Gdzie w tym tekście jesteś Ty?

Witold Kołodziejczyk

Od martwego artefaktu do odpowiedzialności poznawczej w modelu Human+AI

Esej metodyczno-akademicki dla studentów i nauczycieli akademickich

Jak rozpoznać samodzielność studenta, gdy sztuczna inteligencja pomaga mu tworzyć tekst? Proponuję spojrzeć na jakość pracy i na drogę, która do niej prowadzi. Ten esej kieruję do studentów, słuchaczy i nauczycieli akademickich, szczególnie osób zajmujących się penitencjarystyką, resocjalizacją i praktyką Służby Więziennej.

1. Tekst, który sam musi przejść próbę odpowiedzialności

Ten tekst nie powstał w samotności. Jest efektem mojego doświadczenia akademickiego, rozmów ze studentami, czytania prac dyplomowych, refleksji nad wykorzystaniem sztucznej inteligencji w edukacji oraz współpracy z narzędziami AI.

Punktem wyjścia były moje własne obserwacje z pracy dydaktycznej na uczelni. Coraz częściej spotykam się z tekstami, które formalnie spełniają wymagania pracy akademickiej, ale trudno w nich odnaleźć autora. Mają poprawną strukturę, uporządkowane akapity, przewidywalne wnioski i bezpieczny język. A jednak czegoś w nich brakuje. Brakuje śladu myślenia. Brakuje doświadczenia. Brakuje ryzyka poznawczego. Brakuje odpowiedzialności.

Rozpocząłem od uporządkowania chaotycznych zapisków. Najpierw przeprowadziłem rozmowę o swoich doświadczeniach z aplikacją Aion Mind, traktując ją jako rodzaj intelektualnego lustra do odbicia moich myśli. Sama nazwa tego narzędzia, odwołująca się do greckiego pojęcia Aion, oznaczającego wiek, ciągłość i czas niezwiązany z zegarkowym przemijaniem, dobrze oddawała mój cel. Szukałem trwałej struktury w codziennym szumie. Następnie wybrane fragmenty tego dialogu przekazałem do ChatGPT z prośbą o analizę, nadanie struktury i propozycję ramowego planu. W efekcie otrzymałem tekst spójny i retorycznie atrakcyjny, który stał się fundamentem tego artykułu. I właśnie wtedy pojawił się problem, który sam opisuję. Jeśli chcę wymagać od studentów odpowiedzialnego korzystania ze sztucznej inteligencji, muszę najpierw zastosować tę zasadę wobec siebie. Muszę pokazać drogę powstawania tekstu, ujawnić udział AI i określić, co było moim doświadczeniem, moim rozumieniem, moją decyzją, a co było wsparciem narzędzia.

Dlatego ten tekst jest jednocześnie esejem, poradnikiem i studium przypadku. Nie tylko mówi o pracy w modelu Human+AI, ale sam próbuje taką pracę pokazać.

2. Problem martwych artefaktów zamiast żywego myślenia

Sztuczna inteligencja nie stworzyła problemu niesamodzielności w edukacji akademickiej. Ona go ujawniła i przyspieszyła.

Przez lata ocenialiśmy głównie produkt końcowy: pracę, referat, esej, projekt, prezentację. Student przynosił gotowy tekst, nauczyciel go czytał, sprawdzał, recenzował i oceniał. Procedura była zamknięta. Zakładaliśmy, że tekst jest śladem samodzielnej pracy studenta.

Dziś to założenie staje się coraz bardziej kruche.

Model językowy może w kilka sekund wygenerować tekst poprawny, uporządkowany i pozornie akademicki. Może stworzyć wstęp, rozdział teoretyczny, podsumowanie badań, a nawet „autorskie” wnioski. Taki tekst może wyglądać dobrze, ale nie musi być świadectwem procesu uczenia się.

Właśnie taki tekst nazywam martwym artefaktem.

Martwy artefakt to praca, która istnieje jako dokument, ale nie istnieje jako doświadczenie autora. Jest produktem bez drogi. Jest wypowiedzią bez odpowiedzialności. Jest językiem bez zakorzenienia w myśleniu.

Nie każdy tekst wsparty przez AI jest martwym artefaktem. O ryzyku takiego oderwania tekstu od autora warto rozmawiać wtedy, gdy student ma trudność z wyjaśnieniem, skąd wzięły się jego tezy, dlaczego przyjął daną strukturę, co zmienił, jak doszedł do wniosków i jaką rolę odegrała AI. Sama trudność w odpowiedzi nie rozstrzyga jednak o niesamodzielności. Potrzebujemy rozmowy, przykładów decyzji i dokumentacji pracy, a nie diagnozy opartej na jednym wystąpieniu.

