AIFC-030: AI Capacity Planning

Status: Draft 0.1 Standard: AI-First Community Standard Zkráceně: AIFC Navazuje na:

AIFC-000 Manifest AI-first komunity
AIFC-001 Core Concepts
AIFC-002 Community Model
AIFC-003 Values and Purpose
AIFC-004 Feedback and Change Proposals
AIFC-010 Knowledge Structure
AIFC-020 Human-Managed AI
AIFC-021 AI as External Expert Capacity
AIFC-023 AI as Team Member
AIFC-024 Human Capability Reserve

Účel dokumentu: Definovat AI Capacity Planning jako governance mechanismus, kterým komunita plánuje, alokuje, měří a vyhodnocuje AI kapacitu podle záměru, hodnot, rizika, nákladů, lidské review kapacity a dopadu na schopnost komunity.

1. Purpose of this document

Tento dokument definuje AI Capacity Planning.

AIFC chápe AI jako silnou, ale omezenou provozní kapacitu.

AI spotřebovává:

peníze,
tokeny,
compute,
modelovou kapacitu,
lidský review čas,
pozornost,
governance kapacitu,
bezpečnostní kapacitu,
rizikovou kapacitu,
a schopnost komunity výstupy pochopit a použít.

AI tedy není nekonečný zdroj.

Stejně jako komunita plánuje práci lidí, sprint kapacitu, rozpočet nebo provozní zdroje, musí plánovat i AI kapacitu.

Tento dokument odpovídá na otázky:

Co je AI capacity?
Proč nestačí AI pouze „používat“?
Jak plánovat AI kapacitu podle hodnot a záměru?
Jak alokovat AI kapacitu mezi delivery, support, maintenance, learning, governance a security?
Jak měřit přínos AI?
Jak rozpoznat AI waste?
Jak pracovat s lidskou review kapacitou?
Jak zabránit tomu, aby AI budget posiloval dependency místo capability?
Jak napojit AI capacity planning na retrospektivu a feedback loop?

2. Core principle

Základní princip tohoto dokumentu je:

AI work must be planned like any other constrained work.

Česky:

Práce AI musí být plánována stejně jako jiná omezená práce.

AIFC říká:

AI is not free capacity.
AI is governed capacity.

Česky:

AI není volná kapacita.
AI je řízená kapacita.

Komunita se nemá ptát pouze:

Kde všude můžeme použít AI?

Má se ptát:

Na co má být naše omezená AI kapacita použita, aby nejlépe sloužila záměru a hodnotám komunity?

3. Definition

AI Capacity je omezená schopnost komunity využívat AI v určitém období, oblasti nebo režimu.

Zahrnuje nejen technickou a finanční kapacitu, ale také lidskou a governance kapacitu potřebnou k bezpečnému použití AI.

AI Capacity může zahrnovat:

token budget,
finanční budget,
compute budget,
počet dostupných agentů,
model access,
vendor limits,
rate limits,
human review hours,
approval capacity,
security review capacity,
legal review capacity,
attention capacity,
risk budget,
knowledge maintenance capacity,
fallback capacity.

Minimum requirement

AIFC komunita musí chápat AI jako omezený zdroj a u významného AI použití musí sledovat alespoň náklady, účel, ownera a očekávaný přínos.

4. Why AI Capacity Planning matters

AI Capacity Planning je důležité, protože bez něj AI použití často roste neřízeně.

Může vzniknout:

vysoký náklad bez jasného přínosu,
spotřeba tokenů na nízkohodnotnou rutinu,
zahlcení lidí review požadavky,
AI waste,
AI dependency,
vendor lock-in,
skryté riziko v agentických workflow,
nedostatek AI kapacity pro kritické úkoly,
neschopnost vypnout AI bez dopadu,
nerovnováha mezi delivery a maintenance.

AI kapacita, která není plánovaná, má tendenci být spotřebována tím, co nejvíc křičí, ne tím, co nejvíc posouvá komunitu k jejímu záměru.

