Umělá inteligence

Obor je starší než většina vašich rodičů. Alan Turing v roce 1950 v článku Computing Machinery and Intelligence položil otázku, jestli stroje mohou myslet, a místo definice navrhl hru: pokud nepoznáte, jestli si píšete s člověkem nebo se strojem, je spor o „myšlení“ zbytečný. Dnes tomu říkáme Turingův test. V roce 1956 dostal v Dartmouthu jméno artificial intelligence.

Pak přišly vlny. V 80. letech firmy investovaly do expertních systémů (ručně psaná pravidla), koncem dekády přišla „AI zima“ (AI winter): zmizely peníze i zájem. V roce 1997 porazil Deep Blue od IBM Kasparova v šachu, v roce 2012 udělaly grafické karty z neuronových sítí použitelný nástroj (deep learning) a v roce 2016 AlphaGo porazil Lee Sedola v go, hře, kterou měly stroje zvládnout „až za desítky let“.

Dva klíčové roky pro to, co máte dnes v telefonu: 2017, kdy Google publikoval architekturu Transformer (Attention Is All You Need), na které stojí GPT, Claude i Gemini, a 30. listopad 2022, kdy OpenAI spustila ChatGPT. Technologie existovala dřív, ale teprve chatovací okno ji dalo stovkám milionů lidí bez návodu.

Část toho, co dnes slyšíte, je bublina, část infrastruktura na dalších dvacet let, jako internet kolem roku 2000. Popkultura vás připravila na robota zabijáka, ne na asistenta, který vám přepíše schůzku; s tím očekáváním v komunikaci pracujete.

Proč zrovna teď a ne v roce 2010? Sešly se čtyři věci, z nichž žádná sama nestačila. Výkon: grafické karty (GPU, hlavně od Nvidie) násobí matice paralelně, a trénink modelu je právě to. Data: internet dal biliony slov, obrázků a kódu, ze kterých se model učí vzorce. Transformer: architektura z roku 2017 s mechanismem pozornosti (attention) váží souvislosti napříč dlouhým textem a trénuje se paralelně, takže GPU využije naplno. Cloud a API: model běží u výrobce, vy platíte za použití.

Rychlost přijetí nemá obdobu. ChatGPT měl milion uživatelů za 5 dní a podle odhadu banky UBS 100 milionů za 2 měsíce. V únoru 2026 hlásila OpenAI 900 milionů týdně aktivních uživatelů a 50 milionů platících. Stanfordský AI Index 2026 spočítal, že generativní AI dosáhla 53 % populace do tří let, rychleji než osobní počítač nebo internet (srovnání médií v kapitole Média).

Český kontext je střízlivější. Podle ČSÚ používalo v roce 2025 AI 18 % podniků s 10 a více zaměstnanci (rok předtím 11 %, průměr EU 20 %); nejčastěji generativní AI na texty a kód (13 %, v EU 9 %). Lidé jsou dál než firmy: generativní AI podle ČSÚ používá 32 % Čechů od 16 let a 78 % ve věku 16 až 24 let. Ve světovém srovnání Microsoftu (1. čtvrtletí 2026) je Česko s 30 % lidí 15 až 64 let nad průměrem 18 %, ale daleko za SAE (70 %) a Singapurem (63 %). Ve třídě jste tedy nejspíš napřed před většinou firem, do kterých půjdete.

Pod chatovacím oknem jsou čtyři vrstvy. Dole čipy: GPU Nvidia a specializované čipy jako Google TPU. Nad nimi datacentra, haly s desítkami tisíc čipů, chlazením a přívodem elektřiny; staví je Microsoft, Google, Amazon, Meta a OpenAI s partnery (Stargate). Nad tím cloud a API: Anthropic, OpenAI nebo Google model provozují a vy ho voláte. Nahoře aplikace: ChatGPT, Claude, Gemini, nebo váš web, který API zavolá. Marketér pracuje v horní vrstvě, ale v ceně tokenu platí všechny čtyři.

