Techničtí nadšenci jsou nepoučitelní. Chatboti 2015–2018 jako návod, který nikdo nečetl

Dotaz vyřízený trenérem v americkém callcentru stál kolem roku 2016 padesát centů až dolar. Rezervace restaurace ušetří uživateli řekněme tři minuty. Pokud ta služba stojí uživatele nic, vezme ji. Pokud za ni má zaplatit dolar za každé použití, odběratele ztrácí. A mezi tím, kolik služba stojí platformu, a tím, kolik by za ni uživatel zaplatil, nebyl žádný prostor, kterým by mohl protéct zisk.

V této jedné rovnici je celá teze článku. Vlna, která mezi lety 2015 a 2018 přesvědčila Silicon Valley, že chatboti v Messengeru nahradí aplikace, se nerozpadla na nezralé AI. Rozpadla se na této aritmetice. A technicky nadšeným vývojářům a jejich investorům trvalo tři roky, než ji vzali na vědomí.

Vlna postavila svou existenci na jednom tichém předpokladu: že lidská vrstva, která dočasně zaplňuje díry v automatizaci, je zmenšující se náklad. Každé kolo trénování mělo podle této představy snížit podíl dotazů, které musel vyřídit člověk. V limitu měla lidská vrstva zmizet a zůstat jen software, který škáluje za nulový mezní náklad. Neklesla.

Druhý problém byla duplicita. Když deset uživatelů za sebou zapotí bota žádostmi typu „rezervuj mi stůl v italské restauraci v Mission“, a každý přijde s mírně jinou formulací, systém se z nich naučí jen mírně víc než z prvního. Dlouhý ocas unikátních požadavků - od objednávky lístků na koncert přes zařízení svatby po čekání ve frontě u kabelové společnosti - zůstal dlouhý. Každý další trenér tedy nesnížil jednotkovou cenu, jen ji zvětšil o další plat.

Třetí problém byl kanál. Chatbot v Messengeru nebo Kiku nebyl sám produktem; byl tenkou vrstvou nad platformou, která si nárokovala pravidla hry. Facebook mohl přes noc omezit, kdy smí bot uživateli napsat (v roce 2018 to omezil na 24 hodin po posledním aktivním kontaktu uživatele), a omezit, jaké reklamy smí bot posílat. Majitel kanálu si mohl take-rate nastavit libovolně vysoko, protože alternativní distribuce neexistovala.

Tyto tři problémy - lineární náklad lidí, duplicitní data, platformní riziko - nebyly problémem, který by spravil transformer. Byly to problémy ekonomické struktury, kterou si kategorie sama zvolila. A vlna na ně narazila dřív, než kdokoli napsal první BERT.

„Vezměte si 1-800-Flowers. To mám rád. Připadá mi to ironické - teď, aby si u 1-800-Flowers něco objednali, už nikdy nebudete muset 1-800-Flowers volat.“ Těmito slovy uvedl Mark Zuckerberg 12. dubna 2016 na konferenci F8 ve Fort Mason ambici, která se během následujících dvaadvaceti měsíců rozpadla tak čistě, že z ní zůstala sotva než právě ta citace. „Nikdy jsem nepotkal nikoho, kdo by rád volal firmám,“ dodal ten den, „a nikdo nechce instalovat novou aplikaci pro každou službu.“ Vyslovil tím větu, která se stala zkratkou jedné epochy platformového myšlení: že messaging - konverzace s botem v Messengeru - nahradí aplikaci.

V letech 2015 až 2018 prošla Silicon Valley vlnou přesvědčení, že tomu tak skutečně bude. Rozjela ji akvizice Wit.ai Facebookem v lednu 2015, do veřejného zenitu ji vynesl Zuckerbergův keynote na F8 a pochovalo ji tiché zavření asistenta M v lednu 2018. Mezi těmito třemi daty vzniklo několik set tisíc chatbotů, několik desítek fondů přesvědčených, že „messaging je nový runtime“, a několik desítek startupů postavených na tezi, kterou žádný z nich nedokázal ekonomicky uchytit.

Pohled z roku 2026 umožňuje rekonstruovat tu vlnu jako uzavřenou epizodu. Konverzační AI v podobě, jak ji dnes používáme přes ChatGPT, Claude nebo Gemini, má se sliby roku 2016 jen povrchovou podobnost: stejnou uživatelskou metaforu, zcela jinou architektonickou páteř - a, což bývá v komentářích přehlíženo, zcela jiný obchodní model. Produkty roku 2026 se prodávají uživatelům přímým předplatným nebo korporacím přes API; nikdo je nemonetizuje přes chatové bubliny v cizí messaging platformě. Právě ten rozdíl dělá zpětný pohled smysluplným - a zároveň odhaluje, jak přesně se některé chyby opakují v novém obleku.

Dne 5. ledna 2015 oznámil Facebook akvizici kalifornského startupu Wit.ai, který v roce 2013 založili tři francouzští inženýři. Částka zveřejněna nebyla; startup měl za sebou seedové kolo 3 milionů dolarů od Andreessen Horowitz, New Enterprise Associates a SV Angel z října 2014 a šestitisícovou komunitu vývojářů, kteří jeho rozhraní používali pro hlasové rozpoznávání v aplikacích, nositelné elektronice a chytré domácnosti. Zakladatelé - Alex Lebrun, Laurent Landowski a Willy Blandin - přešli do Menlo Parku. Lebrun před Wit.ai vybudoval a v lednu 2013 prodal společnosti Nuance firmu VirtuOz, popisovanou jako „Siri pro podniky”; Wit.ai byl jeho druhý pokus o totéž, tentokrát jako veřejné rozhraní ve stylu Twilia nebo Stripe.

Facebook kupoval Wit.ai s jasným cílem. Jednáním byl pověřen David Marcus, bývalý prezident PayPalu, kterého Zuckerberg přetáhl v červnu 2014 do čela Messengeru. Marcus potřeboval motor pro zpracování přirozeného jazyka, který by mohl pohánět ambicióznější produkt než jednoduché volby v chatu. Po sedmi měsících vývoje Facebook 26. srpna 2015 otevřel betu osobního asistenta M - s týmem Wit.ai jako jazykovou páteří.

