DIA: Katalog využití AI ve veřejném sektoru

Prompt inženýrství

Prompt engineering

Prompt inženýrství je postup a disciplína spočívající v navrhování, testování a optimalizaci promptů pro generativní modely umělé inteligence tak, aby tyto modely poskytovaly co nejlepší a nejpřesnější výstupy. Zahrnuje techniky, jak formulovat instrukce, dávat modelu kontext, příklady nebo jiná vodítka v promptu, aby model porozuměl úloze a vygeneroval požadovaný výsledek..

Proč je to důležité pro veřejnou správu

Kvalitní prompt inženýrství snižuje náhodnost odpovědí a přibližuje se opakovatelnosti, kterou úřady potřebují. Sdílené šablony zadání a jasná pravidla umožňují auditovat postupy i výsledky. Zároveň se zkracuje cesta od textu k datům: model může vracet informace přímo jako JSON podle stanoveného schématu, což šetří čas a snižuje chybovost při napojení na agendové systémy.

Co dělá dobré zadání

Dobrý prompt vysvětluje proč, pro koho a v jakém tvaru má být výstup. Cíl (např. „shrň podklad pro radu města“), publikum („vedoucí odboru“ vs. „široká veřejnost“) a formát („pět stručných bodů“ nebo „platný JSON“) jsou explicitní. Pravidla – tón, jazyk, práce s citacemi, zákaz osobních údajů – patří do systémové zprávy a nemíchají se s vlastním zadáním. Tam, kde záleží na stylu, pomohou krátké ukázky; stačí jedna až dvě a model lépe drží formu.

Schéma procesu

Od pravidel a zadání k validovanému JSON výstupu System pravidla a User zadání s příklady vedou k šabloně; následuje pilot, validace schématu a výstup. Šipky jsou zarovnány na středy, bez překryvů. System pravidla • jazyk, tón, citace, zásady bezpečnosti • co model nesmí (osobní údaje apod.) User zadání & příklady • cíl, publikum, rozsah, formát • 1–2 ukázky (few-shot) Šablona promptu • oddělené role • kontext & omezení • formát (JSON/MD) • příklady Pilot & měření • přesnost, úplnost, čas Validace schématu • kontrola JSON dle schema Výstup { ... JSON ... } / markdown
Od nastavení pravidel a zadání přes šablonu a pilotní měření až k validovanému JSON/markdown výstupu.

Jak s tím pracovat v provozu

Začněte malým pilotem na reálných případech. Nejprve se dohodněte na vstupech a očekáváních, nastavte pár jednoduchých metrik a připravte první verzi šablony. Během testů dolaďujte formulace i parametry; u složitějších úloh se vyplatí rozdělit práci na kroky – vytěžit fakta, zkontrolovat je a teprve potom psát shrnutí. Finální šablonu uložte do společného repozitáře, přiřaďte jí vlastníka a termín další revize.

Příklady z praxe

Pro vedení odboru: „Jsi asistent pro veřejnou správu. Odpovídej česky, věcně a uveď zdroje. Z přiloženého textu připrav pět bodů pro rozhodnutí.“ Pro integrace do IS: „Vracej pouze JSON podle tohoto schématu; nechybějící pole vyplň, chybějící ponech jako null.“ A pokud potřebujete ustálit styl odpovědi občanovi, připojte dvě krátké ukázky „správné“ odpovědi a požádejte model, aby přesně následoval jejich formu.

Hodnocení kvality

Kvalitu měřte jednoduše a pravidelně: u faktografických úloh sledujte správnost a úplnost, u integračních validitu formátu. Vstupy, parametry i výstupy logujte a občas porovnejte starou a novou verzi šablony na stejné sadě vzorků – rychle uvidíte, zda jste se zlepšili.

Rizika a prevence

Do promptů nepatří osobní ani utajované informace. Systémová pravidla by měla taková data výslovně zakazovat a u RAG přístupu je důležité jasně vymezit povolené zdroje. Halucinacím brání požadavek na citace, vymezení domény a možnost odpovědět, že si model není jistý. Podrobné „myšlenkové kroky“ nejsou v produkci potřeba – stačí stručné, srozumitelné odůvodnění.

AI GRAMOTNOST

Jak to zapadá do agendy úřadu

Prompt inženýrství se nejlépe osvědčuje jako standardní proces: šablony mají vlastníky, verze a historii změn, existuje jednoduchý „předprodukční“ checklist (účel, publikum, formát, validace, metriky, fallback) a je jasné, kdo řeší incidenty. Díky tomu se z jednorázových experimentů stává běžná součást řízení kvality.

Další zdroje

Související pojmy