Planeta OpenAlt

AI vám vyrobí viac obsahu, rýchlejšie spracuje dáta a pomôže rozbehnúť ďalšiu kampaň. Lenže zákazník si nekupuje vašu produktivitu. Kupuje si riešenie svojho problému. A práve tu sa dnes láme veľká časť debaty o AI v marketingu.

Existuje zvláštna fáza zavádzania AI do firmy. Ľudia už majú účty, absolvovali školenie a v prezentácii pribudol slide s agentmi. Texty vznikajú rýchlejšie. Reporty vyzerajú lepšie. Na porade sa hovorí o transformácii.

Potom sa niekto opýta, čo sa vlastne zmenilo pre zákazníka. A na chvíľu je ticho.

Presne preto ma zaujal e-book AI for Marketing Leaders, 2026 Edition od CMO Alliance. Má 113 strán a vznikol v spolupráci s DemandScience, Ahrefs a Aampe. Najlepšie časti sa venujú rozhodnutiam, ktoré treba urobiť pred ďalším nákupom softvéru: kde vám AI pomôže, podľa čoho to spoznáte a čo musí zmeniť tím, aby to vôbec fungovalo.

Vybral som z neho myšlienky, ktoré podľa mňa stoja za prenesenie do praxe. Doplnil som vlastné modelové príklady, otázky na poradu a postup pre menší tím. Pri vyhľadávaní aj novšie zdroje, pretože v tejto oblasti môže zostarnúť číslo skôr, než sa stihne dopracovať dizajn e-booku.

Čo si z toho odniesť už teraz (ak je to na vás dlhé)

• Úspora času je legitímny výsledok. Treba však vedieť, či od AI čakáte lacnejšiu prevádzku, novú schopnosť alebo náskok pred konkurenciou. Každé sa meria inak.
• Začnite problémovým miestom vo firme. Ďalší generátor textov nepomôže, ak obchod nevie použiť materiály, ktoré už máte.
• Agent potrebuje hranice. Jasné vstupy, povolené akcie, kontrolu výsledku a spôsob, ako ho zastaviť.
• Vlastné dáta a spätná väzba majú dlhšiu životnosť než obľúbený nástroj. Najmä keď viete, odkiaľ pochádzajú a čo skutočne znamenajú.
• Viditeľnosť vo vyhľadávaní sa rozširuje o AI odpovede. Stále však rozhoduje, či máte čo užitočné povedať a či sa k tomu vyhľadávač dostane.
• Schopnosť vyrobiť obsah prestáva byť vzácna. Hodnotu získava názor, skúsenosť, dôkaz a schopnosť vybrať, čo vôbec publikovať.
• Tím potrebuje čas na učenie. Pridať „venovať sa AI“ k plnému kalendáru je jednoduché. Vytvoriť na to reálny priestor je už manažérska práca.

Čo nájdete v článku

1. Vyšší stupeň AI vyspelosti nemusí byť váš cieľ
2. Tri druhy ROI a jedna drahá zámena
3. Zelený dashboard, prázdny obchodný funnel
4. Agenti: komu zveriť prácu a komu tlačidlo Publikovať
5. Dice.com: zaujímavejší než počet agentov je spôsob práce
6. AI nájde vzorec. Vy musíte zistiť, či existuje
7. Personalizácia, ktorá zákazníkovi aj niečo dá
8. Najcennejší AI asset možno už máte. Len je rozhádzaný po firme
9. Daň za ďalší nástroj sa na faktúre nezobrazuje celá
10. SEO, GEO a zákazník, ktorý si názor vytvoril ešte pred návštevou webu
11. Obsah vo veľkom: teraz treba vedieť aj to, čo nepublikovať
12. „Píš profesionálne a ľudsky“ je veľmi slabé zadanie
13. Najťažšia časť zmeny sedí na porade s vami
14. Čo by som spravil počas najbližších 90 dní
15. Čo sledovať ďalej a čomu zatiaľ nepodľahnúť
16. Čo by som si dal na ďalšiu poradu
17. Zdroje a poznámky k číslam

1. Vyšší stupeň AI vyspelosti nemusí byť váš cieľ

Firemné modely vyspelosti majú jednu príjemnú vlastnosť: zmestia komplikovaný svet do štyroch políčok. Skúmate, experimentujete, integrujete, transformujete. Každý si nájde svoje políčko a na ďalší kvartál dostane úlohu posunúť sa doprava.

Lenže takéto hodnotenie hovorí predovšetkým o tom, čo robíte. Oveľa menej o tom, či je to pre váš biznis správne.

Marketing firmy predávajúcej drahé priemyselné zariadenia cez dlhodobé vzťahy môže získať veľa už tým, že obchodníci rýchlo nájdu správnu dokumentáciu. Internetová služba, ktorá získava zákazníkov cez množstvo malých experimentov, môže potrebovať úplne iný spôsob práce. Obe firmy pritom môžu v dotazníku zaškrtnúť „testujeme AI“.

Výrez z e-booku CMO Alliance, s. 11. Najväčšia skupina je vo fáze testovania. Graf používa zaokrúhlené hodnoty; inde v reporte sa objavuje 52,4 % pri pilotoch a 18,3 % pri integrácii. Pri grafe nie je uvedená vzorka ani obdobie zberu dát, preto ho čítajme orientačne.

CMO Alliance preto pridáva štyri samostatné rozmery pripravenosti. Toto je podľa mňa jeden z najužitočnejších momentov celého reportu. Namiesto jedného skóre potrebujete štyri úprimné odpovede.

Ak je tlak vysoký a kapacita nízka, ďalších päť pilotov vás pravdepodobne nezachráni. Treba budovať základ:

• dostupnosť dát
• schopnosti ľudí
• jasné vlastníctvo procesov.

Ak máte schopnosti aj dáta, ale zmeny sa vo firme nehýbu, treba riešiť rozhodovanie. Výmena modelu vám neschváli nový proces.

A ak AI nezasahuje hlavné obmedzenie vášho biznisu, pokojne zostaňte pri rozumnej automatizácii. Ušetriť tímu niekoľko hodín týždenne je dobrý výsledok aj bez toho, aby sa firma premenovala na AI-native.

Môj praktický tip: ku každému rozmeru napíšte jeden dôkaz a jedno obmedzenie. „Máme kvalitné dáta“ je pocit. „Pri posledných 100 obchodoch vieme dohľadať zdroj, výsledok a dôvod prečo sme nevyhrali deal“ je oveľa užitočnejšia odpoveď.

2. Tri druhy ROI a jedna drahá zámena

„Vďaka AI sme ušetrili 200 hodín.“ Krááásna veta do prezentácie. Lenže vedenie v nej môže počuť nižšie náklady, zatiaľ čo marketing viac priestoru na prácu. Obe strany prikyvujú. Každá niečomu inému.

Report rozlišuje tri druhy návratnosti. V praxi sú to tri odlišné odpovede na otázku, čo za investíciu dostanete.

Efektivita: existujúcu prácu urobíme lacnejšie alebo rýchlejšie

Čistenie zoznamu kontaktov, prepis rozhovoru, prvý návrh reportu, príprava rôznych variantov textu. Výstup poznáte a chcete znížiť čas alebo náklady potrebné na jeho vytvorenie.

Tu má zmysel merať čas na dokončený a prijatý výstup, cenu za takýto výstup a množstvo opráv. Slovo „prijatý“ je dôležité. Ak AI pripraví návrh za minútu a človek ho hodinu opravuje, minúta nie je čas vášho procesu.

Nová schopnosť: dokážeme robiť niečo, na čo sme predtým nemali kapacitu

Menší tím začne systematicky analyzovať všetky zákaznícke rozhovory. Firma pripraví relevantné podklady pre segment, ktorý predtým nevedela obslúžiť. Marketing priebežne sleduje konkrétne dôvody stratených obchodov namiesto náhodnej spätnej väzby z porady.

Počet nových variantov či analýz ešte nie je konečný výsledok. Nová schopnosť má hodnotu, keď pomáha lepšie rozhodovať, oslovovať vhodných zákazníkov alebo odstraňovať ich problém. Preto potrebujete sledovať aj jej použitie a následný efekt.

Konkurenčný prínos: získavame výhodu, ktorú je ťažšie skopírovať

Konkurencia si vie kúpiť rovnaký model. Ťažšie skopíruje váš spôsob zberu poznatkov od zákazníkov, vyhodnocovania experimentov a premietania výsledkov do produktu či ponuky.

Tu už ide o úspešnosť v konkrétnych konkurenčných obchodoch, udržanie zákazníkov, schopnosť obslúžiť nový trh alebo obhájiť cenu. Takéto výsledky ovplyvňuje viac faktorov. Jeden lepší kvartál preto automaticky nedokazuje, že ste si vybudovali AI náskok.

A teraz príklad, ktorý sa dá prepočítať

Predstavme si modelový tím, ktorý na pravidelný report potrebuje 12 hodín mesačne. Po zavedení AI vrátane kontroly spotrebuje štyri. Uvoľnil osem hodín. Pri internom náklade 40 eur na hodinu ide o kapacitu v hodnote 320 eur. Nástroj stojí 120 eur mesačne a ďalšia údržba procesu zaberie dve hodiny, teda 80 eur. Čistý mesačný prínos v takto ocenenom čase je 120 eur.

Ak zavedenie stálo 600 eur, jednoduchá návratnosť vychádza na päť mesiacov. To platí len pri uvedených predpokladoch a skutočne využitej uvoľnenej kapacite. Ak ľudia zostávajú na rovnakých mzdách, na účte firmy sa automaticky neobjaví 320 eur. Vznikol priestor robiť inú prácu. Ten treba aj vedome prideliť.

Ak sa tento čas použije na rozhovory so zákazníkmi a z nich vzíde lepšia ponuka, získavate ďalší druh hodnoty. Nedáva však zmysel tú istú hodinu započítať dvakrát a oba prínosy bez vysvetlenia sčítať.

Takto sa dá hovoriť o AI aj bez veľkých slov. Koľko nás to stojí, čo sa zmenilo, čo s tým urobíme a kedy vyhodnotíme výsledok.

3. Zelený dashboard, prázdny obchodný funnel

AI dokáže zrýchliť aj výrobu pekne vyzerajúcich nesprávnych rozhodnutí. Stačí ju odmeňovať za metriku, ktorá má s vaším cieľom iba voľný vzťah.

V prieskume DemandScience medzi 750 seniornými marketingovými lídrami respondenti odhadovali, že priemerne 25 % marketingového rozpočtu smeruje na aktivity bez očakávaného výsledku. A 67 % uviedlo, že dashboardy aspoň niekedy ukazujú úspech, po ktorom neprichádzajú tržby. Výskum realizovala TrendCandy a zahŕňal veľké B2B organizácie, s tržbami od 100 miliónov dolárov. Je to sebahodnotenie respondentov, nie audit slovenských marketingových rozpočtov. Zdroj: The 2026 State of Performance Marketing, kontext vzorky.

Ten problém je napriek tomu zrozumiteľný aj bez amerického rozpočtu. Reklama má dobré prekliky, e-book veľa stiahnutí a obchod hovorí, že kontakty nie sú relevantné. Marketing má dôkaz aktivity. Firma potrebuje dôkaz, že sa k výsledku približuje.

Moja praktická verzia merania by mala tri vrstvy:

1. Prevádzka: koľko stojí pripraviť a skontrolovať výstup, koľko chýb opravujeme a ako dlho to celé trvá.
2. Správanie zákazníka: či obsah využil, dokončil dôležitú úlohu, požiadal o relevantnú ukážku alebo sa vrátil.
3. Výsledok pre firmu: kvalitné obchodné príležitosti, predaj, udržanie zákazníka alebo iný vopred pomenovaný cieľ.

Podstatné je práve spojenie medzi vrstvami. Ak stúpne počet registrácií a klesne podiel vhodných zákazníkov, treba sa pozrieť, koho ste začali priťahovať. Agent optimalizujúci registrácie môže plniť zadanie úplne presne. Chyba je v tom, čo ste mu označili za úspech.

Zároveň by som si dával pozor na opačný extrém: požadovať okamžitú tržbu od každého článku, komunitného stretnutia a vysvetľujúceho videa. Vznik dôvery často presahuje jedno merateľné kliknutie. Potrebujete kombinovať obchodné výsledky, správanie publika a kvalitatívnu spätnú väzbu. Priznať limity merania je lepšie než si vymyslieť presnú atribúciu.

Otázka na vašu najbližšiu poradu: pri ktorých troch metrikách dnes oslavujeme rast, ale nedokážeme vysvetliť, prečo má byť dobrý pre zákazníka alebo firmu?

4. Agenti: komu zveriť prácu a komu tlačidlo Publikovať

Slovo agent sa dnes používa na kadečo. Mne sa stále prvý vybaví Agent Smith z Matrixu. Agent niekedy označuje samostatne konajúci systém. Inokedy chat s dobrým zadaním a niekoľkými dokumentmi. Pred rozhodnutím o nasadení je užitočné tieto veci oddeliť.

Pre našu potrebu teraz budeme za agenta považovať systém, ktorý má cieľ, vie použiť nástroje alebo vykonať kroky a podľa výsledku pokračovať. Samotný názov produktu nám ešte nepovie, aké má oprávnenia a koľko dohľadu potrebuje.

