AI slovník pro kancelářské pracovníky

Zastřešující název pro technologie, které dokážou vykonávat úkoly vyžadující lidský úsudek – rozpoznávat text, generovat obsah, překládat, analyzovat data. Nejde o jednu technologii, ale o celou rodinu přístupů.

Podkategorie AI schopná generovat nový obsah na základě zadání. Na rozdíl od starší AI, která jen třídila nebo předpovídala, generativní AI tvoří texty, obrázky, prezentace nebo kód. ChatGPT, Copilot, Gemini – to vše jsou příklady generativní AI.

Textové zadání (instrukce, otázka, popis úkolu), které napíšete AI nástroji. Kvalita výstupu z velké části závisí na kvalitě promptu. Dobře napsaný prompt je jako dobře zadaný úkol kolegovi – čím konkrétnější, tím lepší výsledek.

Označení pro AI asistenta od Microsoftu dostupného přímo v nástrojích jako Word, Excel, PowerPoint, Outlook nebo Teams. Copilot pomáhá sumarizovat, psát, analyzovat a automatizovat – bez nutnosti přepínat do jiné aplikace. Existuje ve více verzích: Copilot Chat je součástí standardního M365, Microsoft 365 Copilot je prémiová placená licence.

Prémiová licence nad rámec standardního M365 přidávající hlubší AI asistenci do Wordu, Excelu, PowerPointu, Outlooku, Teams a dalších nástrojů. Zpřístupňuje funkce jako Copilot v Excelu pro analýzu dat, Copilot v Teams pro sumarizaci schůzek nebo Copilot Pages pro sdílení AI výstupů. Liší se od bezplatného Copilot Chatu.

Produkt americké firmy OpenAI – webový chatbot postavený na LLM řady GPT. Není součástí Microsoft 365, ale je dostupný přes prohlížeč nebo aplikaci. Firemní data v bezplatné verzi mohou být použita k trénování modelu – pro práci s citlivými informacemi je potřeba placená verze nebo firemní řešení.

Automatizace (makra, Power Automate flow, skripty) vykonává přesně předem zadané kroky. AI naproti tomu zvládá nejednoznačné situace, učí se z příkladů a adaptuje se. V praxi se tyto přístupy kombinují – Copilot v Power Automate spojuje obojí.

Soubor znalostí a dovedností potřebných k tomu, aby člověk rozuměl principům AI, uměl AI nástroje efektivně používat, kriticky hodnotil jejich výstupy a byl si vědom jejich omezení a rizik. AI literacy se stává stejně důležitou jako digitální gramotnost nebo práce s Excelem.

Soubor principů a postupů zajišťujících, že AI je nasazována spravedlivě, transparentně a bezpečně. Zahrnuje otázky: Je AI zaujatá? Kdo je odpovědný za její rozhodnutí? Jak chráníme data uživatelů? Většina velkých firem (Microsoft, Google) má vlastní responsible AI standardy.

Obecný název pro AI nástroje, které reagují na dotazy, pomáhají s psaním, shrnutím nebo analýzou. Může jít o chatbota (ChatGPT, Claude), o asistenta integrovaného v aplikaci (Copilot v Outlooku) nebo o hlasového asistenta. Klíčový rozdíl oproti AI agentovi: asistent čeká na váš pokyn, agent jedná sám.

AI agent je program, který dostane cíl a sám rozhoduje, jak ho dosáhnout – otevírá aplikace, prohledává weby, zapisuje data, odesílá e-maily. Na rozdíl od chatbotu, kde vy řídíte každý krok, agent pracuje autonomněji. Příkladem jsou agenti v Copilot Studiu nebo automatizace v Power Automate s AI.

Strukturovaný sled kroků, kde AI přebírá konkrétní části pracovního procesu – například přijme fakturu, extrahuje data, zaúčtuje ji a archivuje. AI workflow kombinuje automatizaci s inteligentním rozhodováním a je základem mnoha firemních AI projektů.

Nová generace vyhledávačů, kde AI prohledá zdroje a místo seznamu odkazů vám přímo odpoví – s citacemi. Příklady: Perplexity, Bing Copilot, Google AI Overviews. Hodí se pro rychlé rešerše, ale vyžaduje kritické čtení – AI může zkombinovat zdroje nesprávně.

