Chcete rychlejší výzkum, jasnější koncepty nebo jen chytřejší brainstorming? Naučit se komunikovat s umělou inteligencí je jednodušší, než se zdá. Malé úpravy ve způsobu, jakým se ptáte – a jak následně reagujete – mohou proměnit výsledky z průměrných v překvapivě skvělé. Představte si to jako dávání pokynů velmi talentovanému stážistovi, který nikdy nespí, někdy hádá a miluje jasnost. Pošťouchnete, pomůže to. Vedete, vynikne to. Ignorujete kontext... stejně to hádá. Víte, jak to chodí.
Níže naleznete kompletní příručku pro mluvení s umělou inteligencí , která obsahuje rychlé postupy, podrobnější techniky a srovnávací tabulku, abyste si mohli vybrat ten správný nástroj pro daný úkol. Pokud se chcete pustit do zběžného prohlížení, začněte s Rychlým startem a Šablonami. Pokud s tím začínáte, podrobné ponory jsou pro vás to pravé.
Články, které byste si mohli po tomto přečíst:
🔗 Co podněcuje umělá inteligence
Vysvětluje tvorbu efektivních pokynů pro vedení a zlepšení výstupů umělé inteligence.
🔗 Co je označování dat pomocí umělé inteligence
Vysvětluje, jak označené datové sady trénují přesné modely strojového učení.
🔗 Co je etika umělé inteligence
Zahrnuje principy, kterými se řídí zodpovědné a spravedlivé používání umělé inteligence.
🔗 Co je MCP v AI
Představuje protokol kontextu modelu (MPC) a jeho roli v komunikaci s umělou inteligencí (AI).
Jak mluvit s umělou inteligencí ✅
-
Jasné cíle – Řekněte modelu přesně, co znamená „dobrý“. Ne vibrace, ne naděje – kritéria.
-
Kontext + omezení – Modely fungují lépe s příklady, strukturou a limity. Dokumentace poskytovatelů výslovně doporučuje uvádět příklady a specifikovat tvar výstupu [2].
-
Iterativní zdokonalování – Vaší první výzvou je koncept. Vylepšete ho na základě výstupu; dokumentace hlavních poskytovatelů to výslovně doporučuje [3].
-
Ověření a bezpečnost – Požádejte model, aby citoval, zdůvodňoval, kontroloval sám sebe – a stále provedete dvojitou kontrolu. Standardy existují z nějakého důvodu [1].
-
Přizpůsobení nástroje úkolu – Některé modely jsou skvělé v kódování; jiné se vyznačují dlouhým kontextem nebo plánováním. Osvědčené postupy dodavatelů na to přímo odkazují [2][4].
Buďme upřímní: spousta „rychlých triků“ je jen strukturované myšlení s přátelskou interpunkcí.
Rychlý složený mini-případ:
Projektový manažer se zeptal: „Napsat specifikaci produktu?“ Výsledek: obecný.
Upgrade: „Jste projektový manažer na úrovni zaměstnance. Cíl: specifikace pro šifrované sdílení. Cílová skupina: mobilní zařízení. Formát: 1 stránka s rozsahem/předpoklady/riziky. Omezení: žádné nové autorizační toky; citujte kompromisy.“
Výsledek: použitelná specifikace s explicitními riziky a jasnými kompromisy – protože cíl, cílová skupina, formát a omezení byly uvedeny předem.
Jak mluvit s umělou inteligencí: Rychlý start v 5 krocích ⚡
-
Uveďte svou roli, cíl a publikum.
Příklad: Jste právní kouč pro psaní. Cíl: zpřesnit tento dokument. Publikum: neprávníci. Omezte používání žargonu na minimum; zachovejte přesnost. -
Zadejte konkrétní úkol s omezeními.
Přepište ho na 300–350 slov; přidejte shrnutí o třech odrážkách; dodržujte všechna data; odstraňte omezující výrazy. -
Uveďte kontext a příklady.