Christy Marble v reporte rozlišuje tri režimy: prácu riadite vy, robíte ju spolu s AI alebo ju AI vykonáva za vás. Prakticky je to stupnica delegovania.

• AI pripraví návrh, človek vykoná akciu. Napríklad vytvorí odpoveď zákazníkovi, ktorú človek skontroluje a odošle.
• AI vykonáva dohodnuté kroky pod dohľadom. Spracuje dáta a pripraví zmeny, pričom výnimky alebo dôležité rozhodnutia posunie človeku.
• AI koná samostatne v určených hraniciach. Potrebuje overený postup, spoľahlivé meranie, limity a možnosť zásah zastaviť alebo napraviť.

Vyššia autonómia tak zväčšuje dosah dobrého aj zlého rozhodnutia. Preto by som začínal procesom, ktorý sa často opakuje, má jasný vstup, rozpoznateľný správny výsledok a zvládnuteľné následky chyby.

Dobré prvé zadanie môže byť úplne obyčajné

Po konferencii dostanete zoznam kontaktov. Treba zjednotiť formáty, vyznačiť duplicity, doplniť označenie podujatia a pripraviť import. Následný zápis do CRM prejde kontrolou. To je rozumný kandidát na pilot.

Automaticky zlúčiť dva podobné záznamy, prepísať históriu zákazníka a poslať mu sériu správ je už niekoľko ďalších rozhodnutí. Z pôvodnej úlohy ich netreba potichu urobiť súčasť jedného veľkého agentického zázraku.

Časť takejto práce navyše zvládnu obyčajné pravidlá. Kontrolu povinných polí či presných duplicít nemusí robiť jazykový model. AI sa hodí tam, kde je vstup nejednoznačný alebo treba interpretáciu. Zvyšok môže zostať predvídateľný.

Každý agent by mal mať krátku pracovnú dohodu

Pri novom kolegovi sa pýtate, za čo bude zodpovedný. Pri agentovi by to malo byť rovnako konkrétne:

• Vstup: aké dáta dostáva, z akého zdroja a v akej kvalite.
• Výstup: čo presne má odovzdať a ako sa overí správnosť.
• Oprávnenia: čo smie čítať, čo meniť a čo odosielať.
• Limity: koľko môže minúť, koľko záznamov spracovať a kedy musí prestať.
• Výnimky: pri akej neistote sa pýta človeka a komu chybu oznámi.
• Vlastník: kto kontroluje výsledky a kto sa postará o opravu po zmene vstupov.

Schéma z e-booku, s. 107. Človek zadáva smer a vyhodnocuje výsledok; agenti pomáhajú s prieskumom a vykonaním práce. Dohľad má konkrétne miesta v procese.

Pri dvojici agentov, z ktorých jeden tvorí a druhý kontroluje, by som si nedával automaticky pečiatku „overené“. Oba totiž môžu vychádzať z toho rovnakého chybného podkladu. Kontrolór potrebuje vlastné kritériá, prístup k dôkazom a pri citlivých výstupoch aj človeka, ktorý nesie rozhodnutie.

Najdôležitejší výsledok pilotu často nebude počet dokončených úloh. Bude to zistenie, ktoré prípady systém spoľahlivo zvláda a pri ktorých musí odovzdať prácu ďalej.

5. Dice.com: zaujímavejší než počet agentov je spôsob práce

Jednou z najvýraznejších ukážok v reporte je Dice.com, pracovný portál pre technologických profesionálov. Liza Adams opisuje tím, ktorý pracoval s 25 ľuďmi a 20 AI pomocníkmi. Ich počet sa postupne rozšíril na 63 a podľa jej vystúpenia ďalej rástol.

AI pomocníci pripravovali podklady k webinárom, video scenáre, kampane či návrhy komunikácie. Vznikali aj pomocníci na premýšľanie o PR a strategických témach. Report ich opisuje ako vlastné konfigurácie a projekty prispôsobené pracovným postupom. Počet takýchto pomocníkov nemožno zamieňať s počtom plnohodnotných autonómnych pracovníkov.

Výrez z e-booku, s. 56: 75 % rýchlejšia tvorba obsahu, 98 % presnosť kvalifikácie kontaktov a 35 % zlepšenie výkonnosti kampaní. Ide o výsledky uvádzané v konkrétnej prípadovej štúdii, bez úplnej metodiky merania v e-booku.

Čísla vyzerajú dobre. Pri 98 % presnosti by ma zaujímalo, ako bola definovaná správna kvalifikácia, na koľkých prípadoch a oproti čomu. Ak je v súbore skoro každý kontakt nevhodný, vysokú celkovú presnosť môže dosiahnuť aj veľmi slabý systém. Pri 35 % zlepšení kampaní zase potrebujem vedieť, ktorú metriku autori myslia. Z grafu sa to nedozvieme.

Preto by som si z Dice nekopíroval cieľ mať sto AI kolegov. Kopíroval by som tieto tri návyky:

1. Každý pomocník patrí ku konkrétnej práci. Vie sa, čo podporuje a komu má ušetriť čas alebo zlepšiť rozhodnutie.
2. Meria sa stav pred zavedením aj po ňom. Výsledok stojí na konkrétnom procese.
3. Ľudia dostali priestor zmeniť spôsob práce. Podľa Adams venovali veľkú časť úsilia rozhovorom, obavám tímu a vytvoreniu času na experimentovanie.

Práve tretí bod je ľahké preskočiť. Nakúpené licencie sa počítajú jednoducho. Dôvera, čas a zmena návykov podstatne horšie. Bez nich však ostane nástroj otvorený v ďalšom tabe.

Zdroj prípadovej štúdie: e-book, s. 22 a 56 až 57, výpoveď Lizy Adams. Článok z uvedených údajov nevyvodzuje počet zrušených pracovných miest ani očakávaný výsledok pre iné firmy.

6. AI nájde vzorec. Vy musíte zistiť, či existuje

Jedna z najsilnejších ukážok v e-booku sa týka témy, ktorá by na konferenčnom slajde nevyzerala zvlášť sexi: overovania zdravotného poistenia pacientov.

Carolyn Bao opisuje, ako tím v Edge analyzoval e-mailové kampane a objavil výraznú odozvu na tento problém lekárov. Následne si zistenie overil rozhovormi so zákazníkmi. Report uvádza viac než 100 % zlepšenie výsledku konkrétnej kampane, no bez dostatočného detailu o metrike a vzorke. Číslo teda beriem ako výpoveď z praxe. Oveľa dôležitejšie je poradie krokov: analýza, rozhovor, overenie, až potom väčšie nasadenie.

AI vie navrhnúť vysvetlenie aj tam, kde dáta žiadne spoľahlivé vysvetlenie nedávajú. A keď je odpoveď napísaná presvedčivo, ľahko si zameníme kvalitu formulácie s kvalitou dôkazu.

Pri analýze by som preto trval na štyroch kontrolách, ktoré odporúča aj report:

1. Dohľadateľný podklad. Ku ktorým záznamom sa zistenie vzťahuje? Dá sa výpočet zopakovať? Odkiaľ presne pochádza citát zákazníka?
2. Kontrola človekom z praxe. Vidia podobný jav ľudia z obchodu alebo podpory? Ak nie, treba preskúmať aj rozpor.
3. Malý test. Skúsime hypotézu na obmedzenej vzorke a s porovnaním, pri ktorom nemeníme všetko naraz.
4. Priebežné sledovanie. Platí zistenie aj neskôr, v inom segmente alebo po zmene produktu?

Naučte AI pracovať aj s nepríjemným vysvetlením

Predstavme si modelovú situáciu: kontakty, ktoré navštívili webinár, častejšie nakúpili. Ponúka sa záver, že webinár spôsobuje vyšší predaj. Lenže možno naň chodili ľudia, ktorí už boli takmer rozhodnutí. Alebo ich obchodníci cielene pozývali v závere obchodného procesu.

Užitočné zadanie preto znie približne takto: „Rozlíš pozorovanie od vysvetlenia. Ku každej hypotéze ukáž podklad, možné alternatívne príčiny a údaje, ktoré chýbajú na jej overenie. Ak to z dát nevieme rozhodnúť, povedz to.“

Toto je pracovná pomôcka, nie ochrana pred každou chybou. Čísla treba stále skontrolovať. Súčet vypočítaný z dát má inú váhu než plynulá veta, ktorú model o súčte napísal.

Podobne opatrne by som pristupoval k syntetickým personám a simulovaným zákazníkom. Pomôžu skúsiť námietky, pomenovať slepé miesta alebo pripraviť otázky do rozhovoru. Nedokazujú, že skutoční zákazníci budú reagovať rovnako. Desať AI person, ktoré súhlasia s vašou ponukou, stále nie je desať ľudí ochotných zaplatiť.

7. Personalizácia, ktorá zákazníkovi aj niečo dá

„Ahoj, Fero, ako človek z technologického sektora určite riešiš digitálnu transformáciu.“ Gratulujem. Databáza úspešne dosadila meno a odvetvie.

Elaine Zelby v reporte odlišuje takúto povrchovú personalizáciu od komunikácie, ktorá vychádza zo skutočného kontextu. Zaujímavé je to, čomu ste porozumeli a ako to pomôže príjemcovi.

Predstavme si firmu, ktorá na svojom webe oznámila vstup na nový trh. V generickej správe jej napíšeme, že pomáhame ambicióznym firmám rásť. Kontextová verzia môže upozorniť na konkrétnu otázku, ktorú nový trh prináša, a ponúknuť relevantný materiál alebo skúsenosť. Podmienkou je, že oznámenie aj jeho interpretácia sú pravdivé.

Relevantnosť má mať úžitok pre príjemcu. Náhodná zmienka o jeho starom príspevku môže iba dokazovať, že ste si vedeli vyhľadať starý príspevok.

V praxi by som skladal komunikáciu zo štyroch vrstiev:

• Situácia: čo sa u zákazníka preukázateľne deje.
• Problém: čo s tým môže súvisieť, jasne oddelené od toho, čo vieme určite.
• Dôkaz: relevantná skúsenosť, ukážka, dáta alebo materiál, ktorý vieme obhájiť.
• Ďalší krok: primeraná ponuka pomoci, na ktorú sa dá jednoducho reagovať.

AI môže spracovať podklady a navrhnúť vhodné spojenia. Človek má rozhodnúť, či spojenie dáva zmysel a či by takú správu sám chcel dostať. Ak je potrebné vysvetľovať, prečo príjemca nemá mať z personalizácie nepríjemný pocit, určite sme už prekročili hranicu.

A existuje ešte druhý problém: tisíc dokonale prispôsobených správ môže hovoriť tisíc odlišných vecí o vašom produkte. Základný sľub značky má zostať stabilný. Meniť sa môžu príklady, poradie argumentov a detaily podľa situácie. Produkt sa nemôže v každom e-maile stať niečím iným.

Pri teste by som sledoval relevantné odpovede, kvalitu následných rozhovorov a negatívne reakcie. Samotné otvorenie správy je slabý dôkaz, že sme zákazníka pochopili.

8. Najcennejší AI asset možno už máte. Len je rozhádzaný po firme

História vyhraných a prehratých obchodov. Poznámky zo zákazníckych rozhovorov. Otázky pred nákupom. Problémy, s ktorými ľudia prichádzajú na podporu. Dôvody, pre ktoré odišli.

Toto sú dáta, ku ktorým vaša konkurencia nemá rovnaký prístup. Report ich považuje za dôležitý základ odlíšenia v čase, keď majú firmy dostupné podobné modely.

Lenže vlastniť dáta a vedieť sa z nich učiť sú dve rôzne schopnosti. Zložka s názvom „customer research final final 2“ môže obsahovať veľa múdrosti. Ak nikto nevie, ktorá verzia platí, pre AI aj človeka je to problém.

Čo by som upratal ako prvé

Začal by som jedným rozhodnutím, ktoré chceme zlepšiť. Napríklad: prečo prehrávame obchody v konkrétnom segmente? Až potom by som zhromažďoval dáta potrebné na odpoveď.

• Spoločnú definíciu vyhraného, prehratého a odloženého obchodu.
• Dôvod výsledku spolu s podkladom, napríklad poznámkou alebo výrokom zákazníka.
• Dátum, segment, veľkosť zákazníka a relevantnú verziu ponuky.
• Vlastníka záznamu, prístupové pravidlá a spôsob aktualizácie.

Pre malý tím môže byť prvým použiteľným riešením dobre udržiavaný súbor alebo existujúce CRM. Kúpa veľkej platformy sama osebe nezabezpečí, že obchodníci prestanú používať päť rôznych označení pre rovnaký dôvod prehry.

Dátová výhoda vzniká zo spoľahlivého cyklu učenia. Zákazník niečo povie, tím to zaznamená, overí význam, zmení konkrétnu vec a sleduje výsledok. AI môže znížiť náklady na tento cyklus. Musí však existovať niekto, kto cyklus vlastní.

Priložený dokument ešte neznamená natrénovaný model

V debatách o AI sa často všetko označí slovom „tréning“. Pre bežný marketingový tím je užitočné rozlíšiť aspoň zadanie, pripojené podklady, vyhľadávanie v internej znalostnej báze a skutočnú úpravu modelu. Majú odlišné náklady aj spôsob aktualizácie. V mnohých situáciách potrebujete najmä to, aby systém našiel aktuálny schválený podklad a uviedol zdroj.