Ve středu 26. srpna 2015 publikovala Jessi Hempelová ve Wired krycí reportáž o spuštění M. Marcus ve svém Facebook příspěvku vysvětlil, že M je „osobní digitální asistent uvnitř Messengeru, který plní úkoly a hledá informace“, poháněný umělou inteligencí „trénovanou a dohlíženou lidmi“. Klíčový rozdíl oproti Siri, Google Now a Cortaně měl být v tom, že M dokáže úkoly dokončovat: objednat květiny, rezervovat restauraci, zařídit leteckou rezervaci, čekat ve frontě s Comcastem. Beta běžela na „několika stovkách uživatelů“ v San Francisku a okolí; Messenger měl tehdy zhruba 700 milionů aktivních uživatelů měsíčně.

Příchozí dotaz procházel motorem Wit.ai, který navrhl odpověď nebo akci; ta putovala do fronty k „M trenérovi“ - kontraktorovi se zkušeností z callcenter, sedícímu zprvu přímo s inženýry v Menlo Parku - který odpověď schválil, přepsal, nebo zcela nahradil; systém pak z kompozice učitel–žák sbíral trénovací data pro další kola. Marcus v rozhovoru pro BuzzFeed popisoval filozofii slovy: „Dnešní květiny jsou zítřejší půjčovna aut.“ Automatizace se měla postupně rozprostírat po vertikálách - každou další kategorií měl poměr lidí klesat.

Neklesl. Fast Company později rekonstruovala, že v době uzavřené bety se služba ustálila na zhruba 2 500 uživatelích v Bay Area; v dubnu 2017 ji MIT Technology Review odhadovala na 10 000, převážně v Kalifornii. Tom Simonite tehdy pro MIT napsal větu, která se stala epitafem celého projektu: „M je tak chytrý, protože podvádí.“ Když algoritmus nerozuměl, nevracel chybu - nepozorovaně ho nahradil člověk. Podle pozdějšího reportingu šlo dlouhodobě o zhruba 70 procent odpovědí vyřízených lidmi - poměr, který Facebook nikdy oficiálně nepotvrdil ani nevyvrátil. Marcus už v listopadu 2015 novinářům BuzzFeedu na otázku, zda M není jen elektronický Mechanical Turk, odpověděl: „Zuřivě [to odmítám]. Zuřivě.“

Ekonomiku té vrstvy popsal veřejně jen jeden člověk. Mike Schroepfer, technický ředitel Facebooku, v listopadu 2015 v rozhovoru pro Recode připustil: „Nemůžeme si dovolit najmout operátory pro celý svět, aby fungovali jako jejich osobní asistenti.“ Byla to věta, která v normálním posouzení měla projekt ukončit. Byla-li pravdivá - a byla - původní produktová teze M nemohla nikdy dojít k žádné hranici rentability.

Na produktu se přesto pokračovalo dalších jeden a půl roku. Jedním z důvodů bylo, že Messenger potřeboval platformní příběh pro F8 2016 - a interně nikdo v tu chvíli neměl nic lepšího, co by na pódium dal. Druhým důvodem bylo, že uvnitř Facebooku M sloužil jako výzkumná sonda pro Wit.ai - každý dotaz, který trenér opravil, byl trénovací datová dvojice. Produkt nebyl rentabilní sám o sobě, ale jako infrastruktura pro generování dat byl levnější než komerčně nakoupené datasety. V tom smyslu byl M úspěch. Jenže o tom mohl Facebook mluvit jen interně.

Dne 6. dubna 2017 publikovali Landowski a produktový manažer Kemal El Moujahid na Facebook Newsroomu post s nenápadným titulkem „M Now Offers Suggestions to Make Your Messenger Experience More Useful“. Byl to převlečený odchod z původní ambice. M Suggestions, nasazené plošně ve Spojených státech, nedělaly nic z toho, co měl dělat původní M - neobjednávaly květiny, neuměly zarezervovat stůl, nečekaly v telefonní frontě. Nabízely kontextové odkazy na existující funkce Messengeru: rozděl účet, pošli nálepku, pošli polohu, zavolej Lyft, napiš narozeninové přání.

Frázování v oznámení je pozoruhodné svou pasivní agresí vůči původnímu slibu. „Když jsme M oznamovali před více než rokem, byl to malý AI experiment poháněný lidmi, který mohl splnit téměř jakýkoliv požadavek. Naučili jsme se hodně a tyto interakce nám umožnily postavit plně automatizovanou verzi M, která navrhuje užitečné akce v chatu.“ Z asistenta se stala chytrá nápověda ke stávajícímu rozhraní - tedy přesně produkt, který nepotřeboval lidskou vrstvu, protože nedělal nic, co by AI roku 2017 neuměla.

O devět měsíců později, 8. ledna 2018, Facebook oznámil úplné zastavení M; služba byla vypnuta 19. ledna. Oficiální vyjádření znělo: „Spustili jsme tento projekt, abychom se naučili, co lidé od asistenta potřebují a očekávají, a naučili jsme se mnoho. Tyto užitečné poznatky přenášíme do dalších AI projektů.“ Romain Dillet v TechCrunch doplnil, co v oznámení chybělo: „Tajnou omáčkou M nebyla umělá inteligence - byli to staří dobří lidé.“ V květnu téhož roku Marcus odešel z Messengeru do nové blockchainové skupiny, z níž vzejde projekt Libra. Vlna v tu chvíli ztratila svého nejviditelnějšího obchodníka.

Mezi srpnem 2015 a lednem 2018 proběhl ještě jeden moment, bez něhož by vlna zůstala interním experimentem Facebooku: Zuckerbergův keynote na F8. V týž den, 12. dubna 2016, zveřejnil Marcus Messenger Platform (Beta). Oznámil tři stavební kameny: Send/Receive API, strukturované zprávy (obrázky, tlačítka, karusely účtenek) a Wit.ai Bot Engine. Na pódium přišli partneři spuštění - CNN s denním zpravodajským digestem, 1-800-Flowers, Spring, Poncho, Hipmunk, HP, Bank of America, dále eBay, Disney, Staples, Shopify a Salesforce. Messenger měl v tu chvíli 900 milionů aktivních uživatelů měsíčně, mezi lidmi a firmami tekla miliarda zpráv měsíčně a Marcus rámoval platformu jako „SMS na steroidech pro byznys“.

Na pódiu zůstala nevyslovená jedna otázka: jak bude Facebook na botech vydělávat. Odpověď byla mlčení - a to mlčení byla diagnóza.

Facebook nezavedl pro boty take-rate z transakcí. Neprodal ani reklamní slot uvnitř bot konverzace. Sponsored Messages, které v roce 2017 spustil jako placenou distribuci, byly omezeny politikou na 24 hodin od posledního kontaktu uživatele a mohly být cíleny jen na lidi, kteří už s firmou komunikovali. Messenger CPM byly tenké vůči News Feedu - uživatelé v Messengeru trávili čas, ale aktivně, ne skrolováním; reklamní inventář se tu chová jinak. Samotné Messenger ads se nerozjely až do konce 2017, a i pak byly komoditou proti News Feedu.

