# 1. Umělá inteligence ve vzdělávání

# 1.1 Potenciál a rizika

> *Pokud si z této stránky máte zapamatovat jen jednu větu:* AI si našla cestu do škol jako lék, který přichází bez příbalového letáku. Jako učitel nevíte, kdy AI použít, chybí vám informace o dávkování a nemáte žádné informace o vedlejších účincích. Tato kapitola slouží jako příbalový leták k Playbooku.


### Měla by AI přicházet s příbalovým letákem jako lék?

Znáte ten list papíru vložený v každé krabičce s léky? Ten, který pravděpodobně bez zájmu odložíte stranou? Může se zdát nudný, ale tento drobný papír je tichým triumfem minulého století. Ten leták vysvětluje čtyři základní věci: co lék léčí, kolik ho užívat, jaká překvapení může přinést a kdo by se mu měl vyhnout.

Za každým řádkem tohoto letáku stojí celý mechanismus: klinické studie, regulační orgány a povinnost odhalovat chyby. Nikdo nevěří, že vás uzdraví samotný leták. Jeho skutečná síla spočívá v tom, že dělá lék bezpečným pro kohokoli. Právě o toto kouzlo přicházíme, když necháme AI učit bez vedení.

Nástroje AI, které se nyní tiše usazují ve vaší škole, dědí problém, který je starší než AI samotná: vzdělávací technologie jen zřídka přicházejí s návodem. Ve Spojeném království revize zjistila, že pouze 7 ze 100 vzdělávacích technologických společností podrobilo své produkty randomizované studii a pouze 12 ze 100 vyhledalo externí certifikaci. Školy přitom jen zřídka požadují důkladnější ověření kvality a účinnosti těchto technologií. V průzkumu v 17 amerických státech si pouze 11 ze 100 učitelů a vedoucích pracovníků škol vyžádalo před zavedením nového nástroje recenzované důkazy.

Výsledkem jsou v mnoha případech vyhozené peníze. V USA zůstaly v průměru dvě třetiny licencí na vzdělávací software nevyužity a 98 ze 100 licencí nebylo nikdy intenzivně používáno. Projekt EdTech Genome, rovněž v USA, zkoumal přibližně 7 000 výukových nástrojů v hodnotě 13 miliard dolarů a zjistil, že 85 ze 100 z nich buď nebylo vhodně zvoleno, nebo bylo nesprávně zavedeno.

Tato kapitola může vypadat jako suchá, nezbytná část, ale odhaluje skryté příběhy za pravidly. Vypráví, co se skutečně stalo, koho to postihlo, a vrhá světlo na vedlejší účinky, včetně těch, které tiše zasáhly děti, jež se k ničemu nepřihlásily.

### Potenciál AI

**Většina studií o potenciálu AI se zaměřuje na vysokoškolské studenty. Žáci základních a středních škol v těchto studiích dosud figurují poměrně zřídka. A většina studií se týká krátkodobých intervencí trvajících od několika hodin po několik týdnů.** V důsledku toho mohl výsledky pozitivně ovlivnit takzvaný efekt novosti. Rozsáhlý přehled 68 experimentů zjistil přesně tento vzorec: čím kratší byla studie a čím menší byl počet účastníků, tím větší přínos AI byl vykázán.

#### (1) Nechte AI vysvětlit nové téma a procvičování si nechte na svou hodinu

**Představte si následující situaci.** Když žák zítra zamešká určité učivo nebo bude potřebovat znovu vysvětlit obtížný pojem, nechte první vysvětlení na AI tutorovi. Čas ve výuce pak věnujte praktickému procvičování, při kterém dochází ke skutečnému učení.

**Proč na tom záleží.** V pečlivě kontrolované studii se ukázalo, že výuka s využitím AI tutora může být při osvojování nové látky přinejmenším stejně účinná jako kvalitní výuka vedená učitelem. V rámci výzkumu Harvardovy univerzity se 194 studentů fyziky věnovalo dvěma tématům. U jednoho tématu použili AI tutora vyvinutého pro tento účel. U druhého tématu se učili v dobře vedené hodině aktivního učení – s diskusí a řešením problémů ve dvojicích, nikoli formou přednášky. Každý student absolvoval oba přístupy, takže nikdo nemůže tvrdit, že se lepší skupině dostalo lepšího zacházení. V testu provedeném bezprostředně poté dosáhli studenti vyučovaní pomocí AI výrazně lepších výsledků. Výzkumníci zaznamenali medián času 49 minut na dokončení úkolu oproti 60 minutám vyhrazeným pro hodinu v rozvrhu. Autoři jsou ve výkladu těchto výsledků opatrní: látka byla pro studenty nová a velká část úkolu spočívala jednoduše v jejím dobrém vysvětlení. Výslovně odmítají rozšířit svůj výsledek na úlohy, které vyžadují propojení více myšlenek. A šlo o vysokoškolské studenty, nikoli o žáky osmé třídy.

Podobné závěry přináší také rozsáhlý přehled 228 studií, ovšem s jedním důležitým omezením. Generativní AI vedla k výraznějšímu zlepšení znalostí a porozumění učivu než starší technologie založené na umělé inteligenci, například inteligentní výukové systémy nebo adaptivní vzdělávací software. Ze čtyř hodnocených oblastí však byla tato výhoda generativní AI prokázána pouze v jedné.

**Více informací.** Kestin, G., Miller, K., Klales, A., Milbourne, T., &amp; Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. *Scientific Reports, 15*, Article 17458. Volně dostupné, DOI 10.1038/s41598-025-97652-6. Článek popisuje, jak byl tutor navržen a kontrolován. To se hodí každému, kdo by chtěl vyvinout vlastního AI tutora.

#### (2) Lepší využití času na přípravu hodin

**Představte si následující situaci.** Ušetřete část času potřebného na přípravu hodin tím, že necháte AI vytvořit první návrh plánu hodiny, který následně důkladně upravíte.

**Proč na tom záleží.** Nikdo nezpochybňuje, že učitelé mají vysokou pracovní zátěž. Jedním z potenciálních přínosů AI je proto efektivnější využití pracovní doby. Studie v Anglii zkoumala, zda cílené používání AI při přípravě hodin může snížit pracovní zátěž učitelů. Výzkumníci náhodně rozdělili 259 učitelů přírodovědných předmětů na 68 školách buď do skupiny, která používala ChatGPT spolu s online průvodcem jeho dobrým používáním, nebo do skupiny, která byla požádána, aby generativní AI vůbec nepoužívala. **Učitelé ve skupině s ChatGPT strávili přípravou přírodovědných hodin pro 7. a 8. ročník (věk 11 až 13 let) přibližně 56 minut týdně oproti přibližně 81 minutám ve srovnávací skupině.** Panel odborníků na daný předmět posoudil kvalitu přípravy hodin. Nevěděli, zda byly přípravy vytvořeny s pomocí AI, nebo bez ní. Odborníci nenašli žádný důkaz, že by se kvalita příprav lišila. Je však třeba zdůraznit dva body. (1) **Učitelé nástroj s postupujícími týdny používali stále méně.** Hodnotitelé to vykládají jako přechod učitelů od fáze učení k rutině; může to však také znamenat, že se úspora času bez podpory sama neudrží. (2) Studie měřila čas, který učitelé věnovali přípravě hodin, nikoli výsledky učení jejich žáků.

„Všechno se vrací k času. I učitelé, kteří vidí hodnotu AI, mají jen zřídka čas naučit se ji používat.“

**Více informací.** Roy, P., Poet, H., Staunton, R., Aston, K., &amp; Thomas, D. (2024, 12 December). ChatGPT in lesson preparation: A Teacher Choices Trial. NFER, commissioned by the Education Endowment Foundation and the Hg Foundation. Volně dostupné na educationendowmentfoundation.org.uk.

#### (3) Lepší podpora žáků, kterým běžná výuka nestačí

**Představte si následující situaci.** Vaše škola rozhoduje, jak chce vynaložit své prostředky. Chce zakoupit chatbota s AI. Jak pravděpodobné podle vás je, že jí poskytovatelé chatbota doloží důkazy o přínosech bota pro různé předměty?

**Proč na tom záleží.** Poskytovatel může poukázat na výzkum zaměřený na žáky se zdravotním postižením – jednu z nejdéle zkoumaných oblastí AI ve vzdělávání, kterou je snadné při přidělování prostředků přehlédnout. V analýze 29 studií zahrnujících 41 skupin žáků se zdravotním postižením zaznamenali výzkumníci mírné pozitivní účinky v různých vzdělávacích prostředích. Je však důležité věnovat pozornost podrobnostem. V přibližně 70 % těchto studií se totiž pod pojmem „AI“ skrýval robot, zpravidla humanoidní, kterého často na dálku ovládal výzkumník, aniž by o tom dítě vědělo. Software použila jen jedna z pěti studií. Toto tedy není důkaz, že chatbot pomůže žákovi s autismem ve vaší třídě. Recenzenti také nedokázali určit, **co** tyto intervence činí účinnými. Na základě svého výzkumu nedokázali identifikovat, čím se studie, které fungovaly, lišily od těch, které nefungovaly.

**Více informací.** Zhang, L., Carter, R. A., Jr., Liu, Y., &amp; Peng, P. (2026). Let's CHAT about artificial intelligence for students with disabilities: A systematic literature review and meta-analysis. *Review of Educational Research, 96*(1), 215–257. Volně dostupné, DOI 10.3102/00346543241293424. Skutečným klenotem je tabulka zahrnutých studií: okamžitě odhaluje, jak málo se tato oblast ve skutečnosti věnuje nástrojům, které jsou dnes školám nabízeny.

#### (4) Naučit žáky, jak AI selhává

**Představte si následující situaci.** Požádejte svou třídu, aby vytvořila deset obrázků „lékaře“ a deset obrázků „zdravotní sestry“. Spočítejte, kdo se v každé sadě objevuje, a poté rozpoutejte diskusi: odkud se tyto vzorce vzaly a kdo o nich rozhodl?

[![Gemini&#95;Generated&#95;Image&#95;mfaur1mfaur1mfau.jpg](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/scaled-1680-/gemini-generated-image-mfaur1mfaur1mfau.jpg)  ](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-08/gemini-generated-image-mfaur1mfaur1mfau.jpg)

Obr. 1: „Jednoduchý prompt: lékař a zdravotní sestra“ (obrázek vygenerovaný pomocí AI, NanoBanana 2).

**Proč na tom záleží.** Klasická ukázka tohoto problému může dnes působit zastarale, ale právě proto si zaslouží pozornost. Po mnoho let byl výsledek předvídatelný: pokud jste požádali AI o vytvoření obrázku lékaře, téměř vždy zobrazila muže. Při testování neziskovou organizací AlgorithmWatch zobrazoval nástroj Midjourney lékaře téměř výhradně jako bílé muže, zatímco Adobe Firefly vykazoval zřetelnou, i když nedokonalou snahu o větší rozmanitost. Podobné rozdíly mezi jednotlivými nástroji potvrdila také odborná recenzovaná studie, která analyzovala 2 400 obrázků chirurgů vytvořených pomocí AI. Dva ze tří populárních generátorů zobrazovaly ženy jen výjimečně, zatímco třetí se přiblížil skutečnému zastoupení žen v chirurgických profesích.

Pokud dnes zadáte stejný prompt, může se na obrázku objevit lékařka nebo zdravotní bratr (obr. 1). Nenechte se však zmást dojmem, že předsudky a stereotypy zcela zmizely. Analýza z roku 2026, která zkoumala 1 344 obrázků vytvořených třemi populárními generátory, ukázala opak: při zadání požadavku na zobrazení „kompetentní osoby“ jeden ze systémů nezobrazil ani jedinou ženu.

Nezmizely tedy samotné předsudky a stereotypy, změnilo se pouze to, na jaké úrovni se projevují. A právě v tom spočívá důležité poučení. Za každým takovým obrázkem stojí lidská rozhodnutí: na jakých datech byl systém vytrénován a jak jeho vývojáři následně nastavili, co má zobrazovat. Právě tato dodatečná nastavení lze měnit, pro uživatele však zůstávají skrytá a rozhoduje o nich společnost, která daný nástroj vyvíjí.

**První úroveň lidských rozhodnutí představují data, ze kterých se systém učil.** Jde o miliony obrázků vytvořených a označených lidmi, z nichž každý určitým způsobem odráží dosavadní podobu světa. Právě na tuto úroveň upozorňují klasické příklady předsudků a stereotypů v AI. Žáci tento princip snadno pochopí: umělá inteligence se stává odrazem dat, na kterých byla vytrénována.

**Druhou úroveň ovlivňuje to, co se společnost vyvíjející daný nástroj rozhodne uživatelům zobrazovat.** Tento vliv však na samotném obrázku není nijak patrný. Uplatňují se zde tři mechanismy, které sami vývojáři popisují vlastními slovy.

- **Vaše slova jsou přepsána dřív, než se dostanou k modelu.** Z vlastní vývojářské dokumentace OpenAI: „k optimalizaci všech vašich příkazů před jejich předáním do DALL-E používáme GPT-4“ – a „tuto funkci momentálně nelze vypnout“. To, co napsal váš žák, není to, na co byl stroj ve skutečnosti dotázán.
- **Vzhled se doplní, pokud to příkaz ponechává otevřené.** OpenAI o své technice rozmanitosti: „Tato technika se uplatňuje na úrovni systému, když DALL·E dostane příkaz popisující osobu, který nespecifikuje rasu ani pohlaví, například ‚hasič‘.“ Poté uživatelé dvanáctkrát častěji uváděli, že obrázky zobrazují lidi rozmanitého původu. „Lékař“ je přesně takový příkaz.
- **A toto ladění se může minout cílem.** Google po pozastavení generování obrázků v Gemini v roce 2024: „Naše ladění, které mělo zajistit, že Gemini zobrazuje rozmanitost lidí, selhalo v případech, kde by rozmanitost jasně neměla být zobrazena.“

Když tedy žák napíše „lékař“ a objeví se žena, obrázek sám o sobě neprozradí, která vrstva ji do existence přivedla. Tato nejistota není chybou lekce. Je to sama lekce.

