Doporučení pro vydavatele, obor a veřejné instituce.
Předchozí kapitoly ukazují, že generativní AI nepřináší médiím jednu izolovanou hrozbu, ale souběh několika tlaků: oslabení distribuce, reputační rizika, právní nejistotu a proměnu redakční práce. Doporučení v této kapitole míří k tomu, co lze v takovém prostředí dělat prakticky. Jejich strukturovaný přehled podle síly opory drží i stránka Doporučení.
Doporučení však nemají stejnou váhu. První skupina má poměrně silnou oporu v datech a reaguje na již doložené problémy, například na chybovost AI, potřebu lidského gatekeepingu nebo roztříštěnost rozhodování uvnitř redakcí. Druhá skupina představuje spíše strategické sázky na budoucnost: kolektivní licencování, nové standardy pro AI vyhledávání nebo posun k některým formátům. Tyto kroky mohou být racionální, ale zatím nejsou empiricky potvrzeným řešením.
Liší se i náročnost jejich provedení. Menší a lokální redakce často nemají kapacity na vlastní AI tým, důsledný human-in-the-loop u každého typu obsahu ani na rychlé produktové experimenty. Proto kapitola vedle plného seznamu uvádí i minimální balíček kroků, s nimiž mohou začít i menší redakce.
Čemu se vyhnout
Než přijdou konkrétní doporučení, stojí za to pojmenovat dva kroky, kterým by se média měla vyhnout:
Plošné uzamčení všech AI robotů bez rozlišení jejich role. Dostupná data, včetně working paperu Zhaoa a Bermana, naznačují, že úplné odstřižení všech botů může snížit nejen strojovou citovanost, ale i návštěvnost od lidských uživatelů, protože médium ztrácí viditelnost v nových vyhledávacích rozhraních (zhao-berman-2025). Smysl proto dává diferencovaný přístup, který rozlišuje mezi roboty pro trénink modelů a roboty používanými pro vyhledávání nebo citaci.
Skryté používání AI při tvorbě publikovaného obsahu. Případy CNET nebo Sports Illustrated ukazují, že nepřiznané nasazení AI může mít reputační i obchodní dopad (futurism-2023). Transparentnost sama o sobě negarantuje důvěru, její absence ji však může poškodit velmi rychle. Experimentální studie Khatiwady a kol. tento obraz zpřesňuje: přiznání, že se na textu podílela AI, důvěryhodnost nesnižuje, v experimentu ji dokonce mírně zvyšovalo, zatímco mnohem víc škodí extrémní tón samotného obsahu (khatiwada-2026). Jde o experiment na malém americkém vzorku (zhruba 180 respondentů), takže výsledek je třeba brát jako indicii, nikoli jako robustní důkaz. Z toho plyne praktické doporučení, které ovšem sama studie head-to-head netestovala: účinnější než pouhý odznak „vytvořeno AI” je nejspíš procesní deklarace, která říká, co AI změnila a kdo výstup ověřil, například „AI upravila styl, fakta ověřil editor”.
A. Doporučení pro vydavatele
Minimum pro menší redakci
Pokud redakce nemá kapacitu řešit celý seznam doporučení, dává smysl začít čtyřmi kroky:
- revidovat přístup robotů a neblokovat plošně vše bez rozlišení účelu,
- přijmout stručná interní pravidla pro používání AI,
- nepouštět k publiku nic bez dohledatelné lidské odpovědnosti,
- stručně a veřejně popsat, jak redakce AI používá.
Krátkodobě
1. Revidovat technické nastavení přístupu k obsahu. Vydavatelé by měli zkontrolovat, které typy robotů mají na webu přístup a jaké jsou důsledky tohoto nastavení pro trénink modelů, citovanost i návštěvnost. Smyslem není plošný zákaz, ale selektivní režim: omezovat roboty určené pro sběr tréninkových dat a zároveň pečlivě zvažovat, zda neblokovat ty, kteří ovlivňují viditelnost média v odpovídacích rozhraních.
2. Přijmout interní redakční rámec pro používání AI. Každá redakce by měla mít srozumitelná pravidla pro to, kde lze AI použít a kde nikoli. Inspirací mohou být pravidla Seznam Zpráv nebo Českého rozhlasu. Základní rámec má obsahovat zákaz vydávat AI-generovaný text za autorský novinářský výkon, zákaz používat AI bez kontroly v citlivých zpravodajských formátech a jasné určení lidské odpovědnosti za finální publikovaný výstup.
3. Zveřejňovat vůči publiku, jak redakce AI používá. Transparentnost vůči publiku bude s nástupem AI Actu i dalších regulatorních požadavků důležitější. Vydavatelé by měli srozumitelně vysvětlit, k čemu AI využívají, jaké typy výstupů označují a kde trvají na čistě lidské práci.
4. Udržet člověka ve smyčce u všeho, co míří k publiku. Výzkumy newsroomů i testy chybovosti AI ukazují, že princip human-in-the-loop není doplňková opatrnost, ale základní obranná linie. Každý obsah směřující k publiku má mít dohledatelného lidského autora, editora nebo odpovědnou redakční roli.
Střednědobě
5. Přesunout investice od komoditního obsahu k původní tvorbě. Data naznačují, že největší ztráty dopadají na jednoduše shrnutelný obsah, zatímco vyšší odolnost si drží původní reportáže, investigativa, odborný kontext a autorsky rozpoznatelné texty.
6. Posilovat důvěryhodnost konkrétních autorů a značek. V prostředí, kde AI rozhraní stírají rozdíl mezi zdroji, roste význam rozpoznatelné redakční a autorské identity — systematická práce s autory, editory, newslettery, podcasty a dalšími formáty, které budují vztah mezi médiem a publikem napřímo.
