Většina lidí používá AI jako vyhledávač: napíše krátkou otázku a čeká na odpověď. Výsledek je průměrný. Pak si řeknou, že „AI moc neumí". Přitom problém není v modelu — je v promptu.
Dobrý prompt není talent. Je to řemeslo. A tahle pravidla se dají naučit za odpoledne.
5 stavebních bloků každého dobrého promptu
Každý prompt, který funguje dobře, má zpravidla těchto pět komponent. Nemusíte použít všechny najednou — ale čím víc jich přidáte, tím přesnější výsledek dostanete.
Tady je reálný příklad, jak to vypadá dohromady:
🎯 Úkol: Napište H1 a podtitulek pro landing page nástroje na automatizaci faktur pro účetní kanceláře.
📐 Formát: H1: max 60 znaků, jedna věta. Podtitulek: 1–2 věty s benefitem v číslech.
🚧 Omezení: Tone: profesionální, ne korporátní. Vyhýbejte se slovům: „revoluční", „synergie". Žádné emoji.
📚 Příklady: „Faktury jako kniha hostí. Jen rychlejší." / „Účetnictví bez Excelu? Reálné."
Vágní vs. specifický prompt — vidíte rozdíl?
Ukázka z praxe — stejný cíl, dvě cesty, úplně jiná hodnota výstupu:
Z vágního promptu dostanete generický e-mail, který budete muset celý přepsat. Ze specifického dostanete draft, který stačí upravit jedno nebo dvě slova.
3 techniky, které stojí znát
1. Role prompting: dejte AI identitu
Když modelu přiřadíte roli, aktivujete jiné části jeho znalostí. „Jste expert na daňové právo" dá jiné výsledky než „vysvětlete mi daně". Model se přizpůsobí stylu, terminologii a úrovni detailu dané role.
2. Few-shot prompting: ukažte vzor místo popisu
Místo abyste složitě popisoval/a, co chcete, dejte modelu 3–5 příkladů ve formátu VSTUP → VÝSTUP. Model pochopí vzor z ukázek a aplikuje ho na nový vstup. Funguje skvěle pro opakované úkoly se stejnou strukturou.
„Aplikace mi padá při uložení." → bug
„Mohli byste přidat dark mode?" → feature_request
„Skvělý produkt, používám denně!" → praise
„Účtujete moc za to, co nabízíte." → complaint
Klasifikuj tento: „Když kliknu na export, nic se nestane."
3. Chain of thought: nechte AI přemýšlet nahlas
Pro složité úkoly, matematiku nebo vícekrokové problémy přidejte do promptu: „Než odpovíš, projdi to krok po kroku." Model si strukturuje úvahu, než dá výsledek — a tím výrazně snižuje chybovost.
4 chyby, které zabíjejí výsledky
- Vágní zadání. „Napiš něco o marketingu" — co přesně? Pro koho? V jakém tónu? Kolika slov?
- Žádný kontext. Model neví nic o vašem byznysu, zákazníkovi ani situaci — pokud mu to neřeknete.
- Žádné příklady. Popis stylu je těžký. Ukázka je snadná. Pokud chcete konkrétní styl, dejte příklad.
- Příliš mnoho úkolů najednou. „Napiš blog, vytvoř titulky, vymysli CTA a navrhni strukturu webu" — to je čtyři úkoly. Výsledek bude průměrný u všech. Dělejte je zvlášť.
Když první výsledek nesedí: jak iterovat
Dobrý výsledek nevznikne vždy na první pokus. Klíč je v tom, jak iterovat — ne jen napsat „zkus to znovu":
- „Je to moc formální. Piš jako kolega, ne jako manažer."
- „Zkrať to na polovinu a zachovej jen klíčová sdělení."
- „Verze A je struktura, verze B je tón — zkombinuj je."
- „Chybí mi konkrétní čísla. Přidej statistiku na podporu každého bodu."
Každá iterace by měla obsahovat konkrétní instrukci — ne obecné „udělej to lepší".
Chcete AI opravdu využívat ve svém podnikání?
Ukáži vám, jak nastavit prompty pro vaše konkrétní potřeby — e-maily, obsah, administrativa. Konzultace 30 minut zdarma.