Decyzja na start: czy ufać tej treści? Szybka macierz ryzyka
Zanim klikniesz „udostępnij” albo podejmiesz decyzję na podstawie treści z AI, zrób 30‑sekundowy test ryzyka. To filtr, który decyduje, jak głęboko weryfikować algorytmiczne odpowiedzi.
Krok 1: Oceń koszt błędu
Niski: ciekawostki, przepisy na obiad, ogólne ciekawostki historyczne.
Średni: porady zakupowe, informacje o firmach, streszczenia badań.
Źródło oficjalne (gov.pl, isap.sejm.gov.pl, nfz.gov.pl) – wyższe zaufanie, ale wciąż sprawdzaj daty i kontekst.
Źródło niejasne lub brak źródeł – uruchom pełną weryfikację.
Format: tekst/obraz/wideo/kod – dobierz techniki właściwe dla formatu.
Krok 3: Ustal poziom weryfikacji
Niski koszt błędu – 1 niezależne potwierdzenie.
Średni – 2–3 potwierdzenia + szybkie sprawdzenie reputacji źródła.
Wysoki – minimum 3 potwierdzenia, w tym jedno oficjalne lub eksperckie; nie podejmuj decyzji bez konsultacji.
Co sprawdzić teraz
Czy konsekwencje pomyłki są istotne finansowo/zdrowotnie/prawnie?
Czy treść wskazuje ścieżkę do pierwotnych źródeł?
Czy data i jurysdykcja są jasno podane (PL/UE/inne)?
1. Złota zasada: reguła trzech potwierdzeń i ślad źródłowy
Treści generowane przez algorytmy bywają płynne retorycznie, ale mogą zawierać zmyślone fakty. Dlatego kluczowy jest ślad źródłowy i co najmniej trzy niezależne potwierdzenia przy średnim i wysokim ryzyku.
Dane i statystyki: stat.gov.pl (GUS), dane.gov.pl, nbp.pl (kursy, stopy).
Nauka: scholar.google.com, PubMed, DOI w wydawnictwach.
Krok 3: Znajdź przynajmniej dwa dodatkowe, niezależne źródła o dobrej reputacji (np. Demagog, Konkret24, PAP FakeHunter, AFP Sprawdzam).
Źródło: Pexels | Autor: Matheus Bertelli
Przykład z praktyki (PL)
Twierdzenie: „Od stycznia obowiązuje nowy podatek dla JDG.” Krok po kroku: 1) Sprawdź w RCL projekty ustaw, czy przeszły proces legislacyjny. 2) Zweryfikuj publikację w Dzienniku Ustaw. 3) Porównaj interpretacje na gov.pl/finanse i wiarygodnych serwisach branżowych (np. infor.pl), upewniając się co do dat wejścia w życie i wyjątków.
Co sprawdzić
Czy źródła są pierwotne (ustawa, raport, publikacja naukowa), a nie tylko wtórne artykuły?
Czy źródła nie powielają siebie (ten sam komunikat w różnych miejscach)?
Czy data publikacji i wersja dokumentu jest aktualna?
2. Weryfikacja liczb, wykresów i dat: mikrofact-check w 5 minut
Nawet drobna pomyłka w liczbie lub dacie może wywrócić wniosek. Algorytmy bywają pewne siebie, gdy „halucynują” szczegóły. Szybki mikrofact-check pozwala wyłapać najczęstsze błędy.
Prosty schemat weryfikacji liczb
Krok 1: Porównaj jednostki (tys., mln, % vs pp). Czy baza odniesienia jest ta sama?
Krok 2: Sprawdź wiarygodną tabelę lub raport (GUS, OECD, Eurostat). Jeśli to Polska – zacznij od GUS.
Krok 3: Test Fermi: oszacuj przybliżenie „z głowy”. Jeśli AI podaje, że „w Warszawie mieszka 5 mln osób” – to odpada już na etapie rozsądku.
Wykresy i infografiki
Źródło danych – musi być podane i sprawdzalne.
Skala osi – czy zaczyna się od zera? Czy nie zniekształca różnic?