Dříve převládalo vysvětlení, že umělá inteligence pouze přebírá předsudky a stereotypy společnosti. Dnes je však potřeba jít o krok dál a uvědomit si něco podstatnějšího: za výsledkem stojí rozhodnutí konkrétní společnosti. Toto rozhodnutí přitom ze samotného výstupu nepoznáte a může se kdykoli změnit, nenápadně a bez předchozího upozornění. Právě toto poznání zůstává důležité bez ohledu na vývoj nových modelů AI, zatímco konkrétní příklady stereotypů mohou postupně ztrácet svou aktuálnost.

A právě to je hlavní sdělení, které by si žáci měli odnést a které neztratí platnost ani s další aktualizací AI: obrázek vytvořený umělou inteligencí není pouhým odrazem reality a jeho podoba není náhodná. Někdo rozhodl o tom, co na něm uvidíme.

[![Tok vrstev při tvorbě obrázku.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/tok-vrstev-pri-tvorbe-obrazku.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/srBzeichenflache-1-100.jpg)

Obr. 2: „Proč obrázek vytvořený na základě příkazu typu ‚nakresli lékaře‘ vypadá tak, jak vypadá, a proč vám to samotný obrázek neprozradí“ (obrázek vygenerovaný pomocí AI, NanoBanana 2)

Tuto lekci lze začít brzy. Když 209 finských žáků ve 12 třídách, 6. a 7. ročníku, prozkoumalo toto téma, počet těch, kdo dokázali zkreslení vysvětlit pomocí dat, vzrostl z přibližně 7 ze 100 na 44 ze 100. Poctivá výhrada: studie měřila, co děti dokázaly vysvětlit, nikoli to, jak by později jednaly.

„Zkreslení není výsadou AI. Může ho obsahovat i učebnice. Důležité je vědět o náhodě, o datech, která stojí za odpovědí, a o možných zkresleních.“

**Více informací.** Vartiainen, H., Kahila, J., Tedre, M., López-Pernas, S., &amp; Pope, N. (2025). Enhancing children's understanding of algorithmic biases in and with text-to-image generative AI. *New Media &amp; Society, 27*(9), 5342–5368. Volně dostupné, DOI 10.1177/14614448241252820. Studie neměla srovnávací skupinu – čtěte ji jako slibný návrh výuky, nikoli jako důkaz.

Weinmann, H., Messingschlager, T. V., &amp; Appel, M. (2026). Gender bias in text-to-image generative artificial intelligence: Neglect and stereotypical presentations across three popular platforms. *New Media &amp; Society*. Online first. Volně dostupné, DOI 10.1177/14614448261435197.

Ali, R., et al. (2024). Demographic representation in 3 leading artificial intelligence text-to-image generators. *JAMA Surgery, 159*(1), 87–95. DOI 10.1001/jamasurg.2023.5695.

Vlastní prohlášení dodavatelů: OpenAI (2022), *Reducing bias and improving safety in DALL·E 2*; Depue, W. (2023), *What’s new with DALL·E 3?*, OpenAI Cookbook; Raghavan, P. (2024), *Gemini image generation got it wrong. We’ll do better*, Google.

#### Jak pevné jsou v tuto chvíli výzkumné výsledky o potenciálu AI?

**To nejdůležitější.** Pokud vám někdo cituje studii, než souhlasíte, zeptejte se na dvě věci: „Kdo byli účastníci a jak dlouho studie trvala?“

**Proč na tom záleží.** V roce 2025 metaanalýza 51 studií uvedla **významný přínos** ChatGPT pro akademický výkon žáků. Článek byl přečten statisíckrát a posloužil jako základ mnoha sebejistých tvrzení ve sborovnách. **Dne 22. dubna 2026** časopis článek stáhl. *Stažení (retrakce)* znamená, že časopis oficiálně odvolá něco, co publikoval; článek zůstává viditelný, označený poznámkou „STAŽENO“, aby to poznal každý, kdo jej citoval. Dva externí výzkumníci odhalili nesrovnalosti v syntéze studií. Redaktor časopisu napsal, že problémy „podkopávají důvěru redakce ve validitu analýzy“. Autoři na korespondenci v této věci nereagovali.

To neznamená, že AI nemá žádný dopad. Existují seriózní studie, které prokazují mírné přínosy. Tato oblast výzkumu navíc ještě není dobře ustálená, protože je relativně nová a velmi dynamická. Znamená to, že často citované číslo bylo nesprávné a že trvalo rok a dva externí experty, než se na to přišlo.

Další výhrada stojí za zmínku. Přinejmenším v matematice platí, že čím blíže je důkaz škole, tím menší je efekt. Napříč předměty je obraz nejednoznačný: některé novější přehledy zjišťují ve školách větší efekty než na vysokých školách – školních studií je však stále málo a jsou malé.

**Více informací.** Samotné stažení má jednu stránku, je volně dostupné a stojí za přečtení právě proto, že je krátké: Wang, J., &amp; Fan, W. (2026). Retraction note: The effect of ChatGPT on students' learning performance, learning perception, and higher-order thinking. *Humanities and Social Sciences Communications, 13*, 528. DOI 10.1057/s41599-026-07310-z.

**Stažený** originál byl *HSSC 12,* 621 (2025). Stále platí: Wu, X., Zhu, P., Zhang, J., Yin, M., &amp; Wang, Y. (2026). ChatGPT's impact on student learning outcomes: A meta-analysis of 35 experimental studies. *Humanities and Social Sciences Communications, 13*, 684. Volně dostupné, DOI 10.1057/s41599-026-07019-z.

Údaj týkající se pouze škol v matematice: Yi, L., Liu, D., Jiang, T., &amp; Xian, Y. (2025). The effectiveness of AI on K-12 students' mathematics learning: A systematic review and meta-analysis. *International Journal of Science and Mathematics Education, 23*(4), 1105–1126. DOI 10.1007/s10763-024-10499-7.

Širší a novější souhrnná analýza: Han, X., Peng, H., &amp; Liu, M. (2025). The impact of GenAI on learning outcomes: A systematic review and meta-analysis of experimental studies. *Educational Research Review, 48*, 100714. DOI 10.1016/j.edurev.2025.100714.

### Rizika AI

#### (1) Dělat něco není totéž jako se to naučit

**Představte si následující situaci.** Než zadáte domácí úkol, který dokáže vyřešit chatbot, zamyslete se nad tím, jaký je smysl daného úkolu. Nebylo by dobré úkol změnit?

**Proč na tom záleží.** Učíte se s chatbotem rychleji? Zhruba tisíc žáků 9. až 11. ročníku procvičovalo matematiku ve třech skupinách: jedna používala standardního chatbota, druhá verzi naprogramovanou tak, aby odpověď nesdělovala a místo toho kladla doplňující otázku, a třetí pracovala bez chatbota. Během používání chatbota vypracovala skupina se standardním chatbotem o 48 procent více cvičení než skupina bez něj. Poté všichni absolvovali stejnou zkoušku bez chatbota. Výsledek, který se zprvu zdál překvapivý, byl takový, že skupina používající standardního chatbota dopadla o 17 procent hůře než žáci, kteří chatbota nepoužívali vůbec. Skupina, která pracovala s chatbotem zadržujícím odpověď, nevykázala v testu žádný pokles výkonu oproti skupině bez chatbota, ale procvičovala více. Žáci používající standardního chatbota nebyli líní ani nepodváděli. Pracovali usilovněji a naučili se méně, protože nástroj neodstranil úsilí, ale kognitivní náročnost, která učení tvoří.

„AI velmi usnadňuje dobrat se řešení, aniž bychom mu porozuměli.“

**Více informací** Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., &amp; Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. *PNAS, 122*, e2422633122. DOI 10.1073/pnas.2422633122.

#### (2) Detektory AI trestají špatné žáky

**Představte si následující situaci.** Dostanete studentskou esej k oznámkování. Ze zvědavosti ohledně její pravosti ji vložíte do detektoru AI. Objeví se výsledek: esej byla téměř jistě napsána pomocí AI.

**Proč na tom záleží.** Používáte nástroj pro detekci obsahu vytvořeného umělou inteligencí, abyste zajistili spravedlivé hodnocení, **přesto má u určité skupiny přesně opačný účinek.** Detektor nerozpoznává text vygenerovaný strojem. Měří, jak předvídatelná je formulace. A právě v tom spočívá problém, například když žák píše v cizím jazyce, nemá s psaním dostatek praxe nebo má omezenou běžnou slovní zásobu. Jeho písemný projev je předvídatelný. Když sedm široce používaných detektorů analyzovalo 91 esejí, které pro anglický test TOEFL napsali nerodilí mluvčí – shromážděných z čínského online fóra –, mylně je označily jako vygenerované strojem přibližně v šesti z deseti případů. Eseje amerických žáků osmé třídy psané v jejich mateřské angličtině byly téměř všechny klasifikovány správně. Nástroj, který u přesně jedné skupiny vyvolává falešně pozitivní výsledky, není neutrální. A tato skupina se navíc dokáže bránit nejméně.

**Více informací.** Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., &amp; Zou, J. (2023). GPT detectors are biased against non-native English writers. *Patterns, 4*(7), 100779. Volně dostupné, DOI 10.1016/j.patter.2023.100779.

#### (3) Kde na světě skončí data žáků?

**Představte si následující situaci.** Používáte nástroj AI, který nabízí vaše škola. Zkuste zjistit, kam putují data žáků.

**Proč na tom záleží.** Dokáže vaše škola zaručit, že data nejsou předávána třetí straně? Třetí strana je společnost, která není ani vaší školou, ani vývojářem aplikace. Typicky jde o reklamní nebo analytické společnosti, které data získávají, zatímco žák pracuje. Nikdo ve škole tuto společnost nevybral. Když výzkumníci provedli technickou analýzu 163 vzdělávacích produktů doporučených vládami během uzavření škol souvisejícího s pandemií, 145 z nich zpracovávalo data dětí způsobem, který ohrožoval nebo porušoval jejich práva tím, že je předávalo 196 společnostem třetích stran nebo jim k nim udělovalo přístup, převážně z reklamního odvětví. Ze 42 vlád, které si vyvinuly vlastní produkty místo jejich nákupu, 39 vyvinulo produkty se stejným problémem. Studie se týká produktů z roku 2021 a některé se od té doby mohly změnit. Nemůžeme však vyloučit, že totéž platí pro aplikace AI.

**Více informací.** Human Rights Watch (2022). "How dare they peep into my private life?: Children's rights violations by governments that endorsed online learning during the Covid-19 pandemic. Volně dostupné na hrw.org. Přílohy podle jednotlivých zemí umožňují dohledat, co bylo kde doporučeno.

#### (4) AI dorazí naposledy tam, kde je potřeba nejvíce

**Představte si následující situaci.** Kolik školení jste již sami absolvovali o výuce o AI nebo o oborové výuce s AI?

**Proč na tom záleží.** V jednom experimentu řešili dospělí s vysokoškolským vzděláním i bez něj pracovní úlohu z oblasti podnikání. S asistentem AI zmizely zhruba tři čtvrtiny rozdílu mezi oběma skupinami. Když výzkumníci asistenta následně odebrali, značná část rozdílu se vrátila. Autoři docházejí k závěru, že velkou část práce odvedla AI a že po jejím odebrání přetrvala jen část zlepšení.

Průzkum mezi americkými řediteli škol doplňuje druhou polovinu obrazu: čím znevýhodněnější byli žáci školy, tím méně škola udělala pro integraci AI – méně pravidel, méně školení učitelů, méně pokynů k používání AI žáky. Jde o souvislost, nikoli o důkaz příčiny.

**Celkově vzato:** dobrý nástroj dokáže zmenšit rozdíl, dokud je v rukou žáka. Má však sklon dostat se ke školám, které jej potřebují nejméně, a po jeho odebrání zůstane jen část jeho přínosu.

Německá čísla ukazují stejný vzorec. Mezi 1 590 mladými lidmi ve věku 14 až 20 let vnímalo AI jako příležitost pro školu 80 procent mladých z nejmajetnějších rodin, ale jen 55 procent z nejméně majetných. Používání sleduje stejný gradient: z mladých lidí, kteří nástroje AI používají, je pro školu nebo domácí úkoly využívá 70 procent žáků gymnázií oproti 58 procentům na ostatních středních školách.

**A co další vzdělávání učitelů?** Průzkum mezi více než deseti tisíci učiteli v Anglii zjistil, že 45 procent učitelů na soukromých školách již absolvovalo formální školení o AI, oproti 21 procentům na státních školách. V rámci státního systému se tento podíl pohyboval od 26 procent na školách s nejmajetnějšími žáky po 18 procent na školách s nejméně majetnými žáky.

**Více informací.** Cruces, G., Fernández Meijide, D., Galiani, S., Gálvez, R. H., &amp; Lombardi, M. (2026). *Does generative AI narrow education-based productivity gaps? Evidence from a randomized experiment* (NBER Working Paper 34851). Pracovní studie, zatím neprošla recenzním řízením. Campos, C., &amp; Singleton, J. D. (2026). *AI diffusion gaps: Unequal integration of AI across K-12 schools* (NBER Working Paper 35347). Latham, K., &amp; Montacute, R. (2025). *Artificial advantage? AI in the classroom and the inequality gap*. The Sutton Trust. Volně dostupné na [suttontrust.com](http://suttontrust.com). Vodafone Stiftung Deutschland (2024), *Pioniere des Wandels*; mpfs (2024), *JIM-Studie 2024*. Obojí volně dostupné, v němčině.

