Pozor na slova „rozhodně“, „jednoznačně“ a „bez pochyb“ ve výstupech ChatGPT. Když je AI použije, je statisticky pravděpodobnější, že právě halucinuje. Výzkum MIT z roku 2025 ukázal, že jazykové modely volí o 34 % častěji silně sebejistá slova, když si odpověď vymýšlejí, než když říkají pravdu. A v září 2025 to OpenAI samo potvrdilo vlastní studií — a vysvětlilo, proč to tak je.

Pro každého, kdo dnes AI používá při rozhodování ve firmě, je to jeden z nejdůležitějších poznatků posledních měsíců.

Paradox: čím sebejistější odpověď, tím větší riziko, že je špatná

Když se zeptáte chytrého kolegy na něco, co přesně neví, většinou to pozná podle jeho slov. Říká „myslím, že…“, „nejsem si jistý“, „možná se pletu, ale…“. Lidská řeč má vestavěné signály nejistoty.

U AI modelů je to přesně naopak. Studie publikovaná začátkem roku 2025 výzkumníky z MIT analyzovala tisíce odpovědí předních jazykových modelů a porovnala je s ověřitelnými fakty. Výsledek byl znepokojivý:

  • Když model odpovídal správně, používal hedging fráze typu „pravděpodobně“, „obvykle“, „mohlo by“.
  • Když model halucinoval, používal slova jako „rozhodně“, „bez pochyb“, „jednoznačně“, „je jisté, že“ — a to o 34 % častěji.
  • U druhořadých deceptivních scénářů (kdy model ví, že je testován) se sebejisté formulace objevují v 71,46 % případů.

Jinými slovy: tón hlasu, který v běžné konverzaci čteme jako známku odborné jistoty, je u AI varovným signálem.

Proč se AI „učí lhát s úsměvem“

Vysvětlení přišlo v září 2025, kdy OpenAI publikovala vlastní výzkumný článek Why Language Models Hallucinate. Diagnostika je překvapivě jednoduchá a má dva pilíře.

1. Trénink odměňuje hádání, ne přiznání nevědomosti

Jazykové modely se vyhodnocují přes standardizované benchmarky — testy s tisíci otázkami, kde za správnou odpověď dostane model bod a za špatnou nic. Co se ale stane, když odpověď neví?

Pokud řekne „nevím“, dostane nula bodů. Pokud si tipne, má aspoň nějakou šanci uhádnout — a to v průměru víc než nula. Trénink tedy přímo motivuje modely, aby si vždy radši vymyslely odpověď, než aby přiznaly nejistotu. Je to stejná logika, jako když student při testu hádá víceřešitelové otázky.

2. Sebejistý tón „vypadá“ lépe v hodnocení lidskými anotátory

Druhý mechanismus je ještě záludnější. Když AI modely procházejí fází zvanou RLHF (reinforcement learning from human feedback), hodnotí jejich odpovědi lidé. A lidé — i ti zaškolení — mají tendenci hodnotit jako lepší ty odpovědi, které znějí kompetentně. Bez ohledu na to, jestli jsou pravdivé.

Model se tedy postupně učí, že jistota = vyšší hodnocení. A tak roste sebejistota i v případech, kdy je úplně mimo.

Co to znamená pro firmy

Pro někoho, kdo používá AI jako nástroj pro hledání informací, sumarizaci dokumentů nebo přípravu podkladů pro rozhodování, je tohle zjištění zásadní. Nejhorší halucinace jsou totiž ty, které znějí jako hotová věc:

  • Odkaz na neexistující paragraf zákona, který nikdo nepředpokládá ověřovat, protože model „odpovídal s jistotou“.
  • Vymyšlený citát z výzkumné studie, který v marketingovém textu zní jako trumf.
  • Smyšlené historické datum nebo statistický údaj, který se dostane do prezentace pro klienta.

Frontier modely podle benchmarků v roce 2026 halucinují v 3,1 % až 19,1 % případů — podle úlohy a konfigurace reasoning módu. To je výrazně lepší než v roce 2024 (15-45 %), ale stále daleko od nuly. A když halucinují, dělají to tím nejpřesvědčivějším způsobem.

