AI w decyzjach lidera i jego osądzie
Od jakiegoś czasu wraca do mnie myśl, że sztuczna inteligencja przestaje być dla nas tylko narzędziem do szybszej pracy, a zaczyna też być sposobem na to, żeby rozłożyć ciężar odpowiedzialności za to, co myślimy i co potem zrobimy. Wiem, jak kuszące to bywa, bo sam dobrze znam tę pokusę, żeby choć na chwilę zdjąć z siebie ciężar własnego osądu. Problem w tym, że dla niektórych dorasta ona do rangi „persony rodzica”.
Z początku wygląda to całkiem niewinnie. Pytamy model o wiedzę, później o analizę, a w końcu o kierunek. Dla większego spokoju dokładamy drugi model, żeby potwierdził pierwszy. I kiedy oba mówią mniej więcej to samo, łatwo uznać, że sprawa jest prawie załatwiona. Tyle że w takiej chwili nie szukamy już tylko wsparcia w myśleniu. Coraz częściej szukamy też czegoś, z czym będzie można rozłożyć ciężar odpowiedzialności, a w razie czego powiedzieć: „siedziałem nad tym z Claude’em” albo „ChatGPT mi to podpowiedział”, żeby przy kiepskim rezultacie zrzucić winę na maszynę.
Maszyna liczy prawdopodobieństwo, nie prawdę
I to ma znaczenie, bo model AI nie działa jak człowiek, który coś rozumie i krok po kroku dochodzi do prawdy. Nauczył się na ogromnej ilości tekstu i kiedy odpowiada, składa zdanie kawałek po kawałku. Bierze to, co już padło, rozbija język na małe części, czasem na całe słowa, a czasem tylko na ich fragmenty, i wylicza, który z nich ma największe prawdopodobieństwo pojawić się jako następny. Potem dokłada ten kawałek do odpowiedzi i robi to jeszcze raz. I jeszcze raz. Właśnie tak powstaje cały akapit. Dlatego sztuczna inteligencja nie zawsze daje odpowiedź prawdziwą, tylko taką, która w danym momencie jest najbardziej prawdopodobna i brzmi wystarczająco przekonująco. To bliżej do rachunku prawdopodobieństwa niż sprawdzania, czy coś się zgadza z rzeczywistością.
Sam złapałem się ostatnio na czymś jeszcze. Kiedy korzystam z narzędzi do researchu albo projektowania i model zaczyna zadawać mi pytania doprecyzowujące, coraz częściej pojawia się też przycisk z napisem „zdecyduj za mnie”. Początkowo wydawało mi się to wygodne. Jeśli sam nie wiem jeszcze, co odpowiedzieć, to przecież szybciej kliknąć i pozwolić mu pobiec dalej. Tylko co to właściwie znaczy? Jakie kryteria wtedy wybiera? Skąd one się biorą? Skoro ja sam nie umiem ich jeszcze sprecyzować, to czy model na pewno będzie to umiał zrobić? Czy może po prostu, na podstawie ogromnej ilości tekstów, na których się uczył, i tego, co właśnie dzieje się w rozmowie, poda mi to, co wydaje się najbardziej prawdopodobne?
Do tego dochodzi kolejna warstwa tego problemu. To nie jest tylko tak, że to my coraz łatwiej oddajemy modelom kolejne decyzje. Same narzędzia są też projektowane tak, żeby zdejmować z nas coraz więcej wysiłku i odpowiedzialności, bo wtedy korzysta się z nich szybciej i wygodniej. W świecie produktów to jest bardzo dobry kierunek. Tyle że sztuczna inteligencja nie jest zwykłym narzędziem, przy którym bez większej szkody można oddać kolejne drobne wybory. I właśnie dlatego granica zaczyna się łatwo zacierać. Najpierw oddajemy jej rzeczy błahe, później trochę trudniejsze, a w końcu takie, przy których niezauważalnie oddajemy już nie wygodę, tylko własny osąd.
Przychodzi nam to stosunkowo łatwo, bo odpowiedzi sztucznej inteligencji brzmią naprawdę bardzo pewnie. Sam nieraz czytałem coś z myślą: „kurczę, ale to zostało sensownie pokazane”. Tylko że kiedy dopytywałem, skąd wzięły się te informacje, z czego wynika taki dobór danych albo jakie właściwie były kryteria tej odpowiedzi, wtedy przestawało to już brzmieć tak przekonująco.
Kiedy „algorytm to sugerował” przestaje być obroną
Dlatego tak ważne wydaje mi się majowe orzeczenie sądu federalnego w Nowym Jorku, w którym sąd stwierdził, że zasłanianie się tym, że „algorytm to sugerował”, nie jest skuteczną obroną przed odpowiedzialnością organizacji za skutki własnych decyzji. Sprawa dotyczyła procesu podejmowania decyzji przez organy rządowe, ale to orzeczenie ma szersze znaczenie dla każdej organizacji, która wdraża generatywną sztuczną inteligencję do swoich procesów.
Ponieważ sporo czasu poświęcam ostatnio na zrozumienie tego, co dzieje się z naszym myśleniem, gdy korzystamy ze sztucznej inteligencji, trafiłem też na metaanalizę trzydziestu pięciu badań nad współpracą człowieka z AI. W jednej z prac, przy 560 ocenach wspomaganych modelem, praktycy 67 razy przyjęli rekomendację sprzeczną z własną oceną, a w 38 z tych przypadków nadpisali swoją poprawną ocenę błędną sugestią narzędzia. Z kolei Harvard Business School Working Knowledge w analizie z 2025 pokazał, że kadra zarządzająca używa algorytmu jako kurtyny przy cięciach i restrukturyzacji, a „AI made me do it” robi dziś to, co kiedyś robiło „McKinsey to rekomendował”.
