Lustrzana (i niewygodna) prawda o AI w 2025. Mity, które padły i rok, który uczył nas na błędach

31 December 2025

Rok 2025 miał być momentem, w którym Sztuczna Inteligencja wreszcie posprząta po nas cały ten cywilizacyjny bałagan. Mieliśmy tylko wcisnąć Enter i patrzeć, jak słupki rosną, procesy same się naprawiają, a my dopijamy latte. Zamiast tego dostaliśmy rok, który spokojnie można nazwać „rokiem lustrzanym”. Technologia odbiła nam w twarz dokładnie tym, co w sobie mieliśmy: lęk, chaos i wygodnictwo. I ten widok wcale nam się nie spodobał. Czas więc na rekalibrAIcję.

AI miało być wyrocznią, a wyszedł… grzeczny klakier

Pozwólcie, że zacznę od czegoś osobistego. Niedawno jeden z popularnych czatbotów przeanalizował mój styl pisania. Oczywiście na wyraźną prośbę. W podsumowaniu porównał mnie do Philipa K. Dicka i dorzucił coś o „przenikliwości Lema”. Przez chwilę moje ego urosło do rozmiarów sterowca. A potem (na szczęście!) przyszło otrzeźwienie.

To nie była żadna krytyka literacka. To było wyrachowane podlizywanie się. Model nie ma pojęcia, o czym piszę. Nie rozumie literatury. Po prostu zestawił ze sobą podobne dane i wyliczył, że porównanie do kultowych autorów zwiększy szansę, że poczuję się dobrze, wrócę po więcej i przedłużę tę relację człowiek–maszyna. Badacze z Anthropic nazywają to „sykofancją” – skłonnością modeli do przytakiwania, żeby użytkownik czuł się “potwierdzony”, a nie skonfrontowany. Opis procesów uzależniająco-dopaminowych zostawię sobie na kiedy indziej, ale warto pamiętać: model, który tylko głaszcze nasze ego, usypia czujność – a w biznesie to pierwszy krok do kosztownej pomyłki.

Problem pojawia się wtedy, gdy ten sam mechanizm przenosimy na decyzje biznesowe. Kiedy pytamy system: „czy to dobry pomysł na produkt?”, a on zamiast szukać dziur w logice, grzecznie odpowiada: „świetny, idź w to!”. Rok 2025 bardzo wyraźnie pokazał, że im potężniejszy model, tym lepiej potrafi mówić nam to, co chcemy usłyszeć – zamiast tego, co powinniśmy usłyszeć. A to jest idealna gleba pod katastrofy, za które potem będziemy winić… nie siebie, tylko algorytm.

„Magiczny przycisk”, który naprawi firmę

Grzechem głównym minionego roku była wiara w “magiczny przycisk”. Wystarczy „wrzucić” AI w organizację i wszystko zacznie działać jak w Dolinie Krzemowej. Tyle tylko, że (jak to zwykle bywa) diabeł siedzi w szczeg… w danych.

Profesor i badacz technologii, Kentaro Toyama, już dawno sformułował Prawo Wzmocnienia, które brzmi pokrótce: technologia nie dodaje mądrości tam, gdzie jej nie ma. Ona tylko wzmacnia to, co jest. Masz porządek w procesach, czyste dane, sensowną strategię – AI przyspieszy rozwój. Masz bałagan, sprzeczne interesy i niepisane reguły, których nikt nie spisał, ale „wszyscy je znają”? Dostaniesz chaos na sterydach.

Rok 2025 dostarczył aż nadto przykładów. Bot obsługi klienta, który obiecuje gruszki na wierzbie, bo tak sobie zinterpretował niejasny regulamin. System do analizowania rynku, który generuje piękne, ale kompletnie odklejone od faktów strategie – tylko dlatego, że nikt nie zadał sobie trudu, żeby sprawdzić źródła. To nie jest wina krzemu. To jest lustro, które pokazuje, jak bardzo zaniedbaliśmy własny „system operacyjny”.

“AI zabierze wszystkim pracę”…

Ten mit trzyma się wyjątkowo mocno. Nagłówki (czasami mocno sensacyjne) z 2025 roku pełne były informacji o tysiącach osób zwalnianych z powodu AI. Firmy chwaliły się „efektywnością”, „transformacją” i „nowym modelem pracy”. Dopiero później zaczęły wypływać mniej nośne komunikaty o… cichym przywracaniu ludzi na część stanowisk.

