Digitální nerovnováha a sociální třídění
Stav / aktualizace poznatků: 22. září 2026
Neviditelné dveře
Představ si, že vstoupíš do digitálního prostoru a před tebou se začnou otevírat dveře.
Jedny vedou k informacím. Jiné k pracovní nabídce, úvěru, službě nebo příležitosti. Některými projdeš. Před jinými zůstaneš stát.
Možná víš proč.
A možná vůbec nevíš, že tam nějaké dveře jsou.
Původní Horizont Digitální nerovnováha a sociální třídění pracoval právě s tímto obrazem. Algoritmy jako neviditelní strážci, kteří podle našeho digitálního otisku rozhodují, co uvidíme, kam se dostaneme a co nám zůstane skryté. Mluvil o novém druhu sociálního třídění, informačních ghettech a riziku, že AI může existující nerovnosti zakódovat hlouběji a na dlouho.
Byl to silný obraz.
Dnešní poznání ho neruší. Ale rozebírá ho na součástky.
A právě tam začíná být téma zajímavější.
Ne všechny dveře jsou stejné
Jedna z nejdůležitějších změn je zdánlivě prostá:
Nemůžeme házet do jednoho pytle algoritmus, který vybírá zprávy do našeho feedu, a systém, který pomáhá rozhodovat o zaměstnání, úvěru nebo člověku v trestním řízení.
V obou případech probíhá nějaké filtrování, hodnocení či řazení. Důsledky jsou ale jiné.
U systémů, které skutečně hodnotí lidi a ovlivňují jejich příležitosti, máme konkrétní důvody brát problém vážně. Výzkum shrnutý pro tento Horizont ukazuje příklady z náboru zaměstnanců, úvěrů a bydlení, veřejných služeb nebo trestní justice, kde automatizované systémy mohou nerovnosti reprodukovat, zesilovat nebo skrývat.
Známým příkladem je systém COMPAS používaný v americkém trestním soudnictví. Analýza dat z Broward County zjistila výrazně rozdílné míry některých chybných klasifikací mezi černými a bílými obviněnými. Neznamená to, že každý algoritmus diskriminuje. A tento konkrétní výsledek nelze automaticky přenášet na jiné systémy.
Znamená to něco méně efektního, ale podstatnějšího:
Způsob, jakým systém třídí lidi, může mít skutečné následky.
A nejde pouze o technickou chybu modelu. Do výsledku vstupují data, zvolený cíl, použité proměnné a jejich zástupné ukazatele, způsob nasazení systému i prostředí, ve kterém rozhodnutí vzniká.
Proto je přesnější otázka jiná než před několika lety:
Nejsou algoritmy novým sociálním tříděním?
Za jakých podmínek se jím mohou stát?
A co internet, který každý vidíme jinak?
Tady původní obraz dostává větší trhlinu.
Myšlenka je svůdná: algoritmus poznává naše preference, postupně nám ukazuje stále podobnější obsah a nakonec každý žijeme ve vlastním informačním světě. Odtud je jen krok k „filter bubbles“ — a v původním Horizontu až k obrazu informačních ghett.
Jenže evidence není tak jednoznačná.
Kontrolovaná studie Google News publikovaná Haimem, Graefem a Brosiusem zjistila kromě malého efektu implicitní personalizace na obsahovou rozmanitost žádnou podporu hypotézy filter bubble v tomto konkrétním prostředí. To neznamená, že personalizace neexistuje nebo že algoritmické doporučování nemůže ovlivňovat naši informační krajinu. Znamená to, že z existence personalizace nemůžeme automaticky vyvodit existenci informačního ghetta.
V jiných prostředích se navíc mechanismus může chovat jinak. Výzkum hudebních doporučovacích systémů například dokumentuje genderové nerovnováhy v doporučování a ukazuje, jak algoritmický gatekeeping může ovlivňovat viditelnost tvůrců.
Takže vidíme každý úplně jiný internet?
Výzkum nám nedává poctivý důvod říct jednoduše ano.