Najważniejsze pytanie nie brzmi więc: „Czy używałeś AI?”.

Najważniejsze pytanie brzmi:

Gdzie w tym tekście jesteś Ty?

3. Krytyka AI i oddawanie jej własnego głosu

W pracy ze studentami coraz częściej widzę charakterystyczny paradoks. Wielu z nich mówi, że AI jest zawodna, że halucynuje, że nie zna realiów praktyki, że upraszcza problemy, że nie rozumie specyfiki środowiska penitencjarnego, edukacyjnego czy społecznego.

I bardzo często mają rację.

Ale potem oddają teksty, które swoim stylem przypominają odpowiedzi tego narzędzia, któremu przed chwilą odmówili wiarygodności. Sam styl nie jest dowodem wykorzystania AI ani braku autorstwa. Jest dla mnie punktem wyjścia do rozmowy o tym, jak tekst powstał i jakie decyzje podjął student.

W tym miejscu pojawia się pytanie nie tyle o oszustwo, ile o sens studiowania:

Jeżeli twierdzisz, że AI nie rozumie rzeczywistości, którą opisujesz, to dlaczego pozwalasz jej mówić Twoim głosem?

To pytanie może brzmieć ostro, ale nie powinno służyć zawstydzaniu studentów. Powinno przywracać im odpowiedzialność. Praca dyplomowa nie jest przecież tylko plikiem PDF dostarczonym do systemu. Jest sprawdzianem samodzielności poznawczej. Jest świadectwem tego, że student potrafi postawić problem, dobrać źródła, przeprowadzić analizę, sformułować wnioski i obronić własne rozumowanie.

AI może w tym pomóc. Ale nie może przejąć odpowiedzialności za sens.

4. Pomoc AI czy kapitulacja poznawcza?

Ten problem dotyczy także mnie jako autora tego tekstu. Skorzystałem z AI, aby uporządkować własne intuicje, zbudować strukturę wypowiedzi i wzmocnić język artykułu. Otrzymałem propozycję tekstu, która była atrakcyjna, mocna i spójna.

Ale właśnie wtedy musiałem zadać sobie pytanie: czy to nadal jest mój tekst?

Odpowiedź nie jest automatyczna. Nie wystarczy powiedzieć: „to moje, bo ja zadałem pytanie”. To zbyt mało. Sam prompt nie jest jeszcze autorstwem. Autorstwo zaczyna się wtedy, gdy człowiek bierze odpowiedzialność za wybór problemu, za sens pojęć, za kierunek argumentacji, za przykłady, za decyzje interpretacyjne, za to, co przyjmuje i za to, co odrzuca.

W tym miejscu pojawia się ważne rozróżnienie między wsparciem poznawczym a kapitulacją poznawczą.

Wsparcie poznawcze występuje wtedy, gdy AI pomaga mi lepiej zobaczyć problem, uporządkować własne myśli, znaleźć kontrargumenty, sprawdzić strukturę, wydobyć napięcia i doprecyzować język.

Kapitulacja poznawcza zaczyna się wtedy, gdy przyjmuję gotową wypowiedź bez własnego wysiłku rozumienia. Gdy nie potrafię jej obronić. Gdy podpisuję się pod zdaniami, których sam nie umiem rozwinąć. Gdy AI zastępuje moją odpowiedzialność.

Podobnie działa dług poznawczy. Powstaje wtedy, gdy narzędzie wykonuje za mnie pracę, której sam nie odrobiłem: nie zrozumiałem pojęć, nie przeczytałem źródeł, nie przeanalizowałem materiału, nie skonfrontowałem się z własną niewiedzą. Tekst może być wtedy poprawny, ale autor staje się jego zakładnikiem. Ma produkt, ale nie ma kompetencji, która powinna powstać w procesie jego tworzenia.

Dlatego ujawnienie drogi powstawania tego tekstu nie jest ozdobą. Jest warunkiem jego wiarygodności.

