Představme si, že stejnou umělou inteligenci dostanou místní knihovna, banka, terapeutické centrum a malá pekárna. Všechny jí zadají téměř totéž: „Napiš lidský, autentický a moderní příspěvek, který zaujme, ale nebude příliš prodejní.“ Výsledky mohou být bez překlepů, přehledné a docela příjemné. V každém se objeví krátký úvod, několik srozumitelných vět, možná řečnická otázka a výzva na závěr.
Jenže po odstranění názvu nemusí být poznat, komu text patří. Pekárna mluví stejným jazykem jako terapeutické centrum, knihovna používá stejné obraty jako banka a každá organizace zve své publikum na „společnou cestu“. Umělá inteligence přitom zadání splnila. Potíž je v tom, že jsme jí předali tón, ale nikoli dostatek důvodů, proč právě tento člověk nebo organizace mluví právě takto.
Vlastní hlas totiž nevzniká jen ze slov. Vzniká z opakovaných rozhodnutí: čeho si všímáme, komu věříme, co vysvětlujeme, kde pochybujeme, jaký vtip si odpustíme, komu dáme prostor a co bychom nezveřejnili ani za cenu většího dosahu. Část těchto voleb lze popsat a ukázat na příkladech. Část se projeví až ve chvíli, kdy několik přijatelných možností leží vedle sebe a někdo musí říct, která je naše a která už ne.
Co se ztratí, když text může patřit komukoli
U textu můžeme sledovat několik různých kvalit. Je gramaticky správný? Je srozumitelný? Splňuje účel? Obsahuje ověřené informace? Poznáme, kdo jej napsal a proč? Tyto otázky se mohou překrývat, ale nejsou totožné.
Návod k resetování hesla nemusí nést nezaměnitelnou osobnost. Potřebujeme přesnost, stručnost a správné pořadí kroků. U veřejné omluvy, úvahy, odpovědi člověku v nouzi nebo textu o hodnotách organizace už naopak záleží i na tom, jaké vztahy, závazky a hranice mluvčí skutečně má. Stejně hladká věta může být v jednom kontextu užitečná a v jiném prázdná.
Proto zaměnitelnost není jen estetický problém. Někdy znamená pouze to, že reklama zní jako tisíc jiných reklam. Jindy zakryje, že text neodpovídá na skutečnou otázku, nebere na sebe žádný závazek nebo mluví ke všem natolik obecně, že vlastně nemluví k nikomu.
| Vrstva | Na co se ptáme | Co samo o sobě nestačí |
|---|---|---|
| správnost | Neobsahuje text chybu? | správná věta může míjet situaci |
| čtivost | Dá se snadno pochopit? | hladkost není totéž co význam |
| účelnost | Udělá text to, co má? | okamžitý účinek nemusí být v souladu s hodnotami |
| konzistence | Odpovídá ostatním výstupům? | opakování může vytvořit šablonu |
| identita | Poznáme z něj autorovy priority a hranice? | několik typických slov nevytvoří úsudek |
Model musí prázdná místa nějak vyplnit
Generativní model nedostává hotový názor ukrytý za našimi několika větami. Pracuje s tím, co jsme zadali, s poskytnutým kontextem a s jazykovými vzorci, které si osvojil při trénování. Když požádáme o „poutavý článek o duševním zdraví“, stále chybí mnoho rozhodnutí. Komu je určen? Jaký problém řeší? Co už čtenář ví? Jaké zdroje jsou přijatelné? Kde je hranice mezi běžnou nepohodou a stavem vyžadujícím odbornou pomoc? Co nesmí text slíbit?
Má-li model rovnou napsat hotový text, musí alespoň některá prázdná místa vyplnit. Vybere strukturu, příklady, míru jistoty i slovník. Výsledná verze může znít přijatelně a současně se podobat návrhům pro mnoho dalších lidí. Chybějící rozhodnutí ovšem můžeme nejprve doplnit sami nebo model požádat, aby se na ně doptal.
Také lidé opakují naučené obraty a sledují žánrové konvence. Při zadávání práce modelu však záleží na rozsahu nedořečeného: čím více významových voleb mu přenecháme, tím větší část výsledku určí jeho obvyklý způsob odpovídání. Naše konkrétní důvody se do textu nemusí vůbec dostat.
Co má v zadání znamenat „lidský a autentický“
Slova jako lidský, přátelský, odvážný, moderní nebo autentický znějí přesně jen do chvíle, než je mají dva lidé převést do stejného textu. Pro jednoho znamená přátelskost tykání a emoji, pro druhého klidné vysvětlení bez povýšenosti. Odvážný text může otevřeně pojmenovat problém, použít drsný vtip, zpochybnit autoritu nebo jen napsat kratší titulek. Autenticita může označovat osobní zkušenost, přiznanou nejistotu i neupravenou fotografii.