Minimum requirement

Významná AI kapacita musí být alokována podle priorit, nikoli pouze podle ad hoc poptávky.

5. AI capacity is multi-dimensional

AI capacity není jen počet tokenů nebo peněz.

AIFC rozlišuje více dimenzí.

5.1 Financial capacity

Kolik peněz komunita může vědomě utratit za AI.

5.2 Token and compute capacity

Kolik modelového výkonu je dostupné.

5.3 Human review capacity

Kolik času mají lidé na kontrolu AI výstupů.

5.4 Governance capacity

Kolik změn, výjimek, approvalů a rizik komunita dokáže bezpečně řídit.

5.5 Security capacity

Kolik AI použití nad citlivými daty dokáže bezpečnostně posoudit.

5.6 Attention capacity

Kolik AI návrhů, upozornění a výstupů dokáže komunita absorbovat bez zahlcení.

5.7 Risk capacity

Kolik rizika je komunita ochotna přijmout v daném období nebo oblasti.

5.8 Human capability capacity

Kolik AI použití lze zavést, aniž by se začala ztrácet lidská schopnost.

Minimum requirement

AI Capacity Planning musí zohlednit nejen technickou a finanční kapacitu, ale také human review, governance a risk capacity.

6. AI capacity and purpose

AI kapacita má být alokována podle záměru komunity.

Komunita se má ptát:

Které použití AI nejvíce podporuje náš záměr?
Kde AI snižuje největší riziko?
Kde AI pomáhá splácet dluh?
Kde AI chrání hodnoty?
Kde AI pouze zvyšuje objem výstupů bez dopadu?
Kde AI zrychluje práci špatným směrem?

AI kapacita nesmí být řízena pouze dostupností nástroje nebo módností use casu.

Minimum requirement

Významná alokace AI kapacity musí být vysvětlitelná záměrem, hodnotami, strategií nebo rizikem.

7. AI capacity and values

Hodnoty určují, na co AI kapacita smí a nesmí být použita.

Například pokud komunita drží hodnotu odolnost, AI kapacita nemá být použita pouze na rychlou delivery.

Musí být alokována i na:

fallbacky,
Human Capability Reserve,
knowledge cleanup,
AI lock-in review,
maintenance,
AI retrospective,
security review,
skill evolution.

Pokud komunita drží hodnotu péče, musí část kapacity směřovat do údržby systému, nejen do nových funkcí.

To, o co komunita nepečuje, má tendenci degradovat nebo vytvářet dluh.

Minimum requirement

AI Capacity Planning musí být posuzován proti hodnotám komunity, zejména u vysoké AI intenzity.

8. Capacity allocation domains

AIFC doporučuje alokovat AI kapacitu do domén.

Příklad domén:

delivery / change
support
maintenance
knowledge management
security
compliance
learning
strategy
feedback processing
skill evolution
experimentation

8.1 Delivery / change

AI pomáhá vytvářet nové produkty, služby, dokumenty, kód nebo workflow.

Riziko: přílišná orientace na rychlost a vznik dluhu.

8.2 Support

AI pomáhá třídit požadavky, navrhovat odpovědi a detekovat patterny.

Riziko: ztráta kontaktu lidí se zákaznickou realitou.

8.3 Maintenance

AI pomáhá čistit knowledge base, hledat duplicity, outdated obsah a chybějící ownerství.

Riziko: maintenance návrhy se hromadí, ale nikdo je neschvaluje.

8.4 Knowledge management

AI pomáhá strukturovat source of truth.

Riziko: AI interpretace je zaměněna za schválené know-how.

8.5 Security and compliance

AI pomáhá detekovat rizika, porušení pravidel a chybějící kontroly.

Riziko: falešný pocit bezpečí nebo práce s příliš citlivými daty.

8.6 Learning and skill evolution

AI pomáhá převádět zkušenost do human skills a AI skills.

Riziko: vznik AI skills bez odpovídající human skill vrstvy.

