5 tipů od Petra, vydání #234

Dnešní menu: AI staví další AI. Codex není jen pro vývojáře. Paměť ChatGPT se vylepšuje. Lokální LLM model od Google, který pustíš i na svém notebooku. Gemini Live. Prompt týdne + 2 nové návody.

Jun 07, 2026

Ahoj,

pokud jsi čekal/a 5 tipů od Petra již v pátek, tak se omlouvám, ale prostě jsem je nestihl napsat. Snad ti zpříjemní druhou polovinu víkendu.

A třeba i přemýšlení nad otázkou, která hodně tipy z posledních vydání prostupuje.

Jak si dát pozor, abychom se za půl roku nedivili, že jsme vlastně přestali rozumět vlastní práci? Protože ta hranice se dost nebezpečně blíží, pokud AI využíváš na hlubší úkoly, než jen na “napiš mi odpověď na tento email” (mimochodem, “prompt týdne” z této oblasti najdeš v závěru vydání :-))

Než se pustíme do novinek, tak ještě zmíním, že do bonusů pro předplatitele 5 tipů od Petra jsem v uplynulých dnech přidal dva nové návody:

A malé upozornění, další vydání 5 tipů od Petra čekej ve svém inboxu v pátek 19. června.

Anthropic ukazuje, jak AI začíná pomáhat stavět další AI

Anthropic zveřejnil text o takzvaném recursive self-improvement, tedy o situaci, kdy by AI jednou mohla výrazně pomáhat s vývojem dalších, lepších AI systémů. Neříkají, že už v tom stavu jsme, ale ukazují, že některé dílčí části toho procesu už se dějí. AI dnes nepíše jen úryvky kódu, ale zvládá delší úkoly, spouští testy, hledá chyby, navrhuje opravy a v některých případech zvládá práci, která by člověku zabrala dny. Anthropic například uvádí, že v květnu 2026 bylo přes 80 % kódu začleněného do jejich codebase autorem Claude a že typický inženýr ve druhém kvartálu 2026 mergoval zhruba 8× víc kódu denně než v roce 2024.

Tady se bavíme o tom, že AI začíná zrychlovat práci lidí, kteří vyvíjejí AI. A když nástroj zrychluje vývoj sebe sama nebo svých nástupců, začne to být trochu jiná liga přemýšlení. Až se z toho jednomu zamotá hlava.

A mimochodem, tohle je ten okamžik, kdy nestačí umět psát hezké prompty. Výrazně důležitější bude umět definovat dobrý cíl, poznat špatný výsledek a nenechat se opít objemem výstupů. Což je něco, co tady zdůrazňuji dost často.

Protože ono je celkem jasné, že (a v některých oblastech/schopnostech uživatelů již dnes) člověk se může vzdálit detailům, kterým rozumí a které umí kontrolovat. Že lidé přestanou pořádně chápat, co se vlastně děje.

Mění se tak podoba expertízy. Expert už nemusí všechno dělat ručně. Ale musí pořád rozumět tomu, co má smysl dělat, co má prioritu, co je riziko a co je jen rychle vyrobený balast.

Codex už OpenAI netlačí jen jako nástroj pro vývojáře

OpenAI představilo nové možnosti Codexu pro různé role a pracovní postupy. A tedy nejen pro programátory. OpenAI tvrdí, že Codex každý týden používá přes 5 milionů lidí a že 40 % nových uživatelů za poslední měsíc tvořili nevývojáři - analytici, marketéři, designéři, výzkumníci, investoři nebo lidé z provozu.

Codex se má nově umět napojit na nástroje, se kterými týmy běžně pracují, a přizpůsobit se tomu, co daný tým opravdu dělá. OpenAI zmiňuje pluginy pro datovou analytiku, kreativní produkci, produktový design, prodej a další oblasti. Dohromady mají zahrnovat desítky aplikací a víc než stovku skillů.

Hezky ukazuje, kam se AI nástroje sunou. K tomu, že AI sedí uvnitř pracovního prostředí, vidí kontext a pomáhá s konkrétní činností. Třeba vytáhne poznatky ze Slacku, Google Docs a dalších zdrojů, pomůže připravit shrnutí, report, ticket, dashboard nebo návrh kampaně.

Háček? Čím víc napojení, tím víc záleží na pořádku v datech. Pokud má firma chaos v dokumentech, špatně pojmenované kampaně, zastaralé prezentace a “finální_final_v3_opravdu_posledni.pdf“, AI z toho nebude moudřejší jen proto, že se jmenuje agent. Ona ten chaos jen rychleji zpracuje. A někdy také rychleji rozšíří.

Pěkně to ukazuje, že další velké téma nebude samotný model, ale pracovní prostředí kolem něj. Kdo má dobře popsané procesy, dokumenty a odpovědnosti, ten z AI vytěží víc. Kdo má nepořádek, ten dostane rychlejší nepořádek v hezčím kabátě. Což tu také opakovaně píšu :-)

ChatGPT Memory a “dreaming“: lepší paměť, ale také větší důvod ji kontrolovat

A ještě jednou OpenAI. To popsalo novou architekturu paměti ChatGPT postavenou na systému, kterému říká “dreaming“.

Když bych se to pokusil nějak zjednodušeně vysvětlit, tak nejde jen o ručně uložené vzpomínky typu ”pamatuj si, že nemám rád koriandr“. Ale o to, že systém se snaží průběžně skládat užitečný kontext z více konverzací a držet ho aktuální. Paměť má umět nést dopředu preference, omezení a také lépe pracovat s časem. Tedy třeba pochopit, že “příští sobota“ už po týdnu není budoucnost.