OpenAI ve své dokumentaci k zadávání stylu doporučuje určit konkrétní podobu výstupu: hlavní sdělení uvést brzy, každému odstavci dát jednu nosnou myšlenku, používat běžná slova a seznamy zařazovat tam, kde pomáhají srovnání nebo postupu. To jsou pokyny výrobce k práci s jeho modely. Podobně si můžeme rozložit vlastní požadavek „buď empatický“: nejprve pojmenuj konkrétní potíž, neslibuj výsledek, který neznáš, a vysvětli důvod navrhovaného kroku.
Takové zadání není jen delší. Je také lépe kontrolovatelné: u výsledku lze ověřit, zda se do něj požadovaná volba skutečně promítla. Zároveň odhaluje, že hlas neurčují ozdobná slova, ale hierarchie: co musí zůstat, co může zmizet a co se použít nesmí.
Styl není totéž co identita
Styl lze zčásti pozorovat na povrchu: délka vět, slovník, rytmus, míra formálnosti, používání metafor, nadpisů nebo řečnických otázek. Tyto znaky jsou důležité. Čtenář pozná rozdíl mezi úředním dopisem, osobním fejetonem a reklamou často dříve, než dočte první odstavec.
Identita však sahá hlouběji. Zahrnuje také otázky, které člověk klade, koho nechává jednat a koho pouze popisuje, jak pracuje s mocí, zda připouští protiváhu, kdy odmítne jednoduchou pointu a co považuje za příliš ponižující, laciné nebo neověřené. Dva autoři mohou používat stejně krátké věty a úplně jinak zacházet s člověkem, o němž píší.
Pokus o napodobení konkrétních mluvčích zkoumal vyjadřování předsedajících komisí při rozhodování o podmíněném propuštění v Kalifornii. Podle shrnutí studie se modely po doplnění podrobnějšího „rétorického otisku“ přiblížily některým znakům jednotlivých mluvčích, ale jejich vlastní jazykové tendence dál převažovaly. Výsledek se týká vybraných rysů anglického projevu v konkrétním prostředí. Napodobit způsob formulace je užší úkol než převzít úsudek člověka, který za ní stojí.
Lepší text pro jednotlivce, podobnější texty ve skupině
Obava ze zaměnitelnosti není založena jen na dojmu z opakujících se obratů. Několik experimentů našlo podobný vzorec: jednotlivec může s generativní AI vytvořit více nápadů nebo lépe hodnocený text, ale výsledky různých lidí se navzájem přiblíží.
Ve studii 293 osmivětých příběhů mohli někteří účastníci získat jeden nebo až pět námětů od GPT-4. Zadání modelu bylo pevné, nešlo o volný rozhovor. Přístup k námětům zvýšil čtenářské hodnocení novosti a možnosti příběh dále rozvinout, zejména u pisatelů s nižším výsledkem vstupního testu slovních asociací. Příběhy ve skupinách s AI si však byly významově podobnější než příběhy ve skupině bez ní.
Jiný experiment sledoval 38 pisatelů, kteří celkem vytvořili 300 argumentačních esejů. Rozhraní jim nabízelo pokračování rozepsaného textu. Při práci s InstructGPT byla rozmanitost slov i obsahu menší než při psaní bez modelu; u základního GPT-3 se stejný účinek neprojevil. Rozdíl souvisel hlavně s převzatými modelovými pasážemi, nikoli se změnou v částech, které napsali sami lidé.
Ve studii brainstormingu s 33 vyhodnocenými účastníky sloužil ChatGPT 3.5 k volnějšímu hledání nápadů. Ve srovnání s pomocí inspiračních karet lidé vytvářeli více nápadů, ale nápady různých uživatelů si byly významově podobnější. Šlo o čtyři krátké úlohy, nikoli o dlouhodobé sledování tvůrčí práce.
Rozdíly mezi modely i úlohami jsou podstatné. Společně tyto výsledky ukazují napětí mezi dvěma cíli: pomoci jednomu člověku vytvořit lepší text a zachovat různorodost textů celé skupiny. Stejný nástroj může prvnímu cíli prospět a druhý oslabit.
Podobnost přežije i odstranění typických „AI slov“
Často se hledají typická „AI slova“, dlouhé pomlčky, pravidelné odstavce nebo příliš uhlazené závěry. Některé modelové rodiny skutečně zanechávají ve velkých souborech textů jemné otisky ve slovní zásobě a gramatice.
