Kopírujete data z hodinek do ChatGPT? Tohle vám možná uniklo

Dva týdny, které vypadají úplně stejně

Tady jsou dva týdny z jednoho anonymizovaného účtu, s hodinkami nošenými každou noc. Dělí je čtyři týdny.

Vezměte si jakoukoli tabulku referenčních hodnot a projdou oba. Klidový tep kolem šedesáti se u dospělého muže popisuje jako dobrý až výborný. Ani v jednom týdnu není jediné číslo, které by lékař zakroužkoval.

Ten druhý týden přesto v pořádku nebyl.

Čím se ty dva týdny liší

Všimněte si nejdřív, co dělá klidový tep. Skoro nic. 60,9 proti 60,0. Kdybyste do chatu vložili jenom tohle jedno číslo, není o čem mluvit.

Zato všechno ostatní se pohnulo naráz. Probdělého času v noci je skoro čtyřikrát víc, spánku o víc než hodinu méně a skóre spánku spadlo skoro na polovinu. V neděli toho druhého týdne je u účtu zapsané sebehodnocení energie, nálady i fyzického pocitu shodně na dvojce z pěti. Dvě noci nemají zaznamenanou žádnou REM fázi.

Devadesátidenní průměr tohoto účtu je 57,4 tepu za minutu a běžně se drží mezi 54 a 61. Oba týdny tedy seděly u horního okraje toho rozpětí. O klidový tep tady nikdy nešlo. Šlo o to, že se celá skupina signálů pohnula naráz, stejným směrem, proti osobní normě, a osm dní tam zůstala.

Takhle se zdravotní data čtou. A přesně na tuhle část okno chatu nedosáhne.

Proč se tam chat nedostane

Nezná vaši normu. Aby vám někdo řekl, že šedesát je u vás zvýšená hodnota, musí vědět, že běžně máte 57,4 a že v noci obvykle probdíte šestadvacet minut, ne sedmadevadesát. Jednorázově vložená tabulka žádnou minulost nenese. Nejlepší, co s ní model svede, je porovnat vás s populačním průměrem, což zahladí přesně ty rozdíly, kvůli kterým se data vyplatí číst.

A zapomene vás ve chvíli, kdy okno zavřete. Zdraví není snímek, je to vývoj. Klesá vám regenerace tři týdny v řadě? Stoupal vám klidový tep čtyři dny předtím, než na vás vylezlo nachlazení? Nenabíhá vám potichu spánkový dluh? Nic z toho novou konverzaci nepřežije.

A když nemá z čeho vyjít, stejně něco vydá

Jazykový model si odpověď nikde nenajde. Odhaduje další pravděpodobná slova. Většinou z toho vyleze něco rozumného, a právě proto se jeho chyby špatně poznají: špatná odpověď přijde stejně klidným hlasem jako ta správná.

Není to dojem, je to změřené. Když lékaři pustili čtyři veřejné chatboty na 222 skutečných otázek pacientů, bylo podle chatbota 22 až 43 procent odpovědí problematických a 5 až 13 procent přímo nebezpečných (npj Digital Medicine, 2026). Samostatný výzkum zdravotních dotazů popsal tentýž vzorec sebejistého vymýšlení a postavil na něj testovací sady (MedHalu, 2024).

Hranice typu „HRV pod 40 znamená přetrénování“ se čte úplně stejně jako skutečná. Žádné takové univerzální číslo neexistuje, protože hodnota závisí na člověku i na přístroji, který ji naměřil. Podle té vymyšlené se ale zařídíte stejně ochotně.

Jak z toho dostat lepší odpověď hned dneska

Neznamená to, že s tím máte přestat. Znamená to, že se ta tabulka musí připravit. Čtyři věci s tím udělají hodně:

Dejte mu svoji normu, ne jenom ten týden. Spočítejte si vlastní průměr za posledních šedesát až devadesát dní ke každé hodnotě a napište ho do dotazu. Bez něj nemá model k čemu vás přirovnat, leda k učebnici.

Napište, kdo jste. Věk, pohlaví, zhruba kolik toho natrénujete. Mění to výchozí rámec skoro u každého čísla.

Dovolte mu říct, že neví. Stačí jedna věta: kde si nejsi jistý nebo ti hodnota chybí, napiš to a nedomýšlej. Zabírá to častěji, než by člověk čekal, a z tichého vymýšlení udělá přiznání, které je vidět.

Nikdy nenechte z prázdné buňky vzniknout nulu. Senzory noci vynechávají. Když je políčko prázdné, řekněte to, jinak si ho model přečte jako noc bez spánku a celý týden vyhodnotí špatně.

Jedna věc se přípravou vyřešit nedá. Jakmile měsíce biometrických dat vložíte do cizího chatbota, leží ta data na cizích serverech, kde se mohou uchovávat, procházet i použít k trénování. Zdravotní data jsou ta nejcitlivější kategorie, jaká existuje. Vkládejte jen to, co opravdu potřebujete.

Jak data z hodinek dostat ven

Většina značek vám dovolí stáhnout, co o vás mají, a v EU na to máte podle GDPR právo. Soubory jsou ale dělané pro stroje, ne pro okno chatu:

• Garmin: přihlaste se na garmin.com, otevřete Account Management Center a v části Data Management zvolte Request your data. Až bude soubor ZIP hotový, Garmin vám pošle odkaz e-mailem.
• Oura: Membership Hub na webu Oura nabízí vaše data jako soubory CSV.
• Apple Health: v aplikaci Zdraví na iPhonu klepněte na svůj profilový obrázek a zvolte export všech zdravotních dat (v angličtině Export All Health Data). Dostanete ZIP se soubory XML.

Celý export je na jeden chat příliš velký, takže nakonec vložíte jen výsek, a jste zpátky u týdne bez normy ze začátku článku. ZIP z Garminu můžete místo toho nahrát do MyBodyAI: na počítači, tak, jak přišel, bez rozbalování, a appka z něj načte až 90 dní zpátky a nechá je ve vaší historii. Když Garmin připojíte i přímo, nové dny přijdou samy.

Kde to celé končí

Nechat si od AI přečíst zdravotní data je správný nápad. Problém není v té AI. Problém je ptát se cizího člověka, který vás každé ráno potkává poprvé.

MyBodyAI je to, co vznikne, když tahle příprava přestane být vaše práce. Vaše norma se počítá průběžně z vaší vlastní historie. Když přidáte zařízení, historie zůstává a HRV každého zařízení se čte proti jeho vlastním minulým nocím. (Některá propojení si při odpojení svá data berou s sebou, jak to chtějí podmínky výrobce, a appka vás na to před potvrzením upozorní.) Samotná skóre počítá deterministický kód, ne generovaný text, a proto se hodnota nemůže vymyslet. Kde je něco odhad, je u toho napsáno odhad, a kde data nejsou, řekne to místo uklidňujícího verdiktu. Vyzkoušet to jde sedm dní bez karty.

Reference

• Draelos RL et al. Large language models provide unsafe answers to patient-posed medical questions. npj Digital Medicine (2026). doi:10.1038/s41746-026-02428-5.
• Agarwal V et al. MedHalu: Hallucinations in Responses to Healthcare Queries by Large Language Models. arXiv (2024). arXiv:2409.19492.