
Wyobraź sobie, że wysyłasz klientowi ofertę przygotowaną przez sztuczną inteligencję. W tekście znajduje się dokładny cytat z przepisu, data i nazwa firmy – wszystko brzmi profesjonalnie i z pełnym przekonaniem. Tylko że przepis nigdy nie istniał, data jest wymyślona, a firma istnieje tylko w wyobraźni chatbota. To halucynacja AI – zjawisko, które według OpenAI dotyczy wszystkich dużych modeli językowych, ale przed którym można się skutecznie chronić. Poniżej pokazujemy, jak sprawdzać odpowiedź AI przed wysłaniem dalej.

Czym są halucynacje AI i skąd się biorą
Halucynacje to „wyglądające wiarygodnie, ale z gruntu fałszywe stwierdzenia generowane przez modele językowe” – tak definiuje je OpenAI, twórca ChatGPT. Model odpowiada z pełnym przekonaniem i podaje daty, imiona, przepisy, cytaty lub linki, których w rzeczywistości nie ma. OpenAI opisuje przykład z własnego badania: zapytany o tytuł pracy doktorskiej jednego z autorów, popularny chatbot podał trzy różne odpowiedzi i żadna nie była prawidłowa. Z datą urodzin było tak samo – trzy różne daty, żadna poprawna.
Dlaczego do tego dochodzi? Standardowe procedury treningu i oceny modeli językowych premiują zgadywanie zamiast przyznania się do niepewności. Modele są oceniane głównie na podstawie dokładności, czyli procentu poprawnych odpowiedzi. Odpowiedź „nie wiem” daje zero punktów, więc strzał w ciemno, który czasem trafi, wypada w tabelach wyników lepiej niż uczciwe przyznanie się do niewiedzy. Podczas wstępnego treningu model uczy się przewidywania następnego słowa w ogromnych zbiorach tekstów, bez etykiet „prawda/fałsz” dla poszczególnych faktów. Losowych informacji o niskiej częstotliwości nie da się przewidzieć wyłącznie na podstawie wzorców językowych.
Według OpenAI model GPT-5 halucynuje w znacznie mniejszym stopniu, zwłaszcza gdy korzysta z trybu rozumowania, ale błędy nadal się zdarzają. Firma przyznaje też wprost, że halucynacje pozostają podstawowym wyzwaniem dla wszystkich dużych modeli językowych – nie jest to problem jednego producenta.
Jak często AI kłamie – liczby, które warto znać
Skala zjawiska zależy od modelu i zadania. W listopadzie 2023 r. firma Vectara dała popularnym modelom do streszczenia około tysiąca dokumentów i sprawdziła, jak często dopisują do streszczeń nieprawdziwe informacje. Wyniki wahały się od 3 do 27 proc., zależnie od modelu:
- GPT-4 (OpenAI): 3 proc. – najmniej wśród badanych modeli,
- Llama 2 70B (Meta): 5,1 proc.,
- Claude 2 (Anthropic): 8,5 proc.,
- PaLM Chat (Google): 27,2 proc. – najwięcej (podstawowa wersja PaLM: 12,1 proc.).
To dane sprzed trzech lat, dotyczą starszych wersji modeli i tylko jednego zadania – streszczania tekstu. Pokazują jednak coś, co nadal jest prawdą: różnice między systemami są duże, a żaden nie jest wolny od błędów.
Nowsze dane, z września 2025 r., podaje samo OpenAI. W teście SimpleQA starszy model o4-mini udzielił błędnej odpowiedzi w 75 proc. pytań, a tylko w 1 proc. przyznał, że nie zna odpowiedzi. Nowszy gpt-5-thinking-mini mylił się w 26 proc. przypadków, za to w 52 proc. wstrzymał się od odpowiedzi. Ciekawe, że starszy model miał nieco wyższą trafność (24 proc. wobec 22 proc.) – tyle że płacił za nią prawie trzy razy częstszymi błędami. W pracy bezpieczniejszy jest model, który potrafi powiedzieć „nie wiem”, niż taki, który zawsze coś odpowie.
Dla firm ryzyko jest realne. Firma Databox zapytała w czerwcu 2026 r. ponad 100 użytkowników biznesowych o pracę z liczbami z AI: 74 proc. z nich przyznało, że przekazało dalej decyzję, raport lub inny materiał oparty na liczbie wygenerowanej przez AI, która okazała się błędna.
