Industrializace humanizace

Inzeráty na gigy a nabídky služeb na neformálních pracovních platformách, jako jsou Upwork a Fiverr, v dnešní době hojně používají slovo ‘humanizovat’, přičemž řada pracovních nabídek a poskytovatelů navrhuje různé úrovně zakrytí skutečnosti, že článek byl napsán, či částečně napsán, či spolupsán s AI.

Trend ‘Humanize’ v reálných příspěvcích na Upwork.

Poptávka po lidských a automatizovaných službách, které dokážou přepsat AI‑’znečištěný’ výstup tak, aby to vypadalo, že člověk si sedl a potil se několik hodin, naznačuje, že byl dosažen univerzální konsensus, že ‘lidský dotek’ je potřebný pro spojení a oslovení – a že obrovské množství obsahu v éře AI znovu učiní toto spojení nezbytným.

Osobně bych to rád takto uvažoval, ale není to nutně pravda – mimo jiné proto, že vlastní směrnice Googlu v této věci zabývají se kvalitou textu, spíše než prostředky, jakými byl vytvořen.

Pravdou je, že v současnosti přesně nevíme kolik a jakého druhu AI jsme ochotni tolerovat, ani do jaké míry dokážeme ospravedlnit výhody, které miliardy z nás denně získávají od AI, proti pocitu ‘spoluúčasti’ a morálního svádění v souvislosti s širšími důsledky této technologie.

Výše zmíněné pracovní nabídky to také odrážejí; zde tvůrci a společnosti zoufale usilují o automatizaci, pravděpodobně proto, že chtějí publikovat ve velkém měřítku, což je přesně praxe, kterou Google slibuje ve svém algoritmu hodnocení výslovně potrestat. Současně hledají jak automatizované, tak lidské metody ‘industrializace’ humanizace.

Připomíná mi to poněkud jedna z nejlepších vtipů v komediálních skečích Stevena Wrighta z 80. let.

‘Ve svém domě mám mikrovlnnou krb. Můžu si lehnout před ohněm na večer už za 8 minut.’

Tvar nadcházejícího šmejdu

Jak obvykle, tyto úvahy jsou inspirovány mým každodenním procházením Arxiv, kde jsem dnes zvláště narazil na článek od Jochen Madlera ze společnosti Sitefire, zabývající se marketingovou automatizací, s názvem SlopShape: Identifying AI-Generated Commercial Web Content.

Obvykle odmítám články s jediným autorem podle principu ‘Victor Frankenstein’, ale premisa tohoto je spartská a testovací metodika robustní.

Studie v podstatě říká, že když je AI‑generovaný příspěvek zcela přepsán, i lidmi, zachovává si výrazný architektonický podpis, který se nachází na úrovni mnohem vyšší než úroveň slov, zahrnující charakteristický „tvar“, který nelze odstranit žádným množstvím přeformulování či povrchových úprav textu:

Porovnání strukturálních vzorců v lidských a AI‑psaných příspěvcích. Lidské psaní má tendenci používat raritnější kombinace struktur, zatímco všech pět AI modelů upřednostňuje konvenčnější kombinace. Zdroj

Je zřejmé, že tento problém (pokud jej takový považujete) lze obejít tím, že si sami naplánujete průběh psaní a buď nepoužijete žádnou AI, nebo ji použijete jen na samostatné komponenty, které jste si sami naplánovali.

Nicméně, jak dokládají agresivní inzeráty na Upwork, toto není žádoucí; z tónu takových nabídek lze vyčíst, že obsah článku by měl být nejen strukturován AI, ale také vymyšlený AI – tj. LLM by měl navrhovat vhodná témata sladěná s celkovými cíli společnosti nebo entity.

Poté se plně očekává, že AI vytvoří různé postupné koncepty obsahu, přičemž otravná lidská (meatware) složka zasáhne jen při závěrečném a neformálním doteku lidskosti (ideálně by tento proces časem měl přejít do Python workflow).

Zajímavé vlastnosti

Autor nového článku získal tyto poznatky sběrem několika tisíc firemních blogových příspěvků těsně před vydáním a šířením ChatGPT (2020‑2022) a odvozením výzev z nich.

To znamená, že použil Gemini 3 Flash k přečtení skutečných, lidsky psaných článků a reverznímu inženýrství výzvy navržené k vytvoření podobné práce napříč některými z předních LLM, konkrétně GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6 a Gemini 3.

Tyto výzvy byly následně použity k vytvoření pěti AI verzí každého z reálných lidských příspěvků, ze kterých byly extrahovány vlastnosti, které by nakonec popisovaly LLM‑specifický „tvar“ obsahu napříč pěti modely; a Madler poznamenává, že „AI příspěvky sdílejí úhledný, samoznačující se tvar“.