Zároveň by som nespájal bezpečnosť s jednoduchým delením na platené a bezplatné nástroje. Overuje sa konkrétny produkt, nastavenie, zmluvné podmienky, uchovávanie dát a oprávnenia. Aj platený účet môže byť nevhodne nastavený. A interný systém môže mať priveľmi široký prístup.

Pre tím je najpraktickejšie jasné pravidlo: ktoré dáta môže použiť kde, kto schvaľuje výnimky a na koho sa obráti pri pochybnostiach. Ak iba zakážete nástroje a neposkytnete použiteľnú cestu k práci, problém zostane nevyriešený.

9. Daň za ďalší nástroj sa na faktúre nezobrazuje celá

Jeden nástroj generuje obsah. Druhý ho kontroluje. Tretí plánuje publikovanie. Štvrtý analyzuje výsledky. Piaty prenáša dáta medzi prvými štyrmi. Šiesty potrebujete, aby ste zistili, prečo sa prenos pokazil.

E-book tomu hovorí Platform Tax, daň za zložitosť technologického vybavenia. Zahŕňa integrácie, konfliktné údaje, ručné prenosy aj čas ľudí, ktorí sa o to starajú.

Na strane 102 uvádza z výskumu DemandScience, že 66 % marketingových organizácií používa aspoň 11 technológií a 79 % lídrov vníma rast nákladov bez jasného zlepšenia návratnosti. Tieto údaje sa týkajú skúmanej vzorky, nie univerzálneho limitu na počet aplikácií.

Za veľmi dôležitú považujem práve túto výhradu. Firma s desiatimi zle prepojenými nástrojmi môže fungovať horšie než firma s dvadsiatimi dobre spravovanými. Korelácia medzi zložitosťou a problémami ešte nedokazuje, že zrušenie troch predplatných spôsobí rast tržieb.

Napriek tomu je audit užitočný. Pri každom nástroji by som chcel vedieť:

• Aký konkrétny proces podporuje a kto je jeho vlastník?
• Koľko stojí licencia, používanie, údržba a ručná kontrola dohromady?
• Ktoré údaje v ňom vznikajú a kam ich treba prenášať?
• Prekrýva sa s niečím, za čo už platíme?
• Čo sa stane, keď nefunguje a ako z neho dostaneme dáta pri odchode?

Výsledkom nemusí byť jedna veľká platforma. Aj centralizácia má svoju cenu: závislosť od dodávateľa, obmedzenia produktu a náročnosť prípadného odchodu. Cieľom je rozumieť celému procesu a jeho nákladom.

Pre slovenský menší tím je často najlepší ďalší krok prekvapivo nenápadný: prestať tú istú vec prepisovať do troch systémov a určiť, ktorý z nich je platným zdrojom. Takáto zmena nemá efektné demo. O to lepšie sa dá spoznať, či funguje.

10. SEO, GEO a zákazník, ktorý si názor vytvoril ešte pred návštevou webu

Pri tejto časti by som spozornel aj vtedy, keby som marketingový tím vôbec neviedol. Týka sa každého, kto na webe niečo vysvetľuje, predáva alebo buduje odbornú reputáciu.

Čitateľ môže dostať dostatočnú odpoveď už vo vyhľadávači alebo v AI asistentovi. Váš článok pritom môže poslúžiť ako podklad. Môže sa objaviť odkaz, zmienka alebo parafráza. Návšteva na webe však nie je automatickým ďalším krokom.

Report opisuje aj prípad, keď záujemca priniesol na obchodné stretnutie konkurenčné porovnanie vytvorené pomocou AI a informácie o firme v ňom neboli správne. To je veľmi konkrétny problém: zákazník už s nejakým obrazom prichádza a vy ešte len zisťujete, z čoho vznikol.

Číslo o preklikoch si zaslúži aktualizáciu

E-book spomína približne 35 % pokles miery prekliku pri AI Overviews. Ahrefs však 4. februára 2026 zverejnil aktualizáciu svojej analýzy: v skúmaných dátach súvisela prítomnosť AI Overview s približne o 58 % nižšou priemernou mierou prekliku na prvý organický výsledok oproti modelovanému stavu bez AI Overview.

Analýza pracovala s 300 000 kľúčovými slovami a agregovanými desktopovými dátami Search Console; porovnávala december 2023 a december 2025. Nie je to tvrdenie, že každý slovenský web stratil 58 % návštevnosti. Ide o konkrétnu metriku, vzorku a odhad z pozorovaných dát, s ktorými treba čítať aj záver. Zdroj a metodika: Ahrefs.

Pre vlastný web by som preto rozdelil otázky podľa zámeru. Inak sa bude správať jednoduchá definícia, inak porovnanie riešení a inak človek, ktorý potrebuje stiahnuť nástroj, vyskúšať produkt alebo hovoriť s odborníkom. Jedno priemerné číslo prekryje práve tieto rozdiely.

Query fan-out: jedna otázka spustí viac vyhľadávaní

Google opisuje query fan-out ako vytvorenie viacerých súvisiacich vyhľadávacích otázok, ktorými systém doplní odpoveď. Zložitejšia otázka tak môže viesť k hľadaniu podkladov k viacerým čiastkovým témam. Zdroj: Google Search Central.

Vezmime si modelovú otázku: „Aké CRM sa hodí malej servisnej firme?“ Užitočná odpoveď môže potrebovať informácie o cenách, práci v teréne, migrácii kontaktov, napojení fakturácie alebo prístupoch pre technikov. To je príležitosť pre obsah, ktorý tieto veci skutočne vysvetľuje.

Moje odporúčanie z toho je jednoduché: zapisujte si doplňujúce otázky, ktoré vám kladú zákazníci. Pri každej rozhodnite, či si zaslúži samostatný materiál alebo jasnú časť existujúceho článku. Praktická odpoveď na zložitú situáciu má hodnotu aj bez toho, aby ste uhádli všetky pomocné otázky modelu.

Tu by som e-booku trochu oponoval

Report odporúča optimalizovať jednotlivé pasáže na citovanie a vytvárať veľmi cielené varianty obsahu. Má to užitočné jadro: jasné vysvetlenie, konkrétny kontext a dohľadateľné tvrdenia. Doslovné nasledovanie však môže viesť k množstvu takmer rovnakých stránok písaných pre domnelé potreby AI.

Aktuálne odporúčania Googlu výslovne hovoria, že netreba obsah umelo deliť na malé kúsky, prepisovať ho špeciálnym spôsobom pre AI ani vyrábať varianty otázok s cieľom manipulovať výsledky. Pre svoje vyhľadávanie Google nevyžaduje ani osobitný súbor llms.txt či špeciálnu schému. Základy SEO zostávajú relevantné. Zdroj: oficiálny sprievodca Googlu, vrátane časti o mýtoch.

Rozumne členený článok s konkrétnymi odpoveďami by som teda písal preto, aby pomohol čitateľovi. Pre konkrétnu skupinu vytvorím samostatný materiál vtedy, keď má skutočne odlišnú situáciu. Päťdesiat verzií tej istej rady s vymenenou profesiou v nadpise tento test neprejde.

Rovnako by som opatrne pracoval so sľubom „dostaneme vás do odpovedí AI“. Zmienky sa dajú sledovať a obsah zlepšovať. Konkrétne odporúčanie konkrétnemu používateľovi však nie je plocha, ktorú vlastníte.

Praktický audit viditeľnosti, ktorý má zmysel aj pre malú firmu

Nasledujúci postup je môj návrh inšpirovaný reportom. Je zámerne jednoduchý a dá sa zopakovať.

1. Vyberte 15 až 20 skutočných nákupných otázok. Čo sa ľudia pýtajú pred prvým kontaktom, pri porovnávaní a tesne pred rozhodnutím? Doplňte jazyk a trh, ktoré sú pre vás relevantné.
2. Zaznamenajte odpovede vo vybraných službách. Uložte otázku, dátum, službu, dostupné nastavenia a celé znenie odpovede. Rozlišujte režim s webovým vyhľadávaním a odpoveď bez neho.
3. Oddeľte zmienku, odkaz a odporúčanie. Názov firmy v zozname má inú váhu než citácia konkrétneho návodu. A obe sa líšia od odporúčania vášho produktu.
4. Hľadajte chyby s obchodným dopadom. Nesprávna cena, neaktuálna funkcia, chýbajúca integrácia alebo zavádzajúce tvrdenie o podpore sú dobré prvé kandidáty na opravu verejných podkladov.
5. Doplňte chýbajúce dôkazy. Aktuálnu dokumentáciu, poctivé porovnanie, konkrétny prípad použitia, autora a dátum. Formát voľte podľa otázky, ktorú riešite.
6. Meranie zopakujte. Jedna odpoveď môže byť náhodná alebo závislá od kontextu. Dlhší záznam pomôže rozlíšiť trend od jedného pekného screenshotu.

Takýto súbor otázok je váš pozorovací panel. Nie je reprezentatívnym prieskumom všetkých zákazníkov. Preto by som ho porovnával s reálnymi návštevami, kvalitou dopytov a odpoveďami ľudí na otázku, ako sa o vás dozvedeli.

Pre blog z toho vychádza zaujímavá priorita. Návod založený na vlastnom teste, konkrétne meranie, skúsenosť s migráciou alebo otvorene opísaná chyba prinášajú niečo navyše. Všeobecný článok, ktorý iba zopakuje to, čo sa dá nájsť na desiatich miestach, má slabší dôvod na samostatnú návštevu.

11. Obsah vo veľkom: teraz treba vedieť aj to, čo nepublikovať

Ak bola kedysi prekážkou výroba ďalšieho článku, AI túto prekážku výrazne znížila. Čas čitateľa sa nezväčšil. Ani jeho ochota tráviť ho pri desiatom všeobecnom texte o rovnakej téme.

Report to označuje za paradox kvality. Nástroj, ktorý uľahčuje produkciu, zvyšuje význam redakčného rozhodovania. Niekto musí vybrať tému, overiť tvrdenia, nájsť dôvod publikovania a povedať aj „toto nepotrebujeme“.

Výrez z e-booku, s. 68. Najčastejšie uvádzanou obavou je strata kreativity a originality (75,6 %). Graf zachytáva deklarované obavy, nie nameraný výskyt škôd. Hodnoty sa nesčítavajú na 100 % a pri grafe nie je vysvetlená metodika výberu odpovedí.

Mňa na tom zaujíma zmena hodnoty práce. Kým bolo drahé vytvoriť každú verziu, veľká časť úsilia smerovala do produkcie. Keď verzie vznikajú lacnejšie, treba viac pozornosti venovať kvalite pôvodnej myšlienky a výberu výsledku. Desať variantov prázdnej tézy ostáva desať variantov prázdnej tézy.

Jeden dobrý vstup vie uživiť viac formátov

Predstavme si vlastný rozhovor so zákazníkom, ktorý práve úspešne dokončil migráciu. Má konkrétny začiatok, rozhodnutia, problémy a výsledok. S jeho súhlasom a po overení tvrdení z toho môže vzniknúť:

• podrobný článok pre ľudí, ktorí podobnú migráciu plánujú
• krátky zoznam otázok pred výberom riešenia
• odpoveď do znalostnej bázy na opakujúci sa problém
• materiál pre obchodníka k námietke, ktorá zaznievala počas rozhodovania
• stručný príspevok s jedným konkrétnym zistením a odkazom na celý príbeh

Každý výstup má vlastnú úlohu. AI pomáha prispôsobiť materiál formátu, vyhľadať relevantnú časť a pripraviť návrh. Dôvod, prečo je obsah hodnotný, pochádza z pôvodnej skúsenosti.

Opačný postup poznáme: vytvoríme generický článok a potom z neho vyrobíme podcast, desať príspevkov a newsletter. Počet súborov rastie. Informačný prínos môže zostať na nule.

Pred publikovaním by som si prešiel päť otázok

1. Akú konkrétnu otázku čitateľovi zodpovieme?
2. Čo je tu nové, vlastné alebo prakticky užitočné oproti bežne dostupným odpovediam?
3. Ktoré tvrdenia potrebujú dôkaz a máme ho?
4. Vie čitateľ po dočítaní niečo lepšie urobiť alebo rozhodnúť?
5. Ktoré časti môžeme odstrániť bez straty hodnoty?

Tá posledná otázka platí aj pri dlhom článku. Dĺžka má zmysel, keď prináša ďalší užitočný detail, príklad alebo súvislosť. Samotná nie je argumentom pre kvalitu.

Pri vyhodnotení by som preto oddelil počet publikovaných materiálov od ich použitia. Pomohol článok pri rozhodovaní? Posielajú si ho ľudia? Použil ho obchodník v konkrétnej situácii? Vracia sa k nemu publikum? Takáto spätná väzba povie viac než graf produkcie smerujúci stále hore.

12. „Píš profesionálne a ľudsky“ je veľmi slabé zadanie

Takmer každá firma chce znieť dôveryhodne, zrozumiteľne a profesionálne. Ak na tom skončí zadanie, dostanete priemernú predstavu modelu o dôveryhodnej profesionálnej firme. Tých ale predsa už je na internete dosť.

Report opisuje posun od opravovania každého výstupu k navrhovaniu pravidiel, v ktorých môže tím s AI pracovať. Značka potrebuje konkrétny kontext a príklady rozhodnutí.