5. Ethan Mollick i autorstwo jako kontrakt z czytelnikiem

W podobny sposób o własnym procesie pisania mówi Ethan Mollick, autor książki Co-Intelligence i zapowiadanej w przywołanym wpisie książki Co-Existence. Mollick nie ukrywa, że korzystał ze sztucznej inteligencji w pracy nad książką. Przeciwnie — czyni z tego element namysłu nad autorstwem w epoce AI. ^[1]

Najpierw stawia pytanie, które mógłby zadać każdy czytelnik: jak autor pracował z AI, pisząc książkę o AI? Następnie odpowiada w sposób bardzo istotny dla naszej dyskusji: tak, książkę napisał on. Dlaczego to podkreśla? Ponieważ czytelnik chce poznać jego głos, jego badania, jego sposób myślenia i jego autentyczne stanowisko. Między autorem a czytelnikiem istnieje pewien kontrakt: nie kupujemy wyłącznie tekstu, lecz spotkanie z czyimś rozumieniem świata.

To rozróżnienie jest kluczowe. Mollick nie twierdzi, że praca z AI unieważnia autorstwo. Pokazuje raczej, że autorstwo musi zostać na nowo opisane. AI może być czytelnikiem, recenzentem, partnerem do sprawdzania faktów, narzędziem do wychodzenia z impasu. Nie może jednak przejąć głosu autora.

Ten przypadek jest ważny także dla pracy dyplomowej. Student może korzystać z AI, ale powinien umieć powiedzieć: to ja wybrałem problem, to ja rozumiem źródła, to ja podjąłem decyzje, to ja uzasadniłem przyjęcie, zmianę lub odrzucenie propozycji, to ja odpowiadam za wnioski.

Samo użycie AI nie jest jeszcze kapitulacją poznawczą. Kapitulacja zaczyna się wtedy, gdy student nie potrafi odróżnić własnego rozumienia od gotowej propozycji narzędzia.

Mollick pokazuje również drugą stronę tej współpracy: zyski mogą wiązać się ze stratami. AI może pomóc wyjść z impasu, ale może też zbyt szybko podsunąć rozwiązanie problemu, przez który autor chciałby przejść samodzielnie. Może uporządkować myślenie, ale może też je przekierować. W mojej interpretacji właśnie tutaj pojawia się ryzyko długu poznawczego: tekst powstaje szybciej, lecz autor może ominąć zmaganie potrzebne do zbudowania własnego rozumienia.

Przypadek Mollicka jest dla mnie ważny, ponieważ pozwala lepiej nazwać doświadczenie, które sam przeżywam w pracy akademickiej. Nie chodzi już tylko o pytanie, czy AI uczestniczy w pisaniu tekstu. Chodzi o to, czy autor potrafi pokazać własną drogę poznawczą. Do tego wniosku doprowadziły mnie trzy konkretne doświadczenia.

6. Trzy doświadczenia, które doprowadziły mnie do modelu Human+AI

Moje myślenie o pracy dyplomowej w epoce sztucznej inteligencji nie powstało w oderwaniu od praktyki. Nie jest tylko wynikiem lektury tekstów o AI ani fascynacji nowymi narzędziami. Wyrasta z konkretnych sytuacji dydaktycznych, rozmów ze studentami, obserwacji podczas seminariów i doświadczeń z obron prac dyplomowych.

1. Seminarium, na którym przestaliśmy udawać

Jednym z ważniejszych momentów była dla mnie sytuacja seminaryjna, w której postanowiłem zdjąć ze studentów ciężar ukrywania, że korzystają z AI. Zamiast udawać, że problem nie istnieje, powiedziałem wprost, że nie mają już sensu próby konkurowania z AI w szybkości generowania tekstu, porządkowania informacji czy tworzenia poprawnych akapitów. W tej konkurencji człowiek będzie coraz częściej przegrywał.

Ale jednocześnie powiedziałem im coś ważniejszego: AI nie może dostarczyć tego, co dzieje się między nami na seminarium. Nie zna naszej sali. Nie uczestniczy w naszych rozmowach. Nie rozpoznaje napięcia, niepewności, wstydu, ambicji ani lęku, które pojawiają się w procesie pisania pracy. Nie ma dostępu do żywego kontekstu zajęć, do osobistego doświadczenia studentów, do ich biografii edukacyjnych, do praktyki zawodowej, do tego, co naprawdę uruchamia temat pracy.

To mogę wnieść ja jako nauczyciel akademicki. To mogą wnieść oni jako autorzy swoich prac.

Od tego momentu rozmowa zaczęła się zmieniać. Studenci zaczęli inaczej mówić o swoich tekstach. Niektórzy przyznawali, że określony akapit otrzymali od AI niemal natychmiast. Inni zaczęli mówić, że tekst „brzmi dobrze”, ale nie są pewni, czy naprawdę wyraża ich myślenie. Pojawiła się przestrzeń na uczciwszą rozmowę: nie o tym, jak ukryć AI, ale jak z nią pracować, żeby nie utracić własnego głosu.

