Čo je LLM a čo AI naozaj nevie: jazykový model vysvetlený pre majiteľa firmy

Súčasné modely Claude majú podľa dokumentácie Anthropicu spoľahlivé znalosti do júna 2026 a GPT-6 Astra od OpenAI do 30. apríla 2026, takže o tom, čo sa stalo neskôr, vám bez vyhľadávania na webe nepovedia nič spoľahlivé. Čo je LLM? Veľký jazykový model (large language model) je program natrénovaný na obrovskom množstve textu, ktorý predpovedá, ako má text pokračovať. Fakty si sám neoveruje, preto sa vie mýliť s rovnakou istotou, s akou má pravdu. Pre firmu z toho plynie jednoduché pravidlo: návrh textu nechajte AI, čísla, mená a právne veci overí človek.

Tento sprievodca bez technického žargónu vysvetľuje, ako vzniká jazykový model, čo znamenajú tokeny, kontextové okno a dátum znalostí, prečo AI niekedy vymýšľa a ako si jej odpoveď overiť. Ak už AI vo firme nasadzujete na konkrétne procesy, nadväzuje naň pilier o tom, čo sa pri AI automatizácii firemných procesov reálne oplatí. Ak vám AI nástroj postavil web, praktické kontroly nájdete v článku vibe-coded web: checklist prvej pomoci a nezávislý pohľad na kód ponúka technický audit webu.

Čo je LLM a ako vzniká: od predpovede slova k asistentovi

LLM je model natrénovaný na veľkom množstve textu, ktorý sa najprv naučí predpovedať ďalšie slovo a až potom ho doladia na asistenta, ktorý odpovedá na otázky.

Anthropic vo svojom slovníku pojmov opisuje LLM ako jazykové modely s veľkým počtom parametrov, trénované na obrovskom množstve textových dát. Vedia písať text podobný ľudskému, odpovedať na otázky a zhrnúť informácie. Pre majiteľa firmy sú dôležité dve fázy, cez ktoré model prejde, pretože každá vysvetľuje iný druh chýb.

Predtréning: model sa učí, ako text pokračuje

V prvej fáze model spracuje veľký korpus textu bez akýchkoľvek označení a učí sa predpovedať ďalšie slovo podľa predchádzajúceho kontextu. Takto predtrénovaný model podľa toho istého slovníka sám od seba dobre neodpovedá na otázky ani neplní pokyny. Vie pokračovať v texte a na tom jeho schopnosti v tejto fáze končia.

Doladenie: z textového stroja vznikne asistent

Druhá fáza je doladenie (fine-tuning) na ďalších dátach a metóda RLHF. Pri nej ľudia zoradia dve alebo viac ukážkových odpovedí a model sa učí uprednostňovať tie, ktoré dostali lepšie hodnotenie. Až potom vznikne asistent, ktorý v chate odpovedá na otázky. Claude je podľa Anthropicu postavený presne takto: na veľkom jazykovom modeli, ktorý bol doladený a trénovaný cez RLHF.

Praktický dôsledok je jeden. Model sám o sebe píše text, ktorý podľa naučených vzorov najlepšie pokračuje vo vašom zadaní. Ak od AI potrebujete fakt, dajte jej podklad, z ktorého ho má vziať, a pri odpovedi sledujte, či sa naň odvoláva.

Tokeny, kontextové okno a dátum znalostí: tri pojmy, ktoré vysvetlia väčšinu prekvapení

Model spracúva text po tokenoch, vidí len to, čo sa zmestí do kontextového okna, a vie len to, čo bolo v textoch pred jeho dátumom znalostí.

Tokeny: jednotka, v ktorej sa meria text aj cena

Token je najmenšia jednotka, s ktorou model pracuje. Môže to byť celé slovo, časť slova, jeden znak alebo bajt. Podľa dokumentácie Gemini API od Googlu je pri modeloch Gemini jeden token zhruba 4 znaky a 100 tokenov zodpovedá približne 60 až 80 anglickým slovám. Anthropic uvádza, že pri starších modeloch Claude predstavuje token približne 3,5 anglického znaku a modely od Claude 4.7 používajú nový tokenizér, ktorý z rovnakého textu urobí zhruba o 30 percent viac tokenov. Koľko znakov pripadá na token, závisí podľa Anthropicu od modelu aj od jazyka, takže pre slovenčinu anglické prepočty automaticky neplatia.

Tokeny rozhodujú o dvoch veciach. Pri platení cez API sa podľa nich počíta cena: Google píše, že cenu volania Gemini API určuje okrem iného počet vstupných a výstupných tokenov. V tokenoch sa meria aj kapacita modelu, teda koľko textu naraz zvládne.

Kontextové okno: pracovná pamäť modelu

Kontextové okno je všetok text, ktorý model pri tvorbe odpovede vidí, vrátane samotnej odpovede. Anthropic ho v dokumentácii ku kontextovému oknu nazýva pracovnou pamäťou modelu a odlišuje ho od dát, na ktorých sa model učil. Súčasné modely Claude majú okno s veľkosťou 1 milión tokenov, čo je podľa Anthropicu zhruba 555-tisíc slov. GPT-6 Astra má podľa OpenAI okno 1,05 milióna tokenov.

Veľké okno neznamená, že model všetko v ňom využije rovnako dobre. Podľa tej istej dokumentácie s rastúcim počtom tokenov klesá presnosť a schopnosť vybaviť si detaily. Anthropic tento jav nazýva context rot. Chatové rozhrania ako claude.ai môžu navyše pri dlhej konverzácii posúvať okno priebežne, takže najstaršie časti ustupujú novým. Pokyn z úvodu dlhej konverzácie preto model na jej konci dodržať nemusí.

Dátum znalostí: hranica, za ktorú model nevidí

Každý model má dátum, po ktorý sú jeho znalosti najúplnejšie a najspoľahlivejšie. Pri modeloch Claude Fable 5.1, Opus 5.5, Sonnet 5.5 a Haiku 5.5 je to podľa prehľadu modelov Anthropicu jún 2026. Pri GPT-6 Astra je to podľa prehľadu modelov OpenAI 30. apríl 2026. Na novšie udalosti, zmeny zákonov či cenníkov odpovie model správne len vtedy, keď mu ich niekto dodá: vy vložením podkladu alebo aplikácia vyhľadávaním na webe.

Pojem	Čo to je	Čo s tým urobíte
Token	Slovo, časť slova alebo znak, s ktorým model počíta; v tokenoch sa meria kapacita aj cena pri API	Pri dlhých dokumentoch a pri API počítajte v tokenoch, nie v stranách
Kontextové okno	Všetok text, ktorý model pri odpovedi vidí, vrátane odpovede	Dôležitý pokyn zopakujte, na novú úlohu otvorte novú konverzáciu
Dátum znalostí	Hranica, po ktorú sú znalosti modelu najspoľahlivejšie	Pri aktuálnych témach dodajte zdroj alebo zapnite vyhľadávanie
Teplota a náhodnosť	Nastavenie pestrosti odpovedí; ten istý dotaz môže dať inú odpoveď	Dôležitú odpoveď si nechajte vytvoriť dvakrát a porovnajte

Keď vás odpoveď AI sklame, zistite najprv, na ktorý z týchto limitov ste narazili. Od toho závisí oprava: chýbajúci podklad doplníte, preplnenú konverzáciu začnete odznova a zastaraný údaj overíte v zdroji.

Prečo AI odpovedá s istotou aj vtedy, keď sa mýli

Halucinácia je text, ktorý je fakticky nesprávny alebo nesedí s podkladom, a podľa Anthropicu sa jej nevyhnú ani najpokročilejšie modely.

Aj tie najpokročilejšie jazykové modely vrátane Claude podľa návodu Anthropicu na obmedzenie halucinácií niekedy vytvoria text, ktorý je fakticky nesprávny alebo v rozpore s podkladom, ktorý dostali. Odporúčané techniky ich podľa toho istého návodu výrazne obmedzia, no úplne neodstránia. Kritické informácie treba overiť vždy, najmä pri rozhodnutiach s vysokými stávkami.

Príčina zapadá do toho, ako model vzniká. Predtrénovaný model sa učil pokračovať v texte a overovanie pravdivosti v tomto tréningu nebolo. Plynulá a sebavedomá veta preto o správnosti odpovede nič nehovorí.

Rovnaká otázka, iná odpoveď

OpenAI v návode na generovanie textu píše, že obsah, ktorý model vytvorí, je nedeterministický a že aj rôzne verzie modelov z tej istej rodiny môžu dať rôzne výsledky. Anthropic dodáva, že ani pri teplote nastavenej na nulu nie sú výsledky úplne rovnaké. Teplota je nastavenie náhodnosti: vyššia dáva pestrejšie formulácie, nižšia drží najpravdepodobnejšie znenie.

