Přeskočit na obsah

AI v každodenní práci · lekce 6 z 8 · 14 min čtení

Psaní a úprava textů

Kde ti AI při psaní opravdu pomůže (první verze, přepis pro jiné čtenáře, zkracování, tón, překlad, korektura) a kde škodí. Postup, ve kterém obsah přinášíš ty, AI mu dá tvar a ty ho doladíš. A co si pohlídat v češtině.

Prázdná stránka je jedna z nejnepříjemnějších věcí v kancelářské práci. Víš, co chceš říct, ale e-mail klientovi, zápis z porady nebo text na web se ti ne a ne rozjet. Tady je jazykový model opravdu užitečný: první verzi napíše za pár sekund a nikdy ho nebolí hlava. Jenže kdo s ním chvíli píše, brzy pozná i druhou stranu. Texty vycházejí hladké, ale nějak prázdné, občas obsahují věc, kterou jsi nikdy neřekl, a všechny znějí trochu stejně.

V téhle lekci si ukážeme, kde AI při psaní pomáhá a kde škodí, a hlavně proč. Pak projdeme postup, který funguje: obsah přineseš ty, AI mu dá tvar, ty ho dotáhneš. Na konci se podíváme na češtinu, na to, jak poznat „AI text“, a na otázku, kdy čtenářům říct, že ti AI pomáhala.

Proč model píše plynule, ale průměrně

Z lekce Předpověď dalšího slova víš, že model píše text tak, že opakovaně volí pravděpodobné pokračování. To je přesně důvod, proč mu jde psaní tak dobře: viděl obrovské množství e-mailů, zpráv a článků a ví, jak takové texty obvykle vypadají. Gramatika, stavba odstavců, zdvořilostní fráze, to všechno jsou silné vzorce.

Stejný princip ale vysvětluje i slabinu. Pravděpodobné pokračování je z definice to obvyklé. Když modelu nedáš nic konkrétního, sáhne po tom, co se v podobných textech objevuje nejčastěji: obecné fráze, bezpečné formulace, opatrná vyváženost. Výsledek je text, který nikoho neurazí a nikoho nezaujme. Trénink na užitečného asistenta (viz Jak se model trénuje) k tomu přidává typický „asistentský“ styl: přehledné odrážky, shrnutí na konci, nadšený úvod.

Generický text
Text, který je gramaticky v pořádku a zní věrohodně, ale mohl by se týkat čehokoli. Chybí v něm konkrétní fakta, názor a autorův hlas. U jazykových modelů vzniká, když dostanou málo vlastního obsahu a doplňují „průměrné“ pokračování.

Z toho plyne nejdůležitější pravidlo celé lekce: kvalita textu z AI závisí hlavně na tom, kolik skutečného obsahu do něj vložíš. Model je výborný v tom, jak věci říct. V tom, co říct, je odkázaný na tebe.

Kde AI při psaní pomáhá

Tyhle úlohy mají společné to, že obsah už existuje (v tvé hlavě, v poznámkách, v původním textu) a model mění jen jeho podobu. Tam jsou jeho silné stránky nejsilnější a riziko nejmenší.

  • První verze. Dáš body, model je rozepíše do souvislého textu. Neber ji jako hotovou věc, ale jako hlínu, kterou budeš tvarovat. I špatná první verze pomáhá, protože se ti líp opravuje, než píše od nuly.
  • Přepis pro jiné čtenáře. Technickou zprávu pro vedení, interní návod pro zákazníky, právnický text lidskou řečí. Model umí měnit slovník a hloubku vysvětlení, když mu řekneš, kdo bude číst.
  • Zkracování. „Zkrať na polovinu“, „udělej z toho tři věty pro předmět e-mailu“. Pozor jen na to, že zkracování je výběr: model rozhoduje, co vypustí. Zkontroluj, že nevypustil právě to podstatné.
  • Tón. Z naštvaného e-mailu zdvořilý, z úředního přátelský, z omluvného věcný. Tohle je jedna z nejužitečnějších věcí, protože vlastní tón v emocích člověk špatně odhaduje.
  • Překlad. Pro běžné pracovní texty bývá překlad velkými modely dobrý a hlavně umí zachovat tón a přizpůsobit idiomy. U smluv, návodů s bezpečnostními pokyny a čehokoli, co jde ven, ho ale nech zkontrolovat člověkem, který jazyk ovládá.
  • Korektura. Najít překlepy, chybějící čárky, nekonzistentní pojmy. Požádej o seznam změn, ne jen o opravený text, ať vidíš, co se změnilo (víc v části o češtině).