Nástroj, který se „připojí" ke schůzce, přepíše ji do textu a vytvoří zápis s úkoly a klíčovými body. Příklady: Copilot v Teams, Fireflies.ai, Otter.ai nebo Microsoft Teams Premium. Šetří čas, ale zápis je vždy nutné zkontrolovat – zejména odborné termíny a jména.

Proces, při kterém firma postupně integruje AI do svých procesů a kultury. Zahrnuje výběr nástrojů, školení zaměstnanců, nastavení pravidel i měření výsledků. Největší výzvou není technologie, ale změna pracovních návyků – proto je adopce zdlouhavý proces, ne jednorázový projekt.

Soubor interních pravidel, politik a procesů, které určují, kdo smí AI používat, k čemu, jak jsou chráněna data a jak se kontrolují výstupy. Dobrá AI governance zabraňuje tzv. shadow AI (používání neschválených nástrojů) a snižuje právní a reputační rizika.

Princip, při kterém AI navrhne nebo připraví výstup, ale rozhodnutí nebo schválení zůstává na člověku. Je to důležitá pojistka zejména u citlivých procesů – komunikace se zákazníky, právní dokumenty, finanční rozhodnutí. Opak je „fully automated" přístup, kde AI jedná bez lidské kontroly.

Situace, kdy zaměstnanci používají AI nástroje (ChatGPT, překlady, generátory textu) bez vědomí IT nebo vedení firmy – a tím mohou nechtěně sdílet citlivá firemní data s externími službami. Analogie k „shadow IT". Řešením není zákaz, ale jasná AI governance s nabídkou schválených alternativ.

Large Language Model – systém trénovaný na obrovském množství textu, který dokáže generovat a chápat přirozený jazyk. Je to „motor" pod kapotou nástrojů jako ChatGPT (GPT-4), Microsoft Copilot nebo Claude. Název pochází z velikosti modelu, ne z toho, že by byl hlasitý.

Schopnost formulovat prompty tak, aby AI dávala co nejkvalitnější výstupy. Zahrnuje techniky jako upřesnění role AI, zadání formátu odpovědi, použití příkladů nebo rozdělení složitého úkolu na kroky. Není to programování – zvládne to každý.

Na rozdíl od běžného chatbotu, kde AI jen odpovídá na otázky, agentic AI je schopna sama plánovat a vykonávat sekvenci akcí – prohledat internet, otevřít soubor, odeslat e-mail, zarezervovat schůzku. Pracuje autonomněji a vyžaduje méně dohledu. Právě tímto směrem se AI rychle vyvíjí.

Název pro funkci dostupnou v nástrojích jako ChatGPT, Gemini nebo Perplexity, která AI umožní autonomně procházet desítky webových stránek a vytvořit strukturovaný výzkumný report. Trvá minuty místo hodin ruční práce. Výsledky jsou ale jen tak spolehlivé, jako zdroje na internetu – kritické ověření je nutné.

Technika, kdy AI nejdříve prohledá konkrétní databázi nebo dokumenty (interní předpisy, smlouvy, příručky) a teprve pak vygeneruje odpověď. Výsledkem je AI, která „zná" vaše firemní dokumenty. Základní princip za nástroji jako Copilot v SharePointu.

Označení pro AI modely schopné pracovat s více typy dat najednou – přečíst text, popsat obrázek, analyzovat graf nebo transkribovat nahrávku. Moderní verze ChatGPT, Copilotu nebo Gemini jsou multimodální.

Každý AI model má omezenou „paměť" pro jednu konverzaci. Pokud konverzace přesáhne tuto kapacitu, AI začne zapomínat starší části rozhovoru. Proto u delších projektů pomáhá začít nový chat nebo klíčové informace opakovat.

Proces, při kterém se obecný AI model dodatečně trénuje na specifických datech – firemním stylu komunikace, interních dokumentech nebo oborové terminologii. Výsledkem je model, který „mluví jazykem firmy". Jde o složitý a nákladný proces, běžný pracovník s ním přímo nepřijde do styku.

AI nezpracovává text po slovech, ale po „tokenech" – zhruba 3–4 znaky nebo část slova. Modely mají limity na počet tokenů na vstupu i výstupu. Pro každodenní práci není nutné detaily řešit, ale pomáhá vědět, proč má AI „paměť" konverzace omezení.