Praktický návod: jak halucinaci rozpoznat

Existuje několik konkrétních signálů, které vás můžou ochránit:

  1. Pozor na superlativy a absolutní jistotu. „Vždy“, „nikdy“, „bez výjimky“, „jednoznačně“ — když je model používá u faktických tvrzení, ověřte si je.
  2. Číselné údaje, jména a citáty vždy ověřujte u zdroje. Tady je halucinace nejčastější a nejškodlivější.
  3. Požádejte model, ať uvede míru jistoty. Stačí dopsat: „U každého tvrzení napiš, jak moc si jsi jistý a proč.“ Moderní modely to umí slušně.
  4. Používejte modely s vyhledáváním v reálném čase. Perplexity, ChatGPT s web browsing nebo Claude s vyhledávacím nástrojem halucinují výrazně méně, protože odpovědi opírají o citované zdroje.
  5. U kritických výstupů zařaďte druhý model jako oponenta. Klasický trik: necháte odpověď napsat Claude a pak ji prožene Gemini s instrukcí „najdi v tomto textu možné chyby a halucinace“.

Když AI mluví jistěji než váš nejlepší odborník

To, že modely v určitých případech znějí jistěji než odborníci, vede k zajímavému psychologickému efektu — uživatelé jim začnou věřit víc než lidem. AI tuto autoritu má v plné síle. A na rozdíl od experta, který by se ohrazoval „to není můj obor“, model bez váhání odpoví na jakoukoliv otázku.

Pro firmy, které AI začínají reálně používat ve své práci, je nejdůležitější vytvořit si kulturu skepse k AI výstupům — nikoli proto, že by AI byla nepoužitelná, ale proto, že není neomylná. A poznat, kdy se mýlí, je dovednost.

Pokud uvažujete o tom, jak začít s AI ve firmě tak, abyste se nespálili o její sebejistotu, dává smysl mít po ruce někoho, kdo s vámi projde nasazení krok za krokem a řekne i to, co možná nechcete slyšet. V Praxio nabízíme nezávislé poradenství bez závislosti na jediném dodavateli — úvodní konzultace je zdarma a najdeme spolu i ta místa, kde má smysl AI vůbec nenasazovat. Domluvte si schůzku nebo si zkuste náš AI Kompas pro rychlé zmapování příležitostí.

FAQ: Často kladené otázky

Která AI halucinuje nejméně?

Podle benchmarků z roku 2026 patří mezi modely s nejnižším výskytem halucinací GPT-5 s reasoning módem, Claude Sonnet 4.5 v rozšířeném reasoning režimu a Gemini 2.5 Pro. Hodnoty se pohybují kolem 3-5 % na faktografických úlohách. Ale ani tyto modely nejsou bez halucinací, zejména u dotazů, kde je málo trénovacích dat.

Pomáhá u halucinací výslovně říct modelu „nevymýšlej si“?

Částečně ano, ale výrazně méně, než si lidé myslí. Studie ukázaly, že prosté „neimprovizuj“ sníží halucinace o 5-10 %. Mnohem účinnější je dát modelu zdrojový materiál (RAG — retrieval augmented generation) nebo přístup k vyhledávání a explicitně požadovat citace.

Halucinuje AI i v technických oblastech jako kód a matematika?

Ano, i tady. U kódu jsou typické halucinace neexistující knihovny, nesprávné názvy funkcí v existujících knihovnách nebo zastaralé API volání. U matematických výpočtů model často dospěje k číselně chybnému výsledku, ale prezentuje ho s naprostou jistotou. Pro výpočty proto raději používejte modely s nástroji (code interpreter), které spočítají krok kalkulátorem, ne predikcí slov.

Zdroje: OpenAI – Why Language Models Hallucinate (2025), Science / AAAS – AI hallucinates because it’s trained to fake answers, Suprmind – AI Hallucination Rates & Benchmarks 2026, Digital Applied – AI Hallucination Rate Benchmarks 2026.