AI pro analýzu zákaznického sentimentu a feedbacku

Umělá inteligence čte zákaznické emoce přesněji než lidé. Moderní AI modely dosahují 85–95 % přesnosti při klasifikaci sentimentu — zatímco lidští hodnotitelé se shodnou jen v 70–80 % případů. Přesto většina českých firem stále analyzuje zpětnou vazbu ručním pročítáním recenzí nebo — ještě častěji — ji neanalyzuje vůbec. V roce 2026 se přitom pravidla hry zásadně změnila: velké jazykové modely (LLM) jako ChatGPT nebo Claude poprvé umožňují aspektovou analýzu sentimentu v češtině bez jediného řádku kódu a bez tréninkových dat. Tento článek je praktický průvodce od nuly — co analýza sentimentu je, jaké nástroje fungují s češtinou, jak si ji nastavit sami a kdy se na ni naopak nespoléhat.

Co je analýza sentimentu a proč na ní v roce 2026 záleží víc než kdy dřív

Analýza sentimentu je automatické rozpoznávání emocí a postojů v textu. V nejjednodušší podobě jde o třídění na „pozitivní", „negativní" a „neutrální". V pokročilé podobě — aspektové analýze sentimentu (ABSA) — systém rozpozná, ke kterému konkrétnímu aspektu produktu nebo služby se emoce váže. Recenze „Hotel krásný, ale snídaně hrozná" se nerozdělí na jedno číslo, ale na dvě hodnocení: ubytování = pozitivní, stravování = negativní.

Vývoj analýzy sentimentu prošel třemi éry. První generace (2000–2015) používala slovníky emočně zabarvených slov — „skvělý" = +1, „příšerný" = -1. Fungovalo to na jednoduché texty, ale selhávalo na ironii, kontextu a jakémkoliv jazyce mimo angličtinu. Druhá generace (2015–2022) přinesla strojové učení — modely BERT, RoBERTa a jejich české varianty trénovaly na milionech označených textů. Přesnost vzrostla, ale potřeba tréninkových dat a doménového fine-tuningu zůstala překážkou.

Třetí generace (2023–současnost) staví na velkých jazykových modelech (LLM). ChatGPT, Claude, Gemini a další rozumí kontextu, ironii, kulturním nuancím — a fungují v češtině bez jakéhokoli doladění. Právě tato změna otevřela analýzu sentimentu firmám, které nemají datový tým ani budget na enterprise platformy.

Proč to v roce 2026 záleží víc než dřív? Zákazníci zanechávají zpětnou vazbu na více kanálech než kdykoliv předtím: Google recenze, Heureka, e-mailové tickety, NPS ankety, sociální sítě, chatové konverzace. Objem dat roste exponenciálně — a lidská kapacita na jejich čtení ne. Firma se 100 recenzemi měsíčně je zvládne přečíst ručně. Firma s 5 000 tickety měsíčně potřebuje automatizaci, nebo cenný feedback zmizí v šumu.

Tři přístupy k analýze sentimentu (a který vybrat)

Ne každý přístup k analýze sentimentu se hodí na každý problém. Výběr závisí na objemu dat, požadované přesnosti, dostupném budgetu a — klíčově — na tom, zda potřebujete pracovat s češtinou. Tři hlavní přístupy se liší fundamentálně v tom, jak „rozumí" textu.

Přístup 1: Slovníkový (lexicon-based). Systém má databázi slov s přiřazeným sentimentem. „Výborný" = +2, „zklamání" = -1. Sečte skóre slov ve větě a vrátí výsledek. Výhoda: rychlost a cena (prakticky nulová). Nevýhoda: nulové porozumění kontextu. Věta „To bylo výborné, jak se mi rozbil telefon den po záruce" dostane pozitivní skóre kvůli slovu „výborné". Pro češtinu navíc chybí kvalitní veřejné slovníky.