Speciální kategorie AI modelů, které před odpovědí „přemýšlejí" – rozloží problém na kroky, ověřují mezivýsledky a hledají chyby v uvažování. Patří sem modely jako OpenAI o3, Claude s rozšířeným myšlením nebo Gemini 2.5 Pro. Jsou pomalejší, ale výrazně lepší u komplexních analytických nebo matematických úkolů.

Strukturovaná sbírka dokumentů, příruček, směrnic nebo dat, kterou AI používá jako zdroj odpovědí. Místo aby AI odpovídala z obecného tréninku, čerpá z konkrétní knowledge base – firemní wiki, SharePointu nebo nahrané dokumentace. Klíčový prvek pro firemní AI chatboty a asistenty.

Technika, při které AI generuje odpovědi ukotvené v konkrétních dokumentech nebo datech – ne pouze z obecných znalostí z tréninku. Grounding snižuje riziko halucinací, protože AI musí citovat zdroj. Copilot v Microsoft 365 je příkladem grounded AI – pracuje s vašimi daty z SharePointu, e-mailů a Teams.

Velký obecný AI model trénovaný na obrovském množství dat, který slouží jako základ pro tvorbu dalších, specializovanějších aplikací. Příklady: GPT-4 (OpenAI), Gemini (Google), Claude (Anthropic), Llama (Meta). Firmy nad nimi stavějí vlastní produkty a chatboty, aniž by musely trénovat model od nuly.

Inference je proces, při kterém natrénovaný AI model zpracuje váš vstup (prompt) a vygeneruje výstup (odpověď). Jde o „provozní fázi" AI – na rozdíl od tréninku, který model vytvořil. Rychlost a cena inference jsou klíčové pro škálování AI ve firmách.

Fáze, při které AI model „studuje" obrovské množství dat a učí se rozpoznávat vzory. Trénink probíhá jednou (nebo periodicky) a je extrémně nákladný – GPT-4 stál odhadem stovky milionů dolarů. Běžný uživatel s tréninkem nepřijde do kontaktu; pracuje pouze s hotovým, natrénovaným modelem.

AI modely, jejichž kód a váhy jsou volně dostupné – kdokoliv si je může stáhnout, upravit a provozovat na vlastní infrastruktuře. Výhoda: data neopouštějí firmu, nižší provozní náklady. Nevýhoda: vyžaduje technické zázemí. Nejznámější: Llama (Meta), Mistral, Phi (Microsoft).

Modely jako GPT-4, Claude nebo Gemini Ultra jsou proprietární – jejich vnitřní architektura je tajná a přístup k nim je pouze přes API nebo produkt výrobce. Zákazník platí za využití, ale nemá přístup k samotnému modelu. Opakem jsou open source modely.

Nástroj nebo platforma umožňující navrhovat, testovat a provozovat AI agenty bez nutnosti programování (nebo s minimálním kódem). Agenti se napojují na firemní systémy, databáze nebo API. Příklady: Microsoft Copilot Studio, Google Vertex AI Agent Builder, ServiceNow AI Agents.

Otevřený standard vyvinutý Anthropicem, který definuje, jak AI modely komunikují s externími nástroji – CRM systémy, databázemi, kalendáři nebo firemním softwarem. MCP je „USB-C pro AI" – díky jednotnému protokolu může jeden agent pracovat s mnoha různými systémy. Stále více výrobců AI tento standard přijímá.

Přístup, kde jeden „master" agent nebo systém koordinuje práci více specializovaných AI agentů. Každý agent dělá to, na co je nejlepší – jeden vyhledává data, druhý píše text, třetí kontroluje výsledek. Orchestrace umožňuje řešit složité úlohy, které by jeden agent nezvládl sám.

Oblast AI zaměřená na to, aby rozhodnutí systému byla transparentní a srozumitelná lidem. Důležité zejména v regulovaných odvětvích (bankovnictví, pojišťovnictví, zdravotnictví) kde zákon vyžaduje, aby firma uměla vysvětlit, proč AI rozhodla tak, jak rozhodla. Generativní AI (ChatGPT) vysvětlitelná většinou není – říká výsledek, ale ne proč.

