AI umí psát rychle, ale ne vždy přesně

Generativní AI se během krátké doby stala běžným nástrojem pro marketing, SEO i zákaznickou podporu. Firmy ji používají na návrhy textů, FAQ, produktové popisy, shrnutí reportů nebo první verze článků. Důvod je jasný: podle průzkumů mezi marketéry šetří AI v průměru desítky procent času při tvorbě obsahu. Jenže rychlost má svou cenu. Modely mohou „halucinovat“, tedy uvádět informace, které znějí přesvědčivě, ale nejsou pravdivé.

To je problém hlavně ve chvíli, kdy obsah není jen inspirace, ale veřejně publikovaný text. U webů s odborným, finančním, zdravotním nebo právním obsahem může i malá nepřesnost poškodit důvěru, konverze i viditelnost ve vyhledávání. Google dlouhodobě nehodnotí samotný fakt, že text vznikl s pomocí AI, ale kvalitu, užitečnost a důvěryhodnost. Prakticky to znamená jediné: kdo publikuje, musí vědět, odkud data pocházejí a kdo je ověřil.

Kde AI nejčastěji chybuje a proč je to vidět na webu

Nejčastější problém není styl, ale fakta. AI si často plete data, názvy funkcí, legislativní detaily nebo technické parametry. U e-shopu může napsat nesprávné rozměry produktu, u SaaS služby slíbí funkci, která neexistuje, a u článku o SEO klidně zamění Core Web Vitals za obecné rychlostní metriky. Vše zní odborně, ale při kontrole se ukáže, že text stojí na domněnkách, ne na zdrojích.

Další slabina je zastaralost. Model může pracovat s informacemi, které byly platné v době tréninku, ale už neodpovídají současnému stavu. To je kritické například u změn v Google Search, u ceníků, u pravidel platformy Meta nebo u technických doporučení pro WordPress, Next.js či schema markup. Když AI popisuje „aktuální stav“, neznamená to, že skutečně čerpá z aktuálních zdrojů.

Rizikem je také přílišná obecnost. AI často vytváří texty, které jsou stylisticky čisté, ale obsahově prázdné. Pro SEO je to problém, protože vyhledávače i uživatelé dnes preferují konkrétní odpovědi, přidanou hodnotu a zkušenost z praxe. Text bez dat, příkladů a ověřitelných tvrzení se hůř prosazuje v konkurenčních výsledcích i v AI Overviews nebo Perplexity odpovědích.

Jak nastavit kontrolu faktů v praxi

Nejspolehlivější přístup je brát AI jako juniorního asistenta, ne jako autora s finální autoritou. V redakci, marketingovém týmu nebo na webu firmy by měl existovat jasný proces: AI připraví návrh, člověk ověří fakta, někdo jiný zkontroluje tón, a až potom jde text ven. U menších webů to může dělat jeden člověk, ale princip zůstává stejný.

Praktický postup může vypadat takto:

  • 1. Zadejte přesné zadání. Uveďte, pro koho text je, jaký má cíl, jaké zdroje se mají použít a co naopak nesmí tvrdit.
  • 2. Požadujte zdroje. Nechte AI uvést konkrétní odkazy, názvy studií, dokumentaci nebo oficiální stránky. Bez zdrojů je text jen návrh.
  • 3. Ověřte čísla a názvy. Každé procento, datum, legislativní tvrzení nebo technický parametr si zkontrolujte ručně.
  • 4. Porovnejte s primárním zdrojem. Ne s blogovým přepisem, ale s dokumentací výrobce, statistikou z GA4, Search Console, API dokumentací nebo oficiálním oznámením.
  • 5. Přidejte lidskou zkušenost. Vložte vlastní data, screenshoty, postupy, výsledky testů nebo zkušenost z klientského projektu.

Užitečným pravidlem je tzv. „two-source rule“: každé důležité tvrzení by mělo být potvrzené minimálně dvěma nezávislými zdroji. U citlivých témat, jako je zdraví, finance nebo právo, je vhodné jít ještě dál a pracovat s odbornou revizí.

