# Päť mýtov o AI, kvôli ktorým firmy robia zlé rozhodnutia

Jaro Rais · 7 min čítania · 2026-10-23 · Práca s AI
Source: https://itashu.co/know-how/pat-mytov-o-ai

AI si stále vymýšľa. Vidíte, ako premýšľa. Agent zvládne všetko sám. Niektoré z týchto viet kedysi platili, iné budú platiť možno raz. Dnes vedú k zlým rozhodnutiam.

![Päť kariet: prečiarknutý mýtus hore a platná pravda dole](https://itashu.co/img/art-04-hero-1280.webp)

## Kontrolná otázka: „Si si istý?“ odpoveď nezlepší

Keď AI odpovie a vy sa spýtate „si si istá?“, mnohí čakajú, že si odpoveď prekontroluje. Môže sa stať opak. **Model vašu otázku pochopí ako signál, že chcete inú odpoveď, a prispôsobí sa.** Aj keď mal pôvodne pravdu.

- **Pri človeku:** Nový kolega, ktorý pri každom „ste si istý?“ od šéfa zmení názor, nie je dôkladný. Je ustráchaný.
- **Pri AI:** Ak chcete kontrolu, požiadajte o ňu priamo: „Over túto odpoveď v priloženom dokumente a uveď, kde to je.“

## 01 Mýtus: AI si stále vymýšľa

[Vymýšľanie](https://itashu.co/know-how/preco-si-ai-vymysla), odborne halucinácie, nie je vyriešené. Dnešné najlepšie modely sú však ďaleko od strojov na výmysly spred pár rokov. Pomohli tri veci:

- **Nástroje:** model si odpoveď vyhľadá na webe alebo v databáze namiesto toho, aby ju lovil z pamäti.
- **Priznanie neistoty:** modely sa naučili povedať „toto neviem overiť“.
- **Čas na premýšľanie:** modely, ktoré uvažujú pred odpoveďou, si môžu skontrolovať vlastnú prácu.

Koľko sa modely mýlia, závisí od úlohy. Pri zhrnutí dodaného textu majú najlepšie modely chybovosť v jednotkách percent. Pri otázkach na fakty z pamäti je chýb oveľa viac. Nie je to nula, ale nie je to ani „stále“.

**Čo to znamená pre vás:** AI bez prístupu k vašim podkladom bude hádať. AI, ktorá odpovedá z vašich dokumentov a vie ich citovať, sa mýli výrazne menej.

![Reťaz, ktorej články slabnú: spoľahlivosť klesá s počtom krokov, medzi úsekmi kontrolné body](https://itashu.co/img/art-04-myths-1280.webp)

## 02 Mýtus: vidíte, ako AI premýšľa

Niektoré modely ukazujú svoj postup krok za krokom. Vyzerá to ako pohľad do ich hlavy. **Nie je.** Výskum ukazuje, že tento zápis nemusí zodpovedať tomu, ako model k odpovedi naozaj dospel. Môže ísť o dodatočné zdôvodnenie odpovede, ku ktorej sa model prikláňa.

**Čo to znamená pre vás:** Postup je užitočný na kontrolu logiky, nie ako dôkaz správnosti. Pri dôležitých rozhodnutiach overujte výsledok, nie len zdôvodnenie.

## 03 Mýtus: drahý je tréning, používanie je lacné

Titulky píšu o stovkách miliónov za tréning modelov. Pritom čoraz väčšiu časť výpočtového výkonu spotrebuje samotné používanie. Podľa odhadov, ktoré uvádza IBM, to bola v roku 2023 asi tretina, v roku 2025 zhruba polovica a odhad na tento rok sú dve tretiny.

Dôvod: modely, ktoré premýšľajú, vytvoria 10 až 100-krát viac textu na jednu otázku. Najviac pri agentoch.

**Čo to znamená pre vás:** Platíte za používanie, nie za tréning. Nasadiť najdrahší model s dlhým premýšľaním na jednoduchú úlohu znamená vyhodiť peniaze. [Model vyberajte podľa úlohy.](https://itashu.co/know-how/najdrahsi-model-na-vsetko)

## 04 Mýtus: veľký kontext nahradí databázu

Dnešné modely naraz prečítajú stovky strán. Láka to [nahrať do nich celý export z CRM, všetky zmluvy alebo účtovníctvo za rok](https://itashu.co/know-how/viac-podkladov-neznamena-lepsie-odpovede) a pýtať sa ich ako databázy. V ukážke to funguje. V bežnej práci to zlyháva z piatich dôvodov.

**Nájsť nie je to isté ako spojiť.** Jednu konkrétnu vetu model v dlhom texte nájde takmer vždy. Keď však musí spojiť viac údajov z rôznych miest, presnosť rýchlo klesá. V teste NoLiMa od Adobe Research (2025) pri dĺžke zhruba 50 strán kleslo 10 z 12 testovaných modelov pod polovicu výkonu, ktorý mali na krátkom texte.