Praktický balík podkladov by som postavil takto:

• Komu pomáhame: konkrétne publikum, jeho situácie a slovník.
• Čomu veríme: jasné stanoviská k témam, o ktorých hovoríme.
• Čo vieme dokázať: schválené fakty, skúsenosti, dáta a referencie.
• Ako znieme: niekoľko dobrých ukážok s vysvetlením, prečo fungujú.
• Čo nám nesedí: príklady fráz a výstupov, ktoré značku rozmazávajú, spolu s lepšou verziou.
• Kde sa vyžaduje rozhodnutie človeka: sľuby zákazníkom, citlivé tvrdenia, ospravedlnenia a dôležité zmeny komunikácie.

Napríklad pri technickom obsahu sa dá namiesto všeobecného „buď konkrétny“ ukázať rozdiel medzi týmito modelovými formuláciami:

Slabá verzia: „Naše inovatívne riešenie prináša bezprecedentnú efektivitu a posúva vaše podnikanie na novú úroveň.“

Užitočnejšia verzia: „Zoznam kontaktov sa už nemusí ručne prepisovať. Systém pripraví import a označí nejasné záznamy, ktoré skontroluje človek.“

Druhá formulácia umožňuje pochopiť výsledok aj hranice. Ak máte overené meranie, môžete ho doplniť. Ak ho nemáte, netreba si pomôcť výrazom „bezprecedentný“.

Pri ďalších výstupoch zbierajte konkrétne opravy. Zmenili sme tón? Chýbal dôkaz? Model si domyslel skúsenosť, ktorú nemáme? Práve tieto rozdiely pomáhajú spresniť zadanie a podklady. Samotné nahratie starého manuálu nezaručí konzistentný výsledok.

Jednoduchý test: prečítať text nahlas. Viete si predstaviť, že takto niekto z firmy vysvetľuje vec zákazníkovi? Ak sa veta nedá povedať bez nádychu a jej hlavným obsahom je nadšenie zo seba samej, treba ju prepísať.

A ešte jedna vec: odlíšenie značky nemusí vzniknúť iba v textoch. Spoľahlivo vyriešený problém, otvorená diskusia, živé stretnutie alebo užitočná komunita vytvárajú skúsenosť, z ktorej potom komunikácia môže vychádzať. K tejto téme má blízko aj príbeh #nobullshit.camp na tomto blogu: hodnota stretnutia sa začína tým, o čom sa ľudia naozaj chcú rozprávať.

13. Najťažšia časť zmeny sedí na porade s vami

Keď sa diskutuje o AI, ľudia si pod rovnakou vetou predstavujú odlišnú budúcnosť. Pre niekoho menej rutinnej práce. Pre iného stratu odbornosti, na ktorej si postavil kariéru. A pre ďalšieho nový zoznam povinností, na ktorý nemá čas.

Takúto zmenu nevyrieši spoločná prezentácia o tom, aké je to celé úžasné. Najmä ak súčasne hovoríte o úsporách a neviete odpovedať, čo budú znamenať pre konkrétnych ľudí.

Výrez z e-booku, s. 76. Takmer rovnaké skupiny očakávajú úbytok a vznik pracovných miest. Ide o názory respondentov, nie prognózu zamestnanosti; vzorka a metodika pri grafe uvedené nie sú.

Niektoré výroky v reporte predpovedajú zánik konkrétnych rolí alebo veľmi výrazné zmenšenie tímov. Takéto vyjadrenia by som čítal ako názory jednotlivých respondentov. Z e-booku sa nedá spoľahlivo vyvodiť, o koľko ľudí bude marketing v konkrétnej firme menší.

Oveľa užitočnejšie je rozobrať prácu na úlohy. Ktoré sa opakujú? Ktoré vyžadujú vlastný úsudok? Kde človek potrebuje viac kontextu? Kde je cena chyby vysoká? A ktoré nové činnosti vzniknú, keď sa zníži čas na produkciu?

GTM engineer je názov. Potrebujete najmä schopnosť spájať veci

Report spomína rolu GTM engineera: človeka na pomedzí marketingu, obchodu, dát a technológií. Vie rozumieť procesu, prepojiť systémy, pripraviť experiment a skontrolovať výsledok.

V malej firme to nemusí byť nová plná pozícia. Môže ísť o zodpovednosť rozdelenú medzi marketingového človeka a technického kolegu. Podstatné je, aby niekto vlastnil celý tok práce. Inak vznikajú automatizácie, ktorým rozumie iba (snáď) ich autor.

Pri výbere človeka by ma zaujímal jeden malý projekt, ktorý skutočne dokončil. Čo zlyhalo? Ako si všimol chybu? Čo nechal na človeka? Ako meral prínos? Zoznam dvadsiatich nástrojov v životopise tieto odpovede nenahrádza.

Učenie potrebuje miesto v kalendári aj v hodnotení

V reporte sa opakuje jednoduché zistenie: preťaženému tímu treba priestor na experimentovanie vytvoriť. To znamená zrušiť alebo odložiť časť doterajšej práce, určiť človeka na podporu a pomenovať, čo je prijateľný neúspešný pokus.

Navrhol by som krátke pravidelné stretnutie nad konkrétnymi ukážkami: toto sme skúšali, toto fungovalo, tu sme museli zasiahnuť a toto nabudúce nezopakujeme. Dobré zistenie o limite nástroja má hodnotu aj vtedy, keď na konci nie je úspešné demo.

Pridal by som aj otázku, ktorú nadšenie z automatizácie často obíde: kde sa budú učiť juniori? Ak prevezmeme všetku jednoduchšiu prácu, treba cielene vytvoriť príležitosti na získavanie skúseností. Kontrola AI výstupu bez znalosti problému je ťažká. Junior potrebuje vidieť kvalitný postup, rozumieť oprave a mať priestor vytvoriť vlastný úsudok.

To je moja doplňujúca výhrada k predstave tímu, v ktorom všetci okamžite preskočia do stratégie. Schopnosť strategicky rozhodovať sa buduje aj praktickou prácou. Automatizácia nás tejto zodpovednosti za rozvoj ľudí nezbaví.

14. Čo by som spravil počas najbližších 90 dní

E-book končí 90-dňovým plánom transformácie. Má však dôležitú podmienku: je určený organizáciám s vysokou pripravenosťou a schopnosťou rýchlo meniť spôsob práce. Tento predpoklad netreba stratiť pri kopírovaní pekného harmonogramu do prezentácie.

Pre bežný menší tím by som 90 dní využil na merateľný začiatok, ohraničený pilot a rozhodnutie, čo ďalej. Nasledujúci plán je moja praktická adaptácia. Cieľom je mať overený proces a lepšie podklady pre ďalší krok.

Dni 1 až 30: nájsť problém a zmerať východiskový stav

Prvý týždeň by som venoval rozhovorom s ľuďmi, ktorí prácu skutočne robia. Kde sa čaká? Čo sa opakovane prepisuje? Čo sa často vracia na opravu? Ktoré informácie chýbajú pri rozhodovaní?

Spísal by som približne desať opakujúcich sa procesov a pri každom odhadol frekvenciu, čas, chybovosť, dostupnosť dát a následky chyby. Potom by som vybral jeden proces s jasným výsledkom. Napríklad prípravu interného reportu alebo spracovanie schváleného rozhovoru na pracovný návrh článku.

Ešte pred nasadením treba na reálnych prípadoch zmerať bežný postup. Zahŕňa to zadanie, čakanie, kontrolu aj opravy. Údaj „asi dve hodiny“ od človeka, ktorý si na to má po mesiaci spätne spomenúť, je slabý začiatok.

Súčasne si tím dohodne pojmy, povolené dáta, zodpovednosť a čas na pilot. Vyberie sa nástroj vhodný pre úlohu. Do konca mesiaca má existovať stručný dokument, podľa ktorého bude jasné, čo sa testuje a ako sa rozhodne.

Výstup prvej fázy: jeden vlastník, jeden proces, východiskové meranie, kritériá kvality a naplánovaný čas ľudí.

Dni 31 až 60: postaviť malý postup a nájsť jeho hranice

Prvú verziu by som nechal pracovať nad kópiou dát alebo pripravovať návrhy bez automatického zverejnenia. Tím uvidí, kde treba doplniť kontext, čo sa opakovane kazí a ktoré prípady si vyžadujú človeka.

Testovací súbor má obsahovať aj nepríjemné situácie: neúplné údaje, protichodné podklady, neznámy prípad či zastaraný dokument. Pri práci s cudzími textami treba sledovať aj to, či systém nezamení obsah dokumentu za pokyn, ktorý má vykonať. Pri zdrojoch sa musí dať overiť, že citácia skutočne podporuje tvrdenie.

Pri každom behu by som zaznamenal výsledok, čas kontroly, opravy a náklady. Ak výstup neprejde, potrebujeme dôvod. „AI nie je dobrá“ ani „človek tomu neverí“ nie sú dostatočne konkrétne závery na zlepšovanie procesu.

Priebežne sa môže upravovať zadanie aj podklady. Dôležité zmeny však zaznamenajte, aby ste vedeli, ktorá verzia priniesla aký výsledok. Pilot má učiť tím, nie vytvárať zbierku neporovnateľných pokusov.

Výstup druhej fázy: fungujúca verzia pre presne vymedzené prípady, známe obmedzenia, kontrolný postup a človek, ktorý vie prevádzku zastaviť.

Dni 61 až 90: rozhodnúť podľa celého procesu

Porovnajte výsledky na porovnateľnej práci. Započítajte údržbu, kontrolu a licencie. Pozrite sa aj na kvalitu a na to, či ľudia postup naozaj používajú. Vyrobený nástroj, ktorému sa všetci vyhýbajú, ešte nevytvára úsporu.

Potom urobte jedno zo štyroch rozhodnutí:

• Rozšíriť: kritériá sú splnené, vlastníctvo funguje a ďalší objem má zmysel.
• Upraviť: problém je konkrétny a oprava má primerané náklady.
• Ponechať malý rozsah: postup prináša hodnotu, ale ďalšia autonómia alebo integrácia sa zatiaľ neoplatí.
• Zastaviť: celkové náklady, chyby alebo slabé využitie prevyšujú prínos.

Ak pilot vyšiel, ďalším krokom môže byť susedná úloha v tom istom procese. Napríklad po kvalitnom návrhu reportu doplniť automatickú kontrolu vstupných dát. Je jednoduchšie vyhodnotiť takúto nadväznosť než súčasne rozbehnúť päť nesúvisiacich projektov.

Výstup tretej fázy: rozhodnutie podložené výsledkami, plán využitia uvoľneného času a realistické náklady ďalšieho kroku.

Jedna strana, ktorú by som pripravil ku každému pilotu

Tento pracovný zoznam si môžete rovno preniesť do vlastného dokumentu:

• Problém - Komu dnes čo nefunguje a aký to má dôsledok?
• Proces a vlastník - Kde práca začína, kde končí a kto zodpovedá za výsledok
• Očakávaný prínos - Efektivita, nová schopnosť alebo konkurenčný prínos? Ktorý z nich je hlavný?
• Východiskový stav - Čas, náklady, kvalita a objem porovnateľnej práce pred pilotom.
• Vstupy a povolené akcie - Zdroje dát, dostupnosť, oprávnenia a hranice samostatného konania.
• Kritériá prijatia - Čo musí byť pravda, aby výstup mohol pokračovať ďalej? Ktorá chyba ho automaticky zastaví?
• Meranie a porovnanie - Ako zahrnieme kontrolu, opravy a údržbu? S čím výsledok porovnáme?
• Termín a rozhodnutie - Kedy vyhodnotíme pilot a podľa čoho ho rozšírime, upravíme alebo zastavíme?
• Využitie získanej kapacity - Na akú konkrétnu prácu presunieme ušetrený čas a kto to zabezpečí?

Číselný cieľ si určte podľa vlastného procesu. Napríklad skrátenie celkového času o 30 % pri nezhoršenej kvalite môže byť rozumná pilotná hypotéza. Je to vami zvolený prah rozhodnutia, nie všeobecný benchmark z reportu. Pri hodnotení dopadu kampane zase treba dostatočné porovnateľné dáta; zopár úspešných prípadov ešte nie je spoľahlivý dôkaz zlepšenia.

A ak chýbajú základné dáta alebo dostupný človek, výsledkom prvých 90 dní môže byť práve odstránenie týchto obmedzení. Aj to je konkrétny pokrok.

15. Čo sledovať ďalej a čomu zatiaľ nepodľahnúť

V závere reportu sa objavujú predpovede o koordinácii viacerých agentov, návrhoch marketingových stratégií vytvorených AI a návrate k ľudskému kontaktu. Sú to smerovania, ktoré sa oplatí sledovať. Rok 2027 v citáte však z predpovede ešte nerobí hotový fakt.

Pre vlastné rozhodovanie by som si vybral tri oblasti.

Prvá je prevádzková AI. Priebežné kontroly dát, dostupnosť podkladov a odstraňovanie opakovanej ručnej práce. Výsledok je menej viditeľný než vygenerované video, ale môže zlepšiť všetko, čo naň nadväzuje. Hodnotil by som, či proces skutočne zostáva spoľahlivý aj po niekoľkých týždňoch.