Ale nedává nám ani důvod přestat se ptát, kdo rozhoduje o tom, kterou část digitálního světa vůbec dostaneme příležitost vidět.
„Informační ghetto“ proto zůstává provokací. Ne diagnózou.
Algoritmus není osud
Tady přichází možná nejdůležitější korekce původního obrazu.
Bylo by snadné postavit algoritmus do role viníka. Černá skříňka. Neviditelný strážce. Stroj, který přebírá naše historické nerovnosti a v novém měřítku je vrací zpátky do společnosti.
Jenže ani to výzkum nepodporuje jako obecné pravidlo.
Algoritmické systémy nejsou ze své podstaty pouze zesilovačem nerovnosti. Transparentnost, audit a algoritmická analýza mohou pomoci některé vzorce nerovnosti či diskriminace zviditelnit nebo učinit lépe dohledatelnými. To ale ještě není důkaz, že samotné nasazení AI nerovnost skutečně snižuje. Pro takový silnější závěr nemáme v podkladech dostatečnou empirickou oporu.
Možnost pozitivního účinku tedy zůstává otevřená.
Ne jako automatická protiváha rizik.
Ale jako možnost závislá na tom, co s odhaleným problémem lidé, instituce a pravidla skutečně udělají.
Algoritmus sám o sobě ještě neurčuje, které dveře se otevřou. Rozhodují také podmínky, za kterých mu dovolíme stát se jejich strážcem.
Jaká data používá? Co optimalizuje? Jak je jeho výsledek použit? Kdo systém kontroluje? Může někdo zjistit, proč rozhodl právě takto? A může se člověk proti jeho rozhodnutí ozvat?
Technologie tu není osud.
Je součástí uspořádání moci.
Je tu ještě jedna možná nerovnost?
Tady opouštíme pevnější půdu evidence a vstupujeme do autorské otázky.
Dva lidé mohou používat stejnou platformu. Oba dostávají personalizovaný obsah.
Jeden ví, že jeho prostředí je algoritmicky upravováno. Rozumí alespoň základní logice doporučování. Ví, že svým chováním systém zásobuje signály. Dokáže některá nastavení změnit nebo si aktivně hledat jinou cestu k informacím.
Druhý nic z toho neví.
Technicky mají oba přístup.
Mají ale stejnou možnost digitální prostředí skutečně používat ve svůj prospěch?
Nemáme zde dostatečný podklad pro tvrzení, že jde o výzkumem doložený nový rozměr digitální nerovnosti. Původně použitou oporu v podobě českého výzkumu z roku 2025 se při následném ověření nepodařilo potvrdit. Proto ji jako důkaz nepoužíváme.
Otázka samotná tím ale nezmizela:
Může další podoba digitální nerovnosti vznikat také mezi lidmi, kteří rozumějí tomu, jak algoritmické prostředí filtruje a personalizuje jejich svět a dokážou na něj reagovat, a těmi, kteří tuto možnost nemají?
Je to hypotéza.
Ne výsledek, který bychom už mohli vydávat za poznání.
A možná právě proto stojí za to ji nepustit z hlavy.
Kdo drží kliku?
Tady se můžeme vrátit k původnímu obrazu.
Neviditelné dveře přežily. Jen znamenají něco trochu jiného.
Nejsou důkazem, že za každou digitální zkušeností stojí tajný algoritmus rozhodující o našem osudu. Jsou otázkou po agency člověka v prostředí, kde stále více filtrování, doporučování, hodnocení a někdy i skutečného rozhodování probíhá prostřednictvím algoritmických systémů.
Víš, že systém rozhoduje?
Víš, z čeho vychází?
Můžeš zjistit, proč ses ocitl právě na této straně dveří?
Můžeš jeho rozhodnutí ovlivnit nebo napadnout?
A pokud to dokážeš ty — dokáže to stejně dobře někdo, kdo má jiné vzdělání, zkušenosti, digitální dovednosti nebo zdroje?
Právě tady se algoritmické třídění potkává s lidskou nerovností.
Ne jako jediná nová digitální třída společnosti.