Z pohledu Facebooku dávala platforma smysl obranně: zastavit Kik a Telegram dřív, než by si vydobyly pozici konverzačních rozhraní, a zadržet WhatsApp uvnitř vlastní rodiny. Z pohledu vývojáře ale platforma nenabízela monetizační kanál. Vývojář stavěl bota ve free-to-use prostředí Facebooku, přiváděl si do něj zákazníky ze svých vlastních kanálů (webu, e-mailu, SEO), a pak nad touto cizí platformou provozoval svůj byznys - aniž by měl kontrolu nad pravidly přístupu. Ben Thompson na Stratechery v textu z 31. března 2016 pojmenoval to, co v oznámení chybělo: vývojáři jsou komoditní dodavatelé, které Facebook může libovolně zadusit změnou pravidel.

Zadusil. V roce 2018 Facebook zpřísnil 24hodinové messaging okno, po aféře Cambridge Analytica přidal další škrty v přístupu k uživatelským datům. Celá kategorie byla postavena na kanálu, jehož podmínky přístupu jeden hráč kontroloval absolutně - a ten hráč začal podmínky utahovat, jakmile pochopil, že vývojáři na jeho platformě nepřinášejí reklamní revenue úměrné nákladům na provoz Messengeru.

Růst se zprvu držel slibů. V září 2016 hlásil Marcus na TechCrunch Disrupt 30 000 botů a 34 000 vývojářů; na F8 2017 už to bylo 100 000 botů a 2 miliardy zpráv mezi firmami a uživateli měsíčně; na F8 2018 Facebook uváděl 300 000 botů a 8 miliard zpráv měsíčně (čtyřnásobek oproti předchozímu roku). Čísla působila jako důkaz růstu, ale byla klamná - počet registrovaných botů není počet užívaných botů, a platforma odmítala zveřejnit, kolik z nich má víc než padesát aktivních uživatelů měsíčně. Sám Marcus přiznal v září 2016 Joshi Constinovi z TechCrunche, že „problém byl, že se to strašně rychle přehypovalo… Základní schopnosti, které jsme tehdy poskytli, nebyly dost dobré na to, aby nahradily tradiční aplikační rozhraní.“ Vývojáři měli prý „pár týdnů“ čas produkt postavit. F8 2017 byla konference nápravy: nová záložka Discover jako kurátorský katalog botů, „hand-over protocol“ pro střídání více týmů v jedné konverzaci a Messenger 2.1 s vestavěným rozpoznáváním sedmi typů entit - tiché přiznání, že třetí strany neuměly udělat ani základní parsing.

Paralelně s Facebookem si teorii konverzační platformy osvojil Microsoft. Na konferenci Build od 30. března do 1. dubna 2016 postavil Satya Nadella keynote kolem fráze „Conversation as a Platform“ a prohlásil, že tento posun bude mít „tak hluboký dopad jako předchozí platformové posuny - GUI, web, dotyk na mobilu“. Boti měli být „jako nové aplikace”; personální digitální asistent (v interpretaci Microsoftu: Cortana) měl být „meta aplikace, prohlížeč nad boty“.

Strukturálně se ale Microsoft dopouštěl jiné chyby než Facebook. Facebook měl distribuci - 900 milionů uživatelů Messengeru - a chyběl mu obchodní model. Microsoft měl Azure jako infrastrukturní byznys, a prodával tedy nástroje místo produktů. Microsoft Bot Framework, vydaný 30. března 2016, obsahoval SDK, Bot Connector jako směrovací vrstvu pro kanály a veřejný adresář botů. Během měsíce se registrovalo přes 20 tisíc vývojářů; do Buildu 2017 jich bylo 130 tisíc. LUIS - Language Understanding Intelligent Service - vyšel ve stejný den jako součást Cognitive Services a nabídl klasifikátor intencí a extrakci entit za API-volání. Vývojář si za svůj projekt platil Microsoftu mezní cenu za dotaz; Microsoft si účtoval marži za hosting a za to, že vývojář nemusel udržovat vlastní NLP infrastrukturu.

Tento model monetizace fungoval. Jenže fungoval na straně infrastruktury, ne na straně spotřebitelských botů. Microsoft vydělával na vývojářích, kteří platili za Azure; nevydělával na tom, že jejich boti komunikují s uživateli. Každá koruna, kterou Microsoft do platformy nasypal jako marketing nebo podporu, se musela vrátit přes Azure účet toho vývojáře - a jen malá část vývojářů přežila dost dlouho na to, aby ten účet narostl.

Vlnu ale zasáhla o týden dříve, už 23. března 2016, epizoda s chatbotem Tay. Microsoft jej spustil na Twitteru jako @TayandYou s cílovou demografií 18–24 let; měl to být angloamerický sourozenec čínského XiaoIce (ten spustil Microsoft v Číně v roce 2014, s desítkami milionů uživatelů) a japonské Rinny (červenec 2015). Konverzační mechanika zahrnovala online učení z tweetů a povel „repeat after me“, který doslova opakoval libovolnou vstupní větu. Uživatelé z 4chanu a boardu /pol/ koordinovaně nalili Tay rasistický, antisemitský a misogynní obsah; v řádu hodin účet tweetoval fráze o tom, že holokaust „je vymyšlený“, že „Hitler měl pravdu“, a že „nenávidí feministky“. Po šestnácti hodinách a více než 96 tisíci tweetech Microsoft účet stáhl. Peter Lee, Corporate VP Microsoft Research, zveřejnil 25. března post „Learning from Tay’s introduction“ s omluvou. Ekonomicky to byla jen drobná epizoda, ale zviditelnila něco, co do veřejné debaty do té doby nezapadalo: lidská vrstva se nemusí dát naškálovat ani v oblasti bezpečnosti - a to zvyšuje cenu každého bota, který je nasazen k neznámé populaci uživatelů.