Data – czy wykres prezentuje aktualny okres?
Przykład: stopa bezrobocia
AI: „Bezrobocie w Polsce to 8%.” Sprawdzenie: nbp.pl i stat.gov.pl – jeśli ostatni odczyt to ~5%, mamy rozjazd. Szukamy daty, metodologii (BAEL vs rejestrowe). Jeśli AI nie podaje kontekstu, nie używaj tej liczby w raporcie.
Co sprawdzić
Jednostka, metodologia, baza odniesienia.
Ostatnia aktualizacja i źródło pierwotne.
Czy wynik przechodzi test zdrowego rozsądku (przybliżone widełki)?
3. Cytaty, bibliografia i „zmyślone” źródła: jak łapać halucynacje
Modele językowe często generują wiarygodnie brzmiące cytaty i odnośniki, które nie istnieją. Nie ufaj linkom, DOI i tytułom podanym bezpośrednio przez AI, dopóki ich nie sprawdzisz.
Krok po kroku dla cytowań naukowych
Krok 1: Skopiuj tytuł publikacji/DOI i wyszukaj w Google Scholar lub w Crossref/DOI.org.
Krok 2: Zweryfikuj autorów, rocznik, czasopismo. Szukaj PDF w repozytoriach uczelni lub wydawcy.
Krok 3: Sprawdź, czy wnioski z pracy odpowiadają temu, co wygenerowało AI (w streszczeniu i we wnioskach, nie tylko w tytule).
Przy prawie i orzecznictwie
Ustawy i rozporządzenia: isap.sejm.gov.pl, dziennikustaw.gov.pl.
Orzeczenia: orzeczenia.nsa.gov.pl, orzeczenia.ms.gov.pl (w zależności od sądu).
Projekt to nie prawo: sprawdź status dokumentu w RCL.
Typowe sygnały ostrzegawcze
Brak bezpośredniego linku do oryginału mimo „precyzyjnego” cytatu.
DOI, które nie znajduje się w Crossref.
Tytuł publikacji istnieje, ale treść dotyczy innego tematu niż opisany przez AI.
Co sprawdzić
Istnienie i zgodność przywołanych źródeł z treścią.
Status prawny dokumentów (projekt vs obowiązujące prawo).
Zgodność cytowanych wniosków z pełnym tekstem pracy.
4. Obrazy i wideo: szybki test na deepfake i kontekst miejsca
Wizualia są przekonujące, ale to właśnie na nich najłatwiej „poślizgnąć się” przy udostępnianiu. Zastosuj krótki, techniczny rytuał.
3 kroki weryfikacji obrazów i klipów
Krok 1: Odwrócone wyszukiwanie obrazu – Google Images/TinEye/Yandex. Szukaj wcześniejszych publikacji i innego kontekstu.
Krok 2: Metadane i kadr – sprawdź EXIF (jeśli dostępny), detale w tle: tablice, znaki, język napisów, pogoda vs data.
Krok 3: Wideo na klatki – wyciągnij klatki (np. InVID), sprawdź je w odwróconym wyszukiwaniu i porównaj miniatury.
Krótki przykład
„Zdjęcie niedźwiedzia na Krupówkach.” Odwrócone wyszukiwanie ujawnia identyczny kadr z zagranicznego portalu sprzed kilku lat, inny kontynent. Wniosek: bez dodatkowych dowodów – nie publikuj jako polskiej sensacji.
Co sprawdzić
Czy obraz/klip już krążył wcześniej w innej narracji?
Czy elementy tła pasują do miejsca i czasu (język szyldów, pory dnia, sezon)?
Czy materiał nie zawiera nienaturalnych artefaktów (dłonie, zęby, biżuteria, odbicia w szybach)?
5. Kod i skrypty z AI: sandbox, bezpieczeństwo, licencje
Kod generowany automatycznie potrafi działać, ale bywa niebezpieczny lub niezgodny licencyjnie. Zanim wdrożysz – przetestuj i opisz ryzyko.
Procedura minimalna
Krok 1: Poproś AI o wyjaśnienie działania linia po linii. Szukaj operacji na plikach/sieci, podwyższonych uprawnień, usuwania danych.