Kde AI při psaní škodí

Generický „AI hlas“

Když čtenář pozná, že text napsala AI bez lidské úpravy, obvykle mu přestane věřit, nebo ho aspoň přestane číst pozorně. Generický text navíc zředí sdělení: tři odstavce zdvořilostí kolem jedné informace jsou horší než ta jedna informace.

Vymyšlená fakta

Když modelu dáš osnovu a požádáš o „hotový článek“, chybějící místa doplní. Přidá číslo, které „by tam sedělo“, termín, který „bývá obvyklý“, nebo citát, který nikdo neřekl. Je to stejný mechanismus jako u halucinací, jen se tu schovává uvnitř textu, který jinak vychází z tvých podkladů. Proto je tak zrádný: čteš ho jako svůj a cizí věty v něm přehlédneš.

Ztráta vlastního myšlení

Tohle je nejméně viditelné riziko a možná nejdůležitější. Psaní není jen zapisování hotových myšlenek. Často teprve když píšeš, zjistíš, co si vlastně myslíš, kde ti chybí argument nebo že tvůj návrh nedává smysl. Když tuhle fázi necháš na modelu, dostaneš text dřív, ale můžeš přijít o to přemýšlení.

Výzkumníci z Microsoft Research v roce 2025 publikovali průzkum mezi 319 znalostními pracovníky, kteří popsali 936 konkrétních situací, kdy při práci použili generativní AI. Kdo AI víc důvěřoval, uváděl, že u úlohy méně kriticky přemýšlel. Kdo naopak víc důvěřoval sám sobě v dané úloze, přemýšlel kriticky víc. Je to průzkum, kde lidé hodnotili sami sebe, ne měření, takže ho neber jako důkaz, že AI „hloupne“ lidi. Ale jako varování dobře sedí: čím víc se na nástroj spoléháš, tím snáz přestaneš kontrolovat.

Do hloubkyCo říká výzkum o produktivitě při psaní

Nejcitovanější experiment je od ekonomů Shakkeda Noye a Whitney Zhang z MIT, publikovaný v roce 2023 v časopise Science. Zúčastnilo se 453 vysokoškolsky vzdělaných profesionálů (marketéři, grantoví pracovníci, konzultanti, analytici, personalisté, manažeři). Každý napsal dva pracovní texty po 20–30 minutách, například průvodní dopis ke grantové žádosti nebo e-mail o reorganizaci. U druhého textu mohla polovina z nich používat ChatGPT.

Výsledky: lidé s ChatGPT byli hotoví zhruba o 40 % rychleji a nezávislí hodnotitelé jim dali v průměru o 18 % lepší hodnocení kvality. Nejvíc si polepšili ti, kterým šel první text hůř, takže rozdíly mezi lidmi se zmenšily.

Stejně důležitá jsou omezení, která autoři sami uvádějí. Úlohy byly krátké a jasně zadané, účastníci neměli kontext konkrétní firmy a nikdo nekontroloval, jestli jsou texty fakticky správné. Autoři sami čekají, že v reálné práci bude úspora menší, protože je potřeba psát prompty a ověřovat fakta. Pro tebe z toho plyne: AI ti při psaní pravděpodobně ušetří čas, ale ta úspora nesmí jít z času, který věnuješ kontrole.

Postup, který funguje: obsah ty, tvar AI, úprava ty

Dobrý text s AI vzniká ve třech krocích. Pořadí je důležité.

  1. Ty přineseš obsah. Fakta, čísla, body, které chceš sdělit, účel textu a čtenáře. Klidně neučesaně, v heslech, s překlepy. Tohle je část, kterou za tebe model udělat nemůže, a když to zkusí, začne vymýšlet.
  2. AI mu dá tvar. Požádej o konkrétní formu, délku a tón. Výslovně napiš, ať nepřidává žádná fakta, která nejsou v podkladech, a ať místa, kde něco chybí, označí třeba [DOPLNIT].
  3. Ty text upravíš. Přečti ho jako čtenář, ne jako autor. Zkontroluj každý údaj proti podkladům, vyhoď vatu, přidej svůj hlas. Tady se rozhoduje, jestli je text tvůj.
E-mail zákazníkovi: zpožděná dodávka

Prompt:

Napiš e-mail zákazníkovi. Kontext: jsme e-shop s kancelářským nábytkem, zákazník pan Jan Dvořák objednal 12 kancelářských židlí (objednávka 2024-1187), slíbili jsme dodání do 15. 3., dodavatel ale bude mít zpoždění a dodáme až 29. 3. Nabízíme slevu 10 % nebo zrušení objednávky bez poplatků. Omluv se jednou, bez přehánění. Vykej. Maximálně 120 slov. Nepřidávej žádné údaje, které tu nejsou. Pokud by něco chybělo, napiš [DOPLNIT].

