Proč nestačí pustit na web jazykový model

Snadno se řekne, že Torumata je v podstatě totéž, jako když si pustíte ChatGPT nad vlastním webem. Je to ale velice daleko od pravdy. Ne proto, že by modely byly hloupé, ale proto, že nevidí celý web, neumí měřit a jeho výsledek nejde zopakovat ani doložit. Torumata web stáhne jako robot, více než 30 věcí změří deterministicky a model použije jen tam, kde má smysl, a to na hodnocení obsahu. Z téhož průchodu udělá i SEO audit a kontrolu přístupnosti podle WCAG 2.2. Navíc má pojistky proti vymyšleným tvrzením (halucinacím).

Platí to pro web, u kterého chcete vědět, co z něj AI vyhledávače a asistenti opravdu dostanou, výsledek za měsíc porovnat a předat agentuře. Na jednu stránku nebo text, který teprve píšete, je použití jazykového modelu svépomocí dál správná volba.

Co znamená analýza webu pro AI

Mezi webem a odpovědí asistenta stojí tři brány a teprve za nimi obsah. Pořadí vrstev je dle důležitosti. Stránka, na kterou se robot nedostane, pro něj nemá žádný obsah, ať je napsaná sebelíp.

Google má uvedeno ve vlastní dokumentaci, že stránka musí být indexována a způsobilá pro běžné vyhledávání, aby se mohla objevit v AI Overviews nebo AI Mode (Google Search Central). Je to jediná nutná podmínka, kterou někdo doložil. U obsahu existuje jediný recenzovaný experiment, Princeton, KDD 2024, 10 000 dotazů (arXiv 2311.09735): citáty v textu zvedly viditelnost v odpovědích o 41 %, konkrétní statistiky o 33 %, odkazy na zdroje o 28 %. To je doložený efekt. Strukturovaná data, soubor llms.txt ani autorita domény doložený efekt nemají. Co není doložené, můžeme dělat, ale ne slibovat.

Když se web analyzuje jazykovým modelem svépomocí

Jazykový model v chatu dostane z webu jen to, co mu jeho nástroj na čtení stránek podstrčí. Šest důvodů, proč z toho analýza webu nevznikne:

1. Vidí jednotky stránek, ne web. Nástroj stahuje stránky na požádání. Nestahuje celý web podle odkazů a sitemapy. U webu o 120 stránkách model zpravidla přečte titulku a pár podstránek a zbytek si domyslí.
2. Nevykresluje JavaScript. Menu, produkty a ceny skládané JavaScriptem v HTML pro model neexistují. Model pak hlásí „stránka nemá obsah“, nebo obsah, který si model sám doplnil podle názvu. AI crawleři JavaScript také nevykreslují (s výjimkou Gemini a Applebota), takže právě tenhle rozdíl je třeba měřit, ne odhadnout.
3. Stačí „zámek“ na bráně a model o tom lže. V našem měření z října 2026 vrátil nástroj claude.ai u 19 z 20 webů bez HTTPS hlášku, že web zakazuje automatický přístup. Ty weby nic nezakazovaly, jen neměly šifrované připojení (článek s daty). Stejně to dopadne, pokud IP adresu jazykového modelu blokuje firewall hostingu.
4. Neumí měřit. Kontrast textu, které stránky vrací 404, jestli canonical sedí se sitemapou, kolik stran má duplicitní titulek. Model tato čísla jen odhadne, se stejnou jistotou, jako by je změřil.
5. Nerozlišuje, co ví a co si domyslel. GPTBot, OAI-SearchBot a ChatGPT-User jsou tři různí roboti jedné firmy, každý s vlastními pravidly v robots.txt. Model zná stav z tréninku a nic ho nenutí říct, že soubor nečetl. Přínos strukturovaných dat nebo llms.txt popisuje, jak o nich píše marketing, ne jak je změřily studie.
6. Výsledek nejde zopakovat ani předat. Dva stejné dotazy dají dva různé seznamy, bez záznamu k porovnání za měsíc.

Tohle není kritika modelu, stejné typy modelů používá i Torumata na hodnocení obsahu. Rozdíl je v tom, co mu kdo podstrčí a co se s odpovědí děje dál.

A co agent s příkazovou řádkou?

Technický čtenář namítne, že model v chatu je slabý soupeř: „Agent s příkazovou řádkou (Claude Code, Codex, agent v Cursoru) si napíše crawler v Pythonu, pustí prohlížeč bez obrazovky, přečte živý robots.txt, změří kontrast i odpovědi 404 a vrátí tabulku.“ Má pravdu, body „vidí jednotky stránek“, „nevykresluje JavaScript“ a „neumí měřit“ u agenta neplatí a „zámek“ na bráně ho oklamat nemusí. Argument je ale jinde.

