Jak se ptát AI na lidi a firmy: co od odpovědi čekat a jak si ji ověřit

Část první: co čekat a jak se ptát

1. Co se děje, když se zeptáte

AI s vyhledáváním nemá v hlavě seznam odborníků. Když dostane otázku, vyhledá na webu několik stránek, přečte je a z nich složí odpověď. To, co vypadá jako znalost, je shrnutí toho, co právě našla.

Z toho plynou dvě věci. Do odpovědi se dostane jen ten, koho vyhledávání na danou otázku najde. A odpověď je jen tak dobrá, jak dobré jsou stránky, ze kterých vznikla.

2. Proč bývá první odpověď mělká

V jednom z testů jsme se jako malá firma zeptali, kdo nám postaví jednoduchou aplikaci, propojí systémy nebo zpřístupní firemní dokumenty. Požádali jsme, aby AI ke každému jménu přidala odkaz, který jeho práci dokládá. Přišlo osm jmen a sedm z nich pocházelo z jednoho katalogu lidí na volné noze.

Katalog nedělá nic špatně a lidé v něm také ne. Profil v katalogu je ale text, který o sobě člověk napsal sám. AI ho přesto použila jako doklad: „usuzuji z jeho prezentace, kde uvádí“. Hotovou práci, popsaný případ nebo cizí referenci nehledala, protože první nalezená stránka formálně stačila.

První odpověď proto často říká, kdo má dobře napsanou stránku. Jestli je dobrý v tom, co dělá, z ní nepoznáte.

3. Stejná otázka, jiná odpověď

Stejnou otázku jsme položili ve třech samostatných oknech. Přišly tři různé seznamy. Některá jména se opakovala, jiná se objevila jen jednou. Dva lidé, které by v oboru zmínil skoro každý, nebyli ani v jednom.

Jedna odpověď je tedy jeden vzorek. Kdo se zeptá dvakrát nebo třikrát a porovná, co se opakuje, ví o hodně víc. Jméno, které se vrací, má větší váhu než jméno, které vyskočilo jednou.

4. Čtyři věci, které odpověď zlepší

• Napište, kdo jste a co potřebujete. „Kdo umí automatizaci“ vrátí obecný seznam. „Jsme pětičlenná firma, přepisujeme objednávky z e-shopu do účetnictví a chceme to propojit“ vrátí lidi, kteří dělají právě tohle.
• Chtějte, aby prošla víc kandidátů, a dovolte jí vrátit méně. Věta „projdi aspoň deset kandidátů a uveď jen ty, které umíš doložit, i kdyby zbyli tři“ ji nutí hledat šířeji a zároveň jí nedává důvod doplňovat seznam do počtu.
• Chtějte doklad hotové práce. Odkaz na konkrétní projekt, popsaný případ nebo věcný text. Počítejte s tím, že při přísném zadání může odpověď zkrátka znít „nikoho takového jsem nenašla“. I to je užitečná informace.
• U konkrétního jména chtějte přísné posouzení. Když AI jmenovitě požádáte, ať někoho prověří přísně a bez důkazů ho neuvádí, udělá výrazně důkladnější práci než u běžného seznamu: dohledá profil, ocenění, profesní historii a napíše, na co se ten člověk hodí a na co ne.

A jedna navíc: odkazy si otevřete. AI občas doloží tvrzení stránkou, která ho nedokládá.

5. Tahák: dotaz ke zkopírování

Položte ho dvakrát, pokaždé v novém okně, a porovnejte, kdo se opakuje. Pokud přijde prázdná odpověď, uberte požadavek na hotovou práci a výsledek berte jako seznam k vlastnímu prověření.

Část druhá: co jsme naměřili

6. Jak jsme měřili

Všechny dotazy běžely 19. září 2026 v Režimu AI ve vyhledávání Google, v anonymním okně prohlížeče a bez přihlášení. Každý dotaz měl vlastní nové okno, aby ho neovlivnila předchozí konverzace. Odpovědi jsme ukládali celé včetně odkazů.

Meze jsou tři a je poctivé je říct předem. Měřili jsme jeden produkt, jiné modely se mohou chovat jinak. Měřili jsme jeden den. A většina dotazů běžela třikrát až sedmkrát, některé jen jednou. Berte to jako první měření, které si můžete sami zopakovat.

7. Jak moc se odpovědi liší

Záleží na oboru. Porovnali jsme odborné téma (kdo v Česku rozumí technologii RAG) a komerční obor (kdo rozumí účetnictví a daním pro e-shopy).

	Odborné téma, 3 okna	Komerční obor, 7 oken
Jména ve všech oknech	2	1
Jména ve většině oken	dalších 5	dalších 7
Jména jen v jednom okně	většina ostatních	5
Kdo převažuje	lidé, školy a firmy napůl	skoro jen firmy

U odborného tématu se seznamy lišily výrazně. U účetnictví se jádro osmi kanceláří vracelo skoro pokaždé. Vysvětlení, které se nabízí: každá z těch kanceláří má stránku pojmenovanou téměř stejně jako dotaz, tedy „účetnictví pro e-shopy“. Vyhledávání je najde pokaždé a AI je pokaždé vrátí.