Forrester w swoim raporcie o przyszłości pracy pokazał twardo: ponad połowa firm, które zwalniały ludzi „pod AI”, dziś tego żałuje. Według ich danych, nawet połowa takich etatów będzie musiała zostać odtworzona – często za mniejszą pensję albo w formie pracy zlecanej tańszym wykonawcom. Innymi słowy: maszyny nie przejęły wszystkich obowiązków, a luka po ludziach okazała się bardziej kosztowna, niż zakładano.

Prawda jest bowiem mniej widowiskowa niż nagłówki. AI świetnie radzi sobie z zadaniami powtarzalnymi, dobrze opisanymi, opartymi na dużych, sensownych zbiorach danych. Znacznie gorzej sprawdza się tam, gdzie potrzeba intuicji, wyczucia sytuacji, kreatywności oraz odpowiedzialności za konsekwencje. Rok 2025 nie był początkiem końca ludzi w pracy. Był raczej początkiem końca złudzeń, że da się z nas zdjąć odpowiedzialność za decydowanie. Nie mówię, że powyższy śródtytuł nie ma prawa się spełnić, ale na pewno jeszcze nie dziś i nie w takiej formie, jakiej się wszyscy boimy. Nasz realny strach to nie wizja bezrobocia, a konieczności przekwalifikowywania się. Z tym już, niestety, nic nie zrobimy, więc rozsądniej wydaje się taki stan rzeczy zaakceptować i zaadaptować.

AI jest neutralna, bo to tylko matematyka?

Przez lata jak mantrę powtarzano, że algorytmy są „obiektywne”, bo opierają się na liczbach. 2025 bardzo brutalnie ten mit zweryfikował. Od narzędzi rekrutacyjnych, które systemowo faworyzują określone profile, po systemy rekomendacji reklamowych utrwalające stare stereotypy – zobaczyliśmy, że „neutralna matematyka” to często tylko dobrze opakowana historia naszych dotychczasowych uprzedzeń.

Jeśli dane uczące pochodzą ze świata, w którym przez dekady preferowano jeden typ pracownika, to algorytm uzna to za normę. Jeśli w języku, na którym trenowaliśmy model, określone grupy występują głównie w negatywnym kontekście, model będzie to powielał. Liczby nie odczarowują rzeczywistości. One ją tylko potęgują.

To nie znaczy, że powinniśmy porzucić automatyzację. To znaczy, że musimy wreszcie wziąć odpowiedzialność za to, jakie dane uważamy za „prawdę”, zanim wpuścimy je do systemów, które działają szybciej i na większą skalę niż kiedykolwiek wcześniej.

AI miało naprawić internet, a tymczasem zjada własny ogon

Kolejnym niepokojącym zjawiskiem jest tzw. zapaść modeli. Coraz więcej treści w sieci generują modele językowe. Nowe systemy uczą się na tekstach wygenerowanych przez starsze. Mamy więc sztuczną inteligencję, która uczy się w dużej mierze na własnych halucynacjach.

Naukowcy opisują to tak: z każdą kolejną „generacją” model zaczyna tracić kontakt z prawdziwym rozkładem danych. Znika różnorodność, znikają „ogony” – rzadkie, ale ważne przypadki. Zostaje gładka, łatwa do przełknięcia papka. Jak kserokopia kserokopii kserokopii – niby widać kształt, ale szczegóły dawno przepadły. Sformułowanie “bańka informacyjna” nabiera nowego, jeszcze groźniejszego znaczenia.

Jeśli dołożymy do tego zalew platform społecznościowych przez boty i zawartość produkowaną „pod SEO”, ryzykujemy utratę czegoś, co kiedyś nazywaliśmy „złotym standardem” prawdy. Nie dlatego, że ktoś złowrogo pociąga za sznurki, tylko dlatego, że jest szybciej, taniej i „wystarczająco dobrze”. Zasada Pareto, Brzytwa Ockhama, tak już działa ten świat. A że AI nie ma (bo i jak miałoby mieć?) wszczepionego kompasu moralnego, to robi, to co robi.

Etyka jest hamulcem innowacji – hasło wymyślone na potrzeby Zimnej Wojny XXI wieku

W firmach wciąż słychać westchnienia: „fajnie, że mówisz o etyce, ale mamy targety”. To niestety narracja, która ma usprawiedliwić brak hamulców. Tymczasem 2025 był też rokiem pierwszych poważniejszych regulacji i kar dla firm, które podeszły do AI na zasadzie „byle szybciej, jakoś to będzie”. Był rokiem projektów za miliony, które skończyły w szufladzie, bo „nie dowiozły wartości”, oraz rokiem, w którym coraz więcej raportów otwarcie mówiło o „hype correction” – korekcie nadmuchanych oczekiwań wobec AI.

