Čím víc AI používáte, tím víc si věříte — a tím víc se mýlíte

Klasický Dunning-Kruger efekt říká: čím méně toho víte, tím víc si věříte. S AI se to obrací. Čím víc AI používáte a čím víc o ní víte, tím víc přeceňujete vlastní schopnosti — i když vaše skutečné výsledky tomu neodpovídají.

Výzkumníci z Aalto University přivedli do laboratoře přibližně 500 účastníků. Polovina řešila logické úlohy z amerického Law School Admission Test (LSAT) samostatně, polovina s pomocí ChatGPT. Všichni pak odhadovali, jak si vedli.

Překvapivý nález

Skupina s AI si systematicky věřila víc — a přitom jejich odhady vlastního výkonu byly méně přesné než u skupiny bez AI. Standardní Dunning-Kruger efekt se zploštil a v některých případech obrátil: účastníci s nejvyšší AI gramotností vykazovali největší přehnanou sebedůvěru.

Jak shrnul profesor Robin Welsch: „Očekávali jsme, že lidé s vyšší AI gramotností budou nejen lepší v práci s AI, ale i v hodnocení vlastního výkonu. To se nepotvrdilo."

Proč se to děje

Mechanismus je prostý: uživatelé přijmou odpověď AI po prvním promptu a dál nepřemýšlejí. Neptají se znovu, neověřují, nereflektují. Toto snížené zapojení oslabuje metakognitivní monitoring — vnitřní zpětnou vazbu, která nám pomáhá hodnotit kvalitu vlastního uvažování.

AI odpovědi znějí sebejistě a plynule — i když jsou špatně. A uživatel, který dostane plynulou odpověď, automaticky předpokládá, že je správná. Výsledek: pocit „vím to" bez skutečného porozumění.

Co to znamená v praxi

Pro vzdělávání: studenti používající AI chatboty se mohou cítit kompetentnější, aniž by se skutečně naučili víc. Pro firmy: zaměstnanci delegující rozhodnutí na AI mohou přestat rozvíjet vlastní expertízu a přitom si myslet opak.

Zajímavý kontrast nabízí jiná studie z Information Systems Research — ta zjistila, že explainable AI (AI, která vysvětluje své uvažování) naopak snižuje přehnanou sebedůvěru. Když systém ukáže, že jeho logika se liší od vaší, přinutí vás přehodnotit vlastní úsudek. Řešení tedy existuje — ale vyžaduje AI nástroje, které neukazují jen výsledek, ale i cestu k němu.

Studie vyšla v únoru 2026 v časopise Computers in Human Behavior.