Existuje typ webu, který vypadá jako regionální zpravodajský server. Má logo, rubriky, jména autorů i fotky u článků. Vydává třicet textů denně, žádnou redakci nemá a občas se v článku objeví věta, kterou tam nechal chatbot: „Omlouvám se, ale jako jazykový model nemohu…“

Organizace NewsGuard takové weby sleduje a k 23. červnu 2026 jich napočítala 3 749 v šestnácti jazycích. Čeština je mezi nimi. Dezinformace existovaly dávno předtím. Umělá inteligence jim ale výrazně změnila ekonomiku výroby, a to natolik, že se změnila i podoba obrany. Tenhle text je o mechanismech a o tom, jak se v nich vyznat. Rozpoznávání zmanipulovaných videí a hlasů rozebírá samostatný článek o deepfake.

Cena za jeden text spadla skoro na nulu

Ještě před pár lety stála dezinformační kampaň lidi. Někdo musel napsat text, někdo jiný ho přeložit, další ho rozeslat. Rozpočet omezoval počet i jazyky. Dnes se ta samá práce dá zadat modelu, který ji odvede za pár korun. NewsGuard zařazuje web mezi obsahové farmy, když splní čtyři podmínky současně. Většina obsahu vzniká pomocí AI. Publikuje se bez smysluplného lidského dohledu, což prozradí třeba neopravená chybová hláška chatbota. Web přitom navenek vypadá jako běžné zpravodajství. A nikde neuvádí, že jeho texty píše stroj.

Podstatné je, že většina těchto webů nemá politickou motivaci. Chtějí reklamní příjem. Vzniká tím pásmo obsahu, který nikdo nekontroluje, nikdo za něj neručí a přitom vypadá jako novinařina. Do takového pásma se pak snadno propašuje i něco, co má motivaci docela jinou.

Strategie není přesvědčit, ale zaplavit

Klasická představa dezinformace počítá s jedním chytrým padělkem, kterému lidé uvěří. Reálná strategie funguje jinak. Vypustí se dvacet variant téhož tvrzení na dvacet různých domén, každá s trochu jiným vyzněním, a nechá se to působit.

Efekt má dvě vrstvy. První je jednoduchá opakovací: co člověk vidí popáté, zní povědoměji než to, co vidí poprvé. Druhá je zahlcení. Kdo chce tvrzení ověřit, narazí na čtyřicet zdrojů, které si navzájem přitakávají, a nemá jak poznat, že za všemi stojí jeden účet. Právě tady dělá AI největší rozdíl. Dvacet variant textu s odlišnou stylistikou byla dřív práce na týden. Teď je to práce na dvě minuty.

Falešný dav v diskuzi

Druhý mechanismus se týká reakcí, ne článků. Vygenerovat sto komentářů, které znějí jako sto různých lidí, dnes zvládne kdokoliv. Každý má jiný slovník, jiné překlepy, jiný rozsah vět. Účel je vytvořit dojem většiny. Člověk, který si přečte diskuzi pod příspěvkem, si z ní odnáší pocit, co si „lidi myslí“, i když k tomu nemá žádná data. Když je diskuze vyrobená, odnáší si vyrobený pocit.

Poznat to jde hůř než u článků, ale ne úplně. Podezřelé je, když se účty založily ve stejném týdnu, nemají žádnou historii mimo jedno téma a reagují nezvykle rychle po zveřejnění. Pomáhá kliknout na dva nebo tři profily, které v diskuzi nejhlasitěji souhlasí. Když všechny vznikly loni v listopadu a od té doby komentují výhradně jednu věc, o názor veřejnosti nejde.

Stejné tvrzení v deseti kabátech

Třetí mechanismus se týká cílení. Dezinformační kampaň dřív musela zvolit jeden tón, protože na víc nebyly kapacity. Buď mluvila jazykem rodičů školáků, nebo jazykem lidí, kteří řeší ceny energií.

Jazykový model tuhle překážku odstraňuje. Ze stejného zadání vyrobí verzi pro každou skupinu, s jinými příklady, jiným slovníkem i jinou mírou naléhavosti. Adresát pak čte text, který mluví přesně jeho jazykem, a to samo o sobě zvyšuje důvěryhodnost. Pro čtenáře z toho plyne konkrétní podezření. Když text působí, jako by byl psaný přímo pro vás, a přitom pochází z webu, o kterém jste nikdy neslyšeli, je to důvod zpomalit. Skutečná redakce píše pro široké publikum a její texty tak i vypadají.

Když se pravda dá popřít

Nepříjemný vedlejší účinek přichází z opačné strany. Čím víc lidé vědí, že video může být falešné, tím snadněji se dá odmítnout i záznam pravý. Stačí říct, že jde o deepfake, a část publika se přikloní k pochybnosti. Tenhle jev dostal v odborné literatuře název „dividenda lháře“. Dotýká se každého, kdo něco dokládá záznamem, od novináře po zaměstnance s nahrávkou z porady. Ověřování tím dostává úkol navíc: obhájit i to, co je autentické.

Pro čtenáře z toho plyne návyk, který zní protichůdně. Skepse vůči obsahu ano, ale skepse i vůči rychlému odmítnutí. „To je určitě AI“ je stejně nepodložené tvrzení jako „to je určitě pravda“, dokud si člověk neověří, odkud záznam pochází.

