Rozhovor s jazykovým modelem je zvláštní druh situace. Člověk napíše několik vět, systém odpoví a během několika sekund vznikne text, který může působit jako rada, vysvětlení, námitka, návrh strategie nebo téměř hotová formulace myšlenky.

Je snadné tento proces popsat mechanicky: uživatel zadá prompt, model vygeneruje odpověď. Takový popis je správný, ale nestačí. Nevysvětluje, proč nepatrná změna zadání často radikálně promění výsledek. Proč věta „vysvětli mi to“ vede jinam než „oponuj mi“, proč stejná otázka formulovaná jako právní problém vyvolá jiný typ odpovědi než otázka položená jako osobní dilema, a proč někdy jeden přesně zvolený pojem přesměruje celý rozhovor.

Právě zde se z práce s AI stává praktická laboratoř sémiotiky. Ne proto, že by AI dokázala jakoukoli filozofickou teorii. Ale proto, že na ní lze velmi rychle pozorovat základní skutečnost: význam není obsažen pouze v jednotlivých slovech. Vzniká ze vztahu mezi slovy, situací, účelem, předchozím kontextem, očekáváním a interpretací.

Prompt není příkaz. Je to situace.

V běžné řeči se prompt chápe jako instrukce. Napiš článek. Shrň dokument. Najdi chybu v kódu. Navrhni cestu. To je užitečný technický pohled, ale zakrývá podstatnou věc: každá instrukce zároveň vytváří situaci, ve které má být odpověď čtena.

Když člověk napíše „Napiš článek o AI“, model musí doplnit velké množství chybějících rozhodnutí. Pro koho má článek být? Má být popularizační, akademický, prodejní nebo polemický? Má obhajovat technologii, popisovat rizika, nebo vysvětlovat principy? Jak dlouhý má být? Jaký tón je přijatelný? Bez těchto informací model vyplňuje mezery podle obecných vzorců, které zná z tréninkových dat a svého nastavení.

Když však zadání zní: „Napiš edukativní článek pro čtenáře, kteří se bojí, že AI nahradí jejich práci; odděl ověřitelná fakta od interpretace a nepoužívej marketingový tón“, mění se nejen styl. Mění se významová architektura úkolu. Model dostává roli, publikum, hranice a hodnotové kritérium.

Prompt proto není jen příkaz o obsahu. Je to kombinace několika vrstev:

  • téma – o čem má odpověď být;
  • účel – k čemu má sloužit;
  • role – z jaké pozice má model odpovídat;
  • publikum – komu má být text srozumitelný;
  • rámec – jaké pojmy, otázky a hranice jsou relevantní;
  • forma – jak má odpověď vypadat;
  • kritérium kvality – podle čeho má uživatel poznat, že výsledek obstál.

V přirozené komunikaci jsou tyto vrstvy často nevyřčené. V dialogu s AI je lze vytahovat na povrch, pojmenovat a testovat. To je jedna z nejsilnějších praktických hodnot AI: nutí uživatele přesněji vidět vlastní zadání.

Stejná věta není stejná otázka

Vezměme jednoduchou otázku: „Je AI nebezpečná?“ Sama o sobě je nejasná. Může znamenat nejméně několik různých věcí.

Může jít o bezpečnost osobních dat. Může jít o ztrátu práce, vojenské využití, manipulaci veřejného mínění, psychologickou závislost, diskriminaci v automatizovaném rozhodování nebo hypotetické riziko autonomních systémů. Každý z těchto problémů vyžaduje jiná fakta, jiný slovník i jiné odpovědi.

Rozdíl často nevytvoří až odpověď modelu. Je přítomen už v tom, co otázka předpokládá. Slovo „nebezpečná“ vytváří rámec ohrožení. Kdyby se uživatel zeptal „Kde může AI selhat?“ nebo „Jaké společenské náklady má rozšíření AI?“, otevře jiné pole odpovědí. Nejde o slovíčkaření. Každá formulace rozděluje problém jinak.

Sémioticky řečeno: význam otázky není součtem slov. Je to vztah mezi znakem a jeho použitím v konkrétní situaci. V dialogu s AI je tento vztah viditelnější, protože model reaguje na formulaci velmi citlivě.