Krok 2: Uruchom w izolacji – kontener/VM, brak dostępu do produkcyjnych kluczy i danych.
Krok 3: Przeskanuj bezpieczeństwo – np. Bandit (Python), npm audit, trivy dla obrazów, SAST w CI.
Krok 4: Sprawdź licencje zależności – czy pakiet nie ma restrykcji (GPL w projekcie komercyjnym, brak SPDX)?
Przykład z praktyki
Skrypt backupu „dla wygody” usuwa stare kopie poleceniem rm -rf bez ograniczeń ścieżki. W izolacji wychodzi na jaw, że zły wzorzec glob może usunąć nie to, co trzeba. Zmiana na bezpieczniejszą listę dozwolonych katalogów i dry-run rozwiązuje problem.
Co sprawdzić
Wejścia/wyjścia skryptu i uprawnienia (czy nie żąda sudo bez powodu?).
Skany bezpieczeństwa i wynik testów jednostkowych.
Zgodność licencji zależności z polityką firmy/projektu.
6. Jurysdykcja i kontekst lokalny: PL/UE to nie USA
AI często miesza porządki prawne. Ta sama „porada” bywa trafna w USA, a błędna w Polsce. Zawsze przypnij treść do miejsca i czasu.
Jak przypisać kontekst
Krok 1: Zidentyfikuj jurysdykcję w treści (PL, UE, inny kraj). Jeśli brak – dopytaj lub wyszukaj odpowiednik w polskim prawie.
Krok 2: Sprawdź lokalne definicje – np. RODO vs „GDPR-like” w innych krajach, BAEL vs rejestrowe bezrobocie.
Krok 3: Zweryfikuj instytucję właściwą – UODO/UOKiK/NFZ/ZUS zamiast FTC/IRS/CDC.
Krótki przykład
Porada o „fair use” do użycia zdjęć w prezentacji firmowej. W Polsce szukaj wyjątków dozwolonego użytku w prawie autorskim i licencji zdjęcia. Sam „fair use” nie działa 1:1.
Co sprawdzić
Czy podano kraj/region obowiązywania zasad?
Czy wskaźniki/statystyki są w tej samej metodologii co polskie?
Czy urząd/instytucja istnieje w Polsce i ma tę samą rolę?
Źródło: Pexels | Autor: Markus Winkler
7. Emocje i framing: jak rozbroić wiralowe narracje
Silny język („pilne!”, „szok!”, „ukrywają przed tobą!”) skraca nasz proces myślenia. Zanim klikniesz – rozbij przekaz na fakty.
Prosty test antymanipulacyjny
Krok 1: Zaznacz trigger emocjonalny (strach, gniew, euforia). Zadaj pytanie: jakie fakty stoją za tym uczuciem?
Krok 3: Szukaj sprzecznych raportów i oficjalnych komunikatów (komenda policji, urząd miasta, bank, regulator).
Przykład
„Bank X upada, wypłacaj gotówkę dziś!” Sprawdzenie: komunikaty KNF i samego banku, notowania i bieżące oświadczenia. Brak potwierdzeń = nie udostępniaj. Pamiętaj o konsekwencjach paniki.
Co sprawdzić
Czy nagłówek nie nadużywa słów „pilne”, „tajne”, „ostatnia szansa”?
Czy jest przynajmniej jedno źródło oficjalne potwierdzające treść?
Czy obraz/wykres nie został docięty tak, by ukryć kontekst?
8. Ślad weryfikacji w zespole: notatka 5W i zasada dwóch par oczu
Krótka, udokumentowana ścieżka dowodowa chroni przed błędem i ułatwia sprostowania. To minuta pracy, która oszczędza godziny.
Jak to wdrożyć lekko
Krok 1: Notatka 5W – What/When/Where/Who/Why: co sprawdzono, kiedy, gdzie znaleziono, kto potwierdził, po co publikujemy.
Krok 2: Dwa podpisy – druga osoba robi szybki przegląd: daty, źródła pierwotne, liczby.
