Na vzestupu je AI video, které už prakticky vstoupilo do mainstreamu. Už konec minulého roku přinesl první vlaštovky: reklamní spoty vytvořené kompletně pomocí nástrojů umělé inteligence. Prvotní vlna reakcí byla smíšená. Odborníci diskutovali o kvalitě provedení, na druhou stranu laická veřejnost si kladla otázku, jestli je generický výstup bez lokalizace pro Česko vůbec relevantní, natož aby zvládl vzbudit jakékoliv emoce. Dnes, o půl roku později, se grafické a video materiály, za kterými stojí z větší části AI, objevují ve veřejném prostoru stále přirozeněji a s menším rozruchem.

 

 

Největším tahounem v kategorii video generace byl čínský model Kling. Verze 2.5 a 2.6 si podle dat Everbotu rozdělily téměř polovinu všech zaznamenaných využití. Silným soupeřem zůstává Google se svým modelem Veo. Ještě před rokem platilo, že pokud chcete AI video se zvukem, potřebujete na to několik různých nástrojů najednou. Veo 3.1 tohle celé skládá dohromady a z textového popisu vytvoří klip včetně dialogů, hudby i okolního ruchu najednou, v jednom kroku. 

 

 

Tvorbě grafiky dominoval jednoznačně Nano Banana od Googlu, co do počtu využití. I když se v žebříčcích pohybuje mnohdy až za modely GPT-Image, nabízí modely Nano Banana Pro a Nano Banana 2 stále nejširší spektrum využití pro plošné nasazení, jelikož mají velice rychlou odezvu a skvěle zvládají zpracování textu (i toho českého) přímo v grafice, a to i v případě jeho následné editace. Tato funkce je stále bolavým místem pro mnoho modelů, o to víc při využití češtiny.

 

 

U textových modelů je patrná síla setrvačnosti

Nejčastěji využívané textové modely zahrnují Claude Sonnet 4.6, modely z rodiny GPT-5 i aktuální Gemini, žádný souboj na stejné úrovni se ale nekoná. Claude Sonnet 4.6 si drží jasné vedení, zatímco zbytek trhu se rozpadá do mnoha menších podílů, včetně starších verzí, které navzdory novějším nástupcům dál zůstávají v provozu. 

 

 

Vysvětlení nemusí tkvít primárně ve výkonu, ale také v tom, že rozhodnutí, který model použijeme, často padlo už dřív, ve chvíli, kdy si firma nebo vývojář vybral, kam integrovat svůj produkční kód či zákaznickou podporu. Uživatelé si pak modely 

„vychovávají“, přizpůsobují jim prompty a poznávají jejich silné a slabé stránky, takže další model už nesoutěží jen kvalitou, ale musí překonat i náklady na přechod. Ty se nemusí vyplatit ani v případě, že je nový model objektivně lepší. To platí dvojnásob ve firemním prostředí.

„Setrvačnost při volbě AI modelu je dost krátkozraká, protože jednotlivé modely se v praxi výrazně liší tím, na co se hodí nejlépe. Trvat na jedné volbě ze zvyku tak často znamená, že firma zbytečně ztrácí na kvalitě výstupu jen proto, že se jí nevyplatilo přehodnotit zavedenou volbu,“ komentuje Roman Berglowiec, CEO Everbotu. 

 

Funkcí, která stále hledá své místo na českém trhu, zůstává hlasový režim a diktování promptů. Technologie samotná dozrála: rozpoznávání řeči v češtině je spolehlivé, latence konverzace s AI se přiblížila přirozené komunikaci. Problém leží v návycích. Klávesnice a textový vstup jsou ve firemním prostředí zakořeněné a mluvit nahlas s počítačem pro mnohé stále není komfortní. 

Pokud se ale hlasový režim prosadí, stane se tak pravděpodobně u mobilního využití, kde textový vstup má svá přirozená omezení a kde si uživatelé na hlasové ovládání pomalu zvykají prostřednictvím jiných aplikací.