Microsoft v prosinci 2016 vydal nástupce Zo - s natvrdo zabudovaným odmítnutím diskutovat o politice, víře a rase; kritička Chloe Stuart-Ulinová jej v Quartzu popsala jako „politicky korektního až do nejhoršího možného extrému“. V květnu 2017 na Buildu spustil Cortana Skills Kit s 46 dovednostmi a reproduktorem Harman Kardon Invoke - za Alexou, která už měla přes 10 tisíc skills. V květnu 2018 koupil Semantic Machines, startup z Newtonu v Massachusetts založený v srpnu 2014 Danem Rothem (CEO) a Larrym Gillickem (CTO, bývalý šéf speech research u Apple Siri), s Danem Kleinem z UC Berkeley a Percym Liangem ze Stanfordu jako vědeckou páteří; finanční podmínky zveřejněny nebyly. Ambice se přesunula z produktu do výzkumu - a Microsoft Bot Framework se později postupně přerodil v Azure Bot Service, B2B nástroj pro zákaznickou podporu. Z konverzační platformy zbyla infrastrukturní položka.

Mimo gigantů se vlna rozlila do stovek malých experimentů. Nejčistší formou byly textové koncierové služby - pošli SMS, někdo (nebo něco) ti to vyřídí. Ze všech hráčů té doby předvedly koncierové startupy rovnici lidské vrstvy v nejčitelnější podobě: bez platformních komplikací Facebooku, bez B2B infrastrukturního alibi Microsoftu, jen zakladatel, tým trenérů, a produkt, který se měl postupně zautomatizovat.

Magic se na Y Combinatoru ve třídě W15 objevil jako víkendový projekt postavený na Twiliu. Po virálním uvedení na Product Huntu v únoru 2015 získal v březnu téhož roku 12 milionů dolarů série A od Sequoie při pre-money ocenění 40 milionů - za službu, která sama o sobě byla Twilio s lidskou vrstvou za ním. V lednu 2016, osm měsíců po spuštění, Magic spustil placenou verzi Magic+ za 100 dolarů na hodinu nebo 3 000 dolarů měsíčně. To byla první věta, ve které rovnice vycházela: při sto dolarech za hodinu si operátor mohl dovolit vyřizovat složité úkoly, protože marže pokrývala jeho plat. Ale zároveň to byla poslední věta, ve které platila původní teze - že chatbot nahradí aplikace. Produkt za 100 dolarů za hodinu aplikace nenahrazuje; nahrazuje osobní asistentku boháče.

Operator, projekt spoluzakladatele Uberu Garretta Campa přes jeho studio Expa, vedl CEO Robin Chan a zvedl 10 milionů série A od Greylocku v dubnu 2015 a 15 milionů série B od GGV Capital v září 2016. Na rozdíl od Magicu se Operator snažil udržet zdarma - a monetizovat skrz affiliate poplatky z nákupů, které přes něj uživatelé udělali. Chan v rozhovoru s TechCrunchem mluvil o průměrné hodnotě objednávky 90 dolarů a konverzním poměru 10–15 procent, tedy dramaticky nad průměrem e-commerce. Byla to vytáhlá čísla, ale z malé základny. A affiliate marže z nákupů je ve většině kategorií jednociferná - uživatel, který si u Operatoru objednal boty za 90 dolarů, generoval firmě ne víc než 5–10 dolarů komise, z které musela zaplatit expertovi, který mu s výběrem pomáhal. Rovnice nevycházela o moc lépe než u Magicu; jen byla méně viditelná, dokud se produkt z bety nedostal.

GoButler, berlínský ekvivalent, získal v červenci 2015 8 milionů série A od General Catalyst s účastí Lakestar, Global Founders Capital a fondu Sound Ashtona Kutchera. V lednu 2016 přesunul sídlo z Berlína do New Yorku a postupně opustil původní koncierový model. V květnu 2016 pod novou značkou Angel.ai přešel na B2B NLP platformu pro třetí strany - přesně ten typ pivotu, který odhalil, že ekonomika původního modelu nevychází. V září 2016 Amazon najal zakladatele Navida Hadzaada jako „Product Lead, New Initiatives“ - oficiálně popřel, že by šlo o akvizici firmy. Hadzaad v rozhovoru pro Fast Company (2017) vysvětloval posun k plně automatizované službě jednou větou, která shrnula ekonomiku celé kategorie: „Můj obecný názor je, že lidé budou vždy chtít pohodlí, ale nebudou za něj ochotni platit prémie.“

x.ai Dennise Mortensena (Amy a Andrew Ingramovi, personální rozvrhové AI zasílané CC mailem) zvedl postupně přes 40 milionů dolarů. Dlouho žil v uzavřené betě. Bloomberg v dubnu 2016 jako první otevřel téma lidské vrstvy za Amy prostřednictvím profilu bývalého trenéra; o půl roku později Business Insider v rozhovoru s Mortensenem uvedl konkrétní čísla - z 93 lidí ve firmě bylo 39 „AI trenérů“ v newyorské kanceláři na 25 Broadway, kteří revidovali prakticky každý příchozí e-mail, než Amy odpověděla. Zakladatel to přirovnával k bezpečnostním řidičům v sebeřízených autech Uberu - s implicitním slibem, že jednou budou přebyteční. X.ai prodával předplatné v řádu desítek dolarů měsíčně; při odhadovaných nákladech kolem 30–50 dolarů na aktivního uživatele měsíčně (lidský editor plus infrastruktura) byla to jemně záporná marže po celou dobu existence firmy. V květnu 2021 firma prodala aktiva společnosti Bizzabo a v říjnu téhož roku vypnula původní službu.

Strukturální diagnóza napříč touto kategorií byla shodná, a dobově ji bez iluzí shrnul Ethan Bloch, zakladatel Digitu, v lednu 2018 pro magazín Inc: „Nejsem si ani jistý, jestli můžeme říct, že ,chatboti jsou mrtví’, protože nevím, jestli kdy byli živí.“ Bloch mluvil o finančních chatbotech, ale popis seděl na celou kategorii. Žádný z těchto startupů nedokázal dostat jednotkovou ekonomiku do kladných čísel - ne proto, že by AI nebyla dost chytrá, ale proto, že ani hypotetická dokonalá AI by neuměla přejít přes mezeru mezi tím, co platforma platí za vyřízený dotaz, a tím, co je uživatel ochoten zaplatit.

Nad polem mrtvých startupů zůstaly dvě malé oázy. Nebyly to ale demonstrace toho, že kategorie nakonec zafungovala - byly to demonstrace toho, za jakých podmínek chatbot přežije, kterých žádný konzumentský startup dosáhnout neuměl.

Bank of America Erica, představená na Money 20/20 v říjnu 2016 a plošně spuštěná v červnu 2018, se opírala o více než stočlenný tým a vyhradila si pozici jednoho z mála skutečných úspěchů kategorie: do srpna 2025 banka reportovala přes 3 miliardy klientských interakcí. Capital One Eno, spuštěný 10. března 2017 na SXSW jako první SMS chatbot americké banky, rozuměl emoji (potvrzení plateb přes palec nahoru používala více než polovina uživatelů) a postupně dorostl na 2 200 rozpoznaných způsobů, jak se zeptat na zůstatek.