Nvidia se 29. října 2025 stala první firmou s tržní hodnotou 5 bilionů dolarů; 4 biliony překročila necelé čtyři měsíce předtím. Čtyři největší provozovatelé datacenter investovali v roce 2025 zhruba 410 mld. $ a na rok 2026 podle výhledů míří k odhadovaným 700 mld. $, většinou do AI infrastruktury.

Druhá cena je elektřina. Podle IEA spotřebovala datacentra v roce 2024 415 TWh, zhruba 1,5 % světové elektřiny, a od roku 2017 rostou 12 % ročně, čtyřikrát rychleji než celková spotřeba. Do roku 2030 čeká IEA zdvojnásobení na 945 TWh, víc než dnes spotřebuje celé Japonsko. Jeden dotaz je přitom drobnost: Google změřil medián textového dotazu v Gemini na 0,24 Wh (mikrovlnka na jednu sekundu, pět kapek vody), Sam Altman uvádí u ChatGPT 0,34 Wh. Problém jsou miliardy dotazů a trénink. Vy přes API kupujete službu, ne technologii, jako u platební brány (kapitola Internet).

Velký jazykový model (LLM) je statistický model jazyka. Text se nejdřív rozseká na tokeny: kusy slov, u angličtiny zhruba 3,5 znaku na token, u češtiny s diakritikou a skloňováním víc kousků na slovo. Každý token má číslo. Model spočítá pro všechny tokeny ve slovníku pravděpodobnost, že budou následovat, jeden vybere, přidá na konec a zopakuje to. Nic víc. Že z toho vzniká článek, kód nebo básnička, je důsledek miliard parametrů, v nichž jsou zakódované vzorce z bilionů slov, na kterých se model učil.

Rozlišujte trénink a inferenci. Trénink probíhá jednou: předtrénování (pretraining) na obrovském korpusu s jediným úkolem, předpovědět další slovo; pak dolaďování (fine-tuning) a učení z lidské zpětné vazby (RLHF), aby model odpovídal jako asistent, ne jako náhodná stránka z internetu. Stojí to měsíce na tisících GPU. Inference je každý váš dotaz: levná na jedno volání, drahá v masovém měřítku. A hlavně: model je po tréninku zmrazený, z vaší konverzace se nic nenaučí, pokud aplikace nemá zvlášť postavenou paměť.

Kontextové okno je pracovní paměť: kolik tokenů model naráz „vidí“, tedy prompt, přiložené dokumenty i vlastní odpověď. Claude i Gemini nabízejí okno 1 milionu tokenů. Milion tokenů je zhruba 2 000 stran textu (odhad). Co se do okna nevejde, model nezná.

Teplota (temperature) řídí náhodnost výběru: nula dává nejpravděpodobnější a nejnudnější text, vyšší hodnota překvapivější, ale méně spolehlivý. Odtud nejdůležitější vlastnost pro marketéra: halucinace. Model optimalizuje věrohodnost, ne pravdivost; vymyšlená studie nebo špatné číslo vypadají stejně sebejistě jako správná odpověď. Proto každé jméno, číslo a odkaz ověřujete vy. A čeština platí navíc: víc tokenů na slovo, vyšší cena, méně textu v okně. Slovník pojmů je níže.

Na špičce (frontier) je hrstka laboratoří: Anthropic (Claude), OpenAI (GPT), Google DeepMind (Gemini) a xAI (Grok). Jejich modely dostanete jen přes aplikaci nebo API, váhy (naučené parametry) jsou tajné. Druhý tábor jsou open-weights modely: Meta (Llama), francouzský Mistral, čínské DeepSeek, Qwen nebo Kimi, nověji i gpt-oss od OpenAI. Váhy si stáhnete a provozujete sami. Pozor na slovo „open source“: otevřené jsou váhy, ne tréninková data ani postup.

