Je sedm hodin čtrnáct minut. Dva lidé stojí ve stejné tramvaji, několik metrů od sebe, a oba otevřou telefon. První během pěti minut uvidí napadení na ulici, politickou hádku, ekonomickou hrozbu a video dokazující, že „svět se úplně zbláznil“.
Druhý uvidí francouzského buldočka, nový nástroj umělé inteligence, levnou letenku a krátký příběh člověka, který změnil kariéru.
Žádný z těch příspěvků nemusí být falešný.
A přesto si oba po několika týdnech mohou odnést úplně jinou představu o tom, jaký svět je, co lidé řeší, čeho se máme bát a kam společnost směřuje.
Rozdíl nevytvořila jen fakta.
Vytvořil ho jejich výběr.
Algoritmus doporučování není šéfredaktor v lidském smyslu. Nemá přesvědčení, svědomí ani vlastní politický názor. Funkčně však dělá několik činností, které byly po většinu historie výsadou editorů: vybírá kandidáty, řadí je, některé opakuje, jiné odsunuje a velkou většinu vůbec neukáže.
A dělá to pro každého člověka zvlášť.
Editor, kterého nikdo nejmenoval
Tradiční redakce pracuje s omezeným prostorem. Na titulní straně může být několik zpráv. Ve večerním vysílání desítky minut. Editor proto rozhoduje, co je důležité, aktuální, důvěryhodné nebo zajímavé.
Digitální platforma má opačný problém: obsah není vzácný. Je ho příliš mnoho.
Bez výběru by sociální síť, videoportál nebo elektronický obchod nebyly použitelné. Doporučovací systém tedy není doplněk. Je to základní infrastruktura pozornosti.
Oficiální popis TikToku uvádí, že feed For You řadí videa podle kombinace signálů, mezi něž patří interakce uživatele, informace o videu a některá nastavení účtu. Dokoukání delšího videa do konce může být silnějším signálem než například společná země diváka a autora.1
YouTube obdobně uvádí sledovací a vyhledávací historii, odběry, lajky, dislajky, volby „nezajímá mě“ a také průzkumy spokojenosti. Domovská stránka se opírá hlavně o historii sledování, zatímco doporučení „další video“ výrazně vychází z videa, které člověk právě sleduje.2
Detaily se mezi platformami liší. Základní logika je ale podobná:
z obrovského množství možností odhadnout, co má nejvyšší pravděpodobnost, že bude pro konkrétního člověka v konkrétní chvíli relevantní.
Algoritmus neví, co je důležité
Stroj nemůže optimalizovat neurčitou větu typu:
„Ukaž člověku to, co je pro jeho život dlouhodobě nejdůležitější a zároveň prospívá společnosti.“
Nejdřív by někdo musel rozhodnout, co znamená „důležité“, „prospívá“ a „dlouhodobě“. Potom by tyto hodnoty musel převést na měřitelné signály.
A tady vzniká jeden z největších rozdílů mezi lidským cílem a strojovým cílem.
Pravda je hodnota.
Důvěryhodnost je hodnota.
Duševní pohoda je hodnota.
Pluralita je hodnota.
Pro model se ale musí stát číslem, kategorií, predikcí nebo pravidlem.
To neznamená, že platformy optimalizují pouze čas nebo počet kliknutí. Současné systémy používají více signálů, včetně zpětné vazby, bezpečnosti či deklarované spokojenosti. Přesto vždy pracují s měřitelnými zástupnými ukazateli.
Dokoukané video není totéž jako hodnotné video.
Komentář není totéž jako souhlas.
Dlouhé zastavení není vždy zájem. Může to být šok, odpor nebo snaha pochopit, co člověk právě vidí.
Ale pro systém je každé pozorovatelné chování stopou.
Klíčový problém: algoritmus přímo nevidí význam, který má obsah pro člověka. Vidí proxy — chování, jež s tímto významem může souviset, ale nemusí ho dokonale reprezentovat.
Algoritmus se učí z vás. Vy se učíte z algoritmu.
Personalizace bývá popisována jako jednosměrný proces:
Vy máte zájmy → systém je pozná → ukáže vám vhodný obsah.
Ve skutečnosti je vztah obousměrný.