7. Chránit nejhodnotnější obsah chytrým paywallem a produktovou strategií. Původní a obtížně nahraditelný obsah má mít vyšší ochranu i vyšší ekonomickou hodnotu. Pro menší trhy dává smysl kombinace otevřeného servisního obsahu a placené vrstvy postavené na exkluzivitě, interpretaci nebo komunitní vazbě.
8. Přizpůsobit technickou infrastrukturu AI vyhledávání. Vedle tradičního SEO je třeba věnovat pozornost
i tomu, jak jsou články čitelné pro odpovídací systémy: kvalitní strukturovaná metadata, jasné označení
autora, zdroje, data publikace a logickou stavbu textu. Pojmy typu AEO, GEO nebo
standardy jako llms.txt je však zatím přesnější chápat jako experimentální strategii, ne jako ověřené řešení.
9. Využívat AI jako nástroj podpory, ne jako náhradu autorství. AI může pomáhat s přepisy, tříděním dokumentů, rešeršní přípravou nebo identifikací slabých míst v textu. Nemá však přebírat roli autora, editora ani ověřovatele faktů. Redakce by měly sledovat i riziko postupné homogenizace stylu.
10. Budovat mezioborové AI týmy, ne izolované experimenty. Významnou bariérou inovací nejsou jen finance, ale i soupeřící sila mezi redakcí, produktem, technologií a byznysem. Vydavatelé proto potřebují smíšené pracovní skupiny.
Dlouhodobě
11. Žádat od technologických platforem data o citovanosti, proklikovosti a chybovosti. Bez těchto dat nelze vyhodnotit ekonomický ani reputační dopad AI distribuce.
12. Diverzifikovat příjmy mimo platformní distribuci. Média by neměla nahrazovat závislost na Googlu závislostí na nových AI platformách. Potřebují předplatné, eventy, školení, B2B produkty i členské modely.
B. Doporučení pro oborová sdružení a veřejné instituce
Krátkodobě
13. Posílit kolektivní vyjednávání o licencích. Menší jazykové trhy mají omezenou vyjednávací sílu. Institucionální rámec Správce licenčních práv vydavatelů, který se v březnu 2025 stal kolektivním správcem majetkových práv vydavatelů tiskových publikací, proto může pomoci, aby český trh nevyjednával roztříštěně, ale koordinovaně (slpv-2026).
14. Sjednotit doporučení k TDM opt-outu a přístupu robotů. Oborová sdružení by měla vydavatelům nabídnout
jasný a technicky srozumitelný standard, jak pracovat s robots.txt, s TDM opt-outem i s dalšími mechanismy
ochrany obsahu. Součástí má být i tlak na to, aby dominantní platformy oddělily crawlery podle účelu.
15. Kolektivně řešit i ochranu integrity značek, nejen autorská práva. Pokud AI systémy vytvářejí falešné atribuce nebo poškozují nestrannost médií, měla by oborová agenda zahrnovat i pravidla pro citaci, nápravu chyb a ochranu redakční integrity.
Střednědobě
16. Zapojit český trh do širších mezinárodních licenčních iniciativ. Platformy typu RSL Collective nebo další vznikající standardy mohou být důležité zejména pro menší a střední vydavatele. Česká média by neměla čekat, až budou pravidla hotová jinde.
17. Důsledně vymáhat regulatorní rámec. Veřejné instituce by měly trvat na tom, aby AI Act i další evropská pravidla byly v praxi vymahatelné, zejména v oblasti označování syntetického obsahu, transparentnosti a ochrany práv. Britská debata kolem CMA ukazuje, že tato agenda nebude jen autorskoprávní, ale i soutěžní.
Dlouhodobě
18. Financovat český výzkum dopadů AI na informační chování. Českému prostředí chybí systematická data o tom, jak lidé důvěřují AI odpovědím, jak je ověřují a jak AI mění jejich vztah ke zpravodajství.
19. Využít specifika českého trhu se dvěma silnými vyhledávacími branami. To zvyšuje tlak na vydavatele, ale zároveň vytváří prostor pro silnější domácí vyjednávání a testování alternativních modelů.
Dovětek: Doporučení pro školy a veřejnost
Tato část přesahuje hlavní osu reportu zaměřenou na média. Nejde o rovnocennou třetí část, ale o stručný dovětek opřený o obecnější studie o kognitivním offloadingu a AI gramotnosti; jeho důkazní základ je slabší než u doporučení mířených přímo na vydavatele.
20. Posílit mediální a AI gramotnost. Součástí mediální výchovy má být rozpoznávání syntetického obsahu, práce se zdroji a základní zásady ověřování AI výstupů — a také to, jak samotná forma plynulé odpovědi oslabuje kritickou obezřetnost.
21. Zavádět princip AI-after-attempt ve vzdělávání. Smysl dává model, v němž student nejprve řeší úkol sám a teprve poté využije AI jako nástroj zpětné vazby nebo kontroly.
22. Podporovat ekonomicky média, která investují do původní práce. Investigativa a terénní reportáž potřebují ekonomickou oporu — granty, institucionální podporu i ochotu publika platit.
23. Vést uživatele k vědomému ověřování AI odpovědí. Základním návykem by mělo být ověření v několika důvěryhodných zdrojích a schopnost rozlišit mezi pohodlnou odpovědí a skutečně doloženou informací.
Tato doporučení nejsou definitivním návodem pro každý typ média. Nejpevněji podložené jsou kroky související s redakčními pravidly, lidským dohledem a algoritmickou gramotností. Licenční koalice, nové standardy pro AI vyhledávání nebo přesun k některým formátům je přesnější chápat jako strategický směr, který bude muset projít praktickým testem.
Pokračovat: Použitá literatura → · zpět na úvod reportu