Ještě nedávno bylo jedním z největších strašáků vysokoškoláků samotné psaní. Jak začít? Jak naplnit požadovaný rozsah? Kde najít dostatek odborných zdrojů? A jak všechno stihnout před termínem odevzdání?
V roce 2026 se ale situace výrazně proměňuje. Student může během několika minut získat návrh struktury, nechat si vysvětlit složitý pojem nebo si pomocí umělé inteligence vytvořit první pracovní koncept. Univerzity zároveň řeší, jak má být používání AI při závěrečných pracích přiznáno, co je ještě pomoc a co už nepřípustné nahrazení vlastní práce. Například Univerzita Karlova dnes výslovně doporučuje transparentní používání AI a požaduje, aby student při jejím využití popsal, jak a k jakému účelu ji použil.
To všechno ale vytváří jeden nový a poněkud překvapivý problém:
Student může mít dnes hotový text rychleji než kdykoliv předtím, ale zároveň může mnohem snadněji ztratit přehled o tom, proč v práci vlastně jednotlivá tvrzení jsou.
A právě to může být při obhajobě zásadní.
Nejtěžší část práce možná začíná až po napsání textu
Představte si studenta, který si nechá pomoci s rešerší, formulací některých pasáží, vytvořením osnovy a třeba i jazykovou úpravou.
Výsledkem je dokument, který působí profesionálně.
Věty jsou stylisticky uhlazené, jednotlivé kapitoly na sebe navazují a práce má logickou strukturu.
Pak ale přijde obhajoba.
Oponent se zeptá:
„Proč jste zvolil právě tuto metodiku?“
Student začne přemýšlet.
Další otázka:
„Proč jste z výsledků vyvodil právě tento závěr?“
A najednou se ukáže, že problém nebyl v napsání textu.
Problém byl v porozumění vlastní práci.
Právě proto může mít v budoucnu stále větší význam schopnost studenta vysvětlit vlastní rozhodnutí a obhájit je.
AI není odborný zdroj
Tohle je jedna z nejdůležitějších věcí, kterou by měl každý student při psaní závěrečné práce vědět.
ChatGPT nebo jiný generativní nástroj může být velmi užitečný pomocník, ale není automaticky odborným zdrojem.
Univerzita Karlova například výslovně upozorňuje, že generativní AI není vhodné vnímat jako spolehlivý zdroj informací a že za výsledný výstup odpovídá student.
To znamená, že když se AI zeptáte na konkrétní teorii, dostanete odpověď, která může znít velmi přesvědčivě.
Ale stále je potřeba ověřit:
- kdo dané tvrzení skutečně publikoval,
- kde bylo publikováno,
- zda zdroj skutečně existuje,
- zda jej lze považovat za odborně relevantní,
- zda AI jeho obsah správně interpretovala.
Přesvědčivý text není totéž jako ověřený text.
Největší nová dovednost? Umět kontrolovat AI
Studenti se dnes učí pracovat s novým typem nástroje.
Dříve bylo potřeba umět vyhledávat informace v knihovních katalozích a databázích. Dnes je stejně důležité umět pracovat s odpověďmi, které vytvoří jazykový model.
To znamená například nebrat první odpověď automaticky jako správnou.
Pokud AI tvrdí, že určitý výzkum dospěl k určitému výsledku, je potřeba dohledat původní publikaci.
Pokud vytvoří seznam odborných zdrojů, je potřeba jej ověřit.
Pokud navrhne interpretaci dat, student by měl být schopen vysvětlit, proč s ní souhlasí.
Umělá inteligence tak paradoxně zvyšuje význam kritického myšlení.
Čím snadněji lze informaci vytvořit, tím důležitější je umět rozhodnout, zda je správná.
Změní se kvůli AI samotný způsob psaní bakalářek?
Pravděpodobně ano.
Už dnes se objevují úvahy o tom, zda je tradiční forma závěrečné práce stále nejlepším způsobem ověřování znalostí. Na akademických půdách se diskutuje například o kratších pracích, užším a aktuálnějším zaměření témat nebo větším důrazu na obhajobu a vlastní přínos studenta.
Dává to logiku.
Pokud lze relativně snadno vytvořit obecný text o tématu, může být pro školu zajímavější zadat studentovi konkrétní problém, který vyžaduje vlastní analýzu.
Místo otázky:
„Co už víme o tomto tématu?“
tak může být mnohem zajímavější:
„Dokážete na základě dostupných dat zjistit, co se v tomto konkrétním případě skutečně děje?“
A to už je úkol, při kterém samotné generování textu příliš nepomůže.
Vlastní data mohou být cennější než dalších dvacet stran teorie
To je zajímavý směr, který může být pro budoucnost závěrečných prací velmi důležitý.
Představme si práci, která má rozsáhlou teoretickou část, ale praktická část je velmi omezená.
A vedle ní práci, která má kratší teorii, ale student například:
provedl vlastní průzkum, získal data, analyzoval je a vytvořil konkrétní doporučení.
Druhá práce nemusí být automaticky lepší. Ale z pohledu ověřování schopností studenta nabízí něco, co se generativní AI obtížněji nahrazuje.
