Ako začať pracovať s ChatGPT a nastaviť si ho na profesionálnu prácu

Kontext, pamäť, projekty, zdroje, bezpečnosť, kontrola kvality a pracovné workflow

Odborný praktický článok | stav funkcionalít overený k 8. 10. 2026

Kľúčový princíp ChatGPT sa pri profesionálnej práci nenastavuje jedným „dokonalým promptom“. Stabilný výkon vzniká z dobre oddelených vrstiev: globálne preferencie, projektový kontext, autoritatívne zdroje, zadanie konkrétnej úlohy, pravidlá neistoty, oprávnenia k externým systémom a kontrola výsledku. Každá vrstva rieši iný problém a má inú životnosť.

Bežné návody začínajú promptom. V praxi je prompt až posledná vrstva. Ak je zle nastavený účet, projekt mieša nesúvisiace zdroje, pamäť obsahuje staré predpoklady alebo má ChatGPT zbytočne široké oprávnenia k externým systémom, ani veľmi dobré zadanie nevytvorí stabilný pracovný proces. Pri opakovanej práci preto treba navrhnúť prostredie, v ktorom model dostáva správny kontext v správnej chvíli a zároveň nemá dôvod domýšľať si kritické údaje.

Tento text sa sústreďuje na praktické vrstvy, ktoré sa v jednoduchých návodoch objavujú málo: rozdiel medzi vlastnými pokynmi, pamäťou a zdrojom pravdy; hranice projektov; kontextový dlh; práca s webom a súbormi; verzovanie zdrojov; oddelenie faktov od inferencií; bezpečnostné dôsledky pluginov a pripojených aplikácií; prompt injection; dočasné chaty; retenčné pravidlá a nezávislá kontrola výstupu. Produktové tvrdenia sú opreté o aktuálnu dokumentáciu OpenAI, bezpečnostné odporúčania dopĺňa OWASP a NIST. [1-14]

Funkcie ChatGPT sa menia priebežne a ich dostupnosť závisí od plánu, regiónu, platformy a pravidiel pracovného priestoru. Preto je pri každom internom firemnom návode vhodné uviesť dátum poslednej kontroly nastavení a oddeliť všeobecné pracovné princípy od konkrétneho názvu tlačidla v rozhraní. OpenAI túto variabilitu explicitne uvádza napríklad pri pamäti, projektoch, aplikáciách a knižnici. 23914

1. Najprv si určte, aký typ práce má ChatGPT vykonávať

Pred nastavovaním účtu je potrebné rozlíšiť typ úlohy. Jednorazová transformácia textu, dlhodobý klientsky projekt, rešerš s aktuálnymi zdrojmi, analýza interných dát a úloha, pri ktorej ChatGPT vykonáva akcie v Gmaili alebo inom systéme, majú odlišné požiadavky na kontext, zdroje aj oprávnenia. Ak všetky úlohy používajú rovnaké nastavenie, používateľ si vytvára konflikt medzi pohodlím a kontrolou. Napríklad dlhodobá personalizácia je vhodná pri opakovanej práci v známom kontexte, ale pri nezávislom audite môže byť nežiaduca, pretože do odpovede vstupujú predchádzajúce preferencie a skúsenosti používateľa.

Už pri zadávaní práce je vhodné určiť tri veci: odkiaľ smie vzniknúť faktický obsah, aké následky by mala chyba a či má systém iba radiť alebo aj konať. Ak odpoveď slúži ako brainstorming, postačí nižšia úroveň verifikácie. Ak vstupuje do právneho dokumentu, rozpočtu, verejného odborného článku, personálneho rozhodnutia alebo priamo spúšťa akciu v externom systéme, požiadavky sa menia. NIST pri riadení generatívnej AI zdôrazňuje potrebu definovať kontext použitia, rizikovú toleranciu, ľudský dohľad a procesy overovania; nejde teda iba o kvalitu textu, ale o kvalitu celého rozhodovacieho procesu. 13

Praktické rozdelenie je päť režimov: generovanie a úprava obsahu; analytická práca; rešerš a aktuálne informácie; práca s internými dokumentmi; vykonávanie akcií cez pripojené aplikácie. Každý režim potrebuje inú „dôkazovú latku“. Pri texte môžete hodnotiť kvalitu a súlad so štýlom. Pri analýze potrebujete sledovať predpoklady a výpočty. Pri rešerši zdroje a dátum. Pri interných dokumentoch autoritu konkrétnej verzie súboru. Pri akciách navyše oprávnenia, potvrdenie používateľa a auditovateľnosť.

2. Základné nastavenie účtu: štyri oblasti, ktoré treba skontrolovať ešte pred prvou vážnou úlohou

Prvou oblasťou je personalizácia. Vlastné pokyny (Custom Instructions) sú určené na explicitné pravidlá, ktoré chcete uplatňovať naprieč chatmi. OpenAI uvádza, že sú dostupné vo všetkých plánoch; na webe a desktope sa spravujú v Settings > Personalization, na mobilných platformách cez nastavenie Customize ChatGPT. Aktualizované pokyny ovplyvňujú ďalšie odpovede, ale neprepisujú starý obsah chatu. 1 Do tejto vrstvy patrí jazyk, typický tón, preferovaný spôsob práce, formátovanie a stabilné pravidlá kvality. Nemá tu byť aktuálny cenník, konkrétna klientská stratégia ani citlivý dokument.

Druhou oblasťou je pamäť. V súčasnom rozhraní sa jej dostupné ovládacie prvky nachádzajú v Settings > Personalization > Memory; podľa účtu sa môžu zobrazovať Memory, Reference saved memories, Reference chat history, Memory summary, Manage alebo Saved memories. OpenAI výslovne upozorňuje, že pamäť nezachováva každý detail a vyberá relevantný kontext. 2 To znamená, že pamäť nemožno používať ako deterministický register firemných faktov. Je to personalizačná vrstva, ktorej obsah a relevancia sa môžu meniť.

