Raport „Polaków portret własny” stał się jednym z najgłośniejszych polskich przykładów ryzyka związanego z użyciem sztucznej inteligencji przy tworzeniu dokumentów. Dyskusja szybko została jednak skrócona do wygodnego hasła: „napisała to AI”. To za mało. Nawet gdyby model językowy wygenerował każde zdanie, nadal nie on odpowiadał za źródła, wersję dokumentu, kontrolę merytoryczną i decyzję o publikacji.

AI może pójść w maliny. Rolą dobrze zaprojektowanego procesu jest dopilnowanie, aby z tych malin nie powstał oficjalnie wyglądający PDF.

Co właściwie się wydarzyło?

Dokument zatytułowany „Polska marka narodowa: raport z badań percepcji i autopercepcji” liczy 26 stron i jest datowany na listopad 2025 roku. Na okładce jako kierowniczka merytoryczna projektu i autorka raportu została wskazana dr hab. Barbara Mróz-Gorgoń. Dokument informuje również, że projekt realizowano w ramach zadania publicznego „Marka Polska – podstrategia turystyczna”, dofinansowanego ze środków Ministerstwa Sportu i Turystyki.

29 lipca 2026 roku Barbara Mróz-Gorgoń została powołana na stanowisko Pełnomocniczki Rządu ds. promocji marki Polska. Kiedy w sierpniu raport zaczął być szeroko komentowany, jego autorka wyjaśniała, że narzędzia AI pełniły funkcję pomocniczą — miały wspierać transkrypcję, podsumowanie i redakcję, a nie tworzyć treść badawczą ani wnioski. 21 sierpnia poinformowała o złożeniu dymisji.

Ministerstwo Sportu i Turystyki przedstawiło jednocześnie własne stanowisko: według resortu krytykowany dokument nie był przedmiotem zamówienia ani materiałem przekazanym w ramach rozliczenia umowy. Powstała więc dodatkowa warstwa sporu dotycząca statusu raportu i finansowania. W tej analizie zostawiam ją na boku. Interesuje mnie inny, bardziej uniwersalny problem: w jaki sposób materiał o tak widocznych wadach przeszedł drogę od wersji roboczej do publicznie dostępnego dokumentu?

Nie musimy rozstrzygać, jaki procent raportu stworzyła sztuczna inteligencja. Wystarczy stwierdzić, że końcowy materiał nie przeszedł skutecznej kontroli jakości.

Co widać w samym dokumencie?

Największą wartością tego przypadku jest to, że nie musimy zgadywać na podstawie stylu, myślników albo ulubionych słów modeli językowych. Możemy ocenić sam rezultat. W raporcie znajdują się między innymi:

• błędy geograficzne, takie jak opisanie Katowic jako „północnego centrum” Polski,
• puste przypisy i numeracja, która przestaje odpowiadać logicznej strukturze dokumentu,
• twierdzenia liczbowe bez źródeł pozwalających je sprawdzić,
• mieszanie języka polskiego i angielskiego w gotowych akapitach,
• nieprzetłumaczone albo sztucznie utworzone wyrażenia,
• niespójne formatowanie, przypadkowe użycie wielkich liter i fragmenty wyglądające jak notatki robocze,
• sformułowania w rodzaju „tradycyjnej chlebowości”, które zyskały już własne życie w Internecie.

Każdy z tych problemów jest innego rodzaju. Błąd geograficzny wymaga weryfikacji faktu. Pusty przypis jest błędem technicznym i redakcyjnym. Niejasna liczba bez konkretnego źródła jest problemem audytowalności. Z kolei językowe hybrydy wskazują, że tekst nie przeszedł pełnej korekty.

To ważne rozróżnienie, ponieważ modne słowo „halucynacja” nie wyjaśnia wszystkiego. W dokumencie zawiodło kilka osobnych mechanizmów jakościowych. Próba naprawienia całości jednym poleceniem „sprawdź raport” byłaby równie precyzyjna jak naprawianie samochodu komunikatem „proszę, żeby już działał”.

„AI tylko redagowała” nie zamyka problemu

W debacie pojawiła się linia obrony, według której sztuczna inteligencja nie tworzyła wniosków, lecz jedynie pomagała w transkrypcji, podsumowaniu i redakcji. Taki zakres użycia rzeczywiście różni się od zlecenia modelowi napisania raportu od początku do końca. Nie jest jednak neutralny.