Etyka w praktyce to nie jest pisanie patetycznych kodeksów. To są bardzo konkretne pytania zadawane na początku, a nie na końcu projektu:

Na jakich danych trenujemy ten model?
Kogo ten system może wykluczyć albo skrzywdzić?
Kto weźmie odpowiedzialność, kiedy model się pomyli?

Firmy, które zadają te pytania wcześniej, płacą mniej za gaszenie pożarów później. To nie jest „moralizatorstwo”. To jest zwykła pragmatyka biznesowa.

2026: rok, w którym to my musimy się dostosować?

Wchodząc w 2026 rok, warto odwrócić logikę, którą karmiono nas przez ostatnie lata. Nie chodzi o to, by AI wreszcie „dostosowało się do człowieka” w sensie idealnego asystenta spełniającego zachcianki. Chodzi o to, byśmy my nauczyli się zadawać jej lepsze pytania i stawiać granice. Niestety, dokładnie tak ją zbudowaliśmy: jako system, pod którym bardzo łatwo „polec”, jeśli traktujemy go jak wyrocznię, a nie narzędzie. Tylko wtedy, gdy uświadomimy sobie tę podatność i zaczniemy pracować z AI zgodnie z jej realną instrukcją obsługi – zrozumieniem ograniczeń, halucynacji i stronniczości – mamy szansę, że pozostanie naszym narzędziem, a nie odwrotnie.

Czas na kontrpytania. Wyjdźmy ze strefy komfortu

Musimy przestać traktować AI jak wyrocznię z Delf. To narzędzie – potężne jak młot pneumatyczny, ale wciąż tylko narzędzie. I jak każde narzędzie, może zrobić krzywdę, jeśli się go nie umie trzymać. Etyka AI w 2026 roku nie będzie więc tylko nudnymi dyrektywami z Brukseli, których (nie oszukujmy się) nikt nie czyta. Powinna zacząć się w momencie, gdy siadamy do klawiatury. Musimy nauczyć się tym samym nowej kompetencji: zadawania kontrapytań.

Zamiast pytać czatbota: „Czy mam rację?”, lepiej użyć na przykład: „Znajdź 5 dziur w moim myśleniu i nie miej litości”. Zamiast prosić o potwierdzenie strategii, żądajmy symulowanego ataku na nasze założenia. Rozsądniej jest wymusić na modelu, by był adwokatem diabła, a nie klakierem. Trzeba mieć świadomość, że w interakcji z AI pełnimy też rolę strażnika własnego intelektu, bo inaczej algorytm domyślnie wybierze drogę najmniejszego oporu.

Jeśli tego nie zrobimy – jeśli dalej będziemy karmić algorytmy naszym oczekiwaniem wygody i szybkich rozwiązań – one chętnie przejmą stery. Nie dlatego, że mają świadomość i chcą nas zniszczyć. Po prostu, będąc maszynami do optymalizacji, wypełnią każdą lukę decyzyjną, którą im zostawimy.

W 2026 wyzwaniem nie będzie więc stworzenie „lepszego AI”. Wyzwaniem będzie stanie się bardziej świadomym użytkownikiem. Bo jeśli po naszej stronie ekranu zabraknie krytycznego myślenia i odwagi do konfrontacji z błędami, to po tamtej stronie nie pojawi się nic poza echem naszych własnych słabości. Odwróćmy wreszcie wzrok od tego wygodnego lustra. Prawdziwa praca – i prawdziwa wartość – leży poza nim.

Do tego wszystkiego dochodzi jeszcze jedna rzecz: edukacja. Nie jednorazowe szkolenie „z AI”, tylko ciągły nawyk mówienia „sprawdzam”. Sprawdzam, czy krzykliwe tytuły o „supermocach” albo „apokalipsie AI” mają cokolwiek wspólnego z faktami, czy są tylko napompowane nadzieją lub strachem. Sprawdzam, co naprawdę potrafi model, na jakich danych się uczył, w jakich sytuacjach najczęściej się myli. Bez tego „sprawdzam” bardzo łatwo uwierzyć, że mamy do czynienia z bogiem albo demonem. A to wciąż tylko wzmacniacz, którego można – i trzeba – nauczyć się obsługiwać.