SEO a E-E-A-T: proč kontrola pravdy rozhoduje o viditelnosti

V SEO se dnes neřeší jen klíčová slova, ale i důvěryhodnost obsahu. Google v rámci E-E-A-T sleduje zkušenost, odbornost, autoritu a důvěryhodnost. AI text bez autora, bez zdrojů a bez jasného kontextu může být sice dobře napsaný, ale z hlediska důvěry slabý. To se projeví zejména na stránkách typu „o nás“, odborných článcích, recenzích i kategoriích v e-commerce.

Pro weby je důležité propojit obsah s konkrétními signály důvěry. Pomáhá uvedení autora, jeho profilu, datumu aktualizace, citovaných zdrojů a případně i schema markup typu Article, Organization nebo Person. Pokud článek vznikl s pomocí AI, není nutné to dramatizovat, ale je rozumné mít interně jasně dané, kdo za něj ručí.

V praxi funguje jednoduchý model: AI připraví draft, editor doplní zkušenost a fakta, SEO specialista zkontroluje vyhledávací záměr a interní prolinkování, a technický člověk ověří strukturovaná data. Tím se snižuje riziko, že web publikuje „rychlý“ obsah, který ale neobstojí v konkurenci ani v AI odpovědích ve vyhledávání.

Jak poznat, že text napsaný AI je nebezpečně slabý

Existuje několik varovných signálů, které lze rozpoznat během pár minut. Pokud text používá mnoho obecných frází, ale žádné konkrétní údaje, je podezřelý. Pokud tvrdí, že něco „zvyšuje výkon“, ale neříká jak, o kolik a za jakých podmínek, chybí mu obsahová hodnota. Stejně tak pozor na texty, které působí přehnaně sebejistě, ale nepracují s nejistotou nebo omezeními.

Praktický test zní jednoduše: zkuste z textu vypsat všechna ověřitelná tvrzení. Pokud jich je málo, článek má spíš marketingový než informační charakter. Pokud jich je hodně, ale nejsou dohledatelná, je potřeba revize. U produktových textů je vhodné kontrolovat i shodu s databází produktů, feedem nebo CMS. U blogových článků zase pomáhá interní checklist s položkami jako faktická správnost, aktuálnost, unikátnost a přínos pro čtenáře.

Do procesu se vyplatí zapojit i analytiku. Když článek generovaný AI přivádí návštěvnost, ale má vysoký bounce rate, krátký čas na stránce nebo slabou míru prokliku v Search Console, může to znamenat, že text sice odpovídá na dotaz formálně, ale neřeší skutečný problém uživatele. To je signál k přepracování.

Jak využít AI bezpečněji v marketingu, obsahu i zákaznické podpoře

AI nemusí být riziko, pokud má přesně vymezenou roli. V marketingu se hodí na brainstorming, osnovy, varianty nadpisů, shrnutí interview nebo první návrhy popisků. V SEO může pomoci s topic clusterem, interním prolinkováním nebo návrhem FAQ. V zákaznické podpoře umí zrychlit odpovědi na opakující se dotazy. Vždy ale musí existovat člověk, který nese odpovědnost za výsledek.

Dobrá praxe je rozdělit obsah podle míry rizika. Nízké riziko mají třeba obecné vysvětlující texty o nástrojích nebo návody bez citlivých údajů. Střední riziko nesou produktové texty, srovnání služeb nebo články s doporučeními. Vysoké riziko mají právní, zdravotní, finanční a krizové informace. Čím vyšší riziko, tím přísnější musí být kontrola, citace zdrojů a schvalování.

Firmy, které tento proces zavedou, obvykle zjistí, že AI je užitečná právě tehdy, když není ponechána bez dozoru. Nejde o to zakázat automatizaci, ale nastavit hranice. Kdo dnes publikuje bez ověření, riskuje nejen chybný obsah, ale i ztrátu důvěry, kterou je mnohem těžší získat zpět než napsat nový článek.