#### (5) Co se při učení s AI zlepší, nemusí být to, co je vidět

**Představte si následující situaci.** Zavedete do výuky nového chatbota a žáci jsou z jeho používání nadšení.

**Proč na tom záleží.** Rozsáhlý přehled 228 studií sledoval čtyři různé oblasti, které by AI mohla zlepšit: znalosti a porozumění; aplikaci toho, co člověk ví; afektivní stránku, jako je motivace a zapojení; a schopnost plánovat, sledovat a opravovat vlastní učení. Tři ze čtyř se zlepšily. Poslední nikoli – alespoň pokud to studie dokázaly posoudit.

- **Pokud jde o znalosti a porozumění,** generativní AI dosáhla lepších výsledků než starší formy AI, jako jsou inteligentní tutorovací systémy a adaptivní procvičovací software.
- **Pokud jde o aplikaci znalostí a afektivní stránku,** generativní AI nedosáhla lepších výsledků než starší software, který mnoho škol již vlastní.
- **Pokud jde o sebeřízení učení,** byl souhrnný efekt malý a mohl být dílem náhody – a studií bylo příliš málo na to, aby bylo možné zkoumat, jaký druh AI by vůbec mohl pomoci.

Jen hrstka výsledků pocházela z randomizovaných studií – a nadšení, které vidíte v prvních týdnech, je přesně to, co krátké studie zachytí nejlépe.

Ještě jedna rychlá poznámka na okraj: **v tomto přehledu byla největší zlepšení zjištěna v oblasti umění a humanitních věd.**

**Více informací.** Yeo, G. H., &amp; Lansford, J. E. (2025). Effects of artificial intelligence on educational functioning: A review and meta-analysis. *Educational Psychology Review, 37*(4), article 110. DOI 10.1007/s10648-025-10085-5.

# 1.2 Výuka o AI versus výuka s AI

### Shrnutí

- ***AI je navigace.*** Zkušenému pomáhá, nezkušenému může bránit v učení. Záleží na uživateli, ne na technologii.
- **Nejdříve je potřeba učit o AI, teprve potom s AI.** Abychom mohli správně posoudit její odpovědi, musíme rozumět tomu, jak funguje.
- **Vědět není totéž jako umět.** Učitelé hodnotí své znalosti o AI výše než svou schopnost s ní vyučovat, a samotné školení tuto propast neuzavírá.
- **Učitelé využívají AI spíše při přípravě než přímo ve výuce.** V Německu používá AI alespoň několikrát měsíčně polovina učitelů, ale méně než třetina z nich s ní nechává pracovat žáky během vyučování.
- **Pedagogika poráží technologii.** Využití AI k přepracování a rozvíjení vlastní práce poráží její využití jen k procvičování nebo vyhledávání informací; práce ve skupinách poráží samostatnou práci; zpětná vazba poráží gamifikaci.
- **Lepší zpětná vazba neznamená lepší učení.** V jednom experimentu vedly komentáře AI, hodnocené jako lepší než komentáře učitele, k úpravám, které nebyly o nic lepší. Rozhoduje to, zda je zpětná vazba *využita*.
- **AI zvyšuje výkon, nikoli samostatné řízení učení.**
- **Jasná pravidla a intenzivní používání se objevují společně.** Ve velkém americkém průzkumu měly školy s pravidly pro používání AI více učitelů, kteří AI používali – a celkově tak ušetřily více času, nikoli méně.
- **Chraňte si vlastní mapu.** Úleva se mění ve ztrátu dovedností tam, kde AI přebírá práci, která buduje a udržuje úsudek.

> *Pokud si z této stránky máte zapamatovat jen jednu větu:* **AI je jako navigace. Pomáhá těm, kteří se už dokážou sami orientovat, ale těm ostatním může nenápadně bránit v tom, aby se to naučili.**

### Problém navigace

Abyste mohli řídit londýnské taxi, musíte nejprve složit zkoušku ze znalosti města. Ta zahrnuje 320 stanovených tras na území o rozloze přibližně 293 km² v okruhu 9,7 km od Charing Cross. Londýnský dopravní podnik Transport for London počítá až se dvěma lety přípravy, než uchazeči vůbec začnou skládat zkoušky.

I zkoušení řidiči používají navigaci a nikdo si o nich kvůli tomu nemyslí nic horšího. Znalostní zkouška se s příchodem zařízení nestala zbytečnou. Navigace se stala tím, co dělá jízdu bezpečnou. Řidič, který město dobře zná, využívá navigaci především k získání informací, které sám nemůže znát, například o nehodě na mostě nebo aktuální dopravní situaci. A také pozná, když ji navigace navede do ulice, která je už od dubna rozkopaná.

Nyní si představte začínajícího řidiče ve stejném taxi se stejnou navigací. Bez problémů dorazí na každou adresu a zpočátku se zdá být stejně schopný jako zkušený řidič. Pouhým následováním pokynů navigace si však nebuduje vlastní orientační schopnosti. Ani po roce odbočování podle jejích pokynů se nedokáže samostatně pohybovat po městě a nepozná, když ho navigace vede špatně.

[![C1&#95;2&#95;Fig&#95;1.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/scaled-1680-/c1-2-fig-1.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/c1-2-fig-1.png)

Obr. 1: „Výsledek závisí na řidiči“ (obrázek vygenerovaný pomocí AI, Google Gemini)

Na levé straně vidíme řidiče, který se ve městě dobře orientuje. Navigace mu pouze doplňuje informace, které sám nemůže znát. Tomu se říká „prospěšné přenesení kognitivní zátěže“ (beneficial offloading).

Na pravé straně je řidič, který se ve městě nevyzná a je na navigaci zcela závislý. V tomto případě jde o „škodlivé přenesení kognitivní zátěže“ (detrimental offloading).

Stejná navigace, dvě řidičky, opačné výsledky. **Rozdíl nikdy nebyl v zařízení.** Nejde jen o obrázek. Studie řidičů zjišťují, že lidé, kteří se silně spoléhají na navigaci, si vytvářejí horší mentální mapu svého okolí. Tříletá studie ukázala, že intenzivnější používání navigace šlo ruku v ruce s výraznějším poklesem prostorové paměti. A psychologové už dvě desetiletí vědí, že stejná podpora, která pomáhá začátečníkovi, může překážet tomu, kdo už danou oblast ovládá. Totéž platí i obráceně. Účinek nástroje AI závisí mnohem více na tom, co uživatel už zná, než na samotném nástroji.

Výzkumníci tomu říkají [schéma](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"), tedy uspořádané předchozí znalosti dané osoby. Tam, kde je schéma zavedené, předání práce stroji člověka odlehčí. Výzkumníci tomu říkají užitečné [kognitivní odlehčení](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"). Když se však znalosti teprve mají vytvořit, tentýž proces může zabránit jejich vzniku. Tomu se říká škodlivé [kognitivní odlehčení](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy").

Studie s přibližně tisícem žáků druhého stupně ukazuje, jak se to děje v hodině matematiky. Jedna skupina cvičila s neomezeným chatbotem, druhá bez něj. Zatímco jej měla k dispozici, dosáhla skupina s chatbotem v procvičovacích úlohách **o 48 % lepších výsledků.** Poté následovala zkouška bez chatbota. Titíž žáci, kteří tak dobře řešili procvičovací úlohy, nyní dopadli **o 17 % hůře** než skupina, která chatbota nikdy nepoužila. Třetí skupina používala verzi AI vytvořenou tak, aby odpověď zadržovala a místo toho kladla otázky. Tato skupina nic neztratila.

Právě tato třetí skupina je celou otázkou návrhu. Navigace, která pojmenuje cíl a pomůže vám najít trasu, vás naučí město. Navigace, která říká odbočte vlevo za 200 metrů, vás nenaučí nic, ať jsou její data sebelepší. Výzkumníci tomuto rozdílu říkají [mantinely](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy"), a právě návrh rozhoduje o tom, zda pomůžete svým žákům naučit se mapu města, nebo jen najít cíl.

Prosíme, pamatujte: Vy tu znalost máte. Vaši žáci ji v předmětu, který učíte, ještě nemají. Tato asymetrie je celou podstatou kapitoly.

„Nástroje, po kterých žáci v současnosti sahají, jsou vytvořeny k řešení problémů, nikoli k výuce – a to je v současnosti hlavní potíž mé práce.“

### Dvě patra, ne dvě témata

V odborné literatuře jsou tyto dvě oblasti považovány za samostatné obory. Můžete si je představit jako dvě patra budovy, přičemž většina učitelů se nachází v přízemí a k prvnímu patru nevede žádné schodiště.

Ve studii s 90 učiteli bavorských odborných škol, kteří se přihlásili na školení o AI, hodnotili učitelé své znalosti o AI v průměru na 3,4 z 5, svou schopnost využívat ji ve výuce však mnohem níže, na 2,6. Vědění a konání se od sebe odpojily. Studie v pěti evropských zemích poté zkoumala, zda dokáže školení tuto propast uzavřít. Zúčastnilo se jí 736 učitelů z Francie, Irska, Itálie, Lucemburska a Slovinska. Učitelé byli rozděleni do dvou skupin. Jedna skupina absolvovala online kurz a během studie dostávala podporu, druhá absolvovala tentýž online kurz až po skončení studie. Výsledky ukázaly, že se zvýšily znalosti a schopnost posoudit, co daný nástroj dokáže. Ve většině zemí se však pravidelné používání AI ve výuce nezměnilo: učitelé si nástroje vyzkoušeli a vrátili se k tomu, co dělali předtím.

Tomu se říká propast mezi věděním a jednáním. Kurzy vytvářejí znalosti, ale změna praxe vyžaduje doprovázení, zkoušení a kolegy, se kterými lze věci promýšlet. Přenos je třeba naplánovat, nikoli v něj jen doufat.

„Jedinou nevýhodou tohoto webináře je, že si to nemůžeme hned vyzkoušet.“

### Co učitelé skutečně dělají

Nejspolehlivější zjištění napříč jednotlivými zeměmi je poněkud překvapivé: **učitelé používají AI intenzivně sami pro sebe a se svými žáky jen málokdy**. V Německu používá nástroje AI několikrát měsíčně nebo častěji 52 % učitelů. Z těch, kdo AI používají, však jen 29 % nechává své žáky s AI pracovat ve výuce. Veřejná debata o „AI ve třídě“ je tak z velké části debatou o něčem, co se ve velkém měřítku zatím neděje.

[![Ledovec využití AI ve výuce.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/ledovec-vyuziti-ai-ve-vyuce.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/c1-2-fig-21.jpg)

Obr. 2: „Rozdíl mezi používáním AI k přípravě a jejím používáním přímo ve výuce“ (obrázek vygenerovaný pomocí AI, Google Gemini)

Co se však skutečně děje, je snižování pracovní zátěže učitelů, a v tomto ohledu jsou výsledky povzbudivé. V rámci experimentu v Anglii získalo 259 učitelů z 68 škol přístup k ChatGPT a metodické příručce pro přípravu hodin přírodovědných předmětů pro žáky ve věku 11 až 13 let. Přípravou strávili **přibližně 56 minut týdně oproti 81 minutám** ve srovnávací skupině. Nezávislí hodnotitelé, kteří nevěděli, ze které skupiny daná hodina pochází, nenašli žádný důkaz rozdílu v kvalitě. Ve velkém americkém průzkumu odhadli učitelé, kteří AI používají alespoň jednou týdně, že ušetří téměř šest hodin týdně – jde o jejich vlastní odhad, nikoli o měření.

Za pozornost stojí ještě jedno zjištění. Stejný americký průzkum ukázal, že **ve školách s jasně stanovenými pravidly pro používání AI ji využívalo více učitelů (70 % oproti 60 %), což vedlo k celkové úspoře jejich pracovního času přibližně o čtvrtinu vyšší.** U jednotlivého učitele, který AI používá každý týden, byl rozdíl malý. Jde o vlastní výpověď učitelů, nikoli o měření, a průzkum nedokáže ukázat, kterým směrem vztah příčiny a následku skutečně míří: dobře organizované školy možná prostě zvládají obě věci dobře. Je to však opak toho, co většina lidí očekává – **jasná pravidla a intenzivní používání se objevují společně, nikoli v rozporu. [1.4 Soulad s předpisy při používání AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/14-soulad-s-predpisy-pri-pouzivani-ai "1.4 Soulad s předpisy při používání AI")**

„Je důležité mít ji jako doplněk, ale rozhodně nenechat ChatGPT řídit celou hodinu.“

### Proč nezáleží na nástroji

Pokud jste čekali žebříček nejlepších nástrojů AI, výzkum vás zklame, a při druhém čtení vás pak osvobodí. Když výzkumníci shromáždí mnoho jednotlivých studií a ptají se, co odlišuje třídy, kde AI pomohla velmi výrazně, od těch, kde pomohla jen málo, odpovědí není nikdy značka softwaru. Je to to, co měli žáci s nástrojem *dělat*. Následující body shrnují důležité výsledky výzkumu. Všechny výsledky však vycházejí jen z malého počtu studií.

- V matematice získali žáci, kteří AI použili k přepracování řešení nebo k rozvinutí vlastního pokusu, přibližně dva a půlkrát více než žáci, kteří ji používali jen k obohacení běžných úloh, jako je procvičování nebo kontrola odpovědí.
- Žáci, kteří AI používali společně ve skupinách, získali přibližně o 70 % více než žáci, kteří ji používali samostatně.
- Tam, kde byla AI použita k poskytování zpětné vazby na práci žáků, patřila zlepšení k největším. Použití AI ke gamifikaci hodin přineslo zlepšení příliš malé na to, aby jej bylo možné považovat za prokázané.