Obsah pořád hodnotí model a příkazová řádka ho nenaučí oddělit změřené od domyšleného: shrnutí na konci smíchá číslo ze skriptu s dojmem z tréninku a podá obojí stejně jistě. Kontroly přitom píše podle toho, co platilo při tréninku modelu. Nezná změnu výchozích pravidel Cloudflare z 15. září (článek s daty), takže skript pak může ohlásit, že web trénovací roboty pouští, i když je zastaví síť. Nemusí vědět, že GPTBot, OAI-SearchBot a ChatGPT-User jsou tři roboti s různými pravidly, ani že Google od června v dokumentaci uvádí, že jeho vyhledávání llms.txt nepoužívá. Oproti tomu Torumata vede seznam AI robotů s datem ověření u každého z nich.

Něco je ale u agentů horší než v chatu. „Za den na koleně“ dostanete například: crawler, který respektuje robots.txt, drží omezení rychlosti, po chybě to zkouší znovu s odstupem, neopustí zadanou doménu, pozná stránku závislou na JavaScriptu a stáhne ji znovu s prohlížečem, a tak dále. Jenže vy jste ten kód ani nečetli. Ve skutečnosti je to práce na týdny, kdy je potřeba ladit výstupy, opravovat chyby a testovat, a i tak v něm chyby pořád nacházíte.

Oproti tomu výstupy agentova skriptu navíc nikdo neověřil proti skutečnosti, a pokud ano, je to další čas, který je tomu potřeba věnovat. Naše výsledky měly na začátku září 10,3 % nepravdivých nálezů a na 0,17 % je dostalo až detailní ladění a testování a několik kol ověřování proti živému webu. Některé chyby se navíc objevily jen díky tomu, že testování probíhalo na mnoha doménách a různých typech webů. Agentův skript po první iteraci nemá šanci tyto chyby odhalit a jakákoliv další iterace jsou další peníze a čas, které je potřeba do skriptu vložit.

Další nevýhodou je, že skript od agenta běží z vašeho počítače proti serveru bez pevně stanovených limitů, které by někdo hlídal; stačí špatná smyčka v generovaném kódu a hosting vaši adresu zablokuje. Navíc spouštíte kód, který jste nečetli, s přístupem k vlastnímu disku. A jeden běh nad celým webem stojí hodiny práce agenta a tokeny, které u většího webu snadno vyjdou na desítky dolarů, bez odladěného výstupu pro vedení, souborů k nasazení a role, kdo má nálezy opravovat.

Poctivě vyhrává agent tam, kam Torumata nedosáhne. S vaším přístupem do správy sítě, třeba do Cloudflare, nebo na server změří druhou a třetí „bránu“, které zvenčí změřit nejde. Zvládne jednorázovou kontrolu pro vlastní redakční systém nebo interní pravidlo pro titulky. A vývojář, který bude skript udržovat a testovat, si staví vlastní nástroj. To je legitimní volba, jen ne za den.

Většina z toho není na první pohled vidět a často se to opomíjí. Rozdíl tedy není jen v tom, jestli nástroj umí stáhnout stránku a předat text jazykovému modelu. Je v tom, kdo ručí za to, že nález platí, jestli půjde za měsíc deterministicky zopakovat, jestli je ohlídáno, že model nehalucinuje, a tak dále.

Jak to dělá Torumata

1. Crawler stáhne web jako robot, podle sitemapy a odkazů, každou stránku bez prohlížeče i s ním.
2. Provede více než 30 deterministických kontrol nad staženým webem: robots.txt pravidlo za pravidlem pro každého AI robota, 404, canonical, duplicity, kontrast a další, každý nález s naměřenou hodnotou. Co se měří, popisuje manuál kontrol.
3. Jazykový model spustíme na obsah, se změřenými fakty na vstupu, a přes poskytovatele s regionem EU.
4. Report a soubory k nasazení: tabulka nálezů, CSV, PDF, llms.txt, JSON-LD a záplata robots.txt vygenerované z toho, co se na webu změřilo.

K tomu pět pojistek:

• Používáme vlastní deterministický rule engine, nikoliv model.
• Výsledky zapisujeme průběžně, takže když model nebo prohlížeč selže, změřené nálezy z předchozích kroků zůstanou.
• Model nikdy nedostane syrový web jako pokyny, protože obsah obalujeme jako nedůvěryhodný vstup a každá odpověď se validuje proti schématu.
• Měříme i to, jestli jsou nálezy validní. V září 2026 jsme nálezy mnoha produkčních auditů ověřovali ručně proti živému webu. Až teprve po několika kolech oprav klesl podíl nepravdivých nálezů z 10,3 % (55 z 533) na 0,17 % (1 z 581).
• Pravidelně kontrolujeme schopnosti jazykových modelů dle vlastních benchmarků. Díky tomu volíme vždy ten nejvhodnější pro daný případ použití; cena je pro nás až podružné kritérium.