• Transkrypcja może błędnie rozpoznać słowo, nazwę własną, liczbę albo sens wypowiedzi.
• Podsumowanie wybiera, co uznać za ważne, a co pominąć. Może wygładzić sprzeczność albo nadać pojedynczej opinii rangę dominującego wniosku.
• Redakcja może zmienić poziom pewności wypowiedzi, dodać pozornie fachowe określenie albo odłączyć twierdzenie od pierwotnego kontekstu.

Jeżeli AI uczestniczy w którymkolwiek z tych etapów, wynik wymaga kontroli człowieka mającego dostęp do materiału źródłowego. Nie wystarczy przeczytać płynnie brzmiącego akapitu. Trzeba jeszcze sprawdzić, czy rzeczywiście odpowiada temu, co powiedzieli respondenci, co wynika z danych i co potwierdzają źródła.

Najważniejszy błąd: produkt pośredni udawał produkt końcowy

Autorka raportu określiła go jako dokument roboczy, który nie powinien znaleźć się w przestrzeni publicznej. Sam plik nie wygląda jednak jak luźna notatka zespołu. Ma stronę tytułową, wskazanego autora, opis metodologii, streszczenie wykonawcze, rekomendacje, bibliografię i spis treści. Nie zawiera widocznego oznaczenia „DRAFT”, numeru wersji roboczej ani informacji, że materiał nie został zatwierdzony.

Powstaje więc prosty wniosek:

• jeżeli był to materiał końcowy — zawiodła kontrola merytoryczna i redakcyjna,
• jeżeli był to materiał roboczy — zawiodło wersjonowanie, zarządzanie dostępem i proces publikacji.

W obu wariantach nie jest to wyłącznie „błąd AI”. To błąd procesu wytwarzania dokumentu.

Gdzie powinny znajdować się bramki jakości?

Etap	Możliwa rola AI	Kontrola obowiązkowa
Materiał badawczy	Porządkowanie nagrań i notatek	Zgodność z metodologią, kompletność danych, zgody i zakres badania
Transkrypcja	Zamiana nagrania na tekst	Porównanie próby transkrypcji z nagraniem, oznaczenie niepewnych fragmentów
Analiza i podsumowanie	Grupowanie tematów, tworzenie wariantów syntezy	Ślad od wniosku do cytatu, kodu badawczego albo danych źródłowych
Opracowanie raportu	Szkic struktury, redakcja, ujednolicenie języka	Kryteria akceptacji, kontrola faktów, liczb, nazw i logiki wniosków
Redakcja końcowa	Korekta pomocnicza	Niezależny czytelnik, korekta językowa, sprawdzenie przypisów i tabel
Publikacja	Przygotowanie formatu lub metadanych	Zatwierdzona wersja, właściciel decyzji, archiwum i możliwość korekty

Gdyby każda z tych bramek miała konkretnego właściciela, większość widocznych błędów zostałaby zatrzymana przed publikacją. Nie potrzeba do tego laboratorium badającego ślady generatywnej składni. Wystarczyłby uważny człowiek, lista kontrolna i dostęp do źródeł.

AI nie kliknęła „Opublikuj”

W mojej koncepcji Asystenta AI sztuczna inteligencja wspiera użytkownika w realizacji celu, ale nie przejmuje od niego odpowiedzialności za wizję, zakres, kryteria jakości i decyzje graniczne. Użytkownik pozostaje operatorem procesu — mówiąc mniej technicznie: nadal jest szefem projektu.

Model językowy może zaproponować akapit, pomylić źródło, źle streścić wypowiedź albo stworzyć termin, który brzmi naukowo przez pierwsze trzy sekundy. Nie decyduje jednak samodzielnie, że materiał nadaje się do podpisania nazwiskiem i udostępnienia opinii publicznej. Chyba że wcześniej ktoś nadał mu taką autonomię — a wtedy odpowiedzialność za tę decyzję również pozostaje po stronie organizacji.

Odpowiedzialność zaczyna się dokładnie tam, gdzie kończy się generowanie odpowiedzi.