Treťou a štvrtou oblasťou sú Data Controls a pripojené aplikácie. Na osobnom účte nastavenie „Improve the model for everyone“ určuje, či sa nové konverzácie môžu používať na zlepšovanie modelov; jeho vypnutie neodstraňuje históriu chatov. 5 Pri Business, Enterprise, Edu a ďalších uvedených business produktoch OpenAI štandardne nepoužíva obsah pracovného priestoru na tréning modelov. 6 Pri aplikáciách je potrebné preveriť, ktoré účty sú pripojené, aké read/write akcie podporujú a kedy ChatGPT žiada potvrdenie. Povolenie v ChatGPT, OAuth súhlas u poskytovateľa a pravidlá pracovného priestoru sú samostatné kontrolné vrstvy. 910

Pracovné minimum pred začiatkom Skontrolujte vlastné pokyny, pamäť, Data Controls a zoznam pripojených aplikácií. Pri firemnom účte navyše pravidlá pracovného priestoru. Bez tejto kontroly používateľ často nevie, z akého dlhodobého kontextu model čerpá, či môže použiť externé dáta a aké akcie je oprávnený vykonať.

3. Vlastné pokyny: používajte ich na stabilné pravidlá, nie ako sklad všetkého, čo o vás ChatGPT „má vedieť“

Vlastné pokyny majú najväčšiu hodnotu vtedy, keď obsahujú pravidlá s dlhou životnosťou a nízkym rizikom zastarania. Typickým obsahom je jazyk komunikácie, spôsob oslovovania, preferencia presného oddeľovania faktov od odhadov, zákaz vymýšľania chýbajúcich údajov, spôsob práce s tabuľkami alebo požadovaný štýl odborného textu. Takéto pravidlá sa opakujú naprieč úlohami, preto má zmysel udržiavať ich globálne. OpenAI zároveň uvádza limit znakov podľa plánu, takže už samotný produkt tlačí používateľa k tomu, aby túto vrstvu udržiaval stručnú. 1

Do vlastných pokynov nepatria informácie, ktoré sa často menia alebo patria iba jednému klientovi. Ak tam uložíte aktuálnu cenu služby, zoznam zamestnancov, interný positioning klienta či právny výklad, vytvárate problém aktualizácie. Zmenu musíte neskôr dohľadať a manuálne opraviť v globálnej vrstve, pričom rovnaká informácia môže existovať aj v projekte, dokumente alebo starom chate. To vytvára konflikt zdrojov. Pri profesionálnej práci je lepšie mať jeden autoritatívny zdroj a globálne pokyny obmedziť na spôsob práce.

Bezpečnostný detail, ktorý sa v bežných návodoch často nespomína: OpenAI upozorňuje, že pri používaní pluginov môže model poskytnúť ich vývojárom relevantné informácie z vlastných pokynov. 1 Vlastné pokyny preto nie sú vhodné miesto pre heslá, klientské tajomstvá, osobné identifikátory, citlivé obchodné údaje ani interné prístupové informácie. Praktické pravidlo je jednoduché: do globálnych pokynov ukladajte iba to, čo by vám neprekážalo opakovane používať naprieč pracovnými kontextmi.

4. Pamäť: výborná na kontinuitu, slabá ako zdroj pravdy

Pamäť je užitočná, keď sa opakovane vraciate k podobným témam a nechcete zakaždým vysvetľovať rovnaké preferencie. Aktuálna dokumentácia OpenAI uvádza, že relevantný kontext môže podľa plánu a regiónu pochádzať z predchádzajúcich chatov, saved memories, vlastných pokynov, súborov v Library a obsahu pripojených aplikácií. Zároveň priamo uvádza, že pamäť neuchováva každý detail a systém rozhoduje, čo je pre odpoveď relevantné. 2 To je kľúčové: pamäť je adaptívny kontext, nie transakčná databáza.

Pri práci s pamäťou treba rozlišovať medzi tým, čo je užitočné „vedieť o používateľovi“, a tým, čo musí byť vždy presne reprodukovateľné. Preferovaný jazyk, štýl, typické pracovné roly alebo dlhodobý záujem môžu byť v pamäti. Aktuálny cenník, presná verzia zmluvnej klauzuly, číslo z reportu, rozpočet kampane alebo legislatívny stav majú byť v autoritatívnom zdroji. Ak je hodnota kritická a dá sa zmeniť jedným editom v dokumente, nemá byť odkázaná na implicitné vybavenie modelu.

Dôležitá je aj správa nesprávnych alebo nechcených informácií. Memory summary je len vysokoúrovňový pohľad a nemusí zobrazovať všetko, čo môže byť použité ako kontext. Odstránenie jedného chatu nemusí odstrániť samostatne uloženú pamäť; na úplné odstránenie je podľa OpenAI potrebné odstrániť relevantnú pamäť a zdroj, z ktorého pochádza, prípadne súbory v Library alebo odpojiť aplikáciu. 2 To je dôvod, prečo by firmy nemali chápať „zmazal som chat“ ako úplnú politiku dátovej hygieny.

Pravidlo pre kritické fakty Ak musí byť údaj presný aj o tri mesiace a je možné, že sa dovtedy zmení, jeho správne miesto je v riadenom zdroji s verziou a dátumom, nie iba v pamäti ChatGPT.

5. Projekty: hlavný nástroj na oddelenie dlhodobej práce

Projekt spája chaty, súbory a projektové pokyny do jedného pracovného kontextu. OpenAI uvádza, že projektové pokyny platia iba v danom projekte a majú prednosť pred globálnymi vlastnými pokynmi. 3 To z projektov robí vhodnú hranicu medzi klientmi, produktmi, výskumnými témami alebo internými oddeleniami. Ak máte päť klientov s rozdielnou terminológiou, tone of voice a zdrojmi, päť samostatných projektov je bezpečnejšia architektúra než jeden všeobecný chat s postupne rastúcim množstvom výnimiek.

V roku 2026 projekty podporujú predvolenú pamäť aj pamäť obmedzenú na projekt. Pri projektovej pamäti môžu chaty čerpať z iných konverzácií v tom istom projekte, ale nie z konverzácií mimo projektu; chaty mimo projektu zároveň nemajú používať jeho kontext. Zdieľané projekty sa automaticky nastavujú na pamäť obmedzenú na projekt a nemajú prístup k osobnej pamäti členov mimo projektu. 3 Táto izolácia je prakticky dôležitejšia než estetické usporiadanie priečinkov: znižuje pravdepodobnosť, že sa relevantný kontext jedného klienta nežiaduco primieša do iného.