Spíš jako další vrstva prostředí, ve kterém už existující rozdíly mohou získávat nový význam.
Co tedy zůstalo z původního Horizontu?
Zůstala obava, že algoritmické systémy mohou získat moc nad přístupem k informacím, viditelnosti a skutečným příležitostem.
Zůstalo riziko, že mohou reprodukovat nebo zesilovat nerovnosti.
Zůstala otázka transparentnosti: ví člověk, že se o něm rozhoduje, podle čeho a co s tím může dělat?
Ale zmizela jednoduchost.
Personalizace sama o sobě není informační ghetto. Rozdílný výsledek ještě není diskriminace. Algoritmický bias ještě automaticky neznamená sociální nerovnost. A algoritmus není ze své podstaty ani utlačovatel, ani osvoboditel.
Možná proto dnes není nejzajímavější otázkou, zda nás AI třídí.
Kdy dostane právo stát u dveří?
Kdo určuje pravidla?
A máme kliku také z naší strany?
Tady Horizont Digitální nerovnováha a sociální třídění končí.
Za některými dveřmi pokračují další témata: záměrné ovlivňování člověka, manipulace, moc nad pozorností nebo širší otázka autonomie v digitálním prostředí. Patří do dalších Horizontů. Tady je otevíráme jen natolik, abychom věděli, že existují.
Pro náročnějšího čtenáře
Hlavní obraz výše je první vrstvou. Níže je možné jít hlouběji: k jednotlivým oblastem evidence, k původním tvrzením, která výzkum zpřesnil nebo zpochybnil, k nejistotám a k hranicím toho, co dnes můžeme říct.
Pod povrchem: co evidence skutečně říká
Ne všechny oblasti mají stejnou evidenční sílu a neměly by být čteny jako jeden homogenní fenomén.
Nábor zaměstnanců. Výzkumný podklad ukazuje, že AI se v náboru a personálním rozhodování reálně používá a že její nasazení může přinášet deklarované provozní přínosy i otázky férovosti, transparentnosti a kontroly. Původní konkrétní procentní údaje po re-verifikaci nepoužíváme, protože jejich zdrojovou stopu nebylo možné zachovat v dostatečně auditovatelné podobě. Jednotlivé průzkumy navíc pracují s různými populacemi a metrikami, které nelze směšovat.
Trestní justice. Analýza ProPublica dat z Broward County zjistila, že 44,9 % černých obviněných, kteří následně nerecidivovali, bylo nesprávně klasifikováno jako vysoce rizikových, oproti 23,5 % bílých obviněných. U opačného typu chyby byly rozdíly obrácené. Jde o konkrétní dataset a konkrétní systém; nelze z něj automaticky usuzovat na algoritmické rozhodování obecně.
Personalizace informací. Studie Haim, Graefe & Brosius podporuje závěr, že v testovaném prostředí Google News nebyla nalezena opora pro silnou hypotézu filter bubble. Tento výsledek není důkazem, že žádné doporučovací prostředí nemůže vytvářet informační uzávěry.
Viditelnost na kulturních platformách. Ferraro, Serra & Bauer dokumentují genderovou nerovnováhu v hudebních doporučovacích systémech. Tato evidence podporuje relevanci algoritmického gatekeepingu, ale jde o jiný mechanismus než high-stakes rozhodování o jednotlivci.
Porozumění algoritmickému prostředí. Otázka, zda rozdíly v porozumění personalizaci vytvářejí další významnou vrstvu digitální nerovnosti, zůstává v tomto Horizontu autorskou hypotézou. Nepotvrzený český výzkum 2025 už není součástí její evidenční opory.
Claim Audit — co už nechceme tvrdit jednoduše
Původní silná teze „algoritmické filtrování vytváří nevyhnutelný bias“ neobstojí jako univerzální tvrzení. Dopady závisí na datech, cílech, konstrukci systému, populaci, kontextu použití a mechanismech kontroly.
Stejně tak nechceme algoritmické systémy popisovat jako mechanismus, který pouze upevňuje status quo. Audit a transparentnost mohou některé problematické vzorce učinit viditelnějšími a dohledatelnějšími. Z toho však nevyvozujeme, že AI sama o sobě prokazatelně snižuje nerovnost.