Tři způsoby přístupu. Chatovací aplikace (Claude, ChatGPT, Gemini) jsou pro lidi: plán Pro stojí u Claude 20 $ měsíčně, při roční platbě 17 $ měsíčně, Max od 100 $ (claude.com/pricing, říjen 2026). API je pro automatizaci: platíte za tokeny, model je součástí vašeho webu nebo skriptu. Vlastní provoz open-weights modelu dává kontrolu nad daty, ale platíte servery a lidi. Pro marketingový tým: aplikace pro lidi, API pro procesy, vlastní provoz jen s dobrým důvodem.

Modely se liší charakterem víc než čísly v žebříčcích; žebříčky se mění každý měsíc, takže je lepší mít dva tři modely v ruce a vybírat podle úlohy. Stanfordský AI Index 2026 uvádí, že rozdíl mezi nejlepšími americkými a čínskými modely byl v březnu 2026 jen 2,7 %, přestože soukromé investice do AI v USA dosáhly v roce 2025 285,9 mld. $ a v Číně 12,4 mld. $ (bez státních peněz). Evropa má Mistral a regulaci.

Text na text je nejrozšířenější použití: e-maily a shrnutí, zápisy z porad, brainstorming názvů, přepis odborného textu pro jinou cílovou skupinu, strategie kampaně, analýza vložené tabulky nebo kód. Rozdíl mezi použitelným a generickým výstupem dělá prompt.

Dobrý prompt má strukturu. Role a kontext: kdo model je a pro koho pracuje („jsi copywriter klubu, píšeš rodičům dětí 6 až 10 let“). Úkol: jedna jasná věta. Vstupní materiál: fakta, data, předchozí texty; model nemá vaše know-how, dokud mu ho nedáte. Formát výstupu: délka, odrážky, tři varianty. Příklady toho, co se vám líbí (few-shot). Omezení: tón, zakázaná slova, co nevymýšlet. A pojistka: „pokud ti chybí informace, zeptej se“. U složitějších úloh nechte model, ať se nejdřív zeptá on vás.

Postup je vždy stejný: model napíše návrh, vy opravíte fakta a tón, zadáte druhou iteraci. Opakovaný kontext (brand manuál, tón hlasu, cílové skupiny) uložte do projektu v Claude nebo do vlastního GPT. Železné pravidlo: ven nejde text, který jste nečetli. Víc v návodu Anthropic, který platí i pro ostatní modely.

Místo stock fotek nebo hodin grafika dostanete za minutu deset variant. Midjourney má nejlepší estetiku a tisíce stylů, GPT Image od OpenAI umí text v obraze a přesné úpravy, Nano Banana od Googlu drží konzistenci postavy, Flux je open-weights, Adobe Firefly je trénovaný na licencovaných datech pro případy, kdy právník chce jistotu, a Higgsfield dává víc modelů pod jednu střechu včetně videa.

Prompt pro obraz má jinou gramatiku: subjekt (kdo, co, v jaké akci), styl (fotografie, ilustrace, 3D), kompozice a objektiv (detail, širokoúhlý, z výšky), světlo (zlatá hodina, studio, neon), poměr stran podle kanálu, případně referenční obrázek. Obecný prompt dá generický obrázek, jakých je na sítích milion; přesný prompt dá vizuál z vaší kampaně. Pro značku je klíčová konzistence: jeden pevný dovětek stylu (style string) na konci každého promptu, aby obrázky vypadaly z jedné ruky.

Kde obraz z AI nepatří: na pravdivé fotky produktů (balení potravin v HOPI musí odpovídat skutečnosti), na lidi bez souhlasu a na cokoli, co se tváří jako dokument. Licence: placené plány komerční použití dovolují, přečtěte si podmínky. Od 2. srpna 2026 musíte v EU zřetelně označit deepfake, tedy realisticky vypadající obraz lidí, míst nebo událostí, které nejsou skutečné; strojový vodoznak do výstupu vkládá sám generátor. Dokončení děláte v běžných nástrojích: Photopea na úpravy, remove.bg na pozadí, Squoosh na kompresi do WebP, Adobe Express na šablony. Víc v kapitole Produkce.