Minimum requirement

Komunita musí umět říct, kolik AI kapacity používá v hlavních pracovních doménách a proč.

9. AI capacity units

AIFC může používat různé jednotky AI kapacity.

Například:

peníze,
tokeny,
agent-hours,
model calls,
review hours,
AI points,
risk points,
engagement count,
workflow runs,
approved AI actions.

Pro plánování může být užitečné používat zjednodušenou jednotku AI point.

AI point může kombinovat:

náklad,
očekávanou spotřebu,
riziko,
review náročnost,
dopad,
komplexitu.

Example

AI capacity for sprint: 100 AI points

Delivery acceleration: 40
Knowledge maintenance: 20
Support triage: 15
Security review: 10
Skill evolution: 10
Exploration: 5

Minimum requirement

AIFC nenařizuje konkrétní jednotku, ale komunita musí mít způsob, jak AI kapacitu plánovat a porovnávat.

10. AI capacity in sprint planning

V týmech používajících agilní plánování může být AI kapacita součástí sprint planningu.

Příklad:

Human team capacity: 40 story points
AI capacity: 100 AI points
Human review capacity: 8 hours
AI budget: 500 EUR
Risk capacity: max 2 high-risk AI actions

Sprint planning by měl rozhodnout:

na co půjde AI kapacita,
kolik review kapacity je dostupné,
která AI workflow jsou povolená,
kde je potřeba fallback,
co se nesmí automatizovat,
co bude měřeno v retrospektivě.

Minimum requirement

Pokud tým plánuje AI práci ve sprintu, musí plánovat i human review a governance kapacitu.

11. Human review capacity

Human review capacity je často úzké hrdlo AI-first práce.

AI může vygenerovat více výstupů, než lidé dokážou bezpečně posoudit.

To vytváří rizika:

formální review bez obsahu,
schvalování z únavy,
hromadění AI návrhů,
snížení kvality,
skrytá AI rozhodnutí,
review bottleneck.

AI capacity nemůže být vyšší než schopnost komunity výstupy absorbovat.

Minimum requirement

AI Capacity Planning musí zahrnovat human review capacity u workflow, kde je review vyžadováno.

12. Attention capacity

AI může vytvářet mnoho návrhů, upozornění a shrnutí.

Pokud je jich příliš, komunita se zahlcuje.

Attention capacity je schopnost komunity věnovat pozornost důležitým AI výstupům.

AIFC proto doporučuje:

prioritizovat AI návrhy,
zavést triage,
omezit nízkohodnotné výstupy,
spojovat podobné signály,
zobrazovat AI výstupy přes Human Cockpit Layer,
měřit AI noise.

Minimum requirement

Významné AI workflow musí brát v úvahu, zda komunita dokáže výstupy skutečně přečíst, posoudit a použít.

13. AI budget

AI budget je finanční nebo provozní hranice AI použití.

Může být definován:

měsíčně,
sprintově,
projektově,
podle týmu,
podle domény,
podle agenta,
podle AI engagementu,
podle workflow.

AI budget není jen cost control.

Je to strategický signál, na co komunita chce používat externí inteligenci.

Minimum requirement

Významné AI použití musí mít cost visibility a rozpočtovou odpovědnost.

14. Budget thresholds

AIFC doporučuje definovat prahové hodnoty.

Například:

80 % budget used:
Notify owner.

90 % budget used:
Reduce AI intensity for low-priority work.

95 % budget used:
Restrict AI to critical or approved workflows.

100 % budget used:
Switch non-critical AI usage to AI-off or approval-only mode.

Prahové hodnoty mají zabránit náhlému zastavení práce.

Pokud dojde AI budget, komunita nesmí ztratit schopnost vykonat rutinní nebo kritickou práci.

Minimum requirement

Kritické AI workflow musí mít pravidla, co se stane při dosažení AI budget limitu.

15. AI capacity and operating modes

AI Capacity Planning je napojený na AI operating modes.

Příklady:

Conservative mode

nízká AI intensity,
vysoký human review,
nízké riziko,
vhodné pro citlivé oblasti.