**Stred textu sa stráca.** Modely najlepšie využijú informácie zo začiatku a z konca. Čo leží v strede, prehliadajú častejšie. Ukázala to štúdia Lost in the Middle zo Stanfordu (2023). Výskum firmy Chroma z roku 2025 potvrdil pri 18 modeloch, že s dĺžkou textu spoľahlivosť klesá.

**Databáza počíta, model odhaduje.** Súčet tržieb, počet klientov alebo filter podľa dátumu urobí databáza vždy rovnako a presne. Jazykový model to pri tisícoch riadkov robí čítaním a ľahko vynechá riadok alebo sa pomýli v súčte.

**Každá otázka stojí celý text.** Model pri každej otázke spracuje celý vložený obsah znova. Pri veľkom exporte tak platíte za stovky strán pri každej otázke a dlhšie čakáte na odpoveď.

**Export rýchlo zastará.** Je to snímka jedného dňa. Databáza má vždy aktuálny stav a stráži aj prístupové práva, teda kto smie vidieť ktoré údaje.

**Čo to znamená pre vás:** [Veľký kontext sa hodí na prácu s niekoľkými dokumentmi naraz](https://itashu.co/know-how/jazykovy-model-je-zamrznuty-v-case), napríklad porovnať dve zmluvy alebo zhrnúť správu. Na otázky nad firemnými dátami patrí AI napojená na systém, ktorá sa databázy spýta a výsledok vám vysvetlí.

> **V praxi:** „Vedúci obchodu nahrá do AI ročný export z CRM a spýta sa, ktorí klienti z Bratislavy nakúpili na jar a od leta sa neozvali. Na to treba spojiť tri veci z rôznych miest. Spoľahlivejšie je nechať AI pýtať sa priamo CRM cez napojenie, nie čítať export.“

## 05 Mýtus: agent zvládne celý proces úplne sám

Agent je [model v slučke](https://itashu.co/know-how/ai-nepotrebuje-lepsi-model#kapitola-04): rozhodne sa, urobí krok, pozrie sa na výsledok a pokračuje. Jednotlivé kroky zvláda dobre. Problém je v ich reťazení, lebo **chyby sa násobia.**

Stačí jednoduchá matematika. Ak je každý krok spoľahlivý na 95 %, reťaz 20 krokov dopadne dobre asi v 36 % prípadov. Pri 50 krokoch zhruba v 8 %. Agent, ktorý vybaví dopyt od prijatého e-mailu po odoslanú ponuku, pritom ľahko urobí desiatky krokov.

**Merania to potvrdzujú.** Výskumná organizácia METR v marci 2025 zistila, že vtedy najlepšie modely zvládli takmer všetky úlohy, ktoré človeku trvajú menej ako štyri minúty. Pri úlohách na viac ako štyri hodiny uspeli v menej ako 10 % prípadov. Dĺžka úloh, ktoré agenti zvládnu, sa podľa METR zhruba každých sedem mesiacov zdvojnásobí. Rastie teda rýchlo, ale dlhý proces bez kontroly je stále riziko.

- **Pri človeku:** Aj šikovného nováčika necháte pracovať samostatne, ale pri dôležitých míľnikoch si výsledok pozriete.
- **Pri AI:** Agent pracuje sám v krátkych úsekoch. Medzi nimi ho skontroluje človek alebo druhý model, ktorý overuje jednotlivé kroky.

**Čo to znamená pre vás:** Plne samostatný agent na dlhý proces je dnes riziko. Agent s kontrolnými bodmi je spoľahlivý pomocník.

## Mýty buď kedysi platili, alebo raz platiť budú

| MÝTUS | PRAVDA DNES | ČO Z TOHO PRE FIRMU |
| --- | --- | --- |
| AI si stále vymýšľa | s nástrojmi a podkladmi výrazne menej | dajte jej vaše dokumenty |
| Vidíte, ako premýšľa | vidíte rozprávanie, nie myslenie | overujte výsledok |
| Drahý je tréning | drahé je používanie | model podľa úlohy |
| Veľký kontext je databáza | jednu vec nájde, spájať nevie | napojiť na systémy |
| Agent zvládne všetko sám | chyby sa reťazia | kontrolné body |

Zdroje: IBM Technology; Adobe Research, NoLiMa (2025); Liu a kol., Lost in the Middle, Stanford (2023); Chroma, Context Rot (2025); METR, Measuring AI Ability to Complete Long Tasks (2025).

**Spýtajte sa sami seba:** Ktorý z týchto mýtov dnes rozhoduje o tom, ako vaša firma AI používa alebo nepoužíva?

---

Povedzte nám, čo o AI počúvate vo firme. Ukážeme, čo z toho platí pre vás. https://itashu.co/konzultacia