Text na video je nejmladší obor a mění se po měsících: aplikace Sora od OpenAI, spuštěná na konci září 2025, v březnu 2026 oznámila konec. Veo (Google), Kling, Seedance (ByteDance), Runway nebo Pika generují klipy v řádu sekund až desítek sekund, zvládají pohyb kamery, konzistenci postavy a čím dál lepší fyziku. Z klipů se skládají reklamy, reels i celé seriály; Higgsfield má vlastní seriál generovaný od začátku do konce. Video přestává limitovat technologie a začíná limitovat představivost. A rozpočet na iterace, protože první generace málokdy sedí.

Text na zvuk: ElevenLabs dělá realistický hlas, klonování hlasu a dabing do desítek jazyků, Suno a Udio složí skladbu včetně zpěvu, NotebookLM od Googlu udělá z libovolného dokumentu podcast dvou moderátorů. V marketingu: voiceover bez studia, lokalizace videa jedním hlasem, podcast z článku, znělka bez licenčních poplatků.

Nejméně okázalá a nejvíc použitelná je řeč na text: Whisper od OpenAI (open-weights, běží i na notebooku), přepisy v Teams, automatické titulky. Přepis rozhovoru dá citace, přepis porady úkoly, přepis podcastu článek. Spojení přepis + jazykový model je pro mediální práci největší úspora času, jakou AI zatím přinesla. Jak se to potkává se streamem, je v kapitole Streaming.

Chat čeká na prompt a odpoví. Agent dostane cíl a pracuje: model běží ve smyčce, naplánuje kroky, zavolá nástroj (přečte soubor, spustí příkaz, vyhledá na webu, zavolá API), podívá se na výsledek a rozhodne, co dál, dokud úkol nesplní. Vy zadáváte cíl a hranice, ne kroky: z konverzace na delegování. Jak rychle to jde, ukazuje AI Index 2026: na testu OSWorld (úkoly na běžném počítači) stoupla úspěšnost agentů za rok ze zhruba 12 % na 66 %, na SWE-bench Verified (opravy chyb v reálném kódu) z 60 % k téměř 100 %.

Agent potřebuje nástroje. MCP (Model Context Protocol) je otevřený standard, který Anthropic představil 25. listopadu 2024: jednotný způsob, jak model připojit k datům a nástrojům, od Google Drive a Gmailu přes Trello po firemní databázi. Jako USB-C: jeden konektor, mnoho zařízení. V prosinci 2025 předal Anthropic MCP nadaci Agentic AI Foundation pod Linux Foundation (s OpenAI a Blockem); tehdy existovalo přes 10 000 veřejných MCP serverů a podporovaly ho ChatGPT, Gemini i Microsoft Copilot. Pro marketéra: ke svému Trellu, tabulkám nebo e-mailu připojíte model bez programátora.

Claude Code (náhled od února 2025, ostře od května 2025) je agent v terminálu nebo desktopové aplikaci: přečte celý projekt (repozitář), napíše kód, spustí testy, opraví chyby a otevře pull request, tedy návrh změny, který člověk schválí nebo vrátí. Codex od OpenAI dělá totéž. n8n a Make jsou automatizace bez kódu, kde je model jeden krok (přijde e-mail → model ho roztřídí → vznikne karta v Trellu). Dalším stupněm je workflow s více agenty: orchestrátor rozdělí práci specialistům, kritik výsledky čte a vrací. Tak vznikla i tato zahrada: třináct agentů psalo kapitoly paralelně a dva kritici je četli, jeden fakta, druhý srozumitelnost.

