Mezi kritickým myšlením a stupiditou

Homo Sapiens AI
Aktualizováno: 17. září 2026

Co zvládnu s AI ≠ co umím já

Ještě nedávno byla jedna věc docela jednoduchá.

Když jsi něco dobře napsal, spočítal, analyzoval nebo vysvětlil, bylo celkem bezpečné předpokládat, že jsi to také nějakým způsobem zvládl.

Generativní AI do tohoto spojení vložila trhlinu.

Dnes můžeš během několika minut vytvořit výstup, ke kterému by ses vlastními silami vůbec nedostal. Přesnější. Lépe strukturovaný. Jazykově čistší.

Můžeš s AI vyřešit problém, který bys ještě včera vyřešit neuměl.

To je skutečný posun.

Když to zvládnu s AI, znamená to, že to umím?

Výzkum zatím nabízí nepohodlnou odpověď:

Ne nutně.

Vyšší výkon s AI totiž není totéž jako lidská schopnost. Rozhodující je také to, co se člověk během práce skutečně učí, co si uchová, co dokáže přenést do nové situace — a co zvládne, když AI zmizí.

Současná evidence zároveň neříká, že AI kritické myšlení jednoduše ničí nebo zlepšuje. Výsledek závisí mimo jiné na tom, jaký vztah mezi člověkem, AI a úkolem vytvoříme.

AI může část myšlení převzít.

A může člověka přimět, aby přemýšlel víc.

Právě mezi těmito dvěma možnostmi se dnes otevírá nový prostor pro kritické myšlení.

Co zatím nevíme: nemáme dost dlouhodobých dat na tvrzení, že každodenní používání generativní AI dlouhodobě oslabuje lidské kritické myšlení nebo autonomii.

Máme signály, které stojí za pozornost. Ne verdikt.

Co dnes vidíme jinak

Nejdůležitější změna není v jednoduchém verdiktu o AI. Je v přesnějším rozlišení mezi výkonem s nástrojem, učením, samostatnou schopností a způsobem spolupráce.

Co ukazuje výzkum

1. AI může zvýšit výkon. To ještě není učení.

Představ si studenta matematiky.

Dostane AI, která mu pomáhá řešit příklady. Je rychlejší. Má více správných odpovědí. Výkon roste.

Pak AI odebereme.

Co zůstane?

Právě podobné experimenty jsou pro dnešní debatu důležitější než otázka, zda je AI obecně „dobrá“, nebo „špatná“.

Některé studie ukazují situace, kdy lidé s AI dosahují výrazně lepšího výkonu, ale po jejím odebrání se výhoda ztratí. Někdy může být jejich následný samostatný výkon dokonce horší než u těch, kteří stejnou úlohu absolvovali bez neomezené AI pomoci.

Jiné experimenty ale ukazují příznivější výsledky.

Rozdíl?

AI člověku nedala jednoduše hotové řešení.

Ptala se. Nabízela nápovědu. Vedla ho po krocích. Nechala ho nejprve přemýšlet.

A tady se objevuje důležitější hranice než člověk versus AI:

AI, která moje myšlení nahrazuje.

AI, která moje myšlení aktivuje.

2. Možná nejde o to, kolik používáš AI

Ale jakým způsobem jsi při tom přítomen.

Můžeš AI používat intenzivně — a přitom zůstat aktivním účastníkem.

Přijít nejprve s vlastní hypotézou.

Nechat ji rozebrat.

Požádat o protiargument.

Hledat slabinu.

Ověřit zdroje.

Změnit vlastní názor.

A můžeš AI používat jen několik minut denně — a pokaždé jí přenechat právě tu část procesu, kterou by bylo dobré procvičit vlastní hlavou.

Cognitive offloading — přesunutí části mentální práce na externí nástroj — není sám o sobě problém.

Děláme to po staletí.

Papír si pamatuje za nás. Kalkulačka počítá. Navigace drží mapu.

Co přesně offloaduji?

Pokud nástroji přenechám schopnost, kterou nepotřebuji vlastnit, může to být rozumná dělba práce.

Pokud mu ale opakovaně přenechávám právě tu schopnost, kterou chci udržet nebo rozvíjet, situace se mění.

Možná právě tady začíná nová gramotnost doby AI:

Neumět jen delegovat. Vědět, co nechci delegací ztratit.

3. A co na to stupidita?

Tady se můžeme vrátit ke Carlu M. Cipollovi.

Jeho provokace byla odzbrojující svou jednoduchostí. Stupiditu nespojoval prostě s nízkou inteligencí. Díval se na důsledky lidského jednání — na to, kdo získává a kdo tratí.