To ovšem neznamená, že model „čte nitro“ uživatele. Nezná skrytý úmysl mimo to, co mu bylo sděleno nebo co lze přiměřeně vyvodit z konverzace. Reaguje na jazykové stopy: slovní volbu, strukturu věty, předchozí zprávy, výslovně zadané cíle a pravděpodobné významové vzorce. Právě to ale stačí, aby se z něj stal užitečný nástroj pro zkoumání, jak moc naše formulace ovlivňují myšlení.

Odpověď vzniká mezi člověkem, modelem a materiálem

Kdo je autorem myšlenky, když člověk zadá nehotovou intuici a AI ji rozvine do přesného odstavce?

Nejhorší odpověď je jednoduchá: buď člověk, nebo stroj. Ve skutečnosti záleží na tom, o čem mluvíme.

Model je zdrojem konkrétní formulace, pořadí argumentů, asociací a často i nečekaných návrhů. Bez něj by daný text v této podobě nevznikl. Zároveň ale model nevstupuje do prázdna. Člověk volí problém, poskytuje kontext, vybírá z odpovědí, opravuje chyby, odmítá klišé a rozhoduje, co odpovídá jeho záměru. Bez této lidské práce by odpověď byla jen jednou z mnoha možných jazykových kombinací.

Autorský podíl proto není jen otázka toho, kdo fyzicky napsal větu. Je to také otázka vedení procesu. Kdo definoval problém? Kdo rozhodl, které rozlišení je důležité? Kdo nese odpovědnost za tvrzení? Kdo rozpoznal, že výstup je přesný, falešný, povrchní nebo eticky nepřijatelný?

AI může být výrazným spolutvůrcem textu, ale nemůže převzít lidskou odpovědnost za jeho použití. Model nemá vlastní zájem, zkušenost se následky ani občanskou odpovědnost. Dokáže vytvořit přesvědčivý argument pro několik protichůdných pozic. To není důkaz jeho neutrality; je to důvod, proč musí člověk zůstat editorem, hodnotitelem a nositelem rozhodnutí.

AI jako zrcadlo i jako zkreslující plocha

Dialog s AI může být užitečným zrcadlem. Když člověk několikrát přeformuluje stejnou otázku a sleduje změnu odpovědí, může si všimnout vlastních předpokladů. Možná zjistí, že se ve skutečnosti neptá na fakta, ale hledá potvrzení. Možná zjistí, že používá neurčitý pojem, pod nějž schovává několik odlišných problémů. Možná zjistí, že chce obhajobu postoje, který ještě nedokáže formulovat.

Zrcadlo však není okno. Model neukazuje realitu přímo. Ukazuje jazykově pravděpodobnou reakci založenou na datech, nastavení a kontextu. Umí být výborný v přeuspořádání argumentů, ale může si vymýšlet zdroje, přehlédnout výjimku, převzít zaujatý rámec nebo vytvořit iluzi hloubky jen proto, že text zní plynule.

Proto je nutné držet dvě myšlenky zároveň:

1. AI může pomoci člověku vidět strukturu vlastního myšlení.

2. AI nesmí být považována za nezávislou autoritu, která tuto strukturu automaticky ověřila.

V dobré práci s AI se oba principy doplňují. Uživatel nechá model rozvinout možnosti, ale ověřuje fakta. Nechá jej pojmenovat napětí v argumentu, ale nenechá jej rozhodnout, co je pravda. Nechá jej navrhnout výklad, ale zkoumá, zda výklad neignoruje jiné vysvětlení.

Různé systémy, různé významové prostředí

Neexistuje jedna abstraktní AI. Rozdíl mezi nástroji je důležitý nejen technicky, ale i interpretačně.

Vyhledávací systém s přístupem k aktuálním zdrojům může být vhodnější pro ověřování nových informací, ale kvalita jeho odpovědi závisí na tom, jaké zdroje vybral, jak je pochopil a zda uživatel čte odkazy kriticky. Chatovací model bez přístupu k aktuálnímu webu může dobře vysvětlit stabilní koncept, ale nemusí vědět, co se změnilo minulý týden. Model pracující s projektovými soubory může lépe navázat na interní jazyk týmu, ale zároveň může opakovat jeho slepá místa.