Druhá je prepojenie menších, overených krokov. Viac agentov má zmysel, ak vieme pomenovať ich úlohy, odovzdanie výsledku a zodpovednosť. Každé ďalšie prepojenie pridáva aj nové miesto možnej chyby. Preto by som rozširoval až postup, ktorému rozumieme.

Tretia je AI ako partner pri príprave rozhodnutí. Vie pomôcť porovnať možnosti, nájsť nevyslovené predpoklady a pripraviť protiargumenty. Najužitočnejší výsledok môže byť otázka, ktorú si vedenie predtým nepoložilo. Trhový odhad bez podkladu zostane odhadom aj po dlhom a presvedčivom vysvetlení.

Vo všetkých troch oblastiach sa vraciam k rovnakej veci: kto vie zistiť, že výsledok nie je dobrý, a čo sa potom stane? Táto schopnosť bude rozhodovať o tom, koľko práce môžeme systému zveriť.

Čo by som si dal na ďalšiu poradu

Z celého e-booku mi zostáva jedna veľmi praktická predstava. Dobrá práca s AI začína tým, že firma rozumie vlastnému problému. Vie, ktoré informácie sú dôveryhodné, ako vyzerá kvalitný výsledok a kto ho dokáže posúdiť.

Potom môže AI pomôcť výrazne. Zníži množstvo ručnej práce, sprístupní poznatky, ktoré boli rozhádzané po firme a umožní skúšať veci, na ktoré predtým nebola kapacita. Časť získaného priestoru sa dá investovať do toho najcennejšieho: lepšie pochopiť zákazníka a urobiť preňho niečo užitočné.

Pre malú firmu je to dobrá správa. Nepotrebujete kopírovať organizačný model veľkého amerického marketingového tímu. Môžete začať jedným opakovaným problémom a dôsledne ho vyriešiť. Práve tam sa ukáže rozdiel medzi peknou ukážkou a nástrojom, na ktorý sa dá spoľahnúť.

Na najbližšiu poradu by som priniesol túto otázku: ktorú konkrétnu prácu chceme o tri mesiace robiť lepšie, podľa čoho to spoznáme a čo s ušetreným časom urobíme?

Zdroje a poznámky k číslam

1. CMO Alliance: AI for Marketing Leaders, 2026 Edition. Hlavný podklad článku je dodaný 113-stranový e-book vo verzii v7. Partneri: DemandScience, Ahrefs a Aampe. Stránka reportu u vydavateľa. Odkazy na strany v článku sa vzťahujú na toto PDF.
2. DemandScience: The 2026 State of Performance Marketing: Exposing the Marketing Data Mirage. Pôvodný report a správa o výskume. Použité na overenie pôvodu vybraných čísel, veľkosti vzorky a kontextu veľkých B2B organizácií.
3. Ahrefs: Update: AI Overviews Reduce Clicks by 58%. Ryan Law, 4. február 2026. Analýza a metodika. Použité ako aktualizácia staršieho údaja v e-booku.
4. Google Search Central: Optimizing your website for generative AI features on Google Search. Oficiálne odporúčania. Použité na vysvetlenie query fan-out a odlíšenie praktických odporúčaní od nepodložených optimalizačných trikov.

Doplňujúce webové zdroje boli overené 1. novembra 2026.

Podklady z mého vystoupení na konferenci AI for Talents.

Digitální stopa

Každý z nás vytváří digitální stopu, i když si to někdy možná neuvědomujeme. Co všechno dokáží sociální sítě zjistit z nahrané fotografie si můžete vyzkoušet na stránce They see your photos. Na WhatsMyName můžete vyhledat uživatelská jména na různých sociálních sítích a službách. PimEyes vám umožní vyhledávat fotografie lidí podle obličeje. K vyhledávání e-mailů a kontaktních informací můžete využít hunter. Další techniky najdete v How to find information on anyone. V článku Velký jarní úklid naší digitální stopy najdete praktické tipy k tomu, jak mít digitální stopu víc pod kontrolou. Policie ČR má projekt Nebudujte svému dítěti digitální stopu, ve kterém najdete kromě užitečných tipů také přehledné inforgrafiky.

Digitální stopu vytváříme i tím, že si prohlížíme internetové stránky a sociální sítě. Co všechno si o nás dokáží zjistit si můžete ověřit na Device Info nebo Am I Unique? Tyto informace si stránky zjišťují nezávisle na tom, jestli jim uživatel povolí ukládání cookies. Jedná se o tzv. fingerprinting, díky kterému nás dokáží docela přesně poznat.

Fingerprinting: co o vás vím?

Vyzkoušejte si mozaikový efekt

Ověřte si znalosti

V kybertestu si můžete ověřit znalosti a dovednosti z kybernetické bezpečnosti na praktických příkladech ze života.

MQtester vám pomůže ověřit mediální gramotnost.

Ve hře Odpal hackera si můžete vyzkoušet, jestli odoláte nejčastějším nástrahám a podvodům.

Je to reálná fotka, nebo dílo umělé inteligence? Vyzkoušejte si, jestli poznáte rozdíl. Až test dokončíte, tak se podívejte, z jakého je roku.

Jak nenaletět podvodníkům

Seriál Tohle radši nezkoušejte představuje metody internetových podvodníků a radí, jak se jim vyvarovat.

Prokoukni to je stránka plná praktických ukázek a užitečných tipů. Můžete na ni nahrát snímek obrazovky podezřelé zprávy a nechat ho ověřit.

Jak poznáte podvodnou sbírku? Článek od Daniela Dočekala s protickými tipy, jak nenaletět.

Poznáte falešnou nahrávku? Podvodníci mají zase náskok. Článek od Pavla Kasíka s praktickými ukázkami.

Více informací

Další tipy najdete na stránce Kybernetická bezpečnost.

📖 Přečíst celý článek →

Tohle je bohužel pro Microsoft naprosto typické: jakmile chcete najít jednoznačnou odpověď na celkem jednoduchou otázku, ztratíte se v džungli dokumentů a v horším případě i naprosto obecných a ve skutečnosti nicneříkajících odpovědí lidí, kteří „tomu rozumí“. Velice často to také skončí doporučením, ať se zeptáte pana Klatovského. Jeho stránky jsou každopádně skvělým zdrojem inspirace a užitečných informací pro školy. Jak brzy zjistíte, není to vůbec jednoduché.

Zásadní jsou pro nás tři dokumenty, kte kterým se mimochodem každý snadno dokliká přímo z Copilota:

1. Prohlášení společnosti Microsoft o zásadách ochrany osobních údajů
2. Smlouva o poskytování služeb společnosti Microsoft
3. Nápověda a studium pro Microsoft Copilot

V poskytnutých zdrojích není výslovně uvedeno, zda mohou školní verzi Copilota používat děti mladší 15 let, ani zde není zmíněn konkrétní věkový limit 15 let.

Zdroje k tématu produktů pro školy a dětských účtů uvádějí pouze tyto informace:

• Pravidla a správa školy: Používání produktů Microsoftu v rámci školního účtu podléhá zásadám a správě konkrétní školy či vzdělávací instituce.
• Ochrana osobních údajů žáků (K-12): U školních produktů (jako je Microsoft 365 Education) Microsoft neshromažďuje data nad rámec vzdělávacích účelů, neprodává je, nepoužívá pro reklamu ani nevytváří profily studentů.
• Obecný věkový souhlas u účtů Microsoft: U osobních účtů vyžaduje Microsoft souhlas rodičů u dětí mladších 13 let (případně vyššího věku podle místních zákonů).

Ano, dítě na prvním stupni základní školy (školní kategorie K-12) může školní Microsoft 365 používat. V podmínkách není stanoven žádný minimální věkový limit, který by žákům základních škol bránil v používání školního účtu.

Používání však podléhá těmto hlavním podmínkám a pravidlům:

• Správa a zásady školy: Školní účet poskytuje a spravuje přímo škola nebo vzdělávací instituce. Používání služeb podléhá interním pravidlům a nastavení správce dané školy.
• Pouze pro vzdělávací účely: U školních produktů (jako je Microsoft 365 Education) Microsoft neshromažďuje ani nepoužívá osobní údaje žáků nad rámec toho, co je nutné pro oprávněné školní účely.
• Zákaz reklamy a prodeje dat: Osobní údaje žáků Microsoft nesmí prodávat, pronajímat ani využívat pro cílenou reklamu či jiné komerční účely.
• Zákaz vytváření profilů: Microsoft nevytváří osobní profily žáků, pokud to není přímo nutné pro podporu výuky nebo pokud k tomu nedali svolení rodiče či zákonní zástupci.
• Dohled školy nad účtem: Správce školy má kontrolu nad účtem žáka a může přistupovat k datům a komunikaci v rámci tohoto školního prostředí.

A teď pozor: přestože jsou všechny tři dokumenty odkazovány přímo z Copilot Chatu, o používání Copilot Chatu (tedy toho, čemu většina lidí říká jen Copilot) dětmi se z nich to podstatné nedozvíme. Dostaneme se k tomu v následujícím textu. Plně chápu a respektuji, že teď to může vypadat jako že si z toho všeho dělám legraci. Když vydržíte do konce, dostanete jednoznačnou odpověď. Ale předtím si musíme pár věcí ujasnit.

Proč se věkové limity tak snadno pletou?

Mnoho rodičů znejistí, když si přečtou v podmínkách Microsoftu odstavec věnovaný dětem. Smlouva o poskytování služeb společnosti Microsoft v sekci 4.a.iii (Děti a účty) uvádí, že vytvořením účtu uživatel potvrzuje dosažení věku dospělosti, případně vyžaduje souhlas rodiče či zákonného zástupce (u dětí pod 13 let je povinný souhlas přes rodičovský účet).

Kde je tedy háček? Tato smlouva se vztahuje výhradně na osobní (spotřebitelské) účty, jako jsou soukromé účty pro Xbox, Outlook.com nebo osobní OneDrive.

Sama Smlouva o poskytování služeb v sekci 4.c (Pracovní nebo školní účty) výslovně stanoví, že pokud přistupujete k produktům prostřednictvím školního nebo pracovního e-mailu, tyto spotřebitelské podmínky se na vás nevztahují. Školní účet (Microsoft Entra ID) totiž nevytváří dítě ani rodič, ale zřizuje jej přímo škola na základě samostatné smlouvy s Microsoftem.

Osobní versus školní účet Microsoft

Pro lepší přehlednost si shrňme klíčové rozdíly mezi tím, když dítě používá soukromý účet založený doma, a tím, když pracujete se školním účtem zřízeným základní školou:

5 zlatých pravidel ochrany soukromí žáků na základních školách (K-12)

Jakmile škola zřídí pro žáka účet v rámci prostředí Microsoft 365 Education, vstupují v platnost velmi přísná pravidla ochrany osobních údajů. Prohlášení společnosti Microsoft o zásadách ochrany osobních údajů v části věnované školním produktům pro kategorie K-12 (základní a střední školy) garantuje následující závazky:

1. Zákaz nadbytečného shromažďování dat: Microsoft neshromažďuje ani nepoužívá osobní údaje studentů nad rámec toho, co je nezbytné pro oprávněné vzdělávací nebo školní účely.
2. Zákaz prodeje a pronájmu dat: Osobní údaje žáků Microsoft nesmí v žádném případě prodávat ani pronajímat třetím stranám.
3. Zákaz využívání osobních údajů žáků k reklamním účelům v rozsahu příslušných závazků Microsoftu: Údaje žáků se nesmí používat ani sdílet pro reklamní či komerční účely (včetně přizpůsobené reklamy).
4. Zákaz vytváření profilů: Microsoft nevytváří osobní profily studentů. Výjimkou je pouze přímá podpora výuky nebo případ, kdy k tomu dali výslovný souhlas rodiče či plnoletí žáci.
5. Vázanost dodavatelů: Všechny tyto povinnosti a přísné závazky musí bezvýhradně dodržovat i případní externí dodavatelé služeb.

Jak je to se školní verzí Microsoft Copilot?

S nástupem generativní umělé inteligence vyvstává otázka, zda mohou děti na 1. stupni bezpečně používat také nástroj Microsoft Copilot. Jenže pod označením Copilot se skrývá hned několik různých produktů a funkcí. Copilota můžeme potkat například ve Wordu, Excelu nebo PowerPointu. Nás ale ve škole zajímá především Microsoft 365 Copilot Chat, tedy AI asistent, se kterým mohou žáci komunikovat prostřednictvím chatu. A právě u něj to není tak jednoduché.

Pokud žák používá Copilot Chat prostřednictvím oprávněného školního účtu, vztahuje se na jeho konverzace ochrana podnikových dat (Enterprise Data Protection). Jak popisuje nápověda k ochraně osobních údajů v Microsoft Copilot, tento režim zajišťuje:

• Ochranu konverzací v rámci školního prostředí: Zadané dotazy (prompty) ani odpovědi se neukládají do veřejných databází a nejsou přístupné třetím stranám.
• Trénování AI modelů je vypnuté: Konverzace žáků se nepoužívají k trénování velkých jazykových modelů (LLM) Microsoftu ani OpenAI.
• Dohled školy: Přístup k samotné aplikaci Copilot řídí správce školní sítě. Pokud se škola rozhodne Copilota pro mladší žáky vypnout nebo omezit, může tak učinit přímo v administraci.

