[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"post-co-je-llm-velky-jazykovy-model-vysvetleny":3,"$fXeC77ibo_YuG-ZnFG3hwyaNC83zFAKw-FvBNoL2JrIM":15},{"slug":4,"title":5,"excerpt":6,"category":7,"author":8,"readingTime":9,"coverImage":10,"bodyHtml":11,"metaTitle":12,"metaDescription":13,"date":14},"co-je-llm-velky-jazykovy-model-vysvetleny","Co je LLM: velký jazykový model bez mystiky","Jak je možné, že program předpovídající další slovo napíše funkční kód? Rozebíráme, co se děje uvnitř jazykového modelu.","Základy","MightCore","8 min",null,"\u003Cp>Vysvětlení, které slyšíte nejčastěji, zní: velký jazykový model předpovídá další slovo. Je to pravda a zároveň to nepomáhá. Automatické doplňování v telefonu taky předpovídá další slovo a nikdo od něj nečeká, že mu zrefaktoruje kód.\u003C\u002Fp>\n\u003Cp>Rozdíl je v tom, co všechno se model musel naučit, aby to slovo trefil.\u003C\u002Fp>\n\n\u003Ch2>Předpovídání jako vedlejší efekt\u003C\u002Fh2>\n\u003Cp>Představte si, že vaším jediným úkolem je doplnit poslední slovo věty. U „Káva je horká, tak si na ni dám ___\" stačí cit pro jazyk. U „Součet 47 a 58 je ___\" už musíte umět počítat. U „Tahle funkce padá, protože proměnná je ___\" musíte rozumět kódu.\u003C\u002Fp>\n\u003Cp>A přesně tohle je jádro věci. Když model trénujete na doplňování slov napříč celým internetem — knihami, dokumentací, diskusemi, kódem — nemůže ten úkol zvládnout, aniž by se cestou naučil gramatiku, aritmetiku, kus faktů o světě a strukturu programovacích jazyků. Schopnosti nejsou cíl. Jsou vedlejší produkt jednoho hloupě znějícího úkolu, opakovaného v obrovském měřítku.\u003C\u002Fp>\n\u003Cp>„Velký\" ve zkratce LLM neznamená, že jde o velký soubor. Znamená, že má řádově miliardy parametrů — čísel, která se během tréninku doladila. Právě v nich je uloženo všechno, co se model naučil.\u003C\u002Fp>\n\n\u003Ch2>Tokeny: model nevidí slova\u003C\u002Fh2>\n\u003Cp>Text se před zpracováním naseká na tokeny. Token je zhruba kus slova — běžná slova bývají jeden token, delší nebo neobvyklá se rozpadnou na víc.\u003C\u002Fp>\n\u003Cp>Zní to jako technický detail, ale vysvětluje to zvláštnosti, na které narazíte. Proč se model občas plete při počítání písmen ve slově? Protože písmena nevidí, vidí tokeny. Proč za API platíte za tokeny, a ne za znaky? Protože tokeny jsou jednotka, se kterou model reálně pracuje. A proč čeština spotřebuje víc tokenů než angličtina na tutéž větu? Protože tokenizér byl trénovaný převážně na anglických textech.\u003C\u002Fp>\n\n\u003Ch2>Kontextové okno je pracovní stůl\u003C\u002Fh2>\n\u003Cp>Kontextové okno je množství tokenů, které model dokáže udržet naráz — otázka, dosavadní konverzace, přiložené dokumenty, systémové instrukce. Všechno dohromady.\u003C\u002Fp>\n\u003Cp>Důležité je, že model si mezi voláními \u003Cstrong>nic nepamatuje\u003C\u002Fstrong>. Když se vám zdá, že si pamatuje, co jste psali před pěti minutami, je to proto, že mu aplikace celou konverzaci poslala znovu. Každé jedno volání. Model je jako kolega s dokonalou amnézií: pokaždé mu podáte celou složku a on ji přečte od začátku.\u003C\u002Fp>\n\u003Cp>To má dva praktické důsledky. Dlouhá konverzace je drahá, protože se posílá celá. A když okno přeteče, něco z něj vypadne — obvykle to nejstarší. Proto se dlouhé chaty občas začnou chovat, jako by zapomněly, na čem jste se domluvili. Nezapomněly. Nikdy to neviděly.