Dziesiątki stron, których nikt już nie czyta
To zresztą nie kończy się na samym przesuwaniu odpowiedzialności. Coraz częściej widzę też, że sztuczna inteligencja pozwala liderom w kilka minut wyprodukować dziesiątki stron analiz, podsumowań i dokumentów, które wyglądają poważnie, są dobrze sformatowane i brzmią sensownie, ale coraz rzadziej niosą za sobą realną wartość.
Sam coraz częściej dostaję od ludzi materiały po 30 czy 40 stron i przyznam szczerze, że coraz trudniej mi uwierzyć, że ktoś naprawdę to wszystko czyta. Badanie nad AI-generowanymi postami pokazało, że takie treści bywają bardziej informacyjne, ale też bardziej złożone i mniej osobiste, przez co trudniej o prawdziwą rozmowę wokół nich. Z kolei nowsze badanie nad komunikacją mediowaną przez AI wykazało coś, co autorzy nazwali nawet „AI penalty”: wiadomości tworzone z udziałem AI były odbierane jako mniej wiarygodne, mniej autentyczne i mniej warte tego, żeby się na nich oprzeć, także w kontekście pracy. Mam więc wrażenie, że w firmach nie tylko oddajemy modelom część myślenia, ale coraz częściej zalewamy siebie materiałami, których nikt już naprawdę nie ma siły czytać.
Ludzie widzą, kiedy lider się za tym chowa
Kłopot w tym, że ludzie widzą, kiedy ich lider chowa się za sztuczną inteligencją, nawet gdy nie mówią o tym wprost albo początkowo nie potrafią wyrazić tego za pomocą słów czy jasnych argumentów. Kiedy lider regularnie podpiera się AI, szczególnie przy ciężkich i niewygodnych decyzjach, zespół zaczyna tracić zaufanie także do tego, co mówi w tych łatwiejszych momentach. W końcu skoro raz schował się za narzędziem, to czyje są tak naprawdę jego słowa?
Z tego, co sam widzę, nie jest to jeszcze powszechna praktyka, ale mimo wszystko coraz częściej dostrzegam u ludzi, z którymi rozmawiam, albo u liderów, którym doradzam, że pokusa, żeby tak robić, staje się coraz większa. Dostęp do modeli jest dziś stosunkowo tani, więc próg, żeby coraz więcej decyzji oddać im pod osąd, jest niski. Kiedyś trzeba było zatrudnić konsultantów, mentorów albo ekspertów, którzy pomagali w tym procesie, ale oni zawsze w jakimś stopniu potrafili się z nami „boksować”. Trudno było się też za nimi tak bezwiednie schować, jak dziś za sztuczną inteligencją.
Czego tam naprawdę szukam
Myślę, że jedyne, co tu pomaga, to zatrzymać się następnym razem, kiedy otwieram model przed trudną decyzją, i zapytać siebie, czy faktycznie szukam ramy do myślenia, czy raczej kogoś, na kogo będę mógł zrzucić winę przed samym sobą, gdyby się nie udało. Bo konsekwencje tej decyzji i tak będą ciążyć na mnie, a takim ruchem co najwyżej odciążam siebie psychicznie.
I nie piszę tego jako jakiejś abstrakcyjnej metafory. Badanie z 2025 roku o relacjach człowieka z AI sugeruje, że część ludzi zaczyna używać modeli jak czegoś w rodzaju bezpiecznej bazy i schronienia, czyli miejsca, do którego wraca się po oparcie i uspokojenie. Nowsza praca z 2026 roku opisała już takie przywiązanie do chatbotów przez trzy wymiary: wsparcie emocjonalne, niepokój, kiedy tego kontaktu brakuje, i właśnie poczucie, że AI staje się czymś w rodzaju punktu oparcia. Z kolei badanie podłużne nad dłuższym korzystaniem z chatbotów pokazało, że osoby, które same z siebie częściej do nich wracały, częściej wpadały też w emocjonalną zależność i bardziej problematyczne używanie.
Warto też mieć na uwadze, że pierwsza osoba, która zauważy, kiedy chowamy się za modelem, to nie będziemy my sami. To będzie najpewniej ktoś, kto siedzi obok i nie umie znaleźć słów na to, żeby nam to powiedzieć. Zresztą nawet jeśli to zauważy, nie wierzę, że powie nam wprost, że widzi, jak szukamy tu ramy albo kogoś, na kogo możemy zrzucić winę. Dlatego tak ważna jest autorefleksja i szukanie swoich ślepych plamek w rozumowaniu i w samym pojmowaniu tego, co robimy.
Jak nie oddać AI własnego osądu
Dziś, zanim poproszę model o opinię przy jakiejkolwiek decyzji, najpierw zapisuję sobie w dwóch czy trzech zdaniach, co naprawdę myślę, czego się obawiam i pod czym byłbym gotów się podpisać. Dopiero potem proszę AI o kontrę, o luki w rozumowaniu albo o rzeczy, których mogłem nie zauważyć. Dzięki temu model nie przyjmuje sterów, tylko pomaga mi lepiej układać własne myśli. Przynajmniej w teorii, bo i tak zawsze trzeba być czujnym, żeby się na czymś nie zafiksować.
Chciałbym, żebyś mnie dobrze zrozumiał, bo nie stawiam dziś tezy, czy korzystać z AI (w końcu sam z niej korzystam, polecam ją i nawet napisałem książkę o tym, jak ją poprawnie wdrażać), tylko mówię o tym, żeby w którymś momencie przestać oddawać jej własny osąd.
