Prompt engineering: Jak psát prompty, které z AI dostanou maximum
Většina lidí používá AI jako vyhledávač — napíšou pár slov a doufají v zázrak. Přitom rozdíl mezi průměrným a vynikajícím výstupem často spočívá v jediném: jak formulujete zadání. Prompt engineering není žádná věda pro programátory. Je to dovednost, kterou se naučí každý — a která vám okamžitě zvedne kvalitu práce s jakýmkoliv AI nástrojem.
Představte si, že přijdete do restaurace a objednáte si „něco dobrého.“ Šance, že dostanete přesně to, na co máte chuť, je mizivá. Stejně funguje komunikace s AI. Čím přesněji řeknete, co chcete, tím lepší výsledek dostanete. A přesně o tom je prompt engineering — umění klást AI správné otázky správným způsobem.
Globálně tato dovednost exploduje. Platforma promptingguide.ai má přes 3 miliony studentů, kurzy prompt engineeringu nabízejí MIT i Stanford a firmy jako McKinsey školí celé týmy. V Česku ale komplexní průvodce chybí. Tento článek to mění.
Co je prompt engineering a proč na něm záleží
Prompt je textové zadání, které posíláte AI modelu — ať už je to ChatGPT, Claude, Gemini nebo jakýkoliv jiný nástroj. Prompt engineering je pak systematický přístup k formulování těchto zadání tak, aby AI vracela co nejpřesnější, nejrelevantnější a nejužitečnější výstupy.
Proč na tom záleží? Protože stejný AI model dokáže na špatný prompt odpovědět povrchně a genericky, zatímco na dobře napsaný prompt vrátí expertní analýzu na úrovni konzultanta. Nezměnil se nástroj — změnilo se zadání. Výzkumy ukazují, že kvalitní prompt dokáže zvýšit přesnost odpovědí AI o desítky procent. A v praxi to znamená rozdíl mezi tím, jestli AI vnímáte jako zbytečnou hračku, nebo jako nepostradatelného kolegu.
Pět pilířů dobrého promptu
Než se pustíme do pokročilých technik, pojďme si stanovit základy. Každý dobrý prompt stojí na pěti pilířích. Nemusíte je použít všechny pokaždé, ale čím více jich zakomponujete, tím lepší výsledek dostanete.
1. Role — řekněte AI, kým má být
Když AI přidělíte konkrétní roli, přizpůsobí tomu styl, hloubku i odbornost odpovědi. Srovnejte sami:
Slabý prompt: „Napiš text o kybernetické bezpečnosti.“
Silný prompt: „Jsi zkušený CISO (Chief Information Security Officer) v české firmě s 200 zaměstnanci. Napiš stručný přehled tří největších kybernetických hrozeb pro rok 2026 a ke každé navrhni jedno konkrétní opatření, které firma může zavést do měsíce.“
Rozdíl je zásadní. První prompt vrátí generický školní referát. Druhý vrátí cílený, praktický materiál, který můžete rovnou použít na poradě.
2. Kontext — dejte AI dostatek informací
AI neví, v jaké situaci se nacházíte, pro koho výstup připravujete ani jakou máte zkušenost. Čím víc kontextu poskytnete, tím přesnější odpověď dostanete. Kontext zahrnuje: kdo jste, pro koho je výstup určen, v jakém oboru pracujete, jaká omezení máte a co už jste zkusili.
Příklad bez kontextu: „Navrhni marketingovou strategii.“
Příklad s kontextem: „Jsme česká e-commerce firma prodávající prémiový čaj. Roční obrat 15 milionů Kč, tři zaměstnanci. Hlavní kanál jsou Instagram a e-mail newsletter s 2 000 odběrateli. Rozpočet na marketing je 30 000 Kč měsíčně. Navrhni strategii na zvýšení opakovaných nákupů o 20 % v příštím kvartálu.“
3. Instrukce — buďte konkrétní v tom, co chcete
Vágní zadání = vágní výstup. Místo „napiš něco o…“ specifikujte formát, délku, styl a účel. Chcete seznam? Tabulku? E-mail? Článek o 500 slovech? Prezentaci o pěti slidech? Řekněte to přímo.