Co oba úspěchy mají společného, není technologie. Je to obchodní model.

Banka nepotřebuje, aby chatbot sám vydělával. Chatbot v bankovní aplikaci snižuje náklad na callcentrum - každý dotaz, který obslouží Erica místo živého operátora v Charlotte, je ušetřených deset až dvacet dolarů. Banka má k chatbotovi zajatou zákaznickou základnu: klient už má u banky účet, už prošel KYC, už má v aplikaci přihlášení. Zajímá ji jedna věc - zůstatek, transakce, platba - a dělá to pořád dokola, takže dlouhý ocas unikátních požadavků téměř neexistuje. A monetizace je triviální: banka vydělává na poplatcích, spreadech a úrocích; chatbot je jen jiný kanál, kterým jí ty peníze tečou. Není potřeba take-rate, affiliate ani předplatné.

To je přesně opak toho, co měly k dispozici koncierové startupy. Startup nemá zajatou základnu - musí si ji vykrást z Googlu nebo Facebooku, za cenu akvizice, která pořád roste. Startup nemá repetitivní dotazy - každý nový uživatel přichází s unikátní žádostí. A startup nemá přirozený monetizační kanál - musí ho vynalézt a obhájit před uživatelem, který si právě dotaz napsal v messaging aplikaci, kde všechno ostatní je zdarma.

Totéž pravidlo spravilo i Microsoft Bot Framework - ten se transformoval v Azure Bot Service pro korporátní zákaznickou podporu, tedy nástroj pro firmy, které už platí za Azure, už mají vlastní zákazníky, a potřebují jen levnější callcentrum. LUIS a Dialogflow přežily jako středně významné NLU produkty pro úzké domény. Ze Slack Fund, fondu 80 milionů dolarů z prosince 2015 spolufinancovaného Accelem, Andreessen Horowitz, Indexem, KPCB, Sparkem a Social Capitalem, přežily startupy, které pivotovaly z Slack-first botů na něco jiného - Howdy koupil Slack, Hugging Face opustil chatbotovou stranu úplně a stal se otevřenou infrastrukturou strojového učení.

Z konzumentských koncierových startupů přežila Magic jako B2B platforma vzdálených asistentů - tedy zase B2B s fakturací za hodinu, ne chatbot s marží z AI; Cleo a Lark jako úzce zacílené fintech a zdravotnické aplikace s jinými obchodními modely než „zkonverzuj úkol“. Ve všech těchto případech platí totéž pravidlo: přežili ti, kteří přestali dělat to, o čem mluvil Zuckerberg na F8.

Jediný argument, který vlna měla k dispozici proti těmto ekonomickým námitkám, zněl: „V Číně to funguje.“ WeChat s biliony juanů tekoucími skrz platformu, Line v Japonsku s dvěma miliony aktivních malých podnikatelských účtů, ukazovaly podle toho výkladu, že konverzační rozhraní už funguje - stačí ho replikovat.

Vedle Messengeru existovalo v letech 2015–2016 několik dalších prostředí, která na boty vsadila - každé s jinou logikou. Telegram byl první; Pavel Durov spustil Bot API už 24. června 2015, deset měsíců před Facebookem, a 12. dubna 2016, přesně v den F8, vypustil Bot API 2.0 s inline tlačítky a sdílením polohy - demonstrativní načasování, aby tisku připomněl prvenství. Kik Interactive otevřel Kik Bot Shop 5. dubna 2016 se šestnácti značkovými boty a 275 miliony registrovaných uživatelů, převážně amerických teenagerů. Line Bot API Trial, spuštěné 7. dubna 2016, se napojilo na systém Line@ účtů pro malé japonské podniky a do září 2016 tam vzniklo zhruba 20 tisíc chatbotů.

Tyto dva asijské příklady (WeChat a Line) byly v Silicon Valley nejčastěji citovány jako důkaz, že konverzační rozhraní „funguje“. Už v dubnu 2016 ale Dan Grover, produktový manažer WeChatu v Tencentu, publikoval na dangrover.com esej, která tuto četbu dokořán rozbila.

Groverův text z 20. dubna 2016 - publikovaný osm dní po F8 - se stal nejcitovanější kritikou celé vlny. Psal z Kantonu a zevnitř WeChatu: „Zdánlivý úspěch messaging aplikací v plnění překvapivého spektra úkolů neplyne z triumfu ,konverzačního UI’. Jde o obratné využití rostoucího selhání tvůrců mobilních OS plně sloužit potřebám uživatelů - zvláště v jiných částech světa.“ Grover pak předvedl experiment, který se stal kanonickým: srovnal objednávku pizzy v ukázce Microsoft Bot Framework (73 klepnutí) s objednávkou v oficiálním účtu Pizza Hut ve WeChatu (16 klepnutí, včetně odmítnutí nápovědy a šestimístného PINu). Rozdíl nebyl v „konverzaci“. Rozdíl byl v tom, že WeChat odstranil instalaci aplikace, přihlášení, zadávání platebních údajů a notifikace.

Tahle věta je ekonomicky nabitější, než se na první pohled zdá. WeChat uspěl ne proto, že by měl lepší konverzační rozhraní - uspěl proto, že měl WeChat Pay, QR identitu a uzavřené prostředí, ve kterém uživatel neopouští aplikaci kvůli žádnému kroku v nákupu. Když Tencent v lednu 2017 uvedl Mini Programy, nebyly to chatboti - byly to plnohodnotné javascriptové aplikace uvnitř WeChatu, napojené na stejnou platební kolej. Konverzace s obchodem byla jen povrchová vrstva; pod ní ležel platební rail a totální identita, které v americkém a evropském kontextu nikdo neměl a nemohl si vybudovat.

Když se tedy Facebook pokusil kopírovat povrch WeChatu (bubliny a boty), kopíroval přesně tu část, která nebyla důvodem čínského úspěchu. Substrát, který dělal rovnici ziskovou - platby, identita, uzavřený ekosystém - nechal bez povšimnutí. Connie Chan z a16z to 1. dubna 2016 shrnula v tweetstormu způsobem, který se potvrdil: „Konverzační obchod je neprokázaný i v Asii. Pokud psaní zabere víc času než kliknutí na tlačítko ve webview, proč je to lepší?“ WeChat sám v té době z konverzačního obchodu nevydělával skoro nic - vydělával na platbách, reklamě a hrách.