Pedagogika je důležitější než použitá technologie. Tam, kde výzkumníci roztřídili studie podle toho, co žáci ve skutečnosti dělali, záleželo na činnosti více než na nástroji. Zajímavé je, že stejný vzorec byl zjištěn i u předchozí generace digitálních nástrojů na středních školách. Výsledky do značné míry závisejí na tom, zda byli učitelé v jejich používání proškoleni.

Dobrá zpětná vazba není totéž co zpětná vazba, která funguje. V jednom experimentu napsalo 70 vysokoškolských studentů argumentační esej a o týden později ji přepracovali. Byli náhodně rozděleni do tří skupin: jedna dostala zpětnou vazbu od zkušeného učitele, jedna od chatbota s prostou instrukcí a jedna od téhož chatbota, který byl vyzván, aby esej promyslel krok za krokem. Podle stejného hodnoticího kritéria produkoval chatbot postupující krok za krokem ze všech tří nejlepší zpětnou vazbu. Byla lepší než u prostého chatbota i lepší než u učitele. Poté následovaly úpravy a všechny tři skupiny se zlepšily zhruba stejně. Nejlepší zpětná vazba ve studii nepřinesla o nic více zlepšení než zpětná vazba hodnocená nejhůře. Lepší komentáře nevedly k lepší eseji.

Toto zjištění stojí za pozornost, protože zpochybňuje běžný předpoklad, že kvalitnější zpětná vazba automaticky vede k lepším výsledkům učení. Tak tomu ale není. Zpětná vazba je účinná pouze tehdy, pokud s ní žák skutečně pracuje: přečte si ji, porozumí jí, využije ji v praxi a osvojí si získané poznatky natolik, aby je příště dokázal uplatnit samostatně. Rozhodující tedy není jen kvalita zpětné vazby, ale především to, jak ji žák využije.

Více neznamená vždy lépe. V další studii, s 60 žáky 11. ročníku a 240 texty, vytvořila AI mnohem více komentářů týkajících se obsahu než učitelé. Žáci však častěji uplatňovali komentáře učitelů. Když je žák konfrontován s třiceti přesnými opravami, může buď přestat diagnostikovat a začít třídit podle priority, nebo prostě jen vyhovět. Pokud žák pravidla jednoduše dodrží, v podstatě tím říká, že úprava nebyla nutná. Je to opět ta navigace, jen na jiné úrovni. Dává vám opravdu podrobnou zpětnou vazbu, jako „odbočte vlevo za 200 metrů“, ale pro váš vlastní text.

Na tom, kdo to říká, záleží. Nejsme si úplně jisti, proč jsou komentáře učitelů uplatňovány častěji. Jde spíše o interpretaci než o měření, ale nejpravděpodobnějším vysvětlením je, že zpětná vazba je vnímána jako akt mezi lidmi. To, co řekne někdo, kdo ví, co jste dělali minulé pololetí, a uvidí, co uděláte dál, je něco jiného než tatáž věta vygenerovaná na požádání.

**Co z toho plyne pro praxi.** Souhrnná analýza studií o automatizované zpětné vazbě k psaní, provedená ještě před nástupem dnešních chatbotů, dospěla k podobným výsledkům. Zpětná vazba přinesla více, když ji žáci museli uplatnit v novém textu, než když jen upravovali text, který měli před sebou, a více, když byla využívána během několika lekcí, a ne jen jednou. A ještě jednu věc je třeba férově říci: ve srovnání s žádnou zpětnou vazbou zpětná vazba od AI pomáhá. Ve studii německého týmu s 459 žáky vyššího sekundárního vzdělávání zpětná vazba generovaná AI mírně zlepšila jejich úpravy textů i jejich motivaci.

Totéž rozdělení se objevuje i v širším měřítku. Jeden tým shrnul 228 studií: AI jasně a konzistentně zlepšila to, co žáci dokázali vytvořit, zatímco jakékoli zlepšení jejich schopnosti plánovat, sledovat a opravovat vlastní učení bylo natolik malé, že mohlo jít o náhodu. Nejostřeji je to vidět v programování. Žáci s asistentem AI byli měřitelně rychlejší, ale na konci nebyli o nic lepší než žáci bez něj. Udělat více a být lepší není totéž, a AI tyto dvě věci odděluje.

### Evropa jako zrcadlo

Napříč Evropou se výsledky průzkumů používání AI učiteli pohybují **od zhruba devíti z deseti v českém vzorku po zhruba jednoho ze sedmi ve Francii.** Průzkumy se liší metodou i časováním: český údaj pochází z malého průzkumu 317 učitelů z roku 2025 a zahrnuje jakoukoli zkušenost s AI, zatímco francouzský údaj pochází z mezinárodního šetření učitelů OECD TALIS 2024, v němž necelá polovina českých učitelů uvedla, že AI používá ve výuce.

Francie vybudovala jeden z největších státních programů AI na kontinentu: adaptivní procvičovací software pro matematiku a francouzštinu, zdarma pro každého žáka prvního ročníku vyššího sekundárního vzdělávání. Přesto francouzští učitelé používají AI jen zřídka a pouze 9 % francouzských učitelů absolvovalo jakékoli školení o AI, oproti 38 % v průměru zemí OECD.

Norsko zapracovalo problém navigace do své politiky (alespoň jako doporučení) tak, jak by to udělala autoškola pro taxikáře: nejprve se učit s mapou a teprve potom přidat zařízení. V červnu 2026 Norsko doporučilo, aby žáci 1. až 7. ročníku zpravidla neměli k AI přístup. V 8. až 10. ročníku lze AI zavádět postupně a uvážlivě, jakmile učitelé získají kompetence k jejímu vedení. Na vyšším sekundárním stupni by se žáci měli naučit používat AI účelně.

### Slepé místo

Jedno z rizik AI se zmiňuje jen zřídka a přirovnání k navigaci ho dobře vystihuje: **znalost londýnských ulic není trvalá**. Řidič, který se pět let spoléhá pouze na pokyny navigace, si znalost města neudrží. Postupně ji ztrácí a přestává si všímat i toho, že ho navigace vede do rozkopané ulice.

Také své odborné dovednosti si udržujete právě tím, že vykonáváte činnosti, které za vás AI dokáže snadno převzít: připravujete úkoly, předvídáte možné chyby žáků a formulujete vysvětlení. **Pokud AI převezme činnosti, díky nimž se rozvíjí odborný úsudek, může se úspora práce postupně změnit ve ztrátu dovedností.**

V německém průzkumu mezi odborníky na e-learning očekávalo 65 % respondentů, že generativní AI povede ke ztrátě důležitých lidských dovedností, zatímco o rok dříve to bylo 44 %. V medicíně již byl podobný jev zaznamenán: poté, co se podpora AI stala běžnou součástí kolonoskopických vyšetření, lékaři při vyšetřeních bez její pomoci odhalovali méně přednádorových útvarů než dříve.

**Používejte navigaci, ale nezapomínejte si udržovat vlastní orientaci.**

# 1.3 Zodpovědné používání AI

### Shrnutí

- **Odpovědné využívání AI je otázkou správného nastavení, nikoli kontroly.** Nástroje pro detekci AI nejsou spolehlivé.
- **Detekce AI může vést k nespravedlivému hodnocení.** Nástroje chybně označují lidskou práci za výstup AI a naopak. Francie a Nizozemsko jejich používání ve školách nedoporučují.
- **AI může vytvářet nepravdivé informace a přebírat předsudky.** Žáky je proto nutné učit tato rizika rozpoznávat.
- **Nejprve vlastní úvaha, potom AI.** Samostatné přemýšlení a vhodná softwarová omezení pomáhají předcházet negativním dopadům AI.
- **Samotné prompty nestačí.** Chatboti často přecházejí k poskytování hotových odpovědí. Důležitý je proto výběr vhodných nástrojů.
- **AI může prohlubovat rozdíly mezi žáky.** Jejich zmírnění vyžaduje dostupné technologie, vhodné nástroje a především proškolené učitele.
- **Inkluze je jedním z největších přínosů AI.** Právě zde vidí učitelé největší potenciál jejího využití.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Hráze se bortí. Naučme se plavat.

### Čtenářský deník, druhý pohled

Vraťme se k našemu žákovi deváté třídy a jeho čtenářskému deníku, který působí až podezřele dokonale. Instinkt je téměř univerzální a je to instinkt dobrého učitele: zjistit, zda použil AI. Postavit lepší hráz.

Tato kapitola pojednává o tom, proč tento instinkt sám o sobě nikam nevede. Dostaneme se k tomu, co funguje místo něj.

Začněme tou nepříjemnou částí. **Učitelé nedokážou spolehlivě rozeznat text vytvořený AI od textu žáka.** Ve dvou studiích německého týmu dostalo 89 budoucích učitelů a 200 zkušených učitelů směs žákovských esejí a esejí od chatbota a měli je roztřídit. Ani jedna skupina to nedokázala spolehlivě, přesto si obě skupiny byly jisté, že to dokážou. Zkušenost pomohla jen málo: i zkušení učitelé přehlédli většinu textů vytvořených AI. Na jedné britské univerzitě výzkumníci vložili odpovědi vygenerované chatbotem běžnými kanály do skutečných online zkoušek bez dozoru, aniž by o tom hodnotitele informovali.

„Můžete ji používat, ale musíte umět vysvětlit výsledek vlastními slovy.“

### Detektor, který trestá špatné žáky

Výzkumníci otestovali sedm nejrozšířenějších [detektorů AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/62-glosar-a-klicove-pojmy "Glosář a klíčové pojmy") na esejích TOEFL, které napsali lidé učící se angličtinu jako cizí jazyk a které byly shromážděny z čínského online fóra. Vedle nich zařadili eseje rodilých amerických osmáků. Práce rodilých mluvčích byla klasifikována správně téměř pokaždé. Z esejí v cizím jazyce bylo **více než šest z deseti mylně označeno jako vytvořené strojem**.

Mechanismus není žádnou záhadou. Mnohé z těchto nástrojů nedetekují práci velkých jazykových modelů. Nástroje měří *předvídatelnost*. Text, který používá běžná slova v očekávaném pořadí, je vyhodnocen jako umělý. Lidé píšící v cizím jazyce, s menší slovní zásobou a strnulejšími větnými strukturami, mohou produkovat přesně takový signál. Detektory trénované pro jeden konkrétní test a studie v jiných jazycích přitom ukazují menší rozdíly. Dosud však na trhu neexistují detektory dostatečně spolehlivé na to, aby bylo možné kohokoli obvinit z úmyslného podvodu.

**Chyby nástroje systematicky dopadají na žáky, kteří už nesou největší zátěž.** Instituce si to spočítaly. Vanderbiltova univerzita upozornila, že i kdyby se takový nástroj mýlil jen v 1 % případů, stále by to znamenalo přibližně **750 mylně označených prací ročně** z jejích 75 000 odevzdaných prací. V důsledku toho jej vypnula. Příručka, kterou pro německé spolkové ministerstvo školství napsali výzkumníci, je jednoznačná: technologie *„není dostatečně spolehlivá, aby poskytovala právně bezpečný důkaz“*. Nezávislý evropský test čtrnácti detektorů dospěl ke stejnému verdiktu: *„ani přesné, ani spolehlivé“*.

Velká část Evropy o tom už přestala diskutovat. Francouzské ministerstvo školství a francouzský úřad pro ochranu osobních údajů školám doporučují detektory nepoužívat, nizozemská agentura pro ICT ve vzdělávání Kennisnet je označuje za vysoce nespolehlivé. Ve vysokoškolském vzdělávání jejich používání při hodnocení zakazují jednotlivé univerzity, například ZHAW v Curychu. V Anglii zkušební komise připouštějí detekční software pouze jako jeden z prvků úsudku, který zůstává na učiteli, jenž *„zná své žáky nejlépe“*. Stojí za to si zapamatovat i jeden bod týkající se ochrany osobních údajů: **vložení práce žáka do online nástroje znamená zpracování jeho osobních údajů.** K tomu je zapotřebí právní základ a smlouva s poskytovatelem. → [1.4 Soulad s předpisy při používání AI](https://playbook.dualaiteacher.eu/books/playbook-cz/page/14-soulad-s-predpisy-pri-pouzivani-ai)

Zdá se, že panika ohledně podvádění je slabší, než by odpovídalo hluku kolem ní. Výzkumníci provedli průzkum mezi žáky tří amerických středních škol před vznikem ChatGPT a poté znovu. Podvádění zůstalo zhruba na stejné úrovni. Navazující průzkum mezi více než 4 000 žáky šesti dalších amerických středních škol o rok později zjistil totéž.

Skutečná otázka nikdy nebyla „Jak ho chytím?“ Je jí: co domácí úkol vlastně ještě měří, když jeho výsledek lze vygenerovat na požádání?

„Nejdřív jsem to považoval za podvádění. Teď to vnímám jako signál, že se musí změnit samotný úkol.“

### Dvě věci, které se nedají opravit, a proto je třeba je učit

**Sebejisté smyšlenky jsou vestavěnou vlastností.** Tyto systémy generují věrohodné pokračování textu, a věrohodné není totéž co pravdivé. Přehledy výzkumu se shodují, že žádná technika tento problém dosud neodstranila, i když jej lze omezit a částečně odhalit. Důvodem je, že standardní testy používané k hodnocení velkých jazykových modelů odměňují sebejisté hádání více než přiznání nejistoty, a dokud budou modely takto hodnoceny, přetrvá určitá míra plynulé, dobře formulované nepravdy.

