Gemini stráca podiel medzi chatbotmi napriek miliarde používateľov

Google Gemini podľa nových dát stráca používanosť voči ChatGPT a Claudovi. Analýza magazínu The Decoder porovnala tri zdroje, Pangram, OpenRouter a Similarweb. Každý meria inú časť trhu. Napriek tomu ukazujú rovnaký smer.

Pangram sleduje modely cez texty, ktoré používatelia odosielajú na rozpoznávanie. V jeho dátach klesol Gemini z 12 % v minulosti na 1,9 % v júli 2026. OpenAI si držalo viac ako 50 % každý mesiac od začiatku merania. Anthropic, tvorca Clauda, narástol zo 4,3 % na 14,9 %. Rast sa sústreďuje najmä v technických a vedeckých úlohách.

Similarweb ukázal mierne iný obraz. Podiel webu Google sa v poslednom mesiaci znížil z 27 % na 26,8 %. Pred rokom bol pritom na úrovni 9,4 %. Tieto čísla sa nedajú priamo porovnávať s Pangramom, pretože Similarweb nezahŕňa mobilné aplikácie a Pangram meria najmä písanie. OpenRouter má zase sklon k otvoreným modelom.

Google tvrdí, že aplikáciu Gemini používa miliarda ľudí mesačne. Monthly active users, teda mesačne aktívni používatelia, sú však slabý signál bez informácie o frekvencii a kvalite používania. Človek môže aplikáciu otvoriť raz, rovnako ako ju môže používať každý deň pri práci.

To je prvá výhrada k správe. Tri zdroje síce ukazujú rovnaký trend, ale nemerajú jednotnú vec. Pangram navyše pokrýva úlohy, v ktorých Gemini tradične zaostával za ChatGPT a Claudom. Z dát teda vieme vyčítať presun používania v konkrétnych kanáloch. Nevieme z nich presne vypočítať globálny podiel všetkých chatbotov.

Čo si z toho zobrať? Pre slovenskú a českú firmu nie je podstatné, ktorý chatbot vedie v titulkoch. Otestujte na vlastných úlohách tri modely, zmerajte cenu, presnosť a čas pracovníka a až potom rozhodnite, čo bude firemným štandardom.

AI pri mamografii zostáva skôr druhým názorom než náhradou rádiológa

AI nástroje na detekciu rakoviny prsníka zatiaľ nenapĺňajú očakávania rádiológov. Prieskum publikovaný v časopise Clinical Imaging oslovil 215 členov Society of Breast Imaging. Približne polovica už používa nástroje schválené americkým FDA a ďalších 11 % ich plánuje používať.

Rozdiel medzi očakávaním a realitou je výrazný. Menej opakovaných vyšetrení hlásilo 35 % respondentov, hoci 59 % to očakávalo. Menej zbytočných biopsií videlo iba 9 %, pričom očakávanie bolo 36 %. Zníženie vyhorenia uviedlo 29 % rádiológov, proti pôvodným 56 %.

Vedúca autorka Joud Almogati z UC San Diego Health uviedla, že len málokto považuje AI za rozhodujúci faktor. Väčšina ju používa ako druhý názor. Najväčšími prekážkami zostávajú cena a nedostatok podpory zo strany inštitúcie.

Zdroj zároveň pripomína, že pred desiatimi rokmi viacerí výskumníci predpovedali blízky koniec práce rádiológov. Realita je menej filmová. Nástroj môže pomôcť pri rozhodovaní, ale nemení zodpovednosť za diagnózu.

Čo si z toho zobrať? Ak firma zavádza AI do zdravotníckeho alebo regulovaného procesu, merajte konkrétny výsledok, napríklad čas vyšetrenia, počet odvolaní alebo chybovosť. Samotné používanie nástroja ešte neznamená prínos.

Microsoft zlacnil kódovací model, DeepSeek ho však prekonal

Microsoft vydal MAI Code 1.1 Flash, model určený pre GitHub Copilot. Firma tvrdí, že model spotrebuje o 25 % menej tokenov a stojí štvrtinu ceny svojho júnového predchodcu. Používatelia prijali o 4 % viac jeho výstupov.