Přístup 2: Strojové učení (ML klasifikátory). Model se natrénuje na tisících ručně označených příkladech z konkrétní domény. Naučí se vzorce, které slovníkový přístup nevidí. Přesnost v laboratorních podmínkách dosahuje 90–96 %. Nevýhoda: potřeba tréninkových dat (minimum 1 000–5 000 označených příkladů), doménová specifičnost (model trénovaný na hotelových recenzích nefunguje na IT ticketech) a náročná údržba. Pro češtinu existují výzkumné modely z ÚFAL a Masarykovy univerzity, ale produkční nasazení vyžaduje vlastní data.

Přístup 3: LLM (velké jazykové modely). ChatGPT, Claude nebo Gemini dostanou text a instrukci „Analyzuj sentiment tohoto textu". Bez tréninkových dat, bez fine-tuningu. Rozumí kontextu, ironii, dvojité negaci. Fungují s češtinou nativně. Přesnost: 75–85 % (AIMultiple benchmark, 2025). Nevýhoda: cena za token při vysokých objemech a latence (sekundy na jeden dotaz).

Od „pozitivní/negativní" k aspektové analýze — průlom jménem ABSA

Celkový sentiment score je jako průměrná teplota v nemocnici — číslo existuje, ale nikomu nepomůže. Zákazník, který napíše „Produkt skvělý, ale doručení trvalo 14 dní a podpora neodpovídala", není ani spokojený, ani nespokojený. Je spokojený s produktem a nespokojený s logistikou a zákaznickým servisem. Právě tuto granularitu řeší aspektová analýza sentimentu (Aspect-Based Sentiment Analysis, ABSA).

ABSA probíhá ve třech krocích. Extrakce aspektů: systém identifikuje, o čem zákazník mluví (produkt, cena, doručení, podpora, UX). Klasifikace sentimentu: pro každý aspekt určí emoci (pozitivní/negativní/neutrální). Párování: spojí aspekt s příslušným sentimentem. Výsledek není jedno číslo, ale strukturovaná mapa zákaznické zkušenosti.

Proč je ABSA v roce 2026 průlomová? Protože LLM modely zvládají aspektovou analýzu „zero-shot" — bez jakýchkoli tréninkových dat. Stačí zadat prompt „Analyzuj následující recenzi. Pro každý zmíněný aspekt urči sentiment" a model vrátí strukturovaný výstup. Dříve vyžadovala ABSA měsíce práce ML týmu a tisíce anotovaných příkladů. Dnes to zvládne jeden prompt.

Česká specifika — proč anglické modely nestačí

Čeština je pro analýzu sentimentu jeden z nejtěžších evropských jazyků. Bohatá morfologie, volný slovosled, dimunutivy, dvojitá negace a kulturní tendence k nepřímosti vytvářejí kombinaci, na které tradiční NLP modely selhávají. I moderní LLM musí čelit specifickým výzvám — a pochopení těchto limitů je klíčové pro realistická očekávání.

Akademický výzkum v této oblasti vedou dvě pracoviště: ÚFAL na Univerzitě Karlově (výzkumná skupina kolem Lucie Veselovské, sentimentová analýza českých textů) a NLP centrum Masarykovy univerzity (práce s českými sociálními médii a brandovými daty). Výzkum z roku 2024 ukazuje přesnost kolem 70 % na českých facebookových datech při použití klasických ML modelů — výrazně pod úrovní angličtiny (85–90 %).

LLM modely tento rozdíl dramaticky snižují. GPT-4 a Claude 3.5+ rozumí české morfologii nativně, protože byly trénovány na rozsáhlém českém korpusu. Nepotřebují lemmatizaci ani speciální preprocessing. V interních testech dosahují na českém feedbacku přesnosti srovnatelné s angličtinou — kolem 80–85 %. Klíčem je kvalitní prompt s českými příklady. (Více o tom, jak psát efektivní prompty, najdete v našem průvodci prompt engineeringem.)

Nástroje pro analýzu sentimentu v roce 2026

Trh s nástroji pro analýzu sentimentu se v roce 2026 rozdělil do čtyř kategorií — od enterprise platforem za statisíce ročně po DIY řešení s ChatGPT za pár stovek měsíčně. Volba závisí na objemu feedbacku, technické zdatnosti týmu a požadavcích na integraci s existujícími systémy.