Slabý prompt: „Shrň tento článek.“
Silný prompt: „Shrň tento článek do pěti odrážek. Každá odrážka má mít maximálně dvě věty. Zaměř se na praktické závěry, ne na teorii. Piš pro manažera, který má dvě minuty na přečtení.“
4. Omezení — stanovte hranice
Stejně důležité jako říct AI, co má dělat, je říct jí, co dělat nemá. Omezení brání AI v tom, aby odbočovala, „vymýšlela si“ nebo produkovala příliš dlouhé výstupy.
Příklady omezení: „Nepoužívej odborný žargon.“ „Odpověz maximálně ve třech odstavcích.“ „Nezmiňuj konkurenci.“ „Pokud si nejsi jistý, řekni to — nevymýšlej si.“ Poslední omezení je zvlášť důležité. Když AI explicitně dovolíte přiznat nejistotu, výrazně snížíte riziko takzvaných halucinací — situací, kdy AI s naprostou jistotou tvrdí něco, co není pravda.
5. Formát výstupu — popište, jak má výsledek vypadat
AI modely dokážou produkovat výstup v prakticky jakémkoliv formátu — od prostého textu přes tabulky, JSON, markdown až po strukturované šablony. Stačí říct, co přesně chcete. „Výstup formátuj jako tabulku se sloupci: Hrozba, Pravděpodobnost, Dopad, Doporučené opatření.“ Nebo: „Odpověz ve formátu e-mailu připraveného k odeslání, včetně předmětu.“
Pokročilé techniky prompt engineeringu
Jakmile zvládnete základy, můžete přejít k technikám, které využívají profesionálové. Žádná z nich není složitá — vyžadují jen trochu systematičnosti.
Chain-of-Thought: nechte AI přemýšlet nahlas
Jednou z nejúčinnějších technik je takzvaný chain-of-thought (řetězení myšlenek). Místo toho, abyste žádali rovnou o výsledek, požádáte AI, aby svůj postup vysvětlila krok za krokem. U matematických, logických a analytických úloh to dramaticky zvyšuje přesnost.
Příklad: „Potřebuji rozhodnout, jestli se vyplatí najmout dalšího obchodníka. Měsíční náklad je 85 000 Kč včetně odvodů. Průměrný obchodník přinese 3 nové klienty měsíčně s průměrnou hodnotou zakázky 45 000 Kč a marží 35 %. Projdi to krok za krokem — jaké jsou náklady, jaké příjmy, jaká je návratnost a za jak dlouho se investice vrátí?“
Fráze „projdi to krok za krokem“ je klíčová. Říká AI, aby neodpovídala intuitivně, ale systematicky rozebrala problém na části. Výsledek je nejen přesnější, ale i transparentnější — vidíte celý postup a můžete zkontrolovat, kde případně vznikla chyba.
Few-shot prompting: učení příkladem
Místo dlouhého vysvětlování, co přesně chcete, stačí AI ukázat dva až tři příklady požadovaného výstupu. AI pochopí vzor a aplikuje ho na nová data. Tato technika se jmenuje few-shot prompting a patří mezi nejúčinnější přístupy vůbec.
Příklad: „Transformuj popis produktu do formátu pro e-shop:
Vstup: Ručně pražená zrnková káva z Etiopie, středně pražená, s tóny borůvek a kakaa, 250g balení.
Výstup: ☕ Etiopie Sidamo | Zrnková | Střední pražení | Borůvky & kakao | 250 g
Vstup: Zelený čaj sencha z Japonska, první sklizeň, jemná chuť s travnatými tóny, 100g.
Výstup: 🍵 Japonská Sencha | Sypaný | První sklizeň | Jemný & travnatý | 100 g
Teď zpracuj: Kolumbijský single origin, tmavé pražení, čokoládový profil s nádechem ořechů, 1kg balení.“
AI z příkladů pochopí nejen formát, ale i styl, délku a použití emoji. Bez příkladů byste museli napsat odstavec instrukcí — a výsledek by stejně nebyl tak konzistentní.
Strukturovaný prompt: oddělte instrukce od dat
U složitějších úloh se vyplatí prompt rozdělit do jasných sekcí. Místo jednoho dlouhého odstavce vytvořte strukturu, kde AI vidí, co je instrukce, co jsou vstupní data a co je požadovaný formát výstupu.