Projekt však nie je automaticky „bezpečný trezor“. Členovia zdieľaného projektu môžu vidieť projektové chaty a súbory a podľa oprávnení ich sťahovať alebo upravovať. 3 Pred zdieľaním preto treba skontrolovať, čo sa už v projekte nachádza. Projekt by mal mať vlastný krátky dokument „stav projektu“, kde sú schválené rozhodnutia, aktuálne verzie a platné predpoklady. Staré návrhy môžu zostať v histórii, ale nemali by súťažiť s finálnymi informáciami o rovnakú autoritu.

6. Zdroj pravdy: najdôležitejšia vec, ktorú väčšina používateľov vôbec nenastaví

Pri serióznej práci musí byť jasné, ktorá informácia má pri konflikte prednosť. Model môže mať k dispozícii pamäť, staré chaty, projektové súbory, výsledok webového vyhľadávania a aktuálne zadanie používateľa. Ak dva zdroje hovoria niečo iné a používateľ neurčí autoritu, model bude konflikt riešiť jazykovo a kontextovo, nie podľa vašej firemnej dátovej politiky. Preto je vhodné explicitne definovať „source of truth“ pre jednotlivé typy informácií.

Autoritatívny dokument má byť malý, aktuálny a verziovaný. Pre produkt môže obsahovať názov, definíciu, ceny, balíky, kľúčové tvrdenia, zakázané tvrdenia, platnosť a dátum poslednej aktualizácie. Pre marketingovú stratégiu môže obsahovať schválený positioning, ICP, ciele, KPI a terminológiu. Dlhé archívy, staré prezentácie a pracovné poznámky môžu zostať ako referenčné zdroje, ale nemali by mať rovnakú autoritu ako dokument označený ako aktuálny. V prompte potom stačí jasná veta: „Pri konflikte medzi zdrojmi má prednosť dokument X, verzia Y, dátum Z.“

Veľmi užitočné je rozdeliť zdroje podľa funkcie. Jeden dokument môže byť faktický zdroj, druhý môže byť iba vzor štýlu a tretí historický kontext. Ak toto rozdelenie neurobíte, model môže zo starého vzoru obchodnej ponuky preniesť aj neplatnú cenu alebo starý termín. Rovnaký problém vzniká pri článkoch: dokument, ktorý používate ako ukážku tónu, môže obsahovať zastarané fakty. Označenie „použi iba štýl, nie fakty“ je jednoduchá, ale veľmi účinná ochrana.

6.1 Praktická hierarchia zdrojov

Pre interné fakty má byť na prvom mieste schválený interný dokument alebo živý systém, ktorý tieto fakty vlastní. Pre legislatívu primárny právny zdroj. Pre produktové funkcie oficiálna dokumentácia výrobcu. Pre verejné štatistiky pôvodný dataset alebo autoritatívna inštitúcia. Webové články, médiá a sekundárne blogy majú nižšiu dôkazovú hodnotu, hoci môžu byť výborné na kontext alebo objavenie primárneho zdroja. Toto nie je vlastnosť ChatGPT, ale základ informačnej hygieny, ktorú treba preniesť do práce s generatívnou AI.

Keď pracujete s viacerými dokumentmi, je vhodné požiadať model, aby pri kritických tvrdeniach uvádzal konkrétny zdroj a ideálne aj pasáž, stránku alebo identifikovateľný úsek. Citácia sama o sebe nie je dôkaz správnej interpretácie. Model môže nájsť správny dokument a nesprávne z neho usúdiť. Kontrola preto musí mať dve úrovne: existuje zdroj a podporuje zdroj presne dané tvrdenie?

E-E-A-T vrstva vzniká práve tu. Odborný obsah nemá pôsobiť dôveryhodne iba terminológiou. Mal by byť postavený na primárnych zdrojoch, transparentnej metodike, konkrétnych skúsenostiach autora a na jasnom odlíšení medzi zdrojovým faktom, interpretáciou a vlastným odborným názorom. ChatGPT môže tieto vrstvy pomôcť štruktúrovať, ale nemá si vymýšľať skúsenosť, klientsky prípad ani expertízu, ktorú autor nemá.

7. Kontextový dlh: prečo môže veľmi dlhý chat znižovať kvalitu práce

Dlhá konverzácia vytvára kontinuitu, ale zároveň akumuluje staré hypotézy, odmietnuté verzie, neaktuálne čísla a protichodné inštrukcie. Čím viac iterácií prebehne, tým väčšia je pravdepodobnosť, že v kontexte zostane veta, ktorá kedysi platila, ale už bola nahradená. Tento problém možno označiť ako kontextový dlh: množstvo historického kontextu rastie rýchlejšie než jeho užitočnosť.

Praktický signál na nový chat je zmena pracovného stavu, nie počet správ. Ak ste po dvadsiatich iteráciách schválili finálny positioning, ďalší výstup nemusí byť vyrábaný v chate, kde zostáva devätnásť zamietnutých verzií. Vytvorte nový chat v tom istom projekte a vložte alebo označte finálny stav ako aktuálny. Projekt zachová relevantnú kontinuitu, no konkrétny chat bude mať čistejší lokálny kontext.

Podobný reset pomáha aj pri opakujúcej sa chybe. Keď model päťkrát generuje rovnaký zlý vzor, ďalšia oprava prebieha v kontexte obsahujúcom päť chybných príkladov. Namiesto ďalšieho „stále zle“ je často efektívnejšie založiť nový chat, vložiť jeden správny vzor, jasné kritériá a vstupné dáta. Ide o kontextové riadenie, nie o magický prompt.

Kedy nový chat? Pri zásadnej zmene zadania, schválení finálnej verzie, zmene zdroja pravdy, opakovanom zlyhaní rovnakého typu alebo pri prechode z kreatívnej fázy do auditu. Nový chat neznamená stratu projektu; znamená odstránenie lokálneho šumu.

8. Prompt pri profesionálnej práci: navrhujte úlohu, nie formulku

Kvalitný prompt je pracovný brief. Má obsahovať cieľ, vstupy, obmedzenia, požadovaný výstup, kritériá kvality a pravidlo pre chýbajúce informácie. Dĺžka nie je cieľ. Niekedy stačí päť presných viet, inokedy je potrebný detailný protokol. Dôležité je, aby model nemusel hádať, čo používateľ považuje za úspech, ktoré údaje sú záväzné a kde má radšej priznať neistotu.