Syntetická digitální postava s lidským vzhledem a hlasem, vytvořená AI nástroji. Používá se ve firemních videích, školicích materiálech nebo jako virtuální lektor. Nástroje jako HeyGen, Synthesia nebo D-ID umožňují vytvořit mluvící postavu z textu – bez kamer a herců.

Kategorie AI nástrojů, které komunikují hlasem – jak rozumění (speech-to-text), tak generování přirozeně znějícího hlasu (text-to-speech). Moderní Voice AI (ChatGPT Advanced Voice, Gemini Live) zvládá přirozený rozhovor včetně intonace a emocí. Uplatnění: zákaznická podpora, hlasové asistenty, přístupnost.

Technologie, která převádí zvukový záznam nebo živý hlas na text. Moderní AI nástroje (Whisper od OpenAI, Copilot v Teams) zvládají přepis s vysokou přesností i v češtině. Využití: přepisy porad, titulky k videím, diktování textů nebo zpřístupnění obsahu pro neslyšící.

Technologie generující mluvený hlas z textu. Moderní AI verze (ElevenLabs, Azure Neural Voice, OpenAI TTS) zní přirozeně a zvládají emoce, intonaci i klonování hlasu. Využití: audio verze článků, e-learningové kurzy, zpřístupnění obsahu nebo automatické hlasové odpovědi.

Generativní AI schopná vytvořit obrázek (ilustraci, fotografii, logo, infografiku) z textového zadání. Nástroje: DALL-E (integrovaný v ChatGPT a Copilotu), Midjourney, Adobe Firefly, Stable Diffusion. Hodí se pro rychlé návrhy vizuálů, prezentační grafiku nebo prototypy designu – ale autorská práva na výstupy jsou stále právně nevyjasněná.

Rychle se rozvíjející oblast generativní AI, kde model vytvoří krátké video z textového zadání nebo vstupního obrázku. Nástroje: OpenAI Sora, Google Veo, Runway, Kling. Výstupy jsou zatím krátké (sekundy až minuty) a vyžadují pečlivou kontrolu, ale rychlost vývoje je mimořádná.

Uspořádání, kde více specializovaných AI agentů pracuje společně – každý na jiné části úkolu. Jeden agent vyhledá data, druhý je analyzuje, třetí napíše report a čtvrtý ho odešle. Výsledek je rychlejší a kvalitnější než práce jednoho generalistického agenta. Viz také: AI orchestrace.

Architektura, kde více AI agentů komunikuje, deleguje úkoly a koordinuje svou práci. Každý agent má definovanou roli a nástroje. Multi-agent systémy zvládají složité procesy, které by jeden agent neudržel v kontextu. Stále více firemních AI projektů tuto architekturu využívá.

Agent schopný plánovat a provádět delší sekvence akcí bez průběžných pokynů od člověka. Dostane cíl a sám rozhoduje, jak ho dosáhnout. Vyžaduje pečlivé nastavení hranic (guardrails) – autonomní agent může udělat chybu, která je obtížně napravitelná. Lidský dohled je při nasazení stále doporučen.

Technická schopnost AI modelu, kdy místo pouhého psaní textu „zavolá" externí funkci nebo nástroj – vytvoří schůzku v kalendáři, přidá úkol do Planneru, vytáhne data z CRM. Díky tomu AI přestává být jen chatbotem a stává se aktivním nástrojem v pracovním procesu. Function calling je technický termín, tool calling je obecnější označení.

Rozšíření kontextového okna (context window) na stovky tisíc nebo miliony tokenů – což odpovídá stovkám stránek textu. Modely s long context zvládnou najednou zpracovat celou smlouvu, manuál nebo sadu dokumentů. Příklady: Gemini 1.5 Pro (1M tokenů), Claude (200K tokenů). Otevírá nové způsoby práce s firemní dokumentací.

Technický proces, při kterém AI převede text (větu, odstavec, dokument) na sadu čísel reprezentujících jeho význam. Texty s podobným významem mají podobná čísla – díky tomu AI vyhledávání najde relevantní dokumenty i bez přesné shody klíčových slov. Embeddingů se využívá v RAG systémech a firemních chatbotech nad dokumentací.

