Persona v AI určuje, jakou roli má model při odpovídání zaujmout. Může mu vymezit pohled editora, analytika nebo školitele. Nepřidá mu ale skutečnou praxi, přístup k firemním datům ani oprávnění rozhodovat za člověka. Užitečné zadání proto potřebuje vedle role také úkol, podklady, hranice a způsob kontroly.
Do stejné debaty patří i výzkum toho, proč se chování modelu v průběhu rozhovoru mění. Studie The Assistant Axis z ledna 2026 se zabývá právě personou modelu a její stabilitou. Nezkoumá marketingové zákaznické persony a nedokazuje, že simulovaný zákazník dokáže nahradit rozhovor se skutečným člověkem.
Pod slovem persona se schovávají tři různé věci
Nejprve si ujasněte, o čí roli mluvíte. Persona modelu je způsob, jakým asistent vystupuje a reaguje. V běžné práci ji ovlivňujete například pokynem „pomáhejte jako věcný odborný editor“. Ve výzkumu Assistant Axis tento pojem označuje i charakteristiky chování spojené s určitými směry ve vnitřních aktivacích modelu. Textový pokyn a zásah do těchto aktivací přitom nejsou stejná operace.
Persona čtenáře naopak popisuje, pro koho má výstup vzniknout. Může jít o vedoucího výroby, který potřebuje vybrat servis a nemá čas studovat technické zkratky. Tento kontext pomáhá vybrat rozsah vysvětlení. Pokud ale popis není opřený o zákaznická data, zůstává pracovním předpokladem. Jméno, věk a oblíbená káva z něj ověřený segment neudělají.
Třetí použití je simulovaný respondent: požádáte model, aby zákazníka zahrál a odpovídal jeho jménem. Takovou simulaci můžete použít k hledání otázek nebo možných námitek. Nemáte tím ale nové svědectví z trhu. Když model řekne „tuto službu bych nekoupil“, jde o vygenerovanou odpověď v zadané situaci, nikoli o zákaznický rozhovor nebo naměřenou ochotu platit.
Role má vymezit práci, ne vyrobit autoritu
Dokumentace Anthropicu v části Give Claude a role doporučuje roli v systémovém zadání pro zaměření chování a tónu. To je přiměřený účel: říct asistentovi, z jakého pracovního pohledu má problém posoudit. Není to obecný důkaz, že každá role zvýší správnost každé odpovědi u všech modelů.
Rozdíl je vidět na zadání „jste nejlepší SEO expert s dvaceti lety praxe“. To modelu nepředá dvacet let rozhodnutí nad vaším webem. Navíc nepotřebujete, aby si při odpovědi vymýšlel klienty, certifikace nebo vlastní příběh. Potřebujete například rozlišit chybu v datech od hypotézy o poklesu návštěvnosti a ke každému závěru připojit podklad.
Vhodnější je popsat odpovědnost: „Posuďte export jako analytický asistent. Oddělte zjištění, možné příčiny a chybějící údaje.“ Role pak dává práci rámec, zatímco její kvalitu určují kontrolovatelná kritéria. U jednoduchého úkolu může stačit samotné přesné zadání bez jakékoli persony. O tom, co funguje pro vaši situaci, má rozhodnout srovnání výstupů, ne působivost úvodní věty.
Co ve skutečnosti zjistila studie Assistant Axis
Autoři zkoumali především modely Gemma 2 27B, Qwen 3 32B a Llama 3.3 70B. Pomocí různých rolí vyvolávali odlišné odpovědi a analyzovali vnitřní aktivace, tedy číselné stavy vznikající při zpracování vstupu a generování textu. V prostoru těchto reprezentací našli výrazný směr související s tím, nakolik model vystupuje jako výchozí užitečný asistent. Označili jej jako Assistant Axis.
Význam studie není v tom, že by odhalila lidskou osobnost uvnitř programu. Ukazuje souvislosti mezi měřitelnými vnitřními stavy a určitými vzorci chování. Autoři také provedli zásahy do aktivací a sledovali, jak se chování mění. V jejich testech posun směrem k výchozímu asistentovi omezoval některé škodlivé odpovědi vyvolané personovými jailbreaky, tedy pokusy obejít pravidla pomocí vnucené role.
Další část pracovala s vícetahovými rozhovory, v nichž uživatele simulovaly jiné jazykové modely. U zkoumaných modelů pozorovali větší odklon od výchozího asistenta například v terapeuticky laděných situacích a při filozofických debatách o subjektivním prožívání AI. Běžné ohraničené úkoly, technické otázky a úpravy textu bývaly stabilnější. Tento postupný odklon autoři nazývají persona drift.