\u003C\u002Fp>\n\n\u003Ch2>Teplota a proč dvakrát dostanete jinou odpověď\u003C\u002Fh2>\n\u003Cp>Model nevybírá jedno další slovo. Spočítá pravděpodobnost pro celý slovník a pak z ní vzorkuje. Parametr teplota určuje, jak moc se smí odchýlit od nejpravděpodobnější volby.\u003C\u002Fp>\n\u003Cp>Nízká teplota znamená předvídatelné, nudné a konzistentní odpovědi. Vysoká znamená kreativní, překvapivé a nespolehlivé. Na extrakci údajů z faktury chcete nízkou. Na brainstorming názvů kampaně vyšší. Neexistuje správná hodnota, existuje správná hodnota pro danou úlohu.\u003C\u002Fp>\n\u003Cp>To zároveň vysvětluje, proč je testování AI funkcí otravné. Tentýž vstup vám dá pokaždé trochu jinou odpověď.\u003C\u002Fp>\n\n\u003Ch2>Halucinace nejsou bug\u003C\u002Fh2>\n\u003Cp>Model nikdy nerozlišoval mezi „vím to\" a „zní to pravděpodobně\". Celou dobu dělá totéž: hledá nejpřirozenější pokračování textu. Když se zeptáte na fakt, který v trénovacích datech nebyl, model neodpoví „nevím\" — protože nejpřirozenějším pokračováním otázky je odpověď, ne přiznání nevědomosti.\u003C\u002Fp>\n\u003Cp>Proto vám s absolutní jistotou vymyslí neexistující normu, špatný paragraf nebo knihu, která nikdy nevyšla. Není to lež. Je to statistika dělající přesně to, na co byla postavená.\u003C\u002Fp>\n\u003Cp>Zmírnit se to dá — dodat modelu skutečné podklady a nechat ho odpovídat z nich (to je princip RAG), chtít citace, nebo ověřovat výstup kódem. Odstranit se to nedá.\u003C\u002Fp>\n\n\u003Ch2>Proč na tom záleží\u003C\u002Fh2>\n\u003Cp>Většina zklamání z LLM pramení z toho, že lidé čekali databázi a dostali jazykový model. Databáze vám vrátí fakt nebo chybu. Jazykový model vám vždycky vrátí text, který zní dobře.\u003C\u002Fp>\n\u003Cp>Když tuhle jednu věc pochopíte, zbytek už dává smysl: proč mu je potřeba dávat kontext, proč mu nevěřit naslepo a proč ty nejlepší AI funkce vypadají nudně — model udělá návrh, člověk ho potvrdí.\u003C\u002Fp>","Co je LLM — velký jazykový model srozumitelně","Jak funguje velký jazykový model (LLM), co znamenají tokeny, kontextové okno a teplota, a proč model halucinuje.","2026-02-11T00:00:00.000Z",[16,23,29,35,41,48,55,60,64,69,74,79,84,89,94,99,104,109,110,116,121,126,131,136,141,146,151,156,161,166,171,176,181,186,190,195,200],{"slug":17,"title":18,"excerpt":19,"category":20,"author":8,"readingTime":21,"coverImage":10,"date":22},"jak-se-bavit-s-jazykovym-modelem-prompty-v-praxi","Jak se bavit s modelem: prompty bez zaklínadel","Prompt engineering není seznam magických frází. Je to schopnost přesně říct, co chcete — což je těžší, než se zdá.","Návody","7 min","2026-07-08T00:00:00.000Z",{"slug":24,"title":25,"excerpt":26,"category":27,"author":8,"readingTime":21,"coverImage":10,"date":28},"jak-si-vybrat-jazykovy-model-a-uhlidat-naklady","Jak si vybrat jazykový model a uhlídat náklady","Benchmarky vám neřeknou skoro nic užitečného. Co doopravdy rozhoduje při výběru modelu a kde vznikají náklady, které nikdo nečekal.","Vývoj","2026-06-30T00:00:00.000Z",{"slug":30,"title":31,"excerpt":32,"category":27,"author":8,"readingTime":33,"coverImage":10,"date":34},"programovani-v-case-ai-co-se-realne-zmenilo","Programování v čase AI: co se reálně změnilo","Ne, programátory to nenahradilo. Ale změnilo to, kde tráví čas — a ne všechny ty změny jsou příjemné.","9 min","2026-06-17T00:00:00.000Z",{"slug":36,"title":37,"excerpt":38,"category":39,"author":8,"readingTime":21,"coverImage":10,"date":40},"ai-modelka-pre-vas-brand-sprievodca","AI modelka pro vaši značku: kompletní průvodce","Od zadání přes tvorbu avatara až po první kampaň — krok za krokem.","AI