Vývoj na Torumatě se nezastavil, jen jsme si jisti, že už je produkčně připravená a stojíme si za jejími analýzami a výstupy.

Jeden průchod, víc než AI

Ve vyšších balíčcích (kompletní a profesionální audit) projde stejný stažený web i kontrolami, které s AI přímo nesouvisí, ale rozhodují o tom, jestli se k obsahu někdo dostane a přečte ho:

• SEO: titulky, popisy, canonical, sitemapa, přesměrování a duplicity, desítky deterministických kontrol se stejným režimem „naměřená hodnota, stránka, kdo opraví“, a k tomu rychlost načítání (LCP a CLS z Core Web Vitals) změřená ve skutečném prohlížeči.
• Přístupnost podle WCAG 2.2 a tří předpisů najednou: EN 301 549 (norma k evropskému aktu o přístupnosti, EAA), ADA v USA a Section 508. Jedno měření, tři čísla, protože každý předpis ukazuje na jinou verzi WCAG.
• Barvy a čitelnost: kontrast včetně simulace tří typů barvosleposti, nad vykreslenou stránkou, ne nad kódem.
• Výstupy pro grafika a vývojáře: naměřené tokeny barev a typografie z živého webu k importu do nástrojů na design, llms.txt, JSON-LD a záplata robots.txt ke stažení.
• Sledování v čase: hlídání webu týdně nebo měsíčně a porovnání dvou auditů s rozlišením opraveno / stále přítomno / nové / neověřeno.

Nic z toho model v chatu neudělá a agent by si na každou položku musel napsat a odladit další nástroj.

Srovnání bod po bodu

Kde je jazykový model svépomocí lepší

• Jedna stránka, jeden text. Jestli odstavec odpovídá na otázku zákazníka konkrétně, posoudí model s textem před sebou.
• Obsah, který teprve vzniká. Návrh FAQ, struktura nové stránky, varianty nadpisu. Není co měřit, je co psát.
• Web o pěti stránkách bez JavaScriptu. Ruční průchod zabere stejně dlouho a nic podstatného neunikne.
• Vysvětlení pojmu nebo nálezu. Proč záleží na canonical, model vysvětlí lépe než tabulka.
• Druhý názor na hotový report. Nechat model přečíst výstup Torumaty a zeptat se, co dělat první.
• Agent s přístupem do správy sítě nebo na server. Změří, jestli síť před webem a firewall hostingu AI roboty pouštějí. Zvenčí to nejde.
• Jednorázová kontrola na míru. Vlastní redakční systém nebo pravidlo, které platí jen u vás, pokud výsledek nikdo nebude opakovat ani obhajovat.

Model je dobrý tam, kde má celý vstup před sebou a nikdo nepotřebuje výsledek zopakovat nebo doložit.

Co Torumata neměří

Dvě věci zvenčí změřit nejdou a nebudou:

• Nastavení sítě před webem (Cloudflare a podobné). Čteme jen to, co síť sama deklaruje, ne co skutečně vynucuje. Přesné nastavení si ověříte ve správě sítě; report vás na to upozorní.
• Firewall hostingu. Změříme ho jen z dat našeho pluginu pro WordPress, který vidí, kteří roboti k webu skutečně dorazili. Bez pluginu zůstává v reportu otevřená otázka, ne „v pořádku“.

Čas a náklady

Pro web o 100 stránkách. Čas svépomocí je odhad z našich vlastních pokusů, ne měření u zákazníků; ceny Torumaty jsou ceník k 8. 10. 2026.

Podstatné je, že čas svépomocí je pro alespoň trochu rozsáhlejší web dražší než použití Torumaty. Vývoj Torumaty do této podoby, abychom si mohli za výsledky stát a zákazníkům neslibovali věci, které neumíme, trval velmi dlouho (stovky hodin) i za použití jazykových modelů. Netvrdíme a neslibujeme nic, co neumíme doložit a za čím si nestojíme.

Závěr a doporučení

Model a Torumata nejsou dvě odpovědi na stejnou otázku. Model odpovídá na „co si o tomto textu myslíš“, Torumata na „co je na tomto webu změřitelně v nepořádku a kdo to opraví“. U celého webu vlastní řešení s modelem selhává na prvním kroku: nevidí web tak, jak ho vidí roboti, a nikdo mu nedá změřená fakta, nad kterými by hodnotil.

Doporučený postup: spusťte bezplatný audit Torumaty (12 stránek, bez platební karty) a podle výsledku se rozhodněte o plném auditu. Nálezy předejte dodavateli v tabulce a za měsíc zopakujte. Model v chatu použijte na to, co Torumata neumí: psaní nového obsahu, a pokud potřebujete, vysvětlení nálezů z auditu.