Je to užitečný odrazový můstek.

Ale právě tady s Cipollou potřebujeme začít polemizovat.

Jeho model se dívá především na důsledky jednání: kdo získává a kdo tratí. Jenže v digitálním světě nás zajímá ještě něco, co tahle mapa sama nezachytí:

Jak se člověk k takovému jednání vůbec dostal?

Co se dělo s jeho úsudkem? Jakou zpětnou vazbu dostával? Co přestal ověřovat? A co z jeho přemýšlení mezitím převzal systém?

Cipolla nám může pomoci pojmenovat výsledek.

Pro dnešní otázku to ale nestačí.

Potřebujeme se podívat také na proces, který k němu vede.

A právě tam vstupuje AI.

Co když totiž stupidita v digitálním světě není jen vlastností člověka ani výsledkem jednoho špatného rozhodnutí?

Co když může vznikat také ve vztahu mezi člověkem a systémem?

Člověk něco předpokládá.

AI nabídne přesvědčivou odpověď.

Člověk jí uvěří o něco víc.

Příště ověřuje o něco méně.

A smyčka pokračuje.

Ne proto, že by na jedné straně seděl hlupák a na druhé zlý stroj.

Ale protože se postupně vytrácí něco mnohem obyčejnějšího:

Počkej. Je to opravdu tak?

4. Kritické myšlení není pomalé myšlení

Je lákavé namalovat si jednoduchý obrázek.

Stupidita je rychlá, pohodlná a líbivá.

Kritické myšlení je pomalé, namáhavé a nepříjemné.

Jenže lidská mysl takhle čistě rozdělená není.

Intuice může být správná. Expert někdy pozná problém téměř okamžitě.

A dlouhé, sofistikované přemýšlení může pouze vyrobit velmi inteligentní argumentaci pro názor, který jsme si chtěli zachovat od začátku.

Proto možná není rozhodující, jak dlouho přemýšlíš.

Dokážeš svůj první úsudek vystavit riziku, že nepřežije?

Dokážeš hledat informaci, která ti odporuje?

Připustit alternativní vysvětlení?

Rozlišit mezi tím, co víš, a tím, co pouze zní přesvědčivě?

A když evidence ukáže jinam — dokážeš změnit názor?

Kritické myšlení pak není intelektuální schopnost, kterou jednou získáš a vlastníš.

Je to opakovaná činnost.

5. Imunitní systém mysli?

V původním Horizontu jsme kritické myšlení nazvali imunitním systémem mysli.

Ta metafora pořád stojí za chvíli pozornosti.

Imunitní systém neznamená, že nikdy neonemocníš.

A kritické myšlení neznamená, že nikdy nenaletíš.

Vzdělání není neprůstřelná vesta.

Inteligence také ne.

Ani zkušenost.

Výzkum ukazuje, že analytická reflexe, práce s přesností informací nebo cílený trénink kritického myšlení mohou naši odolnost vůči některým chybám zvýšit.

Univerzální mentální vakcínu ale nemáme.

Možná tedy nepotřebujeme být imunní.

Potřebujeme umět poznat, kdy máme zpozornět.

A AI tuhle potřebu neodstraňuje.

6. Mikroskop, nebo reproduktor?

AI dokáže velmi přesvědčivě rozvinout myšlenku, kterou jí nabídneš.

Pokud hledáš slabiny své hypotézy, může fungovat jako mikroskop.

Pokud hledáš důvody, proč máš pravdu, může se stát reproduktorem.

Jenže ani to není celý obraz.

Výzkum ukazuje, že AI může člověka nejen utvrzovat v chybném přesvědčení. Za určitých podmínek mu může pomoci ho korigovat.

Stejná technologie může být součástí obou procesů.

Proto otázka:

„Je AI dobrá, nebo špatná pro kritické myšlení?“

možná míří vedle.

Jak je uspořádaný vztah mezi člověkem, AI a úkolem?

Kdo vytváří první úsudek?

Kdo koho zpochybňuje?

Kde vzniká ověření?

Co přijímám jen proto, že odpověď působí kompetentně?

A co dokážu udělat, když AI zmizí?