Vložte úryvky, styly, které se vám líbí, nebo krátkou ukázku. Modely se řídí vzory, které jim ukážete; oficiální dokumentace uvádí, že to zvyšuje spolehlivost [2]. -
Požádejte o zdůvodnění nebo kontroly.
Stručně ukažte své kroky; uveďte předpoklady; označte všechny chybějící informace. -
Iterujte – nepřijímejte první verzi.
Dobře. Nyní komprimujte o 20 %, ponechte úderná slovesa a citujte zdroje přímo v textu. Iterace je základní osvědčený postup, nejen historie [3].
Definice (užitečná zkratka)
Kritéria úspěchu: měřitelná laťka pro „dobré“ – např. délka, shoda s publikem, požadované sekce.
Omezení: neobchodovatelné klauzule – např. „žádná nová tvrzení“, „citace APA“, „≤ 200 slov“.
Kontext: minimální informace o pozadí, aby se zabránilo dohadům – např. shrnutí produktu, persona uživatele, termíny.
Srovnávací tabulka: nástroje pro komunikaci s umělou inteligencí (záměrně svérázné) 🧰
Ceny se mění. Mnoho z nich nabízí bezplatné úrovně + volitelná vylepšení. Hrubé kategorie, takže to zůstane užitečné, ne okamžitě zastaralé.
| Nástroj | Nejlepší pro | Cena (přibližná) | Proč to funguje v tomto případě použití |
|---|---|---|---|
| ChatGPT | obecné uvažování, psaní; pomoc s kódováním | Zdarma + Pro | Dobré dodržování instrukcí, široký ekosystém, všestranné výzvy |
| Claude | dlouhá kontextová dokumentace, pečlivé uvažování | Zdarma + Pro | Vynikající s dlouhými vstupy a postupným myšlením; standardně jemný |
| Google Gemini | úkoly inspirované webem, multimédia | Zdarma + Pro | Dobré vyhledávání; silné kombinace obrázků a textu |
| Microsoft Copilot | Kancelářské pracovní postupy, tabulky, e-maily | Zahrnuto v některých tarifech + Pro | Žije tam, kde žije vaše práce – užitečná omezení zabudovaná v něm |
| Zmatek | výzkum + citace | Zdarma + Pro | Jasné odpovědi se zdroji; rychlé vyhledávání |
| Uprostřed cesty | obrázky a konceptuální umění | Předplatné | Vizuální prozkoumávání; dobře se hodí k textovým výzvám |
| Poe | jedno místo pro vyzkoušení mnoha modelů | Zdarma + Pro | Rychlé přepínání; experimenty bez závazků |
Pokud si vybíráte: přizpůsobte model kontextu, který vás nejvíce zajímá – dlouhé dokumenty, kódování, výzkum zdrojů nebo vizuální prvky. Stránky s osvědčenými postupy poskytovatelů často zdůrazňují, v čem jejich model vyniká. To není náhoda [4].
Anatomie vysoce působivé výzvy 🧩
Tuto jednoduchou strukturu použijte, pokud chcete dosáhnout konzistentně lepších výsledků:
Role + Cíl + Publikum + Formát + Omezení + Kontext + Příklady + Proces + Kontroly výstupů
Jste seniorní produktový marketér. Cíl: napsat úvodní popis aplikace pro poznámky, která klade důraz na soukromí. Cílová skupina: zaneprázdnění manažeři. Formát: Jednostránkový memorandum s nadpisy. Omezení: jednoduchá angličtina, žádné idiomy, ověřitelná tvrzení. Kontext: níže vložte shrnutí produktu. Příklad: napodobte tón přiloženého memoranda. Postup: myslete krok za krokem; nejprve položte 3 objasňující otázky. Kontrola výstupu: zakončete 5bodovým seznamem rizik a krátkými Často kladenými dotazy.
Tohle sousto pokaždé překonává vágní jednořádkové hlášky.