Enterprise platformy (Medallia, Qualtrics XM) nabízí end-to-end řešení — sběr dat, analýzu, dashboardy, alerting. Cena: od $30 000 ročně (Medallia) resp. $99/uživatel/měsíc (Qualtrics). Hodí se pro firmy s desítkami tisíc zákaznických interakcí měsíčně a dedikovaným CX týmem. Čeština: podporována, ale kvalita závisí na konkrétním modelu.

Mid-market SaaS (Chattermill, SentiSum, Brandwatch) se zaměřují na specifické use-case. Chattermill s enginem Lyra AI podporuje 100+ jazyků a specializuje se na root-cause analýzu. SentiSum (engine Kyo) analyzuje tickety a hovory. Brandwatch monitoruje sociální sítě. Ceny: $300–1 000+/měsíc. Pro střední firmy s jasným use-case a rozpočtem na SaaS.

DIY s LLM API (ChatGPT, Claude, Gemini) je nejflexibilnější a pro české firmy často nejpraktičtější varianta. Cena: $0,01–0,06 za 1 000 tokenů (cca 750 slov). Pro firmu analyzující 1 000 recenzí měsíčně to vychází na $5–15 měsíčně. Plná kontrola nad promptem, strukturou výstupu, aspekty. Nevýhoda: vyžaduje technickou zdatnost pro nastavení pipeline.

Open-source modely (Hugging Face, české BERT varianty) jsou zdarma, ale vyžadují infrastrukturu, tréninkové data a ML expertise. Vhodné pro akademické projekty nebo firmy s vlastním ML týmem.

Praktický návod — analýza sentimentu s ChatGPT nebo Claude od nuly

Celý setup zabere 30 minut a nepotřebujete žádné zkušenosti s programováním. Následující postup funguje s ChatGPT (Plus nebo API) i s Claude. Pro hromadné zpracování je výhodnější API, ale začít lze i v chatovém rozhraní s kopírováním recenzí.

Krok 1: Definujte, co analyzujete. Typ feedbacku určuje strukturu promptu. Google recenze mají jinou strukturu než NPS komentáře. Definujte: zdroj dat, cílové aspekty (produkt, cena, doručení, podpora, UX), škálu (pozitivní/neutrální/negativní nebo 1–5), formát výstupu (tabulka, JSON). (Pro propojení AI s vašimi zákaznickými daty doporučujeme přečíst návod na propojení AI s CRM.)

Krok 2: Připravte data. Exportujte recenze do CSV nebo prostého textu. Odstraňte duplikáty a spam. U větších datasetů rozdělte na dávky po 10–20 recenzích (kontextové okno má limity).

Krok 3: Použijte prompt pro aspektovou analýzu.

Analyzuj následující zákaznické recenze v češtině. Pro každou recenzi:

1. Identifikuj všechny zmíněné aspekty (produkt, cena, doručení, podpora, UX, jiné)
2. Pro každý aspekt urči sentiment: pozitivní / neutrální / negativní
3. Přiřaď celkový sentiment a skóre důvěry (0–100 %)
4. Extrahuj klíčovou frázi, která sentiment vyjadřuje

Formát výstupu — JSON:
{
  "recenze_id": 1,
  "text": "původní text",
  "aspekty": [
    {"aspekt": "produkt", "sentiment": "pozitivní", "fráze": "skvělá kvalita", "důvěra": 92}
  ],
  "celkový_sentiment": "smíšený",
  "celková_důvěra": 78
}

Pravidla:
- Respektuj českou ironii a sarkasmus (např. "to je bomba" po stížnosti = negativní)
- Dvojitá negace "není špatné" = mírně pozitivní
- Pokud si nejsi jistý, sniž skóre důvěry pod 60 %
- Pokud aspekt není zmíněn, neuváděj ho

Recenze k analýze:
---
[ZDE VLOŽTE RECENZE]

Krok 4: Validujte prvních 50 výsledků. Projděte ručně prvních 50 analýz a porovnejte s vlastním úsudkem. Sledujte, kde se model mýlí — typicky u ironie a implicitních stížností. Upravte prompt podle zjištění (přidejte příklady problematických případů).