Zkreslení v trénovacích datech jsou vestavěná také. A navíc se s vylepšováním technologie nezmenšují. Evropská studie genderových stereotypů napříč jazyky zjistila, že větší modely, dokonce i po dodatečném tréninku určeném k tomu, aby byly bezpečnější a spravedlivější, někdy stereotypizují více, nikoli méně. Pokud se vlastnost nedá technicky odstranit, musí se stát součástí učiva. A lze ji učit: v jednom finském programu vzrostl podíl žáků, kteří dokázali vysvětlit, odkud se zkreslení generátoru obrázků bere, ze 7 % na 44 %. Důsledkem pro výuku musí být trénink v analýze chyb místo jejich pouhého vyhýbání se. Jinými slovy: chyby stroje se stávají samotnou lekcí.

„Nechte žáka zkontrolovat řešení chatbota, jako by byl učitelem. Právě hledáním chyb se metodu konečně naučí.“

### Co funguje: návrh, nikoli kontrola

Důkazy ukazují na jeden jednoduchý a snadno zapamatovatelný princip: nejprve myslet, pak AI.

- **Nechte člověka zavázat se jako první.** V experimentu s přibližně 200 dospělými se lidé, kteří museli učinit vlastní rozhodnutí *dříve*, než uviděli návrh stroje, řídili jeho chybnými návrhy méně často než lidé, kterým bylo ukázáno krátké vysvětlení uvažování stroje. Vysvětlení AI problém nevyřešilo. Pomohla metoda, která vynutila vlastní úsudek. Vynutit úsudek znamená přimět lidi přemýšlet. Protože přemýšlení vyžaduje úsilí, patřily tyto metody mezi účastníky k nejméně oblíbeným. Nejvíce však pomáhaly těm, kteří jsou již zvyklí intenzivně přemýšlet. Jde o takzvaný Matoušův efekt: ti, kteří již mají určitou výhodu, z ní získávají ještě více.
- **Zabudujte omezení přímo do nástroje.** Chatbot z kapitoly 1.2, který zadržoval odpovědi a místo toho kladl otázky, je stejná myšlenka přenesená do softwaru: žáci, kteří jej používali, na zkoušce nic neztratili, zatímco ti s neomezenou verzí dopadli výrazně hůře.
- **Zviditelněte proces, místo abyste honili výsledek.** Koncepty, pracovní poznámky, krátký rozhovor o práci. Ty vám ukážou, co žák dokáže, aniž by kdokoli musel dokazovat, co udělal.
- Dánsko pilotně ověřuje tento princip: na zapojených školách mohou žáci používat AI při přípravě na ústní zkoušku z angličtiny, zatímco písemná zkouška obsahuje ručně psanou část bez pomůcek.

**Než se na tento přístup spolehnete, je dobré znát dvě důležitá omezení.**

**První omezení:** Často doporučovaný postup, kdy učitel jednoduše zadá chatbotovi, aby se choval jako sokratovský tutor a vedl žáky k odpovědím pomocí otázek, nemusí při delším rozhovoru fungovat spolehlivě. Předběžné výsledky studie se simulovanými žáky, která k říjnu 2026 dosud neprošla recenzním řízením, naznačují, že při opakovaném naléhání mají tito AI tutoři tendenci vracet se k poskytování hotových odpovědí. Spolehlivá omezení proto musí být součástí samotného systému. Důležitější než správná formulace zadání je tak výběr vhodného AI nástroje.

**Druhé omezení:** Požádat AI, aby vysvětlila svůj postup, se může zdát jako jednoduchý způsob ověření správnosti odpovědi. Samotné vysvětlení však nezaručuje, že uživatel nebude AI příliš důvěřovat. Jedna ze studií ukázala, že vysvětlení nesnížila ochotu lidí přijímat nesprávné rady. Příliš technická nebo naopak zjednodušená vysvětlení mohou dokonce falešnou důvěru posilovat. Vysvětlení tedy může učení podpořit, samo o sobě ho však nezaručuje.

### Postoj: dva způsoby selhání, nejen jeden

Obáváme se, že učitelé vkládají do AI příliš mnoho důvěry. Měli bychom se však stejně obávat i opaku. I zkušení lidé mohou padnout za oběť přílišné důvěře. V malém pilotním projektu na amerických školách označily čtyři z deseti dotázaných učitelů zpětnou vazbu nástroje AI pro hodnocení za neužitečnou, většinou nejasnou, nebo dokonce nesprávnou. Výzkum zkreslení vlivem automatizace (automation bias) ukazuje, že lidé mají sklon přijmout návrh stroje, i když mají důvod o něm pochybovat. **Odhalit chybu a opravit ji jsou dva odlišné kroky.**

Opačným pólem je utajování. Učitelé skrývají vlastní používání AI před kolegy i žáky a zakazují jim to, co sami dělají: 77 % z nich používá AI soukromě, zatímco 57 % tvrdí, že žáci by ji nikdy neměli používat k vymýšlení nápadů. Studie akademicky nadaných žáků 6. až 8. ročníku mezitím zjistila, že mezi třetinou a dvěma pětinami z nich už tvrdí, že AI ví více než jejich učitelé. Profese, která skrývá vlastní praxi, nemůže být vzorem zodpovědného jednání, a transparentnost není jen zdvořilostí. Je to mechanismus, kterým funguje výuka vlastním příkladem.

### Pomáhá AI vyrovnávat rozdíly, nebo je naopak prohlubuje?

U pracovních úkolů AI vyrovnává rozdíly. V jednom experimentu podávali účastníci s vyšším vzděláním výrazně lepší výkony než účastníci s nižším vzděláním. S asistentem AI zmizely zhruba tři čtvrtiny tohoto rozdílu. Když byl tutor znovu odebrán, značná část rozdílu se vrátila. **AI odstranila rozdíl ve výstupu, nikoli rozdíl ve schopnostech.**

U učebních úkolů je tomu naopak. Jedna studie nezjistila v průměru žádný přínos, ale zjistila rostoucí propast mezi žáky, kteří už toho hodně věděli, a těmi, kteří ne. Jiná studie se zaměřila na žáky píšící v cizím jazyce: slabší pisatelé dostávali od AI více oprav a úspěšně jich uplatnili méně, a mnozí považovali záplavu zpětné vazby za skličující. Zpětná vazba bez schopnosti ji roztřídit nepomáhá; zavaluje.

Rozdíly mezi žáky existují ještě předtím, než začnou AI vůbec používat. V Německu vnímá umělou inteligenci jako příležitost 80 % žáků z nejlépe socioekonomicky zajištěných rodin, zatímco mezi žáky z nejméně zvýhodněného prostředí je to pouze 55 %. Ve Spojeném království vede dělicí čára spíše sborovnou než skladem se zařízením: **45 % učitelů na soukromých školách absolvovalo formální školení v používání AI, oproti 21 % na státních školách.** V rámci státního sektoru bohatší školy opět předstihují ty chudší. Průzkum z roku 2026 mezi více než 25 000 dětmi ze 17 evropských zemí ukazuje stejné sociální rozdělení v tom, jak moc a jak různorodě AI používají. Výrok jednoho komentátora vystihuje celý problém lépe než jakékoli číslo: *„bohatí mají přístup k technologii i k lidem, kteří jim pomohou ji používat, zatímco chudí mají přístup pouze k technologii.“*

Rozhodujícím faktorem je tedy to, zda má žák k dispozici učitele, který je na využívání AI dostatečně připraven. Umělá inteligence může pomáhat vyrovnávat rozdíly mezi žáky, pokud jsou splněny tři podmínky: dostupnost technologií, využívání nástrojů navržených pro podporu učení, nikoli pouze pro poskytování hotových odpovědí, a odborné vedení ze strany učitele. Pokud některá z těchto podmínek chybí, může AI naopak rozdíly prohlubovat. Protože se všechny tři podmínky často vyskytují společně na stejných školách, zatímco jinde chybějí, AI má přirozenou tendenci existující nerovnosti prohlubovat. Jejich vyrovnávání proto vyžaduje cílené úsilí.

# 1.4 Soulad s předpisy při používání AI

<p class="callout info">**Upozornění:** Tuto kapitolu jsme pečlivě zpracovali, ale právo v oblasti AI se rychle vyvíjí. Právní předpisy se od vydání této příručky mohly změnit. Vždy si proto ověřte jejich aktuální znění a v případě potřeby postupujte podle platné legislativy ve své zemi. Tato kapitola nepředstavuje právní poradenství.</p>

### Shrnutí

- ***Neexistuje žádné právní vakuum.*** Právo na ochranu osobních údajů platilo vždy.
- ***Harmonogram se posunul.*** Povinnosti pro vysoce rizikové systémy AI ve vzdělávání začínají platit **2. prosince 2027**, nikoli v srpnu 2026. Ověřte si to v podkladech své školy (viz také [1.6](https://playbook.dualaiteacher.eu/books/playbook-cz/page/16-legislativa "1.6 Legislativa")).
- ***Již závazné od února 2025.*** Systémy, které čtou emoce žáků z jejich obličeje nebo hlasu, jsou zakázány a školy, které používají AI, musí přijmout opatření k budování gramotnosti svých zaměstnanců v oblasti AI. Od srpna 2026 musí chatboti uvádět, že jsou AI, a deepfaky musí být označeny.
- ***Největší výzvou je ochrana osobních údajů.*** Údaje o žácích nesmí být zadávány do AI nástrojů bez odpovídající smluvní ochrany, která vylučuje jejich využití k trénování AI. Samotný souhlas obvykle nestačí a pouhé odstranění jmen neznamená anonymizaci údajů.
- ***V autorském právu je problémem samotné nahrání.*** Výjimka pro výuku se nevztahuje na vkládání chráněných děl do AI.
- ***Detektory neobstojí jako důkaz.*** Soudy uznaly závěry vyvozené z konkrétních skutečností. Pravidla musí být jasná předem a požadavek na přiznání použití AI je lepší než zákaz.
- ***Známky zůstávají věcí člověka.*** Pro nás je to samozřejmé, ale je důležité zdůraznit, že formální odklepnutí návrhu od AI není lidským rozhodnutím.
- ***Odpovědnost leží na zadavateli nákupu, nikoli na vás*** – a soulad s předpisy umožňuje, nebrání. Školy s jasnými pravidly jsou právě ty, jejichž učitelé uvádějí, že ušetří nejvíce času.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Soulad s předpisy je dům, nikoli zeď.
> 
> ### Co smím dělat?
> 
> Než cokoli napíšete, vložíte nebo nahrajete, mějte na paměti tyto čtyři kroky. Následující přehled používejte jako obecné vodítko. Požadavky ve vaší zemi se mohou od zde uvedených lišit. **Proto si vždy ověřte předpisy platné pro vaši zemi a školu.**
> 
> [![Rozhodovací strom pro bezpečné používání AI ve škole.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/rozhodovaci-strom-pro-bezpecne-pouzivani-ai-ve-skole.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/fig-1-4-1.jpg)
> 
> Obr. 1 (obrázek vygenerovaný pomocí AI)
> 
> „Nejsme si ani jistí, co smíme dělat, a už vůbec ne, pokud jde o ochranu osobních údajů.“

### Čtenářský deník, třetí pohled

Náš žák deváté třídy, jeho čtenářský deník, podezření jeho učitelky. V [kapitole 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI") šlo o otázku učení; v [kapitole 1.3](https://playbook.dualaiteacher.eu/books/playbook-cz/page/13-zodpovedne-pouzivani-ai "1.3 Zodpovědné používání AI") o odborný úsudek. Zde je to soudní spis.

V prosinci 2025 rozhodl Správní soud v Hamburku, v Německu, o naléhavém návrhu v tomto případu. Učitelka angličtiny si všimla, že čtenářský deník je napsán na mnohem vyšší úrovni pravopisu, gramatiky a slovní zásoby než chlapcova písemná práce ve třídě o téže knize. Chlapec později přiznal, že použil ChatGPT, a škola deník hodnotila jako pokus o podvod. Jeho otec podal k soudu návrh na předběžné opatření; soud jej zamítl. Jeho odůvodnění přesahuje tento případ: žáci musí předpokládat, že mají svou práci vypracovat zcela samostatně, pokud jim nebyla výslovně povolena nějaká pomůcka – neoznámené použití AI je tedy podvodem i bez písemného pravidla proti AI. (V tomto případě učitelka třídě ve skutečnosti řekla, že ChatGPT není povolen.) Jednu výhradu je třeba mít na paměti hned od začátku: jde o rozhodnutí jediného soudu, v řízení o předběžném opatření, a není pravomocné.

Toto je vhodná chvíle věnovat se nejčastějšímu omylu v této oblasti. Neexistuje žádné právní vakuum. Nikdy neexistovalo.

### Dům má tři patra

Mnoho učitelů vnímá právní regulaci umělé inteligence jako soubor nových pravidel, která se teprve připravují v Bruselu. Užitečnější je však představit si ji jako dům, ve kterém už dávno žijeme. **Základy domu tvoří ochrana osobních údajů.** Jsou pevně dané, existují již řadu let a ovlivňují každodenní fungování škol. **Horní patro představuje Akt o umělé inteligenci (AI Act)**, evropské nařízení, které rozděluje systémy AI podle míry rizika a stanovuje jim odpovídající povinnosti. Některá jeho ustanovení již platí, jiná se teprve začnou uplatňovat a harmonogram jejich zavádění se může měnit. **Dveře a okna symbolizují autorské právo a pravidla školního hodnocení.** Jde o konkrétní předpisy, se kterými se učitelé setkávají při každodenní práci, často aniž by si to uvědomovali.

[![Dům pravidel pro AI ve školách.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/dum-pravidel-pro-ai-ve-skolach.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/fig-1-4-2.jpg)

Obr. 2: „Soulad s předpisy je dům“ (obrázek vygenerovaný pomocí AI)

#### Přízemí: ochrana osobních údajů, jasnější, než si mnozí myslí

Nakládání s něčími osobními údaji vždy vyžaduje právní opodstatnění. Jako veřejnoprávní subjekt škola své oprávnění v zásadě odvozuje ze svých zákonných povinností podle školského práva. Neexistuje žádná obecná licence, která by přišla automaticky s tím, že jste učitel.

