Umělá inteligence a veřejné zakázky 2026: co umí a co nezvládá
Umělá inteligence a veřejné zakázky v roce 2026: rozbor zadávací dokumentace, kritéria, technická část nabídky, užitečné prompty, rizika a proč nenajde oznámení.
Aktualizováno 5. září 2026
Ověřeno 5. září 2026.
V roce 2026 už není otázkou, zda při přípravě nabídek do veřejných zakázek používat jazykový model, ale kde skutečně pomáhá a kde stojí body, případně celou zakázku. Dělicí čára je zřetelná: umělá inteligence je výborná ve čtení, shrnování a přeformulování dokumentů, které jí dáte, a velmi špatná v tom, aby si sama našla zakázky uveřejněné tento týden.
K čemu firmy umělou inteligenci skutečně používají
Pět použití se opakuje prakticky u všech.
Rozbor zadávací dokumentace. Dokumentace mívá stovky stran v pěti šesti souborech. Model, který zvládne dlouhé PDF, z ní během několika minut vytáhne přesný předmět, rozdělení na části, dobu plnění, smluvní pokuty, seznam požadovaných dokumentů a riziková místa obchodních podmínek.
Shrnutí a rozhodnutí, zda do zakázky jít. Shrnutí oznámení do pevného formátu (zadavatel, předmět, lhůta, předpokládaná hodnota, podmínky účasti) umožní protřídit hromadu oznámení podstatně rychleji.
Vytažení kritérií hodnocení. Zadávací podmínky popisují váhy a dílčí kritéria, někdy v tabulce, jindy v odstavci na dvanácté straně. Strukturovaný výpis kritérií i s vahami pak poslouží jako osnova nabídky.
Psaní technické části nabídky. Nejrozšířenější a nejrizikovější použití. Model se hodí na osnovu podle kritérií, na přeformulování odstavců z dřívějších nabídek a na kontrolu, že žádný požadavek technické specifikace nezůstal bez odpovědi. Nehodí se na vymýšlení přidané hodnoty, která musí přijít z firmy.
Monitoring a třídění. Jakmile máte oznámení z aktuálního zdroje, model je velmi dobře seřadí podle relevance, přiřadí kódy CPV a odhalí duplicity. Podstatné je slovo „jakmile máte".
Co model umí a co ne
| Úkol | Obecný model | Proč |
|---|---|---|
| Shrnout dokumentaci, kterou mu dodáte | Dobře | Text má před sebou, jde o komprimaci |
| Vytáhnout kritéria, váhy a data ze zadávacích podmínek | Dobře | Strukturovaná extrakce, ověřujte řádek po řádku |
| Převést činnost na kódy CPV | Dobře | Klasifikace je veřejná a stabilní |
| Vygenerovat synonyma z jazyka zadavatelů | Velmi dobře | Nepotřebuje žádná čerstvá data |
| Roztřídit a obodovat už sesbíraná oznámení | Dobře | Klasifikace nad dodaným textem |
| Přeformulovat a strukturovat nabídku | Použitelně, s korekturou | Obsah musí přijít z firmy |
| Najít zakázky uveřejněné tento týden | Špatně | Částečný přístup k systémům, zastaralé výsledky |
| Uvést neuveřejněnou předpokládanou hodnotu | Špatně | Čirá smyšlenka |
| Citovat normu, ustanovení zákona nebo rozhodnutí ÚOHS | Riskantní | Věrohodné, ale nepravdivé odkazy |
| Napsat celou nabídku k odeslání beze změn | Špatně | Obecná nabídka, tak i ohodnocená |
Slepé místo: nalezení aktuálních zakázek
To je nejhůř chápaná mez. Obecní asistenti, ChatGPT i Perplexity, mají k uveřejňovacím systémům jen velmi částečný přístup. Na dotaz „najdi aktuální veřejné zakázky na správu IT v Jihomoravském kraji" vracejí především starší, často už uzavřená řízení.
Technické důvody jsou tři. Profily zadavatelů jsou špatně indexované: jejich obsah je za vyhledávacími formuláři, relacemi a JavaScriptem. Okno zakázky je krátké, obvykle tři až pět týdnů, zatímco index se obnovuje pomaleji. A spolehlivé zdroje jsou strojová rozhraní: Věstník veřejných zakázek a NEN provozované Ministerstvem pro místní rozvoj a TED se strukturovaným vyhledáváním (verified 2026-09-05); žádné z nich obecný asistent nedotazuje.
Odtud pravidlo: jazykový model nastupuje až po nalezení, nikdy místo hledání.
Tři konkrétní rizika
Vymyšlené údaje
Model vytváří věrohodný text, ne ověřený text. V technické části nabídky to znamená neexistující čísla norem, certifikace přisouzené firmě, kterou je nemá, smyšlené reference nebo chybně citovaná ustanovení zákona. Nepravdivý údaj přitom není jen formální chyba: v nabídce jde o údaj, na jehož základě zadavatel hodnotí, a jeho nepravdivost může vést k vyloučení účastníka. Každý faktický údaj z modelu musí zkontrolovat člověk, který ho zná.
