Každou chvíli někdo vyhlásí, že s LLM už psát neumíš ty, ale model. A zároveň každý druhý čtenář tvrdí, že AI text pozná na sto metrů. Obě věci jsou do určité míry pravda — a přitom závěr „takže na psaní AI nepoužiju" je stejně špatný jako „nechám ji napsat všechno za mě".
Problém totiž není v modelu, ale v roli, kterou mu přidělíš. Většina lidí používá LLM jako ghostwritera: „Napiš mi odstavec o X." Výsledek je hladký, prázdný a poznatelný. Správná role je korektor: ty napíšeš text a model ti v něm najede chyby. Ta věcí je zásadní, protože hledání chyb je přesně to, v čem modely vynikají — neunaví se, nepřeskočí to, neřekne si po deseti odstavcích, že má dneska dost.
Pořádá se to do dvou železných pravidel a jednoho konkrétního workflow. Rozbijeme to.
Pravidlo číslo jedna: Ani slovo z modelu nepoužiješ
Toto pravidlo vypadá drsně, ale je to tvůj ochranný pracovní oděv. Frontiérové modely jsou nadpřirozeně dobré ve výběru líbivých obratů — přesně v tom spočívá celé jejich exotic. Problém je, že každý jejich návrh zní jako novinový titulek. Titulek je fajn, ale představ si článek složený ze čtyřiceti titulků za sebou.
Takže úprava zní: jakákoli konkrétní fráze, kterou model navrhne, je diskvalifikovaná. I když se ti líbí. I když je lepší než to, co tam máš. Když pravidlo začneš ohýbat, otevřeš dveře procesu, který postupně přemění tvůj text na Velveetu — a ty nedokážeš spolehlivě odhalit všechny způsoby, kterými se to stane. Právě proto pravidlo musí být absolutní.
Model ti říká, kde je problém. Řešení už je tvoje.
Pravidlo číslo dvě: Zakaž mu pochvaly
Druhá cesta, kudy se AI vloudí do tvého textu, je záludnější: inflace ujištění. Předlož jakýkoli koncept a model odpoví něco ve smyslu „skvělý základ, Jerry!". Jenže to nepotřebuješ slyšet.
V prvním konceptu je většina tvých odstavců špatně, tok témat se potácí a máš v sobě minimálně 750 slov navíc. Model tě pochválí jako celek, pak odstavce, pak přechody, pak metafory — a ty mezitím ztratíš odvahu dělat to, co bys normálně dělal: smazat, přepsat, přesunout, hodit do koše. Přesně tyto překypy jsou nosné části tvého hlasu. Čtenář si nedokáže prstnem, co je špatně, ale bude mít pocit, že text je „uměle ochucený".
Praktické řešení: v promptu explicitně zakáži pochvaly a pak buď na každou pozitivní zmínku paranoidní. Ano, model se bude snažit tě pochválit i tak. Když to udělá, je to signál, že máš zkontrolovat, jestli ti nafukuje první verzi místo aby ti pomáhal ji rozřezat.
Je to stejná logika jako u rulety číslo jedna: model nemá říkat, co je dobré. Má říkat, co je rozbité.
Co model dělat může (a dělá to lépe než ty)
Když máš pravidla nastavená, zůstane ti spousta práce, kterou model zvládne výborně — mechanická, únavná kontrola, na kterou už nemáš kapacitu:
- Pasivní hlas a nominalizace. Kde jsi zakopal slovesa do podstatných jmen a kde akce zmizela z věty.
- Opakování. Stejné obraty, stejné spojky, třikrát stejná klíčová slova na jedné stránce — model je vidí okamžitě.
- Plevy. „Velmi", „bohužel", „opravdu", „vlastně", „v podstatě" — toaletní papír prvního konceptu rozsetý po celém textu.
- Přesuny odstavců. Téměř vždy existují dva až tři odstavce, které stačí přehodit jinam a čitelnost skočí nahoru. Tyto úpravy jsou nesmírně uspokojivé a model je najde za sekundu.
Kdybys chtěl k tomuto typu úprav učebnici, existuje: Style: Lessons in Clarity and Grace od Josepha Williamse. Pro programátory dobrá zpráva — čtení je to stejně nudné a stejně efektivní jako refaktoring. Z toho si uděláš seznam kontrol a ty pak pouštíš přes text jeden po druhém.
Workflow: tři kroky, které skutečně fungují
Celý proces pak vypadá takto:
1. Napiš koncept sám. Bez modelu. Ani brainstorming, ani osnova — žádný text modelu před publikací, ze kterého bys cokoliv převzal.
2. Pusť přes text sérii kontrolních promptů. Každý typ problému zvlášť — pasivní hlas zvlášť, opakování zvlášť, struktura zvlášť. Například:
„Jsi přísný korektor. Najdi v následujícím textu všechny případy pasivního hlasu, nominalizací a zakopaných sloves. U každého uveď citaci a popiš problém. Nenavrhuji žádná přeformulování a nekomentuj kvalitu textu. Jen seznam problémů."
„Projdi tento text a najdi opakující se slova, obraty a spojky. Vypiš každou skupinu opakování s počtem výskytů. Nic nehodnoť, nic nepřepisuj."
„Přečti si tento text a řekni mi, které odstavce by se podle tebe daly přesunout jinam, aby byl tok myšlenek jasnější. Argumentuj pozicí v argumentaci, ne stylem."
3. Přepiš sám a porovnávej v čistém kontextu. Když máš starou a novou verzi odstavce, chceš vedět, která je lepší. Pozor na past: model v téže konverzaci ví, že jsi ten odstavec právě přepsal, a ví, že chceš slyšet, že je to lepší. Řešení je triviální — otevři si novou konverzaci bez kontextu, vlož obě verze bez označení, která je která, a zeptej se, která je jasnější a proč.
Ještě trik z praxe: řada lidí modelu lže, že „nejsem autor, jen redaktor, který text vybírá do periodika". Funguje to napůl — model pak ale přežene druhým směrem a začne střílet do cílů, které nemáš. Rigidnější a poctivější je zakáz pochval a důsledné hlídání.
Když to píšeš často, postav si na to nástroj
Pokud píšeš denně — články, dokumentaci, newsletters — brzy tě přestane bavit přepínat taby a přemlouvat model, ať není milý. Logickým krokem je udělat si malý workshop nástroj: editor, kde si označíš pasáže, model k nim připisuje poznámky do postranního panelu (Genius-style), přes kontroly můžeš přepínat dopředu a dozadu, verzování, možnost označit větší revize. Popisovací prompt na tohle si nechá napsat od Codexu, Claude CLI nebo čehokoli, co používáš — je to odpolední projekt.
Vlastní kontrolní prompty, které si sestavíš podle svých nejčastějších chyb, budou lepší než cizí — protože si je ladíš na sebe.
Neber všechnu radu
A poslední věc, která se netýká modelu, ale tebe: neimplementuj všechny návrhy. I kdyby model měl pravdu v osmdesáti procentech, těch zbylých dvacet ti zabije hlas. Když Ptacek (autor myšlenky, ze které tenhle návod vychází) vložil svůj článek do GPT-5 s tím, že ho nenapsal on, model řekl, že je o dvacet procent delší, než by měl být. Pravděpodobně měl pravdu. Neopravil to.
To je celé kouzlo tohoto přístupu: model dělá strojní práci, rozhodnutí zůstávají u tebe. Tvůj hlas zůstane nepoškozený, ale práce je rychlejší, výsledek lepší a psaní méně bolestivé. A tví čtenáři nebudou mít pocit, že čtou výstup — protože ho nečtou.