Z toho plynou tři důsledky, které tvoří praktické jádro této kapitoly.

Souhlas problém neřeší. Jedním zjevným řešením by bylo prostě se zeptat rodičů. Tento přístup má však dva nedostatky. Zaprvé, souhlas musí být udělen svobodně. Ve školním kontextu, kde hrají roli známky, žádost učitele nepředstavuje svobodnou volbu. Zadruhé, souhlas musí být informovaný, čehož je obtížné dosáhnout, když nikdo neví, kde údaje skončí. Oprávnění musí vycházet ze školského práva, nikoli z podpisu, protože to přesouvá odpovědnost výše, mimo vás.

Odstranění jmen údaje neanonymizuje. V roce 2024 německé úřady pro ochranu osobních údajů společně prohlásily, že pokud lze osobu z kontextu stále identifikovat, jde stále o osobní údaj. To je ve školách obzvlášť problematické, protože právě u typů textů, u nichž učitelé nejvíce potřebují pomoc – esejí, volného psaní a čtenářských deníků – prozrazuje autora už samotný styl.

Dělicí linií je smlouva: poskytovatel smí s vašimi údaji nakládat, pokud tak činí výhradně na váš pokyn a existuje o tom písemná dohoda. Ve chvíli, kdy ale to, co napíšete, použije pro vlastní účely, dohoda se hroutí, protože už nejedná vaším jménem. Praktický test tedy zní: existuje taková dohoda a vylučuje trénování na vašich vstupech? Pokud ne, žádné osobní údaje by se neměly vkládat.

Dvě poznámky pod čarou stojí za zmínku: údaje týkající se zdraví a zdravotního postižení podléhají podle práva EU ještě přísnější ochraně. Do nástroje AI nepatří. A tam, kde učitelé používají soukromá zařízení, přinejmenším dva německé spolkové státy (Severní Porýní-Vestfálsko a Bavorsko) jasně stanoví, že **odpovědnost za ochranu osobních údajů nese škola a její ředitel**, který musí takové používání schválit.

#### Horní patro: co Akt o AI zatím vyžaduje a co ještě ne

**Zde je oprava, kvůli které je většina existujících podkladů zastaralá.** V červenci 2026 EU pozměňujícím nařízením známým jako Digital Omnibus odložila nejtěžší soubor povinností Aktu o AI pro vzdělávání – tedy těch, které se týkají systémů zařazených jako **vysoce rizikové**, tedy systémů používaných k rozhodování o přijímání, k hodnocení toho, co se žáci naučili, nebo k jejich sledování během zkoušek – **ze srpna 2026 na 2. prosince 2027**. Velké množství podkladů napsaných v roce 2025 a na počátku roku 2026 stále uvádí staré datum. Pokud takový dokument máte ve své škole, potřebuje poznámku pod čarou.

Užitečnější oprava jde opačným směrem: to, co už platí, se podceňuje, a to, o čem se nekonečně diskutuje, ještě neplatí.

Dvě věci jsou závazné od 2. února 2025.

- **Rozpoznávání emocí ve školách je zakázáno.** Systémy, které tvrdí, že dokážou číst pocity žáků z jejich obličeje, hlasu nebo těla – analýza nálady, hodnocení „zapojení“ z webkamery –, se nacházejí na krátkém seznamu praktik Aktu, které jsou prostě zakázány, s úzkými výjimkami ze zdravotních nebo bezpečnostních důvodů. Nástroje, které pouze rozpoznávají únavu nebo to, zda se někdo dívá na obrazovku, jsou šedou zónou; to je otázka pro nákup, nikoli pro třídu.
- **Školy, které nasazují AI, musí přijmout opatření k budování gramotnosti svých zaměstnanců v oblasti AI.** Od července 2026 zákon stanoví, že není nutné zaručit žádnou konkrétní úroveň – nedělat nic však není možné. Za porušení této povinnosti nehrozí žádná pokuta na úrovni EU, a proto je široce přehlížena; vnitrostátní orgány ji mohou vymáhat od srpna 2026.

**Od 2. prosince 2026 je zakázáno používat AI k vytváření sexualizovaných deepfake materiálů zobrazujících identifikovatelné osoby.**

Přečtěte si tuto druhou povinnost společně s [kapitolou 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI") a něco zapadne na místo. Propast mezi znalostmi o AI a schopností s ní vyučovat už není jen odborným problémem. **Od února 2025 jsou školy ze zákona povinny na ní pracovat.**

Od **2. srpna 2026** musí chatboti uživatelům sdělovat, že jsou AI, a poskytovatelé musí obsah vygenerovaný AI strojově čitelně označovat; samotné školy musí označovat deepfaky a texty napsané pomocí AI, které zveřejňují za účelem informování veřejnosti. Pracovní list, který učitel zkontroloval, žádné označení nepotřebuje. Od **2. prosince 2027** platí povinnosti pro vysoce rizikové systémy – systémy používané k rozhodování o přijímání, k hodnocení toho, co se žáci naučili, nebo k jejich sledování během zkoušek. Kdokoli takový systém *používá*, přebírá vlastní povinnosti, mimo jiné svěřit dohled osobám, které mají, slovy Aktu, *„nezbytnou způsobilost, odbornou přípravu a pravomoc“*.

#### Dveře a okna: autorské právo a zkoušky

Poněkud proti intuici je **to, co z AI vychází ven, tou snadnější částí.** Text nebo obrázek, který AI vygeneruje sama, nemá lidského autora ve smyslu vyžadovaném autorským právem, takže sám o sobě obvykle není chráněn; pokud jej člověk utváří vlastními tvůrčími rozhodnutími, výsledek chráněn být může. Není to však zárukou, že je „čistý“: v široce sledovaném rozsudku mnichovský soud zjistil, že si chatbot zapamatoval texty písní a reprodukoval je téměř doslovně. Soud přisoudil odpovědnost **poskytovateli**, nikoli osobě, která zadání napsala. Rozsudek není pravomocný.

Výjimka, která učitelům umožňuje kopírovat materiál pro výuku, se vztahuje přesně na toto: kopírování omezené části díla pro danou třídu. **Nahrání chráněného díla do komerčního systému AI je jiný úkon a výjimka jej neřeší.** Materiál vytvořený přímo pro školní výuku, jako jsou učebnice a pracovní sešity, je z výjimky v zásadě vyloučen, pokud jsou pro něj snadno dostupné licence.

**Jak moc by vás to mělo znepokojovat?** Méně, než by se z té mezery mohlo zdát, a přece víc než vůbec. Tato otázka zatím zůstává právně nevyřešená. Žádný soud vyšší instance o ní dosud nerozhodl a podle odborné literatury se na tuto situaci stávající zákonné výjimky příliš nehodí. Tam, kde nositel práv vznese námitku, šlo by o civilní nárok, a v praxi je to spíše záležitost školní politiky a nákupu než něco, co může vyřešit jednotlivý učitel. V praxi je jasný úzký případ. Je to hranice, kterou stanovují vzdělávací nakladatelé, a stojí za to si ji zapamatovat: **materiály ze školních učebnic a od nakladatelů by se do nástrojů AI neměly vkládat vůbec – ani naskenované, ani přepsané, dokonce ani pro vytvoření pracovního listu.**

Judikatura v této oblasti je napříč Evropou v současnosti nejednotná. V únoru 2026 rozhodl Správní soud v Kasselu, v Německu, o dvou univerzitních případech stejně a velmi ostře: přestože univerzita neměla výslovný zákaz AI, hranice byla překročena *„už při jediném neoznámeném použití generativní AI“*. Rozsudky nejsou pravomocné. Ve stejném měsíci pařížský správní soud v řízení o předběžném opatření zabránil univerzitě sankcionovat studenta, protože univerzita předem nestanovila žádné pravidlo pro používání AI. Švédský odvolací soud dospěl již dříve k podobnému výsledku: student odevzdal tři vymyšlené citace, ale pravidla kurzu povolovala pro práci vypracovávanou doma „veškeré pomůcky“, takže nebylo porušeno žádné pravidlo. Naproti tomu v Nizozemsku nejvyšší správní soud v červenci 2025 potvrdil sankci vůči studentovi práv, který předložil čtyři neexistující zdroje: podvod byl prokázán nade vší rozumnou pochybnost a na tom, zda měl v úmyslu klamat, nezáleželo.

Vzorec napříč jurisdikcemi tedy nesouvisí se zeměmi. Souvisí s tím, zda pravidlo existovalo předem a zda byl podvod skutečně prokázán.

Z toho pro praxi plynou tři pravidla.

1. **Detektory neunesou důkazní břemeno.** Podvod musí prokázat škola. Soudy uznaly závěry vyvozené z konkrétních skutečností: zdroje, které se ukážou jako neexistující, zřetelný rozdíl mezi tím, co žák napíše, a tím, co dokáže ústně vysvětlit, náhlé skoky v úrovni v rámci téhož textu, přiznání. Žák pak může podat vysvětlení. Samotný styl psaní je slabým základem – přední němečtí právní komentátoři pochybují, že na něm lze zjištění vůbec postavit. Výstup detektoru je v nejlepším případě důvodem podívat se blíže. Míra chybovosti uvedená v [kapitole 1.3](https://playbook.dualaiteacher.eu/books/playbook-cz/page/13-zodpovedne-pouzivani-ai "1.3 Zodpovědné používání AI") jej činí jako důkaz nepoužitelným.
2. **Pravidla musí být jasná před hodnocením, nikoli až po něm.** Neobstojí ani plošný zákaz, ani plošné povolení. Funguje prohlášení o samostatné práci s doložkou o AI, spolu s povinností uvést, co bylo použito. Přiznání místo zákazu.
3. **Známky zůstávají věcí člověka.** Lidé mají právo nebýt předmětem rozhodnutí s právními účinky, která činí samotný stroj, a školy nemají žádný právní základ pro to, aby taková rozhodnutí přijímaly pomocí softwaru; známka takovým rozhodnutím je. Německá Stálá konference ministrů školství a kultury to formuluje ještě ostřeji: hodnocení je úkolem, který dokážou vykonat jen učitelé. A zásadně platí, že **formální odklepnutí návrhu od AI se za lidské rozhodnutí nepovažuje.** Zjištění, že lidé často přijímají chybnou zpětnou vazbu od AI, je tedy právním i pedagogickým problémem.

„Každý experimentuje na vlastní pěst, takže se pravidla mění z hodiny na hodinu.“

Právo, etika a didaktika tak dospívají ke stejné odpovědi: hodnoťte proces, nejen výsledek.

### Kde skutečně leží odpovědnost

V reakci na to Německo zavedlo státem poskytovaná školní prostředí AI. Jde o prověřené platformy se sjednanými smlouvami, místo aby se učitelům ponechalo, aby se sami přihlašovali k čemukoli, co je zdarma. Ačkoli tím řeší problémy, které jednotliví učitelé sami vyřešit nemohou, tyto platformy jsou stále kritizovány kvůli způsobu, jakým jsou řízeny, tomu, zda je učitelé skutečně přijímají, a tomu, zda jsou hodnocení, která podporují, spolehlivá. Protože se zavádění v jednotlivých spolkových zemích liší, bude nějakou dobu trvat, než se ukáže, jak si učitelé s těmito platformami vedou.

To, co je na tomto přístupu skutečně specifické, je užší, než se na první pohled může zdát, a stojí za to to vyjádřit přesně. Německo je jediný systém, který jsme našli, v němž platformu vyvíjí a provozuje sám veřejný subjekt – FWU, vlastněný spolkovými zeměmi – s technickými dodavateli. Francie poskytuje adaptivní procvičovací software pro celý ročník, ale jeho vytvoření zadala externě: jedna soukromá společnost napsala software, druhá hostuje data. Několik dalších zemí si koupilo přístup ke komerčním chatbotům; většina ostatních nabízí pouze metodické pokyny.

Vybudovat si platformu sám automaticky neznamená mít větší kontrolu. Německá platforma běží na stejných komerčních jazykových modelech na evropských serverech jako platformy všech ostatních, jak upozornilo jedno odvětvové sdružení. Francouzský systém je naproti tomu hostován ve Francii pod nejvyšším bezpečnostním certifikátem, jaký francouzský stát uděluje. Jedna země si postavila fasádu domu a pronajímá si motor, druhá si koupila software a nechala si klíče od budovy. Ani jedna z možností jednoznačně nepředstavuje tu „nejsuverénnější“ volbu, což stojí za zvážení, než tento pojem použijete.

Nizozemsko zvolilo odlišný přístup, který stojí za pozornost, protože nabízí transparentnější způsob řešení stejného problému. Namísto vývoje vlastních nástrojů nebo nákupu nových řešení se nizozemské školy a univerzity spojily a nechaly provést nezávislé posouzení hlavních poskytovatelů AI. Při prověřování AI asistenta společnosti Microsoft odhalily dva zásadní nedostatky, které se nepodařilo odstranit: netransparentní pravidla automatického filtrování obsahu, která společnost odmítla zveřejnit, a uchovávání diagnostických dat po dobu 18 měsíců, pro které nebylo nalezeno dostatečné odůvodnění. Vyjednávaly. V březnu 2026 však poskytovatel odmítl cokoli změnit. Hodnocení tak zůstává na „oranžové“, a nizozemským školám se doporučuje postupovat obezřetně a posuzovat případ od případu, místo aby dostaly plošné schválení. Jedna země riziko odstranila tím, že si vybudovala vlastní obchvat, druhá se podívala blíž a rozhodla se, že na to ještě není připravena. Obě cesty nabízejí řešení problému, který byl představen na začátku této kapitoly.