Krok 3: Archiwum – zrzuty ekranu/linki z datą, wersje dokumentów (Wayback, kopie PDF).
9. Prompty i dane wrażliwe: jak nie wyciec przy pytaniu do AI
Zadaj sobie pytanie: czy to, co wklejam do okna AI, może ujawnić dane osobowe, tajemnicę przedsiębiorstwa lub informacje objęte NDA? Jeśli tak – przerwij i zanonimizuj.
Minimalny protokół bezpiecznego promptowania
Krok 1: Minimalizacja – usuń identyfikatory (PESEL, NIP, adresy, maile), nazwy klientów i kwoty kontraktów. Zastąp je placeholderami („[KLIENT_A]”, „[KWOTA_X]”).
Krok 2: Redakcja – zanim wyślesz, przeszukaj tekst po wzorcach (11 cyfr, @, IBAN, numery umów). Wytnij załączniki zawierające metadane.
Krok 3: Kontekst bez tajemnic – opisuj problem przez schematy („umowa B2B w IT, klauzula o karach umownych”), nie przez treść wprost. Dziel na mniejsze fragmenty, jeśli musisz cytować.
Krok 4: Ustawienia i polityki – jeśli narzędzie ma tryb „no training”/„data controls”, włącz. Sprawdź retencję i lokalizację danych. Do materiałów wrażliwych używaj rozwiązań on-prem lub po podpisaniu DPA.
Krótki przykład
Zamiast: „Przeanalizuj ten paragraf umowy z firmą X: [pełny cytat + dane]”.
Lepiej: „Jak zbalansować klauzulę o karach umownych w umowie B2B IT? Kontekst: podwykonawca, SLA 99,5%, kara wyłącznie za przekroczenie RTO. Przykładowa formuła – bez nazw i kwot.”
Co sprawdzić
Czy żadne PII/sekrety nie „przeciekają” w treści promptu lub metadanych plików?
Czy znasz politykę retencji i miejsce przetwarzania danych narzędzia?
Czy da się zrealizować cel na danych zanonimizowanych lub syntetycznych?
10. Jak pytać AI, by ułatwić weryfikację (prompt jako procedura)
Precyzyjny prompt skraca czas fact-checku. Zmuś model do pokazywania ścieżki dojścia, a nie tylko konkluzji.
Szablon pytań zwiększających weryfikowalność
Krok 1: Zdefiniuj zakres i okres – „Polska, dane po 2021 r., metodologicznie: BAEL”.
Krok 2: Zażądaj źródeł pierwotnych – „podaj 2–3 linki klasy A (GUS/Eurostat/ISAP), bez blogów i AI-skrótów”.
Krok 3: Struktura odpowiedzi – „numerowane tezy, przy każdej: źródło, data publikacji, poziom pewności: niski/średni/wysoki”.
Krok 4: Niepewność zamiast halucynacji – „jeśli brak źródła, napisz ‘brak potwierdzenia’ i przerwij wniosek”.
Krótki przykład
Pytanie: „Podaj aktualny zakres stopy bezrobocia w Polsce (BAEL), 2 źródła i poziom pewności. Jeśli nie masz źródła – ‘brak potwierdzenia’.”
Co sprawdzić
Czy linki prowadzą do źródeł pierwotnych i otwierają się bez błędów?
Czy data źródła jest nowsza niż przytaczane liczby?
Czy poziom pewności koreluje z jakością i liczbą źródeł?
11. Oznaczanie treści generowanej: przejrzystość i zarządzanie ryzykiem
Gdy używasz AI do tworzenia lub edycji, zostaw ślad dla odbiorcy i zespołu. To chroni reputację i ułatwia audyt.
Lekka polityka oznaczeń
Krok 1: Flaga pochodzenia – adnotacja „materiał współtworzony z użyciem AI” w stopce lub metadanych.
Krok 2: Przypisy – minimalnie: lista źródeł i dat, przy kluczowych faktach krótka adnotacja („źródło: GUS, 2024-05”).
Krok 3: Escalation path – jeśli pewność jest niska lub treść prawna/medyczna/finansowa: przegląd eksperta przed publikacją.