Pět zkušených uživatelů modelů ve studii 300 anglických publicistických textů sledovalo při rozpoznávání AI také přílišnou formálnost, předvídatelnost, chybějící humor, pravidelnou stavbu či podivně dokonalé citace. Jejich společné hlasování bylo v tomto experimentu velmi přesné. Skupinu ovšem výzkumníci sestavili až po prvním pokusu podle zkušeností nejúspěšnějšího hodnotitele; nešlo o náhodný vzorek čtenářů.
Jednotliví hodnotitelé se navíc mýlili různě často a některé opakované znaky je svedly k chybnému závěru. Člověk může psát uhlazeně, používat pomlčky a mít rád tři body. Modelový text může být silně přepracovaný. Samotné slovo ani znaménko proto spolehlivě neurčuje původ textu.
Může tím vzniknout i zvláštní časový paradox. Někteří autoři psali uhlazeně, členili text do pravidelných odstavců nebo používali určité obraty dávno před rozšířením generativní AI. Modely se učily na rozsáhlých souborech lidských textů a část podobných znaků převzaly; původní autor pak může působit, jako by napodoboval nástroj, který přišel až po něm.
Zaměnitelnost může přežít i po odstranění nápadných slov. Zůstane stejný oblouk: obecný problém, několik symetrických bodů, uklidňující protiváha a závěr, že pravda leží uprostřed. Zůstanou stejné příklady, stejný typ hrdiny a stejná neochota rozhodnout, co je důležité. Povrch se „polidští“, ale myšlenková stavba zůstane zapůjčená.
Příklad ukazuje víc než další přídavné jméno
Ukázka hotového textu může modelu sdělit rytmus, strukturu a míru detailu přesněji než dlouhý seznam dojmů. Ani knihovna starších výstupů však sama neříká, proč byly vybrány. V jednom článku mohl autor použít osobní příběh proto, že byl ověřený a nezastupitelný. Model z něj může odvodit, že každý text má začínat scénou s fiktivní postavou.
Proto jsou cenné také odmítnuté příklady a důvody odmítnutí:
| Nestačí říct | Užitečnější vodítko | Co tím chráníme |
|---|---|---|
| piš empaticky | nepopisuj člověku jeho emoci jako diagnózu; nejprve uznej konkrétní situaci | respekt a přesnost |
| buď odvážný | pojmenuj rozpor přímo, ale nevyráběj nepřítele jen kvůli pointě | jasnost bez ponižování |
| piš jako naše starší články | zachovej práci s protiváhou, ale nekopíruj jejich úvodní scénu ani pořadí kapitol | kontinuitu bez opakování |
| nepoužívej klišé | vynech obrat, který lze bez změny vložit do textu jakékoli organizace | konkrétnost |
| udělej to lidské | přiznej nejistotu tam, kde ji mají zdroje; nevyráběj falešnou osobní zkušenost | důvěryhodnost |
Nejcennější informace často není „tento odstavec se nám líbí“, ale „vybrali jsme jej proto, že nezlehčuje riziko, přestože by ostřejší verze pravděpodobně získala více reakcí“. Tím se z příkladu stává stopa úsudku.
Vraťme se k pomyslné pekárně z úvodu. Má oznámit, že v pátek zavře dříve. Místo „Děkujeme, že s námi sdílíte každodenní radost z poctivého pečení“ potřebuje zákazník nejprve vědět: „V pátek zavíráme už ve dvě. Chléb si můžete objednat do čtvrtka večer.“ Otevírací dobu a možnost objednávky musí dodat pekárna; model je nesmí vymyslet. Pokud vybereme druhou verzi, dáváme mu zároveň vodítko pro příště: přátelskost spočívá také v tom, že zákazník nemusí hledat důležitou informaci mezi poděkováními.
Co se při lidské úpravě skutečně změnilo
Věta „AI vytvoří návrh a člověk jej upraví“ může označovat velmi rozdílné procesy. Člověk může pouze opravit dvě čárky a podepsat se. Může také změnit hlavní otázku, dohledat zdroje, odmítnout nejúčinnější titulek, přepsat polovinu argumentu a nakonec celý návrh zahodit. V obou případech proběhla lidská kontrola, ale tvůrčí odpovědnost nebyla stejná.
Ani korektura nemusí být neutrální. Srovnání úprav 656 anglických esejů studentů, pro něž byla angličtina druhým jazykem, zjistilo, že modely měnily slovní zásobu a větnou stavbu rozsáhleji než lidští korektoři. Výzkum měřil jazykové znaky, nikoli věrnost autorovu hlasu nebo kvalitu sdělení. Pro práci s vlastním textem z toho plyne praktická otázka: zachovala oprava význam a důrazy, nebo spolu s chybou přepsala i něco, co mělo zůstat?