Dla mnie był to moment przełomowy. Zrozumiałem, że zakaz albo milczenie prowadzą do gry pozorów. Dopiero jawność pozwala rozpocząć właściwą pracę dydaktyczną. Student nie musi udawać, że AI nie istnieje. Musi natomiast nauczyć się pokazać, gdzie kończy się propozycja narzędzia, a gdzie zaczyna się jego własne rozumienie.

2. Obrona pracy, której student nie potrafił obronić

Drugim ważnym doświadczeniem była obrona pracy dyplomowej sprzed kilku lat. Nie chodziło wtedy jeszcze o jednoznaczne rozstrzyganie, czy tekst powstał z wykorzystaniem AI. Istotne było coś innego: student nie potrafił opowiedzieć o własnej pracy.

Nie potrafił przekonująco wyjaśnić, dlaczego przyjął określoną metodologię. Miał trudność z uzasadnieniem doboru narzędzi badawczych. Nie umiał swobodnie odnieść się do wyników badań ani pokazać, co one zmieniają w rozumieniu analizowanego problemu. Podczas tej rozmowy nie udało mi się rozpoznać, w jakim stopniu tekst odzwierciedlał jego własny proces poznawczy.

Ta sytuacja pokazała mi bardzo wyraźnie, że problem pracy dyplomowej nie zaczyna się dopiero wtedy, gdy pojawia się AI. Problem zaczyna się wtedy, gdy praca staje się produktem oderwanym od autora. Można mieć poprawny tekst, spis treści, bibliografię i część badawczą, a jednocześnie nie umieć opowiedzieć, jak doszło się do własnych wniosków.

Dzisiaj odczytuję tę sytuację jako pytanie o możliwy dług poznawczy, a nie jako jego rozstrzygający dowód. Trudności podczas obrony mogą wynikać także ze stresu, trudności komunikacyjnych lub niewystarczającego przygotowania do wypowiedzi ustnej. Nie pozwalają same w sobie przesądzić o autorstwie ani o udziale AI. Potrzebne są dodatkowe przesłanki: rozmowy w toku seminarium, wersje robocze, uzasadnienia decyzji i możliwość wyjaśnienia rozumowania w różnych formach. To doświadczenie stało się dla mnie argumentem za oceną jakości produktu końcowego oraz procesu jego powstawania.

3. IALE jako środowisko odpowiedzialnego uczenia się

Trzecim źródłem mojego myślenia jest praca nad modelem IALE. To właśnie ten model pozwolił mi zobaczyć sztuczną inteligencję nie jako zwykłe narzędzie do produkcji tekstu, ale jako element nowego środowiska uczenia się. W tym środowisku człowiek nie znika, lecz musi na nowo określić swoją rolę, odpowiedzialność i sposób współpracy z inteligentnymi systemami.

Human+AI oznacza w tym tekście sposób współpracy człowieka ze sztuczną inteligencją. IALE — Intentionally AI-Linked Education — jest moją autorską propozycją ramy dydaktycznej, która ma nadać tej współpracy kierunek edukacyjny. Rozwijam ją wokół czterech filarów.

Pierwszym jest architektura wiedzy. Student nie może już ograniczać się do zbierania informacji. Musi umieć budować strukturę rozumienia: porządkować pojęcia, rozpoznawać zależności, widzieć hierarchię argumentów, odróżniać treść ważną od pozornie atrakcyjnej. AI może pomóc w porządkowaniu materiału, ale nie może przejąć odpowiedzialności za architekturę sensu.

Drugim filarem jest odporność poznawcza i suwerenność relacyjna. Odporność poznawcza oznacza zdolność krytycznego sprawdzania odpowiedzi, dostrzegania uproszczeń i zachowania ostrożności wobec przekonująco brzmiących treści. Suwerenność relacyjna oznacza zachowanie własnego głosu i samodzielności osądu w relacji z AI. Student może pytać, testować pomysły i korzystać z podpowiedzi. Powinien jednak umieć uzasadnić: to przyjmuję, to zmieniam, to odrzucam, tego muszę jeszcze poszukać, a za ten wniosek biorę odpowiedzialność.

Trzecim filarem jest odpowiedzialność etyczna. Korzystanie z AI nie jest tylko kwestią techniczną. Dotyczy uczciwości, autorstwa, przejrzystości, rzetelności źródeł i odpowiedzialności wobec promotora, recenzenta, uczelni oraz przyszłej praktyki zawodowej. Student, który oddaje tekst niezrozumiany, nie tylko narusza reguły akademickie. On sam odbiera sobie możliwość rozwoju.