Krok 5: Škálujte přes API. Pro pravidelné zpracování napojte API. Jednoduchý Python skript načte CSV, pošle recenze po dávkách a uloží strukturované výsledky. Náklady: cca $0,01–0,03 za recenzi při použití GPT-4o nebo Claude Sonnet.

Krok 6: Vizualizujte a nastavte alerty. Výstupy z JSON snadno importujete do Google Sheets, Looker Studia nebo Power BI. Nastavte alert na náhlý pokles sentimentu u konkrétního aspektu — to je signál, že se něco pokazilo a vyžaduje okamžitou pozornost.

Model zralosti sentimentové analýzy — kde jste vy?

Ne každá firma potřebuje prediktivní AI platformu za statisíce. Klíčové je vědět, kde se nacházíte, a postupovat na další úroveň — ne přeskakovat kroky. Model zralosti sentimentové analýzy má čtyři úrovně, každá s jasnými znaky a podmínkami pro posun výš.

Level 0 — Ignorance. Firma sbírá feedback (recenze, tickety, NPS), ale nikdo ho systematicky neanalyzuje. Data existují, ale nevyužívají se. Odhad: 40–50 % českých SMB.

Level 1 — Základní klasifikace. Firma třídí feedback na pozitivní/negativní, ručně nebo jednoduchým nástrojem. Sleduje trendy v čase („letos víc stížností než loni"). Chybí granularita — neví, CO konkrétně zákazníky trápí. Odhad: 30–40 % firem, které feedback vůbec řeší.

Level 2 — Granulární ABSA. Firma rozumí sentimentu per aspekt. Ví, že zákazníci milují produkt, ale nesnáší doručení. Sleduje trendy per kategorie. Má dashboard s real-time daty. Toto je level, na který se díky LLM dostanete za dny, ne měsíce.

Level 3 — Prediktivní akce. Sentiment data se propojují s CRM a business logikou. Systém predikuje churn na základě sentimentového skóre. Negativní feedback automaticky eskaluje. Produktový tým prioritizuje na základě aspektových dat. Sem směřují enterprise firmy — a s AI agenty se tato úroveň zpřístupňuje i středním firmám.

Limity a rizika — kdy analýza sentimentu selhává

Analýza sentimentu není všelék a slepá důvěra ve výstupy je nebezpečnější než žádná analýza. Pochopení limitů je klíčové pro realistická očekávání a správnou interpretaci výsledků.

Sarkasmus a ironie zůstávají největším nevyřešeným problémem. „Skvělé, přesně tohle jsem potřeboval — tři týdny čekat na odpověď supportu" dostane od většiny modelů pozitivní skóre. LLM jsou v detekci ironie lepší než starší modely, ale i GPT-4 selhává v 15–25 % případů, zvláště v česky typické suché ironii.

Propast mezi testováním a produkcí je reálná. Model dosahující 96 % přesnosti na benchmarku může klesnout na 75 % v produkčním prostředí. Důvod: reálný feedback obsahuje překlepy, slang, emotikony, zkratky, mix jazyků. Benchmark data jsou čistá — zákaznická data ne.

Neutrální kategorie je nejproblematičtější. Většina reálného feedbacku není jednoznačně pozitivní ani negativní — je smíšená, podmíněná, víceznačná. „Dobrý produkt za tu cenu" — je to pochvala, nebo naznačení, že za víc peněz by čekal víc? Modely mají s touto kategorií nejnižší přesnost.

GDPR a soukromí nelze ignorovat. Analýza zákaznických komunikací přes cloudové API (OpenAI, Anthropic) znamená, že osobní data opouští vaši infrastrukturu. Pro regulované sektory to vyžaduje DPIA (Data Protection Impact Assessment) a smluvní zajištění s poskytovatelem. (Podrobněji se tématu věnuje náš průvodce ochranou soukromí při práci s AI.)