Speciální typ databáze optimalizovaný pro ukládání embeddingů a rychlé vyhledávání podle podobnosti (ne přesné shody). Je základem RAG systémů a firemních AI znalostních bází. Příklady: Pinecone, Weaviate, Azure AI Search, pgvector. Běžný uživatel s ní nepracuje přímo, ale stojí za každým chytrým firemním chatbotem.

Proces ověřování, zda AI odpovídá správně, konzistentně a bezpečně – před nasazením i průběžně v provozu. Evals zahrnují testovací sady otázek a odpovědí, hodnocení lidmi nebo jiným AI modelem. Klíčové pro firmy, které AI nasazují v zákaznickém kontaktu nebo rozhodovacích procesech.

Sada standardních úloh a testů, na kterých se porovnává výkon AI modelů. Příklady: MMLU (znalosti), HumanEval (kódování), GPQA (věda). Výsledky benchmarků firmy jako OpenAI, Google nebo Anthropic používají v marketingu. Pozor: skóre v benchmarku nemusí odpovídat výkonu na vašem konkrétním firemním úkolu.

Data generovaná AI nebo algoritmicky – namísto sbírání reálných dat. Využívají se při nedostatku reálných dat, nutnosti zachovat soukromí nebo potřebě specifických hraničních případů. Příklad: místo použití skutečných lékařských záznamů se vygenerují realistická syntetická data se stejnými statistickými vlastnostmi.

Na rozdíl od velkých LLM (miliardové parametry, cloud) jsou SLM modely kompaktnější – zvládnou běžet na notebooku, tabletu nebo průmyslovém zařízení. Jsou levnější na provoz, rychlejší a nevyžadují připojení k internetu. Příklady: Microsoft Phi-4, Gemini Nano, Llama 3.2 (3B). Ideální pro specifické firemní úlohy nebo prostředí s požadavky na bezpečnost dat.

Tři příbuzné pojmy pro AI provozovanou mimo veřejný cloud: Edge AI běží přímo v zařízení (telefon, kamera, stroj). Local AI běží na vlastním počítači nebo serveru. On-premise AI je provozována ve vlastní datové infrastruktuře firmy. Společný jmenovatel: data neopouštějí vaše prostředí – klíčové pro banky, nemocnice nebo výrobu.

Technická nebo procesní omezení, která zabraňují AI chovat se nežádoucím způsobem – sdílet citlivá data, generovat nevhodný obsah, odpovídat mimo svůj rozsah nebo být zneužita. Guardrails jsou součástí každého firemního AI nasazení a tvoří klíčovou vrstvu AI governance. Mohou být nastaveny v systémovém promptu, kódem nebo platformou.

Proces, při kterém tým (interní nebo externí) záměrně zkouší prolomit, obelstít nebo zneužít AI systém dřív, než je nasazen. Hledají se způsoby, jak AI přimět sdílet zakázané informace, ignorovat bezpečnostní pravidla nebo poskytnout škodlivý obsah. Výsledky slouží k posílení guardrailů. Metoda přejatá z kybernetické bezpečnosti.

Vrstva mezi uživatelem a AI modely, která na základě povahy dotazu rozhodne, který model použít. Jednoduché otázky jdou k levnějšímu rychlému modelu, složité analýzy k výkonnějšímu. Šetří náklady a zrychluje odpovědi. Podobný princip jako smart routing v telefonii.

Každé použití AI modelu (generování odpovědi) něco stojí – typicky se účtuje podle počtu tokenů na vstupu a výstupu. U cloudových modelů (GPT, Claude, Gemini) jsou to přímé poplatky za API. U firemního nasazení jde o klíčový provozní ukazatel. Inference cost rychle klesají – modely z roku 2025 jsou stokrát levnější než modely z roku 2023.

AI, která „zná" svého uživatele – jeho dokumenty, e-maily, způsob komunikace, preference a pracovní kontext. Na rozdíl od obecného chatbotu personal AI odpovídá v osobním stylu a pracuje s osobními daty. Příklady: Copilot v M365 s přístupem k vašemu OneDrivu a Outlooku, nebo Claude Projects s nahranými dokumenty.

Obdoba SEO (optimalizace pro vyhledávače), ale zaměřená na to, aby váš obsah citovaly a doporučovaly AI nástroje jako ChatGPT, Perplexity nebo Gemini. Zahrnuje psaní strukturovaného, fakticky přesného obsahu s jasnými odpověďmi na konkrétní otázky. Stále důležitější, protože čím dál více lidí hledá přes AI místo přes Google.