Algoritmus sleduje, co uděláte. Podle toho změní další nabídku. Nová nabídka ovlivní, čemu věnujete pozornost. Vaše nová reakce se stane dalším signálem. A cyklus pokračuje.
Pokud se jednou zastavíte u videa o kriminálním případu, systém může vyzkoušet další. Když se zastavíte znovu, kategorie získá vyšší váhu. Po týdnu může feed působit, jako by se kriminalita stala hlavním tématem společnosti.
Možná se společnost nezměnila.
Změnila se pravděpodobnost, že právě toto téma dostanete.
Tento druhý efekt bývá přehlížený.
Algoritmus není jen editor hotového obsahu. Postupně ovlivňuje i to, jaký obsah vůbec vzniká.
Oficiální doporučení TikToku pro tvůrce například otevřeně uváděla, že doba sledování vstupuje do doporučování a že je výhodné udržet pozornost diváka od začátku do konce.1 To je racionální rada. Zároveň je to kulturní pobídka.
Když rychlý háček funguje, vzniká více rychlých háčků.
Když konflikt přináší reakce, vzniká více konfliktu.
Když nuance snižuje tempo, může být zkrácena — ne proto, že je nepravdivá, ale protože prohrává v soutěži o pokračování pozornosti.
Největší zásah je to, co nevidíme
Když editor zveřejní zaujatý titulek, můžeme ho kritizovat.
U algoritmického feedu je část editace neviditelná.
Nevíme, kolik alternativních příspěvků mohlo být na stejném místě. Nevidíme článek, který získal o několik bodů nižší skóre. Nevíme, že jinému člověku byla ve stejnou chvíli nabídnuta opačná interpretace stejné události.
A právě absence se analyzuje nejtěžší.
Nemůžeme nesouhlasit s argumentem, který jsme nikdy nedostali.
Nemůžeme opravit omyl, o němž nevíme, že existuje.
Nemůžeme si všimnout, že téma není celospolečenskou posedlostí — ale pouze dominantou našeho vlastního feedu.
To je blízké klasické myšlence nastolování agendy v médiích: média nemusí lidem přímo říkat, co si mají myslet; mohou výrazně ovlivnit, o čem budou přemýšlet. Personalizovaný feed tuto logiku posouvá dál, protože agenda už nemusí být společná.
Bublina není jen práce algoritmu
Vyprávění o „zlém algoritmu“ má jednu výhodu: nechává nás nevinné.
Jenže lidé si vybírali podobně smýšlející přátele, noviny a komunity dávno před sociálními sítěmi. Sledujeme účty, které nás zajímají. Klikáme na témata, jež potvrzují naše obavy nebo identitu. Odpůrce můžeme zablokovat. Nepříjemný názor přeskočit.
Algoritmus tedy často nevytváří preference z ničeho. Zesiluje, zpřesňuje a automatizuje výběr, na němž se uživatel podílí.
Velká studie Facebooku publikovaná v časopise Nature v roce 2023 zjistila, že většina obsahu, který američtí dospělí uživatelé viděli, pocházela z politicky podobně orientovaných zdrojů, ačkoli politický a zpravodajský obsah tvořil jen malou část celkové expozice. Experimentální snížení obsahu z podobně orientovaných zdrojů zhruba o třetinu změnilo složení feedu, ale nezpůsobilo měřitelné změny v osmi předem stanovených ukazatelích postojů a polarizace.3
Související experiment s chronologickým feedem na Facebooku a Instagramu během amerických voleb v roce 2020 také výrazně změnil to, co lidé viděli a jak s platformami pracovali, ale nezjistil detekovatelné změny ve sledovaných politických postojích.4
To je důležitá brzda proti jednoduchému tvrzení:
„Stačí vypnout algoritmus a společnost se přestane polarizovat.“
Nestačí.
Ale z těchto studií neplyne ani opačný závěr, že algoritmy nemají politické nebo společenské účinky. Měřily konkrétní platformy, konkrétní zásahy, konkrétní období a konkrétní výsledky.
Proč si výzkumy zdánlivě odporují
V roce 2026 vyšla v Nature nezávislá randomizovaná studie algoritmického feedu na síti X. Aktivní uživatelé v USA byli po sedm týdnů přiřazeni k algoritmickému nebo chronologickému feedu.