Vlastní hlas se při úpravě projevuje rozhodnutím, co má vzniknout, podle čeho poznáme zdařilý výsledek, které návrhy nepřijmeme a kdy text raději nevydáme. Pouhá oprava několika čárek nám tuto možnost ještě nezajišťuje.
Cíl práce mění způsob používání nástroje
Předregistrovaný experiment s 200 účastníky, zveřejněný v roce 2026 jako preprint o cílech tvůrčí spolupráce, porovnal psaní příběhu s AI a bez ní. Část zadání zdůrazňovala originalitu vůči ostatním, část kvalitu zpracování. Ve skupinách s AI vedlo zadání zaměřené na originalitu k větší významové rozmanitosti příběhů. Ta přesto nedosáhla úrovně skupin bez AI. Šlo o jednu krátkou úlohu s GPT-5 mini, nikoli o sledování celého tvůrčího vývoje.
Dodatečný rozbor práce s nástrojem ukázal, že účastníci zaměření na originalitu přebírali méně modelového textu doslovně. To nabízí možné vysvětlení rozdílu, samo však nedokazuje, že právě omezení doslovného přebírání způsobilo větší rozmanitost. Výsledek podporuje užší a užitečný závěr: záleží také na cíli, který lidem pro práci s AI stanovíme.
Zaměnitelnost může podporovat i organizace, která měří jen počet výstupů, používá jeden univerzální prompt a každou odchylku od vzoru vrací k přepracování. Zaměstnanec pak má malý důvod hledat vlastní řešení, i kdyby mu je nástroj uměl pomoci rozvinout.
Stejné hodnoty potřebují různý tón
Organizace může chtít, aby všechny její texty působily jednotně. Jenže odpověď člověku po ztrátě blízkého, bezpečnostní upozornění, pozvánka na koncert a popis platby nemají mít stejný rytmus, humor ani míru osobnosti. Identita se neprojevuje tím, že každá věta zní stejně. Projevuje se také schopností změnit rejstřík, aniž se změní hodnoty.
| Typ výstupu | Co může AI nabídnout | Co musí člověk posoudit |
|---|---|---|
| rutinní návod | strukturu, zkrácení, varianty formulace | správnost kroků a výjimek |
| analytický článek | návrhy osnovy, protiargumenty, jazykovou úpravu | otázku, zdroje, důrazy a závěr |
| reklama | varianty titulku a formátu | pravdivost slibu a hranici nátlaku |
| osobní odpověď | kontrolu srozumitelnosti, možné formulace | znalost vztahu, situace a následků |
| citlivé veřejné sdělení | hledání nejasností a slepých míst | odpovědnost, závazek, omluvu a konkrétní nápravu |
Čím citlivější situace a čím větší následky, tím méně stačí obecná konzistence. Potřebujeme člověka, který zná kontext, smí se zastavit a nese odpovědnost za konkrétní volbu. Pokud nástroj může sdělení také sám odeslat, přibývá otázka, co mu dovolíme udělat naším jménem. Rozhodnutí o obsahu a souhlas s jeho odesláním musejí odpovídat tomu, co člověk skutečně zamýšlel.
Kdy se z pravidel stane šablona
Řešením zaměnitelnosti není sepsat nekonečný seznam povinných obratů, délek vět a zakázaných znamének. Takový systém může krátkodobě zvýšit rozpoznatelnost a současně proměnit každou odpověď v karikaturu. Autor se začne poznávat podle toho, že vždy používá stejnou metaforu, značka podle povinné otázky v prvním odstavci a „lidskost“ podle předem přidělené drobné nedokonalosti.
Konzistence není neměnnost. Živý hlas reaguje na situaci, učí se, opravuje staré návyky a někdy poruší vlastní běžné pravidlo, protože tentokrát by bylo necitlivé nebo nepřesné. Pravidla mají držet hodnoty a kvalitu, ne zakonzervovat statistický průměr minulých textů.
Užitečný systém proto obsahuje také výjimky a otázky: Kdy tento vzor nepoužít? Co se změnilo? Koho naše pravidlo opomíjí? Který starší příklad už dnes nechceme napodobovat? Bez této revize může nástroj velmi důsledně reprodukovat hlas, který už jeho vlastní autor dávno opustil.