Jedna z nejznámějších AI firem na světě, která stojí za modely GPT-4o a o3. Provozuje chatbot ChatGPT (dostupný na chat.openai.com) a API, přes které ji využívají tisíce dalších aplikací. Microsoft do OpenAI investoval miliardy dolarů a jejich technologie pohání i Microsoft Copilot.

Gemini je název jak pro rodinu AI modelů od Googlu (Gemini 2.5 Pro, Flash…), tak pro chatbota dostupného na gemini.google.com. Integruje se s Google Workspace (Dokumenty, Gmail, Tabulky) podobně jako Copilot s Microsoft 365. Silné stránky: práce s dlouhými dokumenty a vyhledávání propojené s Googlem.

Anthropic je americká AI firma (claude.ai) zaměřená na bezpečnost AI. Jejich asistent Claude patří mezi špičkové nástroje pro práci s dlouhými texty, analýzu dokumentů a komplexní psaní. Claude je méně známý než ChatGPT, ale mezi pokročilými uživateli a firmami si získal silnou pozici.

Perplexity (perplexity.ai) kombinuje vyhledávání na internetu s generativní AI – místo seznamu odkazů dostanete přímo shrnutou odpověď s citacemi zdrojů. Hodí se pro rychlý výzkum, sledování novinek nebo ověřování faktů. Pracuje v reálném čase, na rozdíl od základního ChatGPT nebo Claude bez webového přístupu.

Meta (firma za Facebookem a Instagramem) vyvíjí vlastní AI modely řady Llama, které jsou open-source – jejich kód je veřejně dostupný a firmy si je mohou provozovat na vlastní infrastruktuře. Meta AI je integrovaná do WhatsAppu, Instagramu a Facebooku. Llama je oblíbená u firem, které nechtějí posílat data do cloudu třetích stran.

xAI je AI firma Elona Muska, která vyvíjí modely Grok. Grok je integrovaný do platformy X (dříve Twitter) a dostupný také jako samostatný chatbot. Je znám přímočarým stylem a přístupem k aktuálním informacím z X. Pro firemní prostředí zatím méně rozšířený než ChatGPT nebo Copilot.

Francouzská firma Mistral AI vyvíjí výkonné a efektivní jazykové modely dostupné jako open-source i komerční API. Je považována za přední evropskou alternativu k americkým AI firmám. Oblíbená u technicky zdatných týmů hledajících nákladově efektivní řešení s daty v Evropě.

NotebookLM (notebooklm.google.com) je nástroj od Googlu, kde nahrajete vlastní dokumenty (PDF, texty, weby) a AI z nich odpovídá na otázky, vytváří shrnutí nebo generuje audio podcasty. AI nepracuje s obecnou znalostní bází, ale výhradně s vašimi nahranými materiály – výstupy jsou ukotvené v konkrétních zdrojích.

Neformální označení pro obsah, který sice AI vygenerovala, ale je povrchní, generický nebo plný klišé. „Slop" je anglicky „škvár". Typické znaky: přehnaná formálnost, prázdné fráze, chybějící konkrétní fakta. Problém není AI samotná, ale nekritické přejímání jejích výstupů.

Praxe, kdy firmy přidávají slovo „AI" ke svým produktům i když skutečná AI hraje jen minimální nebo žádnou roli. Analogie k „greenwashingu" v oblasti udržitelnosti. Pomáhá skepticky hodnotit tvrzení dodavatelů: zeptejte se, jakou konkrétní AI technologii produkt používá.

Model, který v reálném čase simuluje fyzický objekt, budovu nebo proces (továrnu, klimatizaci, dodavatelský řetězec). Digitální dvojče samo o sobě není AI, ale AI se na něm stále více podílí. Pro kancelářské prostředí zatím méně relevantní, ale pojem se šíří z průmyslu do běžné komunikace.

Artificial General Intelligence – hypotetický systém schopný zvládat jakýkoliv intelektuální úkol stejně dobře nebo lépe než člověk. Dnešní AI (ChatGPT, Copilot) AGI není – jsou to specializované systémy. AGI je zatím spíše filozofická diskuse než technická realita, přesto o ní média i firmy mluví čím dál více.