Celá studie je opakovaným provedením projektu StoryScope project z COLM 2026 v srpnu, spolupráce mezi University of Maryland a Google DeepMind, která použila v podstatě stejnou metodiku pro beletrii a zjistila, že příběhy generované AI konvergují k užší a předvídatelnější škále narativních struktur než lidské psaní:

Z studie StoryScope, srovnávací rozptylový graf narativních vzorců v lidské a AI‑generované beletrii. Lidské příběhy zaujímají samostatnou oblast, zatímco příběhy pěti předních AI modelů se seskupují těsněji, což naznačuje větší podobnost v jejich základních narativních volbách. Source

Madler se rozhodl znovu spustit StoryScope na firemních blozích kvůli rozsáhlému finančnímu podnětu k jejich automatizaci, na rozdíl od excentričtější oblasti beletrie, a vzhledem k velkému rozsahu, v jakém jsou již automatizovány (50 % automatizace online obsahu do května 2026, podle a Graphite study citované v Madlerově práci).

Možná nejzajímavější analýzou je rozbor funkcí extrahovaných z materiálu vytvořeného AI na základě předroční 2022 lidsky psaných příspěvků:

‘Hodnoty nejčastěji produkované AI modely se spojují do toho, co nazýváme úhledným, samooznamovacím blogovým příspěvkem: slibuje výsledek již v titulku, uvádí svou tezi a oznamuje strukturu před první sekcí, mluví v redakčně‑vysvětlujícím tónu a končí částí, která shrnuje nebo opakuje tezi.’

‘V typickém AI příspěvku je výsledek slíben v titulku: „Jak zkrátit dobu zaškolení na polovinu.“ Teze je uvedena a tok oznámen před první sekcí: „V tomto příspěvku se podíváme, proč zaškolení zadrhává, na tři fungující opravy a jak měřit rozdíl.“’

‘A závěr opakuje tezi: „Stručně řečeno, strukturované zaškolení šetří čas.“ Lidsky orientované hodnoty popisují příspěvky bez těchto vodítek: žádný oznámený tok sekcí, žádné zvyšování napětí a žádná závěrečná sekce, která by tezi opakovala.’

Chybný předpoklad

Mimochodem, většina tropeů a klišé přítomných v popsané šabloně byla odvozená od SEO-obsessed strictures před‑LLM marketingové scény. Kde si myslíme, že AI tyto návyky získala?

Šablonovaný marketingový text byl always hated, dlouho před AI, a vždy produkován ve velkém měřítku, long before machines could do it well; a kvůli požadavku dodržovat SEO praktiky byly zavedeny některé hrozné konvence, jako keyword placement a crafted design of links.

V posledním případě se tedy AI mohla naučit špatnou lekci, protože textové korpusy, na nichž byla trénována, odstranily tolik SEO‑orientovaných taktik, které byly původně zahrnuty ve zdrojovém materiálu, jako jsou strategické diagramy, vizuální vysvětlení; a zejména hypertextové odkazy.

Celé sekce článku mohly být vytvořeny tak, aby rámcovaly hyperodkaz nebo vložené video z YouTube, které klient chtěl propagovat; ale když byl materiál zpracován do LLM, vložený prvek nebo odkaz byl odstraněn a text určený k jeho zvýraznění byl zbaven původního kontextu.

Proto lze argumentovat, že velkou chybou při navrhování tréninkových metodologií na takovém materiálu bylo zacházet s webovým obsahem, jako by šlo o literaturu 19. století (zcela samostatnou), místo multimédií (výrazně ovlivněných ne‑textovými faktory, jako jsou video, hypertextové odkazy a ilustrace).

Další velkou chybou bylo trénování na materiálu that people already hated, který byl vtlačen do své nepopulární podoby pravidly, jež probably aren’t valid any longer.

Pozornost, lidé

Nicméně, pokud věříte trendům na Upworku, existuje značná poptávka po dalším takovém obsahu, vyráběném ve velkém měřítku LLM‑y a ‘humanizovaném’ prostřednictvím co nejméně idiosynkratického procesu, při nejvyšší rychlosti a nejnižších dostupných nákladech.

Všechno to má za cíl vytvořit efekt attention: představu, že někdo jako vy (tj. alespoň s endokrinním systémem) si sedl na několik hodin a přemýšlel o tom, co vám chce říct.

Vnímání získání lidské pozornosti je pro nás smysluplné even when it is not helpful; proto je rozhodně stojí za industrializaci.

Nemohu si pomoci, ale mám pocit, že Madlerův článek může situaci nějak zhoršit, protože identifikuje charakteristické vyšší‑dimenzionální rysy, které lze nyní, pravděpodobně, řešit pomocí more AI, takže výchozí podpisy budou mít lidskou podobu, jak se modely vyvíjejí.

První publikace ve čtvrtek 17. září 2026