Czy sztuczną inteligencję powinno się traktować jako autorytet?

Wielu użytkowników traktuje odpowiedzi AI jako pewnik. Z raportu „Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025" wynika, że 41% Polaków deklaruje zaufanie do sztucznej inteligencji (średnia światowa – 46%). Dodatkowo aż 77% akceptuje obecność AI podczas codziennych zadań. W tym przypadku możemy mówić o zaufaniu poznawczym. Użytkownicy zakładają, że narzędzia sztucznej inteligencji działają racjonalnie i zgodnie z interesem internautów. Problem w tym, że nie wiedzą, w jaki sposób sztuczna inteligencja podejmuje decyzje.

Rikard Rosenbacke w swojej publikacji pt. „Cognitive Challenges in Human-AI Collaboration” zauważa, że skoro nie wiemy, na jakiej podstawie AI tworzy odpowiedzi, to oceniamy je w oparciu o prezentację. Patrzymy na ich wygląd. Jeśli widzimy specjalistyczny język i atrakcyjną grafikę, wydaje się nam, że możemy zaufać. Jednak nie wynika to z oceny wartości merytorycznej – przyjmujemy, że decyzje podejmowane przez AI muszą być dobre.

Sztuczna inteligencja w takim przypadku nie tyle wspiera decyzje, co staje się ich autorem. Kiedy stajemy się biernym, bezkrytycznym odbiorcą rekomendacji, ryzyko błędu wzrasta. Wiarygodność informacji zawsze powinna być weryfikowana. Zastosowanie odpowiedzi AI w sposób bezrefleksyjny – bez znajomości zagadnień z zakresu prawa, finansów czy zdrowia – może mieć poważne konsekwencje.

Uwaga:

Badania Cathy Liu, Xitonga Li i Sangseoka You wykazały, że obecnie użytkownicy są skłonni bardziej ufać systemom AI niż ludziom nawet po wykryciu niedoskonałości.

Zatem jak budowane są te odpowiedzi? Czy możliwe jest takie pozycjonowanie w AI, aby treści powstawały na bazie informacji z Twojej strony?

Jak powstają odpowiedzi AI?

Odpowiedzi AI nie są gotowymi treściami skopiowanymi ze stron internetowych. Duże modele językowe:

• analizują pytania,

• uwzględniają kontekst wcześniejszej „rozmowy”,

• przewidują kolejne słowa na podstawie wzorców poznanych podczas wcześniejszego treningu na zbiorach tekstów.

Zatem model nie korzysta z gotowej odpowiedzi z bazy danych, tylko tworzy ją na bieżąco, próbując przewidzieć kolejne elementy tekstu.

LLM-y mogą przeszukiwać serwisy, powoływać się na źródła i cytować je w odpowiedziach. Dlatego warto zachować ostrożność – szczególnie w przypadku informacji naukowych. Modele językowe mogą generować tzw. halucynacje, czyli budować odpowiedzi, które wyglądają wiarygodnie, ale zawierają błędne lub zmyślone informacje. Możliwe jest również powoływanie się na źródła, które nie istnieją. AI nie zawsze potrafi samodzielnie zweryfikować prawdziwość informacji, do których ma dostęp.

Jak AI wybiera źródła do odpowiedzi?

Jeśli dany model nie korzysta z wiedzy z sieci, bazuje na danych zdobytych podczas treningu, a nie z konkretnych witryn. Gdy jednak przeszukuje cały internet, ocenia tę wiedzę, jej trafność i wiarygodność, a następnie tworzy odpowiedź w oparciu o wiele materiałów. Przy wyborze źródeł systemy AI zwracają uwagę na:

• zgodność treści z zapytaniem użytkownika,

• wiarygodność i autorytet źródła,

• aktualność informacji,

• obecność potwierdzeń tych samych informacji w innych niezależnych źródłach,

• jakość i kompletność publikacji,

• obecność autorskich analiz lub badań.

Informacje powtarzalne a unikalne badania i dane eksperckie

Treści, które są kopią informacji z dziesiątek innych stron, mają znacznie mniejsze szanse na uznanie za wartościowe źródło informacji i wykorzystanie w odpowiedzi. Nie są wartością dodaną dla użytkownika i nie wyróżniają się na tle konkurencji. Najczęściej opierają się na ogólnodostępnych danych.

AI woli korzystać z treści, które zawierają wyniki badań i autorskie analizy. Takie materiały dostarczają dane, które nie są dostępne w powszechnych źródłach, dzięki czemu kształtują wiarygodność oraz ekspercki wizerunek marki.

Elementy budujące cyfrowy autorytet domeny to także:

• obecność w zewnętrznych bazach wiedzy oraz zaufanych katalogach branżowych,

• linki prowadzące do danej witryny z renomowanych źródeł,

• podawanie informacji o autorach publikacji,

• umieszczanie wiarygodnych źródeł danych,

• publikowanie eksperckich komentarzy.

Podstawą jest zapewnianie wartościowych treści, które AI może ocenić jako wiarygodne.