Krótki przykład
Raport marketingowy: w spisie treści dodaj „Sekcje 2 i 5 wsparte analizą AI; liczby zweryfikowane w GUS/Eurostat”. Przypisy z datą przy każdym wskaźniku.
Co sprawdzić
Czy odbiorca wie, które fragmenty są AI-assisted?
Czy najbardziej wrażliwe treści miały przegląd ekspercki?
Czy przypisy dają się odtworzyć po miesiącu (archiwum, Wayback)?
12. Lista kontrolna „60 sekund przed publikacją”
Fakty i liczby – jednostki zgodne, metodologia wskazana, test Fermi zaliczony.
Źródła – co najmniej jedno pierwotne, data nowsza niż cytowane dane, link działa.
Kontekst – kraj/jurysdykcja wskazane, nazwy instytucji lokalnych poprawne.
Wizualia – odwrócone wyszukiwanie zrobione, skale i daty na wykresach sprawdzone.
Prawo/licencje – status dokumentu (projekt/obowiązuje), licencje mediów i zależności zgodne.
Dane w promptach – brak PII/sekretów, placeholdery zastosowane, tryb „no training” włączony (jeśli dostępny).
Ryzyko – poziom pewności przy kluczowych tezach zapisany, elementy AI oznaczone.
Kontrola – druga para oczu naniosła uwagi, notatka 5W zarchiwizowana.
13. Obrazy i wideo: szybki test deepfake w 90 sekund
Gdy materiał ma wywołać emocje, najpierw szukaj śladów manipulacji, a dopiero potem opinii. Krótki, powtarzalny test eliminuje większość fałszywek.
Procedura 3 kroków
Krok 1: Odwrócone wyszukiwanie i metadane – wyciągnij klatkę (zrzut ekranu), użyj Google Lens/Yandex/Bing. Jeśli to zdjęcie: sprawdź EXIF (exiftool) i czy nie jest „re-uploadem” starej fotografii.
Krok 2: Anatomia i fizyka – w wideo zwróć uwagę na synchronizację ust i dźwięku, nienaturalne mruganie, artefakty wokół włosów/okularów. W obrazach: dłonie/palce, biżuteria, krzywe napisy, niespójne cienie i odbicia.
Krok 3: Zgodność z realiami miejsca i czasu – czy pogoda/ubiór zgadzają się z miejscem (IMGW), czy oznaczenia drogowe i tablice są polskie/UE, czy tło pasuje do znanych obiektów (Street View/Mapy)?
Krótki przykład
Krąży klip „prezydent miasta ogłasza ewakuację”. Sprawdzenie: kanał YT urzędu/FB miasta (czy była transmisja), komunikaty RCB/NASK i lokalnej policji, oraz opóźnienie dźwięku względem ruchu ust – jeśli desynchronizacja i brak oficjalnych potwierdzeń, nie udostępniaj.
Co sprawdzić
Czy materiał istnieje wcześniej w innej wersji/konfiguracji (stary kontekst)?
Czy są artefakty typowe dla generatywnego wideo/obrazu (palce, zęby, włosy, tekst)?
Czy niezależne źródło instytucjonalne (RCB, policja, urząd miasta) potwierdza zdarzenie?
14. Progi pewności vs. koszt błędu: matryca decyzji
Nie każda publikacja wymaga tego samego poziomu dowodów. Ustal próg w zależności od wpływu na odbiorców i ryzyka prawnego.
Jak ustawić próg dowodów
Krok 1: Klasyfikuj wpływ komunikatu – niski (post na Slacku zespołu), średni (blog firmowy), wysoki (komunikat do klientów/mediów).
Krok 2: Dobierz wymagane źródła – niski: 1–2 źródła klasy B (media branżowe) plus zdrowy rozsądek; średni: min. 1 źródło pierwotne (GUS/ISAP/urząd) + 1 niezależne; wysoki: 2 źródła pierwotne lub urzędowe potwierdzenie + przegląd eksperta.
Krok 3: Zdecyduj o czasie – przy wysokim ryzyku opóźnij publikację do momentu uzyskania oficjalnego potwierdzenia; przy niskim ryzyku oznacz niepewność i monitoruj aktualizacje.
