AI detektor textu spustí obvinění. Pak dokazujte opak (2026)

Odevzdáte práci. Psali jste ji sami. Máte poznámky, zdroje, starší verze dokumentu. Pak přijde zpráva, že AI detektor textu našel vysoký podíl obsahu, který považuje za strojově vytvořený.

Vy říkáte, že ne.

Na druhé straně svítí procento.

A právě z obyčejného čísla může během pár administrativních kroků vzniknout něco mnohem tvrdšího: podezření z podvodu. Najednou se nevysvětluje, proč má instituce důkaz, že jste podváděli. Vysvětlujete vy, proč algoritmus nemá pravdu.

To je skutečný problém AI detektorů. Ne jejich existence. Ne ani fakt, že se občas spletou. Problém začíná tam, kde se pravděpodobnostní klasifikace převlékne za důkaz a člověk musí obhajovat autorství vlastní práce před systémem, jehož vnitřní rozhodování často vůbec nezná.

AI detektor textu neměří autorství

Detektor neotevře dokument a nenajde uvnitř skrytý podpis ChatGPT. U běžných systémů neexistuje univerzální tajná značka, která by spolehlivě říkala: tuhle větu napsal jazykový model v úterý večer.

Nástroj analyzuje vlastnosti textu a porovnává je se vzorci, které se naučil spojovat s lidským nebo strojovým psaním. Různé detektory používají různé kombinace statistických, lingvistických a strojově učených metod. Mohou sledovat strukturu vět, předvídatelnost jazyka, opakování, syntaxi a řadu dalších znaků.

Výsledkem je klasifikace.

A to je podstatný rozdíl. Radar měří rychlost automobilu. Teploměr teplotu. AI detektor dostává hotový text a snaží se z jeho podoby odhadnout jeho původ.

Jeho číslo může být užitečná informace. Samotné číslo ale není záznam toho, jak dokument vznikl.

OpenAI si na tom vylámalo zuby jako jeden z prvních

V lednu 2023 zveřejnilo OpenAI vlastní klasifikátor, který měl rozlišovat lidské a AI texty. Výsledek stojí za připomenutí pokaždé, když někdo začne o podobném systému mluvit jako o digitálním polygrafu.

Na testovací sadě klasifikátor označil správně jako pravděpodobně strojové jen 26 procent AI textů. Současně devět procent lidských textů chybně vyhodnotil jako AI.

V červenci 2023 ho OpenAI stáhlo. Důvod uvedlo bez kudrlinek: nízká přesnost.

Bylo by ovšem stejně hloupé vzít výsledek starý tři roky a tvrdit, že tím byla jednou provždy vyřešena otázka všech budoucích detektorů. Nebyla. Modely se změnily. Detektory se změnily. Trénovací data se změnila.

A některé dnešní nástroje jsou skutečně mnohem lepší.

Rok 2026 zboural pohodlnou větu, že detektory prostě nefungují

Peer-reviewed studie zveřejněná v červnu 2026 porovnala čtyři známé nástroje: Turnitin, GPTZero, Copyleaks a Pangram. Výzkumníci vytvořili 160 dokumentů ve čtyřech kategoriích: plně lidské práce, plně AI vytvořené texty, hybridní práce a AI texty následně „polidštěné“ úpravou.

Pangram v experimentu dopadl výrazně nejlépe. U plně AI vytvořených prací dosáhl při přísné klasifikaci přesnosti 65 procent a při širší klasifikaci 97,5 procenta. U hybridních i humanizovaných textů měl přísnou přesnost 92,5 procenta.

To už rozhodně není hračka házející mincí.

Jenže stejný experiment zároveň ukázal, proč je nebezpečné vzít jedno číslo z firemního dashboardu a začít podle něj trestat lidi.

Plně AI texty v této části experimentu vznikaly pomocí pokročilého GPT-4o Deep Research. Turnitin je v testu prakticky minul: u plně AI vytvořené skupiny je klasifikoval jako false negatives. GPTZero a Copyleaks si vedly rovněž velmi špatně. Pangram byl úplně jinde.

Čtyři detektory. Stejných čtyřicet dokumentů. Radikálně rozdílný výsledek.

Takže přesnější věta pro rok 2026 zní: některé AI detektory už mohou fungovat velmi dobře, jenže jejich výkon závisí na nástroji, typu textu, generujícím modelu, způsobu úprav a konkrétním okamžiku technologického vývoje.