To všechno zní dobře. Jenže ochrana osobních údajů je jedna věc a oprávnění žáka používat konkrétní službu je věc druhá.

Microsoft v dokumentu Enable Copilot Chat for learners výslovně uvádí, že žáci mladší 13 let nemohou Copilot Chat používat. U žáků od 13 do 17 let musí škola správně nastavit věkovou kategorii účtu a přístup ke službě. Ve školách K–12 je přístup pro tuto skupinu standardně vypnutý. Totéž potvrzuje dokonce česká dokumentace licencování Microsoft Copilot.

Hranicí tedy není 15, ale 13 let. Pro třináctiletého nebo čtrnáctiletého žáka není samotný věk překážkou. Pro dvanáctiletého žáka ano. Vím a chápu, že tohle zkrátka jako učitelé a správci ICT číst nechcete. A strašně se těším na to, až se do mě nějaký zástupce Microsoftu opře a úplně tenhle článek rozmetá.

Shrnutí a doporučení pro rodiče i školy

Pokud tedy vaše dítě dostane ve škole přihlašovací údaje k Microsoft 365 (např. e-mail ve tvaru jmeno.prijmeni@skola.cz), nemusíte se obávat porušování věkových limitů ze spotřebitelských podmínkách.

Hlavní zásady pro praxi:

• Školní účet zřizuje a spravuje škola: Účet slouží k výuce. Správce školy má právo k účtu přistupovat a spravovat jej.
• Nenahrazujte školní účet osobním: Pro školní úkoly vždy používejte přidělený školní účet, nikoliv soukromý Microsoft účet vytvořený doma, u něhož platí jiná pravidla pro zpracování dat.
• Komunikujte se školou: V případě jakýchkoliv dotazů ohledně nastavení soukromí či zapnutých aplikací kontaktujte IT správce nebo vedení školy.

Jednoznačná odpověď

Školní Microsoft 365 mohou používat i mladší děti, ale Copilot Chat je určen až žákům od 13 let, a ani jim se nemusí zpřístupnit automaticky.

Líbí se vám moje práce?

Pokud vám moje práce dává smysl, můžete mě podpořit malým příspěvkem nebo jinak.

Podpořit mou práci

📖 Přečíst celý článek →

Spolek Wikimedia Česká republika zve veřejnost, aby pomohla na Wikipedii zachytit československé dějiny – včetně těch spojených s historií jednotlivých měst a obcí. Do výzvy Československo se mohou lidé do 10. prosince zapojit psaním článků nebo nahráváním fotografií. Začátečníkům pomohou zkušené lektorky a lektoři na společných setkáních – i online.

Dějiny Československa tvoří nejen významné historické události, ale také každodenní život – příběhy místních škol, spolků, továren a osobností. K jejich zachování na Wikipedii zve spolek Wikimedia Česká republika prostřednictvím soutěžní výzvy Československo. Zapojit se může kdokoliv: místní patriotky a patrioti, pamětníci a pamětnice i všichni další zájemci o minulost. Předchozí zkušenosti s úpravami Wikipedie nejsou potřeba.

Sedmý ročník výzvy se zaměřuje na období od vzniku Československa v roce 1918 až po jeho zánik v roce 1992. Jejím cílem je doplnit a zpřístupnit informace o této části společné historie na Wikipedii. Do 10. prosince mohou lidé psát nové články nebo rozšiřovat ty stávající. Texty mají být podložené věrohodnými zdroji a při jejich uložení je třeba do shrnutí editace uvést hashtag #ceskoslovensko. Přispět lze také tematickými fotografiemi, které je možné nahrát do soutěžní kategorie na svobodném úložišti Wikimedia Commons.

Díky výzvě už na Wikipedii letos přibyl například článek o Janu Machálkovi, rodákovi z Kunovic u Uherského Hradiště. Před gestapem uprchl do zahraničí jako student uherskohradišťského gymnázia. Ve Velké Británii vstoupil do letectva RAF a složil maturitu, ve 21 letech však zemřel po havárii letounu při výcviku. Dosud chybějící heslo o něm napsal wikipedista Karelkam.

„Příběhy lidí a míst nám pomáhají pochopit, jak se velké dějiny promítaly do každodenního života. Díky Wikipedii je můžeme zachovat a zdarma zpřístupnit všem, koho zajímá naše společná československá minulost,“ říká Klára Joklová, výkonná ředitelka Wikimedia Česká republika.

Součástí výzvy jsou také editatony – společná setkání, při kterých účastnice a účastníci doplňují Wikipedii s pomocí zkušených lektorek a lektorů. Předchozí zkušenosti s editováním nejsou potřeba. Hlavní editaton se uskuteční 25. listopadu od 15 do 19 hodin v pražském sídle Seznam.cz a online. Na programu je také přednáška fact-checkingového týmu Seznamu o ověřování informací. Další editaton, zaměřený na dramatické dílo Václava Havla, proběhne 4. prosince od 15 do 19 hodin v Ústřední knihovně Městské knihovny v Praze. Na obě akce je nutné se předem zaregistrovat, a to i v případě online účasti na listopadovém setkání.

Prvních sto účastnic a účastníků soutěže dostane pár stylových ponožek od partnera výzvy, Klubu Pánů z Ponožkovic. Další ceny čekají na ty nejlepší.

Více informací na ceskoslovensko.wikimedia.cz

📖 Přečíst celý článek →

Na stránkách fedoramagazine.org bylo oficiálně oznámeno vydání Fedory 45. Ve finální verzi vychází šest oficiálních edic: Workstation a KDE Plasma Desktop pro desktopové, Server pro serverové, Fedora Cloud pro cloudové nasazení, IoT pro internet věcí a Fedora CoreOS pro ty, kteří preferují neměnné systémy. Vedle nich je k dispozici také atomické verze jako Silverblue a Kionite, alternativní desktopy a k tomu laby – upravené vydání Fedory například pro designery, robotiku, vědecké použití atd. Můžete tedy začít stahovat a instalovat!

Stažení

Ke stažení jsou k dispozici jak oficiální edice, tak i spiny, laby a ARM verze. V prvních hodinách po vydání mohou být servery přetížené. V takovém případě můžete stahovat pomocí torrentů. Vizte také stránku Jak stáhnout. Uživatelům Windows a macOS se na getfedora.org ke stažení nabízí místo obrazu Fedora Media Writer, jednoduchý nástroj, který jim pomůže vybrat verzi Fedory, stáhne ji a nahraje na vybraný USB flash disk. Uživatelům Linuxu jsou i nadále primárně nabízeny přímo obrazy.

Vytvoření instalačního média

Obraz vám pomůže na USB flash disk nahrát a instalační médium vytvořit již zmiňovaný Fedora Media Writer. Verze pro Windows a macOS naleznete přímo na getfedora.org. Uživatelé Fedory jej mohou nalézt v GNOME Software nebo v balíčku s názvem mediawriter. Uživatelé ostatních distribucí si mohou stáhnout verzi pro Flatpak. U Fedora Media Writeru není potřeba obraz dopředu stahovat (i když i to je možné), ale můžete jej stáhnout pomocí něj. Žádný jiný nástroj (kromě dd) se nedoporučuje, protože s ním není Fedora oficiálně testovaná. Chcete-li obraz vypálit na DVD, můžete použít třeba program Brasero nebo v Nautilu kliknout pravým tlačítkem na obraz a dát Zapsat na disk.

Upgrade

Uživatelům Fedora Workstation bude upgrade nabídnut přes GNOME Software. Během několika dní po vydání by se měl na obrazovce Aktualizace objevit panel, který jim upgrade na novou verzi nabídne. Měli by o tom být informováni také upozorněním. Celou věc můžete uspíšit tak, že na obrazovce Aktualizace kliknete tlačítko v levém horním rohu, které vyvolá okamžitou aktualizaci metadat. Chcete-li upgradovat v příkazové řádce, použijte plugin pro DNF. Nainstalujte balíček dnf-plugin-system-upgrade a spusťte proces příkazem sudo dnf system-upgrade download --releasever=45. Může se stát, že některý balíček není upgradovatelný a DNF odmítne systém upgradovat. V takovém případě přidejte parametr --allowerasing. Po úspěšném dokončení, spustíte samotný proces upgradu příkazem sudo dnf system-upgrade reboot. Více informací naleznete v instrukcích k upgradu.

Máte-li již nainstalovanou předfinální Fedoru 45 (např. betu), nemusíte provádět upgrade, stačí aktualizovat balíčky ať už pomocí GNOME Software nebo DNF.

Používáte-li stále Fedoru 43, vězte, že její podpora skončí za měsíc. Chcete-li i nadále dostávat bezpečnostní aktualizace, upgradujte v následujících několika týdnech. Používáte-li Fedoru 44, máte podporu zajištěnou ještě zhruba sedm měsíců.

Co je nového

• Stratis integrovaný do instalátoru Anaconda - Stratis přináší moderní funkce enterprise storage jako thin provisioning, storage pooling nebo dynamickou velikost souborového systému pomocí kombinace device-mapper, XFS a LUKS zabalené do jednoduchého rozhraní. Nyní lze tuto volbu použít přímo v instalátoru včetně Kickstartu.
• GNOME 51 - desktopové prostředí GNOME 51 se stará o většinu novinek ve Workstation. O ukládání a načítání tajemství v klíčence se nyní stará oo7, což může ještě u některých aplikací způsobovat problémy. Mezi další novinky patří třeba podpora passkey a FIDO2 v přihlašovací obrazovce GDM či plynulejší vykreslování díky optimalizacím v Mutteru.
• Atomické desktopy jako Silverblue a Kionite nyní používají novou webovou Anacondu jako instalátor a dorovnaly tak klasickou Fedoru. Podporovaná je také vzdálená instalace přes WebUI.

Pomoc

Máte-li s instalací či upgradem Fedory problémy, obraťte se na české fórum Fedory nebo diskusní skupinu na Telegramu. Před tím, než se pustíte do instalace nebo upgradu, si prostudujte známé problémy.

Je to něco málo přes rok, co  vznikla iniciativa Moonshots, která si dala za cíl dovést RISC OS do moderní doby - přepsat všechny assemblerové části do C a následně zajistit běh v 64bitovém režimu, neboť procesory ARM architektury zbytečně neřeší zpětnou kompatibilitu a již existují varianty, které neumí spouštět 32bitové operační systémy.

Dění okolo RISC OS, jeho verzí, držitelů práv k těmto verzím a i držitelům práv ke správě repozitářů těch částí systému, které jsou šířeny jako open-source, je nicméně značně nepřehledné a chaotické, takže vznikla nezisková organizace RISC OS Technologies, která chce veškerý tento vývoj zastřešit, formalizovat a otevřít.

A aby nešlo jen o nějaké byrokratické přehazování kódu tam a zpět, rovnou v rámci spolupráce RISC OS Technologies a RISC OS Developments (držitel práv) vzniká nová, plně 64bitová verze systému, která teď dostala označení RISC OS 10. Je (prozatím) určtena hlavně pro Raspberry Pi 5, podporuje běh na více procesorech, multithreading, akcelerovanou 3D grafiku prostřednictvím Mesa64 OpenGL/EGL, běh z NVMe úložišť, Unicode/UTF-8 a to vše při zachování kompatibility s původními aplikacemi pro ARM26 and ARM32.

Zdroj:

• Home · RISC OS One

Doufám, že se situace kolem RISC OS trochu pročistí - je v tom aktuálně ještě větší bordel, než na Amize, kde se člověk taky pomalu ztrácí mezi tím, co umí která verze a pro koho je určena.

Milí čtenáři, izraelské volby dopadly patem, po kterém není jasné, co bude dál. Skoro šestinu Knesetu obsadily arabské strany, což je novinka; navíc pár arabských politiků slouží i v nearabských stranách, takže nastala dříve nevídaná situace, kdy v izraelském parlamentu sedí zhruba stejný podíl Arabů, jako je jejich podíl mezi občany státu. Je možné, že Arabové budou požádáni o to, aby aspoň tolerovali novou vládu výměnou za nějaké ústupky – zejména pak strana Ra’am, která je “islámská, ale předvídatelná” (druhá, volební společenství Jednotná kandidátka, je pěkně divoký mix). Na křesla přímo ve vládě zatím ale pomýšlet nemohou.

Hlavním tématem voleb byl samozřejmě “Bibi” Netanjahu a otázka, zda bude i nadále premiérem. Verdikt voličů dopadl nejednoznačně. Netanjahu a jeho strana Likud dostala největší počet hlasů a bude mít v Knesetu největší frakci (27 poslanců). Současná vládní koalice jako celek však získala jen 53 hlasů, což je nejhorší výsledek od roku 2009 včetně, a velká ztráta ze současných 68 křesel. Nejtěsnější možná většina je 61 hlasů a k tomu má koalice hodně daleko.

Pozor také na to, že koalice v Izraeli nejsou nijak železně-stabilní a zejména menší strany mají tendenci se z nich odtrhávat, dostanou-li někde jinde lepší nabídku. To znamená, že příštím premiérem může být někdo zcela jiný.