Krótki przykład
„Most w mieście X zamknięty” – post lokalny (niski/średni): sprawdź stronę ZDM/UM i profil policji. Newsletter do mieszkańców (wysoki): czekaj na komunikat urzędu lub BIP z decyzją/zarządzeniem; dodaj link do źródła i czas obowiązywania.
Co sprawdzić
Czy poziom dowodów rośnie wraz z potencjalnym kosztem błędu (finanse, zdrowie, reputacja)?
Jakie przepisy mogą zadziałać przy pomyłce (RODO, UOKiK, art. 212 k.k.)?
Czy oznaczono niepewność, a plan aktualizacji jest zapisany (kto, kiedy, na jakiej podstawie)?
15. Cytaty i tłumaczenia: zero tolerancji dla zmyśleń
Modele potrafią „dopiękniać” cytaty i mylić autorów. Zanim podpiszesz sentencję znanym nazwiskiem albo przetłumaczysz wypowiedź – zrób szybki obieg weryfikacyjny.
Szybki obieg weryfikacyjny
Krok 1: Znajdź oryginał – wyszukaj pełną frazę w cudzysłowie w języku źródłowym, sprawdź Google Books, JSTOR, oficjalne archiwa (KPRM, Sejm, PKW), stenogramy/biuletyny.
Krok 2: Porównaj kontekst – czy cytat nie jest skrótem z ironią lub pytaniem retorycznym? Sprawdź 2–3 zdania przed i po.
Krok 3: Tłumacz zachowawczo – jeśli AI tłumaczy, poproś o 2–3 warianty i wybierz najwierniejszy znaczeniowo. Przy kluczowych cytatach dodaj link/znacznik czasu do nagrania.
Krótki przykład
Przypisywany Szymborskiej aforyzm bez źródła krąży w social media. Wyszukiwanie pełnej frazy nie zwraca publikacji autorki ani archiwów wydawnictwa – publikacja wstrzymana, zamieniona na parafrazę bez atrybucji i z dopiskiem „atrybucja wątpliwa”.
Co sprawdzić
Czy istnieje pierwotna publikacja/nagranie z dokładnym brzmieniem i datą?
Czy tłumaczenie nie zmienia sensu (czas, tryb warunkowy, negacje)?
Czy w atrybucji podano źródło i gdzie odbiorca może je sprawdzić (link, sygnatura, timestamp)?
Najczęściej zadawane pytania (FAQ)
Jak szybko ocenić, czy mogę zaufać treści wygenerowanej przez AI?
Zacznij od 30‑sekundowej oceny ryzyka. Krok 1: określ koszt błędu (niski: ciekawostki; średni: zakupy, firmy; wysoki: zdrowie, prawo, finanse). Krok 2: sprawdź źródło i format (oficjalne serwisy vs brak źródeł; tekst/obraz/wideo/kod). Krok 3: dobierz poziom weryfikacji: niski – 1 potwierdzenie; średni – 2–3 + reputacja źródła; wysoki – min. 3, w tym oficjalne/eksperckie, bez pochopnych decyzji.
Unikaj typowego błędu: udostępniania „bo brzmi sensownie”. Stosuj regułę trzech potwierdzeń z niezależnych źródeł (np. Demagog, Konkret24, PAP FakeHunter, AFP Sprawdzam) i szukaj śladu do pierwotnych dokumentów.
Co sprawdzić: konsekwencje pomyłki; widoczne, działające źródła; data i jurysdykcja (PL/UE/inne); liczba niezależnych potwierdzeń.
Jak zweryfikować informacje prawne lub podatkowe podane przez AI w Polsce?
Krok 1: sprawdź status w RCL (czy to projekt, konsultacje, czy już uchwalone). Krok 2: potwierdź w Dzienniku Ustaw lub ISAP, że akt został opublikowany i obowiązuje. Krok 3: zerknij na oficjalne interpretacje/komunikaty (gov.pl, MF, ZUS, NFZ) oraz rzetelne serwisy branżowe.