Stabilní seznam proto neznamená ověřený seznam. Znamená, že tyto firmy mají dobře udělanou stránku s nabídkou.

Poznámka: v odborném tématu se ve všech třech oknech objevil i autor této studie, který provozuje Vibe Coding Index.

8. Počet a úniková věta

Když po AI chcete pevný počet, hledá šířeji. Zároveň má důvod seznam doplnit, i když jí doložení kandidáti dojdou.

Znění	Co přišlo
„najdi 10 lidí“	10 položek, poslední dvě bezejmenné („lektoři“ jedné firmy, „tým vývojářů“ jiné)
„projdi aspoň deset kandidátů a uveď jen ty, které umíš doložit, i kdyby zbyli tři“	8 položek, každá s odkazem, žádná bezejmenná
„projdi aspoň 10 a uveď jen doložené“ (bez dovětku o třech)	přesně 10 položek, z toho 8 institucí

Rozhoduje dovětek, který výslovně dovoluje vrátit méně. Bez něj si AI desítku znovu vyloží jako cíl a doplní ji tím, co se dokládá nejsnáz: univerzitami a firmami.

Nefunguje to vždy. Ve třech dalších dotazech se stejným dovětkem přišly 4, 5 a 10 položek. A u účetnictví pro e-shopy na znění nezáleželo vůbec, protože doložitelných kandidátů je v tom oboru víc než deset. Dovětek pomáhá tam, kde kandidátů je málo.

9. Co AI bere jako důkaz

Stejný dotaz malé firmy jsme položili se dvěma verzemi pravidla o dokladech.

Pravidlo	Výsledek
„Ke každému jménu uveď aspoň jeden veřejný odkaz, který jeho práci dokládá.“	8 jmen, 7 z jednoho katalogu. Dokladem byl vlastní popis služeb.
„Profil v katalogu ani vlastní popis služeb není doklad. Chci odkaz na hotovou práci nebo popsaný případ.“	Nikdo. AI napsala, že doklad mimo vlastní profily nenašla.

Takoví lidé přitom existují. U jednoho z doporučených jsme jedním hledáním našli vlastní web s několikadílným odborným seriálem, tedy přesně ten typ dokladu, který pravidlo chtělo. AI se k němu nedostala. V nepřihlášeném režimu udělá pár hledání, vezme, co leží navrchu, a když to pravidlu nevyhovuje, skončí.

Mezi „opíše katalog“ a „nenajde nikoho“ je prostor, do kterého se krátkým dotazem dostat nejde. Pomáhá ptát se na konkrétní jména a chtít prověrku, viz kapitola 11.

10. Slovník otázky určuje, koho AI najde

Tento test jsem udělal sám na sobě, protože u sebe znám skutečný stav věcí. Stavím firmám webové aplikace a automatizace a zároveň jsem napsal český seriál o technologii RAG.

Otázka	Oken	Kolikrát uveden
Kdo v ČR zná RAG (oborový slovník)	3	3
Kdo postaví malé firmě aplikaci, kdo dělá vývoj s AI na zakázku, kdo pomůže s automatizací (slovník zákazníka)	5	0
Kdo je Pavel Horák a co dělá (přímý dotaz)	1	popsán správně, včetně toho, že staví weby a aplikace

AI o mně tedy ví, že aplikace stavím. Na otázku zákazníka mě přesto nenabídne. Na zákaznické otázky vracela ty, kdo mají stránku s nabídkou napsanou stejnými slovy, jakými se zákazník ptá: „aplikace na míru pro malé firmy“, „vibe coding na klíč“.

Pro každého, kdo chce být přes AI k nalezení, z toho plyne jednoduchá věc. Odborný text vás zviditelní u lidí z oboru. Zákazník se ale ptá slovy svého problému, a na ta musí odpovídat stránka, která říká, co komu děláte, a dokládá to konkrétním případem.

11. Jmenovaný člověk dostane skutečnou prověrku

V oboru účetnictví pro e-shopy jsme vybrali uznávaného daňového experta z velké poradenské firmy, který se v sedmi základních oknech neobjevil ani jednou. K běžné otázce jsme přidali větu, ať ho AI posuzuje přísněji než ostatní a bez důkazů ho neuvádí.

	Základní otázka, 7 oken	S pokynem k přísnosti, 3 okna
Jmenován v odpovědi	0	3
Vlastní odstavec s posouzením	0	3
Zařazen mezi doporučené	0	1 jednoznačně, 2 s výhradou „pro složité případy“

U ostatních kandidátů AI použila jejich vlastní stránku s nabídkou a jednu větu. U jmenovaného dohledala oficiální profil, profesní síť, oborové ocenění a předchozí působení ve státní správě. Verdikt se mezi okny lišil a ve dvou případech zněl střízlivě: špičkový odborník na svou oblast, ale ne typický účetní pro běžný e-shop.