Veľmi užitočná je dôkazová klauzula. Napríklad: „Faktické tvrdenia čerpaj iba z priložených zdrojov a aktuálneho webového vyhľadávania. Ak tvrdenie nemožno podložiť, označ ho ako neoverené. Vlastnú inferenciu označ samostatne.“ Takéto pravidlo nezaručí bezchybný výstup, ale znižuje tlak na model, aby vyplnil každú medzeru. Zároveň umožňuje používateľovi rýchlejšie rozlíšiť, čo treba overiť.

Rola typu „správaj sa ako expert“ je sekundárna. Môže pomôcť tónu a perspektíve, ale nepridáva nové fakty ani odbornú licenciu. Oveľa väčšiu hodnotu má konkrétna metodika, zdroje, zakázané inferencie a kontrolné kritériá. Pri expertnom výstupe je dobré zadať aj rozsah zodpovednosti: čo má model urobiť sám, čo má iba navrhnúť a čo musí zostať na človeku.

8.1 Pracovný kontrakt promptu

9. Acceptance criteria: definujte, čo znamená „hotovo“ ešte pred generovaním

Veľa neúspešných iterácií vzniká preto, že používateľ vie, čo chce, ale kritériá drží iba v hlave. „Urob to kvalitnejšie“ je pre model neurčitá požiadavka. Ak však pred generovaním určíte, že článok musí mať minimálne tri plnohodnotné odseky v každej podkapitole, primárne zdroje, jasne označené interpretácie, konkrétny rozsah a zakázané stylistické vzory, vzniká merateľný kontrakt. Rovnaký princíp funguje pri prezentácii, analýze, kóde aj finančnom modeli.

Acceptance criteria majú obsahovať obsahovú aj technickú vrstvu. Obsahová kontroluje, či sú pokryté požadované témy, dôkazy a argumenty. Technická kontroluje formát, rozsah, tabuľky, názvy súborov, kompatibilitu a podobne. Pri opakovaných úlohách sa tieto kritériá oplatí uložiť do projektu alebo do samostatnej šablóny. Tým sa z osobného pocitu „toto už je dobré“ stáva opakovateľný proces.

Pre odborný obsah je vhodné pridať aj negatívne kritériá: nesmie obsahovať vymyslené citácie, nezdrojované presné čísla, falošné skúsenosti autora, prehnané univerzálne tvrdenia, neoznačené časovo citlivé informácie ani formulácie, ktoré vytvárajú istotu tam, kde zdroje umožňujú iba pravdepodobný záver. Takéto negatívne kritériá často zlepšia výstup viac než pridanie ďalšej pozitívnej inštrukcie.

10. Webové vyhľadávanie: aktuálnosť sa zlepší, pravdivosť sa automaticky nevyrieši

ChatGPT môže pri vhodných úlohách vyhľadávať na webe a zobrazovať citácie. To výrazne zvyšuje použiteľnosť pri aktuálnych témach, ale OpenAI priamo upozorňuje, že výsledky vyhľadávania a citácie môžu byť neúplné, zastarané alebo nesprávne. Odporúča otvoriť citovaný zdroj, overiť, či podporuje tvrdenie, skontrolovať dátum a pri dôležitých otázkach použiť dôveryhodný zdroj. 8 Citácia preto nie je „pečiatka pravdy“, ale navigácia k dôkazu.

Pri rešerši je vhodné oddeliť discovery od evidence. Vyhľadávač môže nájsť sekundárny článok, ktorý upozorní na zaujímavé tvrdenie. Pre finálny odborný výstup však treba dohľadať pôvodnú štúdiu, zákon, dataset, metodiku alebo oficiálne vyhlásenie. Tým sa znižuje riziko citovania reťazca článkov, ktoré si navzájom preberajú rovnakú chybu. E-E-A-T sa posilňuje tým, že tvrdenie je prepojené na zdroj primeranej autority, nie iba na prvý výsledok vo vyhľadávaní.

Pri časovo citlivých údajoch má byť dátum súčasťou tvrdenia. „Firma má 5 000 zamestnancov“ bez dátumu je slabšie tvrdenie než „podľa výročnej správy za rok 2025 mala firma ku koncu obdobia X zamestnancov“. Rovnaké pravidlo platí pre ceny, legislatívu, modelové funkcie, personálne obsadenie a technické limity. ChatGPT môže aktuálny zdroj nájsť, ale používateľ musí rozhodnúť, či je jeho časový a geografický kontext správny.

Dvojitá kontrola citácie 1. Existuje zdroj a je dôveryhodný? 2. Podporuje presne dané tvrdenie v danom kontexte? Ak zlyhá druhá otázka, správna URL nepomáha.

11. Súbory a Library: pohodlné znovupoužitie vytvára novú vrstvu dátovej hygieny

Keď je Library dostupná, súbory nahrané do ChatGPT alebo vytvorené v ChatGPT možno uložiť oddelene od konkrétnej konverzácie a neskôr opakovane používať. OpenAI uvádza, že vymazanie chatu automaticky nevymaže súbor, ktorý zostal uložený v Library. 714 To je prakticky dôležité pri práci s dôvernými materiálmi: odstrániť konverzáciu a považovať tým dokument za odstránený nemusí byť správny postup.

Druhé riziko je verzovanie. Ak v Library alebo projekte zostanú tri dokumenty s podobným názvom a rozdielnym obsahom, model nemusí automaticky vedieť, ktorý je záväzný. Preto má zmysel používať názvy s verziou alebo dátumom, napríklad Cennik_AI_skolenia_2026-10-08_v3.docx, a v projektových pokynoch uviesť, že najnovšia schválená verzia je autoritatívna. Pri zmene údajov je lepšie starú verziu odstrániť z aktívneho kontextu alebo ju jednoznačne označiť ako archívnu.

Tretie riziko je nejasná úloha dokumentu. Súbor môže byť dátový zdroj, šablóna, ukážka štýlu, historický archív alebo dokument na kritiku. Pred prácou treba túto rolu explicitne označiť. V praxi veľmi dobre funguje krátky register zdrojov s tromi stĺpcami: názov, účel a autorita. ChatGPT potom nemusí inferovať, či má z dokumentu preberať fakty, formu alebo iba terminológiu.

