Výsledky, které dostanete od AI, jsou přímo úměrné kvalitě vašeho zadání. Stejný model — stejná AI — může na nevhodně formulovaný dotaz odpovědět obecnou banalitou, zatímco na precizně napsaný prompt dodá výsledek, který šetří hodiny práce. Tomuto umění říkáme prompt engineering.
Co je prompt engineering
Prompt engineering je disciplína navrhování vstupních textů (promptů) pro jazykové modely tak, aby generovaly přesné, relevantní a použitelné výstupy. Není to programování v tradičním smyslu — pracujete s přirozeným jazykem. Je to ale dovednost, která se dá naučit a systematicky zlepšovat.
V roce 2025 se prompt engineering stal mezioborovou kompetencí. Vyžadují ji marketéři, analytici, právníci i obchodní manažeři — kdokoliv, kdo s AI pracuje pravidelně.
Čtyři pilíře dobrého promptu
Každý efektivní prompt obsahuje až čtyři složky:
1. Kontext (Context)
Říkáte AI, kdo je, pro koho pracuje a jaký je širší rámec úlohy.
Špatně: „Napiš e-mail."
Dobře: „Jsi asistent obchodního manažera v B2B softwarové firmě. Píšeš follow-up e-mail zákazníkovi, který si před 3 dny prohlédl demo, ale ještě neodpověděl."
2. Data (Data)
Specifické informace, se kterými má AI pracovat.
Špatně: „Shrň tento dokument."
Dobře: „Shrň následující smlouvu do 5 klíčových bodů. Zaměř se na závazky, termíny a sankce. [text smlouvy]"
3. Úkol (Task)
Jasné vymezení toho, co má AI udělat.
Špatně: „Pomoz mi s marketingem."
Dobře: „Navrhni 5 nadpisů pro LinkedIn příspěvek propagující nový webinář o AI automatizaci. Každý nadpis max. 100 znaků, tón odborný ale přístupný."
4. Formát (Format)
Specifikujte, jak má výstup vypadat.
Dobře: „Výstup formátuj jako JSON seznam s klíči: název, popis (1 věta), cena, klady (3 body)."
Pokročilé techniky
Chain-of-thought (řetěz myšlenek)
Požádejte AI, aby přemýšlela nahlas. Přidejte instrukci: „Přemýšlej krok za krokem" nebo „Nejprve analyzuj situaci, pak navrhni řešení."
Tato technika výrazně zlepšuje výsledky u složitých analytických úloh.
Few-shot prompting (příklady)
Uveďte 2–3 příklady toho, jak má výstup vypadat. Model pak generuje v podobném stylu.
Vstup: „Reklamace zboží"
Výstup: „Kategorie: Zákaznická péče | Priorita: Vysoká | Oddělení: Reklamace"
Vstup: „Dotaz na cenu produktu X"
Výstup: „Kategorie: Obchod | Priorita: Střední | Oddělení: Sales"
Vstup: „[váš text]"
Výstup:
Role prompting
Přidělte AI konkrétní roli. „Jsi zkušený copywriter specializující se na B2B SaaS" dá konzistentnější výsledky než bez jakéhokoliv kontextu.
Systémový prompt vs. uživatelský prompt
V produkčních aplikacích se používají dva typy promptů:
- Systémový prompt — definuje chování modelu, jeho roli a omezení. Nastavuje se jednou a platí pro celou konverzaci.
- Uživatelský prompt — konkrétní dotaz nebo úkol pro danou interakci.
Nejčastější chyby v promptech
Vágnost — „Napiš dobrý text" nedává AI žádné vodítko, co „dobrý" znamená.
Příliš mnoho požadavků najednou — lepší je rozložit složitý úkol do více kroků.
Chybějící negativní instrukce — pokud nechcete, aby AI něco dělala, řekněte to explicitně: „Nepoužívej žargon, nepíš v první osobě množného čísla."
Ignorování teploty a parametrů — při API volání ovlivňuje parametr temperature míru kreativity vs. přesnosti. Pro faktické texty volte nižší hodnoty (0.1–0.3), pro kreativní obsah vyšší (0.7–0.9).
Prompt engineering ve firemním prostředí
Pro firmy je zásadní standardizovat prompty pro opakující se úkoly. Místo toho, aby každý zaměstnanec psal prompt od nuly, mějte knihovnu ověřených promptů pro typické situace: shrnutí schůzky, draft e-mailu, analýza dat, tvorba obsahu.
Tím zajistíte konzistentní kvalitu výstupů napříč celým týmem.
Závěr
Prompt engineering je dnes jednou z nejcennějších digitálních kompetencí. Nezáleží na tom, zda jste technický nebo netechnický pracovník — pokud pravidelně pracujete s AI, investice do zdokonalení vašich promptů se mnohonásobně vrátí na kvalitě výsledků a ušetřeném čase.