Student musel skutečně něco zjistit.
Musel řešit problémy.
Musel pracovat s realitou.
A především musí být schopen vysvětlit, jak ke svým výsledkům dospěl.
Proto bude možná důležitější metodika než složité formulace
Při vypracování bakalářské práce se studenti někdy soustředí především na to, aby text působil odborně.
To je pochopitelné.
Jenže odborně znějící formulace samy o sobě práci kvalitní neudělají.
Mnohem důležitější je například správně zvolená metodika.
Pokud chcete prostřednictvím dotazníku zjistit určitý jev, musíte vědět, koho oslovujete, proč právě tyto respondenty, jak jste vytvořili otázky a jak budete výsledky interpretovat.
Pokud provádíte rozhovory, musíte umět vysvětlit jejich výběr a způsob vyhodnocení.
A pokud pracujete s existujícími daty, musíte vědět, odkud pocházejí a jaká mají omezení.
Tohle všechno jsou otázky, na které se může oponent zeptat bez ohledu na to, kdo napsal jednotlivé odstavce.
Pozor na jednu věc, o které se mluví méně: data
AI přináší ještě jeden problém, který může být pro studenty velmi důležitý.
Co do ní vlastně vkládáte?
Pokud například pracujete s rozhovory, interními firemními materiály nebo údaji o konkrétních lidech, nemusí být vhodné tyto informace jednoduše vložit do libovolného online nástroje.
Univerzita Karlova ve svých doporučeních upozorňuje právě na ochranu osobních, citlivých a neveřejných údajů při práci s generativní AI.
Student tak musí řešit nejen otázku:
„Umí mi AI s tímto problémem pomoci?“
ale také:
„Mohu jí tato data vůbec poskytnout?“
To je zcela nový typ akademické gramotnosti.
A potom přijde ještě jedna otázka: Co přiznat?
Pravidla používání AI se mezi školami a fakultami mohou lišit.
Proto není rozumné řídit se radou spolužáka, který tvrdí, že „u nás se to neřeší“.
Některé školy vyžadují transparentní uvedení použití AI. Například Univerzita Karlova doporučuje připojit k práci prohlášení popisující, jak, v jakém rozsahu a za jakým účelem byla AI použita.
Jinde mohou být pravidla odlišná.
Před použitím AI při práci je proto dobré zjistit aktuální požadavky vlastní fakulty a případně způsob využití konzultovat s vedoucím.
Tip: Při vypracování diplomové práce nebo bakalářské práce se vyplatí věnovat dostatek pozornosti především tématu, metodice, práci se zdroji a vlastnímu přínosu. Pokud potřebujete odbornou podporu při rešerši, struktuře, metodice nebo přípravě podkladů, může být užitečná konzultace či vypracování podkladů diplomové práce na zakázku. Vždy je však nutné respektovat aktuální pravidla konkrétní školy pro využívání externí pomoci a umělé inteligence.
Co když student nechce AI používat vůbec?
I to je naprosto legitimní možnost.
Někteří studenti mohou mít pocit, že používání AI by jim vzalo část zkušenosti, kterou si chtějí během studia získat sami.
A právě to je zajímavé.
V budoucnu možná nebude nejdůležitější otázkou:
„Použil student AI?“
Ale:
„Použil ji způsobem, který podporoval jeho vlastní práci, nebo způsobem, který jeho vlastní práci nahradil?“
To je totiž zásadní rozdíl.
Budoucnost možná nebude patřit nejlepším pisatelům
Pokud bude umělá inteligence stále lépe zvládat stylistiku, strukturování a tvorbu textu, může postupně klesat význam schopnosti vytvořit „krásně napsaný“ odborný text od první do poslední věty.
Naopak může růst význam jiných schopností.
Umět položit dobrou otázku.
Umět najít problém.
Umět rozpoznat kvalitní zdroj.
Umět pracovat s daty.
Umět odhalit chybu v AI výstupu.
Umět vysvětlit vlastní závěr.
A především:
Umět obhájit, proč jste postupovali právě tak, jak jste postupovali.
To jsou schopnosti, které mají hodnotu nejen při státnicích, ale také později v zaměstnání.
Závěrečná práce se tak může stát mnohem praktičtější
Možná tedy současná technologická revoluce neznamená konec bakalářských a diplomových prací.
Možná pouze ukazuje jejich slabé stránky.
Pokud lze snadno vytvořit obecný text, budou školy nuceny více hledět na vlastní přínos, konkrétní data, praktické řešení problému a schopnost studenta svou práci obhájit.
A to může být nakonec pro studenty dobrá zpráva.
Místo několikaměsíčního boje s požadovaným počtem stran mohou dostat příležitost vytvořit něco, co bude skutečně zajímavé.
Něco, co mohou později ukázat zaměstnavateli.
Něco, co jim pomůže zjistit, co vlastně umějí.
A možná také něco, co nebude po promoci okamžitě zapomenuto.
Protože skutečnou hodnotu závěrečné práce neurčuje počet stran ani množství složitých slov. Určuje ji především to, co se student během jejího zpracování skutečně naučí.