UGC","2026-06-16T00:00:00.000Z",{"slug":42,"title":43,"excerpt":44,"category":45,"author":8,"readingTime":46,"coverImage":10,"date":47},"pripadova-studia-cleago","Případová studie: Cleago — platforma postavená na kontextu","Jak jsme pro Cleago (www.cleago.sk) navrhli a postavili řešení tak, že jsme nejprve pochopili kontext a teprve potom kódovali.","Případové studie","5 min","2026-06-02T00:00:00.000Z",{"slug":49,"title":50,"excerpt":51,"category":52,"author":8,"readingTime":53,"coverImage":10,"date":54},"kde-ai-nepouzit-a-proc-to-nikdo-nerekne","Kde AI nepoužít (a proč vám to nikdo neřekne)","Firma, která AI prodává, má malou motivaci mluvit o jejích hranicích. Zkusme to napravit — tohle jsou místa, kam AI prostě nepatří.","Pro firmy","6 min","2026-05-27T00:00:00.000Z",{"slug":56,"title":57,"excerpt":58,"category":39,"author":8,"readingTime":46,"coverImage":10,"date":59},"ai-modelka-konzistentni-znacka-napric-kampanemi","Konzistentní značka s AI modelkou napříč kampaněmi","AI modelka může být stálou tváří značky — pokud se o konzistenci a transparentnost postaráte správně. Jak na to.","2026-05-19T00:00:00.000Z",{"slug":61,"title":62,"excerpt":63,"category":45,"author":8,"readingTime":46,"coverImage":10,"date":59},"pripadova-studia-produktove-fotky","Případová studie: o 80 % méně času na tvorbu produktových fotek","Reálný příklad nasazení AI fotek v e-shopu — od zadání po výsledky.",{"slug":65,"title":66,"excerpt":67,"category":52,"author":8,"readingTime":9,"coverImage":10,"date":68},"kde-se-ai-ve-firme-realne-hodi","Kde se AI ve firmě reálně hodí (a kde je to jen efektní)","Konkrétní aplikace napříč odděleními — co funguje dnes, co vyžaduje přípravu a co je zatím spíš ukázka než nástroj.","2026-05-06T00:00:00.000Z",{"slug":70,"title":71,"excerpt":72,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":73},"rest-vs-graphql-pre-eshopy","REST vs. GraphQL API pro moderní e-shopy","Kdy zvolit který přístup a jaké jsou dopady na výkon a vývoj.","2026-04-21T00:00:00.000Z",{"slug":75,"title":76,"excerpt":77,"category":52,"author":8,"readingTime":33,"coverImage":10,"date":78},"jak-zavest-ai-do-firmy-prvni-kroky","Jak zavést AI do firmy, aniž byste vyhodili peníze","Většina AI projektů nepadne na technologii. Padne na tom, že si nikdo neřekl, co se má vlastně zlepšit. O tom, kde začít.","2026-04-15T00:00:00.000Z",{"slug":80,"title":81,"excerpt":82,"category":45,"author":8,"readingTime":53,"coverImage":10,"date":83},"pripadova-studie-migrace-monolitu-na-moduly","Případová studie: z monolitu na modulární architekturu bez výpadku","Ilustrativní příklad postupné modernizace starší aplikace — kde každá změna byla riziková a údržba drahá.","2026-04-14T00:00:00.000Z",{"slug":85,"title":86,"excerpt":87,"category":20,"author":8,"readingTime":9,"coverImage":10,"date":88},"ai-agenti-a-tool-calling-co-to-je-a-kdy-to-dava-smysl","AI agenti a tool calling: kdy to dává smysl a kdy ne","Agent je model, který smí jednat. To je zajímavé i nebezpečné zároveň. O tom, jak to funguje a kde si dát pozor.","2026-03-25T00:00:00.000Z",{"slug":90,"title":91,"excerpt":92,"category":20,"author":8,"readingTime":53,"coverImage":10,"date":93},"context-driven-development-sber-kontextu-v-praxi","Context Driven Development v praxi: jak sběr kontextu mění výsledek","Nejdražší chyby vznikají ze špatně pochopeného zadání. Ukazujeme, jak vypadá sběr kontextu, který jim předchází.","2026-03-17T00:00:00.000Z",{"slug":95,"title":96,"excerpt":97,"category":98,"author":8,"readingTime":53,"coverImage":10,"date":93},"uctovnictvo-novej-generacie","Účetnictví