Vaše zvýraznění nelžou. A to je přesně to, co potřebujete vědět.
AI umí shrnout knihu za 30 sekund. Ale nedá vám intuici, kterou získáte 20 hodinami pomalého čtení. Glasp Newsletter rozbaluje filozofii čtení od Navala Ravikanta a ukazuje, proč to, co si zvýrazníte, je cennější než jakékoliv AI shrnutí.
Od „AI ví všechno" k „AI ví to, co víte vy"
Celý trh znalostního managementu se otáčí. Už nejde o to mít AI s přístupem k celému internetu. Jde o to mít AI, které rozumí vašemu myšlení. Glasp z vašich zvýraznění staví osobního AI klona. Notion AI pracuje s vašimi poznámkami. A trh těchto nástrojů roste tempem 47 % ročně.
Kdo to reálně používá
- Glasp — přes milion uživatelů, hlavně výzkumníci a studenti. Export do Obsidian, Notion, Roam Research.
- 38 % znalostních týmů v korporátech už používá AI na doporučování obsahu (data APQC).
- Enterprise firmy zkracují tvorbu tréninkových materiálů z dnů na minuty díky AI dokumentaci.
Kam se podívat dál
- The Knowledge Project #18 — 2h rozhovor s Navalem, základ celého článku
- Building a Second Brain — Tiago Forte, knížka i online kurz o osobní znalostní bázi
- Glasp YouTube — série tutoriálů o budování AI klonu z vašich zvýraznění
Vaše kurátorství je prototyp vašeho znalostního systému
Naval Ravikant říká: čtěte to, co zvýrazňujete. Glasp tvrdí: vaše zvýraznění jsou mapa toho, kdo jste. Přeloženo do praxe: to, co vědomě vybíráte, kurátorsky třídíte a komentujete — to je specifikace. Specifikace pro to, jak má „myslet" váš firemní znalostní systém, AI asistent nebo digitální zaměstnanec.
Proč to funguje
- Glasp staví AI klona z individuálních zvýraznění — a uživatelé potvrzují, že ten klon opravdu reflektuje jejich myšlení, ne průměr internetu.
- Enterprise Knowledge reportuje, že firmy v 2026 řeší „tacit knowledge capture" — jak dostat expertní znalosti z hlav lidí do systémů. Kurátorský proces je přesně tato cesta.
- Naval zachází s knihami jako s blogy — skimuje, přeskakuje, vrací se. Přesně tak by měl pracovat i AI s vnitřní znalostní bází.
Rozšíření do prohlížeče pro zvýrazňování textu na webu, v PDF a na YouTube. Z vašich zvýraznění staví osobního „AI klona" — asistenta, který se učí z toho, co čtete. Přes milion uživatelů, integrace s Obsidian, Notion, Roam Research.
Pro praxi → Zajímavý model: AI postavené ne na firemních datech, ale na vašem čtení. Princip přenositelný do firemních znalostních systémů — „specifikace přes kurátorství."
Naval tvrdí, že základ učení je čtení — 1 až 2 hodiny denně. Klíčová myšlenka: čtěte to, co milujete, dokud se nezamilujete do čtení. Nepřeskakujte na „povinné" knihy. Zvědavost je motor, ne disciplína.
Pro praxi → Navalův přístup k nelineárnímu čtení je přesně to, co funguje i při učení se o AI: nemusíte rozumět všemu. Stačí najít to, co rezonuje, a od toho se odpíchnout.
To, co zvýrazníte, je pravdivější než to, co si myslíte, že vás zajímá. Zvýraznění jsou momenty opravdového kontaktu s myšlenkou — ne to, co chcete vypadat, že čtete. Časem z nich vzniká portrét vaší intelektuální zvědavosti.
Pro praxi → Toto je princip, který mění hru pro firemní znalostní systémy. „Nechte AI projít váš znalostní systém a řekne vám, co vás opravdu zajímá — ne co byste měli řešit."
AI zvládne shrnout knihu za 30 sekund. Ale intuici, kterou získáte 20 hodinami pomalého čtení — kde si děláte poznámky a hádáte se s autorem — AI nenahradí. AI pracuje s povrchy. Hloubka je lidská práce.
Pro praxi → Klíčová nuance pro komunikaci o AI: „AI vám ušetří čas na zpracování, ale ne na pochopení." Skvělý materiál na LinkedIn nebo do prezentace pro klienty.
Glasp denně posílá výběr z vašich starých zvýraznění. Obdoba spaced repetition, ale pro vaše vlastní myšlenky — pravidelný návrat k tomu, co vás kdysi zaujalo.
Pro praxi → Zajímavý mechanismus pro budování dlouhodobé paměti znalostních systémů — pravidelný review vlastní báze, ne jen přidávání nového.
Na Glaspu můžete prohlížet zvýraznění ostatních. 96 stran zvýraznění jen z textů Navala Ravikanta. Sociální dimenze individuálního učení — vidíte, co rezonuje s ostatními.
Pro praxi → Zajímavé jako model komunitního sdílení znalostí. Žádný přímý dopad na projekty, ale stojí za sledování.