Netanjahu má tři hlavní problémy, které erodovaly jeho voličskou podporu:

a. Nejasný válečný plán v Libanonu, Gaze i Íránu. Izrael není Rusko, i když tam rusky mluví mnoho lidí; jeho obyvatelé jsou ochotni bojovat, ale nepřenechávají taková strategická rozhodnutí, jako je válka nebo mír, se vším všudy své vládnoucí vrstvě. Naopak, potřebují mít většinovou shodu na tom, co je vlastně cílem toho boje a zda je ten cíl realistický. Něco jako “uzavřeme mírovou dohodu s Libanonem a Sýrií a společnými silami pak zničíme Hizballáh” by asi získalo většinovou podporu, ale s přítomností lidí, jako je Itamar Ben-Gvir ve vládě, jsou takové cíle těžko dosažitelné. Navíc tři fronty (Libanon, Gaza, Írán, s potenciálem čtvrté v Jemenu) jsou na jeden tak malý stát trochu příliš, a dříve pevné spojenectví s Trumpovou Amerikou skřípe kvůli její obecné nespolehlivosti.

b. Již zmíněno, ale stojí za zdůraznění: přítomnost lidí, jako je Itamar Ben-Gvir nebo Becalel Smotrič, ve vládě. Bez těchto radikálů by izraelská diplomacie fungovala daleko lépe než teď, zvlášť v situaci, kdy se celý arabský sunnitský svět cítí ohrožený Íránem a jeho milicemi a je ochoten pozapomenout na staré problémy ve jménu řešení těch nových. Je zjevné, že se promeškávají pro Izrael užitečné strategické příležitosti. Současná koalice akceptovala radikály hlavně proto, aby byl Netanjahu i nadále premiérem, ale platí za to nemalou politickou cenu.

c. Odmítání ustavení vyšetřovací komise k událostem 7. října 2023. Vyšetřovací komise je tradiční izraelskou metodou, jak se vypořádat s traumatickými událostmi. Uplynuly už tři roky a tím vzniká riziko, že svědectví zúčastněných osob začnou ztrácet svoji hodnotu. Podle tvrzení ze zákulisí dělá právě Netanjahu maximum pro to, aby vznik komise zablokoval, což zase vyvolává podezření, že má v tomto směru nějaké máslo na hlavě. Pravicový volič je ochoten odpustit leccos, ale kdyby se ukázalo, že Netanjahu tehdy něco výrazně zanedbal, asi by jej to politicky pohřbilo.

Co se opozice týče, dá se říci jediné: spojuje je touha odstavit současného premiéra od moci, a to pokud možno natrvalo, například formou zákona, že trestně stíhané osoby nesmějí kandidovat do Knesetu (Netanjahu je stíhán kvůli korupci). Nic jiného společného nemají, takže v momentě, kdy dosáhnou svého, se dají čekat rozbroje a rozklížení.

Specifickými hráči jsou ultraortodoxní, kteří projevili ochotu přeběhnout z Netanjahuovy strany na tu opoziční, ovšem patrně výměnou za to, že všechna jejich privilegia (nic nedělat, studovat tóru, pobírat dávky a zejména nesloužit v armádě) zůstanou nedotčena. O něco takového opozice nijak nestála; zvlášť mezi sekulárními Izraelci jsou Charedim považováni za čisté a nehorázné parazity. Ale to už je politika, jejíž součástí je neustálé proplouvání mezi Scyllou a Charybdou. Je pravděpodobné, že vás pomlátí obě.

Má Netanjahu nějakou šanci to ustát a vrátit se k moci? No, pro začátek, zůstává předsedou vlády do doby, než bude zvolen premiér nový. Do té doby může svůj úřad vykonávat, jak se mu zlíbí Ale jeho nejlepší šancí by asi byly předčasné volby.

Izrael má totiž velmi specifické zákony ohledně hlasování z ciziny. Cirka tři čtvrtě milionů Izraelců usazených v cizině nemá možnost hlasovat ani na zastupitelských úřadech; chtějí-li volit, musejí se fyzicky vrátit do Izraele, na místo svého posledního trvalého pobytu před vystěhováním.

To většinou znamená drahou letenku a pár dní dovolené, takže takovou akci nepodniknete každých pár měsíců. Tyto volby, konané v řádném termínu po čtyřech letech, přitáhly hodně lidí z ciziny. Kdyby se měly konat další za čtyři měsíce, tolik jich už znovu nepřijede. A to by pro “Bibiho” mohlo být výhodné.

Sám toho ale nedosáhne. Musela by jej tam pustit opozice tím, že se nedohodne. A to už je hlavně na ní.

Diskusní fórum ke článku najdete zde.

Hudební epilog

📖 Přečíst celý článek →

Otevřeným přístupem k otevřené společnosti!

Jak fungují technologie, které používáme každý den? Dá se mít větší kontrola nad vlastním telefonem, daty a soukromím? Co všechno lze vytvořit s otevřeným softwarem, vlastním hardwarem nebo pomocí lidí, kteří si rádi navzájem pomáhají?

Přijďte to zjistit na 21. ročník konference OpenAlt, která propojuje otevřené technologie, svobodný software, hardware a lidi, kteří chtějí věci nejen používat, ale také jim rozumět a měnit je k lepšímu.

Kdy: 7.–8. listopadu 2026
Kde: Fakulta informačních technologií VUT, Brno
Vstup: zdarma

Technologie, které můžete poznat zblízka

OpenAlt není jen o počítačích a programování. Témata sahají od bezpečnosti a ochrany soukromí přes umělou inteligenci až po elektroniku, otevřená data a komunitní projekty.

Na přednáškách můžete objevit například:

• Bezpečnost a soukromí: jak se lépe chránit v digitálním světě, co o nás prozrazují chytrá zařízení a jak přemýšlet o zabezpečení systémů.
• Linux a svobodný software: jak funguje operační systém, který si můžete přizpůsobit, a jak se zapojit do jeho vývoje.
• Umělá inteligence: jak pracovat s AI agenty a jak využít umělou inteligenci ve vzdělávání a dalších projektech.
• Otevřený hardware a elektronika: od mikrokontrolérů a rádiových technologií až po vlastní zařízení a experimenty.
• Alternativy k běžným technologiím: mobilní Linux, alternativní operační systémy a služby, které staví na otevřenosti a respektu k uživatelům.

Konkrétní program nabídne řadu dalších témat. Nemusíte všemu rozumět předem — OpenAlt je také příležitost narazit na něco nového a zeptat se lidí, kteří se dané oblasti věnují.

Nejen přednášky. Především lidé a nápady!

Jednou z nejzajímavějších částí OpenAltu bývá dění mimo přednáškové sály. Na chodbách potkáte lidi, kteří vyvíjejí vlastní projekty, experimentují s technologiemi nebo provozují služby založené na otevřených principech.

U stánků se můžete zastavit, na cokoli se zeptat a některé věci si prohlédnout nebo vyzkoušet na vlastní oči.

Na co můžete narazit?

• Open hardware a 3D tisk – elektronika, rádiové technologie, 3D tištěné projekty a ukázky komunikační sítě MeshCore.
• Mobilní Linux a alternativní telefony – jak může vypadat telefon, který nestojí jen na běžných mobilních platformách.
• OSCloud – česká open-source komunita, která provozuje služby s důrazem na otevřenost, soukromí a nezávislost na velkých dodavatelích.
• Base48 a další komunity – lidé, kteří se potkávají kolem technologií, experimentování, sdílení znalostí a vlastních projektů.
• Red Hat a další technologické projekty – příležitost potkat lidi, kteří se podílejí na vývoji a používání důležitých nástrojů a technologií.
• Vim, Robotárna a další zajímavosti – od nástrojů pro každodenní práci až po praktické technologické aktivity.

Seznam stánků a ukázek se může ještě rozšiřovat. Právě osobní setkání a nečekané objevy ale patří k tomu, co dělá OpenAlt OpenAltem.

OpenAlt nekončí poslední přednáškou

OpenAlt je především o lidech, sdílení zkušeností a setkávání. Zajímavé rozhovory často začínají u stánku na chodbě a pokračují dlouho poté, co skončí poslední přednáška. A někdy k nim stačí jen společné posezení u piva.

Proto se chceme potkat i mimo přednáškové sály:

• V pátek 6. listopadu se sejdeme u piva v Kachničce a společně se naladíme na konferenční víkend.
• V sobotu 7. listopadu po skončení prvního dne konference se v Kachničce potkáme znovu. Bude prostor pokračovat v debatách, sdílet nápady a poznat další lidi z komunity.

Do Brna můžete dorazit už v pátek

Zajímá vás open source také z pohledu veřejné správy, institucí a firem? V pátek 6. listopadu se v Brně koná OPEN OPEN, konference věnovaná otevřeným technologiím a jejich využití ve veřejné správě. OpenAlt na ni o víkendu navazuje praktičtějším a komunitním pohledem na otevřený software, hardware a další technologie.

Ať už dorazíte na OPEN OPEN, na celý víkend OpenAltu, nebo jen na několik přednášek, budeme rádi, když se přidáte!

Nemůžete dorazit osobně? Sledujte nás živě!

Pokud se na OpenAlt nedostanete osobně, nemusíte o program přijít. Celou konferenci budeme živě vysílat na vhsky.cz.

Vysíláme prostřednictvím PeerTube, svobodné platformy pro sdílení videí, která odpovídá principům otevřenosti, na kterých OpenAlt stojí. A jako bonus: bez reklam.

Odkazy na jednotlivé živé přenosy najdete přímo v programu konference.

Přijďte se podívat — osobně nebo online

OpenAlt je pro každého, koho zajímá, jak technologie fungují, jak je možné je používat svobodněji a co vzniká, když lidé sdílejí své znalosti a nápady.

Nemusíte být programátor ani odborník. Stačí zvědavost a chuť poznat něco nového.

Těšíme se na vás 7.–8. listopadu 2026 na FIT VUT v Brně.

Více informací a aktuální program najdete na www.openalt.cz.

Vstup na konferenci je zdarma díky podpoře našich partnerů.

📖 Přečíst celý článek →

Lehce jsem poupravil oblíbený clickbaitový titulek. Po skoro třech letech bez chlastu jsem se zase napil a o

Příspěvek Po třech letech bez alkoholu jsem se zkusil napít, uhodnete co se stalo pochází z Spajkovo postřehy z kyberprostoru 👾

Keď si myslíte, že štát už vymyslel všetky možné spôsoby, ako z vás vytiahnuť peniaze, vždy sa nájde politik, ktorý vás presvedčí o opaku. Na Slovensku sme si zvykli na transakčnú daň. Zaplatíte daň, keď zarobíte peniaze, ďalšiu, keď ich miniete, a teraz aj vtedy, keď ich niekomu pošlete.

Francúzi sa rozhodli posunúť túto disciplínu na vyššiu úroveň. Chcú zdaniť internetové dáta. Nie príjmy, nie zisky, ale gigabajty, ktoré putujú internetom. Daň zo vzduchu je zrazu opäť o niečo bližšie.

Koncom októbra francúzsky parlament schválil pozmeňovací návrh k štátnemu rozpočtu na rok 2027, ktorý zavádza daň vo výške 5,5 centa za každý gigabajt dát doručený francúzskym používateľom. Predstavte si, že si na Netflixe pozriete film, stiahnete hru zo Steamu alebo zálohujete fotografie do cloudu. Niekde medzi serverom a vaším zariadením vznikne nová daňová povinnosť. A štát si spokojne odškrtne ďalšiu položku v príjmoch.

Zatiaľ ide len o schválený pozmeňovací návrh, nie o platný zákon. Dokonca ho podporilo iba 11 poslancov, proti bolo 10 a ďalších 14 sa zdržalo. Francúzsky parlament má pritom 577 poslancov. Ale na tom je práve niečo fascinujúce. Jedenásť ľudí dokáže posunúť myšlienku zdanenia internetovej prevádzky do legislatívneho procesu krajiny so 68 miliónmi obyvateľov. Samozrejme za tým stoja socialisti.

Keď už nevieme, čo zdaniť

Veľké technologické firmy zarábajú miliardy, optimalizujú dane a štáty majú pocit, že z ich ekonomickej aktivity nedostávajú spravodlivý podiel. Tak prečo nespoplatniť niečo, čomu sa nedokážu vyhnúť? Každý gigabajt, ktorý prejde k francúzskemu používateľovi.

Autor návrhu, socialistický poslanec Laurent Lhardit, predpokladá, že nová daň by mohla priniesť približne 10 miliárd eur ročne. Francúzski internetoví operátori by mali merať objem prenesených dát, identifikovať ich odosielateľov a poskytovať údaje daňovým úradom. Platiť by mali poskytovatelia obsahu, nie priamo používatelia. Pri veľkých firmách by daň obmedzovali stropy naviazané na obrat.

Znie to jednoducho, pokiaľ sa nad tým nezamyslíte dlhšie ako päť sekúnd.

Internet totiž nie je vodovod, v ktorom každý liter vody patrí jednému konkrétnemu dodávateľovi. Dáta prúdia cez cloudové platformy, distribučné siete a servery, ktoré často obsluhujú stovky rôznych služieb. Jeden poskytovateľ infraštruktúry môže doručovať videá Netflixu, softvérové aktualizácie, firemné dokumenty aj univerzitné prednášky. Identifikovať, kto má za konkrétny gigabajt zaplatiť, nie je také jednoduché, ako spočítať spotrebu elektriny.

A potom je tu ešte zaujímavejšia otázka. Prečo by sa malo platiť za samotný prenos informácie?