Czwartym filarem jest hybrydowa kreatywność. Nie polega ona na mechanicznym łączeniu człowieka i maszyny. Polega na tym, że człowiek wykorzystuje AI do poszerzania własnej wyobraźni, testowania alternatyw, tworzenia nowych pytań i odkrywania nieoczywistych połączeń. Jednak ostateczna decyzja twórcza pozostaje po stronie autora. To człowiek nadaje kierunek, wybiera sens i bierze odpowiedzialność za rezultat.

Połączenie tych filarów opisuje proponowaną przeze mnie ramę IALE dla partnerstwa Human+AI. Jej sens można wyrazić następująco: korzystaj z AI i pokaż proces; zachowaj własny głos; uzasadniaj decyzje; rozwijaj rozumienie i bierz odpowiedzialność za rezultat. Jest to propozycja metodyczna wymagająca dalszego rozwijania i sprawdzania w praktyce dydaktycznej.

Właśnie dlatego pytanie „Gdzie w tym tekście jesteś Ty?” nie jest oskarżeniem. Jest zaproszeniem do odzyskania autorstwa.

7. IALE i AI jako środowisko uczenia się, nie fabryka tekstów

Te trzy doświadczenia pozwoliły mi lepiej zrozumieć, że potrzebujemy nie tylko nowych zasad korzystania z AI, ale także nowej ramy interpretacyjnej. Taką ramą jest dla mnie model IALE, który traktuje sztuczną inteligencję nie jako dodatek technologiczny do starej edukacji, lecz jako element nowego środowiska uczenia się.

IALE zakłada, że człowiek uczy się w relacji: z innymi ludźmi, z instytucjami, z kulturą, z technologią i z inteligentnymi systemami. AI może pełnić funkcję partnera poznawczego: dostarczać materiału do dyskusji, porządkować, podważać, symulować i rozszerzać perspektywę. Partnerstwo to jest asymetryczne. Określenie to opisuje sposób pracy z systemem, nie przypisuje mu ludzkiej odpowiedzialności. Za wybór celu, sprawdzenie odpowiedzi i ich wykorzystanie odpowiada człowiek.

Infosfera to środowisko informacji, w którym żyjemy i uczymy się: obejmuje treści, dane, ich obieg oraz relacje między ludźmi, instytucjami i systemami informacyjnymi. Nie ogranicza się do internetu ani do AI. W seminarium tworzą ją między innymi publikacje, bazy danych, dokumenty instytucjonalne, rozmowy, doświadczenia zawodowe i narzędzia cyfrowe. Sztuczna inteligencja jest jednym z elementów tego środowiska.

Odwołania do Floridiego, Barad i Latoura traktuję jako różne inspiracje interpretacyjne, a nie jako jedną wspólną teorię. Floridi pomaga opisywać rzeczywistość informacyjną. Barad kieruje uwagę na konstytuowanie się poznania i sprawczości w praktykach materialno-dyskursywnych. Latour proponuje śledzenie powiązań między ludźmi, rzeczami i instytucjami. Różnice między tymi perspektywami są istotne. Ich przywołanie nie dowodzi skuteczności IALE; pomaga mi formułować pytania o środowisko uczenia się i odpowiedzialność człowieka. ^[2]

Ale właśnie dlatego wymaga większej odpowiedzialności, a nie mniejszej.

W edukacji akademickiej nie chodzi więc o proste pytanie: zakazać AI czy pozwolić na AI? To pytanie jest już spóźnione. Studenci będą korzystać z AI. Nauczyciele akademiccy także będą z niej korzystać. Prawdziwe pytanie brzmi:

Jak korzystać z AI tak, aby nie tracić autora, doświadczenia i odpowiedzialności poznawczej?

Proponuję przejście od oceny wyłącznie produktu do oceny produktu oraz procesu jego powstawania. Nadal oceniamy jakość argumentacji, rzetelność źródeł, trafność metodologii i zasadność wniosków. Uzupełniamy tę ocenę o to, jak student rozumie problem, uzasadnia decyzje, sprawdza propozycje AI i bierze odpowiedzialność za tekst. Dokumentacja procesu nie zastępuje dobrej pracy, a dobry styl nie zastępuje rozumienia.

8. Praca dyplomowa w modelu Human+AI

Praca dyplomowa w modelu Human+AI nie polega na tym, że student zleca AI napisanie rozdziału, a następnie go kosmetycznie poprawia. To nie jest partnerstwo poznawcze. To jest outsourcing myślenia.