Dobrý asistent v reálném světě prostě nemá pokaždé začínat od nuly - pokud jde o jeho znalosti. A stejně tak to chceme i po AI. Když ví, že pracuješ s malými firmami nebo že se učíš francouzsky nebo že tě zajímají věci kolem černých děr, tak zkrátka může dávat lepší odpovědi bez toho, aby ses pořád při zadávání promptů opakoval.

Zkrátka a dobře - méně vysvětlování, víc návaznosti. Když řešíš dlouhodobý projekt, kurz, obsahový plán nebo třeba pravidelné psaní, dobrá paměť šetří čas i nervy. A hlavně pomáhá udržet styl a kontext napříč týdny a měsíci.

To by měl ocenit prakticky každý, kdo s AI neřeší jen jednorázové dotazy. Tvůrci obsahu, konzultanti, studenti, freelanceři, lidé s dlouhodobými projekty.

A co soukromí a kontrola? OpenAI uvádí, že syntetizované vzpomínky mají být viditelné v přehledu paměti, kde je lze kontrolovat, upravovat a doplňovat. To je dobře. Ale zároveň to znamená, že paměť není něco, co bychom měli pustit z hlavy. Občas je potřeba se podívat, co si o nás asistent vlastně myslí. Protože i AI může mít v hlavě staré poznámky, které už neplatí. Jen je nemá napsané na papírku u monitoru, ale někde v nastavení.

Paměť je jedna z nejpraktičtějších AI funkcí vůbec. Jen bych k ní přistupoval stejně jako ke spolupracovníkovi, který si vede poznámky. Skvělé, že si je vede. Ale čas od času je dobré mu říct: “Tohle už neplatí, tohle si oprav a tohle prosím nepoužívej.“

Gemma 4 12B: silnější lokální AI pro notebooky

Google představil Gemma 4 12B, nový model navržený tak, aby multimodální a agentní schopnosti dostal přímo na běžnější hardware. Google uvádí, že model má zvládat text, obraz i audio v úspornější architektuře, běží lokálně na zařízeních se 16 GB VRAM nebo sjednocené paměti a je dostupný pod licencí Apache 2.0.

Tohle je jiný typ novinky než “máme větší model v cloudu“. Tady je zajímavé právě to lokální použití. Model, který nemusí všechno posílat někam na server, může být ideální pro vývojáře, firmy s citlivějšími daty, offline scénáře nebo specializované nástroje běžící přímo na notebooku.

V praxi to může znamenat třeba lokálního asistenta pro analýzu dokumentů, přepis a zpracování audia, jednoduché multimodální workflow nebo prototyp agenta, který běží bez závislosti na jednom konkrétním cloudovém rozhraní.

Neříkám, že si to zítra nainstaluje každý účetní nebo kadeřnictví. Ale pro technicky zdatnější lidi je to další krok k tomu, aby AI nebyla jen pronajatá služba někde venku.

Pro běžného uživatele to zatím není tak pohodlné jako otevřít ChatGPT nebo Gemini. Ale směr je jasný: část AI se bude přesouvat blíž k “soukromým” zařízením.

Za mě budou lokální modely důležité. Ne jako náhrada všeho v cloudu, spíš jako další vrstva. Něco si necháš udělat velkým modelem online, něco menším modelem u sebe.

Gemini Live ukazuje, že AI asistent bude čím dál víc konverzace, ne formulář

Google na české stránce Gemini Live popisuje režim, kde můžeš plynule přecházet mezi psaním a mluvením, aniž by se ztratil kontext. Gemini Live má být integrovaný přímo do chatu, umí během konverzace zobrazovat vizuální informace, jako jsou mapy, počasí nebo fotky, a propojuje se s aplikacemi a nástroji Googlu.

Tohle je podle mě hodně důležité. Velká část lidí totiž nebude (a vlastně už teď nepoužívá) AI používat tak, že si sedne k promptovací tabulce a začne ladit instrukce. Budou s ní mluvit. V autě, na procházce, při vaření, při plánování výletu, při učení jazyka nebo když potřebují rychle něco vyřešit.

To přinese velkou změnu ve spojení s běžnými úkoly nebo spíše činnostmi, které jako lidé děláme. Mám na mysli práci s kalendářem, úkoly, poznámkami, mapami, lety, hotely, YouTube nebo nastavením telefonu. To už není “odpověz mi na otázku“. To je “pomoz mi vyřídit tuhle část dne“. A podobných “drobných částí" dne” máme všichni víc, než bychom chtěli.

Kdo z toho bude profitovat nejvíc? Lidé, kteří hodně pracují mobilem, cestují, učí se jazyky, plánují, zapisují si nápady za pochodu nebo prostě nechtějí všechno psát.

Hlasové AI rozhraní bude pro spoustu lidí vstupní brána k AI. Ne proto, že je technologicky nejchytřejší, ale protože je lidsky nejjednodušší. Koho baví zadávat prompty psaním místo toho, aby je jednoduše namluvil, ať se klidně přihlásí v diskuzi pod článkem :-) Mluvit je zkrátka přirozenější než psát prompty. A jakmile se hlas spojí s pamětí, obrazem a napojením na aplikace, začne AI asistent připomínat méně chatbot a víc další vrstvu telefonu.

A co ukazuje Martin Jurica na svém účtu na sítí X - to je jen další level využití Gemini Live.