Nie każde twierdzenie AI wymaga cytowania — ale każde twierdzenie wymaga podstaw

Dlaczego „brak cytowania” przestał być wystarczająco dobrym testem

Problem zaufania nie jest abstrakcyjny. Jest mierzalny i pogarsza się w określonych, udokumentowanych sposóbach.

Badanie z 2025 roku dotyczące referencji generowanych przez AI wykazało, że 19,9% było całkowicie zmyślonych, a dalsze 45,4% zawierało poważne błędy bibliograficzne — co oznacza, że blisko dwie trzecie cytatów wygenerowanych przez AI w tym badaniu było albo wymyślonych, albo w jakiś istotny sposób wadliwych. Oddzielnie, śledzenie sfabrykowanych cytowań w opublikowanych badaniach pokazuje wzrost około 12-krotny między 2023 a 2025 rokiem, z ponad 4000 pracami biomedycznymi, które cytowały nieistniejące badania.

System prawny już ponosi koszty tego. W roku do lutego 2026 roku, 66 amerykańskich spraw sądowych zostało sankcjonowanych specjalnie za błędy generowane przez AI, a do czerwca 2026 roku liczba ta wzrosła do 1598 postępowań sądowych na całym świecie obejmujących treści AI z fałszywymi cytowaniami — z ponad 145 000 USD kar za zgłoszenia AI w sądach amerykańskich tylko w pierwszym kwartale 2026 roku.

Żadna z tych rzeczy nie jest powodem do całkowitego braku zaufania do AI. Jest to powód, aby przestać używać pytania „czy ma cytowanie” jako jedynego testu, ponieważ ten test jest zbyt łatwy do przejścia bez bycia faktycznie prawdziwym, i — co równie ważne — zbyt łatwy do oblania, będąc faktycznie poprawnym.

Po drugiej stronie jest też prawdziwe utrudnienie, o którym warto szczerze powiedzieć, zamiast je pomijać: badanie Yale wykazało, że osoby, które używały chatbotów AI do weryfikacji wiadomości, odnotowały 15-punktowy spadek własnej, niezależnej zdolności do wykrywania dezinformacji już po czterech tygodniach. Outsourcing weryfikacji nie jest darmowy. Może sprawić, że będziesz gorszy w robieniu tego samodzielnie. To prawdziwy powód, aby chcieć systemu, który pokazuje swoją pracę, a nie takiego, który po prostu podaje Ci ładnie wyglądającą odpowiedź.

Na czym faktycznie może opierać się twierdzenie

Jeśli samo cytowanie nie jest właściwym testem, bardziej użyteczne pytanie brzmi: jaki typ dowodu wygenerował to twierdzenie? W praktyce istnieje sześć rzeczywistych, odrębnych odpowiedzi.

1. Badania zewnętrzne

Twierdzenie oparte na wyszukiwaniu na żywo lub sprawdzeniu w rzeczywistych, aktualnych źródłach — rodzaj dowodu, na który wskazywałoby cytowanie, i gdzie jego brak jest prawdziwym sygnałem ostrzegawczym.

2. Informacje dostarczone przez użytkownika

Twierdzenie zbudowane na podstawie czegoś, co powiedziałeś systemowi bezpośrednio — fakty dotyczące Twojej marki, Twoja wiedza rynkowa, poprawka, którą dostarczyłeś. To nie wymaga zewnętrznego cytowania. Cytowaniem jesteś Ty.

3. Dowody przeniesione z wcześniejszego etapu

W wieloetapowym badaniu, późniejszy etap może prawidłowo polegać na dowodach, które wcześniejszy etap już ustalił i zweryfikował, zamiast ponownie je badać od podstaw. Cytowanie znajduje się wyżej w strumieniu, a nie w każdym zdaniu, które je wykorzystuje.

4. Wnioskowanie analityczne, wyraźnie oznaczone jako wnioskowanie

Czasami uczciwa odpowiedź brzmi „na podstawie zebranych dowodów, jest to najbardziej rozsądna interpretacja” — nie odkryty fakt, ale ocena. Jest to uzasadnione, pod warunkiem, że jest oznaczone jako wnioskowanie, a nie przebrane za cytowanie.

