Daria Hvížďalová je spoluzakladatelkou AI startupu Mainware, který je odnoží strojírenské firmy JHV. Ve svém sloupku popisuje, jak jí zkušenosti ze světa umělé inteligence a práce s daty pomáhají lépe zvládat rodičovství.

Do kdy kojit? Mám pouštět pohádky, nebo v žádném případě? Do školky už teď, později, nebo radši vůbec? Pokud máte k rodičovství stejný přístup jako já, pravděpodobně hledáte něco lepšího než rady: hledáte informace. Všestranné informace, které vám pomohou udělat to nejlepší rozhodnutí ve vaší jedinečné situaci.

Mezitím většina knih a článků o rodičovství vychází z předpokladu, že už máte dávno ve všem jasno a hledáte jen tu cestu jak. Jak naučit dítě spát ve vlastní postýlce, jak přestat kojit, jak vybrat školku. Google je v těchto případech dobrý sluha, ale velmi špatný pán. Dostanete odpověď přesně, jakou chcete, záleží jen na tom, jak budete formulovat otázku.

Jenže za každou otázkou stojí spousta drobností, kvůli kterým si eventuálně řeknete „ale vždyť ta moje situace je určitě trochu jiná…“. A jste neustále v situaci, kde si musíte říct, jestli nějaká rada pro vás platí, nebo ne, jen na základě pocitů.

Daria Hvížďalová, spoluzakladatelka AI startupu Mainware | Foto archiv D. Hvížďalové

A toto mi přišlo jako strašně nespolehlivá cesta, obzvlášť v permanentním stavu únavy a nedostatku spánku. Pokud budu upřímná, často bych si během prvního roku života dítěte nesvěřila ani řídit auto, natož rozhodovat o něčem, co může ovlivnit celý život mého nejdražšího potomka.

Emily Oster, profesorka ekonomiky na Brownově univerzitě, mi pomohla cítit se za volantem rodičovství trochu jistější. Ve své knize Cribsheet: A Data-Driven Guide to Better, More Relaxed Parenting, from Birth to Preschool (Penguin Press) Oster aplikuje na rodičovství ekonomické principy rozhodování – zvážení nákladů a přínosů s respektem ke konkrétním omezením.

K tomu přikládá vědecké důkazy o účinnosti a bezpečnosti různých postupů, aby čtenáři mohli dojít k vlastním závěrům. Jako mámu mě uklidnilo zjistit, na kterých rozhodnutích z dlouhodobého hlediska moc nezáleží a která bych měla brát trochu vážněji. Ale hlavně, moc jsem si užila pocit, že i když postupy a frameworky jsou standardní, jejich „naplnění“ je jen o mně a o mém pocitu. Win-win.

Například v sekci „Stay-at-home or stay-at-work mom“ Oster poskytuje nástroje na definování hodnoty, maximalizaci, které byste chtěli dosáhnout, a následnou alokaci času mezi prací a rodičovstvím. A tou hodnotou nemusí být jenom spokojenost dětí v daný okamžik, ale – představte si – i vaše.

Jedním z nezřejmých, ale zajímavých aspektů se pro mne stalo vyhodnocení toho, s jakou rychlostí klesá mezní hodnota společného času s dětmi. Užíváte si celý den stejně, nebo i když je prvních pár hodin skvělých, třetí už je trochu více unavující a po čtvrté jste ready na skleničku vína – nebo poklidné čtení mailů? A kolik přidané hodnoty přinese vašim dětem ta čtvrtá hodina?

Nadýchnutí a odstup je za mne celkově tou správnou strategií pro vytvoření „big picture“. Udělat si takový přehled, když se každou minutu děje něco zásadního, je však velkou výzvou.

Mojí záchranou byl Baby Connect, jako jedna z řady trekovacích aplikací pro mladé rodiče. Ve své nejzákladnější podobě tyto aplikace nabízejí náhradu za ručně psané záznamy a tabulky. Díky řádně zaregistrovaným krmením (input), plenkám (output) a spánkovým relacím v prvním půlroce života dítěte jsem generovala kolem tří set datových bodů měsíčně.

Větší přínos je však v mapování a analýze údajů o dětech a v procesu, díky kterému je rodičovství kvantifikovatelnějším vědeckým úsilím. Místo nocí strávených na serverech typu eMimino a Modrý koník jsou data rychlejším způsobem odpovědi na starou otázku: Je moje dítě normální?

V rámci porovnání s anonymizovanými daty ostatních uživatelů se dá tento systém použít jako systém včasného varování, který rodičům pomůže určit, co je a co není neobvyklé: „Má to osmdesát procent dětí, je to naprosto normální.“ Nebo: „Dělá to jen dvacet procent dětí, možná to normální není.“ Je to způsob efektivnějšího debuggingu dítěte.

Co se ale teprve uvidí, je, zda tento nový zdroj informací sníží obavy z rodičovství – nebo je zhorší tím, ze umožní neustálé, nervózní srovnání. Upřímně se přiznám, že když jsem během etapy předčasného růstu zubů a opožděné chůze zjistila, že každé dítě je jiné a z většiny dětí se eventuálně stejně stanou dospělí, tak jsem se monitoringu šťastně vzdala.

Samozřejmě u mnoha otázek o rodičovství je mimořádně obtížné vůbec vymýšlet nějakou metodologii výzkumu. Výsledek navíc může ovlivnit tolik externích faktorů, že se nikdy v životě zpětně nedozvíte, jestli za něco může vyloženě ta sklenička vína u kojení, anebo jestli by čas strávený u obrazovky kratší o deset minut nějak ovlivnil konkrétní vývojovou etapu.

Tady se prostě nedá izolovat proměnnou, rozdělit děti na několik náhodných skupin a zkoumat. Někdy si musíme vybrat na základě vlastního pocitu a selského rozumu. Nicméně, i v těchto situacích se dá řídit checklistem, anebo dokonce i flowchartem, minimálně s informací o možných rizicích a jejich pravděpodobnosti.

Ale i když uděláme všechno „správně“, tak se dostaneme jen na další úroveň komplexity. Čím jsou děti starší, tím hůř se kvantifikují problémy, a z jasné roadmapy „přežít rodičovskou“ se dostáváme na nezmapované území výchovy.

Takže připouštím, že má cenu užít si racionální přístup, dokud to jde. Pak už bude stále v menším počtu případů tou správnou cestou empirická analýza a častěji společný čas strávený posloucháním a snahou si navzájem porozumět.