Balanced mode

standardní použití AI,
řízené review,
běžná práce.

Aggressive mode

vyšší AI intensity,
větší spotřeba,
omezený čas nebo scope,
vhodné pro migrace nebo cleanup.

Mission mode

dočasně vysoká AI capacity pro jasný cíl,
silný owner,
budget,
risk boundary,
retrospective.

Emergency AI-off mode

AI kapacita je výrazně omezena nebo vypnuta,
aktivují se fallbacky,
používá se při incidentu, budget limitu nebo vendor problému.

Minimum requirement

AI Capacity Planning musí být schopný snížit nebo zvýšit AI intensity podle operating mode.

16. AI capacity and autonomy

Vyšší autonomie AI obvykle spotřebovává méně human review kapacity, ale zvyšuje governance a risk nároky.

Nižší autonomie spotřebovává více review kapacity, ale může snížit riziko.

AI Capacity Planning musí proto zvažovat vztah:

AI autonomy
↔ human review capacity
↔ risk capacity
↔ governance maturity

Example

AI může autonomně detekovat chybějící metadata.

Ale změna aktivního workflow vyžaduje review.

Minimum requirement

AI autonomy nesmí být zvýšena pouze proto, že komunita nemá dost review kapacity. To je signál governance rizika.

17. AI capacity and risk budget

AI risk budget je množství rizika, které je komunita ochotna přijmout v daném období.

Může zahrnovat:

počet high-risk AI actions,
počet AI workflow nad restricted daty,
počet agentických write actions,
počet AI experiments,
počet AI-generated public outputs,
počet Operational DNA AI access events.

Risk budget pomáhá zabránit tomu, aby se příliš mnoho rizikových AI kroků dělo najednou.

Minimum requirement

Komunita musí omezit počet nebo rozsah vysokorizikových AI aktivit podle své governance maturity.

18. AI capacity and AI-NDA Boundary

AI capacity nad neveřejnými daty je omezená nejen budgetem, ale i boundary.

AI-NDA Boundary určuje, zda AI smí s danými daty pracovat.

Capacity planning musí respektovat:

data classification,
allowed data,
forbidden data,
approved tools,
processing location,
storage rules,
training use,
audit,
incident risk.

Minimum requirement

AI capacity nesmí být alokována na práci, která by porušila AI-NDA Boundary.

19. AI capacity and Operational DNA

AI práce s Operational DNA je vysoce hodnotná a vysoce riziková.

Může pomoci:

pochopit firmu jako systém,
najít zlepšení,
vytvořit skills,
odhalit dependency,
navrhnout fallbacky,
vyčistit rozhodovací logiku.

Ale může také vést k:

úniku schopnosti,
lock-inu,
přenosu know-how do externího systému,
ghost AI company risk,
dependency na agentické paměti.

Minimum requirement

AI capacity nad Operational DNA musí být plánována odděleně a schválena na odpovídající úrovni.

20. AI capacity and Human Capability Reserve

AI Capacity Planning musí hlídat, zda AI kapacita neposiluje závislost na úkor lidské schopnosti.

Pokud většina AI kapacity směřuje do vykonávání rutinní práce bez učení, dokumentace a human skills, může komunita zrychlit krátkodobě, ale oslabit dlouhodobě.

Část AI capacity má být věnována:

human skill creation,
AI-free fallback,
onboarding support,
review training,
skill evolution,
Human Capability Reserve assessment.

Minimum requirement

AI Capacity Planning musí vyhodnocovat dopad AI alokace na Human Capability Reserve.

21. AI waste

AI waste je spotřeba AI kapacity, která nepřináší odpovídající hodnotu nebo by měla být nahrazena stabilním workflow.

Příklady:

opakované generování stejného typu ticketu,
opakované ruční promptování pro stejnou kontrolu,
AI shrnutí dokumentů, které nikdo nečte,
AI návrhy bez ownera,
AI analýzy bez rozhodnutí,
AI cleanup bez write-backu,
opakovaná rutina, kterou by měl dělat validátor,
AI výstupy, které jen vytvářejí attention debt.