5. Obliczenie deterministyczne

Niektóre twierdzenia to po prostu arytmetyka. Jeśli dane wejściowe są poprawne, stałe, odtwarzalne obliczenie nie wymaga cytowania bardziej niż formuła w arkuszu kalkulacyjnym — „dowodem” jest fakt, że te same dane wejściowe zawsze dają ten sam wynik.

6. Korekta ludzka, zastosowana po fakcie

To jest to, co większość artykułów o zaufaniu do AI całkowicie pomija: kiedy osoba z rzeczywistą, bezpośrednią wiedzą koryguje twierdzenie generowane przez AI, ta korekta jest sama w sobie formą dowodu — prawdopodobnie najsilniejszego dostępnego rodzaju, ponieważ pochodzi od kogoś, kto faktycznie tam był. Uważamy to za prawdziwą, szóstą kategorię samą w sobie, a nie tylko etap kontroli jakości dołączony do pozostałych pięciu. To jest nasza autentyczna synteza, a nie ugruntowany termin branżowy — warto to jasno powiedzieć, zamiast przedstawiać to jako coś więcej, niż jest.

Sześć prawdziwych odpowiedzi. Jeden test — „czy jest cytowanie” — nigdy nie pokryłby wszystkich sześciu.

Rozróżnienie, którego prawie nikt nie dokonuje: luka kontra artefakt

Oto aspekt, który jest autentycznie niedostatecznie zbadany, i ma większe znaczenie, niż mogłoby się wydawać.

Kiedy system AI oznacza coś jako niepewne, ta flaga może oznaczać jedną z dwóch bardzo różnych rzeczy:

Autentyczna luka dowodowa — temat faktycznie nie mógł być zweryfikowany. Nikt nie opublikował tej liczby. Informacja nie jest publiczna. Niepewność jest rzeczywista i dotyczy świata.

Artefakt językowy — podstawowe ustalenie jest w porządku, ale zostało oznaczone jako negatywne lub niepewne wyłącznie ze względu na sposób sformułowania, a nie na to, co faktycznie mówi. Niepewność dotyczy zdania, a nie tematu.

Wyglądają identycznie na stronie. Oba pojawiają się jako żółta flaga obok twierdzenia. Ale wymagają zupełnie innych reakcji. Prawdziwa luka wymaga dalszych badań. Artefakt językowy wymaga lepszego sformułowania — a traktowanie go jak luki badawczej marnuje czas na szukanie dowodów na coś, co nigdy nie było faktycznie wątpliwe.

To rozróżnienie ledwo pojawia się w istniejących publikacjach na temat zaufania do AI i halucynacji. Większość z nich ogranicza się do stwierdzenia „AI może się mylić, weryfikuj ważne twierdzenia” — co jest prawdą, ale nie jest praktyczne. Wiedza, jakiego rodzaju flagę widzisz, faktycznie mówi Ci, co robić dalej.

Dlaczego węższe pytania są lepsze od szerszych

Jest drugi wzorzec, o którym warto wspomnieć, i biegnie w przeciwnym kierunku niż to, jak większość ludzi zakłada, że powinno wyglądać „dokładniejsze” badanie AI. Instynkt każe zadawać jedno duże, otwarte pytanie i oczekiwać kompleksowej odpowiedzi. W praktyce, tendencją jest, że lepiej działa podejście odwrotne: rozbijanie szerokiego pytania na kilka wąskich, konkretnych, ograniczonych pytań — i zadawanie ich oddzielnie — daje dowody, które są łatwiejsze do sprawdzenia, łatwiejsze do zaufania i często bardziej bezpośrednio użyteczne niż jedna obszerna odpowiedź próbująca objąć wszystko naraz.

Po części dlatego, że: wąskie pytanie daje systemowi mniej miejsca na zamazanie rzeczy, które powinny pozostać oddzielne. Daje to również Tobie, czytelnikowi, znacznie łatwiejsze do zweryfikowania twierdzenie — konkretna odpowiedź na konkretne pytanie to coś, co możesz sprawdzić w odniesieniu do konkretnego źródła. Pojedynczy akapit próbujący odpowiedzieć na pięć rzeczy naraz zazwyczaj nie może być sprawdzony w odniesieniu do niczego konkretnego.