Přístup, kdy firma při návrhu nových procesů, produktů nebo služeb automaticky zvažuje AI jako první možnost – ne jako doplněk. AI-first neznamená, že AI nahradí vše, ale že se stává výchozím bodem designu. Používá se jako firemní strategie i marketingový claim.

Označení pro organizaci, která má připravené podmínky pro nasazení AI: kvalitní a dostupná data, nastavená pravidla pro používání AI, vyškolené zaměstnance a technickou infrastrukturu. AI-ready je cíl, ke kterému firmy směřují – většina organizací tam ještě není, i když AI nástroje již používají.

Zastřešující pojem pro jakýkoli obsah generovaný AI – psané články, AI hlasy, vygenerované fotky, videa nebo hudbu. Není sám o sobě negativní (používá ho např. e-learning nebo marketing), ale přináší výzvy v oblasti označování, autorských práv a důvěryhodnosti. EU AI Act vyžaduje označování syntetického obsahu.

Přístup k vývoji softwaru, kdy člověk popisuje, co chce vytvořit, a AI (Copilot, Cursor, Claude) napíše kód. Programátor nebo i neprogramátor pak výsledek testuje a iteruje dalšími instrukcemi. Demokratizuje tvorbu jednoduchých nástrojů a automatizací. Nevhodné pro kritické systémy bez odborné kontroly kódu.

Produkt nebo aplikace, která „obaluje" (wraps) existující AI model (GPT, Claude) a přidává vlastní rozhraní, pravidla nebo integraci. Technicky jde o volání API cizího modelu. Drtivá většina AI startupů a nástrojů jsou wrappers. Hodnota spočívá v UX, specializaci nebo integraci – ne v modelu samotném.

Kategorie AI nástrojů zaměřená na opakovanou, personalizovanou interakci s uživatelem – jako digitální kouč, mentor, průvodce rozvojem nebo sociální partner. Příklady: Pi.ai, Character.ai nebo specializované koučovací AI. Eticky citlivá oblast – přináší rizika závislosti nebo nahrazování lidských vztahů.

Procesy a nástroje pro sledování toho, jak se AI chová v reálném provozu – zda odpovídá správně, není zneužívána, nemá výkonnostní problémy nebo se neodchyluje od očekávaného chování. Důležité zejména u agentů a chatbotů v zákaznickém kontaktu. Součást responsible AI a AI governance.

AI-generované video nebo audio, kde je reálná osoba zobrazena říkající nebo dělající něco, co ve skutečnosti nikdy neudělala. Deepfaky jsou stále přesvědčivější a jejich tvorba se stává dostupnější. Rizika: dezinformace, podvody (CEO fraud), poškození reputace. Odhalení je možné, ale čím dál obtížnější.

Kategorie nástrojů (GPTZero, Turnitin AI, Originality.ai) slibujících odhalit AI-generovaný obsah. Problém: jejich přesnost je diskutabilní – označují jako AI i texty napsané lidmi a naopak. Spolehlivá detekce AI obsahu zatím neexistuje. Na výsledky těchto nástrojů by se nemělo spoléhat jako na důkaz.

AI může s naprostou jistotou tvrdit věci, které jsou nepravdivé – uvádět neexistující zdroje, špatná data nebo vymyšlené citace. Nejde o záměrnou lež – model „doplňuje mezery" na základě vzorů, ne faktů. Výstupy AI je vždy nutné ověřovat, zvláště fakta, čísla a citace.

Do AI nástrojů nikdy nezadávejte osobní údaje zákazníků nebo zaměstnanců (jména, e-maily, rodná čísla) bez vědomí právního oddělení. GDPR se vztahuje i na zpracování dat přes AI. Bezpečné firemní nástroje jako Copilot v M365 mají contractuálně ošetřené podmínky zpracování – ale i tam platí firemní pravidla.

Právo firmy nebo státu kontrolovat, kde jsou uložena a jak jsou zpracovávána její data – včetně dat zadávaných do AI nástrojů. Pro firmy je klíčové vědět, zda jejich data opouštějí EU, zda jsou použita k trénování modelů a kdo k nim může přistupovat. U M365 Copilotu data zůstávají v EU tenantovi.