Přísnost tedy výsledek předem neurčuje, dotyčný se mezi doporučené dostat může i nemusí. Určuje ale hloubku práce: jmenovaný člověk je posouzen pokaždé a důkladně, ostatní jen tehdy, když na ně vyhledávání samo narazí. Kdo chce od AI fakta místo prvních tří odkazů, má v tom použitelný nástroj.

12. Jak si to vyzkoušet sami

1. Otevřete anonymní okno prohlížeče a nepřihlašujte se. AI tak nevidí vaši historii ani nic, co o vás ví.
2. Položte jednu otázku na obor, kterému rozumíte, a odpověď si celou uložte.
3. Zavřete okno, otevřete nové a položte přesně stejnou otázku. Opakujte třikrát.
4. Spočítejte, kdo se objevil ve všech oknech, kdo jen v jednom a kdo z lidí, které v oboru znáte, chybí úplně.
5. Otevřete pár odkazů a podívejte se, co vlastně dokládají: hotovou práci, nebo jen vlastní popis služeb.
6. Zkuste stejnou otázku položit slovy odborníka a potom slovy zákazníka. Porovnejte, koho AI najde.

Celé to zabere kolem dvaceti minut. Protože oboru rozumíte, uvidíte přesně, kde má odpověď pravdu a kde jen opisuje to, co leželo navrchu.

13. Co zatím nevíme

Měřili jsme jeden produkt v nepřihlášeném režimu. Přihlášený režim a jiné modely mohou hledat hlouběji a výsledky se mohou lišit. Nevíme také, jak se lidé AI ve skutečnosti ptají, všechny zákaznické otázky jsme formulovali sami. A většina měření stojí na několika oknech z jednoho dne.

Na všech třech věcech budeme pracovat a studii doplníme. Pokud si testy zopakujete a vyjde vám něco jiného, je to stejně cenná informace jako ta naše.

14. Poznámka k tomuto materiálu

Text vznikl ve spolupráci s modelem Claude a web, na kterém je publikován, to uvádí u každé studie. Dotazy jsem pouštěl a odpovědi ukládal sám, model pomáhal s návrhem testů, vyhodnocením a formulací. Za výběr úhlu, znění dotazů, výklad výsledků i za případné chyby ručí podepsaný autor.

Jména třetích stran z výstupů se v textu záměrně neuvádějí. Cílem je popsat, jak AI doporučuje, ne hodnotit konkrétní lidi a firmy. Přesná znění všech dotazů jsou uvedena v příloze, aby si měření mohl kdokoli zopakovat.

15. Aktualizace

Tato kapitola je při publikaci prázdná. Další měření se sem přidávají datovaně, nejnovější nahoře, v podobě: datum, produkt, dotčené kapitoly, popis změny. Původní text se nepřepisuje.

Přiložené PDF odpovídá stavu k 19. září 2026 a při aktualizacích se neregeneruje. Platným zdrojem aktuálního stavu je vždy tato stránka.

Příloha: přesné znění dotazů

Všechny dotazy běžely 19. 9. 2026 v anonymním okně bez přihlášení, každý v novém okně.

Kapitoly 2 a 9, strukturovaný dotaz malé firmy (potřeba se měnila: aplikace na míru, AI nad firemními dokumenty, propojení systémů):

Přísná varianta měnila pravidlo 1 a přidala pravidlo 6:

Kapitoly 3, 7 a 8, téma RAG, tři okna:

Kapitola 10, zákaznické otázky a kontrolní dotaz:

Kapitoly 7 a 11, účetnictví pro e-shopy, základ v sedmi oknech a přísnější metr ve třech:

Zdroje

Všechny odkazy byly ověřeny 19. září 2026.

1. Google: nápověda k Režimu AI ve vyhledávání. Produkt, ve kterém všechna měření proběhla, včetně upozornění „Odpovědi od AI můžou obsahovat chyby“, které se zobrazuje pod každou odpovědí. support.google.com
2. Vlastní měření z 19. září 2026: 25 oken v anonymním režimu, uložené odpovědi včetně odkazů. Přesná znění dotazů jsou v příloze; surové výstupy archivuje autor a na vyžádání je poskytne.
3. Vibe Coding Index: Jak najít přes AI odborníka podle zkušeností a jak v ní být vidět. Zkrácená verze první části pro širokou veřejnost. vibecodingindex.cz
4. RAG vysvětlený lidsky. Seriál, kvůli kterému Režim AI autora třikrát ze tří doporučil na téma RAG (kapitola 10). rag.pprojects.cz
5. s AI o AI: Digitální autorita, hodnocení důvěryhodnosti v éře AI, 2025. Jak vyhledávače a AI posuzují autoritu zdrojů; navazující kontext ke kapitolám 7 a 9. saioai.cz
6. s AI o AI: Jak AI modely čtou web, 2025. Rozdíly v tom, co jednotlivé modely z webu vidí; souvisí s mezemi v kapitole 13. saioai.cz
7. s AI o AI: Kognitivní personalizace a typologie uživatelů v LLM, květen 2026. Proč měření běželo v anonymním okně bez přihlášení (kapitola 6). saioai.cz