Vedle Grovera se kolem roku 2016 ozvali i další, a teprve zpětně je vidět, jak přesně jejich kritika směřovala do ekonomického jádra, ne do UX.

Benedict Evans z Andreessen Horowitz v textu z 30. března 2016 „Chat bots, conversation and AI as an interface“ ironicky poznamenal, že „výzva při napojení AI na ,konverzační’ chatbot rozhraní spočívá v tom, že nemáte HAL 9000, ale uživateli v určitém smyslu předstíráte, že ano“. A dodal, že jakmile bot začne prezentovat volby, tlačítka, karusely a karty, „mohli byste tomu říkat, možná, ,GUI’“. Tato poznámka byla bráná jako estetická, ale znamenala něco jiného: pokud bot konverguje zpátky ke GUI, pak ho lze postavit přímo jako GUI, bez NLU vrstvy, bez trénovacích dat, bez lidí v loopu - a za zlomek nákladů.

Matt Hartman z Betaworks - který paradoxně spoluzakládal Botcamp - v průběhu 2016 a 2017 texty o „Hidden Homescreen“ formuloval problém, který zněl distribučně, ale byl obchodní: „Nemám odkaz pro MoveNight, protože neexistuje web - jediný způsob, jak na něj odkázat, je říct vám, abyste si ho v Kiku přidali podle jména. To není jen nepohodlné. Má to potenciál virálního koeficientu nula.“ Virální koeficient nula znamená, že akvizice zákazníka je 100 % placená - a pro firmu s affiliate marží 5–10 % to znamená, že každá nová instalace bota je strukturálně ztrátová.

Ben Thompson (jak jsme zmínili výše) prostřednictvím teorie agregace ukázal, že v Messenger platformě drží Facebook veškeré páky. Will Knight v MIT Technology Review 25. dubna 2016 v titulku rovnou pokládal otázku „Je trend chatbotů jedno velké nedorozumění?“ a upozornil, že úspěšné čínské chat-služby „se přirozenému jazyku vyhýbají ve prospěch konvenčnějších vstupních mechanismů - voleb nebo tlačítek“.

Odděleně od produktových kritiků stál Gary Marcus z NYU, který v textu „Deep Learning: A Critical Appraisal“ (arXiv, 2. ledna 2018) vyjmenoval deset strukturálních slabin hlubokého učení. Marcus argument opakovaně napojoval na selhání botů: slib, že systém „povede konverzaci“, byl neudržitelný, protože pod kapotou běžela statistika, nikoliv porozumění. A právě Marcus vyjádřil - aniž to tak formuloval - tezi, kterou článek sleduje od začátku: pokud model nerozumí, musí se škodu dohnat lidmi. A lidi jsou drazí.

Tato analýza má jednu zjevnou slabinu. Žádá se o ni. Celá teze článku stojí na tom, že problém byl ekonomický, ne technologický - ale co kdyby se objevil transformer dřív? Co kdyby Vaswani et al. publikovali „Attention Is All You Need“ ne v červnu 2017, ale v lednu 2015? Nevyřešilo by to dlouhý ocas dotazů, nesnížilo by podíl lidsky vyřízených odpovědí k nule, nepřeklopilo by jednotkovou ekonomiku do černých čísel?

Tento kontrafaktuál má zvláštní výhodu: dá se empiricky testovat. Deset let poté jsme v prostředí, kde transformery v produkci jsou. ChatGPT, Claude a Gemini jsou v roce 2026 masově nasazené. Dotazy, na které M potřeboval trenéra, dnešní modely zvládnou autonomně. Cena za inferenci jednoho dotazu klesla z dolaru lidské práce na jednotky centů výpočetního času. Technologická zeď padla.

Jenže ekonomická zeď stojí dál.

OpenAI v roce 2025 podle projekcí reportovaných Sacrou generuje revenue kolem 13 miliard dolarů a spaluje přes 8,5 miliardy dolarů hotovosti - s projekcí, že cash-flow pozitivní nebude dřív než v roce 2030. Na samotnou inferenci utratila firma během prvních tří čtvrtletí roku 2025 přibližně 8,67 miliardy dolarů na Microsoft Azure - víc než dvojnásobek toho, co The Information odhadovala za celý rok 2024. V jednom čtvrtletí, které skončilo 30. září 2025, ukázal MS SEC filing u OpenAI jako přidružené společnosti čistou ztrátu řádově 12 miliard dolarů. Gross margin se pohybuje někde mezi 33 a 40 procenty, strukturálně omezen náklady výpočtu.

Anthropic v menším měřítku reportoval v roce 2025 náklady 2,7 miliardy dolarů proti revenue kolem 800 milionů dolarů. Perplexity utratila v roce 2024 za AWS, Anthropic a OpenAI dohromady 164 procent svého celoročního revenue. To není sazba, kterou si klienti platí nad cenou - to je částka, kterou zaplatila firma přes své dodavatele.

V roce 2016 platilo, že na dotaz vyřízený lidskou vrstvou zaplatila Silicon Valley kolem dolaru, zatímco uživateli to ušetřilo řádově tři minuty. V roce 2026 platí: na dotaz vyřízený modelem zaplatí OpenAI zhruba dvakrát tolik, než kolik za něj vybere od zákazníka. Rozdíl je, že ten dotaz je kvalitativně bohatší (kód, rešerše, vysvětlení, vícekrokový úkol), uživateli může ušetřit hodiny místo minut, a rozdíl mezi vstupem a výstupem financují investoři, ne provozní cash flow. Ale samotná rovnice - náklad na straně poskytovatele překračuje ochotu zákazníka platit - je v jádru nezměněná.

Co se změnilo: absolutní hodnota, kterou AI pro uživatele vytváří. Rezervace stolu za tři ušetřené minuty nestála za dolar; analýza dvacetistránkového právnického dokumentu za půlhodinu ušetřené práce za deset dolarů stojí. Horní hranice ochoty platit se posunula. A posunuly se i kapitálové rezervy - OpenAI v únoru 2026 oznámila kolo 110 miliard dolarů při pre-money 730 miliard. Společnost, která uhoří 17 miliard dolarů ročně (projekce 2026, Sacra), to ze své bilance zvládne - zatímco koncierový startup roku 2016 vyhořel po 40 milionech a skončil.