Dezinformace, kterou nikdo nechtěl

Zvláštní kategorií je nepravda, za kterou nestojí žádný záměr. Jazykové modely si domýšlejí fakta, jména i citace, a dělají to sebevědomě. Odborně se tomu říká halucinace a podrobně to rozebírá článek o halucinacích AI. Když někdo takovou odpověď zkopíruje do článku, na blog nebo do školní práce, vzniká nepravdivá informace bez jakéhokoliv zlého úmyslu. Šíří se ale stejně dobře jako ta cílená. A protože se AI stále častěji učí z textů, které na internetu už jsou, dokáže se vymyšlený údaj po čase vrátit jako „doložený“, protože ho mezitím někdo přepsal na deset dalších webů.

Rozlišování motivu je proto pro čtenáře málo užitečné. Ověřovat se vyplatí obojí stejně.

Podle čeho poznáte obsahovou farmu

Tohle jsou znaky, které jdou ověřit za dvě minuty a nevyžadují žádný nástroj.

  • Kdo web provozuje. Chybějící nebo prázdná stránka o redakci, žádná adresa, žádné IČO, kontakt jen přes formulář.
  • Autor bez stopy. Jméno, které nikde jinde na internetu nic nenapsalo, a portrétní fotka, kterou zpětné vyhledávání obrázků najde na stocku nebo nikde.
  • Tempo. Padesát článků za den a všechny podepsané třemi lidmi.
  • Text bez původu. Článek tvrdí čísla, ale neodkazuje na žádný primární zdroj. Nebo odkazuje jen na jiný podobný web.
  • Divná čeština. Doslovné překlady, nesedící předložky, věty, které se ke konci rozpadnou. Strojový překlad z angličtiny zanechává charakteristické stopy.
  • Zbytky po chatbotovi. Věty typu „zde je návrh článku“ nebo omluvy jazykového modela přímo v textu. Zní to jako vtip, ale patří to mezi nejčastější důkazy.

Žádný z těch znaků sám o sobě neusvědčuje. Tři najednou už ano.

Laterální čtení: odejděte ze stránky

Nejúčinnější technika ověřování se jmenuje laterální čtení a jde proti instinktu. Místo abyste podezřelý text pečlivě studovali, otevřete novou záložku a hledáte, co se o tom zdroji píše jinde.

Postup je krátký. Zkopírujte hlavní tvrzení do vyhledávače a podívejte se, jestli ho přinesl někdo, kdo za obsah ručí. Vyhledejte název webu spolu se slovem „dezinformace“ nebo „fact check“, u fotky použijte zpětné vyhledávání obrázků, protože recyklovaný snímek ze staré události je pořád běžnější než vygenerovaný. V Česku ověřuje veřejná tvrzení Demagog.cz, spolek, který je signatářem kodexu mezinárodní sítě fact-checkerů IFCN a ověřeným členem evropské sítě EFCSN. Dezinformacemi ve střední Evropě se výzkumně zabývá CEDMO, středoevropské pracoviště evropské observatoře digitálních médií, na kterém se podílí Univerzita Karlova a ČVUT. Ani jeden z nich nenahradí vlastní úsudek, ale oba ušetří práci u tvrzení, která už někdo prověřil.

Co s tím dělají pravidla

Evropská úprava jde na věc ze dvou stran, nařízení o digitálních službách ukládá velkým online platformám mít fungující mechanismus pro hlášení nezákonného obsahu a posuzovat systémová rizika, která jejich služba vytváří. Druhou stranu řeší nařízení o umělé inteligenci. Jeho článek 50 platí od 2. srpna 2026 a ukládá poskytovatelům generativní AI označovat výstupy strojově čitelně, tedy tak, aby se dalo poznat, že vznikly uměle. U textu na téma veřejného zájmu ale povinnost označení neplatí, pokud prošel lidskou redakční kontrolou a někdo za něj nese odpovědnost. Pro systémy uvedené na trh dřív běží přechodné období do 2. prosince 2026.

Praktický dopad na dezinformace bude omezený, a je dobré vědět proč. Označovat se budou výstupy z nástrojů firem, které pravidla dodržují. Kdo provozuje obsahovou farmu z jurisdikce mimo dosah evropského dohledu, značku prostě nepřidá. Regulace tedy pomáhá odlišit poctivé od nepoctivých, ale nedělá z chybějící značky důkaz podvodu.

Na co si dát pozor

Největší riziko nespočívá v tom, že lidé uvěří konkrétní lži. Spočívá v tom, že přestanou věřit čemukoliv a ověřování vzdají jako marnou práci. Únava je cíl sama o sobě. Obrana proti ní je nepopulární, protože je pomalá. Neověřovat všechno, ale vybrat si. U obsahu, který vás rozčílil, potěšil nebo vyděsil natolik, že ho chcete poslat dál, se vyplatí strávit dvě minuty ověřením. Emoce je nejlepší signál, že text byl na sdílení navržený.

A pozor na obrácenou past. Označit cokoliv nepohodlného za „AI slop“ je stejně lenivé jako všechno sdílet. Rozdíl mezi skepsí a cynismem je v tom, že skepse si tu práci s ověřením odvede.

Shrnutí

AI dezinformacím hlavně zvýšila objem a rychlost šíření, samotný obsah nechala beze změny. Deset variant jednoho tvrzení na deseti doménách vypadá jako shoda, i když za nimi stojí jeden člověk. Prakticky pomáhá pár návyků. Podívat se, kdo web provozuje a kdo článek podepsal. Ověřit hlavní tvrzení mimo tu stránku. U fotky spustit zpětné vyhledávání. A brát vlastní emoční reakci jako varovné světlo, ne jako důvod ke sdílení. Postupy, jak si ověřit konkrétní tvrzení včetně těch od chatbota, rozebírá průvodce ověřováním faktů.