Před pár týdny jsem si v mobilu omylem otevřel historii konverzací se svým AI asistentem starou přesně rok. Loni v říjnu jsem každou zprávu psal ručně a odpovědi si sám kopíroval do e-mailu. Dnes tomu samému asistentovi nadiktuju úkol cestou z auta, on si sám otevře kalendář, najde volný termín a rozešle pozvánku, aniž bych se ho na cokoli dalšího ptal. Před rokem bych to samé zvládl jen tak, že bych si kalendář i e-mail hlídal sám, krok za krokem. Pod obrázkem, který mi před chvílí vygeneroval k narozeninovému přání, navíc svítí drobná poznámka, že jde o obsah od umělé inteligence.

Za dvanáct měsíců se nezměnil jeden konkrétní nástroj.

Změnilo se to, co si pod slovem asistent běžně představujeme. Rok 2026 nese tři jasně pojmenovatelné posuny: umělá inteligence začala sama jednat, rozumí víc než jen napsané větě a poprvé nad ní visí vymahatelná pravidla. Každý z nich stojí za to sledovat zvlášť, protože každý mění jinou část dne.

Když asistent přestane čekat na příkaz

Ještě před dvěma lety byl rozdíl mezi chatbotem a asistentem hlavně marketingový pojem. Model odpověděl na dotaz a čekal, co napíšete dál. Agentní režim, který dnes v nějaké podobě nabízí prakticky každý velký chatbot, funguje jinak: dostane cíl, rozdělí si ho na kroky a každý provede sám, ať jde o prohlídku webu, vyplnění formuláře nebo odeslání zprávy. Rozdíl mezi odpovědí a činem, který za vás asistent sám dokončí, jsem podrobně rozebral v textu o AI agentech a automatizaci.

Doma se ta samá schopnost promítá do drobností, které jsme si za pár měsíců zvykli brát jako samozřejmost. Asistent v telefonu sám najde volný termín u zubaře podle vašeho kalendáře. E-mailový nástroj sám roztřídí příchozí poštu podle naléhavosti. Cestovní aplikace porovná lety a rovnou navrhne rezervaci. Chytrá domácnost pozná, že nikdo není doma, a sama přitlumí topení. Nic z toho nevyžaduje zvláštní nástroj s nálepkou „AI agent“. Schopnost prostě přibyla do aplikace, kterou už stejně používáte.

Slovo agent se přitom letos nalepilo na skoro každý produkt, který se chce tvářit moderně, a ne každé nálepce se dá věřit stejně. Automatizace, která podle jednoho pevného pravidla přepošle e-mail do správné složky, není totéž jako systém, který si sám rozvrhne deset kroků a průběžně se rozhoduje, co udělá dál. První funguje spolehlivě už roky. Druhá je skutečná novinka, se skutečnou užitečností i se skutečným rizikem chyby.

Podobný posun cítíte i na telefonu, když voláte na zákaznickou linku. Hlas na druhém konci dnes čím dál častěji patří asistentovi, který vám rovnou najde objednávku, ověří stav vrácení peněz nebo přepojí hovor na správné oddělení, aniž byste museli proklikávat deset voleb v hlasovém menu. Funguje to spolehlivě u jasně popsaných dotazů. Jakmile se situace vymyká šabloně, třeba reklamace s neobvyklou historií, hovor stejně skončí u člověka, a právě podle tohohle přechodu poznáte, jestli firma agenta nasadila promyšleně, nebo ho tam jen nalepila jako výmluvu na kratší fronty.

Nadšení kolem agentů je ale potřeba brát s rezervou, kterou praxe sama začala potvrzovat. Firma Gartner v polovině roku 2025 odhadla, že do konce roku 2027 skončí zrušením přes čtyřicet procent firemních projektů s agentní AI, hlavně kvůli rostoucím nákladům a nejasnému přínosu. Testovací sada TheAgentCompany z Carnegie Mellon University zase ukázala, že nejlepší testovaný agent samostatně dokončil zhruba třicet procent zadaných pracovních úkolů. Ani jedno číslo neznamená, že agenti nefungují. Znamená to, že fungují spolehlivě na úzký okruh úkolů a nespolehlivě na všechno ostatní, a rok 2026 je hlavně o tom, že si tenhle rozdíl začínáme jako uživatelé uvědomovat, místo abychom věřili každému dokonalému demu na první pohled.

Otázka, co samostatnější asistenti udělají s konkrétními pracovními místy, je natolik široká, že si zaslouží vlastní prostor. Zabývám se jí v textu o AI a budoucnosti práce.