Co od modelu typicky dostaneš: slušný e-mail se správnou strukturou: omluva, nový termín, dvě možnosti, poděkování.

Na co se při úpravě dívat:

  • Je tam správně číslo objednávky, oba termíny a výše slevy? Přesně tyhle údaje model při přepisování občas pozmění.
  • Nepřidal něco, co jsi neslíbil, třeba „dopravu zdarma“ nebo „kompenzaci za vzniklé potíže“? Takový slib by pak firma musela dodržet.
  • Je oslovení v 5. pádě („Vážený pane Dvořáku“, ne „Vážený pane Dvořák“)?
  • Nezní omluva třikrát (v úvodu, uprostřed i na konci)? Jedna stačí.
Shrnutí poznámek z porady

Podklad: tvoje neučesané poznámky, třeba: „web – Petra chce nový design do konce Q2, Martin proti, rozpočet? / newsletter jede, open rate ok / Karel zjistí ceny tisku / příští porada 14.“

Prompt:

Z těchto poznámek z porady udělej zápis: 1) rozhodnutí, 2) úkoly ve formátu kdo – co – do kdy, 3) otevřené otázky. Používej jen to, co v poznámkách je. Když u úkolu chybí termín nebo odpovědná osoba, napiš [chybí], nic si nedomýšlej.

Proč takhle: u zápisů je typická chyba, že model „dotáhne“ úkol do úhledné podoby a přidá termín nebo jméno, které nikdo neřekl. „Karel zjistí ceny tisku“ snadno zmutuje na „Karel zjistí ceny tisku do příští porady“. Značka [chybí] ti naopak ukáže, co na poradě zůstalo nedořešené, což je samo o sobě užitečná informace.

Kontrola: projdi seznam úkolů proti svým poznámkám, jeden po druhém. U „rozhodnutí“ zbystři: z „Petra chce, Martin proti“ žádné rozhodnutí nevyplývá, a pokud ho tam model napsal, musíš ho vyškrtnout.

Čeština: co si pohlídat

Modely umí česky dobře, ale poctivě: horší než anglicky. V tréninkových datech je češtiny mnohem méně než angličtiny, a jak víš z lekce Tokeny, česká slova se navíc rozpadají na víc kousků. V praxi to znamená víc drobných chyb, slabší cit pro idiomy a sklon k anglickým obratům přeloženým doslova. Co konkrétně kontrolovat:

  • Kalky z angličtiny. „Na konci dne“ (at the end of the day), „dává to smysl“ v každém druhém odstavci, „adresovat problém“ (address the problem), „být nadšený z“ ve firemním e-mailu. Česky to jde říct přirozeněji.
  • Typografie. České uvozovky jsou „takhle“, ne "takhle". Mezi rozsahy patří pomlčka bez mezer (10–12), mezi slovy pomlčka s mezerami. Desetinná čárka (1,5), procenta s mezerou (40 %). Nadpisy se v češtině nepíšou s velkými písmeny u každého slova, jak je to obvyklé v angličtině.
  • Vykání a tykání. Model občas v delším textu přeskočí z „Vám“ na „ti“, nebo vyká a přitom používá neformální obraty. Napiš do promptu, co chceš, a na konci to projdi.
  • Rod a shoda. „Pokud jste byl spokojen…“ u zákaznice, nebo neutrální text, který najednou předpokládá muže. Pokud pohlaví čtenáře neznáš, požádej o formulace, které ho nevyžadují.
  • Oslovení. Pátý pád u jmen (pane Nováku, paní Nováková) a správné tituly.
  • Korektura se seznamem změn. Při opravách požádej: „vypiš každou změnu ve formátu původně → nově a proč“. Model totiž rád „opraví“ i věci, které chybou nebyly, a v celém přepsaném textu bys to nenašel. Když si nejsi jistý, rozhodni se podle Internetové jazykové příručky Ústavu pro jazyk český, ne podle modelu.

