Realizovaný projekt

Adastra: AI model předpověděl výsledky parlamentních voleb už po sečtení 12 % hlasů

Umělá inteligence s přesností na desetiny procenta předpověděla výsledky voleb. AI model od Adastry ukázal, že data a strojové učení mohou přinést rychlé, spolehlivé a plně transparentní predikce i v tak dynamickém prostředí, jakým jsou parlamentní volby.

0,34 %

průměrná odchylka predikce od skutečných výsledků u 8 největších stran

12 %

podíl sečtených hlasů potřebný pro přesnou predikci

1 hodina

první predikce po zpřístupnění dat z ČSÚ

O projektu

Projekt volební predikce je nejen demonstrací technologických schopností Adastry, ale také praktickou ukázkou, jak lze AI využít k okamžité interpretaci veřejných dat s měřitelným dopadem. Stejné principy dnes Adastra uplatňuje v komerčním světě — od predikcí prodejů po optimalizaci provozů ve výrobě.

Řešení

Adastra nasadila prediktivní model strojového učení, který v reálném čase zpracovával data z API Českého statistického úřadu a porovnával je s historickými výsledky voleb. Díky natrénování na minulých datech dokázal už při 12 % sečtených hlasů přesně odhadnout konečný výsledek s odchylkou jen 0,34 %.

Realizovaný projekt

Technology:

Date:

20 listopadu, 2025

Výzva

Ověřit sílu AI na datech, kterým rozumí každý

Adastra už v minulosti nasadila svůj prediktivní model při parlamentních volbách 2021 a prezidentských volbách 2023, kde potvrdil mimořádnou přesnost.

Cílem voleb 2025 proto nebylo experimentovat, ale ověřit robustnost a odolnost systému v reálném čase – s novým formátem dat, pod tlakem médií a při vysokém zájmu veřejnosti.

Projekt tak sloužil jako praktická validace modelu v prostředí, kde neexistuje prostor pro chybu: výsledky jsou okamžitě konfrontovány s realitou.

Zároveň se stal ilustrací toho, jak lze stejný přístup využít i v byznysových scénářích, kde se firmy rozhodují na základě částečných či neúplných dat – od predikce poptávky po řízení výroby.

Řešení

Jak proměnit 12 % dat v zaručený výsledek?

Adastra využila prediktivní model kombinující analýzu volebních dat, historické trendy a algoritmy strojového učení.

Původní model vznikl v rámci výzkumu Vojtěcha Létala (Blindspot AI) a Adastra na něj navázala – rozšířila jeho funkcionalitu, zvýšila přesnost a integrovala ho do moderního cloudového prostředí.

Model byl natrénován na historických datech z parlamentních i prezidentských voleb a ověřen testováním přesnosti a schopnosti generalizace. Při prezidentských volbách 2023 dosáhl mimořádně přesných výsledků, díky nimž byl ve Forbesu dokonce označen jako „další vítěz voleb“.

V roce 2025 systém zpracovával data z otevřeného API Českého statistického úřadu, které však před volbami prošlo změnou formátu. Tým Adastry změnu rychle identifikoval a upravil připojení v reálném čase, aby mohla predikce pokračovat bez přerušení.

Predikce běžela ve škálovatelném cloudovém prostředí, které zvládlo vysoký nápor uživatelů i médií.

Predikce se poté automaticky zpřesňovala s každým novým okrskem a byla v reálném čase publikována v hlavních českých médiích — například Seznam, CzechCrunch, Metro, Blesk nebo Deník N.

Výsledek

AI obstála v reálném testu: přesnost, rychlost i důvěra veřejnosti

První predikce byla zveřejněna v 15:13, přibližně hodinu po uzavření volebních místností. Exkluzivně ji publikovaly Seznam Zprávy.

Naši volební predikci sdílela i další média – CzechCrunch, Metro, Blesk, Deník N a řada dalších.

Redakce průběžně sledovaly, jak se model zpřesňuje s každým nově sečteným okrskem, a porovnávaly jeho výstupy s oficiálními daty ČSÚ.

Predikce se spustila s prvními sečtenými hlasy, ale při 12 % se jeho odhady ustálily a zpřesnily natolik, že je bylo možné zveřejnit jako spolehlivou předpověď — s finální průměrnou odchylkou pouhých 0,34 %.

Stal se tak referenční ukázkou nasazení AI v prostředí, které vyžaduje transparentnost, rychlost a vysokou přesnost. Adastra tak prokázala, že i z malého vzorku otevřených dat lze pomocí AI vytvořit predikci, která obstojí v ostrém veřejném testu. Získané know-how Adastra dále využívá mimo oblast voleb – v projektech, kde je klíčová schopnost rychle a přesně rozhodovat na základě neúplných dat, například v:

  • predikcích poptávky a tržních trendů,
  • analýze chování zákazníků a modelování retence,
  • prediktivní údržbě výrobních systémů.

Máte zájem o podobné řešení?

CZ_Contact Form (Sidebar)

Sdílet

Podívejte se na naše další realizované projekty

Máte zájem o podobné řešení?