Pýtate sa chatbota: „Plánujem rekonštrukciu kúpeľne.
Mám rozpočet 8 000 €. Chcem zatepliť podlahu, vymeniť dlažbu a dať nové sanity. Koľko mi ostane na prácu, ak materiál stojí 4 500 € a DPH je 23 %?“ Obyčajný jazykový model (LLM) vám vypluje približné číslo, ktoré môže byť o 500 € vedľa. Reasoning model (uvažovací model) si problém rozloží na kroky, overí každý výpočet a vráti presnú odpoveď – v tomto prípade 2 810 €. Nie je to len o matematike. Je to o schopnosti logicky uvažovať, nie len štatisticky dopĺňať slová.
Čo je reasoning model – definícia
Reasoning model (uvažovací model) je typ umelej inteligencie, ktorý namiesto priameho generovania odpovede najprv vytvorí vnútorný reťazec logických krokov (chain-of-thought), overí konzistenciu a až potom vydá výsledok. Na rozdiel od bežných LLM, ktoré fungujú ako „automatický dopĺňač textu“, reasoning model simuluje ľudské uvažovanie – rozkladá zložité otázky na podproblémy, testuje hypotézy a vracia sa späť, ak narazí na chybu.
Ako to funguje? Analógia s kuchárom
Bežný LLM je ako kuchár, ktorý uvarí jedlo podľa inštinktu – hodí suroviny do hrnca a dúfa, že to bude chutiť. Reasoning model je kuchár, ktorý si najprv napíše recept: „1. Ošúpem zemiaky. 2. Dám ich variť na 15 minút. 3. Medzitým pripravím omáčku. 4. Skontrolujem, či sú zemiaky mäkké. Ak nie, predĺžim čas.“ Každý krok je explicitne zaznamenaný a overiteľný. Ak sa niečo pokazí, vráti sa a opraví postup.
Technicky to znamená, že reasoning model generuje reťazec myšlienok (chain-of-thought) – dlhý text, v ktorom „premýšľa nahlas“. Napríklad pri otázke „Koľko je 15 % z 230 €?“ nespustí rovno výpočet, ale napíše: „Najprv zistím 10 % = 23 €. Potom 5 % = 11,50 €. Spolu 34,50 €.“ Tento postup je možné skontrolovať a odhaliť prípadnú chybu.
Prečo to vzniklo? Tri dôvody
- Nedôveryhodnosť bežných LLM – Štúdie ukazujú, že pri logických úlohách (napr. výpočet dane, logické hádanky, plánovanie) bežné modely chybujú v 30 – 50 % prípadov. Reasoning model znižuje chybovosť na jednotky percent.
- Potreba vysvetliteľnosti – Pri medicínskych diagnózach, právnych analýzach alebo finančnom plánovaní nestačí povedať „je to tak“. Potrebujete vedieť, PREČO. Reasoning model ukazuje celý postup.
- Zložitosť reálneho sveta – Jednoduché „doplňovanie slov“ nestačí na viackrokové problémy, akými sú optimalizácia rozpočtu, logistika alebo vedecký výskum.
Konkrétny príklad z praxe
Scenár: Ste realitný maklér a potrebujete odhadnúť, či sa klientovi oplatí kúpiť byt za 180 000 € s hypotékou na 30 rokov pri úrokovej sadzbe 4,5 % a mesačnej splátke 912 €. K tomu treba prirátať poistenie (30 €/mesiac) a správcovský poplatok (80 €/mesiac). Klient zarába 2 500 € v čistom.
- Bežný LLM: „Mesačné náklady sú približne 1 022 €, čo je v pohode.“ (Chyba: zabudol na DPH pri poistení, nesprávne vyrátal percento z príjmu.)
- Reasoning model: „1. Mesačná splátka = 912 €. 2. Poistenie = 30 € + 23 % DPH = 36,90 €. 3. Správca = 80 €. 4. Spolu = 912 + 36,90 + 80 = 1 028,90 €. 5. Pomer k príjmu = 1 028,90 / 2 500 = 41,16 %. 6. Banky zvyčajne povoľujú max 40 %. Klient je tesne nad limitom – odporúčam hľadať lacnejšiu nehnuteľnosť alebo zvýšiť akontáciu.“ Výsledok je presný, overiteľný a prakticky využiteľný.
Časté omyly a na čo si dať pozor
- „Reasoning model je vždy presnejší.“ – Nie. Pri jednoduchých otázkach („Koľko je 2+2?“) je zbytočne pomalý a spotrebuje viac výpočtového výkonu. Jeho sila sa prejaví až pri zložitých, viackrokových úlohách.
- „Stačí pridať prompt „uvažuj krok za krokom“ do bežného modelu.“ – Pomôže to, ale nie je to to isté. Bežný model nemá vnútornú mechaniku na kontrolu konzistencie – môže napísať logický postup, ale v polovici urobiť chybu a nepovšimnúť si ju. Reasoning model je trénovaný na to, aby sa vracal a opravoval.
- „Je to príliš pomalé na bežné používanie.“ – Áno, generovanie reťazca myšlienok trvá 2 – 5× dlhšie ako bežná odpoveď. Pre jednoduché otázky je to nevýhoda, pre zložité analýzy nevyhnutnosť.
- „Každý nový model je reasoning model.“ – Marketingovo áno, ale skutočný reasoning model musí prejsť benchmarkmi ako GSM8K (matematické slovné úlohy) alebo BIG-Bench (logické hádanky). Ak model na týchto testoch nedosahuje aspoň 80 % úspešnosť, nejde o pravý reasoning model.
Verdikt: Kedy si vybrať reasoning model a kedy nie?
Vyberte si reasoning model, ak: - Riešite logické hádanky, matematické úlohy, plánovanie rozpočtu, právne analýzy. - Potrebujete vysvetlenie postupu (napr. pre audit alebo vzdelávanie). - Pracujete s číslami, kde chyba môže stáť peniaze (financie, dane, investície).
Ostaňte pri bežnom LLM, ak: - Potrebujete rýchlu odpoveď na jednoduchú otázku („Kto napísal Rozum a cit?“). - Generujete kreatívny text (básne, príbehy), kde logická presnosť nie je kľúčová. - Máte obmedzený rozpočet na výpočtový výkon (reasoning model stojí 2 – 5× viac na API).
Praktické odporúčanie: Pre bežného používateľa je ideálna kombinácia – na jednoduché otázky používajte bežný model (napr. GPT-4o mini), na zložité výpočty a analýzy prepnite na reasoning model (napr. GPT-o1, Claude Opus alebo Gemini Ultra). Väčšina moderných platforiem (ChatGPT, Claude, Gemini) už túto voľbu ponúka – stačí kliknúť na „uvažovací režim“ alebo „deep reasoning“. Cena? GPT-o1 stojí približne 15 € za 1 milión tokenov vstupu a 60 € za výstup, čo je pri bežnom používaní (niekoľko stoviek otázok mesačne) v rámci jednotiek eur.
Reasoning model nie je humbuk – je to nevyhnutný nástroj pre každého, kto chce AI používať na reálne, zodpovedné rozhodnutia. Ak ešte len skúšate, začnite s jednoduchou úlohou: dajte mu vypočítať vaše dane alebo naplánovať dovolenkový rozpočet. Uvidíte rozdiel.