Co dnes můžeme říct — a co ještě ne

Otázka Co ukazují dosavadní poznatky
Může AI zvýšit okamžitý výkon? Ano. Vyšší výkon s AI ale není totéž jako vyšší lidská schopnost.
Může používání AI následné učení zhoršit? Za určitých podmínek ano. Existují experimenty, kde vysoký výkon s AI doprovázel horší následný výkon bez ní.
Může AI učení naopak podpořit? Ano. Příznivější výsledky se objevují zejména tam, kde AI člověka vede k vlastnímu přemýšlení místo pouhého dodání výsledku.
Je cognitive offloading sám o sobě problém? Ne. Podstatné je, co delegujeme a zda si danou schopnost chceme zachovat.
Znamená kritické myšlení prostě pomalé myšlení? Ne. Rychlost sama nerozhoduje o kvalitě úsudku.
Poškozuje každodenní GenAI dlouhodobě kritické myšlení nebo autonomii? To zatím nevíme. Pro takový obecný dlouhodobý závěr nemáme dost kvalitních dat.

Co stále nevíme

Otupujeme?

Nevíme.

A právě tuhle odpověď stojí za to chvíli unést.

Máme první signály, že způsob používání AI může ovlivňovat, kolik kognitivní práce člověk skutečně vykonává, co si zapamatuje a jak si vede později bez asistence.

Máme také důvody zkoumat, zda dobře navržená spolupráce s AI může učení podporovat.

Nemáme ale dost dlouhodobých dat na velký verdikt:

AI nám ničí kritické myšlení.

Stejně neoprávněný by byl verdikt opačný:

AI nás automaticky dělá chytřejšími.

Pole je mladé. Nástroje se rychle mění. A způsob, jakým je používáme, teprve vzniká.

Co si z toho odnášíme

Takže místo rozsudku zůstává otázka:

Které schopnosti chci díky AI rozšířit — a které si chci zachovat i ve chvíli, kdy ji vypnu?

Protože to, co s AI dokážeme, téměř jistě poroste.

To zajímavější teprve zjistíme:

Co bude růst v nás?

Pro náročnějšího čtenáře

Výše je hlavní čtenářská vrstva. Níže je možné jít hlouběji: k jednotlivým tvrzením, síle evidence, studiím, metodickým hranicím a otevřeným otázkám.

Audit původních tvrzení: co dnes drží a co potřebuje hranice

Tato část zpřístupňuje evidenční hranice této aktualizace. Neříká jen, co jednotlivé studie zjistily, ale také co z nich zatím vyvozovat nemůžeme.

Claim Audit

Tvrzení Stav evidence Co dnes lze rozumně tvrdit
GenAI dokáže zvýšit okamžitý výkon a kvalitu výstupu. Silná evidence Efekt je opakovaně doložen, ale není univerzální a závisí na úkolu a kontextu.
Vyšší výkon s AI automaticky znamená vyšší lidskou schopnost. Silná evidence Assisted performance a lidská competence jsou rozdílné outcome. Testy po odebrání AI ukazují, že se mohou rozcházet.
Neřízené používání general-purpose GenAI může zhoršit následný samostatný výkon. Rostoucí evidence Kauzální experimenty a retention studie takové případy ukazují. Počet domén a dlouhodobých follow-upů je ale stále omezený.
Think-first, tutoring, nápovědy a další guardrails mohou mít příznivější profil než okamžité poskytování hotových odpovědí. Rostoucí evidence Architektura interakce je důležitý moderátor. Některé experimenty ukazují lepší transfer nebo nižší overreliance.
GenAI obecně zvyšuje nebo snižuje kritické myšlení. Spor Výsledek se mění podle úkolu, designu interakce, měřeného outcome a okamžiku měření.
Cognitive offloading je sám o sobě škodlivý. Spor Offloading je obecný kognitivní mechanismus a může výkon zvyšovat. Riziko závisí na tom, co člověk deleguje a zda chce danou schopnost zachovat.
Rychlé myšlení je chybné a pomalé kritické. Spor Rychlost sama nerozlišuje kvalitní a nekvalitní úsudek. Intuitivní odpověď může být správná a deliberace správnost sama nezaručuje.
Kritické myšlení funguje jako univerzální „imunita“ proti klamům. Rostoucí evidence Kritické myšlení, analytická reflexe a některé intervence mohou odolnost vůči chybám zvýšit, ale ochrana není univerzální, automaticky přenosná ani permanentní.
Cipollova „stupidita“ zahrnuje psychologii bublin, zpětné vazby a nakažlivosti. Spor Jeho původní rámec pracuje s důsledky jednání a gain/loss modelem. Moderní psychologické a systémové mechanismy musí být od Cipollova konceptu odděleny.
Dlouhodobé každodenní používání GenAI poškozuje kritické myšlení nebo lidskou autonomii. Otevřená hypotéza Kategorický dlouhodobý závěr dnes přesahuje dostupnou evidenci.

