Zákaz AI na univerzitě nefunguje. Studenti bez ní skončili poslední

Zákaz jako nejhorší možná cesta: Co ukázala dvouletá data

Když profesor práva Thibault Schrepel na Vrije Universiteit Amsterdam zahajoval dvouletý výzkum v rámci svého kurzu o právu a umělé inteligenci, vstupoval do něj s jasnou hypotézou. Očekával, že pokud nechá studenty používat generativní AI bez jakéhokoliv vedení, napáchá to v jejich akademických výsledcích větší škody než striktní zákaz. Výsledky zveřejněné serverem The Decoder však ukázaly přesný opak.

Studie po dva akademické roky sledovala tři odlišné přístupy k výuce:

• Úplný zákaz AI: Studenti nesměli při vypracovávání úkolů použít žádný nástroj umělé inteligence.
• Neřízené používání: Studenti měli k dispozici generativní nástroje (například ChatGPT) a návrhy úprav zapracované přímo do textu, ale nedostali žádné instrukce, jak s nimi pracovat.
• Strukturovaný trénink: Skupina prošla cíleným výcvikem zaměřeným na efektivní a kritickou práci s AI.

Výsledek byl jednoznačný a opakoval se v obou sledovaných ročnících. Skupina s úplným zákazem AI skončila na posledním místě. Studenti bez přístupu k technologiím vyčerpali své nápady výrazně rychleji a v komplexní analytické práci zaostávali za svými kolegy. „Mýlil jsem se,“ uvedl autor výzkumu ve své závěrečné zprávě. Ukázalo se, že i neřízená AI poskytla studentům lepší odrazový mústek než tradiční izolace od moderních nástrojů, ačkoliv nejlepších výsledků dlouhodobě dosahovali ti, kteří prošli strukturovaným tréninkem.

Od psaní promptů k uvažujícím agentům: Jak se AI ve výuce proměnila

Abychom pochopili, proč tradiční zákazy selhávají, musíme se podívat na to, jak vypadá práce s AI dnes, v září 2026. Doba, kdy se studenti učili takzvaný „prompt engineering“ a do textového pole psali formulky jako „Mysli krok za krokem“ nebo „Jsi světový expert na právo“, je definitivně překonaná. Tyto techniky nahradily autonomní uvažující modely a architekturní přístup zvaný kontextové inženýrství (Context / Loop Engineering).

Dnešní systémy negenerují odpověď token po tokenu pouhou přímou predikcí textu. Místo toho využívají výpočetní výkon v čase inference (takzvaný test-time compute). Než model zobrazí finální odpověď, generuje interní uvažující tokeny (thinking tokens), v nichž si na pozadí testuje hypotézy, ověřuje právní argumenty a plánuje další postup. Představte si to jako šachistu, který si před taháním figurkou v duchu přehraje deset možných variant.

Namísto pasivních chatbotů navíc dnešní akademické i firemní prostředí využívá agentní postupy (Agentic Workflows). Autonomní AI agenti sami plánují úkoly, volají externí databáze přes API, spouštějí kódy a v automatických smyčkách opravují vlastní chyby. Na trhu dnes vedou pokročilé proprietární modely jako GPT-6 Astra od OpenAI (vydaný 3. září 2026 s cenou API $4,00 za 1M vstupních a $20,00 za 1M výstupních tokenů), Claude Fable 5.1 od Anthropicu ($10,00 / $50,00 za 1M tokenů) nebo akčně naceněný Gemini 3.8 Flash od Google DeepMind ($0,75 / $3,75 za 1M tokenů platné do konce roku 2026). Současně se však u složité logiky prosazují otevřené uvažující modely typu DeepSeek-R1 a jejich distilované varianty, které nabízí srovnatelnou uvažovací schopnost s otevřeným kódem a za zlomkové náklady.

Když studentovi zakážete přístup k těmto systémům, nebráníte mu v podvádění – bráníte mu v osvojení základního pracovního nástroje současnosti.

Institucionální reflex: Proč univerzity zakazují to, co funguje

Přestože dvouletá empirická data z reálné výuky jasně ukazují nevýhodnost plošných zákazů, reakce velkých vzdělávacích institucí v posledních třech měsících směřuje opačným směrem. S nástupem školního roku 2026/2027 vyhlásily největší americké školní obvody v New Yorku a Los Angeles nová moratoria na generativní AI. Podobně prestižní akademické fakulty, jako je University of Chicago nebo Columbia University, zavádějí striktní pravidla zakazující elektronická zařízení a AI ve svých základních oborových kurzech.

Tento rozpor pramení z obav, že AI nahrazuje samotné samostatné myšlení studentů. Širší výzkumná data totiž dávají varovným hlasům částečně za pravdu: analýza z UC Berkeley zahrnující přes 500 000 známek ukázala, že po masovém rozšíření AI vzrostl podíl výborných známek u domácích psaných a programovacích úkolů o 13 procentních bodů, avšak výsledky prezenčních zkoušek bez přítomnosti technologií stagnovaly. Pokud student použije AI jako zkratku, která za něj vyřeší celý myšlenkový proces, u zkoušky selže. Pokud ji však použije jako sparring partnera k rozšíření obzorů, získává obrovskou výhodu.

Co to znamená pro české školy a praxi

Situace na českých a slovenských vysokých školách – od ČVUT po Masarykovu univerzitu – kopíruje světové trendy. Všechny přední modely podporují češtinu na vynikající úrovni, takže jazyková bariéra prakticky neexistuje. České školství se tak nachází na křižovatce:

Plošné zákazy na českých fakultách vytvoří pouze iluzi kontroly. Studenti budou AI stejně používat doma u psaní seminárních prací, ale nenaučí se rozpoznat její halucinace, ověřovat fakta ani správně řídit agentní smyčky. Vzhledem k tomu, že dnešní trh práce od absolventů vyžaduje schopnost zadávat komplexní kontextové struktury a koordinovat AI agenty, je zákaz výuky AI v podstatě přípravou studentů na minulost.

Cestou není ignorování technologií, ale změna formátu hodnocení. Prezenční obhajoby, ústní zkoušky a projektová výuka, kde AI slouží jako analytický nástroj během přípravy, představují model, který potvrzují i závěry amsterdamské studie. Výcvik v tom, jak AI kriticky řídit, dává studentům prokazatelně lepší výsledky než předstírání, že umělá inteligence neexistuje.