Co se nezměnilo: ekonomická struktura. Každý další zákazník zvyšuje inference účet lineárně. Token generovaný při delším kontextu stojí kvadraticky víc (KV-cache škáluje s druhou mocninou délky kontextu). Modely frontier kvality jsou cenově podsubvencované - aiautomationglobal.com to shrnul jednou větou: „OpenAI, Google, Anthropic a Meta všichni prodávají inferenci pod cenou, aby získali tržní podíl.“ Jakmile subvence přestanou, buď ceny vyletí nahoru, nebo marže zůstanou záporné.

Vlna 2015–2018 platila schodek mezi cenou a hodnotou penězi koncierových startupů a messaging platforem. Vlna 2022–2026 ji platí penězi Microsoftu, Amazonu, Nvidie, SoftBanku a pár desítek dalších investorů, kteří sází na to, že stargate-sized infrastruktura jednoho dne vynutí levnější výpočet. Je to jiná platební struktura; není to jiná ekonomika.

Dvě konkrétní zdi z roku 2016 přitom stojí dál a model jménem GPT-5 na ně nemá páku.

První je zeď monetizace v cizí platformě. Messenger se přebalil do browseru a z App Store se pro AI agenta stal prohlížeč Chrome a rozhraní Apple Intelligence. Vývojář, který dnes staví agenta nad ChatGPT Plus, sedí ve stejné roli jako vývojář Messenger bota v roce 2017: na kanálu, jehož pravidla přístupu kontroluje jedna firma. OpenAI může zítra změnit podmínky API, zvýšit ceny, spustit konkurenční produkt přes vlastní GPTs store. Odchod z platformy znamená přesunout produkt na jiný kanál s podobnou pákou - Anthropic, Google, nebo na vlastní inferenci, která je obvykle dražší. To není nový problém, je to starý problém přejmenovaný.

Druhá je zeď UX paradoxu. Pro známé opakované úkoly je konverzace pomalejší než tlačítko. Úspěch ChatGPT se neopírá o to, že by vytlačil tlačítka - opírá se o úkoly, na které tlačítka neexistují („napiš mi e-mail”, „vysvětli mi tohle“, „najdi mi v 200stránkovém PDF tvrzení X”). To je pravda, ale zároveň to znamená, že kategorie, ve které AI vyhrává, je strukturálně nezákaznicky vázaná. Nikdo nemá bankovní model „zajaté základny“ pro vysvětlování abstraktních pojmů nebo pro kreativní psaní. Právě proto musí ChatGPT, Claude i Gemini bojovat o uživatele každý měsíc znovu - a právě proto má konzumentský AI segment churn vyšší, než by odpovídal ekonomice předplatného (17 % měsíčně u ChatGPT Plus dle odhadů, zatímco Netflix má 2 %).

Dílčí vítězství po roce 2022 tedy nejsou přesvědčivým důkazem, že vlna 2015–2018 se mýlila jen v časování. Jsou důkazem, že pokud máš hluboké kapsy a trh ochotný deset let subvencovat schodek, můžeš provozovat ekonomicky pochybný obchod dostatečně dlouho, aby se stal součástí infrastruktury. Chatbotům roku 2017 chyběly tři věci: transformery (technologie), hyperscaler s vlastním zájmem (kanál), a deset let trpělivého investora (kapitál). První věc dohnaly modely. Druhou a třetí dohonil kapitálový trh. A ekonomika jako taková čeká na rok 2030, kdy se má údajně obrátit.

Kdyby měl transformer v roce 2015 dostatek investic a Microsoft jako hyperscaler, vypadala by vlna 2015–2018 jako vlna 2022–2026: miliardové ztráty, veřejná sázka na budoucí zlevnění výpočtu, nekončící kola financování. Vypadala by přesvědčivěji, to ano. Ale ekonomická rovnice by vyšla stejně - jen by ji nikdo nežádal, aby vyšla hned.

Technologická stránka tedy není centrálním problémem, ale stojí za uzavření jedním odstavcem, protože vysvětluje, proč ani ti, kteří to chápali, nemohli kategorii zachránit vylepšením AI.

Produkční NLU roku 2016 se skládalo ze dvou kaskádovaných supervizovaných úloh: klasifikace intencí na úrovni věty a vyplňování slotů / extrakce entit na úrovni tokenů. Wit.ai, LUIS i API.ai používaly varianty téhož - lineární SVM nebo logistickou regresi nad řídkými n-gramy či zprůměrovanými hustými vektory z word2vecu a GloVe, a lineární CRF (conditional random fields) nad ručně konstruovanými rysy pro sloty. Rasa, založená v Berlíně v roce 2016 Alanem Nicholem a Alexanderem Weidauerem, tento stack zveřejnila ve svém paperu (Bocklisch et al., arXiv:1712.05181, prosinec 2017) - a nezávislé benchmarky té doby potvrdily, že komerční rozhraní nejsou algoritmicky napřed, protože všichni používali variace téhož trojlístku SVM/CRF/BiLSTM.

Výzkumná hranice utíkala dopředu: Vinyals a Le v červnu 2015 ukázali v „A Neural Conversational Model“ seq2seq LSTM, Huang, Xu a Yu v srpnu 2015 publikovali BiLSTM-CRF, Serban et al. v roce 2016 zavedli HRED. Zlom přišel „Attention Is All You Need“ (arXiv, 12. června 2017), ELMo v únoru 2018 a BERT 11. října 2018. Jenže žádná komerční bot-platforma během vrcholu vlny transformerová nebyla; Rasa vydala DIET, první transformerový pipeline, až v roce 2020. V praxi to znamenalo, že 70procentní míra nedokončených požadavků v Messengeru, o které The Information referovala v únoru 2017, neměla jak jinak zmizet než přes lidi - a ekonomická rovnice se proto nemohla jinak pohnout než strukturálními cestami (jiný business model, jiná distribuce, jiné užití), ne lepší technologií.

Do konce roku 2018 bylo hotovo. Facebook M skončil v lednu 2018; Google Allo byl Googlem ukončen v březnu 2019; Microsoft absorboval Semantic Machines do výzkumné Cortany, nikoliv do spotřebitelských botů; Cisco překódovalo koupený MindMeld na korporátní nasazení pro Webex a v květnu 2019 ho zpřístupnilo jako open source. Betaworks Botcamp, který v roce 2016 přijal 8 firem z téměř 350 přihlášek za 200 tisíc dolarů na kus (SAFE note společně s The Chernin Group), se pro historii ukázal jako užitečný spíš jedním alumnem, který z chatbotů přepnul jinam: Hugging Face.