Pięć prostych kontroli, które mogły zatrzymać publikację

1. Jednoznaczny status wersji

Każdy materiał powinien mieć numer wersji, właściciela, datę oraz status: szkic, do weryfikacji, zatwierdzony albo opublikowany. Plik roboczy nie może wyglądać identycznie jak wersja finalna.

2. Macierz twierdzenie–źródło

Każda liczba i każde istotne twierdzenie powinny prowadzić do konkretnego źródła, strony, tabeli lub fragmentu badania. Przypis, który istnieje wyłącznie jako numer, jest elegancko sformatowanym brakiem źródła.

3. Zasada drugiej pary oczu

Osoba tworząca dokument nie powinna być jedyną osobą, która go zatwierdza. Niezależny recenzent łatwiej zauważy skrót myślowy, brak dowodu albo fragment, do którego autor zdążył się już przyzwyczaić.

4. Oddzielna kontrola merytoryczna i redakcyjna

Poprawny styl nie gwarantuje prawdziwości, a prawdziwe dane nie gwarantują czytelnego raportu. Oba rodzaje kontroli są potrzebne i odpowiadają na inne pytania.

5. Bramka publikacyjna

Przed udostępnieniem dokumentu jedna wskazana osoba powinna potwierdzić: to jest właściwy plik, właściwa wersja, wszystkie kontrole zostały wykonane, a materiał można opublikować. Bez tej decyzji przycisk publikacji powinien pozostać tylko dekoracją.

To nie jest problem jednej osoby ani jednego raportu

Podobna sytuacja może wydarzyć się w firmie, urzędzie, fundacji, uczelni albo redakcji. AI znacząco skraca czas przygotowania dokumentu, ale równie skutecznie skraca czas produkcji błędów. Gdy zespół otrzymuje szybko obszerny i estetycznie uporządkowany materiał, łatwo pomylić kompletność formy z jakością treści.

To dlatego dojrzałość w korzystaniu z AI nie polega wyłącznie na umiejętności napisania dobrego promptu. Obejmuje także:

• rozumienie ograniczeń modelu,
• umiejętność oceny źródeł,
• oddzielanie faktów od interpretacji,
• projektowanie procesu weryfikacji,
• określenie odpowiedzialności za wynik,
• świadomość, że dokument roboczy może pewnego dnia przestać być prywatny.

W praktyce organizacyjnej „to miał być tylko szkic” nie jest mechanizmem bezpieczeństwa. Mechanizmem bezpieczeństwa są wersjonowanie, uprawnienia, kontrola i zatwierdzenie.

Od głośnej wpadki do użytecznego standardu

Najłatwiejszą reakcją na tę historię byłoby stwierdzenie: „nie używajmy AI do raportów”. Byłby to wniosek równie prosty, co mało praktyczny. Sztuczna inteligencja może bardzo dobrze wspierać transkrypcję, porządkowanie materiału, analizę wariantów, redakcję i kontrolę spójności. Nie powinna jednak przeskakiwać bez nadzoru z etapu roboczego do etapu publikacji.

Dlatego właściwe pytanie nie brzmi: „czy w raporcie użyto AI?”. Właściwe pytanie brzmi: jaki proces kontroli zastosowano do wyniku stworzonego z jej udziałem?

Praktyczny model takiego procesu — od klasyfikacji ryzyka po ostatnią bramkę publikacyjną — opisałem w materiale Jak unikać błędów AI w raportach i dokumentach?.

---

Źródła i materiały

1. Archiwalna kopia raportu „Polaków portret własny”.
2. Kancelaria Prezesa Rady Ministrów: powołanie Pełnomocniczki Rządu ds. promocji marki Polska, 29 lipca 2026 r.
3. Konkret24/TVN24: analiza błędów oraz stanowiska autorki i ministerstwa.
4. PAP: informacja o dymisji i deklarowanym zakresie użycia AI, 21 sierpnia 2026 r.
5. Maciej Pieniak: „Używać AI czy nie używać AI?” — koncepcja Asystenta AI i zasady współpracy.

Materiał ma charakter analityczny. Nie rozstrzyga sporu dotyczącego finansowania projektu ani nie przypisuje sztucznej inteligencji autorstwa określonej części dokumentu. Analiza dotyczy publicznie dostępnego rezultatu i procesu kontroli jakości.