Velín je můj osobní přehled na jecminek.co/dashboard: zprávy, zmínky o HOPI, judu a o mně, čtivo, počasí, trhy, stav webů. Nejzajímavější část je ta, kde AI nic nepíše, jen třídí. Předtím mi monitoring médií posílal e-mail o každé zmínce: 68 e-mailů za 26 dní, užitečný jeden za dva až tři týdny. Chtěl jsem decentní doručování: v klidném týdnu dvě tři položky, raději nic než šum.

Haiku, nejlevnější třída modelů Claude, dělá síto: vyhodí zjevný šum (recepty, soutěže, jmenovce). Sonnet rozhoduje podle rubriky: 2 = upozornit hned (medaile z Grand Slamu, nehoda kamionu HOPI, majitel firmy v politice), 1 = týdenní přehled (nezávislý test výrobku), −1 = šum (krajské judo, PR článek o receptu). Rubriku jsem nenapsal od stolu: nejdřív jsem ručně označil 226 zmínek a 134 titulků (117 z nich šum) a z označení vznikla pravidla s příklady. Každá doručená položka má palec nahoru a dolů. Haiku na rozhodování nestačí (plané poplachy), proto dělá jen síto.

Cena byla druhý problém. První verze stála 0,89 $ denně a 81 % šlo na drahý Opus, který s každým dotazem dostával celá pravidla znovu, bez cache. Tři změny: pravidla a hodnocení jako dva bloky s hodinovou cache, rozhodování na Sonnetu místo Opusu (lokální test na mých označeních vyšel stejně) a noční pauza, kdy se od 22 do 6 jen sbírá a v 6:07 se roztřídí noc. Výsledek: 0,25 $ denně, o 72 % méně, při stejné kvalitě. Denní strop je 1,50 $, kdyby se něco rozbilo.

API se účtuje za tokeny, zvlášť vstupní (co pošlete) a výstupní (co model napíše); výstup je pětkrát dražší, protože se generuje token po tokenu. Rozpětí cen je stonásobné. U Anthropic stojí milion vstupních tokenů 0,10 $ na Haiku 5.5, 2 $ na Sonnetu 5.5, 4 $ na Opusu 5.5 a 10 $ na Fable 5.1; výstup 0,50 až 50 $. U OpenAI je dnešní řada skoro zrcadlová: gpt-6-luna 0,10 $, gpt-6.1-sol 2 $, gpt-6-astra 10 $; starší modely „pro“ stojí i 30 $ (gpt-5.5-pro). Google účtuje Gemini Flash 0,30 až 0,75 $ a Gemini 4 Argon 2 $ (od 1. prosince 2026 už 4 $, Flash 3.6 a 3.8 od ledna 2027 dvojnásob). Ceny platí k říjnu 2026 a mění se každých pár měsíců, poměry mezi třídami zůstávají.

Kromě výběru modelu jsou dva způsoby, jak platit méně. Prompt caching: opakovaný začátek promptu (pravidla, brand manuál) se uloží do cache a při dalším volání stojí podle modelu 2,5 až 10 % ceny vstupu; zápis stojí 1,25× na pět minut nebo 2× na hodinu, vyplatí se od druhého volání. Dávky (batch): co nespěchá, pošlete najednou, dostanete do 24 hodin za polovinu. Dlouhý kontext: Anthropic účtuje celé okno 1 milionu tokenů stejnou sazbou (kromě Haiku 5.5 nad 100 tisíc), Google u modelů Pro nad 200 tisíc a OpenAI nad 272 tisíc tokenů účtují dvojnásobek.

Příklad na tabuli: 1 000 dotazů denně, každý 3 000 tokenů vstup a 500 výstup. Na Sonnetu 5.5: 3 mil. × 2 $ = 6 $ za vstup, 0,5 mil. × 10 $ = 5 $ za výstup, 11 $ denně. Když je 2 500 z 3 000 vstupních tokenů stálý prefix v cache (0,10 $ za milion), spadne celek zhruba na 6,25 $. Na Haiku 5.5 stojí totéž 0,30 $ + 0,25 $ = 0,55 $ denně. Dvacetinásobný rozdíl, proto checklist níže začíná nejlevnějším modelem. Pro jednotlivce stačí plán za 20 $ měsíčně; API, až když má něco běžet bez člověka.