Hloubkový ponor 1: Cíle, role a kritéria úspěchu 🎯
Modely respektují jasné role. Uveďte, kdo je asistentem, jak vypadá úspěch a jak bude hodnocen. Obchodně orientované poradenství v oblasti podnětů doporučuje definovat kritéria úspěchu předem – udržuje výstupy sladěné a snadněji se hodnotí [4].
Taktický tip: než model cokoli napíše, požádejte ho o kontrolní seznam
Hloubkový ponor 2: Kontext, omezení a příklady 📎
Umělá inteligence není psychická; je hladová po vzorcích. Dávejte jí ty správné vzory. Nejdůležitější materiál umístěte nahoru a explicitně uveďte tvar výstupu. U dlouhých vstupů dokumentace dodavatelů uvádí, že uspořádání a struktura podstatně ovlivňují výsledky v dlouhých kontextech [4].
Vyzkoušejte tuto mikrošablonu:
-
Kontext: Maximálně 3 odrážky shrnující situaci
-
Zdrojový materiál: vložený nebo připevněný
-
Splňte: 3 odrážky
-
Nedělejte: 3 odrážky
-
Formát: specifická délka, sekce nebo schéma
-
Stupnice kvality: co musí obsahovat odpověď A+
Hluboký ponor 3: Uvažování na vyžádání 🧠
Pokud chcete pečlivé přemýšlení, požádejte o něj – stručně. Požádejte o stručný plán nebo zdůvodnění; některé oficiální příručky doporučují podněcovat plánování složitých úkolů, aby se zlepšilo dodržování pokynů [2][4].
Postrčení k řešení:
Naplánujte si svůj přístup v očíslovaných krocích. Uveďte předpoklady. Poté uveďte pouze konečnou odpověď s pětiřádkovým zdůvodněním na konci.
Malá poznámka: více argumentačního textu neznamená vždycky lepší. Vyvažte jasnost se stručností, abyste se neutopili ve vlastním lešení.
Hluboký ponor 4: Iterace jako superschopnost 🔁
S modelem zacházejte jako se spolupracovníkem, kterého cyklicky koučujete. Požádejte o dva kontrastní návrhy s různými tóny, nebo si nejprve vyžádejte pouze osnovu . Pak ji upřesněte. OpenAI a další výslovně doporučují iterativní upřesňování – protože funguje [3].
Příklad smyčky:
-
Dejte mi tři možnosti obrysu s různými úhly.
-
Vyberte nejsilnější, sloučte nejlepší části a napište koncept.
-
Ořízněte o 15 %, vylepšete slovesa a přidejte skeptický odstavec s citacemi.
Hloubkový ponor 5: Zábrany, ověřování a riziko 🛡️
Umělá inteligence může být užitečná a přesto se mýlit. Chcete-li snížit riziko, využijte zavedené rámce pro řízení rizik: definujte sázky, požadujte transparentnost a přidejte kontroly spravedlnosti, soukromí a spolehlivosti. Rámec pro řízení rizik umělé inteligence NIST popisuje charakteristiky důvěryhodnosti a praktické funkce, které můžete přizpůsobit každodenním pracovním postupům. Požádejte model, aby odhalil nejistotu, citoval zdroje a označil citlivý obsah – a poté ověřte [1].
Výzvy k ověření:
-
Uveďte 3 nejčastější předpoklady. U každého z nich ohodnoťte spolehlivost a uveďte zdroj.
-
Uveďte alespoň 2 důvěryhodné zdroje; pokud žádné neexistují, uveďte to jasně.
-
Uveďte krátký protiargument ke své vlastní odpovědi a poté se smířte.
Hloubkový ponor 6: Když to modelky přehánějí – a jak je krotit 🧯
Někdy se umělé inteligence přehnaně snaží a přidávají složitost, o kterou jste nežádali. Pokyny společnosti Anthropic poukazují na tendenci k přehnanému inženýrství; řešením jsou jasná omezení, která výslovně říkají „žádné další věci“ [4].