Zapnutí algoritmického feedu zvýšilo engagement a posunulo některé postoje k politickým prioritám a aktuálním událostem konzervativním směrem. Studie zároveň nezjistila významnou změnu deklarované stranické identity ani afektivní polarizace.5
Ve stejném roce publikovala Nature audit TikToku během amerických voleb 2024. Výzkumníci provedli 323 auditních experimentů s kontrolovanými účty a sesbírali přes 280 tisíc doporučení. Zjistili systematické asymetrie v politické expozici mezi účty předem „naučenými“ demokratickým a republikánským obsahem.6
Ale tento audit neměřil, zda se změnily názory skutečných lidí. Navíc autoři výslovně uvádějí, že z dat nelze přesně určit, zda pozorovaný rozdíl způsobila pravidla algoritmu, nabídka dostupného obsahu nebo jiná část systému.
Další terénní experiment publikovaný v Science v roce 2025 přeřazoval v reálném čase příspěvky na X podle toho, zda vyjadřovaly protidemokratické postoje a stranickou nevraživost. Zvýšení nebo snížení expozice takovému obsahu posunulo hodnocení politické protistrany o více než dva body na stobodové škále.7
Není potřeba žádný tajný plán
Algoritmus nemusí „chtít“ polarizovat společnost.
Nemusí existovat člověk, který zadal příkaz:
„Ukaž každému extrémnější svět.“
Systematický účinek může vzniknout i bez systematického zlého úmyslu.
Stačí cíl, který se v určitém prostředí potká s lidskou psychologií, nabídkou obsahu a obchodním modelem. Pokud jeden typ příspěvku spolehlivěji vyvolává sledování nebo interakci, může získávat distribuci, i když jeho společenský účinek nebyl explicitním cílem.
Stejně důležité je přiznat opačnou stranu.
Personalizace není sama o sobě špatná.
Pomáhá objevit malé tvůrce, odborné materiály, hudbu, komunity, pracovní příležitosti nebo témata, která by se v chronologickém oceánu nikdy nedostala na obrazovku. TikTok sám ve svém vysvětlení připouští riziko homogenního „filter bubble“ a popisuje zásahy, které mají vkládat pestřejší obsah a přerušovat opakující se vzorce.1
Otázka tedy není:
„Algoritmus ano, nebo ne?“
Otázka zní:
„Podle jakých hodnot edituje, co o této editaci víme a kolik kontroly nad ní máme?“
Evropa začíná požadovat jinou redakci
Evropský Akt o digitálních službách — DSA — zachází s doporučovacími systémy jako s oblastí veřejného zájmu, nikoli jen jako s interním tajemstvím produktu.
Velmi velké online platformy a vyhledávače musí být transparentní ohledně doporučovacích systémů, posuzovat systémová rizika, umožnit za určitých podmínek přístup prověřeným výzkumníkům a nabídnout alespoň jednu variantu doporučování, která není založena na profilování uživatele.8
TikTok v souvislosti s evropskou implementací DSA oznámil možnost vypnout personalizaci; jeho nepřizpůsobený For You feed pak pracuje s populárním obsahem z regionu a světa a feedy sledovaných účtů řadí chronologicky.9
Ale ani „nepersonalizovaný“ feed není bez editora.
Popularita je editor.
Chronologie je editor.
Sledované účty jsou editor.
Rozdíl je v tom, zda člověk princip výběru zná a může mezi principy přepínat.
Jak si vzít část redakce zpět
Úplně vystoupit z algoritmického prostředí je pro většinu lidí nereálné — a často ani nežádoucí.
Mnohem praktičtější je přestat feed považovat za neutrální okno.
Malý audit vlastního světa
- Rozlišujte mezi „je to všude“ a „je to všude v mém feedu“.
- U důležitého tématu aktivně vyhledejte zdroj, nečekejte jen na doporučení.
- Používejte volby „nezajímá mě“, blokování témat a správu historie.
- Občas přepněte na chronologický nebo neprofilovaný feed, pokud je dostupný.
- Udržujte přímé zdroje mimo sociální síť: newslettery, RSS, weby institucí.
- Sledujte, která emoce vás drží na obrazovce — zájem, strach, nebo vztek.
- Porovnejte první obraz události s jedním zdrojem, který běžně nesledujete.
- Čas od času záměrně hledejte téma, jež algoritmus neměl důvod vám nabídnout.