Šablona strukturovaného promptu:
```
INSTRUKCE: [co má AI udělat]
KONTEXT: [pozadí, situace, omezení]
VSTUPNÍ DATA: [text, čísla nebo dokument ke zpracování]
FORMÁT VÝSTUPU: [jak má výsledek vypadat]
```
Tento přístup je zvlášť důležitý v roce 2026, kdy modely zvládají zpracovat desítky tisíc slov najednou. Čím delší vstup, tím víc pomáhá jasná struktura — AI ví, kde hledat instrukce a kde data.
Iterativní prompting: konverzace místo jednorázového dotazu
Zkušení uživatelé AI neočekávají dokonalý výsledek na první pokus. Místo toho pracují s AI jako s kolegou — postupně upřesňují, doplňují kontext a ladí výstup. První prompt nastaví směr, druhý zpřesní, třetí vyladí detaily.
Praktický příklad iterace:
1. „Napiš osnovu článku o AI ve zdravotnictví.“
2. „Rozšiř bod 3 o české příklady — IKEM, FN Motol, Carebot.“
3. „Přepiš úvod tak, aby začínal konkrétním příběhem pacienta, ne statistikou.“
4. „Zkrať závěr na polovinu a přidej výzvu k akci.“
Každý krok staví na předchozím a AI si pamatuje celý kontext konverzace. Je to přirozenější a často efektivnější než se snažit napsat jeden „dokonalý“ prompt hned na začátku.
Nejčastější chyby při psaní promptů
Za roky práce s AI modely se vyprofilovaly typické chyby, kterých se dopouští začátečníci i pokročilí uživatelé. Vyhněte se jim a kvalita vašich výstupů skokově vzroste.
Příliš vágní zadání. „Napiš něco o marketingu“ nedá AI žádnou šanci uspět. Specifikujte téma, formát, délku, cílovku a účel.
Příliš mnoho požadavků najednou. Když do jednoho promptu naskládáte deset různých úkolů, kvalita jednotlivých odpovědí klesne. Raději rozdělte složitý úkol do série menších promptů.
Slepá důvěra ve výstup. AI není neomylná. U faktických tvrzení, citací a čísel vždy ověřujte. Platí to dvojnásob u právních, zdravotních a finančních témat.
Ignorování kontextu konverzace. Mnoho lidí začíná každý prompt od nuly, i když pracují v rámci jedné konverzace. AI si pamatuje předchozí zprávy — využijte to. Odkazujte na dřívější výstupy, žádejte úpravy místo přepisování celého zadání.
Strach z délky promptu. Dobrý prompt nemusí být krátký. Výzkum ukazuje, že ideální délka pro většinu úkolů je 150 až 300 slov — dostatečný prostor pro kontext, instrukce i omezení. Naopak příliš dlouhé prompty (nad 3 000 slov instrukcí) mohou paradoxně snížit kvalitu, protože model ztrácí fokus.
Praktické šablony pro každodenní práci
Tady je pět šablon, které můžete okamžitě začít používat. Upravte si je podle svých potřeb — právě proto je prompt engineering tak mocný: funguje v jakémkoliv oboru.
Šablona pro analýzu dokumentu:
„Jsi [role]. Přečti následující [typ dokumentu] a vytáhni z něj [co přesně hledám]. Výstup formátuj jako [formát]. Pokud v dokumentu informace chybí, jasně to uveď místo toho, abys improvizoval.
[vložený dokument]“
Šablona pro brainstorming:
„Potřebuji [počet] nápadů na [téma]. Kontext: [situace, cílovka, omezení]. U každého nápadu uveď: název, stručný popis (2–3 věty), odhadovanou náročnost (nízká/střední/vysoká) a očekávaný přínos.“
Šablona pro copywriting:
„Napiš [typ textu — e-mail / post / článek] pro [cílovku]. Tón: [formální / neformální / přátelský / profesionální]. Délka: [rozsah]. Hlavní sdělení: [co má čtenář pochopit nebo udělat]. Nepoužívej: [co vynechat — klišé, anglicismy, vykřičníky…].“
Šablona pro rozhodování:
„Pomoz mi rozhodnout mezi [možnost A] a [možnost B]. Kontext: [situace]. Kritéria: [na čem mi záleží — cena, čas, kvalita, riziko]. Pro každou možnost uveď výhody, nevýhody a rizika. Na závěr dej doporučení s odůvodněním.“
Šablona pro učení:
„Vysvětli mi [koncept] tak, jako bych byl [úroveň znalostí — úplný začátečník / zkušený manažer / programátor]. Použij [analogii z reálného světa]. Potom mi dej tři otázky, kterými si ověřím, jestli tomu rozumím.“
Prompt engineering v českém byznysu — praktické využití
Prompt engineering není jen akademická disciplína. České firmy, které s ním pracují systematicky, hlásí konkrétní výsledky. Podle dat České asociace umělé inteligence 45 procent firem, které AI aktivně využívají, investovalo do školení zaměstnanců v oblasti práce s AI — a prompt engineering je přitom dovednost číslo jedna.