Model Human+AI powinien wyglądać inaczej.

Najpierw musi pojawić się człowiek: jego doświadczenie, pytanie, problem, niepokój, obserwacja, intuicja, materiał empiryczny albo praktyka zawodowa. Dopiero potem może pojawić się AI jako partner pomagający uporządkować myślenie.

Student powinien umieć pokazać następującą drogę:

1. Od jakiego problemu wyszedłem?
2. Co samodzielnie wiedziałem i rozumiałem przed użyciem AI?
3. Do czego użyłem AI?
4. Jakie propozycje AI przyjąłem lub zmieniłem i dlaczego?
5. Jakie propozycje AI odrzuciłem i dlaczego?
6. Jak AI zmieniła moje rozumienie problemu?
7. Co w tekście jest moją decyzją autorską?
8. Za co biorę odpowiedzialność?

Taki model nie ukrywa AI. Przeciwnie: czyni jej wykorzystanie widocznym, możliwym do omówienia i podlegającym ocenie.

W ten sposób praca dyplomowa przestaje być martwym artefaktem, a staje się zapisem drogi poznawczej.

9. Zasady dla studentów

Poniższe zasady są moją propozycją organizacji pracy seminaryjnej. Nie stanowią oficjalnych zasad Akademii Wymiaru Sprawiedliwości. Zakres dopuszczalnego użycia AI, sposób dokumentowania pracy i kryteria oceniania należy ustalić z prowadzącym, zgodnie z obowiązującymi wymaganiami uczelni. W tak uzgodnionych ramach proponuję kilka zasad.

Zasada pierwsza: najpierw własne pytanie, potem AI

Nie zaczynaj od polecenia: „napisz rozdział”. Zacznij od własnego problemu. Zapisz, co chcesz zrozumieć, czego nie wiesz, co Cię niepokoi, co wynika z Twojego doświadczenia lub obserwacji.

Zasada druga: AI może pomagać, ale nie może zastąpić autora

Możesz używać AI do porządkowania struktury, generowania pytań, szukania kontrargumentów, sprawdzania logiki, poprawy języka czy doprecyzowania pojęć. Nie możesz jednak oddać jej odpowiedzialności za sens pracy.

Zasada trzecia: dokumentuj proces

Zapisuj ważniejsze prompty, odpowiedzi AI, własne komentarze, decyzje, odrzucenia i zmiany. Nie po to, aby się tłumaczyć, lecz po to, aby pokazać drogę swojego myślenia.

Zasada czwarta: uzasadnij przyjęcie, zmianę lub odrzucenie propozycji AI

Nie wszystko, co zaproponuje AI, jest wartościowe. Samo odrzucenie odpowiedzi nie jest jednak dowodem samodzielności. Jej ważnym przejawem jest uzasadniony osąd: dlaczego daną propozycję przyjmujesz, jak ją zmieniasz lub na jakiej podstawie ją odrzucasz. Odwołaj się do źródeł, danych, metodologii i celu pracy. Autor może być wyraźnie obecny także wtedy, gdy przyjmuje trafną sugestię AI, rozumie ją i potrafi sprawdzić.

Zasada piąta: musisz umieć obronić każde pojęcie i każdy wniosek

Jeżeli w pracy pojawia się pojęcie, którego nie rozumiesz, albo wniosek, którego nie potrafisz uzasadnić, warto zatrzymać się i wrócić do źródeł oraz toku argumentacji. Rozumienie powinno nadążać za tekstem. Jedna nieudana odpowiedź ustna nie przesądza jednak o braku tej kompetencji; ważna jest możliwość pokazania jej w toku pracy.

Zasada szósta: AI nie może ukrywać braku doświadczenia

Jeżeli piszesz o praktyce zawodowej, pracy z człowiekiem, instytucjach, wychowaniu, resocjalizacji czy bezpieczeństwie, pokaż, gdzie jest Twoje rozumienie tej rzeczywistości. AI może generować ogólne opisy. Twoim zadaniem jest nadać im sens wynikający z wiedzy, źródeł i doświadczenia.

Zasada siódma: dołącz notę o wykorzystaniu AI

Nie ukrywaj korzystania z AI. Opisz, do czego została użyta i za co bierzesz odpowiedzialność. To nie osłabia pracy. Przeciwnie — może wzmacniać jej wiarygodność.

10. Zasady dla promotorów i recenzentów

Również nauczyciele akademiccy muszą zmienić sposób pracy. Nie wystarczy tropienie AI. Nie wystarczy podejrzenie, że tekst jest „zbyt gładki”. Nie wystarczy moralny niepokój.