Pre firmu je to podstatné pri všetkom, čo sa opakuje. Ak AI triedi faktúry alebo odpovedá zákazníkom, rovnaký vstup nemusí dať zakaždým rovnaký výstup. Taký proces potrebuje kontrolu alebo pevné pravidlo mimo modelu, čo rozoberá aj článok o automatizáciách pre malé firmy v n8n a Make. Bez nich sa chyba v jednom z behov môže ukázať až u zákazníka.

Čo AI naozaj nevie: päť hraníc, s ktorými treba počítať

Jazykový model nevie nič po svojom dátume znalostí, nevidí vaše firemné dáta, kým mu ich nedáte, nezaručí rovnakú odpoveď dvakrát, pri dlhom texte stráca presnosť a sám si neoverí, či má pravdu.

1. Nevie, čo sa stalo po dátume znalostí. Aktuálne ceny, zákony a novinky mu dodajte sami, alebo použite vyhľadávanie na webe a zdroj odpovede otvorte.
2. Nevidí vaše firemné dáta. Model pracuje s tým, čo sa naučil pri tréningu, a s tým, čo je v kontextovom okne. Technika RAG, ktorú Anthropic opisuje v slovníku pojmov, vkladá relevantné dokumenty do okna v čase otázky. Až vtedy môže odpoveď stáť na vašich podkladoch.
3. Nezaručí rovnakú odpoveď. Výstup je nedeterministický, preto pri opakovaných úlohách kontrolujte vzorku výsledkov.
4. Pri dlhom texte stráca presnosť. S rastúcim počtom tokenov klesá presnosť aj vybavovanie detailov. Dlhý dokument rozdeľte na časti alebo chcite od modelu doslovné citácie.
5. Neoverí sa sám. Halucinácie techniky obmedzia, ale neodstránia. Posledná kontrola zostáva na človeku.

Ktorá hranica vás bude páliť, závisí od úlohy. Tabuľka nižšie je naše odporúčanie, nie pravidlo výrobcov:

Úloha	Hodí sa na LLM?	Čo skontroluje človek
Prvý návrh e-mailu alebo príspevku	Áno	Tón, mená a každý sľub voči zákazníkovi
Zhrnutie dokumentu, ktorý ste vložili	Áno, s citáciami	Či citácie v dokumente naozaj sú
Aktuálne ceny, zákony a termíny	Len s vyhľadávaním alebo vaším podkladom	Zdroj a dátum, ku ktorému platí
Opakované triedenie dopytov alebo faktúr	Áno, s pravidelnou kontrolou	Náhodnú vzorku výstupov
Právne alebo daňové rozhodnutie	Len na prípravu otázok	Odborník, ktorý za odpoveď ručí

Ako si odpoveď AI overiť: postup v piatich krokoch

Dovoľte modelu povedať „neviem“, obmedzte ho na váš podklad, pri dlhom dokumente chcite najprv doslovné citácie, každé tvrdenie nechajte podložiť a dôležitú odpoveď vytvorte dvakrát.

Všetkých päť krokov vychádza z návodu Anthropicu na obmedzenie halucinácií a zvládne ich aj človek, ktorý téme nerozumie:

1. Dovoľte mu povedať „neviem“. Podľa Anthropicu výslovné povolenie priznať neistotu môže výrazne znížiť množstvo nepravdivých informácií. Do zadania napíšte: „Ak to v podklade nie je, napíš, že to nevieš.“
2. Obmedzte ho na váš podklad. Napíšte, aby použil len informácie z vložených dokumentov a nie svoje všeobecné znalosti.
3. Pri dlhom dokumente chcite najprv citácie. Pri dokumentoch nad 20-tisíc tokenov Anthropic odporúča, aby model najprv vytiahol doslovné citácie a až potom robil samotnú úlohu.
4. Ku každému tvrdeniu chcite zdroj. Model má ku každému tvrdeniu nájsť podpornú citáciu a tvrdenie bez nej stiahnuť. Aspoň jednu citáciu si potom sami vyhľadajte v pôvodnom dokumente.
5. Dôležitú odpoveď vytvorte dvakrát. Ak sa dve odpovede na ten istý dotaz líšia v podstatnej veci, je to podľa Anthropicu signál možnej halucinácie.

