AI psaní petic prodloužilo a sjednotilo. Úspěšnější je neudělalo, spíš naopak
Studie v Nature Human Behaviour analyzovala 1,5 milionu petic na Change.org. Po zavedení AI asistenta byly texty o polovinu delší a víc si podobaly, výsledky se ale nezlepšily. Autoři, kteří přešli na AI, měli u druhé petice o čtvrtinu nižší šanci na komentář.
Foto: Unsplash / Alex Radelich
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
✅ Peer-reviewed · Publikováno září 2026 · Data sbírána leden 2022 až prosinec 2023 · Nature Human Behaviour
Když Change.org v říjnu 2023 nabídl autorům petic AI asistenta pro psaní, texty se změnily okamžitě: byly delší, složitější a navzájem si víc podobné. Výsledky petic se ale nezlepšily. Podíl petic, které nasbíraly aspoň deset podpisů, byl po spuštění nástroje trvale nižší. Ukazuje to studie Isabel Corpus a kolegů z Cornellovy univerzity a University of Michigan, která vyšla 30. září v Nature Human Behaviour.
Co studie zjistila
Autoři prošli 1,5 milionu petic. Do hlavní kauzální analýzy vstoupilo zhruba 279 tisíc anglických petic z USA, Kanady, Velké Británie a Austrálie. Podle nejnovější verze preprintu se po zpřístupnění AI nástroje medián délky petice zvýšil o zhruba 54 slov, tedy o 49 procent oproti výchozím 110 slovům. Čtenářská náročnost stoupla o jeden a půl školního ročníku a lexikální diverzita o 6 procent.
Zároveň petice začaly znít podobně. Průměrná podobnost mezi dvojicemi petic vzrostla o 23 procent. Cornell Chronicle uvádí, že se v textech nápadně častěji objevovala slova jako „implement“, „mandate“ nebo „urge“, typická pro jazykové modely.
Na výsledcích se to neprojevilo pozitivně. Podíl petic s aspoň deseti podpisy po spuštění nástroje klesl. Podíl petic, které do 30 dnů získaly aspoň jeden komentář, klesal v dynamické analýze ve většině týdnů zhruba o 5 procentních bodů. Souhrnný statický odhad (minus 2,5 bodu) ale statisticky významný není.
Vizualizace: FAIN News na základě dat z Corpus a kol. (2026), arXiv 2511.13949.
Nejsilnější signál přináší kohorta 4 611 lidí, kteří napsali jednu petici před zavedením AI a druhou po něm. Druhá petice byla v průměru o 39 procent delší a měla o 25 procent nižší šanci získat komentář (odds ratio 0,754). U autorů, kteří psali obě petice bez AI, žádný významný pokles nebyl. U těch, kteří psali obě s přístupem k AI, se šance také zhoršila.
Jak to zjistili
Studie využívá přirozený experiment. Change.org spustil nástroj 2. října 2023 v USA, Kanadě a Velké Británii, ale v Austrálii až koncem prosince. Vzniklo tak 11 týdnů, kdy jedna země nástroj neměla a tři ano. Autoři porovnávali vývoj v obou skupinách metodou difference-in-differences.
🔍 Difference-in-differences (DiD)
Metoda, která odhaduje dopad zásahu porovnáním dvou rozdílů. Nejdřív se změří, jak se ukazatel změnil v „léčené“ skupině (tady USA, Kanada, Británie) před zásahem a po něm. Pak totéž v kontrolní skupině (Austrálie). Rozdíl těchto dvou změn je odhad efektu. Funguje, pokud by se obě skupiny bez zásahu vyvíjely souběžně. Proto autoři kontrolují i dynamiku po jednotlivých týdnech.
Důležité je, co přesně se měří. Studie neví, kdo AI skutečně použil. Měří dopad přístupu k nástroji. Autoři odhadují, že AI využila víc než polovina petic, které k ní měly přístup.
🔍 Intent-to-treat
Přístup z klinických studií, který hodnotí efekt nabídnutého zásahu, ne jeho skutečného využití. Pacient je ve skupině s lékem, i když ho přestal brát. Výsledek tak odpovídá na praktickou otázku „co se stane, když nástroj zpřístupníme“, ne „co nástroj udělá s každým, kdo ho použije“. Skutečný efekt na uživatele bývá silnější, než jaký ukáže intent-to-treat.
Proč je to důležité
Studie převrací rozšířený předpoklad, že AI pomůže hlavně lidem, kteří psát neumějí, a tím zlepší jejich šance být slyšeni. Text se zlepšil podle formálních měřítek: je delší, složitější, bohatší na slova. Funkce petice ale není být dobře napsaná. Má přesvědčit konkrétní lidi, aby se připojili. Platforma plná uhlazených, podobně znějících textů může čtenáře spíš unavit.
📚 Homogenizace a algoritmická monokultura
Když velké množství lidí používá tentýž model, jejich výstupy se k sobě přibližují, protože model táhne text k nejpravděpodobnějším formulacím. Pojem algoritmické monokultury popsali Kleinberg a Raghavan (2021) pro situace, kdy mnoho aktérů spoléhá na jeden algoritmus a sdílí tak i jeho chyby. U psaní to znamená, že individuální hlas mizí a texty se hůř odlišují.
Pro platformy, které nástroje nasazují plošně, je to varování: změna metrik výstupu není změna výsledku. Jak připomíná hlavní autorka Isabel Corpus, dosavadní výzkum ukazoval, že AI text je přesvědčivý, věrohodný a kreativní. Data z reálného provozu ukazují, že laboratorní přesvědčivost se na platformu nepřenesla. Platí to pro každý nástroj, který má lidem pomáhat ozvat se: petiční portály, připomínkování úředních záměrů nebo podněty samosprávám.
Limity a otevřené otázky
Kontrolní skupinu tvoří jediná země a efekt se měří na úrovni platformy, ne jednotlivce. Autoři nemohou přímo otestovat mechanismy, které nabízejí: zda čtenáři AI texty poznali a nedůvěřovali jim, nebo zda autoři, kteří nechali psát AI, do kampaně vložili méně vlastního úsilí. Nevidí ani interní zesilování petic na platformě. Čísla v tomto briefu vycházejí z nejnovější veřejné verze preprintu, jejíž vzorek odpovídá publikované verzi. Finální text v Nature Human Behaviour je za paywallem a starší verze preprintu uvádějí mírně odlišné odhady.
Mezi koncem sběru dat a publikací uplynulo 33 měsíců. Studie zachycuje první týdny, kdy byly AI texty novinkou. Jak řekl spoluautor Mor Naaman, lidé v roce 2023 neměli „AI radar“ tak citlivý jako dnes. Od té doby se čtenáři s typickými formulacemi modelů setkávají denně a modely samotné prošly několika generacemi. Negativní efekt na odezvu se proto dnes může projevit silněji, nebo naopak slabší, pokud novější modely píší méně uniformně.