Vzorec, který přežil, byl průhledný: existující zajatá základna plus vestavěná monetizace (banky), B2B infrastrukturní produkt placený za API-volání (Azure Bot Service, LUIS, Dialogflow), nebo útěk z konverzační metafory k úzkému fintech/zdravotnickému nasazení (Cleo, Lark). To, co zůstalo, byly byznysy, které přestaly chatbotovat ve smyslu, v jakém to plánoval F8 2016 - a začaly dělat standardní software, kterému dali uživatelsky přátelské textové rozhraní.

Transformery, které přišly pozdě, se vstřebaly jinde: nejprve do vyhledávání a překladu, pak do korporátních asistentů, teprve v roce 2022 do spotřebitelských produktů. V listopadu 2022 vypustil OpenAI ChatGPT a za pět dní měl milion uživatelů; za dva měsíce sto milionů. Teze, že lidé budou chtít s počítačem konverzovat, se obnovila v plné síle. A s ní - skrytější, ale identická - i rovnice, která vlnu 2015–2018 pohřbila. Lidskou vrstvu trenérů, kterou platily M a x.ai, nahradila armáda GPU v datových centrech v Texasu, Abilene, Virginii a Iowě; slovník ztrát se zjemnil z „cash burn“ na „strategické investice do kapacit“. Ale účet za dotaz stále překračuje ochotu zákazníka platit.

Paralely mezi vlnami jsou místy až nepohodlně doslovné. Zuckerberg v roce 2016 sliboval, že boti nahradí aplikace; Altman v roce 2025 slibuje, že agenti nahradí aplikace. Magic v roce 2015 operoval s lidskou vrstvou skrytou za SMS rozhraním; OpenAI v roce 2024 přiznala, že její model „o1“ byl trénován na datech označovaných levně nasmlouvanými klasifikátory v Keni. M spoléhal na to, že trenéři generují trénovací data, která jednoho dne učiní jejich vlastní práci zbytečnou; OpenAI spoléhá na to, že předplatní uživatelé generují feedback, který jednoho dne učiní inferenci levnější. V obou případech je slib v podstatě týž: zaplaťte nám schodek dnes, protože zítra nebude. V obou případech je empirickým zjištěním, že zítra přichází pomaleji, než se plánovalo.

Vlna 2015–2018 neskončila objevem, že konverzační rozhraní nefungují. Skončila tím, že Silicon Valley na čtyři roky zaměnilo jeden konkrétní návrh - text plus NLU plus bot v Messengeru plus lidská vrstva na pozadí - za obecnější tezi o konverzaci jako rozhraní. Když se Groverova kritika přeložila zpátky do amerického a evropského kontextu, nezůstalo z ní dost na byznys; ne proto, že by AI byla slabá, ale proto, že mezi cenou lidské vrstvy a ochotou uživatele platit za službu se nenašel prostor.

To, co se tehdy zdálo jako uzavřená kapitola, ale uzavřená nebyla. Rovnice, která vlnu pohřbila - že každý dotaz stojí poskytovatele víc, než kolik za něj uživatel zaplatí - se vrátila v roce 2022 v lepším obleku. Má teď transformer místo CRF, datové centrum místo callcentra v newyorské kanceláři, a hyperscalera místo Sequoie. Schodek je větší v absolutních číslech (OpenAI pálí ročně tolik, co celý sektor koncierových startupů vybral za celou svou existenci) a menší v relativních (ztráta 2 dolary na dolar příjmu je drsná, ale ne tolik, jako když Magic spaloval všechno, co vybral, a Operator vybral tak málo, že se nedalo počítat).

Rozdíl tedy není v rovnici, rozdíl je v trpělivosti kapitálu. Chatbotům roku 2016 se nedostalo deseti let - dostali tři. Chatbotům roku 2024 zatím trpělivost vydrží, protože jsou vsazení do větší hry o geopolitické postavení v AI, a hyperscalerům se vyplatí krmit je i se zápornou marží po dobu, co to omezuje manévrovací prostor konkurence.

Zuckerbergova věta z F8 se ve svůj dvaadvacátý měsíc tiše rozpadla - ne proto, že by lidé nechtěli mluvit s počítačem, ale proto, že kolem každé konverzace musel sedět člověk, který ji zvládal. V roce 2026 už kolem konverzace člověk sedět nemusí, zvládne to model sám. Jenže ten model stojí dvojnásobek toho, co firma vybere od zákazníka. Tři minuty za dolar byl v roce 2016 špatný obchod. Hodina odborné asistence za dvacet dolarů, které firma získá, a za čtyřicet dolarů, které firma zaplatí, je obchod lepší - ale pořád záporný.

A tato rovnice teprve čeká na svou skutečnou odpověď.

Článek je rekonstrukcí období leden 2015 až leden 2018 na základě sekundárních zdrojů publikovaných v té době (Wired, BuzzFeed, Fast Company, MIT Technology Review, The Information, TechCrunch, Recode, Bloomberg, Business Insider, Quartz, Stratechery, Mashable) a primárních zdrojů poskytnutých přímými účastníky (Facebook Newsroom, Microsoft Official Blog, firemní oznámení, arXiv pre-printy). Pro srovnání s aktuálním stavem AI ekonomiky (sekce „Kontrargument“, „Co zůstalo“, „Epitaf”) jsou použita data z období 2024–2026 z následujících zdrojů: Sacra (sacra.com/c/openai/), SEC filings Microsoftu, uniklé interní dokumenty reportované Edem Zitronem (wheresyoured.at) a reprintované The Register, The Information a aiautomationglobal.com. Všechna konkrétní data, čísla, finanční údaje, investoři a citace pocházejí ze zdrojů zachycených ve výzkumném materiálu. Údaje o počtech botů a uživatelů jsou reportovány tak, jak je uváděly platformy (typicky na konferencích F8, Build, TechCrunch Disrupt) - tedy s vědomím, že jde o platformní komunikaci, nikoliv o nezávisle auditované metriky.

Limity rekonstrukce:

Limity srovnávací části (2024–2026):

Transparentnost tvorby:

Koncepce, struktura a redakční linie článku jsou dílem autora, který vypracoval obsahovou skicu, stanovil klíčové teze a řídil celý proces tvorby. Generativní AI (Claude, Anthropic) byla využita jako nástroj pro rešerši, ověřování faktů a rozepsání autorovy předlohy.

Autor výstupy průběžně redigoval, ověřil klíčová zjištění a schválil finální znění. Žádná část textu nebyla publikována bez lidské kontroly. Všechny faktické údaje byly ověřeny proti veřejně dostupným zdrojům uvedeným v textu.

Postup je v souladu s požadavky Čl. 50 Nařízení EU 2024/1689 (AI Act) na transparentnost AI-generovaného obsahu. #poweredByAI