Rizika nejsou sci-fi. Deepfakes: finanční pracovník firmy Arup v Hongkongu se začátkem roku 2024 připojil na videohovor s „finančním ředitelem“ a kolegy, všichni byli vygenerovaní, a odeslal 200 milionů hongkongských dolarů (zhruba 25 mil. $) v 15 převodech. Pro marketéra dvě věci: značka může být zneužita k podvodu (falešný ředitel, falešná soutěž) a každé virální video je třeba ověřit (zpětné hledání v TinEye, původní zdroj) dřív, než ho sdílíte.

Informační přetížení: generování je skoro zadarmo, roste množství průměrného obsahu a klesá pozornost. Halucinace: sebejisté chyby v číslech a jménech; AI Index 2026 napočítal 362 zdokumentovaných incidentů s AI za rok, o polovinu víc než rok předtím. Soukromí: co napíšete do veřejného chatu, může sloužit k tréninku; údaje zákazníků, smlouvy a interní ceny patří jen do firemních účtů s vypnutým tréninkem, nebo nikam. Práce: Světové ekonomické fórum odhaduje do roku 2030 vznik 170 milionů míst a zánik 92 milionů; 41 % zaměstnavatelů plánuje kvůli AI snižovat stavy, rutinní kognitivní práce je první na řadě. Závislost a pozornost řeší kapitola Sociální sítě.

Regulace: EU AI Act platí od 1. srpna 2024 a nabíhá po částech. Od 2. února 2025 zákazy (manipulativní techniky, sociální skórování, rozpoznávání emocí ve škole a v práci) a povinnost AI gramotnosti ve firmách. Od 2. srpna 2025 povinnosti pro poskytovatele velkých modelů (GPAI). Od 2. srpna 2026 transparentnost: chatbot musí dát najevo, že nejste u člověka, a kdo zveřejní deepfake, musí ho zřetelně označit. Digitální omnibus (platí od 27. července 2026) odložil strojové značení výstupů u generátorů, které už byly na trhu, na 2. prosince 2026 a pravidla pro vysoce rizikové systémy (nábor, úvěry) na 2. prosince 2027. Pro marketing: označovat generovaný obsah, nemanipulovat emocemi, vést evidenci, kde AI používáte.

Co zůstane lidem? Když text, obraz i video vyrobí kdokoli za minutu, hodnotu nemá výroba, ale to, kdo za obsahem stojí. Vzácné bude: důvěra, autenticita, charakter, kreativita z prožitku, odvaha k nepopulárnímu rozhodnutí, leadership a schopnost rozhodovat v nejistotě. Pro vaši kariéru je to důležitější otázka než to, kdy přijde obecná AI.

AI není jedna kapitola ze čtrnácti, je to vrstva přes všech třináct ostatních. V každé dělá jiný nástroj jinou práci; přehled po oborech je ve výčtu níže.

Tři pravidla pro všechny obory. Člověk schvaluje: model připraví, člověk odešle. Fakta ověřuje člověk: jména, čísla, citace, odkazy. Značku drží člověk: tón, hodnoty a to, co se neříká, nejsou v promptu, pokud je tam nenapíšete. Zavádějte po jednom procesu a měřte čas před a po.

Tři věty na cestu. Model hádá další token: skvělý v jazyce, nespolehlivý ve faktech. Dobrý prompt je zadání jako pro brigádníka: role, úkol, materiál, formát, omezení. A největší změna teprve přichází: z psaní promptů na delegování cílů agentům, kteří pracují, zatímco spíte. Kdo to umí, bude v marketingu vzácný. Dnešní AI je přitom pořád úzká (ANI); kdy přijde obecná (AGI), je spor o roky i desetiletí.