Ani tento postup halucinácie úplne neodstráni. Čísla, mená, termíny a všetko, čo pôjde zákazníkovi, úradu alebo do zmluvy, si preto pred odoslaním prečíta človek, ktorý za výsledok zodpovedá.

V praxi: ako s jazykovými modelmi pracujeme v Denve

Na tomto blogu píše prvý návrh AI a každé číslo v článku musí mať zdroj, ktorý sme v deň písania otvorili.

Aj tento článok vznikol s pomocou AI, čo stránka pod ním uvádza. Pravidlá sú tie isté, aké odporúčame vám: každé číslo, dátum a názov produktu má odkaz na oficiálnu dokumentáciu, ktorú sme pri písaní naozaj otvorili, a čo sa overiť nedá, do textu nejde. Dátumy znalostí modelov a veľkosti kontextových okien sa menia s každou novou verziou, preto pri nich uvádzame mesiac, ku ktorému platia. Rovnaké pravidlo odporúčame aj pre texty na vašom webe. Ako AI odpovede vo vyhľadávaní menia návštevnosť webov, rozoberá článok o Google AI Mode a dopade na váš web.

Pri weboch, ktoré postavili AI nástroje ako Cursor, Lovable, Bolt alebo v0, platí to isté čo pri texte. Výsledok môže vyzerať funkčne, ale slabiny sú skryté pod povrchom. Model vie napísať kód, ktorý vyzerá správne, rovnako ako vie napísať vetu, ktorá správne znie. Preto pri takých weboch robíme technický audit so zameraním na vzory typické pre vibe-coding.

Výrobcovia uvádzajú prepočty tokenov pre angličtinu a Anthropic výslovne píše, že počet znakov na token závisí od jazyka. Kto plánuje AI na slovenské dokumenty cez API, nech si kapacitu a cenu overí na vlastnej vzorke slovenského textu.

Záver: kedy AI dôverovať a kedy ju skontrolovať

Ak AI používate na návrhy textov, e-mailov a zhrnutí z vlastných podkladov, pokračujte a zaveďte päť krokov kontroly z tohto článku. Ak od nej čakáte aktuálne fakty, ceny alebo právne odpovede, dajte jej zdroj alebo zapnite vyhľadávanie a zdroj otvorte. Ak ju chcete zapojiť do procesu, ktorý beží bez človeka, určte najprv, kto a ako často kontroluje vzorku výstupov. A ak vám AI napísala web alebo jeho kód, potrebuje rovnakú kontrolu ako text, len od niekoho, kto vie, čo má byť pod povrchom.

FAQ

Časté otázky.

Čo je LLM jednoducho povedané?

LLM je veľký jazykový model, teda program natrénovaný na obrovskom množstve textu, ktorý predpovedá, ako má text pokračovať. Po doladení na asistenta vie odpovedať na otázky, zhrnúť dokument alebo napísať návrh textu. Fakty si však sám neoveruje.

Je Claude alebo ChatGPT to isté ako LLM?

Sú to aplikácie postavené na jazykových modeloch. Anthropic opisuje Claude ako asistenta založeného na veľkom jazykovom modeli, ktorý bol doladený a trénovaný metódou RLHF, a OpenAI v dokumentácii prirovnáva generovanie textu cez svoje API k práci s ChatGPT.

Prečo si AI niekedy vymýšľa?

Model sa učil pokračovať v texte a overovanie pravdivosti v tom tréningu nebolo, preto vie napísať sebavedomú, ale nesprávnu odpoveď. Anthropic to nazýva halucináciou a uvádza, že techniky ako povolenie povedať „neviem“ alebo citácie z podkladu ju výrazne obmedzia, no úplne neodstránia.

Vie AI, čo sa deje dnes?

Sama od seba vie len to, čo bolo v textoch pred jej dátumom znalostí. Pri súčasných modeloch Claude je to podľa Anthropicu jún 2026, pri GPT-6 Astra podľa OpenAI 30. apríl 2026 (stav k októbru 2026). Novšie informácie musí dostať od vás alebo cez vyhľadávanie na webe.

Čo je token a prečo na ňom záleží?

Token je slovo, časť slova alebo znak, s ktorým model pracuje. Pri modeloch Gemini je to podľa Googlu zhruba 4 znaky anglického textu. V tokenoch sa meria, koľko textu model naraz zvládne, a pri platení cez API aj cena.