roku 2014 do roku 2025 o více než 60 procent. Jenže americký ekvivalent se za stejné období více než zdvojnásobil. Digitální investice tvoří v eurozóně zhruba 12 procent celkových investic. Ve Spojených státech přes 24 procent.
Schnabelová tento strukturální problém zasadila do širšího kontextu. Demografické stárnutí, zpomalování přistěhovalectví, rostoucí kvalifikační nesoulad atd. jsou omezení, která nelze vyřešit uvolněnou měnovou politikou. Pokud by se podařilo, aby AI skutečně rozšířila kapacity pracovní síly, mohlo by to zmírnit část tlaků vedoucích k růstu mezd a inflaci v odvětvích náročných na pracovní sílu.
Dopady pro měnovou politiku
Schnabelová upozornila na mechanismus, který by se mohl spustit sám od sebe. Vyšší produktivita zvyšuje mezní výnos kapitálu, ten tlačí nahoru rovnovážnou reálnou úrokovou sazbu, a měnová politika se tak fakticky automaticky uvolňuje bez toho, aby ECB sazby měnila.
Lane ale varoval před přílišným optimismem. Pokud by AI vedla k růstu nerovností a příjmy z produktivity plynuly převážně vlastníkům kapitálu, mohlo by to naopak zvýšit míru úspor a rovnovážnou sazbu stlačit dolů. Schnabelová k tomu dodala klíčové upozornění: na rozdíl od 90. let, kdy Fed (centrální banka USA) mohl pozorovat skutečná data o rostoucí produktivitě, dnes ECB žádný takový makroekonomický signál zatím nemá. Vsadit politiku na hypotetické zisky by bylo riskantní.
Interně ECB prochází vlastní transformací. QRF model je jedním příkladem. Dalším je automatizované zpracování firemních rozhovorů, které zkrátilo čas potřebný na každý výstup z přibližně hodiny na 20 až 30 minut, aniž by utrpěla kvalita. ECB buduje tři pilíře: analytické centrum pro práci s daty, výzkumnou laboratoř a ateliér asistentů pro nasazení AI do konkrétních procesů. Cílem je do konce roku 2027 integrovat AI do většiny klíčových procesů instituce.
Všechny výstupy AI přitom procházejí kontrolou lidských expertů. Technologie má rozšiřovat odborný úsudek, nikoli ho nahrazovat. Což odpovídá i tomu, co firemní data ukazují o dopadech AI na trh práce v eurozóně obecně a to, že technologie zatím pracovníky posiluje, ne vytlačuje.