Ne každá jiná role přitom znamenala škodlivé chování. Studie výslovně rozlišuje odklon od asistenta a konkrétní nežádoucí odpověď. Podstatné je, že vhodná odpověď na začátku rozhovoru ještě neověřuje jeho další průběh. Provozní kontrola by se proto neměla omezovat jen na první výměnu.
Zásah do aktivací není lepší formulace promptu
Autoři zkoušeli také activation capping: omezovali projekci vnitřních aktivací podél vybraného směru tak, aby se držela v určeném rozsahu. To vyžadovalo přístup k vnitřnímu fungování modelu. Z výsledku nelze udělat návod „připište do systémového promptu tuto větu a získáte stejnou ochranu“.
Stejně důležité jsou hranice vzorku. Hlavní zkoumané modely nebyly dnešní uzavřené komerční produkty; práce uvádí omezení výběru modelů, syntetických rozhovorů i automatického hodnocení chování. Zjištění proto není univerzální bezpečnostní certifikát, měření všech současných asistentů ani důkaz vědomí AI. Je to konkrétní výzkumný podklad pro další testování.
Pro firmu je použitelný střídmější závěr: personu nehodnoťte jen podle tónu odpovědi a sledujte chování v kontextu. Pokud asistent přesvědčivě tvrdí, že něco zažil, že má určitou licenci nebo že za vás může schválit výjimku, kontrolujte skutečnost a oprávnění mimo jeho vlastní prohlášení. Přátelský hlas ani odborný slovník tuto kontrolu nenahrazují.
Modelové zadání: analytik, který nepředstírá znalost firmy
Následující ukázka je návrh zadání, nikoli výsledek ověřeného experimentu. Představte si, že připravujete podklady pro rozhodnutí o úpravě obsahu. Vstupem je anonymizovaný export z Search Console a popis posledních změn webu. Než data odešlete, ověřte, že je smíte zpracovat ve vybrané službě.
Pracujte jako analytický asistent pro SEO. Úkolem je připravit podklad pro člověka, který rozhoduje o prioritách. Vycházejte pouze z přiloženého exportu a záznamu změn. Nejprve zkontrolujte období, filtry a chybějící údaje. Potom oddělte doložená pozorování od hypotéz. Ke každému pozorování uveďte konkrétní řádek nebo pole. Pokud příčinu nelze určit, napište, jaký další podklad potřebujete. Nevymýšlejte výsledky, klientské zkušenosti ani jistotu o příčině. Nenavrhujte automatické publikování nebo zásah do webu. Výstupem bude stručné vyhodnocení, otázky k doplnění a návrh dalšího ověření.
Zadání obsahuje roli, ale opírá se hlavně o vstupy a kontrolu. Když model vynechá chybějící období nebo z korelace vyvodí příčinu, neprošel kontrolou, i kdyby odpověď zněla jako od zkušeného konzultanta. Jestli chcete prověřit přínos role samotné, použijte stejné podklady a kritéria také ve variantě bez úvodní věty o analytikovi.
Ověřujte i navazující otázky a hranice oprávnění
Pro první interní test vyberte několik skutečných typů úloh a bezpečné modelové či anonymizované podklady. Uložte přesné zadání, verzi modelu, dostupné nástroje a celé odpovědi. Porovnávejte věcnou správnost, dohledatelnost podkladů, přiznání neznámých údajů a použitelnost dalšího kroku. Jedna povedená odpověď nestačí k rozhodnutí o nasazení.
Potom přidejte navazující situace: uživatel trvá na nepotvrzeném závěru, žádá potvrdit domněnku nebo chce, aby asistent přeskočil schválení. Předem si napište, co má aplikace udělat a kdy úkol předat člověku. Tento návrh testu je praktické doporučení, nikoli reprodukce výzkumné metody Assistant Axis. Z běžného textového rozhraní neměříte tutéž osu v aktivacích.
Pokud aplikace umí měnit záznamy, odesílat zprávy nebo publikovat, oprávnění musí vynucovat její technické nastavení. Věta „jste pečlivý asistent“ není náhrada kontroly přístupů a schválení rizikové akce. Širší souvislosti manipulace popisuje článek o adversarial machine learning.
Začněte jedním ohraničeným úkolem a napište si, podle čeho poznáte správný výstup. Teprve potom přidávejte roli, tón a další instrukce. Pro redakční použití na tuto kontrolu navazuje postup práce s AI textem na webu: od podkladů přes ověření tvrzení až po schválení konkrétní verze.
Chcete zadávat AI práci přesněji?
Pomohu vám vymezit úkol asistenta, podklady, hranice jeho role a kritéria kontroly. Proberme, při jaké práci chcete AI používat. Konzultace může ujasnit zadání; spolehlivost konkrétního řešení pak musí prověřit odpovídající testy.