To není detail pod čarou. To je samotné jádro problému.

Když lidský text vypadá stroji podezřele

Jedna z nejtvrdších ran pro první generaci detektorů přišla v roce 2023 ze Stanfordu.

Výzkumníci vzali 91 skutečných TOEFL esejí napsaných nerodilými mluvčími angličtiny a pustili je přes sedm tehdejších GPT detektorů. Průměrná míra falešně pozitivního označení dosáhla 61,3 procenta.

Nešlo o texty vytvořené ChatGPT. Psali je lidé.

Alespoň jeden z testovaných detektorů označil za AI 97,8 procenta těchto esejí. V téměř pětině případů se na chybném označení shodlo všech sedm nástrojů.

Výzkumníci problém spojovali mimo jiné s jazykovou předvídatelností. Nerodilý mluvčí může používat menší slovní zásobu, jednodušší konstrukce a méně pestrý jazyk. Přesně ty vlastnosti, které některé tehdejší systémy četly jako stopu generativní AI.

Byla to absurdní situace: člověk mohl být podezřelý nikoli proto, že podváděl, ale proto, že psal příliš jednoduše.

Jenže tenhle příběh má důležitou opravu. Český výzkumný preprint z února 2026 znovu testoval otázku jazykového biasu, tentokrát u modernějších detektorů a v češtině. Autoři systematické znevýhodnění nerodilých mluvčích češtiny v testovaných systémech nenašli.

To je dobrá zpráva. A zároveň připomínka, že kritika AI musí podléhat stejnému standardu jako AI samotná. Starý průšvih nesmíme vydávat za věčný zákon jen proto, že se nám hodí do titulku.

Turnitin sám říká: podle našeho čísla člověka netrestejte

Tady se celý spor stává skoro komicky jednoduchým.

Turnitin ve své aktuální dokumentaci výslovně upozorňuje, že jeho model může lidský, AI generovaný i AI parafrázovaný text určit chybně. AI report podle firmy nemá být jediným podkladem pro negativní opatření vůči studentovi. K rozhodnutí mají přibýt další kontrola, lidský úsudek a pravidla konkrétní instituce.

Firma dokonce přestala zobrazovat přesná skóre mezi jedním a devatenácti procenty, protože právě v této oblasti chce snížit riziko falešně pozitivních interpretací.

Výrobce tedy v zásadě říká: tady máte velmi sofistikovaný alarm, ale samotné pípnutí nepovažujte za důkaz požáru.

To je rozumné.

Méně rozumné je, když škola vezme alarm a udělá z něj soudce.

V Británii už studenti následky zažili

Britský Office of the Independent Adjudicator for Higher Education, nezávislý orgán řešící stížnosti studentů na vysoké školy, zveřejnil v roce 2025 několik případů souvisejících s AI a akademickým podváděním.

V jednom z nich Turnitin označil coursework zahraničního studenta jako obsahující významné množství AI textu. Student byl pozván k ústnímu ověření, škola nebyla spokojena s jeho vysvětlením, udělila mu nulu a nařídila práci opakovat.

Student tvrdil, že používal Grammarly, protože angličtina nebyla jeho prvním jazykem, a namítal také dlouhý odstup mezi odevzdáním práce a následným přezkoušením.

Ombudsman jeho stížnost uznal. Důvod nebyl ten, že by dokázal kouzlem určit skutečného autora každé věty. Kritizoval proces: student podle něj nedostal férovou příležitost reagovat na obvinění.

Jiný případ šel ještě dál. Postgraduální student byl obviněn po tom, co Turnitin označil vysoký podíl AI textu a práce obsahovala chybně uvedené reference. Student popřel použití AI a předložil správné zdroje i starší verze eseje ukazující její vývoj.

Škola obvinění potvrdila. Ombudsman pak upozornil, že z rozhodnutí nebylo dostatečně patrné, jak instituce s předloženými důkazy studenta vůbec pracovala. Škola nakonec souhlasila s novým projednáním případu.

Přesně tady přestává být AI detekce technologickou kuriozitou.

Algoritmus spustil proces, který mohl ovlivnit výsledek studia skutečného člověka. V takové chvíli už nestačí ukazovat graf přesnosti. Musí existovat cesta, jak výsledek napadnout, jak doložit vlastní práci a jak přinutit instituci, aby se protiargumenty skutečně zabývala.