Potrzebujemy nowych pytań seminaryjnych i recenzenckich.

Promotor powinien pytać:

1. Jaki był pierwszy autorski problem studenta?
2. Jak zmieniało się jego rozumienie tematu?
3. Jakie decyzje metodologiczne potrafi uzasadnić?
4. Czy student potrafi wskazać własne fragmenty interpretacyjne?
5. Czy potrafi powiedzieć, gdzie AI pomogła, a gdzie wprowadziła go w błąd?
6. Czy potrafi obronić pojęcia, które pojawiają się w pracy?
7. Czy potrafi wskazać fragmenty, które przepisał, przebudował albo odrzucił?
8. Czy praca jest zapisem procesu uczenia się, czy tylko gotowym produktem?

Recenzent powinien natomiast zwracać uwagę nie tylko na język i strukturę, ale także na obecność autora. Praca może być poprawna formalnie, a jednocześnie poznawczo pusta. Może mieć przypisy, bibliografię i logiczny układ, ale nie pokazywać żadnego rzeczywistego wysiłku rozumienia.

Obecność autora rozpoznajemy na podstawie jego argumentacji, analizy materiału, uzasadnień decyzji i informacji o przebiegu pracy. Nie przesądza o niej sam styl tekstu ani pojedyncza odpowiedź podczas obrony. Równie ważne pozostają sprawdzalność źródeł, poprawność metodologiczna i jakość wyników.

Nowa rola nauczyciela akademickiego nie polega na byciu detektorem AI. Polega na byciu kotwicą sensu.

Kotwica sensu to ktoś, kto przywraca pytanie o odpowiedzialność. Nie tylko sprawdza tekst, ale pyta o drogę. Nie tylko ocenia produkt, ale rozmawia o procesie. Nie tylko tropi niesamodzielność, ale uczy, jak pracować samodzielnie w świecie, w którym AI stała się częścią środowiska poznawczego.

11. Karta pracy Human+AI do rozdziału pracy dyplomowej

Poniższa karta jest propozycją pomocniczego materiału do pracy seminaryjnej. Prowadzący może uzgodnić ze studentami sposób jej wykorzystania zgodnie z wymaganiami uczelni. Nie zastępuje rozdziału pracy dyplomowej ani jego oceny. Pomaga dokumentować proces powstawania tekstu.

1. Mój punkt wyjścia

Temat lub problem, nad którym pracowałem/pracowałam:

Dlaczego ten problem jest dla mnie ważny?

Jakie własne doświadczenie, obserwacja, praktyka zawodowa, rozmowa, przypadek lub sytuacja skłoniły mnie do zajęcia się tym zagadnieniem?

2. Moja pierwsza wersja myślenia

Zanim skorzystałem/skorzystałam z AI, zapisałem/zapisałam następujące pytania, hipotezy lub intuicje:

Najważniejsze pojęcia, które samodzielnie uznałem/uznałam za istotne:

Największa trudność, której nie potrafiłem/potrafiłam samodzielnie rozwiązać:

3. Jak użyłem/użyłam AI?

Narzędzie AI zostało wykorzystane do:

• uporządkowania struktury rozdziału;
• znalezienia możliwych pytań badawczych;
• sprawdzenia logiczności argumentacji;
• wygenerowania kontrargumentów;
• doprecyzowania pojęć;
• poprawy języka;
• stworzenia roboczego szkicu tekstu;
• innego celu: ............................................................

Przykładowy prompt lub opis rozmowy z AI:

4. Co AI zaproponowała?

Najważniejsze propozycje AI:

Które propozycje uznałem/uznałam za przydatne?

Które propozycje przyjąłem/przyjęłam, zmieniłem/zmieniłam lub odrzuciłem/odrzuciłam i na jakiej podstawie?

Czy AI popełniła błędy, uproszczenia, halucynacje lub zaproponowała treści zbyt ogólne?

5. Moja decyzja autorska

Po pracy z AI zdecydowałem/zdecydowałam, że główna teza lub kierunek rozdziału będzie następujący:

Uzasadniam tę decyzję w następujący sposób:

Co w tekście jest wynikiem mojego doświadczenia, analizy, interpretacji lub samodzielnej decyzji?