TikTok umožňuje obnovit feed, používat „nezajímá mě“, spravovat témata a filtrovat klíčová slova. YouTube dovoluje mazat nebo vypnout historii a tím zásadně měnit základ personalizace.2 Tyto nástroje nejsou dokonalé, ale připomínají důležitou věc:
uživatel není jen publikum. Je také zdrojem redakčních signálů.
Svět se nevejde do feedu
Algoritmus řeší skutečný problém.
Mezi miliony možností musí vybrat několik.
Bez něj bychom se v digitálním prostoru ztratili.
Ale každé zjednodušení světa je současně jeho interpretací.
Pořadí vytváří důležitost.
Opakování vytváří normalitu.
Vynechání vytváří neviditelnost.
Personalizace vytváří pocit, že to, co vidím často, vidí často všichni.
Největší nebezpečí proto nemusí spočívat v tom, že algoritmus lidem přímo vloží do hlavy určitý názor.
Mnohem subtilnější moc má ve chvíli, kdy každému připraví jiný seznam otázek, nad nimiž bude přemýšlet.
Nemusíme algoritmy démonizovat.
Musíme je konečně začít vnímat jako to, čím funkčně jsou:
jako redakční systémy s cíli, slepými místy a důsledky.
Zdroje k dalšímu čtení
- TikTok Newsroom. How TikTok recommends videos #ForYou; dále materiály o diverzifikaci doporučení a správě témat. TikTok popisuje signály doporučování, relativní váhu dokoukání videa, riziko homogenního feedu a uživatelské nástroje. TikTok.
- YouTube Help. How YouTube recommendations work. Oficiální popis signálů zahrnuje sledovací a vyhledávací historii, odběry, lajky, dislajky, zpětnou vazbu „nezajímá mě“ a průzkumy spokojenosti. YouTube Help.
- Nyhan, B. et al. (2023). Like-minded sources on Facebook are prevalent but not polarizing. Nature 620, 137–144. Experiment snížil expozici podobně orientovaným zdrojům přibližně o třetinu a nezjistil měřitelné změny v osmi předregistrovaných postojových ukazatelích. Nature.
- Guess, A. M. et al. (2023). How do social media feed algorithms affect attitudes and behavior in an election campaign? Science 381, 398–404. Terénní experiment s chronologickým a algoritmickým feedem na Facebooku a Instagramu během voleb 2020. Science.
- Gauthier, G. et al. (2026). The political effects of X’s feed algorithm. Nature 652, 416–423. Sedmitýdenní nezávislý randomizovaný experiment zjistil vyšší engagement a posuny některých politických postojů po zapnutí algoritmického feedu, nikoli však významnou změnu stranictví nebo afektivní polarizace. Nature.
- Ibrahim, H. et al. (2026). Systematic partisan content skews in TikTok during the 2024 US elections. Nature 654, 1004–1011. Audit 323 kontrolovaných účtů a více než 280 000 doporučení zjistil asymetrie v politické expozici; studie neurčuje jediný konkrétní mechanismus a neměří změny postojů uživatelů. Nature.
- Piccardi, T. et al. (2025). Reranking partisan animosity in algorithmic social media feeds alters affective polarization. Science 390, eadu5584. Desetidenní experiment s 1 256 účastníky na X ukázal, že změna pořadí obsahu vyjadřujícího stranickou nevraživost může kauzálně změnit hodnocení politické protistrany. Preprint a bibliografické údaje publikace.
- Evropská komise. DSA: Very large online platforms and search engines. Přehled povinností VLOP/VLOSE včetně transparentnosti doporučovacích systémů, posuzování rizik, přístupu prověřených výzkumníků a možnosti doporučování nezaloženého na profilování. Evropská komise.
- TikTok Newsroom Europe (2023). An update on fulfilling our commitments under the Digital Services Act. Popis evropské nepersonalizované varianty feedu a chronologického řazení feedů sledovaných účtů v souvislosti s DSA. TikTok Europe.
Komentáře
Máte názor nebo doplňující zdroj? Přidejte komentář.
Diskuze zatím neaktivní. Na této stránce čekáme na nastavení Giscus proměnných PUBLIC_GISCUS_REPO, PUBLIC_GISCUS_REPOSITORY_ID, PUBLIC_GISCUS_CATEGORY a PUBLIC_GISCUS_CATEGORY_ID.