AI waste není vždy chyba.

Někdy je to signál, že komunita objevila pattern, který má být převeden na non-AI workflow.

Minimum requirement

AI retrospektiva musí identifikovat AI waste a navrhovat workflow conversion tam, kde to dává smysl.

22. Workflow conversion

AI Capacity Planning musí podporovat workflow conversion.

Pokud AI opakovaně vykonává stejnou rutinu, komunita se má ptát:

Má vzniknout šablona?
Má vzniknout validátor?
Má vzniknout UI workflow?
Má vzniknout skript?
Má vzniknout pravidlo?
Má vzniknout human skill?
Má vzniknout AI skill s jasným scope?
Má se tato práce přestat dělat?

Cílem není donekonečna kupovat AI kapacitu pro opakovatelný pattern.

Cílem je přeměnit opakovaný pattern na stabilní schopnost systému.

Minimum requirement

Opakovaná AI rutina musí být pravidelně posuzována jako kandidát na workflow conversion.

23. Capacity planning cycle

AIFC doporučuje cyklus:

plan
↓
allocate
↓
execute
↓
measure
↓
retrospect
↓
convert / adjust
↓
plan again

Plan

Určit dostupnou AI kapacitu a priority.

Allocate

Rozdělit kapacitu do domén a workflow.

Execute

Použít AI podle schválených pravidel.

Measure

Měřit náklady, přínos, šum, dependency a riziko.

Retrospect

Vyhodnotit, co fungovalo a co ne.

Convert / adjust

Převést rutinu na workflow, upravit skills, snížit dependency, změnit budget nebo operating mode.

Minimum requirement

AI Capacity Planning musí být propojen s AI Retrospective a Change Proposals.

24. Capacity planning roles

AI Capacity Planning může zahrnovat tyto role:

community owner,
AI governance owner,
budget owner,
process owner,
security owner,
knowledge owner,
human capability owner,
team lead,
product owner,
AI team member owner,
reviewer,
Human Cockpit Layer user.

Role se mohou lišit podle velikosti komunity.

Minimum requirement

Významná AI capacity musí mít ownera odpovědného za její alokaci a vyhodnocení.

25. Human Cockpit Layer and AI Capacity

Human Cockpit Layer musí zviditelňovat AI Capacity Planning.

Může zobrazovat:

dostupný AI budget,
spotřebu,
AI capacity allocation,
human review capacity,
čekající AI návrhy,
AI waste,
AI dependency risk,
AI operating mode,
AI engagement status,
agent cost,
value contribution,
budget thresholds,
fallback status.

Bez lidské viditelnosti se AI capacity stává skrytým provozním zdrojem.

Minimum requirement

Odpovědní členové komunity musí mít lidsky dostupný přehled významné AI spotřeby, přínosu a rizik.

26. AI capacity record

AIFC doporučuje používat AI capacity record.

Příklad metadat:

ai_capacity_plan:
  id:
  title:
  status: draft | active | under_review | archived
  period:
  owner:
  total_budget:
  budget_unit: eur | tokens | ai_points | agent_hours
  human_review_capacity_hours:
  risk_capacity:
  operating_mode:
  allocation:
    delivery:
    support:
    maintenance:
    knowledge_management:
    security:
    learning:
    experimentation:
  budget_thresholds:
    notify_at:
    reduce_intensity_at:
    restrict_at:
    ai_off_at:
  related_values:
  related_strategy:
  related_ai_engagements:
  review_date:
  retrospective_required: true | false

Tato struktura je ilustrativní.

Finální schéma má být definováno v agent-actionable vrstvě standardu.

27. Metrics

AIFC doporučuje sledovat metriky ve čtyřech skupinách.

27.1 Cost metrics

AI spend,
token usage,
compute usage,
agent-hours,
cost per accepted output.