12. Pluginy a pripojené aplikácie: produktivita rastie spolu s rozsahom oprávnení

V súčasnom ChatGPT plugin môže obsahovať workflow inštrukcie, pripojené aplikácie a ďalšie schopnosti. Aplikácia prepája ChatGPT s externou službou, napríklad úložiskom, e-mailom alebo komunikačným systémom. OpenAI uvádza, že inštalácia pluginu neobchádza autorizáciu poskytovateľa ani pravidlá pracovného priestoru. 910 Používateľ musí vedieť, či ide o čítanie, vyhľadávanie alebo zápis a pod akým účtom sa akcia vykoná.

Pri oprávneniach sa môže objaviť režim Always ask, Allow read actions, Allow low-risk actions alebo pri oprávnených aplikáciách Allow all actions. Dostupnosť závisí od aplikácie a účtu. 9 Prakticky je najbezpečnejšie začínať najnižším rozsahom oprávnení, ktorý postačuje na úlohu. Ak ChatGPT potrebuje iba nájsť súbor, nepotrebuje oprávnenie upravovať alebo odstraňovať obsah. Ak má pripraviť e-mail, nemusí ho automaticky odosielať bez potvrdenia.

Treba kontrolovať aj správny pripojený účet. OpenAI upozorňuje, že osobný účet neposkytne prístup k firemným súborom, ktoré sú dostupné iba cez pracovný účet, a že provider authorization, workspace restrictions a ChatGPT permissions sú samostatné kontroly. 9 Pri viacerých Google alebo Microsoft účtoch je preto dobré explicitne určiť, s ktorým účtom má workflow pracovať. Chyba účtu môže znamenať nielen neúspešné vyhľadanie, ale aj odoslanie alebo zdieľanie obsahu na nesprávnom mieste.

13. Prompt injection: externý text môže byť pre agenta bezpečnostný vstup, nie iba obsah

Prompt injection vzniká vtedy, keď tretia strana vloží do webovej stránky, e-mailu, dokumentu alebo iného obsahu inštrukcie, ktoré sa pokúšajú ovplyvniť správanie modelu. OpenAI tento problém opisuje ako formu sociálneho inžinierstva špecifickú pre konverzačnú AI. 11 Riziko sa zásadne zvyšuje, keď model nielen číta obsah, ale má aj oprávnenie vykonávať akcie alebo pristupovať k ďalším dátam.

Najdôležitejšou obranou nie je hľadať jednu vetu, ktorá model „ochráni“. OpenAI aj OWASP odporúčajú obmedziť prístup na minimum, používať potvrdenie človeka pri citlivých akciách, jasne oddeľovať externý nedôveryhodný obsah od používateľských inštrukcií a testovať workflow na škodlivých vstupoch. 1112 To znamená, že e-mail načítaný agentom je dátový zdroj, nie autorita na zmenu jeho oprávnení alebo cieľa úlohy.

Pri praktickom návrhu workflow treba minimalizovať šírku zadania. „Prejdi moje e-maily a urob, čo je potrebné“ dáva systému veľký priestor interpretovať cudzie inštrukcie. Bezpečnejšie je „nájdi správy od dodávateľa X za posledných 7 dní, zhrň ich, nič neposielaj a nič nemaž“. Až v druhom kroku môže používateľ schváliť konkrétnu akciu. OpenAI rovnakým smerom odporúča explicitné zadania a kontrolu pred potvrdením agentických akcií. 11

14. Privacy a retenčné pravidlá: „zmazal som chat“ nemusí znamenať „zmazal som všetky súvisiace dáta“

Na osobných účtoch sa nastavenie používania obsahu na zlepšovanie modelov spravuje v Data Controls cez „Improve the model for everyone“. Po vypnutí môžu konverzácie zostať v histórii, ale nové konverzácie sa nepoužívajú na tréning podľa tohto nastavenia. 5 Pri ChatGPT Business, Enterprise, Edu a ďalších business produktoch uvedených OpenAI sa pracovný obsah štandardne na tréning nepoužíva. 6 To však nerieši všetky otázky ochrany údajov: organizácia musí posúdiť typ dát, účel spracovania, pripojené aplikácie, prístupové práva a vlastnú regulačnú povinnosť.

Dočasný chat je užitočný pre rozhovor, ktorý nechcete ponechať v histórii. V roku 2026 si používateľ pri jeho spustení môže vybrať personalizovaný alebo nepersonalizovaný režim; dočasný chat nevytvára ani neaktualizuje pamäť, kým zostáva dočasný, a OpenAI ho nepoužíva na zlepšovanie modelov. Kópia môže byť z bezpečnostných dôvodov uchovávaná najviac 30 dní. 4 Ak sa dočasný chat uloží ako bežný, začne sa riadiť bežnými nastaveniami účtu.

Dočasný chat však nie je univerzálny „súkromný režim“ pre všetky dáta. Ak sa používa GPT alebo akcia, ktorá odosiela údaje tretej strane, ich ďalšie spracovanie a retencia sa riadia podmienkami príjemcu a môžu presiahnuť 30 dní. 4 Rovnako platí, že súbory v Library sa spravujú oddelene od chatu a pri pripojených aplikáciách odpojenie zabráni budúcemu prístupu, no neodstráni historické konverzácie, ktoré už obsah z aplikácie použili. 27

14.1 Dátová hygiena pre firmu

Firemná politika by mala definovať, ktoré kategórie údajov možno do ChatGPT vkladať, ktoré iba po anonymizácii a ktoré vôbec. Praktické kategórie sú verejné, interné, dôverné, osobné údaje a osobitne chránené alebo regulované údaje. Samotný názov plánu nevyrieši otázku právneho základu, minimizácie údajov ani zmluvných povinností voči klientovi. Produktové záruky OpenAI treba zasadiť do vlastnej informačnej bezpečnosti a compliance.

Druhou vrstvou je retenčná politika. Bežné aj archivované chaty zostávajú uložené, kým ich používateľ neodstráni alebo ich neodstráni politika pracovného priestoru; odstránený chat je naplánovaný na trvalé odstránenie zo systémov do 30 dní s uvedenými výnimkami. 7 Organizácia by mala mať jasný proces, kedy sa staré chaty, projektové súbory a Library súbory archivujú alebo odstraňujú, aby sa z ChatGPT nestal nekontrolovaný paralelný dokumentový archív.