Evidence Map: několik nosných studií

Studie / zdroj Co bylo měřeno Co z toho plyne pro tento Horizont Hranice interpretace
Bastani et al., PNAS, 2025 Středoškolská matematika; práce s AI a následná zkouška bez AI. General-purpose GPT během cvičení zvýšilo výkon, ale následný výkon bez AI mohl být horší; guardrailed tutor měl příznivější profil. Krátká intervence v jedné vzdělávací doméně není důkazem dlouhodobého obecného poškození.
Wong & Qiu, 2026 Assisted creativity a následný unassisted transfer. Podporuje rozdíl mezi volným používáním AI a principem „think first, AI later“. Jednorázový kreativní úkol nelze zobecnit na celé kritické myšlení.
ChatGPT as a cognitive crutch, 2025 Randomizovaný experiment; retence po 45 dnech. Jedna z indicií, že okamžitá pomoc a dlouhodobější retence nejsou totéž. Jedna studie, jedno téma; výsledek potřebuje replikaci.
Lee et al., CHI 2025 Self-reported critical-thinking effort u knowledge workers. Ukazuje možný přesun kritické práce směrem k verifikaci a integraci a vztah mezi důvěrou v GenAI a deklarovaným úsilím. Asociace ze self-reportu není kauzálním důkazem úbytku lidské schopnosti.
Buçinca et al., 2021 Overreliance při AI-assisted rozhodování. Cognitive forcing a vytvoření vlastního úsudku před AI mohou snižovat overreliance. Jde o pre-LLM decision support; velikost efektu nelze automaticky přenést na současnou GenAI.
Glickman & Sharot, 2025 Opakovaná human–AI interakce a vývoj lidského biasu. Biased AI může v některých úlohách lidský bias zesilovat; přesná AI může stejným mechanismem úsudek zlepšovat. Nejde o důkaz, že každé používání LLM vytváří dlouhodobý feedback loop.
OECD Digital Education Outlook 2026 Syntéza evidence o GenAI, výkonu a učení. Výslovně rozlišuje vyšší výkon s general-purpose GenAI od skutečného learning gain a upozorňuje na význam pedagogického designu. Institucionální syntéza; nenahrazuje dlouhodobé removal experimenty, kterých je stále málo.

Co zůstává otevřené

  • Jak se roky každodenního používání GenAI projeví na samostatném kritickém myšlení a lidské autonomii?
  • Jak dobře se příznivé výsledky principu „think first, AI later“ přenesou mezi různými doménami, věkovými skupinami a dlouhými časovými obdobími?
  • Které kognitivní operace můžeme bezpečně delegovat a které potřebujeme aktivně procvičovat, pokud je chceme dlouhodobě zachovat?
  • Jak se v přirozeném dlouhodobém používání vyvíjí overreliance, kalibrace důvěry a human–AI feedback loop?
  • Jak odlišit vyšší kvalitu výsledku od skutečného learning gain, retence, transferu a schopnosti bez AI?

Metodické hranice

Research odděloval okamžitý výkon s AI, učení, retenci, transfer, výkon po odebrání AI, self-report a dlouhodobou autonomii. Studie hodnotící pouze kvalitu výsledného AI-assisted artefaktu proto nebyly používány jako důkaz růstu lidské schopnosti.

U GenAI byla prioritou evidence z let 2022–17. září 2026. Starší výzkum byl použit tam, kde pomáhá identifikovat relevantní mechanismy, například cognitive offloading, automation bias nebo dual-process reasoning. Starší mechanismy ale nebyly vydávány za přímý důkaz účinku současné GenAI.

Preprinty nebyly používány jako jediná opora hlavních závěrů. Medializovaný preprint „Your Brain on ChatGPT“ byl v Research veden pouze jako časný signál a příklad rizika veřejné overinterpretace, nikoli jako důkaz, že ChatGPT „poškozuje mozek“.

Cipollovy zákony byly ověřovány jako původní koncept a textový rámec, nikoli jako empiricky validovaná psychologická teorie. Mechanismy bublin, zpětné vazby nebo sociálního šíření proto tato aktualizace Cipollovi nepřipisuje.

Primární a nosné zdroje

Jak tato aktualizace vznikla

Tato živá QR vrstva vznikla s využitím AI při vyhledávání, třídění a kritickém porovnávání odborných zdrojů a následně při redakční přípravě textu. Výzkumné závěry prošly lidskou kurátorskou kontrolou, která rozhodla o tom, co lze z dostupné evidence tvrdit, co je třeba zpřesnit a co zatím zůstává otevřené.

Research cut-off: 17. září 2026.