Toto srovnání ještě jednu věc vyjasňuje. Stížnost, že učitelé dávají přednost bezplatnému chatbotu před tím oficiálním, není v Německu důsledkem selhání implementace. V Estonsku, kde stát vyjednal přístup pro žáky vyššího sekundárního stupně, používala oficiálního chatbota sedm měsíců po zahájení programu týdně sotva o něco více než třetina z nich. Ukázalo se, že většina z nich používala bezplatné nástroje už předtím, než program začal. **Všude prověřené prostředí soupeří s tím pohodlnějším.** Poskytnout oficiální nástroj je nezbytné. To však nestačí.

Strukturální bod nicméně platí: soulad s předpisy je podmínkou, která věci umožňuje, nikoli překážkou. Vzpomínáte, co zaznělo v [kapitole 1.2](https://playbook.dualaiteacher.eu/books/playbook-cz/page/12-vyuka-o-ai-versus-vyuka-s-ai "1.2 Výuka o AI versus výuka s AI")? **Školy s jasnými pravidly měly více učitelů, kteří AI používali – a celkově ušetřily více času.** Pravidla používání nezpomalila.

# 1.5 Současný stav AI ve vzdělávání

### Shrnutí

- **AI je ve vzdělávacím prostředí již široce používána.**
    - **Výuka s AI.** Učitelé v současnosti AI používají k přípravě nebo zlepšování plánů hodin, k hodnocení a k odlišení obsahu pro různé úrovně vzdělávání.
    - **Výuka o AI.** Žáci AI používají, přestože nemají žádný základ v tom, co AI je, jaká jsou její omezení a jak ji používat zodpovědně.
- **Je zapotřebí technického porozumění a kritického myšlení.** Učitelé i žáci potřebují rozumět tomu, jak jazykové modely fungují (trénování, nakládání s daty, jejich předpovídací povaha), a musí si osvojit praktické ověřovací dovednosti, od odhalování smyšlených citací až po ověřování faktické správnosti obsahu vytvořeného AI.
- **Je třeba definovat zodpovědné používání a etický postoj.** Je zapotřebí orientace v právní a etické oblasti (AI Act, GDPR), stejně jako přístup k AI jako k podpoře, nikoli náhradě lidského myšlení, založený na transparentnosti a odpovědnosti, spolu s výslovnou výukou formulování zadání jako naučitelné dovednosti.
- **Je zapotřebí rovného přístupu a nových modelů hodnocení.** Je třeba chránit rovný přístup k nástrojům AI (veřejné financování, otevřené modely, politiky minimálního věku), a zároveň posunout hodnocení od známkování konečného výsledku k posuzování procesu a schopnosti žáků kriticky pracovat s výstupy AI.

> Pokud si z této stránky máte zapamatovat jen jednu větu: AI je ve vzdělávacím prostředí již přítomna, ale není regulována. Je zapotřebí strukturovaných rámců, které podpoří odborný rozvoj pedagogů, zlepší jejich znalosti a umožní jim učit s AI i o AI.

### Současné využití AI ve vzdělávacím prostředí

Umělá inteligence (AI) je dnes součástí každodenní vzdělávací praxe, a to zdaleka nejen v podobě pilotních projektů. Mezi běžné aplikace patří adaptivní vzdělávací platformy, inteligentní tutorovací systémy, automatizované hodnocení a příprava hodin s pomocí AI pro učitele (OECD, 2026). Nejviditelnější změnou je však přímé používání obecných nástrojů jak žáky, tak učiteli.

#### Výuka s AI

AI učitelé stále více využívají jako podpůrný nástroj v mnoha fázích své práce, od přípravy hodin až po hodnocení. Podle průzkumu OECD TALIS uvedlo v roce 2024 používání AI 37 % učitelů nižšího sekundárního vzdělávání, přičemž 57 % z nich uvedlo, že jim AI pomáhá psát nebo zlepšovat plány hodin (OECD, 2026). Kromě přípravy vyučovacích hodin využívají učitelé AI také k přizpůsobování učiva různým úrovním znalostí a dovedností žáků, tvorbě procvičovacích materiálů a podpoře hodnocení. Využívání AI však přináší i určitá rizika. Celkem 72 % učitelů vyjádřilo obavy, že AI může žákům usnadnit vydávání vygenerovaného obsahu za vlastní práci. To poukazuje na rozpor mezi praktickými přínosy AI ve výuce a potřebou zachovat poctivost při plnění školních úkolů (OECD, 2026).

#### Výuka o AI

Vedle používání AI jako výukové pomůcky roste i potřeba učit žáky o samotné AI: jak funguje, jaká jsou její omezení a jak ji používat zodpovědně. To zahrnuje vybudování základního porozumění jazykovým modelům jako predikčním strojům, nikoli databázím, což vysvětluje jejich sklon k halucinacím, stejně jako praktické dovednosti, jako je ověřování faktické správnosti výstupů AI a rozpoznávání smyšlených citací (UNESCO, 2024). Zahrnuje to také rozvíjení kritického myšlení ohledně formulování zadání, posun žáků od pouhého následování pokynů k jejich samostatné formulaci, a budování povědomí o etických a právních rozměrech používání AI, včetně ochrany osobních údajů a evropského Aktu o AI. Rámec UNESCO pro kompetence učitelů v oblasti umělé inteligence (AI Competency Framework for Teachers, 2024) považuje tyto znalosti a dovednosti za klíčovou součást odborných kompetencí pedagogů. Zdůrazňuje, že učitelé musí nejprve sami získat potřebné vzdělání v těchto oblastech, aby je následně dokázali účinně předávat svým žákům.

### Co chybí?

Vedle institucionálních rámců a dat o zavádění AI je důležité porozumět tomu, jak se tato dynamika projevuje v praxi. V rámci projektu DUAL.AI.TEACHer proběhla série workshopů. Na nich byla oslovena řada aktérů ze vzdělávací oblasti s cílem získat bezprostřední pohled na současné používání AI ve výuce. Tyto workshopy odhalily řadu konkrétních potřeb a obav vyjádřených pedagogy, které se týkaly praktických, pedagogických i vzdělávacích aspektů. Následující oddíly tyto potřeby podrobně popisují.

- **Porozumění fungování AI.** Žáci i učitelé by měli vědět, jak vznikají a jak se trénují jazykové modely a co se děje s údaji, které do nich zadávají. Důležité je také pochopit, že tyto modely fungují na principu předpovídání pravděpodobných odpovědí, nikoli jako databáze ověřených informací. Proto mohou vytvářet i nesprávné nebo smyšlené informace (tzv. halucinace). Učitelé by proto měli absolvovat srozumitelné školení zaměřené na základní principy fungování velkých jazykových modelů.
- **Kritické myšlení, kladení otázek a ověřování AI.** Žáci i učitelé musí být schopni zpochybňovat odpovědi vygenerované AI a rozpoznávat smyšlené informace. Jsou zapotřebí i praktické ověřovací dovednosti, od porovnávání výstupů AI s oficiálními zdroji až po rozpoznávání obrázků a videí vytvořených AI. Žáci se musí posunout od pouhého následování pokynů k jejich formulování a kritickému přemýšlení o požadovaném výstupu.
- **Etika, ochrana osobních údajů a regulace.** Je zapotřebí obecné porozumění etickým a právním aspektům používání AI, včetně evropského Aktu o AI a GDPR. Bezpečné a zodpovědné používání je nezbytné k předcházení nelegálním praktikám, spolu s povědomím o souvisejících otázkách, jako je zkreslení ve výukových materiálech a nespolehlivost detektorů AI.
- **Odpovědné používání AI.** Umělou inteligenci je důležité využívat jako podpůrný nástroj, nikoli jako náhradu vlastního myšlení. Žáci by měli jasně rozlišovat mezi svou vlastní prací a obsahem vytvořeným pomocí AI. Tento přístup, někdy označovaný jako „kyborgí psaní“, spočívá v tom, že AI rozvíjí a podporuje myšlenky autora, místo aby je vytvářela za něj. Důležité je také posilovat samostatnost žáků a jejich odpovědnost za výslednou práci.
- **Praktické dovednosti.** S formulováním zadání (promptů) je třeba zacházet jako s naučitelnou dovedností, nikoli jako s něčím, co si člověk osvojí sám od sebe. Učitelé i žáci potřebují výslovnou výuku psaní účinných zadání a učitelé potřebují proškolení v tvorbě zadání pro přípravu hodin, diferenciaci výuky a hodnocení. Zapotřebí je také širší obeznámenost s nástroji, aby bylo možné vybrat vhodný nástroj pro daný předmět.
- **Rovný přístup a infrastruktura.** Přístup k AI je jádrem rostoucích obav o rovnost, protože bohatší školské obvody si mohou dovolit lepší nástroje, což prohlubuje rozdíly ve schopnostech mezi školami. Je zapotřebí veřejného financování, které zaručí rovný přístup bez ohledu na zdroje dané školy, přičemž součástí tohoto úsilí by mělo být upřednostňování otevřených modelů AI před komerčními. Je také třeba stanovit minimální věk pro používání AI.
- **Hodnocení.** Je zapotřebí odlišného přístupu k hodnocení, zaměřeného na proces, nikoli na konečný výsledek, včetně reflexí žáků nad koncepty vytvořenými pomocí AI. Zapotřebí jsou také úkoly integrující AI, které hodnotí schopnost žáků kriticky posoudit, ověřit a upravit výstup AI, což nastoluje otázky ohledně role člověka i v případech, kdy samotní učitelé při hodnocení spoléhají na AI. Zapotřebí jsou rovněž konkrétní metody pro výuku, jako je ověřování faktické správnosti textu vytvořeného AI, porovnávání odpovědí různých chatbotů, diskuse o používání AI v domácích úkolech a zapojení nedigitálních nástrojů, jako jsou flipchartové tabule.

„Kdo učí s AI, musí umět ověřit každou odpověď, kterou dává, protože chyby se stávají. Bez solidních oborových znalostí je neodhalíte.“

# 1.6 Legislativa

<p class="callout info">**Upozornění:** Přestože jsme tuto kapitolu připravili s maximální pečlivostí, právní předpisy upravující využívání AI se rychle vyvíjejí. Od vydání této příručky mohlo dojít ke změnám, proto si vždy ověřte aktuální právní úpravu a zohledněte příslušné předpisy platné ve vaší zemi. Informace uvedené v této kapitole nenahrazují odborné právní poradenství.</p>

### Shrnutí

- **Právním základem je Akt o AI Evropské unie.** Pravidla EU pro AI platí od srpna 2024 a postupně nabývají účinnosti až do roku 2027. Vztahují se nejen na technologické společnosti, ale i na školy.
- **Gramotnost v oblasti AI je povinností, ne kurzem k odškrtnutí.** Školy musí svým zaměstnancům pomáhat budovat gramotnost v oblasti AI.
- **Některé způsoby využívání AI jsou výslovně zakázány.** Patří mezi ně například rozpoznávání emocí žáků na základě mimiky nebo hlasu, využívání AI ke zneužívání zranitelnosti dětí a ovlivňování jejich chování, vytváření databází pro rozpoznávání obličejů nebo používání biometrických údajů k odvozování citlivých charakteristik, jako je rasa či náboženské vyznání.
- **Riziko závisí na rozhodnutí, nikoli na produktu.** Běžné nástroje pro psaní, research, překlad a přípravu hodin nejsou vysoce rizikové jen proto, že se používají ve škole. Vysoce rizikovými se stávají ve chvíli, kdy ovlivňují přijetí, vzdělávací dráhu, výsledky zkoušek nebo pracovní rozhodnutí.
- **Ne všechno, co vytvoří AI, musí být označeno.** Povinnost informovat leží především na poskytovateli; materiál zkontrolovaný učitelem s lidskou redakční kontrolou je z této povinnosti vyňat.
- **Vysoce rizikové systémy AI vyžadují člověka, který je může přehlasovat.** Výstup AI nikdy není konečným rozhodnutím. Musíte rozumět jeho omezením a být schopni jej odmítnout nebo přehlasovat.
- **Akt o AI stojí nad ostatními zákony, nenahrazuje je.** Vnitrostátní právo na ochranu osobních údajů, školské, pracovní právo, právo na ochranu dětí a autorské právo platí i nadále souběžně s ním.
- **GDPR upravuje data, nikoli jen nástroj.** I systém AI, který je v pořádku podle Aktu o AI, může být nadále nepřípustný, pokud zpracovává osobní údaje žáků nebo zaměstnanců bez platného právního základu.

> Pokud si z této stránky máte zapamatovat jen jednu větu: Používejte AI na podporu svého odborného úsudku, nikoli jako jeho náhradu – přísnější pravidla platí, jakmile AI pomáhá rozhodovat o známkách, vzdělávací dráze nebo o lidech.

### Akt EU o umělé inteligenci

Akt EU o umělé inteligenci (nařízení (EU) 2024/1689) je jednotný, na riziku založený předpisový rámec EU pro umělou inteligenci. Namísto regulace konkrétních produktů klasifikuje systémy AI podle rizika, které představují, a podle toho k nim přiřazuje povinnosti – od naprostého zákazu u malé skupiny praktik, přes dodatečné povinnosti pro „vysoce rizikové“ použití, až po žádná zvláštní pravidla pro běžné nástroje. Platí přímo ve všech členských státech, a to jak pro veřejné, tak pro soukromé subjekty.

Akt nabývá účinnosti postupně. Platí od 1. srpna 2024; od 2. února 2025 jsou již závazné níže uvedené zakázané praktiky a povinnost budovat gramotnost v oblasti AI ([čl. 4](https://overview.legal/laws/ai-act/art-4)); od 2. srpna 2026 se uplatní většina jeho zbývajících ustanovení.