Rozdíly vytvářejí zejména:

  • dostupná data a jejich aktuálnost;
  • délka a kvalita kontextu;
  • instrukce systému a bezpečnostní pravidla;
  • nástroje, které model může používat;
  • paměť a napojení na uživatelovy dokumenty;
  • způsob, jakým je odpověď filtrována nebo citována.

Každý systém tedy odpovídá z jiného prostředí znaků a omezení. Říkat, že „AI řekla“, je příliš hrubé. Přesnější otázka zní: který model, s jakým kontextem, nad jakými daty, v jakém režimu a pro jaký úkol vytvořil tuto odpověď?

Prompt jako experiment, ne jako zaklínadlo

Dnešní řeč o promptování někdy vytváří dojem, že existuje magická formule, která z AI vytáhne pravdu. Neexistuje. Prompt je spíše způsob, jak provést malý experiment s interpretací.

Užitečný experiment může vypadat takto:

1. Položte otázku v základní podobě.

2. Požádejte model, aby vyjmenoval skryté předpoklady otázky.

3. Nechte jej otázku přepsat z opačné hodnotové pozice.

4. Požádejte o tři alternativní interpretace problému.

5. Nechte jej oddělit ověřitelná tvrzení od hypotéz a hodnotových soudů.

6. Nakonec ověřte nejdůležitější faktická tvrzení ve spolehlivých zdrojích.

Takový postup neodhalí jednu definitivní pravdu. Pomůže ale ukázat, kde vzniká rozdíl mezi faktem, interpretací a rétorikou. To je přesně dovednost, kterou veřejná debata, práce s médii i práce s AI potřebují.

Například místo věty „AI ničí vzdělávání“ lze položit přesnější sérii otázek: Jaké konkrétní studijní návyky AI mění? Které změny jsou doložené? Které obavy jsou predikce? Kdo získává výhodu a kdo ztrácí? Jak se liší dopad na žáka, učitele a instituci? Teprve tak vzniká problém, který lze rozumně analyzovat.

Co AI ověřuje – a co ne

Komunikace s AI neověřuje, že jazyk vytváří celou realitu. Materiální svět, tělo, ekonomika, instituce, technologie a fyzické následky existují nezávisle na tom, jak o nich mluvíme. Špatně napsaný prompt nezmění gravitaci ani účetní bilanci.

Ukazuje však něco jiného a neméně podstatného: lidé se k realitě nedostávají bez výkladu. Abychom se rozhodli, potřebujeme věci pojmenovat, zařadit, porovnat, vysvětlit a sdílet. Ve společnosti se významy proměňují v zákony, značky, pravidla, reputaci, důvěru, konflikty i konkrétní činy.

AI tuto skutečnost zviditelňuje. Stačí změnit rámec otázky a zřetelně se změní, co se jeví jako problém, jaké důvody působí relevantně a jaké řešení vypadá přirozeně. To není všemoc jazyka. Je to důkaz, že jazyk je jedna z hlavních infrastruktur lidského jednání.

Závěr: nová gramotnost dialogu

Práce s AI vyžaduje více než schopnost zadat příkaz. Vyžaduje schopnost rozpoznat, co vlastně říkáme, jaké předpoklady do otázky vkládáme, co v odpovědi chybí a které části je nutné ověřit mimo model.

Dobrý uživatel AI není ten, kdo získá nejdelší nebo nejuhlazenější odpověď. Je to ten, kdo dokáže vést dialog tak, aby odlišil fakta od interpretací, otevřel alternativy, odhalil vlastní slepé místo a převzal odpovědnost za konečný úsudek.

V tomto smyslu je komunikace s AI praktickým cvičením ze sémiotiky. Člověk v ní neustále pracuje se znaky, kontextem, rámováním a interpretací. Ne proto, že by se z každého promptu stala filozofie, ale proto, že každý prompt ukazuje, jak se z jazyka stává rozhodování.