Ak si stiahnete 100 GB počítačovú hru, vznikne teoretická daň 5,50 eura. Ak si stiahnete bezplatný open-source softvér s rovnakým objemom, vznikne rovnaký základ dane. Ak univerzita sprístupní študentom veľký vedecký dataset, štát uvidí ďalšie gigabajty. Daň nerozlišuje medzi zábavou, vzdelávaním, reklamou a verejnoprospešnou činnosťou. Rozlišuje iba medzi tým, či sa dáta pohli alebo nie.

Slovenská škola zdaňovania všetkého

Niečo mi to pripomína. Našu transakčnú daň. Slovenský podnikateľ zarobí peniaze. Z príjmov alebo zisku zaplatí príslušné dane. Keď nakupuje do ceny sa premietajú ďalšie dane vrátane DPH. Keď z podnikateľského účtu uhradí faktúru, vzniká ešte transakčná daň. Nie preto, že niečo zarobil. Nie preto, že vytvoril dodatočnú hodnotu. Ale preto, že peniaze presunul z jedného účtu na druhý.

Samozrejme, jednotlivé dane majú rozdielne právne základy a nie vždy ich platí ten istý subjekt. Ekonomická realita je však jednoduchá. Každá z nich predstavuje ďalší náklad v reťazci, ktorý sa napokon vždy premietne do cien tovarov a služieb.

Predstavte si firmu, ktorá zaplatí dodávateľovi. Dodávateľ zaplatí subdodávateľovi. Ten zaplatí ďalšiemu partnerovi. Peniaze sa postupne presúvajú ekonomikou a pri jednotlivých zdaniteľných platbách môže znovu vzniknúť transakčná daň. Nevzniká pritom automaticky nová hodnota zakaždým, keď niekto klikne na tlačidlo Odoslať platbu.

Transakčná daň je v tomto zmysle takmer geniálny filozofický vynález. Štát už nepotrebuje čakať, kým niekto zarobí. Stačí, že sa peniaze hýbu.

No a Francúzsky návrh uplatňuje podobnú filozofiu na internet. Namiesto peňazí sa hýbu dáta. A keďže sa hýbu, prečo ich nezdaniť?

Daň nakoniec zaplatí niekto iný. Hádajte kto.

Oficiálne má francúzsku daň platiť Netflix, Google, Amazon či ďalší poskytovatelia digitálnych služieb. Politicky veľmi vďačný cieľ. Veľké technologické firmy nemajú medzi voličmi takmer žiadnych obhajcov a predstava, že ich prinútime zaplatiť miliardy, sa dobre predáva.

Lenže firmy nie sú charitatívne organizácie financujúce štátne rozpočty zo svojej dobrej vôle. Dane vstupujú do ich ekonomiky a ovplyvňujú ceny, investície, kvalitu služieb aj výnosy vlastníkov. Časť nákladov môžu absorbovať, časť preniesť na zákazníkov, inzerentov alebo obchodných partnerov.

A presne tam sa nachádza najväčší paradox celej myšlienky. Politik predstaví daň namierenú proti bohatým technologickým gigantom a jej dôsledky pocítia ľudia, ktorým práve sľuboval spravodlivejší svet.

Francúzska vláda navyše upozornila, že významná časť očakávaného výnosu by mohla dopadnúť aj na menších poskytovateľov obsahu. Teda na firmy, ktoré nemajú miliardové zisky ani armádu daňových poradcov. Na startupy, médiá, vývojárov aplikácií alebo služby distribuujúce veľké objemy dát.

Aby toho nebolo málo, návrh má aj ekologické zdôvodnenie. Keď zdražíme gigabajty, firmy budú motivované prenášať menej dát. Budú viac komprimovať videá a optimalizovať prevádzku. Možno. Rovnako však môžu obmedzovať kvalitu streamovania, spoplatňovať doteraz bezplatné služby alebo zvyšovať ceny.

Mimochodom, ak by sme túto logiku dotiahli do dôsledkov, mohli by sme zaviesť aj daň za odoslaný e-mail. Za každú otvorenú webovú stránku. Za každú fotografiu nahratú do cloudu. Koniec koncov, aj tie spotrebúvajú infraštruktúru a energiu.

Zdaníme problém, ktorý sme si práve vymysleli

Najväčšou iróniou je, že podobný nápad už Európa zažila. V roku 2014 chcelo Maďarsko zaviesť daň z internetovej prevádzky vo výške 150 forintov za gigabajt. Po masových protestoch vláda návrh stiahla. Vtedy sa o internetovej dani hovorilo ako o absurdnom útoku na digitálnu ekonomiku.

O dvanásť rokov neskôr sa podobná myšlienka vracia vo Francúzsku. Tentoraz zabalená do slov o daňovej spravodlivosti, ekologickej transformácii a regulácii technologických gigantov.

A to je na celej veci asi najzaujímavejšie. Každá nová daň prichádza s vlastným krásnym príbehom. Jedna zachráni verejné financie. Druhá vyrovná nerovnosti. Tretia ochráni životné prostredie. Štvrtá prinúti nadnárodné korporácie zaplatiť spravodlivý podiel. A piata je, samozrejme, len dočasná.

Výsledkom je stále komplikovanejší systém, v ktorom sa zdaňuje príjem, spotreba, majetok, transakcia a teraz potenciálne aj samotný pohyb digitálnych informácií. Namiesto jednoduchšieho a predvídateľnejšieho daňového prostredia dostávame ďalšie vrstvy pravidiel, výkazov, výnimiek, kontrol a administratívy.

Francúzska internetová daň ešte nemusí prežiť legislatívny proces. Dúfajme. Proti návrhu je dokonca aj samotná vláda. Lenže tento konkrétny zákon je možno menej dôležitý než spôsob uvažovania, ktorý reprezentuje.

Keď štátu chýbajú peniaze, namiesto otázky, kde ich ušetriť, sa čoraz častejšie pýta, čo ešte dokáže zdaniť. A pokiaľ sa niečo hýbe, prenáša, posiela, prijíma alebo spotrebúva, vždy sa dá nájsť dôvod, prečo by z toho mala časť patriť štátu.

Je to taká hlúposť, že verím, že to je inšpirácia pre Kamenického - už ho vidím ako k radám o varení džemu odporúča, aby si ľudia kupovali DVD a vymieňali USB kľúce...

📖 Přečíst celý článek →

Dnes po poledni jsem byl pozván do vysílání Studia ČT 24, kde jsem odpovídal na otázky týkající se včerejšího úspěšného útoku na kryptoměnovou směnárnu Binance, v rámci nějž se útočníkům podařilo ukrást v přepočtu cca 135 miliard korun. Záznam z vysílání Studia ČT24 najdete v případě zájmu na tomto odkazu - část věnovaná výše zmíněnému tématu začíná cca na osmé miutě…

📖 Přečíst celý článek →

Listopadové RoboDoupě bude 7.11. proto sledujte web a fórum, kde se dozvíte podrobnosti.

Místo konání: MFF UK, kampus Troja, pavilon N („Impakt“), 2. patro, Laboratoř robotiky.Adresa: V Holešovičkách 2, Praha 8 (zastávka MHD Kuchyňka; auto lze zaparkovat podle mapy tady)1.

Program:

Vpád AI do bezpečnosti počítačových systémů neskončil. Zajímavá statistika: za říjen 2026 bylo nalezeno celkem 3% všech historických chyb se závažností “kritické”. Přitom příslušný systém zvaný CVE (Common Vulnerabilities and Exposures) běží od září 1999, čili nějakých 325 měsíců. Celkem snadno spočítáme, že “sklizeň” chyb je teď v říjnu desetinásobná vůči dlouhodobému průměru.

Projevuje se to i u lépe financovaných a důkladněji auditovaných projektů, jako je jádro operačního systému Linux:

O PHP a jeho záplatování, které se projevilo i odstavením tohoto blogu, už jsem psal minule. Uzrálo však ještě pár dalších lahůdek.

Mezi zcela “rozkopnuté” služby patří eMudhra, indická certifikační autorita, která loni jakýmsi záhadným způsobem vygenerovala větší množství slabých certifikátů – příslušné soukromé klíče byly extrémně krátké (jen 3-8 bitů). Na Západě to nemělo až takový dopad, ale problém postihl řadu indických serverů včetně těch, které zajišťovaly vládní služby pro veřejnost. eMudhra poté oznámila, že se z byznysu kolem SSL certifikátů stahuje úplně.

Další problém, který tentokrát opravdu globální dopad měl, byla chybička nalezená v implementaci dekodéru Brotli od společnosti Google. Když surfujete po internetu, je běžné, že na pozadí se ta přenášená data komprimují (zmenšují), aby se jich přenášelo méně, a ve vašem prohlížeči se zase rekonstruují; samozřejmě to jde jen do nějaké míry, z “jednoho mega” typicky neuděláte “jedno kilo”. Ale nějaká ta úspora se tam většinou udělat dá, hlavně u textů.

Brotli, vyvinutý před cca 13 lety dvěma evropskými programátory (Jyrki Alakuijala a Zoltán Szabadka), je v tomto směru velice efektivní, asi o 15-25 procent efektivnější než další dominantní algoritmus gzip. Proto se také během posledních deseti let rozšířil všude možně, podporují jej skoro všechny servery i prohlížeče.

Jenže ta základní implementace, kterou od Googlu zkopírovali skoro všichni (licenční model to totiž umožňoval), je opět psaná v jazyce C, a to znamená, že má sklon k chybám v práci s pamětí. Nu, a to přesně také nastalo – za jistých okolností, vhodně formátovaným požadavkem, šlo systém opět přimět k tomu, aby poničil svoji vlastní paměť a potenciálně umožnil i vykonání nepřátelských instrukcí. Posledních několik dní se tedy opět zuřivě záplatuje všechno možné, nalevo i napravo; chybě se říká HTTP2Shell.

Většina nalezených problémů z října naštěstí není takového rázu, aby se daly ihned zneužít k hromadným útokům. Ale i tak mají administrátoři všeho druhu práce nad hlavu; tolik záplat během tak krátkého času se nikdy dělat nemuselo.

Co zatím nenastalo, a co by byla velká legrace: kdyby se nějaké AI podařilo prorazit některý široce užívaný šifrovací algoritmus. Něco jako RSA nebo AES nebo aritmetiku eliptických křivek. Už teď se ví, že některé špionážní organizace typu americké NSA si sbírají šifrovaná data “do foroty”, pro případ, že se do nich jednoho dne v budoucnu budou moci vlámat. Tím by vyšla najevo spousta tajemství. A velice pikantní by byly důsledky v případě digitálních podpisů. Tam nemáte jinou garanci než právě jen ten algoritmus; je to hromada bitů a bajtů bez jakékoliv hmotné reprezentace (např. papír, otisky prstů…), která by se dala prozkoumat aspoň sekundárně.

Samozřejmě, my vlastně nevíme, zda už to nenastalo. V současné době umí provozovat tak velké AI modely jen několik málo firem, jako je OpenAI nebo Anthropic. Kdyby některá z nich přišla na takovou věc … nu, tak se třeba taky nepochlubí veřejně. Tiché memorandum do Bílého domu a hotovo.

Inu, z toho digitálního hlediska žijeme ve velmi zajímavých časech. Doufám, že just teď nezačne někdo tlačit digitalizaci voleb, to by ještě scházelo.

Diskusní fórum ke článku najdete zde.

Hudební epilog

📖 Přečíst celý článek →

Umí chodit, běhat, skákat salta nebo předvádět kung-fu. Humanoidní roboti zvládají stále složitější pohyby a čím dál více se podobají lidem. Přesto jim stále dělají problém činnosti, které člověk zvládá naprosto přirozeně. Zatímco videa na internetu budí dojem, že robotická revoluce je za dveřmi, skutečnost je mnohem složitější. Vývojář a konstruktér humanoidních robotů Stanislav Věchet z Fakulty strojního inženýrství VUT proto hledá cesty, jak robotiku zpřístupnit širší veřejnosti.🤖🦾

Kdy budou humanoidní roboti skutečně užiteční? Proč je pro ně obyčejná chůze složitější než salto? Jak je lze využít v medicíně? A kde leží hranice mezi pomocí člověku a jeho nahrazováním?

Timeline epizody:

01:52 – Humanoidní roboti VUT
03:10 – Robotika dostupná díky 3D tisku
06:00 – Mediální humbuk kolem robotů
08:15 – Vývoj humanoidních robotů
12:21 – V čem mohou být roboti nápomocní
18:23 – Budoucnost robotiky
23:11 – Robotika ve výuce na VUT

Jak budovat digitální kulturu školy, ve které technologie skutečně pomáhají a učitelé se nebojí experimentovat? S Martinem Lánou, ředitelem základní školy a dvou mateřských škol, si povídáme o tom, jak nastavit zdravý přístup k technologiím, podporovat spolupráci pedagogů a vytvářet prostředí, kde je chyba přirozenou součástí učení. Dozvíte se, proč digitální kultura není jen otázkou technického vybavení, ale především lidí, komunikace a společných pravidel. Podíváme se také na roli ICT metodiků, digitálních lídrů a vedení školy, na rozdělení odpovědnosti za technologie i na praktické zkušenosti s jejich výběrem a správou. Probereme možnosti vzdělávání, význam sdílení zkušeností mezi školami a také to, proč jsou osobní setkávání v digitální době stále nenahraditelná.