AI vylepšila 880 000 textů. Z každého zmizel autor

Když necháte umělou inteligenci „vylepšit“ váš text, zmizí z něj něco, o co jste přijít nechtěli: vy. Tým z University of Southern California analyzoval více než 880 000 textů a naměřil, že po úpravě jazykovým modelem se rozmanitost psaní zúží o 21 až 50 %. A spolu s ní se vytrácejí jazykové stopy, podle kterých se dá z textu poznat věk, povaha nebo hodnoty autora.

Studie The shrinking landscape of linguistic diversity in the age of large language models vyšla 24. srpna 2026 v Nature Human Behaviour. Je to jeden z prvních pokusů skutečně změřit něco, co většina lidí tuší jen intuitivně — že texty kolem nás si začínají být podezřele podobné.

Jak se měří zploštění jazyka

Vědci pod vedením Morteza Dehghaniho postupovali ve třech krocích.

• Pozorování v čase. Porovnali rozptyl složitosti psaní na Redditu, v lokálních novinách Patch a ve vědeckém archivu arXiv před a po spuštění ChatGPT v listopadu 2022. Rozptyl se zúžil.
• Kontrolovaný pokus. Vzali 1 000 textů napsaných lidmi a nechali je „neutrálně vyhladit“ třemi modely — GPT-3.5, Llama 3 a Gemini Pro. Zadání nebylo „zjednoduš to“ ani „udělej to formální“, šlo o obyčejné vylepšení. Rozptyl složitosti přesto klesl o 21–50 % (p ≤ 0,05).
• Test rozpoznatelnosti autora. Klasifikátory, které z textu odhadují vlastnosti pisatele, si na upravených verzích vedly výrazně hůř než na originálech.

Co se z textu vytratilo

Přímá odpověď: osobní stopa. Po úpravě modelem klesla úspěšnost (metrika F1) rozpoznání autorových vlastností napříč celou škálou:

Vlastnost autora	Pokles úspěšnosti (F1)
Věková skupina	−0,091
Politická orientace	−0,073
Pohlaví	−0,072
Morální hodnoty	−0,062
Osobnostní rysy	−0,056
Míra empatie	−0,054

Čísla vypadají drobně, ale dohromady říkají jedno: vylepšený text o svém autorovi prozradí méně. Jazyk přestává být osobní podpis a stává se rozhraním.

AI netlačí do středu. Tlačí k jednomu profilu

Nejpřekvapivější zjištění je ale jinde. Homogenizace není neutrální. Když modely texty přepsaly, odhady o autorovi se systematicky posunuly k jednomu konkrétnímu profilu — starší, muž, politicky liberální, s vyšší morální naléhavostí a nižší empatií. Autoři to popisují tak, že modely „zesilují vzorce spojené s dominantními charakteristikami a ostatní potlačují“.

Není to tedy tak, že by se všichni scházeli v neutrálním bodě uprostřed. Všichni se posouvají směrem k tomu, jak píše většina v trénovacích datech.

Doprovodná přehledová práce The Homogenizing Effect of Large Language Models on Human Expression and Thought (arXiv, 2026) k tomu přidává druhý rozměr: modely nadreprezentují perspektivu takzvaných WEIRD společností — západních, vzdělaných, industrializovaných, bohatých a demokratických — a jejich výstupy mají menší rozptyl než skutečná lidská data. Pro češtinu, která je v trénovacích datech řádově menšinový jazyk, je to o důvod k opatrnosti víc.

Proč by to mělo zajímat firmu

Tohle není jen filozofická úvaha o autenticitě. Má to tři velmi praktické důsledky:

1. Firemní hlas se rozpouští. Pokud vy i vaše konkurence necháváte texty vyhlazovat stejnými třemi modely, výsledné weby a newslettery se přibližují. Odlišení, za které jste zaplatili brandové agentuře, se ztrácí v poslední fázi — při psaní.
2. Nábor přestává rozlišovat. Motivační dopisy a odpovědi v dotaznících upravené AI vypadají vyrovnaněji. To zní demokraticky, ale znamená to, že signál, podle kterého jste dřív vybírali, zeslábl.
3. Zpětná vazba od zákazníků ztrácí informaci. Recenze a stížnosti prošlé chatbotem nesou méně údajů o tom, kdo je napsal a jak moc mu na tom záleželo.

Řešení není AI nepoužívat — to je dnes konkurenční nevýhoda. Řešení je vědět, na co ji pustit a kde má naopak zůstat člověk. Pokud si chcete v tom udělat pořádek dřív, než vám texty splynou s okolím, začněte třeba AI Kompasem nebo si o tom nezávazně popovídejte v rámci AI poradenství. Projdeme to s vámi krok za krokem a řekneme vám i to, co nechcete slyšet.

Čtyři věci, které fungují

• Používejte AI na strukturu a kontrolu, ne na finální formulaci. Osnova, hledání děr v argumentaci a korektura ano. Poslední průchod nechte sobě.
• Dejte modelu vzorky svého psaní. Tři až pět vlastních textů jako referenci posune výstup dál než jakýkoli popis „tónu“.
• Trvejte na konkrétnostech. Vlastní zkušenost, číslo, jméno, datum. Přesně tohle modely při vyhlazování odstraňují jako první.
• Přečtěte si text nahlas. Pokud v něm nepoznáte sebe, nepozná vás v něm ani čtenář.

Otázka na konec

Za tisíc let bude jazyk téhle doby popsaný z textů, které dnes vznikají. Část z nich prošla modelem, který je posunul k dominantnímu vzorci. Co když největší dopad AI na kulturu nebude to, co vytvořila, ale to, co z nás nepozorovaně smazala? A poznali byste vůbec, kdyby váš vlastní styl zmizel postupně, po jedné „vylepšené“ větě?

Často kladené otázky

Znamená to, že se AI na psaní nemá používat?

Ne. Studie neměřila užitečnost, ale rozmanitost. Modely prokazatelně zvyšují rychlost a srozumitelnost. Problém nastává, když jim předáte i tu poslední fázi, ve které se text stává vaším. Rozumný kompromis je AI na rešerši, osnovu a korekturu, člověk na formulaci.

Poznám na textu, že ho upravovala AI?

Jednotlivý text často ne — právě proto studie pracovala s 880 000 texty a statistickým rozptylem. Homogenizace je jev, který je vidět na množině, nikoli na jednom odstavci. Detektory AI textu navíc mají vysokou chybovost a jejich výstupu se nedá spoléhat jako důkazu.

Platí to i pro češtinu?

Studie analyzovala anglické texty, takže přímá čísla pro češtinu nemáme. Mechanismus je ale jazykově neutrální — model konverguje k dominantním vzorcům svých trénovacích dat. U češtiny, která tvoří v korpusech jen zlomek objemu, je dominantní vzorec užší, takže efekt může být silnější, nikoli slabší.

Zdroje: Nature Human Behaviour — The shrinking landscape of linguistic diversity in the age of large language models (Sourati et al., USC, 24. 8. 2026) · arXiv: 2502.11266 (preprint téže studie) · arXiv: The Homogenizing Effect of Large Language Models on Human Expression and Thought · Phys.org — Chatbots are making our writing more similar