Bezpečnostní riziko, kdy útočník vloží do textu (e-mail, dokument, webová stránka) skryté instrukce pro AI. Pokud AI tento dokument zpracovává, může instrukce vykonat – odeslat citlivá data nebo změnit odpovědi. Relevantní zejména u AI agentů pracujících s externím obsahem.

Technika, kdy uživatel formuluje prompt tak, aby AI obešla svá bezpečnostní pravidla – například přimět ji napsat obsah, který by jinak odmítla. Jailbreaky se šíří online jako návody. Pro firmy nasazující AI chatboty je ochrana proti jailbreakům součástí bezpečnostního testování (viz AI red teaming). Výrobci modelů na jailbreaky průběžně reagují záplatami.

Označení pro produkty, firmy nebo procesy, kde AI není dodatečně přidaná funkce, ale základní stavební kámen od prvního dne. Liší se od AI-first (strategický přístup) tím, že AI-native popisuje architekturu a design. Příklady: Cursor (AI-native editor kódu), Perplexity (AI-native vyhledávač). Opakem jsou tradiční produkty s AI „přilepenou" navrch.

Vize budoucnosti, kde AI agenti autonomně vykonávají ekonomickou činnost – nakupují služby, zadávají práci jiným agentům, uzavírají smlouvy nebo spravují rozpočty. Agenti se stávají „digitálními zaměstnanci" i „zákazníky" zároveň. Pojem je zatím převážně konceptuální, ale první kroky (agenti platící za API služby) jsou realitou.

Přístup ke práci, kde AI přebírá rutinní, opakující se nebo datově náročné úkoly a člověk se soustředí na úsudek, kreativitu, vztahy a etická rozhodnutí. Cílem není nahradit lidi AI, ale zvýšit celkový výkon kombinací obou. Protipól k pohledu „AI vs. lidé". Základní princip odpovědného a udržitelného zavádění AI.

Koncept, kde firmy vedle lidských zaměstnanců provozují „digitální pracovní sílu" – AI agenty a automatizované systémy zodpovědné za konkrétní procesy. Digital workforce nikdy nespí, nepotřebuje dovolenou a škáluje okamžitě. Pojem se prosazuje zejména v oblasti zákaznického servisu, financí a HR. Vyvolává diskuze o dopadu na zaměstnanost.

API (Application Programming Interface) je rozhraní, přes které jeden systém komunikuje s druhým. V kontextu AI to znamená, že váš CRM, web nebo interní nástroj může „volat" AI model (např. GPT nebo Claude) a dostat odpověď zpět – bez toho, aby uživatel musel otevírat ChatGPT. Většina firemních AI integrací funguje právě přes API.

Situace, kdy AI systematicky upřednostňuje nebo znevýhodňuje určité skupiny, témata nebo výstupy – protože data, na kterých byla trénována, nebyla vyvážená. Bias může být genderový, rasový, kulturní nebo oborový. Problém není vždy viditelný na první pohled, ale může mít závažné důsledky při použití AI v HR, úvěrování nebo zákaznické komunikaci.

Technika (a přirozená vlastnost reasoning modelů), kdy AI nezodpoví otázku rovnou, ale nejdříve „myslí nahlas" – rozepíše postup řešení krok za krokem. Výsledky jsou přesnější a snadněji ověřitelné. V promptech ji lze vyvolat instrukcí „přemýšlej krok za krokem" nebo „ukaž svůj postup". Základ moderních reasoning modelů jako o3 nebo Gemini 2.5 Pro.

Parametr AI modelu na škále obvykle 0–2. Nízká temperature (0–0,3) dává konzistentní, předvídatelné odpovědi – vhodné pro fakta, shrnutí nebo kód. Vysoká temperature (0,8–2) přináší kreativnější a rozmanitější výstupy – vhodné pro brainstorming nebo kreativní psaní. V nástrojích jako Copilot Studio nebo OpenAI API ji lze nastavit přímo.

Podoblast strojového učení, která stojí za většinou moderních AI průlomů – rozpoznáváním řeči, obrazu, překladem i generativní AI. Deep learning využívá mnohovrstevné neuronové sítě schopné automaticky nacházet vzory v obrovských datových sadách. ChatGPT, Copilot i Gemini jsou postaveny na deep learningu – konkrétně na architektuře zvané Transformer.