27.2 Value metrics

accepted proposals,
decisions supported,
risk detected,
debt reduced,
knowledge updated,
skills created,
workflows improved,
human time saved.

27.3 Risk metrics

AI dependency indicators,
high-risk AI actions,
restricted data processing events,
AI-NDA boundary violations,
AI outputs rejected,
human review failures.

27.4 Learning metrics

workflow conversion candidates,
AI waste items,
human skill updates,
AI skill updates,
maintenance items created,
fallback improvements.

Minimum requirement

Významná AI kapacita musí být vyhodnocena nejen podle nákladů, ale i podle hodnoty, rizika a učení.

28. Anti-patterns

AIFC odmítá následující anti-patterny.

28.1 Unlimited AI assumption

Komunita se chová, jako by AI kapacita byla nekonečná.

28.2 AI budget without purpose

AI budget existuje, ale není napojený na záměr a hodnoty.

28.3 AI capacity without review capacity

AI generuje více výstupů, než lidé dokážou posoudit.

28.4 AI usage as productivity theater

AI vytváří mnoho textu, návrhů a výstupů, ale málo schválené hodnoty.

28.5 AI waste ignored

Opakovaná AI rutina není převedena na workflow, validátor nebo šablonu.

28.6 AI capacity used only for delivery

Všechna AI kapacita jde na rychlost, žádná na maintenance, security, learning a resilience.

28.7 Budget outage stops critical work

Po vyčerpání AI budgetu se zastaví kritická nebo rutinní práce bez fallbacku.

28.8 Autonomy increased because review capacity is missing

Komunita zvýší autonomii AI jen proto, že lidé nestíhají review.

28.9 Hidden AI cost

AI spotřeba je rozptýlená a nikdo neví, kolik stojí.

28.10 No retrospective

AI kapacita se spotřebuje, ale komunita se z ní nepoučí.

29. Minimal requirements

AIFC komunita musí v oblasti AI Capacity Planning minimálně splnit:

Chápe AI jako omezenou kapacitu.
Významná AI kapacita má ownera.
Významné AI použití má cost visibility.
AI kapacita je alokována podle záměru, hodnot, strategie nebo rizika.
AI Capacity Planning zahrnuje human review capacity.
AI Capacity Planning zahrnuje attention capacity u výstupově bohatých workflow.
AI Capacity Planning zahrnuje risk capacity u vysokorizikových AI aktivit.
AI budget má pravidla pro překročení nebo vyčerpání.
AI capacity respektuje AI-NDA Boundary.
AI capacity nad Operational DNA je plánována a schvalována odděleně.
AI alokace je vyhodnocována z hlediska Human Capability Reserve.
AI waste je sledován a vyhodnocován.
Opakovaná AI rutina je posuzována jako kandidát na workflow conversion.
AI Capacity Planning je propojen s AI Retrospective.
Human Cockpit Layer nebo governance rozhraní zviditelňuje AI spotřebu, přínos a rizika.
Významné AI capacity plány mají status, periodu a review mechanismus.
AI metriky zahrnují náklad, hodnotu, riziko a učení.

30. Summary

AI Capacity Planning mění AI z nekontrolovaného použití na řízenou provozní kapacitu.

AI není nekonečná magie.

Je to omezený zdroj, který spotřebovává peníze, tokeny, review čas, pozornost, governance kapacitu a rizikovou kapacitu.

AIFC proto říká:

Plan AI like capacity.
Allocate it by purpose.
Limit it by values.
Measure it by value.
Review it by risk.
Convert repeated AI work into stable capability.

Česky:

Plánujte AI jako kapacitu.
Alokujte ji podle záměru.
Omezujte ji hodnotami.
Měřte ji hodnotou.
Vyhodnocujte ji rizikem.
Opakovanou AI práci převádějte na stabilní schopnost systému.

Dobře řízená AI kapacita posiluje komunitu.

Neřízená AI kapacita spotřebovává zdroje, vytváří šum a může budovat závislost.

AI Capacity Planning turns AI usage into governed strategic capacity.