Pokud vaše firma nebo škola používá AI pro dokumentaci, analýzy nebo automatizaci, možná ztrácíte čas a peníze na špatně nastavené nástroje. Nová metoda zvaná *kontextová inženýrství* může výrazně zlepšit výsledky – a vy na ni nemusíte být programátor. Co to znamená a jak ji využít i vy?
Co je to kontextová inženýrství?
Doteď jsme si zvykli, že AI funguje na základě přesně napsaných dotazů – tzv. prompt engineering. Firmy a školy investovaly do školení zaměstnanců, aby dokázali AI přesně říci, co mají vygenerovat. Ale podle společnosti Anthropic (výrobce AI modelu Claude) je to jako řídit auto, když vidíte jen zrcátko – a ne celou silnici.
Nová metoda, kontextová inženýrství, se zaměřuje na to, jak AI zpracovává veškeré informace, které má k dispozici: nejen aktuální dotaz, ale i historii konverzace, nástroje, které používá, a dokonce i externí data. Cílem je, aby AI lépe porozuměla celému kontextu a nedělala chyby kvůli nedostatku paměti nebo rozptýlení.
Proč to pro vás znamená změnu?
Pokud používáte AI například k
- automatizaci dokumentace (např. generování smluv nebo zpráv)
- analýzu dat (např. shrnutí zákaznických dotazů)
- chatboty pro zákazníky nebo studenty
- 3D modelování nebo kódování
- shromažďování a vyhodnocování informací z různých zdrojů,
může se stát, že vaše AI
- zapomíná na důležité detaily z předchozích kroků (např. v dlouhém rozhovoru)
- ztrácí přehled, když pracuje s velkým množstvím dat najednou
- duplikuje úkoly nebo pracuje s neaktuálními daty
- vyžaduje příliš mnoho ruční úpravy výsledků
Anthropic tvrdí, že správně nastavený kontext může snížit potřebu ruční úpravy výsledků o 84 % a zlepšit přesnost výsledků až o 39 %. To znamená méně práce pro vaše zaměstnance a rychlejší odpovědi pro zákazníky nebo studenty.
Jak to funguje v praxi?
Anthropic nabízí několik konkrétních strategií, jak AI naučit lépe pracovat s kontextem:
- Shrnování (compacting): AI si samovolně shrne důležité části dlouhých konverzací a začne pracovat s komprimovanou verzí – jako by si dělat poznámky pro sebe.
- Strukturované poznámky: Důležité informace se uloží mimo aktuální kontext (např. do souboru nebo databáze) a AI k nim může přistupovat kdykoli – podobně jako lidé používají sešity.
- Speciální agenti: Pro složité úkoly se používají menší, specializované AI (např. jeden pro analýzu dat, druhý pro generování textu), které se mezi sebou sdělují pouze shrnuté výsledky.
- „Na požádání“ data: AI si nepamatuje vše najednou, ale když potřebuje nějakou informaci, stáhne si ji teprve v okamžiku, kdy ji potřebuje – jako knihovna, která vám přinese knihu až po vyhledání.
Příklad: AI nástroj Claude Code (od Anthropic) při analýze složitých dat načte pouze to, co je pro aktuální úkol důležité, a zbytek ignoruje. To mu umožňuje pracovat efektivněji i s velkými soubory.
Proč to pro vás není jenom teorie?
Problém, který nová metoda řeší, je technicky známý jako context rot – „rozpad kontextu“. Když AI má k dispozici příliš mnoho informací (např. stovky zpráv v historii), začne se potýkat s tím, že:
- nemůže rychle najít to, co potřebuje (jako když hledáte jehlu v seně)
- ztrácí přehled o tom, co je důležité a co ne
- spotřebovává příliš mnoho výpočetního výkonu na zpracování zbytečných dat
To se děje i v běžných modelech, jako jsou chatboty nebo asistenty pro zákazníky. Pokud například student požádá AI o pomoc při řešení matematického problému a poté začne mluvit o něčem jiném, AI může zapomenout, o co šlo původně – a odpověď bude nesmyslná.
Anthropic již testuje tyto metody ve svém nástroji Claude 4.5 Sonnet, který je ve veřejné beta verzi. Podle jejich měření snížil spotřebu dat při dlouhých vyhledáváních o 84 % a zlepšil přesnost výsledků o 39 %. To znamená, že i vaše AI může pracovat efektivněji – bez toho, abyste museli měnit celou infrastrukturu.
Co s tím udělat
Pokud chcete zlepšit výkon AI ve vaší firmě nebo škole, začněte následovně:
- Zjistěte, jaký model používáte, a zkontrolujte, zda podporuje pokročilé nastavení kontextu. Například Anthropic nabízí nástroje pro uložení paměti nebo shrnování konverzací.
- Otestujte „shrnování“: Pokud vaše AI pracuje s dlouhými konverzacemi (např. v chatbote pro zákazníky), zkuste nastavit automatické shrnování důležitých bodů. Můžete to udělat ručně nebo pomocí nástrojů jako jsou Zapier nebo Make (Integromat).
- Využijte externí paměť: Uložte důležité informace mimo AI (např. do Google Drive, Notion nebo databáze). a naučte AI, aby k nim přistupovala. To platí například pro pravidla, která platí pro vaši firmu, nebo často používané vzory dokumentů.
- Omezte duplikaci nástrojů: Pokud vaše AI používá několik nástrojů najednou (např. pro vyhledávání a generování textu), zkontrolujte, zda některé z nich dělají totéž. Menší množství nástrojů znamená méně zmatku pro AI.
- Zkuste specializované agenty: Pokud máte složité úkoly (např. analýza dat + generování zprávy), zvažte rozdělení práce na menší kroky. Například jeden nástroj může analyzovat data, druhý je shrnout a třetí vytvořit zprávu.
- Nastavte „na požádání“ data: Pokud vaše AI pracuje s velkými daty (např. zákaznické dotazy), naučte ji, aby si data stahovala teprve v okamžiku, kdy je potřebuje – místo toho, aby si je pamatovala od začátku.
- Využijte dokumentaci: Anthropic a další společnosti nabízejí návody, jak nastavit kontext pro své nástroje. Pokud používáte Claude nebo podobné řešení, projděte si jejich průvodce nebo kuchařku receptů.
Pokud nemáte možnost nebo znalosti pro nastavení těchto funkcí sami, zvažte spolupráci s IT partnerem nebo agenturou specializující se na řešení s AI. V mnoha případech stačí několik úprav, aby vaše AI pracovala efektivněji – a vy ušetřili čas i peníze.
Zdroj: The Decoder – Anthropic claims context engineering beats prompt engineering when managing AI agents (3. 10. 2025)
Článek vychází z uvedeného zdroje.