V porovnávacích testoch však výsledok vyzerá inak. V teste SWE-bench Verified dosiahol MAI Code 1.1 Flash 72,6 %, zatiaľ čo DeepSeek-V4-Flash-0731 mal podľa tabuľky 82,7 %. V teste Terminal Bench 2.1 bol rozdiel ešte väčší, MAI získal 62,9 % a DeepSeek 82,7 %.

Aj cena hovorí v prospech DeepSeeku. MAI Code 1.1 Flash stojí 0,20 dolára za milión vstupných tokenov a 1,20 dolára za milión výstupných tokenov. DeepSeek uvádza 0,14 dolára za vstup a 0,28 dolára za výstup. Pri cacheovaných vstupoch je rozdiel ešte výraznejší.

Porovnanie však nie je úplne bez otáznikov. Výsledky benchmarkov nezachytávajú všetky firemné úlohy a cena tokenov nie je celková cena prevádzky. Rozhoduje aj spotreba, latencia, dostupnosť, ochrana dát a náročnosť integrácie. Microsoft navyše vo svojom oznámení zdôraznil zlepšenie oproti vlastnému predchodcovi, nie priame porovnanie s DeepSeekom.

Čo si z toho zobrať? Pri výbere kódovacieho modelu neporovnávajte len zľavu oproti staršej verzii. Na vzorke vlastných repozitárov zmerajte cenu dokončenej úlohy, počet opráv a čas vývojára.

Čo ešte stojí za prečítanie?

  • Kompromitovaný AI balík pripravil podľa Ars Technica o prihlasovacie údaje približne 2 500 používateľov, ďalší argument pre oddelené účty a rotáciu tokenov.
  • Microsoft tvrdí, že MAI Code 1.1 Flash spotrebuje o 25 % menej tokenov, no The Decoder ukazuje výrazný náskok DeepSeeku v testoch aj cene.
  • Google pri Pixeli 11 predstavil štyri nové kamerové funkcie vrátane Magic Capture a Instant Night Sight, píše Wired.
  • Bezplatný ChatGPT má v roku 2026 neobmedzené textové správy, ďalšie funkcie však zostávajú limitované, uvádza Engadget.
  • Automatizovaná AI newsroom podľa Wired minulý týždeň priniesla jednu správu skôr než tradičné médiá vrátane samotného WIRED.

Čo si o tom myslím a čo z toho plynie pre firmy

Názor

Pri správach o poklese Gemini by som bol opatrný s veľkým slovom kolaps. The Decoder používa výraz „collapse“, ale zdrojové dáta merajú rozdielne správanie používateľov. Pangram sleduje odoslané texty, OpenRouter používanie modelov cez konkrétne rozhranie a Similarweb návštevnosť webu. To nie je globálny meter trhu. Napriek tomu je smer dostatočne zaujímavý. Ak tri neidentické merania ukazujú, že ľudia používajú Gemini menej, Google má problém s pravidelným pracovným použitím, nie nevyhnutne s povedomím o značke.

Môj záver je jednoduchý. Firma nemá vyberať model podľa loga, počtu oznámených používateľov ani podľa jedného benchmarku. OpenAI môže držať viac ako polovicu meraného trhu a Claude môže rásť v technických úlohách. To však ešte neznamená, že jeden z nich bude najlepší pre vaše dáta, jazyk alebo proces.

Pri Microsoft MAI Code 1.1 Flash vidím rovnakú lekciu. Nižšia cena oproti vlastnému predchodcovi znie dobre, ale ak je model zároveň drahší a slabší než dostupná alternatíva, úspora je len marketingová jednotka. Cena tokenu nie je výsledok. Výsledkom je dokončená úloha bez ďalších hodín opráv.

Rovnako odmietam predstavu, že AI v mamografii alebo inom odbornom procese musí okamžite nahradiť človeka, aby mala zmysel. Keď ju rádiológovia používajú ako druhý názor, stále môže byť užitočná. Len treba merať, či skutočne znižuje čas, chybovosť alebo počet zbytočných krokov. Technológia nemusí byť autonómna, aby bola návratná.