Model, který kouká i poslouchá

Multimodalita zní jako slovo z technické specifikace, znamená ale jednoduchou věc. Model dnes zvládá fotku, hlas i krátké video ve stejném rozhovoru, bez přepínání mezi aplikacemi. Ještě modely typu raného GPT-3 uměly jen číst a psát text, a když jste jim poslali fotku, nedokázaly s ní nic udělat. Dnešní velké modely od OpenAI, Googlu i Anthropic zareagují v jedné odpovědi na to, co vidí na obrázku, co slyší v nahrávce, i na to, co jste právě napsali.

Hlas prošel podobnou proměnou. Ještě donedávna fungoval hlasový režim jako převod řeči na text a zase zpátky, s malou prodlevou a plochým tónem. Model dnes zvuk čte přímo, podobně jako čte slova věty, a pozná tak i pauzu, zaváhání nebo změnu tónu v hlase, ne jen vyslovená slova. Rozdíl je znát hlavně v autě nebo v kuchyni, kdekoli, kde nejsou ruce ani oči volné pro displej, a kam se ještě před rokem AI asistent prostě nehodil.

Živý kamerový režim, kterým se chlubí ChatGPT i Gemini, je z této trojice nejnovější a nejvíc vidět. Telefon sleduje obraz z kamery nepřetržitě a model komentuje, co vidí, v reálném čase, podobně jako průvodce, který jde s vámi a mluví průběžně, ne až na konci prohlídky. Loni to byla efektní ukázka na konferenci. Letos to má v kapse čím dál víc lidí, kteří o žádné konferenci v životě neslyšeli.

Nejsilnější důkaz, že multimodalita není jen líbivá hračka, přišel od nevidomých uživatelů. Aplikace Be My Eyes propojila v roce 2023 nevidomé lidi přímo s modelem od OpenAI: stačí namířit telefon na okolí a model nahlas popíše, co vidí, přečte štítek na konzervě nebo poradí, kudy vede volný průchod. Dřív tuhle roli zastávali dobrovolníci na druhém konci telefonátu, dostupní jen v určitou dobu. Dnes to zvládne telefon sám, ve dne v noci, a přesně tenhle typ použití ukazuje, proč má smysl mluvit o multimodalitě jako o trendu roku, ne jen o vylepšení chatovacího okna.

Slabina zůstává tam, kde byla vloni: v generování videa. Nástroje jako Sora od OpenAI nebo Veo od Googlu umí vykouzlit krátký, vizuálně působivý klip, ale dlouhé, plynulé a fakticky konzistentní video je pořád spíš ukázka síly než běžný pracovní nástroj. Rozumět obrazu, hlasu a textu najednou už dnes model zvládá spolehlivě. Tvořit ve srovnatelné kvalitě, obzvlášť u pohyblivého obrazu, ještě ne.

Kde se to hodí, poznáte na jednoduchém testu: vyplatí se věc spíš vyfotit, nebo o ní dlouze psát? Řidič nadiktuje poznámku z porady bez rukou na volantu. Senior si nechá nahlas přečíst drobné písmo na letáku od lékárny. Student vyfotí zadání z matematiky a místo výsledku dostane rozepsaný postup. Turista vyfotí jídelní lístek v cizím jazyce a dostane rovnou překlad i vysvětlení, co která položka znamená. U citlivějších věcí to platí přesně obráceně: fotku dokladu nebo zdravotního nálezu pošlete do chatbota s rozmyslem, protože model umí obrázek špatně vyložit stejně snadno, jako si dokáže vymyslet fakt v textu, a odpověď zní přitom stejně sebejistě jako ta správná.

Rok, kdy AI musela přiznat barvu

Druhého srpna 2026 se na tisících evropských webů odehrála nenápadná změna. Chatovací okénko v rohu obrazovky začalo psát, že mluvíte se strojem. Ten den totiž začala platit pravidla transparentnosti podle evropského nařízení o umělé inteligenci, takzvaného AI Actu. Co přesně nařízení znamená pro běžného uživatele i malou firmu, jaké lhůty ještě běží a kde platí výjimky, rozebírám dopodrobna v průvodci AI Actem. Tady stačí to hlavní: firma, jejíž chatbot nebo generátor obsahu se používá v EU, ho musí označit jako umělou inteligenci, i kdyby sama sídlila kdekoli jinde na světě.

Regulace přitom není jednotná ani zdaleka. Evropská unie jde cestou podrobných pravidel podle míry rizika. Spojené státy nechávají většinu rozhodování na jednotlivých státech a federální úroveň drží spíš doporučující tón, aby nezpomalila domácí firmy v soutěži s Čínou. Čína naopak po svých firmách žádá, aby veřejně dostupné modely procházely státním schvalováním. Stejný model se tak v různých částech světa řídí odlišnými pravidly hry, a firma jako OpenAI nebo Google musí své nástroje přizpůsobovat podle toho, kde sedí uživatel, ne podle toho, kde stojí její vlastní servery.