Treťou vrstvou sú pripojené systémy. Čím viac zdrojov ChatGPT dokáže čítať, tým väčšia je hodnota nástroja aj rozsah potenciálneho dopadu nesprávnej akcie alebo prompt injection. Princíp najmenších oprávnení je preto relevantný nielen pre vývoj agentov, ale aj pre bežné firemné nastavenie aplikácií. 1112

15. Personalizácia môže zlepšiť odpoveď a zároveň skryto meniť výskum

Pamäť a personalizácia zvyšujú kontinuitu, no pri výskume treba vedieť, že môžu ovplyvniť aj výber kontextu. OpenAI uvádza, že pamäť môže personalizovať webové vyhľadávanie tým, že relevantné údaje použije pri formulovaní dotazu. 2 To je užitočné pri lokálnych alebo preferenčných otázkach, ale pri nezávislom audite môže používateľ nechcene dostať výsledky viac prispôsobené svojim minulým preferenciám.

Pre kritické porovnanie preto môže byť užitočný kontrolný experiment: rovnakú otázku položiť v bežnom personalizovanom prostredí a následne v nepersonalizovanom dočasnom chate. Nejde o vedecké odstránenie biasu, ale o jednoduchý test, či dlhodobý používateľský kontext významne mení rámec odpovede. Dočasný chat umožňuje zvoliť personalizovaný alebo nepersonalizovaný režim ešte pred začiatkom konverzácie. 4

Rovnaký princíp platí pri odbornom rozhodovaní. Ak model pozná vaše predchádzajúce preferencie, môže lepšie prispôsobiť odporúčanie, ale môže aj menej agresívne spochybniť východiská, ktoré sa v histórii opakovali. Pri strategických rozhodnutiach je preto vhodné explicitne vyžiadať protiargument, alternatívnu hypotézu a zoznam údajov, ktoré by pôvodný záver vyvrátili. Tým sa personalizácia používa ako kontextová výhoda, nie ako náhrada kritiky.

16. Samokontrola modelu nie je nezávislý audit

Pokyn „skontroluj svoju odpoveď“ je užitočný na zachytenie povrchových chýb, ale model stále pracuje s rovnakým kontextom a často aj s rovnakým chybným predpokladom. Ak je problém v tom, že pôvodne nesprávne interpretoval zdroj, môže svoju interpretáciu opäť potvrdiť. Preto treba rozlišovať revíziu a nezávislú kontrolu. Revízia má prístup k pôvodnému postupu; nezávislý audit má dostať zdroje, výstup a kontrolné kritériá, nie argumentačný reťazec pôvodného riešiteľa.

Pri dôležitom výstupe je možné rozdeliť kontrolu na samostatné režimy: faktická kontrola tvrdení, kontrola citácií, kontrola logiky, numerická kontrola, kontrola súladu so zadaním a doménová kontrola odborníkom. NIST pri generatívnej AI odporúča procesy testovania, evaluácie, verifikácie a validácie a v primeraných prípadoch ľudskú moderáciu a dohľad. 13 Dôležité je, aby každý kontrolný priechod mal jasnú otázku; všeobecná výzva „nájdi chyby“ je slabší audit než definovaný kontrolný protokol.

Niektoré kontroly treba presunúť mimo jazykového modelu. Výpočet prepočítať kalkulačkou alebo kódom. Právny text overiť v primárnom právnom zdroji. Produktový limit v aktuálnej dokumentácii. Dátum a cenu na oficiálnom webe. ChatGPT je výborný na rozklad problému, syntézu a návrh kontroly, ale pri deterministicky overiteľnom údaji má prednosť nástroj alebo zdroj, ktorý je na túto úlohu určený.

17. Ako pracovať s ChatGPT pri tvorbe odborného obsahu a E-E-A-T

Pri odbornom článku by mal ChatGPT pomáhať so štruktúrou, rešeršou, identifikáciou chýbajúcich tvrdení, porovnaním zdrojov, jazykovou redakciou a kontrolou konzistencie. Skúsenosť autora však musí zostať autorova. Model nemá vymýšľať „z praxe vieme“, klientsky prípad, výsledok kampane, profesionálnu skúsenosť ani záver z experimentu, ktorý sa nestal. Ak má byť text postavený na Experience v E-E-A-T, treba modelu dodať skutočné pozorovania, rozhodnutia, metódy, dátumy a výsledky.

Expertise sa prejaví presnosťou terminológie, správnou hranicou tvrdenia a schopnosťou rozlišovať, čo zdroj naozaj dokazuje. Authoritativeness vzniká aj kvalitou odkazovaných primárnych zdrojov a transparentným zasadením informácie do kontextu. Trust sa zvyšuje, keď text uvádza dátum aktualizácie, priznává neistotu, opravuje konfliktné dáta a nepredstiera absolútnu istotu. ChatGPT môže všetky tieto prvky kontrolovať, ale nemá ich nahrádzať stylistickou imitáciou odbornosti.

Praktický workflow je dvojfázový. Najprv zdrojová fáza: zoznam tvrdení, primárne zdroje, protidôkazy, aktuálnosť a chýbajúce informácie. Potom autorská fáza: vlastná interpretácia, skúsenosť, príklady, argumentácia a redakcia. Ak sa obe fázy zmiešajú od začiatku, model ľahšie prekryje zdrojové medzery plynulým textom. Pri E-E-A-T je preto lepšie najprv vybudovať dôkazovú kostru a až potom vytvoriť výsledný článok.

E-E-A-T kontrola Každé silné odborné tvrdenie by malo mať aspoň jednu z opôr: primárny zdroj, transparentnú metodiku, reprodukovateľný výpočet alebo reálnu skúsenosť autora. Jazyková sebaistota sa za dôkaz nepočíta.

18. Päť pracovných workflow, ktoré fungujú lepšie než univerzálny „master prompt“

18.1 Odborný článok

Projekt obsahuje zdroj pravdy, terminologický slovník, niekoľko schválených textov ako štýlový vzor a projektové pokyny. Konkrétny chat začína briefom článku: publikum, zámer, rozsah, entity, zdrojová hierarchia a zakázané tvrdenia. Prvá fáza nevytvára text, ale mapu tvrdení a zdrojov. Až po schválení tejto mapy sa generuje obsah.

Druhý chat alebo samostatný auditný priechod kontroluje zdroje a tvrdenia. Každá citácia sa posudzuje podľa toho, či existuje, či je aktuálna a či podporuje presne uvedený záver. Numerické údaje sa prepočítajú. Štylistická redakcia prichádza až po faktickom audite, aby sa vylepšením jazyka nezakryla neistota zdroja.

