ŠUBERT META KODEX v3.0

Proč vzniknul

AI modely umí nejistotu vyjádřit a do jisté míry poznají, kdy odpovídají správně. Jenže jistota, se kterou odpověď podají, často neodpovídá tomu, jak často mají pravdu — a lidé ji navíc přeceňují. Ve studii Steyvers a kol. (Nature Machine Intelligence, 2025) uživatelé přeceňovali přesnost odpovědí modelů a delší vysvětlení zvyšovalo jejich důvěru, i když odpověď nebyla o nic správnější. Bez kontrolní vrstvy se tak přesvědčivá, ale nepodložená tvrzení dostanou do nabídek, smluv a rozhodnutí. META KODEX je systematický způsob, jak výstup rozebrat, ověřit, oštítkovat a obodovat dřív, než ho firma použije.

Čtyři vrstvy rámce

Certainty Tagging (MTH-086)

Každé důležité tvrzení dostane značku podle toho, jak vzniklo, jak silně ho podporuje podklad a jestli bylo ověřeno. Značka je výstup ověření, ne jeho náhrada — přiděluje se až po kontrole podkladu podle pravidel níže, ne podle toho, jak sebejistě tvrzení zní.

Proof Engine (PFE-001)

Extrakce tvrzení → hledání důkazů → verifikace → rekonstrukce timeline → trust scoring. Důkazní jádro auditu.

Hallucination Detection (MOD-AI-085)

Monitoruje riziko fabrikace, nepodloženou specifičnost, vnitřní nekonzistenci a vzorce přehnané jistoty.

Governance & Anti-Autonomy (SYS-GOV-060)

Lidská suverenita nad AI. Řízená, ne neomezená autonomie — rozhodnutí zůstává na člověku, pod dohledem a odpovědností.

Jak vzniká skóre 0–10

Každý výstup se hodnotí v pěti kritériích po 0–2 bodech:

• Struktura — je výstup logicky členěný?
• Separace faktů — jsou fakta oddělena od interpretace?
• Varianty — nabízí víc pohledů, ne jen jeden absolutní?
• Rizika — jsou pojmenována rizika a dopady?
• Nejistoty — přiznává limity a to, co není ověřené?

Výsledek: PASS (10), ACCEPT WITH NOTE (8–9) nebo REJECT (pod 8) — s doporučením, jestli lze výstup použít, nebo se má přepracovat.

Co skóre neměří: faktickou správnost. Hodnotí, jak výstup zachází s fakty a nejistotou. Pravdivost jednotlivých tvrzení ověřuje zvlášť Proof Engine a v auditu je to samostatný seznam — co obstálo, co ne a co nešlo ověřit. Výstup za 10/10 může obsahovat chybný údaj.

Auditní řetězec

Výstup nejdřív vznikne (PRODUCER), pak ho nezávisle prověří AUDITOR podle kritérií výše a nakonec se ho ADVERSARIAL REVIEWER pokusí vyvrátit. Až co projde všemi třemi, je „obhajitelné".

Pravidla značek

Osm značek není jedna stupnice od jistého k nejistému. Jsou to tři skupiny, které odpovídají na tři různé otázky:

• Jak tvrzení vzniklo — [I] inference (odvozeno z doložených údajů), [D] předpoklad (přijato bez ověření, třeba ze zadání), [S] spekulace (možnost bez opory). Tvrzení převzaté přímo z podkladu značku vzniku nemá.
• Jak silně ho podklad podporuje — [F] fakt, [SD] silně podloženo, [P] pravděpodobné.
• Stav ověření — [N] neověřeno (kontrola neproběhla nebo podklad chybí), [X] sporné (podklady si odporují nebo kontrola tvrzení vyvrátila).

Jak se přidělují a kombinují

• [F] má přísná kritéria: existuje konkrétní dohledatelný podklad (dokument, záznam, výpočet), kontrola potvrdila, že podporuje celé tvrzení, ne jen jeho část, a kontrolu provedl někdo jiný než autor výstupu. Chybí-li cokoli z toho, nejvýš [SD].
• [SD] — podklad podporuje jádro tvrzení, ne každý detail. [P] — podpora je nepřímá nebo neúplná.
• Každé důležité tvrzení má právě jednu značku podpory nebo stavu; značka vzniku se k ní přidává, např. [I][SD].
• Přednost: [X] přebíjí všechno. [N] vylučuje [F], [SD] i [P] — co nebylo ověřeno, nemůže být podložené. Inference nikdy nedostane [F], spekulace nejvýš [P]. Tvrzení s [D] platí jen s výslovně uvedeným předpokladem.
• Kvalita zdroje (A–D) je jiná osa než síla podpory. Zdroje hodnotím zvlášť, od A (primární, oficiální) po D (nedohledatelný). I zdroj A může konkrétní tvrzení podporovat jen zčásti — pak má tvrzení [P], ne [F].

Co značka dovolí

• [F], [SD] — použít.
• [P], [I], [D] — použít jen s uvedenou nejistotou nebo předpokladem; směrem k zákazníkovi, úřadu nebo penězům až po schválení člověkem.
• [N] — před použitím ověřit.
• [S] — není podklad pro rozhodnutí.
• [X] — eskalovat na určenou osobu.

Značku, kterou si model v odpovědi přidělí sám, beru jako návrh — platí až ta, kterou potvrdí kontrola podkladu. A značení má limit: tvrzení chybně označené [F] posílí důvěru v chybu víc, než kdyby žádnou značku nemělo. Proto se namátkově kontrolují i samotná [F].

Jak se pozná, že kontrola funguje

Přítomnost značek sama nic nedokazuje — systém bez značek nemusí být špatně řízený a systém se značkami dobře. Rozhodují výsledky kontroly. Sleduji tři čísla:

• Podíl kontrolovaných [F], které neobstály.
• Podíl důležitých tvrzení s dohledatelným relevantním podkladem.
• Počet případů, kdy měl systém eskalovat na člověka a neudělal to.

Vztah k AI Actu

Značení jistoty AI Act nevyžaduje. Článek 50 ukládá informovat lidi, že komunikují s AI, a označovat některý syntetický obsah — o jistotě tvrzení neříká nic. Blíž mají články 13 a 14 (srozumitelnost výstupů pro provozovatele a lidský dohled), ty ale platí pro vysoce rizikové systémy. Certainty tagging může být jedním z podpůrných opatření; splnění povinností sám o sobě neprokazuje.