Marketing a copywriting: Obsahové týmy používají strukturované prompty k tvorbě popisků produktů, newsletter textů a sociálních příspěvků. Klíč: vytvořte si knihovnu ověřených promptů pro opakující se formáty a sdílejte ji v týmu.
Zákaznická podpora: Firmy využívají AI k přípravě odpovědí na reklamace, generování FAQ sekcí a analýze sentimentu zákaznických recenzí. Dobře nastavený prompt s kontextem firemní politiky a tónu značky výrazně urychlí práci.
Analýza dat a reporting: Manažeři zadávají AI strukturovaná data (prodeje, metriky, průzkumy) a žádají o analýzu trendů, identifikaci anomálií nebo přípravu prezentací pro vedení. Chain-of-thought prompting zde zvyšuje přesnost analytických závěrů.
HR a nábor: Od přeformulování inzerátů přes přípravu otázek na pohovor až po analýzu životopisů — AI šetří HR oddělením desítky hodin měsíčně. Podmínka: správně nastavený kontext s firemní kulturou a požadavky na pozici.
Jak se prompt engineering mění v roce 2026
Obor se rychle vyvíjí. Modely jako GPT-5, Claude 4 nebo Gemini 2 jsou výrazně lepší v chápání záměru i z kratších zadání. To ale neznamená, že prompt engineering ztrácí smysl — spíš se posouvá od „jak to formulovat, aby AI vůbec pochopila“ k „jak z AI dostat expertní výstup místo průměrného.“
Tři klíčové trendy pro rok 2026: Systémové prompty a AI agenti — firmy přecházejí od jednorázových promptů k celým systémům instrukcí, které řídí AI agenty vykonávající komplexní úkoly autonomně. Multimodální prompty — moderní modely zpracují nejen text, ale i obrázky, tabulky a dokumenty, takže prompt může znít: „Podívej se na tento graf a identifikuj tři hlavní trendy.“ Evaluace a testování — profesionálové začínají prompty měřit jako software: definují kritéria úspěchu a testují různé varianty promptu na sadě vzorových vstupů.
Kde se učit dál
Prompt engineering je dovednost, která se nejlépe učí praxí. Začněte s šablonami z tohoto článku, experimentujte s různými přístupy a sledujte, co funguje ve vašem konkrétním kontextu. Několik doporučených zdrojů pro další studium:
Prompt Engineering Guide (promptingguide.ai) — nejkomplexnější otevřený průvodce s více než 3 miliony studentů. V angličtině, ale skvěle strukturovaný. Oficiální dokumentace — OpenAI, Anthropic i Google publikují průvodce prompt engineeringem přímo pro své modely. Každý model má svá specifika a vyplatí se je znát. Česká AI komunita — Česká asociace umělé inteligence (ČAUI) pořádá workshopy a webináře, kde se prompt engineering probírá v českém kontextu.
Shrnutí
Prompt engineering je klíčová dovednost pro každého, kdo pracuje s AI. Stojí na pěti pilířích: role, kontext, instrukce, omezení a formát výstupu. Pokročilé techniky jako chain-of-thought, few-shot prompting a strukturované zadání zvyšují kvalitu výstupů řádově. Nejdůležitější ale je začít — vezměte šablonu, upravte ji pro svůj případ a experimentujte. Každý prompt, který napíšete, vás posune o kus dál. A v době, kdy AI nástroje používá většina firem, je schopnost z nich dostat maximum přesně ta kompetence, která rozhoduje o konkurenční výhodě.