Vanderbilt raději celé tlačítko vypnul

Vanderbilt University se rozhodla AI detekční funkci Turnitinu vypnout už v srpnu 2023.

Univerzita tehdy vzala Turnitinem uváděnou jednoprocentní míru false positives a postavila vedle ní vlastní provoz. V roce 2022 poslala do Turnitinu přibližně 75 tisíc prací. Čistě hypotetický přepočet tedy znamenal kolem 750 prací, které by při takové chybovosti mohly být označeny nesprávně.

Vanderbilt netvrdil, že přesně 750 jeho studentů bude falešně obviněno. Použil ten výpočet jako názornou ukázku problému měřítka.

Jedno procento v prezentaci vypadá skoro dokonale.

Jedno procento ze statisíců rozhodnutí už má jména.

Pracovní trh přidává ještě absurdnější variantu

U zaměstnání je potřeba brzdit velká tvrzení. Nemáme solidní důkaz, že by personalisté napříč trhem masově pouštěli životopisy přes AI detektory a automaticky podle výsledku zahazovali kandidáty.

Máme ale experimentální data o něčem jiném: samotné podezření na použití AI může kandidáta poškodit, i když hodnotitel nepozná spolehlivě, zda AI skutečně použita byla.

Working paper výzkumnic z University of Michigan z roku 2025 sledoval skutečný náborový experiment. Kandidáti, u kterých recruitři považovali použití AI za extrémně pravděpodobné, dostávali v experimentu o 40,6 procenta nižší celkové hodnocení než kandidáti považovaní za téměř jistě lidské autory.

Háček? Přesnost recruiterů při určování skutečného použití AI byla jen nepatrně lepší než náhoda.

Dva další experimenty nizozemských ekonomů ukázaly podobně nepříjemný rozpor. ChatGPT dokázal motivační dopisy v některých vlastnostech zlepšit, ale recruitři nebyli při určování AI autorství lepší než náhoda. Když však věděli, že kvalitní text vznikl bez AI, hodnotili ho lépe.

Člověk tedy nemusí být usvědčen z používání AI. Může stačit, že na někoho působí jako člověk, který AI použil.

Školy mají legitimní problém. AI podvádění je směšně snadné

Tady je fér sundat nohu z plynu.

Generativní AI skutečně změnila akademické podvádění. Celou esej, strukturu argumentu, programátorský kód nebo rešeršní kostru dnes lze získat během několika minut. Školy nemohou předstírat, že ChatGPT neexistuje, a učitelé nemají povinnost bezmocně sledovat práce, jejichž autor možná neumí vysvětlit ani vlastní druhý odstavec.

Dobré detektory proto mohou mít smysl.

Mohou označit práci k bližšímu prověření. Učitel může porovnat předchozí texty, chtít pracovní verze, položit otázky k argumentaci, zkontrolovat zdroje nebo požádat studenta, aby vysvětlil vlastní postup.

Člověk, který několik týdnů vytvářel práci, po sobě obvykle nechává víc než finální PDF. Koncepty. Poznámky. Historii změn. Slepe uličky. Schopnost vysvětlit, proč určitou větu nebo argument vůbec napsal.

Detektor může rozhodnout, kam se podívat.

Nesmí rozhodnout, co se tam stalo.

Ostrý řez

Nejnebezpečnější vlastností AI detektoru není jeho chybovost. Je to autorita, kterou mu člověk ochotně půjčí.

Procento na obrazovce vypadá čistěji než pochybnost učitele. Má desetinná místa, barevný graf a software za sebou. Z nejistého podezření udělá administrativně krásný objekt.

Jenže 86 procent pořád není vzpomínka na okamžik, kdy text vznikal. Není to historie dokumentu. Není to prompt. Není to přiznání. Není to záznam podvodu.

Je to výsledek klasifikátoru.

A pokud kvůli němu může člověk přijít o známku, postup ve studiu nebo šanci na práci, musí být důkazní standard vyšší než „software to tak vidí“.

AI detektory se budou dál zlepšovat. To je žádoucí. Jenže čím přesvědčivější budou, tím větší bude pokušení přestat přemýšlet.

Právě tomu je potřeba zabránit.

Algoritmus smí zvednout ruku a říct: tady něco nesedí.

Rozsudek musí pořád unést člověk.

AI detektor textu spustí obvinění. Pak dokazujte opak