Dôsledok pre slovenskú a českú firmu

Pre bežnú stredoeurópsku firmu z toho vyplýva zmena nákupného procesu. Výber AI nástroja by nemal končiť prezentáciou dodávateľa. Každý kandidát potrebuje rovnakú testovaciu sadu. Pri zákazníckej podpore to môžu byť anonymizované e-maily, pri marketingu historické zadania a pri vývoji skutočné issues z repozitára.

Majiteľ procesu, IT a financie by mali sledovať aspoň štyri čísla: presnosť výstupu, čas kontroly človekom, cenu jednej dokončenej úlohy a počet zlyhaní. Test môže trvať dva týždne. Nemusí ho robiť dátový tím. Stačí jasne definovaný proces, vzorka úloh a človek, ktorý vie povedať, či je výsledok použiteľný.

Pri kódovaní môže MAI vyzerať lacno v cenníku, ale DeepSeek môže vyjsť lacnejšie po započítaní opráv. Pri textoch môže zase Gemini vyhrať v integrácii s firemným Google Workspace, aj keď prehráva v inom meraní. Rozhoduje celková cena vlastníctva, teda licencia, tokeny, kontrola, údržba, školenie a riziko úniku dát.

Na Slovensku aj v Česku je praktický rozdiel najmä v dostupnosti ľudí a podpory. Menšia firma si nemôže dovoliť systém, ktorý musí každý týždeň ručne zachraňovať externý dodávateľ. Pri zdravotníckych aplikáciách a ďalších regulovaných oblastiach sa navyše nedá preniesť zodpovednosť na model. Potrebujete auditnú stopu, pravidlá práce s dátami a človeka, ktorý výstup schváli.

V horizonte jedného mesiaca sa preto oplatí vytvoriť modelovú skúšobnú prevádzku, nie firemný manifest o AI. O tri mesiace bude vidieť, ktorý nástroj šetrí čas a ktorý iba vyrába ďalšie okno v prehliadači. Ak sa ušetrené hodiny nepoužijú na vybavenie ďalších zákaziek, rýchlejšie odpovede alebo odstránenie administratívy, nejde o úsporu. Je to len menej práce na tom istom mieste.

Čo si z toho zobrať? Zaveďte pre každý AI nástroj malý produkčný test s vlastnými dátami, vlastníkom procesu a meraním ceny dokončenej úlohy. Víťazom nemá byť model s najlepším sloganom, ale systém, ktorý po mesiaci funguje bez tichej manuálnej záchrany.

Na záver

Google DeepMind zároveň ukázal, že AI nemusí slúžiť iba na rýchlejšie písanie alebo programovanie. Jeho model SL2T prekladá posunkový jazyk do textu. Trénoval na viac ako 100 000 hodinách dát z viac ako 50 posunkových jazykov a pri spracovaní používa body na tele namiesto uchovávania pôvodného videa.

Prvá verzia smeruje k americkému posunkovému jazyku a angličtine. Detail je podstatný. Posunkové jazyky nie sú angličtina prenesená do rúk. Majú vlastnú gramatiku a význam tvoria aj pohyby tváre, tela a priestoru. Technológia má zmysel vtedy, keď rešpektuje realitu používateľov, nie keď ju zjednoduší na marketingovú ukážku.

Výzva na AI implementáciu dňa

Do jedného týždňa nasaďte interný porovnávací hárok pre AI modely. Vyberte 20 anonymizovaných úloh z podpory, marketingu alebo vývoja. Každú úlohu pošlite cez dva až tri dostupné modely a zapíšte cenu, čas odpovede, čas kontroly a počet opráv. Stačí Google Sheets spolu s exportom z používaných rozhraní alebo jednoduchou automatizáciou v Make.

Tento krok zoberie časť práce vedúcemu IT a človeku, ktorý dnes ručne porovnáva výstupy. Prvá verzia sa dá spustiť za 2 až 4 hodiny a každý mesiac môže ušetriť niekoľko hodín rozhodovania pri nákupe licencií. Najčastejšie to padne na tom, že tím porovnáva efektné ukážky namiesto vlastných úloh.

Vyberte dnes vzorku úloh a do piatku budete mať prvé čísla, nie ďalší názor na internom meetingu.