Překlep ani vymyšlená vzpomínka vlastní hlas nevytvoří
Když se rozšíří seznamy údajných znaků AI textu, objeví se opačný trik: přidej překlep, hovorové slovo, osobní detail, nepravidelnou větu nebo úmyslnou odbočku a text bude „lidský“. To může změnit dojem, nikoli původ rozhodnutí.
Vymyšlená vzpomínka není autentičtější než obecná fráze. Falešně přiznaná pochybnost není poctivější než jistá věta. Náhodně vložená chyba nevytváří vztah s publikem. Lidskost není soubor nedokonalostí, které lze dávkovat do strojového výstupu jako koření.
Navíc ani lidský text není syrový výpis nitra. Jak ukazuje článek Buď sám sebou. Ale tak, aby to dobře vypadalo, každý člověk před publikem vybírá a upravuje. Vlastní hlas proto neznamená říct úplně všechno bez filtru. Znamená, že filtr odpovídá našemu vztahu k lidem, pravdě a odpovědnosti, nikoli pouze tomu, co právě zní přesvědčivě.
Praktická práce začíná před promptem
Pokud nechceme zaměnitelný výsledek, nejdůležitější otázky nemůžeme řešit až nakonec při korektuře. Patří na začátek:
- Co je naše skutečná otázka? Ne pouze téma, ale rozpor, který chceme objasnit.
- Co do textu přinášíme my? Zkušenost, ověřená data, stanovisko, vztah k publiku nebo znalost konkrétní situace.
- Co nesmí model doplnit za nás? Osobní vzpomínku, neověřený fakt, závazek, diagnózu či hodnotový soud vydávaný za samozřejmost.
- Jak poznáme dobrý výsledek? Podle konkrétních voleb, ne jen podle dojmu „zní to hezky“.
- Co jsme ochotni odmítnout? Bez možnosti zahodit celý návrh se z kontroly stává úprava směru, který už určil nástroj.
- Co se musí lišit podle formátu? Článek, komentář, reklama a citlivá odpověď nepotřebují stejnou míru automatizace.
- Co se má příště změnit? Dobré a špatné příklady mají aktualizovat pravidla, ne pouze zaplnit archiv.
AI pak nemusí psát celý text. Může nabídnout několik protichůdných osnov, hledat opomenutou námitku, zkrátit již hotový odstavec, porovnat tón variant nebo upozornit na nejasné místo. Čím přesněji víme, kterou část rozhodování jí předáváme, tím menší je riziko, že spolu s větami předáme i vlastní důvod mluvit.
Kdo rozhodl, co má text říct
Debata se často zúží na původ jednotlivých vět: napsal je člověk, nebo model? To může být důležité kvůli pravidlům školy, pracovním povinnostem či důvěře publika. Pro osobitost textu však potřebujeme vědět také to, kdo rozhodl, čemu věnovat pozornost a co pominout.
Člověk může napsat každé slovo ručně a pouze napodobit právě populární šablonu. Může také použít generativní nástroj a přinést vlastní otázku, zdroje, zkušenost i důsledný výběr. Pro osobitost výsledku záleží na konkrétním záměru a skutečné možnosti říct návrhu ne.
Kontrola ovšem vyžaduje znalost, čas a právo výstup odmítnout. Pokud člověk dostane stovku návrhů a povinnost je rychle schválit, může z jeho úsudku zůstat jen formální podpis.
Část vlastního hlasu lze předat pravidlem, část příkladem a část se projeví až při posouzení konkrétního návrhu. Tento úsudek se mění s tématem, zkušeností a odpovědností. Starší zadání proto občas potřebuje přepsat stejně jako text, který podle něj vznikl.
Plynulost je užitečná. Důvod mluvit musí zůstat náš
Generativní AI může pomoci s prvním návrhem, nabídnout variantu, uhladit větu a usnadnit psaní lidem, kteří by se v něm jinak trápili. Některé experimenty zároveň ukazují, že lepší jednotlivý výsledek může doprovázet menší rozmanitost ve skupině. Záleží na nástroji, úloze i tom, co od práce požadujeme.
U jednoho textu chceme zachovat především přesnost. U jiného také zkušenost, odvahu, humor, vztah nebo rozhodnutí nevytěžit cizí slabost pro pozornost. Tyto požadavky potřebujeme znát dříve, než přijmeme první přesvědčivou verzi.
AI může psát správně a může se našemu hlasu výrazně přiblížit. Nemůže však z vágního zadání vyčíst všechny důvody, které jsme jí neřekli a možná si je sami neujasnili. Pokud má výsledek patřit nám, nestačí naučit nástroj naše oblíbená slova. Musíme v práci ponechat místo, kde stále opravdu volíme.
