Vejdeš do kavárny a na jídelním lístku vidíš bagelové sendviče. Ilustrace jsou bezvadné, dokonale symetrické, hladké — a přesto tě něco štípe. Něco tu nesedí, i když neumíš říct co. Nešílíš. Je to generovaný menu design a modely ho umí přesně takhle: esteticky „libivý" a zároveň mrtvě průměrný. TechCrunch to minulý týden popsal na příkladu newyorských restaurací — AI menu se stala fenoménem a zákazníci ji registrují instinktivně, ještě než ji dokážou pojmenovat.
Tenhle problém se netýká jen gastro podniků. Když do práce zapojíš generátor obrázků nebo textů, dostaneš stejnou past: výstup, který vypadá jako všechen ostatní obsah z roku 2026. A publikum to čím dál tím víc pozná. Pojďme si říct, proč k té konvergenci dochází a konkrétně co s tím dělat, aby tvůj obsah nezestátl v davu.
Proč všechny AI obrázky vypadají jako z jednoho studia
Difuzní modely a jazykové modely se učí na obřích datových sadách — a tyto sady mají své preference. Firemní fotky jídla, stock fotografie, reklama z roku 2015: to je korpus, ze kterého modely čerpají představitelnost. Jak to shrnuje TechCrunchův zdroj: „Hodně z toho vypadá jako menu Chili's z roku 2015 — a je to tím, že to byl korpus, ze kterého modely čerpaly."
Model při promptu „vytvoř menu pro burgerovou restauraci" nemá důvod vymýšlet něco nového. Váží pravděpodobnosti přes tisíce podobných menu a vrátí ti statistický střed. Dokonale kulatá kopečka zmrzliny, geneticky modifikovaní kreveti, roztavený sýr, který vypadá jako digitální láva. Model nezhlédne estetiku — zprůměruje ji.
Druhý efekt je horší: iterativní degradace. Na X běžel experiment, kde někdo vytvořil menu v ChatGPT a pak ho nechal sto krát upravit. Po každé iteraci jídlo vypadalo méně jako jídlo a více jako abstraktní variace na sebe sama. TechCrunch experiment replikoval s podobným výsledkem. Když upravuješ upravený upravený výstup, chyby se neopravují — hromadí se a normalizují.
A třetí vrstva je strategická: model collapse. Když generovaný obsah putuje zpátky do trénovacích dat (a dnes už nevyhnutelně putuje), modely se učí na vlastních výstupech. „Je to jako nemoc šílených krav — když krmit model jeho vlastními výstupy, dříve nebo později se to celé zhroutí," říká se v článku. Plná kolaps ještě nenastal, ale konvergence — postupná ztráta rozmanitosti a kvality — je tady a je měřitelná.
Proč je to obchodní problém, ne estetický
Můžeš si říct: moje AI menu vypadá dobře, co na tom. Problém je, že stejné menu má tvůj konkurent také. Když každý podnik v ulici používá stejný model, stejné template a podobné prompty, obsah přestává plnit svoji jedinou funkci — odlišovat tě. Brand, který se staví na průměru datasetu, nemá čím reagovat na otázku „proč ty".
Zákazník navíc sameness registruje jako signál nízké kvality — vědecky tomu říkají uncanny valley, intuitivně to znají kuchaři i marketéři. Věrohodnost klesá, ještě než si člověk přečte jediné slovo.
Co s tím: pět věcí, které ve své práci uděláš jinak
1. Krmič model realitou, ne přídavkem
Největší chyba je prompt „udělej mi hezké menu / obrázek / článek". Model pak musí těžit z průměru datasetu, protože nemá nic jiného. Dej mu naopak konkrétní vstupy z tvého podnikání: skutečné fotky provozu, tvoje typografii, firemní barvy, skutečné názvy jídel, reálná čísla, jména lidí. Čím víc specifických detailů model dostane, tím méně prostoru má doplňovat statistickým středem. U textů to znamená: fakta dodáváš ty, jazyk model. Ne naopak.
2. Generuj znovu, neupravuj iterativně
Pamatuj na experiment se sto úpravami. Když výstup není správný, negeneruj variantu z varianty. Vrať se, uprav prompt nebo vstupní podklady a nech model vygenerovat čistý výstup od nuly. Deset čerstvých generací ti dá víc užitku než deset vrstev editací na jednom obrázku — a vyhneš se kaskádovité degradaci, kdy se každá úprava posouvá dál od reality.
3. Používej style reference a záměrně narůš průměr
Místo obecného „moderní, minimalistický" odkazuj na konkrétní vizuální jazyk: „v duchu East Coast delikatesy z 70. let, ručně kreslené, mírně asymetrické, omezená paleta". A záměrně přidávej „vady", které průměr nemá: ruční tah, nesourodé textury, lokální reference. U textů je to stejné — nech si psát tvým skutečným tónem, dej ukázky reálné komunikace, ne ideální „profesionální" styl.
4. Test „Chili's 2015"
Nejjednodušší kontrola: podívej se na výstup a zeptej se — mohl by tohle publikovat kterýkoliv můj konkurent beze změny? Když ano, vrátil jsi průměr. Konkrétní detail — číslo, jméno, místo, vlastní zkušenost — je to jediné, co z výstupu dělá tvůj. Nech AI dělat eighty procent rutiny a ty doklop těch posledních dvacet procent specifiky, které nikdo jiný nemá.
5. Trénuj a filtruj na datech s poctivým původem
Pokud děláš fine-tuning, RAG nebo jen buduješ knihovnu promptů, zapisuj si původ dat. Vlastní AI výstupy do trénovacích dat vrať jen vědomě a označené — jinak si do vlastního systému zavádíš konvergenci z blízkého křížení. Stejně tak u agentů, kteří generují obsah pro web: pokud se generovaný obsah publikuje a později scrapuje zpět do znalostní základny, čeká tě mírná domácí verze model collapse.
Praktický workflow, který to spojuje dohromady
Když to celé seberu do sekvence, kterou můžeš použít na jakémkoliv obsahu — menu, kampaň, článek, produktovou fotku:
- Sběr podkladů: reálná foto/videa, reálná fakta, vzorky tónu. Bez toho nezačínej.
- První generace: několik čistých výstupů od nuly, každý z lehce jiného promptu s různorodými style referencemi.
- Výběr, ne retuš: vyber nejlepší variantu. Drobné korekce jen jednou — pak radši nová generace.
- Humanizace: doplň specifika, která model nemá — lokální detaily, skutečné citace, autentické nedostatky.
- Test Chili's: kdyby to mohl použít konkurent, vratit se ke kroku 2.
- Provenance: výstup označ, ulož původ. Budoucnost se ti poděkuje.
Kde AI naopak bezpečně zůstane
Aby to nevyznělo jako kázání proti generátorům: na rutinní, informativní obsah je AI senza. Přílohy, technické popisy, alternativní texty, A/B varianty nadpisů, resize kampaní pro dvacet formátů. Tam sameness nevadí, protože se nikdo nerozhoduje mezi tebou a konkurentem na základě estetiky. Vadí tam, kde se rozhoduje — ve brand obsahu, v hero vizuálech, v čemkoliv, co má nést identitu.
Používej AI tam, kde šetří tvůj čas, a drž ji krátkou vodítko od všeho, co má být tvoje. Nejsilnější kombinace dneška není „AI místo člověka", ale člověk se svými specifiky + model se svojí rychlostí — v tomto pořadí vstupů. Jakmile to otočíš a necháš model dodat i podstatu, ne jen formu, dostaneš menu, které sice vypadá dokonale, ale chutná jako všude jinde.