Jak poznat a odstranit „AI zvuk“

Editoři Wikipedie, kteří čistí články od neupraveného AI textu, sepsali přehled typických znaků. Většina z nich platí i v češtině:

  • Nafouknutý význam. Všechno je „klíčové“, „zásadní“, „hraje důležitou roli“ a „otevírá nové možnosti“.
  • Pravidlo tří. Výčty pořád po třech: „rychle, spolehlivě a efektivně“.
  • Obrat „nejen…, ale i…“ a „nejde o X, jde o Y“, i tam, kde nikdo X netvrdil.
  • Vágní odvolávky. „Odborníci se shodují“, „mnozí tvrdí“, bez toho, kdo a kde.
  • Šablonovitý závěr. „Výzvy a perspektivy“, „Závěrem lze říci…“ a shrnutí toho, co čtenář přečetl před vteřinou.
  • Zbytky konverzace. „Doufám, že vám to pomůže!“, „Zde je upravená verze:“ nebo nevyplněné [Jméno] v odeslaném e-mailu.

Žádný z těch znaků sám o sobě není důkaz. Lidé tak psali dávno před AI a modely se to naučily právě od nich. Jako kontrolní seznam pro vlastní úpravy ale fungují výborně.

Jak se jich zbavit: nejúčinnější je dát modelu víc obsahu a ukázku. Vlož dva tři své skutečné e-maily a napiš „piš stylem jako v ukázkách“ (proč příklady tolik zabírají, vysvětluje lekce Kontext, role a příklady). Pomáhají i zákazy konkrétních obratů. Poslední krok ale udělej sám: přečti text nahlas. Co bys v hovoru s kolegou neřekl, škrtni.

Poctivost ke čtenářům: kdy říct, že pomáhala AI

Neexistuje jedno pravidlo pro všechny situace, ale dá se uvažovat takhle. Čtenáře nezajímá, jestli jsi použil kontrolu pravopisu nebo jestli ti AI pomohla zkrátit e-mail. Zajímá ho, jestli za textem stojí člověk, který ho myslí vážně a ručí za něj. Problém nastává, když čtenář předpokládá osobní práci a dostane něco jiného: osobní dopis, posudek, doporučení, recenzi, odbornou analýzu, za kterou platí.

Praktické vodítko: čím víc text vydáváš za své osobní slovo nebo odborný úsudek, tím spíš by měl čtenář vědět, jak vznikl. A nezávisle na tom: za fakta v textu odpovídáš ty, ať ho psal kdokoli.

Pro firmy přibývá i právní rozměr. Evropský AI Act v článku 50 od 2. srpna 2026 ukládá tomu, kdo AI v rámci své činnosti používá, povinnost označit text vytvořený nebo upravený AI, pokud se zveřejňuje proto, aby informoval veřejnost o věcech veřejného zájmu. Výjimkou je text, který prošel lidskou kontrolou a za jehož zveřejnění nese redakční odpovědnost konkrétní osoba nebo firma. Běžného obchodního e-mailu se to netýká. Pokud ale tvoje firma vydává zpravodajství nebo veřejné informační texty, je dobré si výklad ověřit s právníkem (více o regulaci v lekci Kam putují tvoje data).

Co si odnést

  • Jazykový model píše plynule, protože volí pravděpodobné pokračování. Ze stejného důvodu píše průměrně, když mu nedáš vlastní obsah.
  • Nejlíp funguje tam, kde obsah už existuje a mění se jen forma: první verze z bodů, přepis pro jiné čtenáře, zkrácení, změna tónu, překlad, korektura.
  • Postup: obsah přineseš ty, AI mu dá tvar a chybějící místa označí, ty text zkontroluješ a upravíš. Model nesmí doplňovat fakta.
  • V češtině hlídej kalky, uvozovky a typografii, vykání a tykání, shodu a pátý pád. Při korektuře chtěj seznam změn.
  • „AI zvuk“ poznáš podle nafouknutých slov, výčtů po třech a šablonovitých závěrů. Detektory AI textu jsou nespolehlivé.
  • Za text odpovídá ten, kdo ho posílá. U osobních a odborných textů uveď, že pomáhala AI. U textů informujících veřejnost o věcech veřejného zájmu to bez lidské redakční kontroly vyžaduje i AI Act.

Zdroje a další čtení