Obecná nabídka
Text vygenerovaný bez vlastního materiálu poznáte podle univerzálních formulací a chybějících provozních detailů. Kritéria kvality přitom odměňují pravý opak: jmenovitě uvedené osoby, vyčíslený harmonogram, metodiku aplikovanou na konkrétní objekt, opatření navázaná na potřebu popsanou v technické specifikaci. Plynulá, ale zaměnitelná nabídka ztrácí body přesně tam, kde se rozhoduje.
Důvěrnost zadávací dokumentace
Dokumentace obsahuje někdy výkresy, provozní data nebo adresy citlivých objektů a připravovaná nabídka obsahuje obchodní strategii a ceny. Minimálně tři opatření: ověřte, že dodavatel modelu odeslaná data nepoužívá k trénování, dejte přednost firemní verzi služby se smluvním závazkem v tomto bodě, a z dokumentů odstraňte, co tam být nemusí. Některé zadávací podmínky navíc obsahují doložku o mlčenlivosti zakazující předání třetí straně, což se online služby týká také. U osobních údajů v dokumentaci se uplatní GDPR se všemi povinnostmi zpracovatele.
Prompty, které fungují
Následující tři zadání míří na úkoly, ve kterých je model dobrý: data má k dispozici, nebo jsou stabilní.
Shrnutí oznámení. Vložte text oznámení a vynuťte pevný formát.
Toto je oznámení o zahájení zadávacího řízení. Vypiš pouze v odrážkách:
zadavatel, předmět v jedné větě, druh zakázky (stavební práce / dodávky / služby),
druh řízení, rozdělení na části, lhůta pro podání nabídek, doba plnění,
kritéria hodnocení s vahami, požadované doklady.
Pokud údaj v textu není, napiš "neuvedeno".
Nepřidávej nic, co v textu není.
Poslední pokyn je nejdůležitější: omezuje doplňování mezer výmyslem.
Přiřazení kódů CPV. Užitečné při stavbě monitorovacího profilu.
Pro činnost "{činnost}" uveď relevantní kódy CPV od nejširšího po nejpřesnější,
u každého oficiální název a známku 1 až 5 podle pravděpodobnosti,
že jej český zadavatel pro tuto potřebu použije.
Doplň blízké kódy k vyloučení kvůli šumu. Odpověz v JSON.
Kódy pak ověřte v oficiálním prohlížeči CPV: model snadno vytvoří kód se správným formátem, který ale neexistuje.
Rozšíření synonym. Vyhledávání v uveřejňovacích systémech je doslovné: dotaz „služby v oblasti IT" nenajde zakázku nazvanou „zajištění provozu informačního systému". Generování variant úředního slovníku je to, co model umí nejlépe.
Jsi český veřejný zadavatel. Pro činnost "{činnost}" vyjmenuj
15 až 20 formulací, které by zadavatel použil v názvu veřejné zakázky,
včetně úředního jazyka, a poté blízké pojmy k vyloučení. Odpověz v JSON.
Jak se k tomu staví právo a zadavatelé
Zákon č. 134/2016 Sb., o zadávání veřejných zakázek, používání umělé inteligence nijak neupravuje, a to ani na straně zadavatelů, ani na straně dodavatelů. Uplatní se obecné režimy: zásady zadávání veřejných zakázek, ochrana osobních údajů podle GDPR a evropské nařízení o umělé inteligenci, tedy nařízení (EU) 2024/1689 účinné od 1. srpna 2024, jehož povinnosti dopadají především na poskytovatele systémů, nikoli na firmu, která si nechá přeformulovat odstavec.
K datu ověření nejsou známa rozhodnutí Úřadu pro ochranu hospodářské soutěže ani soudů, která by se k nabídce napsané s pomocí jazykového modelu vyjadřovala; Úřad nad zadáváním veřejných zakázek vykonává dohled a spory o zadávací podmínky řeší v přezkumném řízení. Praxe tedy upravena není a obezřetnost velí považovat umělou inteligenci za interní psací nástroj, za jehož výstup nese firma plnou odpovědnost, stejně jako za textový editor nebo externího konzultanta. Objeví-li se v zadávacích podmínkách doložka o používání umělé inteligence, čtěte ji pozorně: takové doložky se v Evropě začínají objevovat a jejich vymahatelnost je sporná, na hodnocení vaší nabídky to však vliv mít může.
Scoutee toto oddělení dodržuje: sběr oznámení probíhá z datovaných a strukturovaných zdrojů, model nastupuje až potom, aby roztřídil a shrnul to, co bylo skutečně uveřejněno.