[![Časová osa AI Actu 2024–2027.png](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/casova-osa-ai-actu-2024-2027.png)](https://playbook.dualaiteacher.eu/uploads/images/gallery/2026-10/9q1fig1-1-6.jpg)

Obr. 1: „Plán postupu v oblasti AI“ (obrázek vygenerovaný pomocí AI)

### Kdo odpovídá za používání AI?

Pokud škola zavádí a řídí systém AI, je zpravidla zavádějícím subjektem škola nebo školský orgán ([čl. 3 odst. 4](https://overview.legal/laws/ai-act/art-3)). Učitel obvykle není samostatným zavádějícím subjektem, pokud nástroj používá podle pokynů školy, musí se však i tak řídit těmito pokyny a všemi příslušnými školními pravidly a pravidly ochrany osobních údajů.

### Učitelé musí vědět, co používají

Školy a školské orgány musí přijmout vhodná opatření na podporu rozvoje gramotnosti v oblasti AI u osob, které jejich jménem systémy AI používají ([čl. 4](https://overview.legal/laws/ai-act/art-4)). Akt o AI nestanovuje konkrétní úroveň způsobilosti, certifikát ani formu školení. Ty spíše závisí na použitém systému AI, způsobu jeho použití a na tom, koho se to může dotknout.

### Praktiky AI zcela zakázané pro školy

Akt o AI zcela zakazuje osm praktik v oblasti AI ([čl. 5](https://overview.legal/laws/ai-act/art-5)); čtyři z nich se přímo týkají škol:

1. Používání systémů AI ve vzdělávacích institucích k odvozování emocí nebo záměrů z biometrických údajů (jako jsou mimika nebo hlasové charakteristiky žáků) je obecně zakázáno. Existují úzké výjimky pro lékařské účely nebo účely bezpečnosti ([čl. 3 odst. 39](https://overview.legal/laws/ai-act/art-3); [čl. 5 odst. 1 písm. f](https://overview.legal/laws/ai-act/art-5)).
2. Systémy AI, které zneužívají něčí zranitelnost danou věkem (jako u dětí), zdravotním postižením nebo sociální či ekonomickou situací, způsobem, který zkresluje jejich chování a způsobuje jim újmu, jsou zakázány bez ohledu na záměr ([čl. 5 odst. 1 písm. b](https://overview.legal/laws/ai-act/art-5)).
3. Budování nebo rozšiřování databáze pro rozpoznávání obličejů necíleným stahováním obrázků z internetu nebo z kamerových záznamů je zakázáno. To je relevantní, pokud škola zvažuje nástroj pro rozpoznávání obličejů pro účely docházky nebo dohledu při zkouškách ([čl. 5 odst. 1 písm. e](https://overview.legal/laws/ai-act/art-5)).
4. Používání biometrických údajů ke kategorizaci osob za účelem odvození chráněných znaků, jako je rasa, politické názory, náboženství nebo sexuální orientace, je zakázáno. To je relevantní pro jakýkoli nástroj založený na biometrii, například software pro dohled nad zkouškami, který jde nad rámec svého deklarovaného účelu ([čl. 5 odst. 1 písm. g](https://overview.legal/laws/ai-act/art-5)).

### Musí být obsah vytvořený AI vždy označen?

Pokud žáci komunikují přímo se systémem AI, například s chatbotem, musí být informováni, že komunikují s AI. Za jasné sdělení této skutečnosti obvykle odpovídá poskytovatel systému ([čl. 50 odst. 1](https://overview.legal/laws/ai-act/art-50)).

Školy a učitelé musí označit deepfake obsah nebo text vytvořený AI publikovaný k záležitostem veřejného zájmu, pokud jsou tyto materiály použity ve výuce ([čl. 50 odst. 4](https://overview.legal/laws/ai-act/art-50)). Tento požadavek se neuplatní tam, kde obsah vytvořený AI prošel účinnou lidskou kontrolou nebo redakčním dohledem a za jeho zveřejnění přebírá redakční odpovědnost konkrétní osoba nebo instituce. Pracovní list vytvořený s pomocí AI a zkontrolovaný učitelem tedy automaticky označení nevyžaduje.

### Kdy se AI ve vzdělávání stává vysoce rizikovou

Běžné nástroje pro psaní, překlad, research a přípravu hodin nejsou vysoce rizikové jen proto, že se používají v rámci práce. Klasifikace závisí na zamýšleném účelu systému, nikoli jen na tom, o jaký produkt jde ([čl. 6](https://overview.legal/laws/ai-act/art-6) · [Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3)).

Systémy AI mohou být klasifikovány jako vysoce rizikové, pokud jsou určeny k tomu, aby:

<table id="bkmrk-pro-u%C4%8Ditele-pro-%C5%A1kol" style="width: 100%;"><colgroup><col style="width: 48.333333%;"></col><col style="width: 51.547619%;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro učitele</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro školy</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- rozhodovaly o přístupu, přijetí nebo zařazení žáků do vzdělávacích nebo odborných institucí a programů;
- hodnotily výsledky učení žáků nebo řídily jejich vzdělávací postup;
- posuzovaly odpovídající úroveň vzdělání, kterou žák obdrží nebo ke které může mít přístup; nebo
- odhalovaly zakázané chování žáků během zkoušek.

*([Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3), bod 3)*

</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- najímaly nebo vybíraly učitele, včetně prověřování žádostí o zaměstnání;
- rozhodovaly o smluvních podmínkách, povýšení nebo ukončení pracovního poměru učitele;
- přidělovaly úkoly na základě chování nebo osobních vlastností učitele; nebo
- hodnotily výkon učitelů.

*([Příloha III](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-3), bod 4)*

</td></tr></tbody></table>

Omezený kontrolní nebo přípravný nástroj může spadat mimo kategorii vysoce rizikových i tehdy, pokud nemá významný vliv na rozhodnutí. Vzdělávací systém, který profiluje jednotlivce, je však vždy považován za vysoce rizikový.

### Co vysoce rizikové AI znamená pro školy a učitele

Klasifikace systému AI jako vysoce rizikového automaticky nevylučuje jeho použití ve školách. Vysoce rizikové systémy s sebou ale nesou povinnosti ([čl. 26](https://overview.legal/laws/ai-act/art-26)):

Tyto povinnosti pro vysoce rizikovou AI ve vzdělávání se uplatní od 2. prosince 2027 – výše uvedené zákazy a povinnost gramotnosti v oblasti AI však platí už dnes.

<table id="bkmrk-pro-u%C4%8Ditele-pro-%C5%A1kol-1" style="width: 100%;"><colgroup><col style="width: 49.166667%;"></col><col style="width: 50.714286%;"></col></colgroup><tbody><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro učitele</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; background-color: rgba(0,151,178,0.12); color: rgb(0,151,178); font-weight: 600; vertical-align: top;">Pro školy</td></tr><tr><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- používat jej pouze pro schválený účel a řídit se jeho pokyny;
- nepovažovat výstupy AI za konečná rozhodnutí.;
- znát hlavní omezení AI a možné zdroje chyb;
- nespoléhat se nekriticky na výsledky, i když působí přesvědčivě; a
- Být připraveni výstupy AI odmítnout nebo upravit na základě vlastního odborného úsudku.

</td><td style="border: 1px solid rgb(68,68,68); padding: 10px 14px; vertical-align: top;">

- zajistit kvalifikovaný lidský dohled a jasně stanovit odpovědnosti;
- zajistit, aby vstupní údaje, které škola poskytuje, byly relevantní a dostatečně reprezentativní;
- monitorovat systém a reagovat na rizika nebo závažné incidenty;
- uchovávat automaticky generované záznamy po dobu nejméně šesti měsíců tam, kde jsou tyto záznamy pod jejich kontrolou; a
- předem informovat žáky, učitele nebo dotčené osoby, pokud systém napomáhá rozhodování, které se jich týká.

</td></tr></tbody></table>

Veřejné subjekty a soukromé organizace poskytující veřejné služby mohou být rovněž povinny provést před použitím vysoce rizikové AI posouzení dopadu na základní práva ([čl. 27](https://overview.legal/laws/ai-act/art-27)). Orgány veřejné moci a organizace jednající jejich jménem mohou být navíc povinny zaregistrovat systém v databázi EU ([čl. 49](https://overview.legal/laws/ai-act/art-49)). Zda je to odpovědností školy, nebo jejího zřizovatele, závisí na konkrétním vnitrostátním školském systému.

### Akt o AI není jediným rozhodným právním předpisem

Akt o AI nenahrazuje evropské ani vnitrostátní předpisy o ochraně osobních údajů, vzdělávání, zaměstnanosti a participaci zaměstnanců, ochraně dětí nebo autorském právu ([čl. 2 odst. 7](https://overview.legal/laws/ai-act/art-2)). Skutečnost, že nástroj není vysoce rizikový, například neznamená, že do něj smíte nahrávat práci nebo osobní údaje žáků.

Nástroj může být přípustný podle Aktu o AI, a přesto být zakázán právem na ochranu osobních údajů nebo pravidly vaší školy.

### GDPR

[GDPR](https://gdpr.eu) (nařízení (EU) 2016/679) je právní předpis EU o ochraně osobních údajů. Hraje doplňkovou roli vedle Aktu o AI: zatímco Akt o AI se ptá, zda a jak smí být systém AI vůbec použit, GDPR si klade užší otázku – smí být právě tento konkrétní údaj o této konkrétní osobě takto zpracován? Splnění jednoho předpisu ještě automaticky neznamená splnění druhého.

- **Uplatní se, jakmile jsou zapojeny osobní údaje.** Za osobní údaje se považují jména, školní e-mailové adresy, žákovské práce, hlasové nahrávky, přepisy, fotografie, známky, docházka i údaje o vzdělávacím pokroku ([čl. 4](https://overview.legal/laws/gdpr/art-4)). Většina nástrojů AI používaných ve výuce se dotýká alespoň jednoho z nich.
- **K jejich zpracování potřebujete právní základ.** Školy se obvykle opírají o právní povinnost nebo o plnění úkolu ve veřejném zájmu; možný je i souhlas, ten však musí být udělen svobodně a u mladších žáků jej musí udělit rodič nebo zákonný zástupce ([čl. 6](https://overview.legal/laws/gdpr/art-6), [čl. 8](https://overview.legal/laws/gdpr/art-8)).
- Některá data vyžadují zvláštní ochranu. Informace o zdraví, biometrické údaje a údaje odhalující rasový nebo etnický původ, náboženství či podobné znaky jsou „zvláštní kategorií údajů“ a jejich zpracování je v zásadě nepřípustné bez konkrétní výjimky ([čl. 9](https://overview.legal/laws/gdpr/art-9)) – to je i jeden z důvodů, proč Akt o AI samostatně zakazuje několik praktik biometrického odvozování ve školách.
- Vězte, kdo za co odpovídá. Škola je zpravidla „správcem“; poskytovatel AI, který zpracovává data jejím jménem, je „zpracovatelem“ a potřebuje smlouvu o zpracování údajů, která jasně stanoví jeho povinnosti ([čl. 28](https://overview.legal/laws/gdpr/art-28)). Ověřte si to předtím, než nový nástroj zavedete v celé škole.
- Data opouštějící EU potřebují záruku. Mnoho oblíbených nástrojů AI je hostováno mimo EU. Osobní údaje tam smí putovat pouze tehdy, pokud existuje rozhodnutí o odpovídající ochraně nebo jiná schválená záruka, jako jsou standardní smluvní doložky ([čl. 44](https://overview.legal/laws/gdpr/art-44)).
- Žáci i zaměstnanci si zachovávají svá práva. Mohou se zeptat, jaké údaje jsou o nich vedeny, nechat si je opravit nebo vymazat a vznést námitku proti rozhodnutím založeným výhradně na automatizovaném zpracování, která se jich významně dotýkají ([čl. 15](https://overview.legal/laws/gdpr/art-15) až [čl. 22](https://overview.legal/laws/gdpr/art-22)) – toto právo funguje souběžně s požadavky Aktu o AI na lidský dohled u vysoce rizikových systémů a tyto požadavky posiluje.

<span style="text-decoration: underline;">**V praxi: než do nástroje AI vložíte skutečné údaje žáků nebo zaměstnanců, ověřte si, že jej vaše škola schválila, nesdílejte více osobních údajů, než úkol vyžaduje, a pokud nástroj jen zkoušíte, dávejte přednost anonymizovaným nebo smyšleným příkladům.**</span>

### Kde hledat pomoc

Vymáhání je v jednotlivých zemích EU organizováno odlišně. Protože se vnitrostátní odpovědnosti mohou měnit, používejte [aktuální seznam vnitrostátních orgánů dohledu nad trhem vedený Evropskou komisí](https://digital-strategy.ec.europa.eu/en/policies/market-surveillance-authorities-under-ai-act). Kdokoli (učitel, žák, rodič) může u tohoto orgánu podat stížnost, pokud se domnívá, že byl Akt porušen ([čl. 85](https://overview.legal/laws/ai-act/art-85)). Pokud vysoce rizikový systém, například nástroj pro přijímací řízení nebo dohled při zkouškách, vedl k rozhodnutí, které žáka významně ovlivňuje, může on (nebo jeho rodiče) rovněž požádat o vysvětlení tohoto konkrétního rozhodnutí ([čl. 86](https://overview.legal/laws/ai-act/art-86)).

### Vnitrostátní pravidla pro vaši zemi

Akt o AI platí v celé EU, ale orgány dohledu, školské právo a praxe ochrany osobních údajů se v jednotlivých zemích liší. Zde budou postupně doplněny poznámky specifické pro partnerské země Playbooku:

- Rakousko
- Česko
- Německo
- Lotyšsko
- Polsko
- Slovensko
- Slovinsko
- Španělsko