Generatywna sztuczna inteligencja stała się częścią naszej codzienności. Jej płynny, pewny siebie język może sprawiać wrażenie, że mamy do czynienia z narzędziem neutralnym, obiektywnym i racjonalnym. Ja zachęcam, by patrzeć na nią bardziej krytycznie: odpowiedzi modeli powstają na podstawie wzorców statystycznych i danych, na których zostały wytrenowane. Mogą więc odzwierciedlać dominujące trendy, pomijać część perspektyw i wzmacniać istniejące uprzedzenia.
W tym tekście pokazuję, jak zadawać AI pytania, które pomagają sprawdzać założenia i dostrzegać to, czego zabrakło w odpowiedzi. Zanim przejdziemy do praktyki, rozprawmy się z trzema mitami.
Trzy mity o generatywnej AI
Mit 1: „AI szuka w Google”
Sam model nie przegląda automatycznie stron internetowych w czasie rzeczywistym. Generuje odpowiedź na podstawie wyuczonych wzorców. Niektóre systemy mogą korzystać z wyszukiwarki lub innych źródeł, ale tylko wtedy, gdy mają podłączone odpowiednie narzędzie i faktycznie go użyją.
Mit 2: „AI zna swoje źródła”
Nie zakładam, że model potrafi wskazać konkretne źródło każdej informacji. Odpowiedź powstaje na podstawie wielu wzorców językowych, a nie przez odtworzenie uporządkowanej bibliografii. Dlatego cytaty i odwołania do źródeł podane przez AI zawsze warto samodzielnie zweryfikować.
Mit 3: „AI wie, co mówi”
Model nie rozumie prawdy i fałszu tak jak człowiek. Przewiduje, jakie kolejne słowa pasują do kontekstu. Właśnie dlatego odpowiedź może brzmieć przekonująco, mimo że zawiera błąd albo nieuzasadnione założenie.
Pięć postaw intelektualnej samoobrony
1. Refleks „czarnej dziury”
Proponuję szukać w odpowiedzi tego, czego w niej brakuje. Modele mogą pomijać słabiej reprezentowane tematy albo odtwarzać dominujące wzorce. Dopytujmy o przemilczane kwestie, grupy i alternatywne perspektywy.
Moje przykładowe pytanie: „Pokaż mi to, co nie pojawia się w twojej odpowiedzi, a powinno się w niej znaleźć”.
2. Reguła trzech odpowiedzi
Nie poprzestawajmy na pierwszej wersji. Ja traktuję ją jako punkt wyjścia i proponuję poprowadzić rozmowę przez trzy etapy:
- Odpowiedź surowa (R1): zadajmy proste pytanie bez dodatkowych wskazówek.
- Odpowiedź ukierunkowana (R2): poprośmy o kontrprzykład albo uwzględnienie innego punktu widzenia.
- Odpowiedź krytyczna (R3): poprośmy o wskazanie słabych punktów, niepewności i argumentów, które mogą wywołać debatę.
3. Postawa „przeciwko sobie”
Kiedy AI potwierdza naszą opinię, zachęcam do poproszenia jej o solidną krytykę tego stanowiska. Możemy poprosić o perspektywę eksperta, który uważa inaczej, i uzasadnienie najmocniejszych obiekcji. W ten sposób łatwiej ograniczyć błąd potwierdzenia.
4. Test „twardego orzecha”
Proponuję sprawdzać, jak rozwiązanie zachowa się w nietypowych lub skrajnych warunkach. Zapytajmy o sytuację kryzysową, ograniczenia prawne albo perspektywę osoby, której potrzeby często są pomijane, na przykład osoby neuroatypowej. Takie przypadki mogą ujawnić słabe punkty niewidoczne w typowym scenariuszu.
5. Refleks „promptu lustrzanego”
Nie każdy problem z odpowiedzią musi wynikać z błędu modelu. Czasem to nasze pytanie zawiera niejasność albo ukryte założenie. Ja w takiej sytuacji dopytałbym:
„Jakie ukryte założenia zawarłem w moim pytaniu?”
„Co założyłaś z góry, czytając moje zapytanie?”
To pomaga odkryć skróty myślowe i doprecyzować problem, zanim podejmiemy decyzję.
Prompting to umiejętność precyzyjnego wyrażania myśli
Nie traktuję tworzenia promptów wyłącznie jako technicznej sztuczki. To umiejętność jasnego wyrażania intencji, dobierania konkretnych słów i opisywania kontekstu. Zamiast pytać: „Wyjaśnij telepracę”, zapytajmy: „Wyjaśnij wyzwania związane z telepracą w przemysłowych MŚP, uwzględniając perspektywę działu HR i pracowników”.
Gotowe przykłady mogą być inspiracją, ale zachęcam, by dopasowywać polecenia do własnego problemu, stylu i wiedzy o sytuacji. Im lepiej opiszemy kontekst oraz to, czego potrzebujemy, tym łatwiej ocenimy, czy odpowiedź jest użyteczna.
Podsumowanie
AI nie ma własnych przekonań ani intencji. Jej odpowiedzi powstają jednak na podstawie danych i statystycznych wzorców, które mogą zawierać uprzedzenia lub luki. Dlatego proponuję traktować prompt jako narzędzie krytycznego dialogu: pytać o pominięte perspektywy, sprawdzać kontrargumenty i weryfikować źródła.
Wierzę, że takie podejście pomaga uniknąć intelektualnego lenistwa i polegania na pierwszej, gładko brzmiącej odpowiedzi. Ostatecznie to my powinniśmy wybierać perspektywy, oceniać argumenty i podejmować decyzje.