„Napiš mi e-mail klientovi." „Vytvoř příspěvek na LinkedIn." „Shrň tento dokument."
Podobně začíná spousta konverzací s ChatGPT, Copilotem, Gemini nebo Claude. A pak přijde zklamání: odpověď je příliš obecná, dlouhá nebo jednoduše nepoužitelná.
Problém ale často není v AI. Chybí jí informace, podle kterých by poznala, co přesně od ní očekáváte.
Dobrá zpráva je, že většinu špatných výsledků lze opravit několika jednoduchými změnami v zadání. Tady je pět chyb, se kterými se při školeních setkávám nejčastěji.
Chyba 1: Píšete příliš obecné zadání
Jazykový model nezná informace, které jste mu neposkytli. Neví, kdo je váš klient, jaký máte problém, čeho chcete e-mailem dosáhnout ani jak běžně komunikujete.
Když tedy napíšete:
„Napiš e-mail klientovi."
AI musí většinu okolností odhadnout. Výsledkem bývá univerzální text, který sice zní profesionálně, ale mohl by ho poslat prakticky kdokoliv komukoliv.
Není to chyba modelu. Jen dostal příliš málo informací.
Oprava: přidejte kontext, který byste poskytli i kolegovi, kdybyste o stejný úkol žádali jeho.
Například:
„Napiš zdvořilý, ale věcný e-mail klientovi, který je 14 dní po splatnosti faktury. Spolupracujeme spolu rok a chci zachovat dobrý vztah. Cílem je požádat o úhradu do konce týdne. Text má být stručný, maximálně tři odstavce."
Rozdíl není v délce promptu. Rozdíl je v tom, že AI dostala informace potřebné k rozhodování.
Chyba 2: Neřeknete, pro koho výstup vzniká
Stejnou věc můžete vysvětlit úplně jinak začátečníkovi, odborníkovi, zákazníkovi nebo vedení firmy.
Představte si například téma kybernetické bezpečnosti. Jinak ho vysvětlíte novému zaměstnanci a jinak IT specialistovi. Pokud AI neví, komu je text určen, musí si cílovou skupinu odhadnout.
A často se netrefí.
Oprava: do promptu přidejte cílovou skupinu a případně i roli, ze které má AI k úkolu přistoupit.
Například:
„Vysvětli dvoufaktorové ověřování zaměstnancům, kteří nejsou technicky zaměření. Použij jednoduchý jazyk, jeden praktický příklad a maximálně 150 slov."
Nebo:
„Zkontroluj tento text jako zkušený B2B copywriter. Je určen majitelům malých firem. Upozorni na místa, která jsou příliš technická nebo nesrozumitelná."
Dvě věty navíc mohou výrazně změnit kvalitu výsledku.
Chyba 3: Chcete všechno v jednom promptu
Analyzovat data, najít problém, navrhnout řešení, přepsat text, vytvořit tři varianty a nakonec z toho ještě udělat tabulku.
Technicky to AI zvládnout může. To ale neznamená, že je vždy dobrý nápad chtít všechno najednou.
Čím složitější zadání vytvoříte, tím snáze model některou část přehlédne nebo jí věnuje méně pozornosti. Navíc se obtížněji poznává, ve kterém kroku se výsledek začal ubírat špatným směrem.
Oprava: rozdělte složitější úlohu do několika kroků.
Místo jednoho obřího promptu zkuste:
„Nejprve analyzuj tento text a najdi tři hlavní problémy. Zatím ho nepřepisuj."
Po kontrole výsledku pokračujte:
„Teď navrhni, jak každý z těchto problémů odstranit."
A teprve potom:
„Na základě předchozí analýzy vytvoř novou verzi textu."
Máte tak nad výsledkem větší kontrolu a případnou chybu zachytíte dříve.
Chyba 4: První odpověď berete jako konečnou
Většina lidí první výstup buď použije, nebo zahodí.
To je škoda.
První odpověď AI je často nejlepší chápat jako pracovní návrh. Teprve dalším upřesněním ji můžete dostat do podoby, kterou skutečně potřebujete.
Představte si, že vám kolega pošle první verzi textu. Také mu můžete říct: „Tohle je moc dlouhé", „Tady buď konkrétnější" nebo „Zkus to napsat méně formálně".
S AI můžete pracovat úplně stejně.
Oprava: pokračujte v konverzaci krátkými instrukcemi.
Například:
„Zkrať text přibližně o třetinu."
„Použij méně formální tón."
„Úvod je příliš obecný. Začni rovnou konkrétním problémem."
„Druhá varianta je nejlepší. Zachovej její strukturu, ale zjednoduš poslední odstavec."
Nemusíte pokaždé psát nový prompt od začátku. Dobrá práce s AI je často série několika malých úprav.
Chyba 5: Neukážete, jak má výsledek vypadat
Chcete zápis ze schůzky. Ale má to být souvislý text, tabulka, nebo seznam úkolů?
Potřebujete report. Má obsahovat jednu stránku pro vedení, nebo detailní analýzu?
Chcete e-mail. Ale má být podobný vašemu běžnému stylu, nebo má AI vytvořit něco úplně nového?
Pokud neurčíte podobu výsledku, model ji musí zvolit sám. A nemusí vybrat tu, která vám vyhovuje.
Oprava: řekněte AI, jak má výstup vypadat. Ještě lépe funguje, když jí ukážete vzor.
Například:
„Výsledek vytvoř jako tabulku se sloupci Úkol | Odpovědná osoba | Termín | Stav."
Nebo:
„Použij stejnou strukturu a styl jako v tomto vzorovém e-mailu. Zachovej podobnou délku a míru formálnosti, ale nepřebírej konkrétní formulace."
U opakujících se úloh může dobrý vzor ušetřit více času než velmi dlouhé slovní vysvětlování.
Jak vypadá zadání, které se těmto chybám vyhýbá, ukazují šablony v knihovně AI promptů. Každá předem určuje strukturu a podobu výstupu — například business case pro vedení nebo brainstorming řešení problému.
Co si z toho odnést
Dobrý prompt nemusí být dlouhý ani komplikovaný. Měl by především dát AI dostatek informací k tomu, aby pochopila, co má udělat, pro koho výstup vzniká a jak má vypadat.
Pokud vám výsledek nesedí, nepřecházejte hned k jinému nástroji. Nejprve zkuste: doplnit kontext, určit cílovou skupinu, rozdělit složitý úkol, výsledek postupně doladit a ukázat požadovaný formát.
A ještě jedna praktická zásada: nezkoušejte za každou cenu napsat „dokonalý prompt" na první pokus. Často je rychlejší začít rozumným zadáním a výsledek během dvou nebo tří dalších zpráv zpřesnit.