A představa, že rozdílnost digitální zkušenosti lze redukovat pouze na samotný přístup k internetu, zůstává příliš úzká. Otázku rozdílů v porozumění algoritmickému prostředí ale po re-verifikaci držíme jako hypotézu k dalšímu zkoumání, nikoli jako empirický závěr tohoto Horizontu.
Co stále nevíme dost dobře
Výzkum nechává otevřené zejména otázky, jakou definici fairness máme požadovat, jak velký je skutečný vliv algoritmických systémů v různých oblastech života, které mechanismy odpovědnosti a kontroly fungují a zda — a za jakých podmínek — může větší transparentnost nebo schopnost odhalit diskriminační vzorce skutečně vést ke snížení nerovnosti.
K nim po re-verifikaci přibývá další otevřená otázka:
Nakolik rozdíly v porozumění algoritmickému prostředí skutečně vytvářejí nebo zesilují digitální nerovnost?
Nejde o mezery, které bychom měli zaplnit sebejistější formulací.
Jsou součástí současného stavu poznání.
Zdroje a ověřitelnost
Tato aktualizace vychází ze schváleného výzkumného podkladu Horizontu Digitální nerovnováha a sociální třídění a z následného omezeného claim-by-claim ověření těch tvrzení, jejichž původní zdrojovou stopu nebylo možné bezpečně auditovat.
Veřejně bezpečně identifikované zdroje z re-verifikace:
- Haim, M., Graefe, A. & Brosius, H.-B. (2018). Burst of the Filter Bubble? Effects of personalization on the diversity of Google News. Digital Journalism, 6(3), 330–343. DOI: 10.1080/21670811.2017.1338145.
- Ferraro, A., Serra, X. & Bauer, C. (2021). Break the Loop: Gender Imbalance in Music Recommenders. CHIIR ’21, ACM, 249–254. DOI: 10.1145/3406522.3446033.
- Larson, J. et al. (2016). How We Analyzed the COMPAS Recidivism Algorithm. ProPublica.
Údaje, které re-verifikace neposkytla v dostatečně bezpečné bibliografické podobě, zde nedoplňujeme odhadem. Nepotvrzený český výzkum 2025 byl z evidenční vrstvy odstraněn.
Jak tato aktualizace vznikla
Stav poznatků: 22. září 2026.
Tato stránka je živou aktualizací Horizontu Digitální nerovnováha a sociální třídění z knihy Homo Sapiens AI. Vychází z původního knižního textu, výzkumného podkladu, lidské kurace, následného omezeného ověření problematických zdrojových stop a redakční syntézy s využitím AI.
Výzkumná rešerše a následné ověření
AI byla využita při výzkumné práci k vyhledávání, třídění a porovnávání zdrojů a k hledání poznatků, které původní teze knihy podporují, zpochybňují nebo nutí zpřesnit. Později proběhlo omezené nové ověření několika tvrzení, jejichž původní zdrojovou stopu nebylo možné bezpečně auditovat.
Co rozhodoval člověk
Po dokončení výzkumu následovala lidská kurátorská kontrola. Po pozdější re-verifikaci byly lidsky znovu rozhodnuty pouze ty významové body, jejichž evidenční základ se skutečně změnil.
Jak vznikl tento text
AI byla využita také při redakčním zpracování schválených poznatků do této webové podoby. Při této opravě nebyl prováděn nový research.
Původní myšlenky knihy, jejich interpretace a konečné rozhodnutí o tom, co publikujeme, zůstávají na autorovi.
Na této stránce proto rozlišujeme mezi tím, co dnes ukazuje výzkum, tím, co zatím nevíme, a tím, co vědomě ponecháváme jako autorskou otázku.
Poznámka k použité AI: Konkrétní model nebo režim použitý v jednotlivých předchozích výzkumných krocích zde neuvádíme, pokud jej nelze ze schválených podkladů spolehlivě doložit.