Každý den píšeme. E‑maily, poznámky, zprávy, eseje, příspěvky na sociální sítě. A čím dál častěji na tom nejsme sami. Vedle nás – nebo spíš v našich zařízeních – píše i umělá inteligence. Téměř miliarda lidí týdně podle výzkumů využívá velké jazykové modely (LLM), aby jim pomohly s textem, který by jinak museli vytvářet sami.
Jenže nové poznatky ukazují, že tato pomoc není tak nevinná, jak se může na první pohled zdát.
Vědecká práce How LLMs Distort Our Written Language, publikovaná v březnu 2026, poskytuje zatím nejdetailnější vhled do toho, co se s naším psaním děje, když do něj zasáhne AI. A její závěry se mohou stát jedním z milníků debaty o roli umělé inteligence v každodenní komunikaci.
📝 Nejmenší úprava, největší dopad
Představte si, že požádáte AI o „minimální úpravy“. Možná jen o opravu gramatiky, uhlazení vět, nebo lehké vylepšení stylu. Většina z nás předpokládá, že význam textu zůstane stejný. Studie ovšem ukazuje pravý opak.
Vědci použili kolekci 86 esejí napsaných studenty v roce 2021, tedy ještě před nástupem moderních generativních modelů. Tyto texty následně nechali upravit současnými LLM – GPT‑5-mini, Gemini i Claude – podle stejných instrukcí, jaké dostali dříve studenti: opravte chyby, držte se tématu, řešte připomínky.
Výsledek? Úpravy od AI byly:
🟢 mnohem výraznější než lidské,
🟢 systematicky posunuté stejným směrem,
🟢 a matematicky měřitelné jako změna významu, nikoliv stylu.
Jinými slovy: AI má tendenci přepisovat argumentaci jako celek, i když ji výslovně požádáte, aby to nedělala.
🎭 Kde končí autor a začíná algoritmus?
Kromě analýzy starších textů provedli autoři také kontrolovaný experiment se 100 lidmi. Polovina z nich psala esej bez asistence, druhá skupina měla k dispozici model gpt‑4o-mini.
A i zde se ukázalo něco znepokojivého:
☢️ Eseje s intenzivní pomocí AI byly o 70 % častěji neutrální – ztrácely jednoznačné stanovisko.
☢️ Uživatelé uvedli, že se cítili méně kreativní,
☢️ a výsledný text nepřipadal „jako jejich“.
Ačkoliv byli celkově se svým výsledkem poměrně spokojení, často nevnímali, že AI posunula jejich názory jinam, než kam by se přiklonili sami.
🔬 Věda pod tlakem algoritmů
Pokud se změna hlasu autora stane ve studentské eseji, je to nepříjemné. Pokud ale totéž začíná pronikat do vědeckých institucí, jde už o otázku systémového dopadu.
Analýza 75 000 recenzí z prestižní konference ICLR 2026 odhalila, že 21 % z nich bylo vytvořeno nebo silně ovlivněno LLM – i přes zákaz takového postupu.
A co je důležitější: LLM-generované recenze se nápadně liší od těch lidských.
☢️ Často dávají vyšší hodnocení než lidští recenzenti (v průměru o 1 bod).
☢️ Zaměřují se na jiné hodnotící kritérium: méně na jasnost či vědecký přínos, více na škálovatelnost a reprodukovatelnost.
To znamená, že AI formuje vědecké standardy – nikoli jen texty.
🎤 „Algoritmický jednohlas“: když začneme znít všichni stejně
Některé analýzy popisují fenomén, který se začíná objevovat napříč literaturou, e‑maily, blogy i odbornými texty: tzv. algorithmic mono‑voice.
Mnoho modelů – ať už pocházejí od různých firem či generací – totiž produkuje velmi podobné konstrukce vět, přechody, argumentační struktury i slovní zásobu.
Studie potvrzuje, že LLM:
☢️ potlačují osobní tón autora,
☢️ přidávají více analytických obratů,
☢️ volí emočně výraznější jazyk, než je běžné v lidských revizích.
A protože stále častěji texty vznikají ve spolupráci člověka s AI, začínáme tento styl přejímat i do své komunikace.
🌍 Co to znamená pro společnost a kulturu?
Výsledky naznačují, že technologie, kterou používáme k usnadnění psaní, zároveň pomalu formuje způsob, jakým přemýšlíme a argumentujeme.
🚨 Snižuje se rozmanitost stylů, protože se přibližujeme jednomu algoritmicky ideálnímu vzoru.
🚨 Mění se význam, a to i tam, kde to vůbec neočekáváme.
🚨 Instituce jako věda či vzdělávání se už s tímto vlivem reálně potýkají.
Neznamená to, že bychom měli přestat používat umělou inteligenci při psaní. Spíše se ukazuje, že je nezbytné rozvíjet transparentní nástroje, které dokážou upravovat text bez narušování jeho významu––a také učit lidi, jak psát s AI, aniž by přicházeli o svůj charakter psaní textů.
📚 Použité zdroje
- How LLMs Distort Our Written Language – arXiv (2026) [abdulhaim.github.io]
- PDF How LLMs Distort Our Written Language (váš nahraný zdroj) [arxiv.org]
- AlphaXiv – přehled studie a analýza experimentů (2026) [github.com]
- EmergentMind – odborný komentář a souhrn (2026) [arxivlens.com]
- GitHub: llm_writing_distortion – podrobná metodika a datové zdroje (2026) [emergentmind.com]
- ArxivLens – souhrnné informace o studii (2026) [How_LLMs_D…n_Language | PDF]
Podcast & blog by Pepik Hipik & Knižní kočka 