Řídicí výzva:
Provádějte pouze změny, které výslovně požaduji. Nepřidávejte abstrakce ani další soubory. Řešení by mělo být minimalistické a cílené.
Jak mluvit s umělou inteligencí ohledně výzkumu vs. ohledně realizace 🔍⚙️
-
Způsob výzkumu: zeptejte se na konkurenční názory, míru spolehlivosti a citace. Požadujte krátkou bibliografii. Schopnosti se rychle vyvíjejí, proto ověřte vše kritické [5].
-
Způsob provedení: specifikujte formátovací zvláštnosti, délku, tón a neobchodovatelné body. Požádejte o kontrolní seznam a závěrečný sebeaudit. Udržujte jej stručný a testovatelný.
Tipy pro multimodální obchodování: text, obrázky a data 🎨📊
-
U obrázků: popište styl, úhel záběru, náladu a kompozici. Pokud je to možné, poskytněte 2–3 referenční obrázky.
-
Pro datové úlohy: vložte vzorové řádky a požadované schéma. Řekněte modelu, které sloupce má ponechat a které ignorovat.
-
U smíšených médií: uveďte, kam každý text patří. „Jeden úvodní odstavec, pak graf a nakonec popisek s jednou větou pro sociální sítě.“
-
U dlouhých dokumentů: dejte na první místo podstatné informace; u velmi rozsáhlých kontextů je řazení důležitější [4].
Řešení problémů: když se model naklání do strany 🧭
-
Příliš vágní? Přidejte příklady, omezení nebo formátovací kostru.
-
Příliš upovídané? Nastavte si rozpočet na slovo a požádejte o kompresi odrážek.
-
Nerozumíte pointě? Přeformulujte cíle a přidejte 3 kritéria úspěchu.
-
Vymýšlíte si? Požadujte zdroje a poznámku o nejistotě. Uveďte zdroj nebo napište „není k dispozici“.
-
Přehnaně sebevědomý tón? Požadujte zajištění a skóre důvěry.
-
Halucinace ve výzkumných úkolech? Proveďte křížové ověření pomocí renomovaných rámců a primárních referencí; pokyny k rizikům od standardizačních orgánů existují z nějakého důvodu [1].
Šablony: kopírovat, upravit, jít 🧪
1) Výzkum se zdroji
Jste výzkumný asistent. Cíl: shrnout současný konsenzus k [téma]. Cílové publikum: netechnické. Uveďte 2–3 renomované zdroje. Postup: vyjmenujte předpoklady; zaznamenejte nejistotu. Výstup: 6 odrážek + syntéza o 1 odstavci. Omezení: žádné spekulace; pokud je důkazů málo, uveďte je. [3]
2) Tvorba obsahu
Jste editor. Cíl: napsat návrh blogového příspěvku na [téma]. Tón: přátelský, odborný. Formát: H2/H3 s odrážkami. Délka: 900–1100 slov. Zahrňte protiargument. Zakončete stručným shrnutím. [2]
3) Pomocník s kódováním
Jste seniorní inženýr. Cíl: implementovat [feature] v [stacku]. Omezení: žádné refaktorování, pokud o to nebudete požádáni; zaměření na srozumitelnost. Proces: nastínit přístup, vypsat kompromisy a poté kód. Výstup: blok kódu + minimální komentáře + 5krokový testovací plán. [2][4]
4) Strategická poznámka
Jste produktový stratég. Cíl: navrhnout 3 možnosti zlepšení [metriky]. Uveďte klady/zápory, úroveň úsilí, rizika. Výstup: tabulka + doporučení s 5 odrážkami. Doplňte předpoklady; na konci položte 2 upřesňující otázky. [3]
5) Recenze dlouhého dokumentu
Jste technický redaktor. Cíl: zkrátit připojený dokument. Umístěte zdrojový text do horní části kontextového okna. Výstup: shrnutí, klíčová rizika, otevřené otázky. Omezení: zachovat původní terminologii; žádná nová tvrzení. [4]
Časté nástrahy, kterým je třeba se vyhnout 🚧
-
Vague se ptá něco jako „vylepšit to“. Jak to vylepšit?
