Co přesně studie testovala

Oversight Board — nezávislý orgán založený v roce 2020, který posuzuje moderování obsahu na platformách Mety — se poprvé zaměřil na velké jazykové modely (LLM), tedy systémy, které pohánějí chatboty jako ChatGPT, Claude nebo Gemini. Výzkumníci položili deseti komerčním modelům od šesti firem — Anthropic, DeepSeek, Google, Meta, OpenAI a xAI — sedm typů otázek týkajících se politické kritiky. Chtěli po nich například vytvořit protestní leták, satirickou báseň nebo vyjádřit názor, zda si daná vláda zaslouží podporu či protesty.

Dotazy se týkaly deseti zemí: pěti s aktivně vymáhanými zákony proti kritice moci (Čína, Saúdská Arábie, Thajsko, Kambodža a Turecko) a pěti zemí se svobodou projevu (USA, Velká Británie, Japonsko, Chile a Tchaj-wan). Celkem vzniklo 13 524 odpovědí, které tým klasifikoval kombinací lidského hodnocení a automatických klasifikátorů s přesností 97 procent. Kompletní zjištění jsou dostupná ve zprávě Oversight Board.

Klíčová čísla: 34 % odmítnutí u represivních režimů, 14 % u demokracií

U žádostí o kriticky laděné materiály (letáky a básně) modely odmítly v průměru 34 % požadavků týkajících se restriktivních zemí, ale jen 14 % u zemí permisivních. Rozdíly mezi jednotlivými modely jsou přitom propastné:

• Claude Sonnet 4 (Anthropic) vykázal největší rozdíl — u demokracií odmítl 16 % požadavků, u represivních režimů 59 %. Kritiku Si Ťin-pchinga, thajského krále či saúdského korunního prince Muhammada bin Salmána odmítl v pěti z pěti pokusů, zatímco leták proti Donaldu Trumpovi nebo králi Karlu III. vytvořil pokaždé.
• Llama 4 Maverick (Meta) a Gemini 3 Pro (Google) měly rozdíl kolem 30 procentních bodů. Gemini dokonce výslovně citovalo thajské zákony o urážce majestátu: „Nemohu generovat obsah, který kritizuje thajského krále nebo porušuje zákony lèse-majesté.“
• DeepSeek-R1 a V3 odmítaly kritiku restriktivních zemí ve 30, respektive 35 % případů. Oba čínské modely navíc bez výjimky tvrdily, že proti čínské vládě není důvod protestovat.
• Naopak Gemini 3 Flash a Grok 4 Fast (xAI) neodmítly ani jediný požadavek a GPT-5.2 od OpenAI vykázalo prakticky nulový rozdíl mezi kategoriemi (23 vs. 24 %).

Zajímavá anomálie se týká Tchaj-wanu: přestože jde o svobodnou zemi, měl pátou nejvyšší míru odmítnutí ze všech testovaných jurisdikcí — a nejvíce ho odmítaly právě modely Claude od Anthropicu.

Cenzura v zastoupení: problém překračuje hranice

Nejzávažnější zjištění se netýká uživatelů v Číně nebo Thajsku. Všechny testy probíhaly v angličtině, z australské IP adresy a na americké infrastruktuře Google Vertex AI a Microsoft Azure. Restriktivní normy autoritářských států se tedy promítají do odpovědí, které dostávají uživatelé kdekoli na světě — včetně Česka. Oversight Board tento jev označuje za možnou „cenzuru v zastoupení“ (censorship-by-proxy).

Problém umocňuje fakt, že základové modely pohánějí tisíce navazujících aplikací — od zákaznických chatbotů přes vyhledávače až po nástroje pro moderování obsahu. Když model odmítá politickou kritiku na úrovni „motoru“, přenáší se toto omezení do všech produktů, které na něm stavějí. Studie navíc upozorňuje, že modely své odmítání často zdůvodňují neexistujícími „pravidly“ — tvrdí například, že nekritizují žádné světové lídry, a vzápětí ochotně vytvoří leták proti americkému prezidentovi.

Podle agentury Reuters studie nedokáže určit příčinu — může jít o zkreslení v trénovacích datech, záměrná designová rozhodnutí, nebo kombinaci obojího. Firmy jako Anthropic, OpenAI či Google ve svých podmínkách uživatelům ukládají neporušovat místní zákony, což může chování modelů ovlivňovat.

Jak si vede měření zaujatosti u samotných výrobců

Výrobci AI o problému politické neutrality vědí. OpenAI už v říjnu 2025 zveřejnila vlastní metodiku měření politické zaujatosti — testovala modely na zhruba 500 promptech napříč 100 tématy a tvrdí, že známky zaujatosti vykazuje méně než 0,01 % odpovědí v reálném provozu. Anthropic zase deklaruje, že Claude trénuje k „politické vyváženosti“. Studie Oversight Board ale ukazuje slabinu těchto interních auditů: zaměřují se hlavně na americkou domácí politiku (levice vs. pravice), zatímco geografická asymetrie — tedy rozdílný přístup k demokraciím a autokraciím — zůstávala mimo pozornost.

Co studie doporučuje a proč je to důležité pro Evropu

Oversight Board vyzývá AI firmy, aby zveřejňovaly vládní žádosti ovlivňující výstupy modelů, publikovaly pravidla pro postup při vládních požadavcích odporujících mezinárodnímu právu, jasně informovaly uživatele, když je odpověď odmítnuta kvůli právním omezením či vládnímu tlaku, a zavedly lidskoprávní due diligence do celého životního cyklu modelu — od trénovacích dat po nasazení.

Pro evropské a české uživatele je studie důležitá hned dvakrát. Zaprvé — všechny testované modely běžně používají i čeští uživatelé, ať už přímo, nebo v aplikacích na nich postavených. Zadruhé — evropský AI Act od srpna 2025 vyžaduje od poskytovatelů obecných AI modelů transparentnost ohledně trénování a systémových rizik. Právě zjištění tohoto typu mohou být podkladem pro to, jak evropští regulátoři budou transparentnost vymáhat. Svoboda projevu je totiž chráněna i Listinou základních práv EU — a pokud ji modely potichu omezují podle pravidel Pekingu či Rijádu, je to problém i pro Evropu.