RAG neboli generování rozšířené o vyhledávání (anglicky retrieval-augmented generation) je způsob, jak AI vyhledávání odpovídá: místo aby model čerpal jen z tréninku, nejdřív si k dotazu dohledá relevantní úseky obsahu z indexu a z nich složí odpověď s odkazy. Podle veřejných popisů na tomto principu fungují i Google AI Overviews a AI Mode nad indexem Vyhledávání — takže klasické SEO a indexovatelnost dál hrají velkou roli. Tento článek vysvětluje, jak RAG funguje a co z toho plyne pro obsah, který chce být v AI vidět.
Co je RAG
Jazykový model se při tréninku naučí spoustu věcí, ale má dva problémy: neví o ničem novém, co vzniklo po tréninku, a občas si věci vymyslí. RAG oba problémy zmírňuje tím, že si model před odpovědí dohledá relevantní podklady. Nejdřív se k dotazu dohledá relevantní obsah a teprve z něj model skládá odpověď.
Výsledkem může být odpověď opřená o konkrétní zdroje — často aktuálnější a méně náchylná k halucinacím, pokud jsou dohledané podklady kvalitní. V ideálním případě lze hlavní tvrzení dohledat zpět ke zdroji, i když v praxi to nebývá stoprocentní.
Jak RAG funguje krok za krokem
-
Uživatel položí otázku
Vstupem je dotaz uživatele. U AI vyhledávání bývá delší a konverzační než klasické vyhledávání.
-
Systém najde relevantní úseky
Systém prohledá index nebo znalostní bázi a najde nejrelevantnější úseky obsahu. Často k tomu používá vektory významu — dotaz i dokumenty se převedou na číselné reprezentace podle významu a hledají se ty s nejbližším významem, ne shoda klíčových slov.
-
Úseky se vloží do zadání pro model
Nalezené úseky se přidají modelu jako kontext, ze kterého má vycházet. Model tak dostane konkrétní podklady k dotazu, které mohou být aktuálnější než samotný trénink modelu.
-
Model složí odpověď s odkazy
Z vloženého kontextu model složí odpověď a odkáže na zdroje. Neodpovídá tedy zpaměti, ale z toho, co se pro daný dotaz dohledalo.
Jak to používá Google
Podle veřejných popisů stojí Google AI Overviews i AI Mode na principu podobném RAG nad standardním indexem Vyhledávání Google. Dohledávají tedy podklady z živého indexu, ne jen z toho, co se model naučil při tréninku — proto mohou být odpovědi aktuálnější a mohou se do nich dostat i čerstvé stránky.
RAG také souvisí s tím, jak AI Mode rozkládá dotaz. Systém dotaz rozdělí na víc podotázek a pro každou dělá vlastní dohledání — mechaniku rozebíráme v článku o query fan-out. To, jak se z dohledaných úseků nakonec vybere citace, pak popisujeme v článku o tom, jak AI cituje zdroje.
| Aspekt | S RAG (AI vyhledávání) | Jen z tréninku modelu |
|---|---|---|
| Zdroj odpovědi | Dohledané úseky z indexu | Jen to, co se model naučil |
| Aktuálnost | Čerpá z živého indexu | Omezená datem tréninku |
| Zdroje | Lze odkázat a ověřit | Bez dohledatelného zdroje |
| Riziko vymýšlení | Nižší — opřené o zdroje | Vyšší — bez opory |
Co z toho plyne pro SEO a obsah
Nejdůležitější závěr: když AI dohledává z indexu Vyhledávání, klasické SEO neztrácí smysl a často zůstává důležitou podmínkou viditelnosti. RAG tak ukazuje, proč spolu AI viditelnost a SEO často úzce souvisejí, jak rozebíráme v článku o tom, proč je AEO a GEO pořád SEO.
Co pomáhá, aby vás RAG dohledal a použil
- Indexovatelnost Co není v indexu Vyhledávání, systém obvykle nedohledá. Technické SEO a přístupnost pro vyhledávací roboty jsou základ.
- Pokrytí významu Vektory významu pomáhají hledat významovou blízkost, ne jen shodu frází. Pište přirozeně a tematicky souvisle.
- Pasážová struktura Krátké samostatně srozumitelné úseky se snáz dohledávají a citují.
- Jasná tvrzení s daty RAG hledá konkrétní odpovědi; podložené, jasné věty se používají líp.
- Čerstvost Živý index znamená, že aktualizovaný obsah má šanci se do odpovědi dostat.
- Jasné entity Konzistentní pojmenování a strukturovaná data pomáhají model spojit obsah s tématem.
Obojí má na webu vlastní návod: aktualizace obsahu pro AI a strukturovaná data pro AI.
Co RAG není
AI, která si pamatuje všechno
RAG není paměť modelu. Model se neopírá jen o to, co si nese z tréninku — při odpovědi pracuje i s tím, co si k dotazu právě dohledá v indexu.
Trénink modelu
RAG není přetrénování. Znalostní báze se aktualizuje samostatně — změníte obsah a odpovědi se mohou změnit, aniž by se model učil znovu.
Záruka pravdy
RAG negarantuje správnost. Pokud je dohledaný zdroj špatný, zastaralý nebo chybí, může být špatná i odpověď.
Konec SEO
RAG neznamená konec SEO. Naopak — u systémů, které dohledávají z indexu Vyhledávání, zůstávají indexovatelnost a kvalita obsahu důležité.
- Držet web indexovatelný a technicky v pořádku.
- Psát tematicky souvisle a pokrývat význam dotazů.
- Dělit obsah na krátké samostatně srozumitelné úseky.
- Podkládat tvrzení daty a psát jasné odpovědi.
- Udržovat obsah čerstvý, ať se dostane do živého indexu.
- Spoléhat, že si vás AI zapamatuje i bez dohledatelného obsahu.
- Cpát klíčová slova místo pokrytí významu.
- Skládat obsah do dlouhých nedělených bloků.
- Publikovat vágní tvrzení bez opory.
- Považovat AI vyhledávání za důvod přestat s SEO.
Co si z článku odnést
- RAG = generování rozšířené o vyhledávání — model si k dotazu nejdřív dohledá obsah a z něj složí odpověď.
- Podle veřejných popisů na tomto principu fungují Google AI Overviews i AI Mode — dohledávají z indexu Vyhledávání.
- Pro odpovědi z indexu indexovatelnost bývá základní podmínkou — co v indexu není, systém obvykle nedohledá.
- Vektory významu hledají významovou blízkost, ne jen fráze — pište přirozeně a pokrývejte téma.
- Pasáže, jasná tvrzení a čerstvost pomáhají obsah dohledat a použít.
- RAG ukazuje, proč SEO a AI viditelnost často souvisejí — ověřte si to testem AI viditelnosti.
Chcete vědět, jestli je váš obsah pro RAG dohledatelný a použitelný? AI SEO audit za 3 600 Kč prověří indexovatelnost, strukturu a entity vašeho webu z pohledu toho, jak AI dohledává a skládá odpovědi — a navrhne, kde přidat nejvíc. Pokud chcete začít sami, AI SEO Wireframe Pack za 1 490 Kč obsahuje wireframy stránek s pasážovou strukturou, která může usnadnit dohledání a použití obsahu v AI odpovědích.
Transparentně: Popis fungování RAG a AI vyhledávání vychází z veřejné dokumentace a analýz (Google Cloud, Search Engine Land a další) k létu 2026; jde o zjednodušený popis, konkrétní implementace se u jednotlivých platforem liší a vyvíjejí. Jak vzniká obsah tohoto webu, popisujeme na stránce autora.