-
Žádná omezení , takže model vyplňuje mezery odhady.
-
Jednorázové navádění bez iterace. První verze je zřídka nejlepší – pravdivá i pro lidi [3].
-
Vynechání ověřování u vysoce rizikových výstupů. Vypůjčení rizikových standardů a přidání kontrol [1].
-
Ignorování pokynů poskytovatele , které doslova říkají, co funguje. Přečtěte si dokumentaci [2][4].
Mini případová studie: od nejasného k soustředěnému 🎬
Fuzzy výzva:
Napište nějaké marketingové nápady pro mou aplikaci.
Pravděpodobný výstup: rozptýlené nápady; slabý signál.
Vylepšený výzva s využitím naší struktury:
Jste marketér zaměřený na životní cyklus. Cíl: vygenerovat 5 aktivačních experimentů pro aplikaci pro poznámky s prioritou soukromí. Cílová skupina: noví uživatelé v 1. týdnu. Omezení: žádné slevy; musí být měřitelné. Formát: tabulka s hypotézou, kroky, metrikou, očekávaným dopadem. Kontext: počet uživatelů klesá po 2. dni; hlavní funkcí je šifrované sdílení. Kontroly výstupu: před návrhem položte 3 upřesňující otázky. Poté odevzdejte tabulku a 6řádkové shrnutí.
Výsledek: chytřejší nápady propojené s výsledky a plán připravený k testování. Žádná magie – jen jasnost.
Jak mluvit s umělou inteligencí, když je v sázce hodně 🧩
Pokud se téma týká zdraví, financí, práva nebo bezpečnosti, je potřeba zvláštní pečlivost. Používejte rámce rizik k vedení rozhodnutí, vyžadování citací, získání druhého názoru a dokumentaci předpokladů a limitů. NIST AI RMF je solidním základem pro vytvoření vlastního kontrolního seznamu [1].
Kontrolní seznam důležitých věcí:
-
Definujte rozhodnutí, scénáře poškození a zmírňující opatření
-
Požadujte citace a upozorněte na nejistotu
-
Proveďte hypotetický scénář: „Jak by to mohlo být špatně?“
-
Než začnete jednat, nechte si vypracovat odborné hodnocení od člověka
Závěrečné poznámky: Příliš dlouhé, nečetl jsem to 🎁
Naučit se mluvit s umělou inteligencí není o tajných kouzlech. Jde o strukturované myšlení, které je jasně vyjádřeno. Stanovte si roli a cíl, zadejte kontext, přidejte omezení, požádejte o zdůvodnění, iterujte a ověřujte. Udělejte to a získáte výstupy, které se zdají být neuvěřitelně užitečné – někdy i příjemné. Jindy se model bude toulat, a to je v pořádku; postrčíte ho zpět. Konverzace je práce. A ano, někdy smícháte metafory jako šéfkuchař s příliš mnoha kořením... pak to uklidíte a odešlete.
-
Definujte úspěch hned na začátku
-
Uveďte kontext, omezení a příklady
-
Požádejte o zdůvodnění a kontroly
-
Dvakrát iterovat
-
Přizpůsobte nástroj úkolu
-
Ověřte si cokoli důležitého
Reference
-
NIST - Rámec pro řízení rizik v oblasti umělé inteligence (AI RMF 1.0). PDF
-
Platforma OpenAI – Průvodce inženýrstvím. Odkaz
-
Centrum nápovědy OpenAI – Osvědčené postupy pro rychlé inženýrství v ChatGPT. Odkaz
-
Antropická dokumentace - Výzva k osvědčeným postupům (Claude). Odkaz
-
Stanford HAI - Index AI 2025: Technický výkon (Kapitola 2). PDF