Uvnitř EU navíc nejde o jediné pravidlo pro všechno. Nařízení dělí systémy do čtyř pater podle rizika, trochu jako na letišti rozdělují cestující do různých pruhů na celnici. Úplně nahoře je zákaz vstupu: sociální kreditní systémy hodnotící lidi podle chování nebo rozpoznávání emocí na pracovišti jsou zakázané bez výjimky. O patro níž je červený pruh s důkladnou kontrolou, tam patří AI v náboru, školství nebo úvěrování. Zelený pruh bez zastavení dostala většina chatbotů, stačí přiznat, že jde o stroj. A drtivá většina AI, se kterou se běžně setkáte, spamový filtr nebo doporučování seriálů, přes celnici vůbec neprochází, protože se jí nařízení netýká.

Nespoléhejte na to, že označení uvidíte pouhým okem. Strojově čitelné označení je většinou metadata a vodoznak, který přečte software, ne nápis přes půl obrázku. Kopírování souboru mu neublíží, snímek obrazovky ho ale často smaže.

AI Act má i svoje hranice, a je fér je znát. Co se stane s daty, která do chatbota napíšete nebo nahrajete, upravuje jiný předpis, evropské obecné nařízení o ochraně osobních údajů, ne AI Act. Autorská práva k tomu, co model vygeneruje, řeší zase úplně jiná část práva. AI Act se stará jen o jedno: jestli víte, že mluvíte se strojem, a jestli to, co vidíte, stroj vytvořil nebo upravil.

Očekávat od jednoho nařízení zázrak by bylo stejně naivní jako čekat, že se regulace nikoho netýká. Přísnější vrstva pravidel, ta pro vysoce rizikové systémy zmíněné o odstavec výš, se odsunula až na prosinec 2027 a srpen 2028, protože technické normy, podle kterých mají firmy poznat, jestli požadavky splňují, nebyly do poslední chvíle hotové. Co letos reálně platí, je tedy jen první a viditelnější vrstva pravidel. Zbytek teprve přijde, a termíny se můžou ještě posunout, přesně jako se to u AI Actu už jednou stalo. Kdo si chce být jistý, že se řídí aktuální verzí pravidel, udělá nejlíp, když si datum poslední změny ověří přímo na stránkách Evropské komise, ne v článku starém přes půl roku.

Na co si dát pozor

Tři trendy naráz svádí k tomu, brát každou novinku stejně vážně. Nemusíte. Agentní režim je užitečný tam, kde chybu snadno a rychle opravíte, ne tam, kde jde o peníze, zdraví nebo vztah se zákazníkem bez možnosti vzít krok zpátky. Než necháte asistenta jednat bez dozoru, vyzkoušejte ho nejdřív na úkolu, kde vám případná chyba nic nezničí, a teprve podle výsledku mu svěřte víc. Multimodální fotky a nahrávky často obsahují víc než jen vás, třeba kolegu v pozadí videohovoru nebo cizí tvář na skupinovém snímku, a tihle lidé se sdílením do cizí služby nikdy nesouhlasili. U regulace zase platí, že označení podle AI Actu se týká hlavně profesionálního a veřejného použití, ne soukromé fotky poslané třem kamarádům, takže se kvůli vygenerovanému přání k narozeninám pokuty bát nemusíte. A když vám aplikace oznámí novou funkci, agentní režim, živý kamerový popis okolí nebo cokoli mezi tím, zkontrolujte v nastavení, jestli si ji zapnuli vy sami, nebo jestli ji tam rovnou zapnul výrobce.

Shrnutí

Nejpraktičtější věc, kterou s touhle trojicí trendů můžete udělat, není sledovat každý týden nové jméno modelu. Je to zkusit jednou za pár měsíců to, co jsem omylem udělal já: otevřít si starou konverzaci se svým asistentem a porovnat, co uměl tehdy a co umí teď. Rozdíl se obvykle neschovává v titulcích. Schovává se v tom, kolik věcí jste mu mezitím přestali psát ručně, kolik fotek jste mu poslali místo dlouhého vysvětlování a jestli si všímáte, že vám i sama aplikace občas připomene, s kým nebo s čím vlastně mluvíte. Ten rozdíl mezi loňským a letošním asistentem se nedá stáhnout jako aktualizace. Prostě ho jednoho dne zjistíte sami, přesně tak, jako jsem ho loni v říjnu zjistil já.