nové generace: platforma postavená na kontextu","Vize inteligentní nadstavby nad existujícími účetními nástroji.","Účetnictví",{"slug":100,"title":101,"excerpt":102,"category":20,"author":8,"readingTime":33,"coverImage":10,"date":103},"jak-orchestrovat-jazykove-modely-v-praxi","Jak orchestrovat jazykové modely: od jednoho promptu k systému","Jeden prompt je demo. Aplikace je něco jiného. O dělení úloh, routování mezi modely a o tom, kde nechat obyčejný kód.","2026-03-04T00:00:00.000Z",{"slug":105,"title":106,"excerpt":107,"category":98,"author":8,"readingTime":46,"coverImage":10,"date":108},"digitalizace-ucetnictvi-efakturace","Digitalizace účetnictví: e-fakturace a co přináší","Elektronická fakturace a reportování se stávají standardem. Co to znamená pro firmy a jak se připravit bez paniky.","2026-02-17T00:00:00.000Z",{"slug":4,"title":5,"excerpt":6,"category":7,"author":8,"readingTime":9,"coverImage":10,"date":14},{"slug":111,"title":112,"excerpt":113,"category":114,"author":8,"readingTime":46,"coverImage":10,"date":115},"ako-ai-setri-naklady-na-video","Jak AI šetří náklady na produkci video obsahu","Konkrétní čísla a workflow tvorby AI videí pro e-shopy.","Marketing","2026-02-10T00:00:00.000Z",{"slug":117,"title":118,"excerpt":119,"category":7,"author":8,"readingTime":21,"coverImage":10,"date":120},"co-je-umela-inteligence-vysvetleni-bez-marketingu","Co je umělá inteligence (a co jí není)","Slovo AI dnes znamená všechno, a tím pádem nic. Zkusme si říct, co se pod ním reálně skrývá a kde je hranice mezi technologií a marketingem.","2026-01-21T00:00:00.000Z",{"slug":122,"title":123,"excerpt":124,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":125},"vektorove-databaze-a-embeddingy","Vektorové databáze a embeddingy: jak stroje rozumějí významu","Sémantické vyhledávání stojí za mnoha AI funkcemi. Vysvětlujeme, co jsou embeddingy a proč na nich stojí moderní práce s daty.","2026-01-20T00:00:00.000Z",{"slug":127,"title":128,"excerpt":129,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":130},"trendy-v-ai-vyvoji-2026","Trendy v AI vývoji pro rok 2026","Co čeká firmy v oblasti AI agentů, automatizace a infrastruktury.","2026-01-14T00:00:00.000Z",{"slug":132,"title":133,"excerpt":134,"category":45,"author":8,"readingTime":46,"coverImage":10,"date":135},"pripadova-studie-ai-produktove-foto-kosmetika","Případová studie: AI produktové fotografie pro kosmetický e-shop","Ilustrativní příklad, jak AI obsah nahradil opakované focení a přinesl konzistentní vizuální identitu napříč sezónami.","2025-12-09T00:00:00.000Z",{"slug":137,"title":138,"excerpt":139,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":140},"integrace-ai-do-existujicich-systemu","Jak integrovat AI do existujících systémů bez přepisování","Nemusíte zahodit funkční software, abyste využili AI. Vysvětlujeme přístup, který přidává hodnotu po krocích a bez velkého rizika.","2025-11-18T00:00:00.000Z",{"slug":142,"title":143,"excerpt":144,"category":20,"author":8,"readingTime":21,"coverImage":10,"date":145},"gdpr-a-ai-obsah","GDPR a AI obsah: na co si dát pozor","Právní minimum pro firmy, které pracují s AI obsahem a osobními údaji.","2025-11-11T00:00:00.000Z",{"slug":147,"title":148,"excerpt":149,"category":39,"author":8,"readingTime":53,"coverImage":10,"date":150},"virtualne-ai-modelky","Virtuální AI modelky: budoucnost reklamy nebo přechodný trend?","Možnosti, limity a etika virtuálních influencerů pro