Finálna fáza dopĺňa author experience: konkrétne príklady z praxe, vlastnú metodiku, obmedzenia a názor autora. Ak tieto prvky nie sú v podkladoch, ChatGPT ich nesmie simulovať. Výsledok potom nie je iba dobre znejúci text, ale dokumentovateľný odborný výstup.

18.2 Analytický report

Vstupom sú dáta, definícia metrík, časové obdobie a metodika. ChatGPT najprv vypíše, čo je faktický údaj a čo bude vypočítaná alebo inferovaná hodnota. Potom vytvorí analýzu. Výpočty s vysokým dopadom sa reprodukujú v tabuľke alebo kóde. Pri každom odporúčaní sa uvedie, z ktorých dát vychádza a aký predpoklad musí platiť.

Dôležitou súčasťou je negatívny test: ktoré údaje alebo alternatívne vysvetlenie by zmenili záver? Tým sa znižuje riziko, že model vytvorí plynulý príbeh okolo prvého vzoru, ktorý v dátach našiel. Pri strategických analýzach je vhodné porovnať aspoň dve alternatívne interpretácie a až potom odporúčanie.

Finálny report musí oddeliť deskriptívnu časť, interpretáciu a odporúčanie. Toto rozdelenie pomáha čitateľovi zistiť, kde končia dáta a začína úsudok. Je to dôležité najmä v marketingu, financiách a manažmente, kde rovnaké čísla môžu podporovať viac strategických rozhodnutí.

18.3 Práca s klientskymi dokumentmi

Každý klient má samostatný projekt. Projektové pokyny obsahujú terminológiu a pravidlá práce, nie prepis celého briefu. Autoritatívne dokumenty sú označené verziou a dátumom. Historické materiály sú označené ako archív a štýlové ukážky explicitne ako „forma, nie fakty“. Projektová pamäť obmedzuje prenášanie kontextu medzi klientmi.

Pred generovaním výstupu je vhodné nechať ChatGPT vypísať, ktoré zdroje použije a ktorý má najvyššiu autoritu. Ak chýba súbor, ktorý je potrebný na rozhodnutie, výstup sa nemá dopĺňať odhadom. Pri zmluvách, cenách a termínoch sa požaduje presný odkaz na dokument a dátum.

Po schválení finálneho výstupu sa aktualizuje dokument „stav projektu“. Tým sa zabráni tomu, aby pri ďalšej úlohe súťažili desiatky starých konverzačných rozhodnutí. Chaty zostávajú pracovnou históriou, ale aktuálny stav má jednu explicitnú autoritu.

18.4 Rešerš aktuálnej témy

Začiatok nie je otázka „čo vieš o téme X“, ale definícia časového okna, geografického rozsahu, typu zdrojov a požadovanej presnosti. ChatGPT môže vyhľadávať, no pri dôležitých tvrdeniach sa vyžaduje primárny zdroj alebo jasne označený sekundárny zdroj. Každé aktuálne tvrdenie má dátum.

Po prvom kole sa vytvorí zoznam nezrovnalostí: tvrdenia, ktoré zdroje uvádzajú odlišne, informácie bez primárneho podkladu a údaje závislé od metodiky. Až potom sa píše syntéza. Tento postup je pomalší než okamžitá odpoveď, ale výrazne znižuje riziko, že jeden chybný výsledok vyhľadávania prejde do finálneho textu.

Pri kontroverznej alebo odbornej téme sa zámerne hľadajú aj protidôkazy. Cieľom nie je umelo vytvárať „obe strany“, ale testovať robustnosť tvrdenia. Ak kvalitný primárny zdroj vyvracia pôvodnú hypotézu, musí mať prednosť pred štýlovo presvedčivým sekundárnym komentárom.

18.5 Akčný workflow s e-mailom, cloudom alebo inou aplikáciou

Prvá fáza je read-only. ChatGPT vyhľadá, sumarizuje alebo pripraví návrh. Druhá fáza je rozhodovacia: používateľ skontroluje cieľ, príjemcu, obsah a rozsah akcie. Tretia fáza je zápis alebo odoslanie. Oddelenie týchto fáz znižuje dôsledok nesprávnej interpretácie aj prompt injection.

Oprávnenia sa nastavujú na minimum. Ak workflow nepotrebuje mazanie, nemá mať mazanie. Ak nepotrebuje celý disk, nemá mať celý disk. Pri pracovných a osobných účtoch sa explicitne kontroluje identita pripojeného účtu. Pri citlivej akcii sa používa potvrdenie človeka, aj keď aplikácia technicky umožňuje širšiu automatizáciu.

Po vykonaní akcie sa kontroluje výsledok, nie iba potvrdenie modelu. Odoslaný e-mail, zmenený kalendár alebo upravený dokument treba pri kritických procesoch overiť v zdrojovom systéme. Generatívna AI je orchestrace a rozhranie; systém záznamu zostáva externá služba.

19. Menej zjavné chyby, ktoré sa objavujú pri dlhodobom používaní

Prvá skupina chýb vzniká z presýtenia kontextu. Používateľ pridáva do globálnych pokynov stále nové výnimky, projekt obsahuje staré aj nové dokumenty, chat má desiatky zamietnutých verzií a pamäť nesie staré preferencie. Výsledkom nie je „viac informácií“, ale rastúci počet konfliktov. Riešením je redukcia: kratšie globálne pokyny, jeden autoritatívny dokument, čistý nový chat po míľniku a pravidelné odstránenie zastaraných zdrojov.

Druhá skupina chýb vzniká z prehnanej dôvery v viditeľné signály kvality. Dlhá odpoveď, odborná terminológia, tabuľka alebo citácia pôsobia presvedčivo, ale samy o sebe nezvyšujú pravdivosť. OpenAI pri webovom vyhľadávaní priamo upozorňuje, že citácie môžu byť chybné; NIST označuje confabulation za samostatné riziko generatívnej AI. 813 Kvalita sa preto meria dôkazom, nie formou.