Mniej, skierowane precyzyjniej, zazwyczaj przewyższa więcej.

Jak to wyglądało w rzeczywistych badaniach rynku

Nie wzięliśmy niczego z tego na wiarę. Przeprowadziliśmy rzeczywiste badania dotyczące tego, jak ludzie obecnie opisują swoją frustrację narzędziami AI, które formułują twierdzenia o dowodach i zaufaniu — powtarzający się język, po który ludzie faktycznie sięgają, a nie hipoteza na ten temat.

Trzy frazy pojawiały się wystarczająco często, niezależnie, aby warto je tu powtórzyć, bez przypisywania ich do konkretnego produktu czy firmy, ponieważ chodzi o wzorzec, a nie o jednego dostawcę:

• Odczuwalny „5% wskaźnik bzdur” — poczucie, że nawet w większości niezawodnym narzędziu AI zawsze istnieje niewielka, ale rzeczywista proporcja błędnych wyników podanych z pewnością, i że ta proporcja rzadko spada do zera, niezależnie od tego, jak dobre staje się narzędzie.
• „Iluzja przejrzystości” — gdzie narzędzie widocznie pokazuje swoje rozumowanie lub źródła, co wydaje się godne zaufania, bez możliwości faktycznego sprawdzenia lub poprawności tej widocznej warstwy.
• „Ciężar walidacji” — cichy, rzeczywisty koszt, że praca wspomagana AI nie eliminuje potrzeby sprawdzania rzeczy, a jedynie przenosi to sprawdzanie na człowieka, później, często bez ostrzeżenia, że nadal jest ono wymagane.

Te same badania ujawniły również, czego ludzie faktycznie chcą w zamian, niezależnie i wielokrotnie, bez ukierunkowania na konkretną odpowiedź: spójnej, weryfikowalnej zdolności cytowania; widocznego wyjaśnienia, jak AI doszło do swojego wniosku, zamiast samego wniosku; oraz syntetycznego, możliwego do podjęcia działania werdyktu zamiast nieprzefiltrowanego zrzutu wszystkiego, co system znalazł.

Nie przypisujemy sobie zasług za zidentyfikowanie tego zapotrzebowania — badanie odkryło je samo. Wskazalibyśmy natomiast, że ściśle odpowiada to sposobowi, w jaki zbudowaliśmy nasz własny produkt: warstwa uczciwości, która pokazuje założenia, luki i sprzeczności, zamiast je ukrywać; sposób na poprawianie i ponowne uruchamianie analizy z rzeczywistym kontekstem, zamiast zaczynania od nowa; oraz pojedynczy syntetyczny werdykt z góry, z pełnym śladem dowodowym dostępnym pod spodem dla każdego, kto chce sprawdzić naszą pracę.

Lista kontrolna dla kolejnego twierdzenia AI, które otrzymasz

Następnym razem, gdy system AI — nasz lub czyjkolwiek inny — poda Ci twierdzenie, na podstawie którego zamierzasz działać, pięć pytań poprowadzi Cię dalej niż „czy jest cytowanie”:

1. Jakiego to jest typu? Zewnętrzne badanie, Twoje własne dane wejściowe, przeniesione dowody, oznaczone wnioskowanie, obliczenie lub korekta ludzka — wymagają one różnych poziomów zaufania.
2. Jeśli to cytowanie, czy źródło faktycznie to mówi? Istnienie cytowania i cytowanie wspierające konkretne twierdzenie to nie to samo sprawdzenie.
3. Jeśli jest oznaczone jako niepewne, czy to luka, czy artefakt? Zapytaj, co konkretnie jest niezweryfikowane — temat czy tylko zdanie.
4. Czy węższa wersja tego pytania dałaby bardziej sprawdzalną odpowiedź? Jeśli twierdzenie jest szerokie, zastanów się, czy jego podział by pomógł.
5. Czy ktoś z bezpośrednią wiedzą faktycznie to sprawdził? Korekta ludzka, jeśli jest dostępna, jest często najsilniejszym rodzajem dowodów na liście — użyj jej.

Żadna z tych rzeczy nie wymaga całkowitego braku zaufania do AI. Wymaga traktowania „cytowane” i „prawdziwe” jako dwóch różnych pytań, ponieważ takimi są.