značky.","2025-10-20T00:00:00.000Z",{"slug":152,"title":153,"excerpt":154,"category":39,"author":8,"readingTime":46,"coverImage":10,"date":155},"ai-ugc-ve-vykonnostnim-marketingu","AI UGC ve výkonnostním marketingu: co funguje a co platí","Jak využít AI obsah při kampaních na Meta a TikTok, proč je důležité testování kreativ a jaká pravidla označování platí.","2025-10-14T00:00:00.000Z",{"slug":157,"title":158,"excerpt":159,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":160},"halucinace-jazykovych-modelu-jak-je-omezit","Halucinace jazykových modelů a jak je v praxi omezit","Proč AI někdy sebevědomě tvrdí nesmysly a jaké techniky používáme, aby výstup zůstal důvěryhodný.","2025-09-16T00:00:00.000Z",{"slug":162,"title":163,"excerpt":164,"category":39,"author":8,"readingTime":46,"coverImage":10,"date":165},"co-je-ai-ugc","Co je AI UGC a proč o něm mluví celý svět","Úvod do AI generovaného UGC a jeho dopadu na reklamu a důvěru zákazníků.","2025-09-15T00:00:00.000Z",{"slug":167,"title":168,"excerpt":169,"category":45,"author":8,"readingTime":53,"coverImage":10,"date":170},"pripadova-studie-b2b-eshop-rychlejsi-dodani","Případová studie: B2B e-shop připravený za týdny, ne měsíce","Ilustrativní ukázka, jak sběr kontextu a AI vypracování zkrátily vývoj velkoobchodního e-shopu — bez kompromisů v kvalitě.","2025-08-19T00:00:00.000Z",{"slug":172,"title":173,"excerpt":174,"category":114,"author":8,"readingTime":46,"coverImage":10,"date":175},"ai-v-marketingu-od-experimentu-k-vysledkom","AI v marketingu: od experimentu k reálným výsledkům","Jak přejít od „pokusů s AI\" k měřitelné návratnosti investice.","2025-08-06T00:00:00.000Z",{"slug":177,"title":178,"excerpt":179,"category":98,"author":8,"readingTime":46,"coverImage":10,"date":180},"ai-zpracovani-faktur-v-ucetnictvi","AI zpracování faktur: od skenu k zaúčtování","Inteligentní zpracování dokumentů zkracuje rutinní přepisování faktur. Jak to funguje a kde má AI své hranice.","2025-07-15T00:00:00.000Z",{"slug":182,"title":183,"excerpt":184,"category":20,"author":8,"readingTime":53,"coverImage":10,"date":185},"rag-proc-kontext-rozhoduje-o-kvalite-ai","RAG: proč kontext rozhoduje o kvalitě AI výstupů","Retrieval-Augmented Generation propojuje jazykový model s vašimi vlastními daty. Vysvětlujeme, jak funguje a kdy ho nasadit.","2025-06-18T00:00:00.000Z",{"slug":187,"title":188,"excerpt":189,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":185},"shopsys-vs-vlastne-riesenie","ShopSys vs. vlastní řešení: kdy se vyplatí framework","Rozhodovací rámec pro majitele e-shopů, kteří stojí před volbou platformy.",{"slug":191,"title":192,"excerpt":193,"category":114,"author":8,"readingTime":46,"coverImage":10,"date":194},"ako-ai-meni-ecommerce-na-slovensku","Jak AI mění e-commerce na Slovensku a v Česku","Praktické příklady AI v produktovém obsahu, vyhledávání a personalizaci pro e-shopy.","2025-05-21T00:00:00.000Z",{"slug":196,"title":197,"excerpt":198,"category":27,"author":8,"readingTime":21,"coverImage":10,"date":199},"context-driven-development-novy-pristup","Context Driven Development: nový přístup k tvorbě softwaru","Vysvětlení metodiky CDD od sběru kontextu až po nasazení — krok za krokem.","2025-04-09T00:00:00.000Z",{"slug":201,"title":202,"excerpt":203,"category":27,"author":8,"readingTime":53,"coverImage":10,"date":204},"koniec-ery-predrazeneho-vyvoja","Proč je éra předraženého vývoje softwaru u konce","Jak AI a přístup řízený kontextem mění ekonomiku tvorby softwaru — a proč už nedává smysl platit za nafouknuté hodiny.","2025-03-12T00:00:00.000Z"]