Przykłady z życia wzięte
Halucynacje AI to nie tylko teoria. W marcu 2023 r. amerykański prawnik przytoczył sędziemu federalnemu kilka spraw sądowych, które podsunął mu ChatGPT – jak się okazało, wszystkie precedensy były wyssane z palca. AI od Google pisała bzdury o teleskopie Jamesa Webba, a Bing od Microsoftu podawał nieprawdziwe informacje o piosenkarce Billie Eilish (przykłady za Rzeczpospolitą z 2023 r.). Każdy z tych przypadków pokazuje, jak łatwo uwierzyć wygenerowanej treści, jeśli brzmi profesjonalnie i pewnie.
Jak sprawdzać odpowiedź AI przed wysłaniem dalej
Nie możesz polegać na AI w pełni, ale możesz wprowadzić proste nawyki, które ochronią Cię przed błędami. Oto lista kontrolna, którą warto stosować za każdym razem, gdy przygotowujesz treść z pomocą sztucznej inteligencji:
- Weryfikuj każdą liczbę, datę i imię w źródle pierwotnym. Jeśli AI podaje procent, rok lub nazwisko, sprawdź je w oryginalnym dokumencie, raporcie lub na stronie urzędowej.
- Klikaj każdy link podany przez AI. Sprawdź, czy strona w ogóle istnieje i czy treść na niej potwierdza informację, którą podał chatbot. Modele językowe często wymyślają adresy URL, które wyglądają wiarygodnie, ale prowadzą donikąd.
- Sprawdź cytaty i przepisy prawne w oryginalnych dokumentach. Jeśli AI cytuje ustawę, rozporządzenie lub artykuł z Kodeksu pracy, znajdź ten akt prawny w Dzienniku Ustaw lub na stronie isap.sejm.gov.pl i potwierdź, że przepis brzmi dokładnie tak, jak napisał chatbot.
- Poproś AI o wskazanie źródła i zweryfikuj, czy źródło rzeczywiście zawiera podaną informację. Nie wystarczy, że model poda nazwę raportu czy jego autora – musisz sam upewnić się, że dane się zgadzają.
- Porównaj odpowiedź z co najmniej dwoma niezależnymi źródłami. Tzw. weryfikacja krzyżowa, czyli potwierdzenie tej samej informacji w dwóch osobnych miejscach, to prosty sposób, by nie powielić halucynacji.
- W przypadku treści medycznych, prawnych i finansowych skonsultuj się ze specjalistą przed podjęciem decyzji. AI może wspomóc przygotowanie materiału, ale ostateczna odpowiedzialność za jego treść spoczywa na Tobie.
Co zrobić, jeśli wykryjesz halucynację
Jeśli zauważysz błąd w treści przygotowanej przez AI, nie wysyłaj jej dalej bez poprawki. Przygotuj własną, zweryfikowaną wersję opartą na źródłach pierwotnych. Jeśli korzystasz z platformy, która pozwala zgłaszać błędy – zrób to, aby pomóc w poprawie modelu. Najważniejsze, by nie przekazywać dalej niepotwierdzonych informacji klientowi, szefowi czy zespołowi.
Jak wdrożyć nawyki weryfikacji od jutra
Wprowadź w swoim zespole zasadę „zaufaj, ale sprawdź”. Każdy istotny materiał przygotowany z pomocą AI – oferta, raport, e-mail do klienta, post na portalu społecznościowym – powinien przejść krótką weryfikację przed wysłaniem. Wyznacz osobę odpowiedzialną za sprawdzenie kluczowych faktów i stwórz prostą listę kontrolną, z której każdy pracownik może korzystać.
Halucynacje AI nie znikną same, ale nawyki weryfikacji mogą uchronić Cię przed błędnymi decyzjami i wpadką przed klientem czy szefem. Sztuczna inteligencja to świetne narzędzie do wspomagania pracy, ale ostateczna odpowiedzialność za treść, którą wysyłasz dalej, zawsze należy do Ciebie.
W artykule wykorzystano dane z:
- OpenAI, „Dlaczego modele językowe halucynują?” (5.09.2025)
- Vectara, zestawienie halucynacji modeli językowych (6.11.2023)
- Databox, raport o korzystaniu z AI w analizach biznesowych (czerwiec 2026)
Przykłady i opisy badań za: Rzeczpospolita (8.11.2023), Manager+ (5.11.2026).
Materiały powiązane na naszym serwisie:
