Promptování přestává být superschopnost
Ještě před dvěma lety patřilo promptování mezi nejžádanější dovednosti v oblasti umělé inteligence. Vznikaly kurzy, certifikace, celé kariéry promptových inženýrů. Dnes se situace mění rychleji, než většina lidí stihla dopsat svůj první systémový prompt.
Špičkové AI modely roku 2025 a 2026 vás totiž samy navedou. Zeptáte se špatně? Model si vyžádá upřesnění. Formulujete otázku neobratně? Model si domyslí kontext. Claude Opus 4.6, GPT-5 nebo Gemini 3 Pro dnes zvládnou pochopit, co potřebujete, i když to neřeknete „správně”. Jenže tohle platí právě jen pro ty nejlepší modely. A tady začíná skutečný problém.
Schopnost promptovat se totiž přesouvá jinam – do schopnosti vybrat ten pravý model pro daný úkol. A to vlastně tak bylo vždy. Když si někdo zvolil „rychlíka” – tedy menší, levnější model optimalizovaný na rychlost – nemohl čekat, že zvládne složité analytické úlohy nebo hluboké uvažování. Rozdíl je v tom, že dnes je nabídka modelů nesrovnatelně větší a rozdíly mezi nimi dramatičtější.
Test s mytím auta, který odhalil nepříjemnou pravdu
Firma Opper provedla test, který je geniální ve své jednoduchosti. Položila 53 předním AI modelům jedinou otázku: „Chci si umýt auto. Myčka aut je 50 metrů daleko. Mám jít pěšky, nebo jet autem?” Odpověď je pro každého člověka okamžitě jasná – musíte jet autem, protože auto potřebuje být v myčce. Nemůžete ho tam donést v kapse.
Výsledky? V prvním kole odpovědělo správně pouhých 11 modelů z 53. Celých 42 modelů doporučilo jít pěšky. Jejich zdůvodnění bylo přitom vždy stejné: „50 metrů je krátká vzdálenost, chůze je efektivnější, šetří palivo, je ekologičtější.” Technicky korektní úvaha – ale o úplně špatném problému. Modely se zasekly na vzdálenosti a kompletně ignorovaly fakt, že auto se do myčky musí nějak dostat.
Jedno správné zodpovězení nestačí
Opper test zopakoval – každý model dostal stejnou otázku 10krát za sebou. Celkem 530 dotazů. A výsledky se ještě zhoršily. Z 11 modelů, které uspěly napoprvé, jich dokázalo odpovědět správně pokaždé jen 5.
Dokonale spolehlivých 10 z 10 dosáhlo pouze pět modelů: Claude Opus 4.6, Gemini 2.0 Flash Lite, Gemini 3 Flash, Gemini 3 Pro a Grok-4. Tyto modely dokázaly pokaždé přebít naučenou zkratku „krátká vzdálenost = jdi pěšky” a správně vyhodnotit kontext situace.
GPT-5 od OpenAI, jejich vlajková loď, odpověděl správně jen 7krát z 10. Což je mimochodem téměř totožné s úspěšností lidí – test na 10 000 lidech ukázal, že správně odpovědělo 71,5 % z nich. Všechny modely Claude kromě Opusu 4.6, všechny modely Llama, všechny modely Mistral a překvapivě i GPT-4o nebo GPT-5.1 nedokázaly odpovědět správně ani jednou z deseti pokusů.
Co to znamená pro praxi
Představte si, že stavíte automatizovaný systém, který má za firmu rozhodovat – třeba analyzovat smlouvy, vyhodnocovat životopisy kandidátů nebo plánovat logistiku. Pokud váš AI model nedokáže spolehlivě vyřešit jednokrokovou logickou úlohu o mytí auta, jak si poradí s vícekrokovým obchodním rozhodnutím?
Test odhalil tři kategorie AI modelů, které je dobré mít na paměti. První skupinu tvoří modely, které nikdy neodpověděly správně – celých 33 z 53 testovaných. Ty si jednoduše zafixovaly pravidlo „krátká vzdálenost = chůze” a nedokážou ho překonat kontextovým uvažováním. Druhá skupina zahrnuje 15 modelů, které někdy odpověděly správně a někdy ne. Tahle kategorie je paradoxně nejnebezpečnější, protože při testování model vypadá funkčně, ale v praxi selhává nepředvídatelně. Třetí, nejmenší skupinu tvoří pouhých 5 modelů, které odpověděly správně pokaždé.
Perplexity: správná odpověď, šílené zdůvodnění
Za zmínku stojí kuriózní případ modelů Sonar a Sonar Pro od Perplexity. V prvním kole odpověděly správně – jeďte autem. Jenže jejich zdůvodnění bylo naprosto absurdní. Argumentovaly tím, že chůze spaluje kalorie, produkce potravin generuje emise, a proto je chůze na 50 metrů z hlediska uhlíkové stopy horší než jízda autem. Správný výsledek, jen úplně pomýlená logika. Při opakovaném testu navíc Sonar spadl na 0 z 10, přičemž stále produkoval stejný elaborát o emisích z potravin – jen nakonec změnil závěr na „jděte pěšky”.
Modely, které viděly odpověď a ignorovaly ji
Některé chybné odpovědi byly až bolestně blízko správnému řešení. Claude Sonnet 4.5 ve svém zdůvodnění explicitně zmínil, že jedinou situací, kdy by dávalo smysl jet autem, je případ, kdy potřebujete auto dostat do automatické myčky – a pak zvolil „jít pěšky”. Claude Opus 4.5 zase navrhl, abyste do myčky došli pěšky a pak se pro auto vrátili. GLM-4.7 Flash to naopak při jednom ze správných pokusů vystihl nejlépe ze všech: chůze by vyžadovala fyzicky tlačit nebo nést auto, což je nepraktické a nemožné.
Proč je výběr modelu nová klíčová dovednost
Svět AI modelů je dnes obrovský a nepřehledný. Jen v tomto testu bylo zapojeno 53 modelů od deseti různých poskytovatelů. Každý model má jiné silné stránky – jeden exceluje v kódování, druhý v kreativním psaní, třetí v analytickém uvažování. A jak ukázal test s myčkou, i modely od stejného poskytovatele se mohou zásadně lišit.
U Anthropicu uspěl jediný model z devíti – Opus 4.6. U OpenAI jediný ze dvanácti – GPT-5. U Googlu to byly tři z osmi, ale výhradně modely nové generace Gemini 3. Celé rodiny modelů jako Llama (Meta) nebo Mistral neuspěly kompletně. Volba správného modelu tedy není jen o výběru poskytovatele, ale o pochopení konkrétních schopností a limitů jednotlivých verzí.
Jak si vybrat ten správný model
Prvním krokem je uvědomit si, k čemu AI potřebujete. Pro jednoduché sumarizace textů nebo překlad e-mailů nepotřebujete nejdražší model s hlubokým uvažováním. Naopak pro analytické úkoly, rozhodování nebo automatizaci procesů se vyplatí sáhnout po modelech, které v testech uvažování skutečně obstály.
Na stránce mistr.ai/ai-modely najdete přehledné srovnání aktuálních modelů podle toho, na co se který nejlépe hodí – od programování přes výzkum až po kreativní psaní. Místo jednoho univerzálního „nejlepšího modelu” tam najdete mapu, která vám pomůže vybrat ten pravý nástroj pro váš konkrétní úkol.
Budoucnost patří těm, kdo rozumí nástrojům
Promptování samozřejmě úplně nezmizí. Stále platí, že dobře formulovaný dotaz přinese lepší výsledek. Ale bariéra vstupu se dramaticky snížila. Moderní AI modely jsou stále lepší v tom, porozumět i nepřesným, neúplným nebo špatně formulovaným zadáním – pokud tedy zvolíte ten správný model.
Skutečná kompetence se přesouvá od „umět promptovat” k „umět vybrat a nasadit správný nástroj”. Je to podobné jako s počítači – dnes nemusíte rozumět assembleru, abyste mohli efektivně pracovat. Ale musíte vědět, jestli na daný úkol potřebujete tabulkový procesor, databázi, nebo grafický editor. Se světem AI je to přesně stejné.
A jak ukázal jednoduchý test s mytím auta – ten rozdíl mezi správným a špatným výběrem může být rozdílem mezi spolehlivým výsledkem a kompletním nesmyslem.