Tretia skupina chýb vzniká z automatizácie bez jasnej hranice zodpovednosti. Keď systém dokáže čítať, rozhodovať aj konať v jednom kroku, jeden chybný vstup môže mať väčší dopad. Preto je pri vysokorizikových procesoch užitočné oddeliť návrh od schválenia a schválenie od vykonania. Tento princíp je konzistentný s odporúčaniami OpenAI, OWASP aj NIST pre minimalizáciu oprávnení, ľudský dohľad a kontrolu akcií. 111213

20. Odporúčané nastavenie ChatGPT na prácu za približne 30 minút

Prvých päť minút venujte globálnym pokynom. Zmažte všetko, čo patrí iba jednému klientovi alebo sa môže rýchlo zmeniť. Nechajte jazyk, formátovanie, pravidlá presnosti, spôsob označovania neistoty a maximálne niekoľko stabilných pracovných preferencií. Následne otvorte nastavenia pamäte a skontrolujte, aké zdroje môže personalizácia používať a či Memory summary neobsahuje neaktuálne informácie. 12

Ďalších desať minút venujte projektom. Vytvorte samostatný projekt pre každú dlhodobú pracovnú doménu, nastavte projektové pokyny a pri potrebe izolácie zapnite projektovú pamäť. Nahrajte iba aktuálne autoritatívne dokumenty a dva alebo tri kvalitné vzory. Pri každom súbore si určte rolu: faktický zdroj, metodika, štýlový vzor alebo archív. 3

Posledných pätnásť minút venujte bezpečnosti a kontrole. Skontrolujte Data Controls, pluginy a pripojené aplikácie, odstráňte nepotrebné pripojenia a pri aplikáciách nastavte najnižšiu úroveň oprávnenia, ktorá postačuje na prácu. Vytvorte jednu krátku šablónu zadania s cieľom, vstupmi, obmedzeniami, pravidlom neistoty, požadovaným formátom a acceptance criteria. Od tej chvíle už nepotrebujete zakaždým vymýšľať nový „superprompt“; meníte hlavne vstup a cieľ konkrétnej úlohy. 5911

Globálne pokyny: iba stabilné preferencie a pravidlá kvality.

Pamäť: skontrolovať relevantnosť, nie používať ako databázu.

Projekt: jedna dlhodobá pracovná doména alebo klient.

Zdroj pravdy: jeden aktuálny, verziovaný a označený dokument pre kritické fakty.

Prompt: cieľ + vstupy + obmedzenia + neistota + acceptance criteria.

Web: citáciu vždy posudzovať aj obsahovo, nie iba podľa existencie odkazu.

Aplikácie: najmenšie potrebné oprávnenia a potvrdenie pri citlivých akciách.

Audit: dôležité tvrdenia, výpočty a rozhodnutia overiť nezávislým mechanizmom.

21. Záver: profesionálna práca s ChatGPT je riadenie kontextu a dôkazov

Najväčší rozdiel medzi príležitostným a profesionálnym používaním ChatGPT nie je v dĺžke promptu. Je v schopnosti používateľa rozhodnúť, ktorá informácia je stabilná preferencia, ktorá patrí do pamäte, ktorá do projektu, ktorá je autoritatívny zdroj a ktorá je iba pracovná hypotéza. Keď sa tieto vrstvy zmiešajú, model dostáva viac textu, ale menej jednoznačnosti.

Druhá časť profesionality je kontrola rizika. Aktuálny web, pripojený Gmail alebo firemný disk výrazne zvyšujú schopnosti systému, no zároveň rozširujú plochu chýb. Preto treba používať najmenšie potrebné oprávnenia, explicitné zadania, potvrdenie citlivých akcií, projektové hranice a nezávislé overovanie. Tieto princípy zodpovedajú aktuálnym odporúčaniam OpenAI, OWASP a NIST. 111213

Tretia časť je dôkazová disciplína. Pri odbornom obsahu, analytike a rozhodovaní má byť možné spätne odpovedať na otázky: z akého zdroja tvrdenie pochádza, z akého dátumu je, či ide o fakt alebo interpretáciu, aký predpoklad bol použitý a kto nesie zodpovednosť za finálne rozhodnutie. V takomto režime ChatGPT prestáva byť iba generátorom odpovedí a stáva sa pracovnou vrstvou nad dobre navrhnutým informačným procesom.

Nosná veta Dobré nastavenie ChatGPT znamená, že model dostáva správne informácie v správnom kontexte, kritické tvrdenia majú dohľadateľný pôvod a systém nemá širší prístup ani väčšiu rozhodovaciu právomoc, než konkrétna úloha vyžaduje.

22. Odborné zdroje a dokumentácia

1 OpenAI Help Center. ChatGPT Custom Instructions. Aktualizované 2026. Otvoriť zdroj

2 OpenAI Help Center. Memory in ChatGPT. Aktualizované 2026. Otvoriť zdroj

3 OpenAI Help Center. Projects in ChatGPT. Aktualizované 2026. Otvoriť zdroj

4 OpenAI Help Center. Temporary chat in ChatGPT. Aktualizované 2026. Otvoriť zdroj

5 OpenAI Help Center. Data Controls FAQ. Otvoriť zdroj

6 OpenAI. Business data privacy, security, and compliance. Otvoriť zdroj

7 OpenAI Help Center. Chat and file retention in ChatGPT. Otvoriť zdroj

8 OpenAI Help Center. Searching the web with ChatGPT. Otvoriť zdroj

9 OpenAI Help Center. Connected apps in ChatGPT. Aktualizované 2026. Otvoriť zdroj

10 OpenAI Help Center. Plugins in ChatGPT and Codex. Aktualizované 2026. Otvoriť zdroj

11 OpenAI. Understanding prompt injections. Otvoriť zdroj

12 OWASP GenAI Security Project. LLM01:2025 Prompt Injection. Otvoriť zdroj

13 NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1. Otvoriť zdroj

14 OpenAI Help Center. Using Library to manage files in ChatGPT. Otvoriť zdroj

Poznámka k aktuálnosti: názvy funkcií, limity, dostupnosť a umiestnenie nastavení sa môžu meniť podľa plánu, regiónu, platformy a pracovného priestoru. Produktové tvrdenia v tomto dokumente boli kontrolované voči oficiálnej dokumentácii OpenAI k 8. 10. 2026. Bezpečnostné odporúčania boli porovnané s OpenAI, OWASP GenAI Security Project a NIST AI RMF Generative AI Profile.

Súvisiace články

• Ako skrotiť kontext v AI a regulovať výstupy
• Kde končia vaše dáta: bezpečnosť, súkromie a firemné tajomstvá pri AI