<?xml version="1.0" encoding="UTF-8"?><oembed><type>video</type><version>1.0</version><html>&lt;iframe src=&quot;https://www.loom.com/embed/8b3f2f881a0f4ed1be50832493ecb81b&quot; frameborder=&quot;0&quot; width=&quot;1284&quot; height=&quot;963&quot; webkitallowfullscreen mozallowfullscreen allowfullscreen&gt;&lt;/iframe&gt;</html><height>963</height><width>1284</width><provider_name>Loom</provider_name><provider_url>https://www.loom.com</provider_url><thumbnail_height>963</thumbnail_height><thumbnail_width>1284</thumbnail_width><thumbnail_url>https://cdn.loom.com/sessions/thumbnails/8b3f2f881a0f4ed1be50832493ecb81b-560fe16427a22f23.gif</thumbnail_url><duration>793.171</duration><title>Generativní AI, promptování a kontext engineering</title><description>Toto Loom vysvětluje, proč generativní AI není vhodná jako vyhledávač ani čistý generátor a proč klíčové jsou use cases, workflow a hlavně kontext při promptování. AI je popsána jako proces od zadání přes model k výstupu, přičemž kvalitu ovlivňuje to, co do zadání dáš a jak ji zkontroluješ, protože chyby vznikají při nejasném úkolu a bez následné kontroly. Zmiňuje se i rozdíl mezi modelem, produktem a workflow, a že i s dobrým modelem může výsledek být špatný bez správně poskládaného promptu a procesu. Doporučuje se u výstupů s vyšším dopadem nebo citlivými tématy zvýšit kontrolu a kriticky posuzovat možné předsudky v datech.</description></oembed>