6. Co zmieniło się w moim myśleniu?

Przed rozmową z AI myślałem/myślałam, że:

Po rozmowie z AI i własnej analizie rozumiem teraz, że:

Najważniejsza zmiana w moim rozumieniu problemu polega na:

7. Moja odpowiedzialność za tekst

Oświadczam, że wykorzystanie AI nie zastąpiło mojego myślenia, lecz było elementem procesu pracy nad tekstem. Biorę odpowiedzialność za dobór treści, interpretację, argumentację, źródła, wnioski oraz ostateczny kształt rozdziału.

Podpis autora/autorki:

12. Nota o wykorzystaniu AI w pracy dyplomowej

Proponuję dołączanie krótkiej noty wyjaśniającej rzeczywisty sposób wykorzystania AI. Jej forma i miejsce powinny odpowiadać wymaganiom uczelni oraz ustaleniom z promotorem. Poniższy wzór należy dostosować do faktycznie użytych narzędzi i wykonanych czynności; nie należy deklarować weryfikacji, której się nie przeprowadziło.

W pracy korzystałem/korzystałam z narzędzi sztucznej inteligencji w modelu Human+AI. AI została użyta do porządkowania struktury wybranych fragmentów, generowania pytań pomocniczych, sprawdzania logiczności argumentacji, formułowania kontrargumentów oraz redakcyjnego doskonalenia języka. Odpowiedzi AI były każdorazowo analizowane, selekcjonowane i weryfikowane przez autora/autorkę pracy.

Ostateczna odpowiedzialność za treść, interpretację, dobór źródeł, decyzje metodologiczne, wnioski oraz końcowy kształt pracy należy do autora/autorki. Wykorzystanie AI nie zastąpiło procesu samodzielnego myślenia, lecz stanowiło element pracy nad rozumieniem problemu badawczego.

13. Nie walka z AI, lecz odzyskanie autora

Nie uważam, że odpowiedzią na rozwój sztucznej inteligencji powinien być prosty zakaz. Nie wierzę też, że wystarczy bezkrytycznie zaakceptować AI jako nowe narzędzie produktywności. Obie postawy są zbyt płytkie.

Prawdziwe wyzwanie polega na tym, aby odzyskać autora.

W edukacji akademickiej nie możemy dłużej udawać, że sam gotowy tekst wystarczy. Nie wystarczy. Zwłaszcza dziś, gdy poprawny, uporządkowany i pozornie akademicki tekst może powstać w kilka sekund.

Potrzebujemy oceny produktu oraz procesu jego powstawania. Obok jakości dokumentu powinniśmy rozpoznawać drogę poznawczą autora; obok poprawności formalnej — jego rozumienie i uzasadnienie decyzji. Rozmowa o odpowiedzialności za użycie AI powinna wspierać rzetelną ocenę treści, a nie ją zastępować.

Najważniejsze pytanie seminarium dyplomowego w epoce AI brzmi:

Gdzie w tym tekście jesteś Ty?

To pytanie powinni usłyszeć studenci. Ale powinni je sobie zadawać także nauczyciele akademiccy, promotorzy, recenzenci i autorzy tekstów takich jak ten.

Bo AI może pomóc nam pisać. Może pomóc nam myśleć. Może pomóc nam zobaczyć własne założenia, uporządkować argumentację i wyostrzyć język. Ale nie może za nas przejąć odpowiedzialności za sens.

Dlatego praca dyplomowa w modelu Human+AI nie jest zgodą na łatwiejsze studiowanie. Przeciwnie. Jest wezwaniem do trudniejszej, bardziej jawnej i bardziej odpowiedzialnej pracy poznawczej.

Nie chodzi o to, aby student pisał tak, jakby AI nie istniała.

Chodzi o to, aby potrafił pokazać, że mimo obecności AI nadal istnieje jako autor.

Przypisy i inspiracje

[1] E. Mollick, Co-Intelligence: Living and Working with AI, WH Allen, London 2024; tenże, Co-Existence and the End of Co-Intelligence, „One Useful Thing”, 4 czerwca 2026. Określenie „dług poznawczy” służy w tym eseju mojej interpretacji dydaktycznej.

[2] L. Floridi, The Fourth Revolution: How the Infosphere Is Reshaping Human Reality, Oxford University Press, 2014; K. Barad, Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning, Duke University Press, 2007; B. Latour, Reassembling the Social: An Introduction to Actor-Network-Theory, Oxford University Press, 2005. Są to odrębne perspektywy teoretyczne; ich wykorzystanie w odniesieniu do IALE jest autorską propozycją interpretacji.

Blog ma charakter autorski. Przedstawiane stanowiska nie są oficjalnymi stanowiskami Akademii Wymiaru Sprawiedliwości.