Koniec wróżenia z fusów? Regulacje AI (będą) oparte na faktach

Przez ostatnie lata debatę o sztucznej inteligencji napędzały przede wszystkim prognozy. Jedni obiecywali gwałtowny wzrost produktywności i rozwiązanie problemów, z którymi państwa nie radzą sobie od dekad. Inni zapowiadali masowe bezrobocie, utratę kontroli nad technologią, a czasem wręcz koniec ludzkiej cywilizacji. Łączyło ich jedno: mówili o przyszłości, której nie sposób było jeszcze sprawdzić.

ONZ próbuje wprowadzić do tej dyskusji coś mniej widowiskowego, ale być może znacznie ważniejszego – wspólną bazę wiedzy. Opublikowany w lipcu pierwszy raport Niezależnego Międzynarodowego Panelu Naukowego ds. AI oraz inauguracyjny Globalny Dialog o Zarządzaniu AI w Genewie nie stworzyły światowego regulatora. Pokazały jednak, że rządy coraz wyraźniej potrzebują niezależnych danych, a nie kolejnych prezentacji przygotowanych przez producentów technologii.

Genewa nie stworzyła globalnego prawa

Globalny Dialog o Zarządzaniu AI jest forum, na którym przedstawiciele państw, biznesu, nauki i organizacji społecznych mają wymieniać informacje oraz szukać wspólnego języka. W Genewie nie przyjęto jednak traktatu, jednolitych norm ani nowych obowiązków dla przedsiębiorstw. Kolejne spotkanie zaplanowano na maj 2027 roku. Trudno się więc dopatrywać przełomu w tej sytuacji.

Znaczenie tego procesu leży gdzie indziej. Po raz pierwszy państwa należące do ONZ ro`zmaiają o rozwoju AI na podstawie raportu przygotowanego przez stały panel naukowy. To zmiana instytucjonalna, która może mieć poważne konsekwencje.

Naukowcy zamiast kolejnej komisji politycznej

Pomysł dojrzewał od 2023 roku. Rok później organ doradczy Sekretarza Generalnego ONZ opublikował raport „Governing AI for Humanity”, w którym zaproponował między innymi utworzenie międzynarodowego panelu naukowego oraz globalnego forum politycznego.

Zgromadzenie Ogólne formalnie powołało oba mechanizmy w sierpniu 2025 roku. Panel rozpoczął pracę kilka miesięcy później. Tworzy go 40 ekspertów z różnych regionów i dziedzin, a jego zadaniem jest regularne porządkowanie wiedzy o możliwościach, ryzykach i skutkach sztucznej inteligencji.

Niektórzy porównują go do klimatycznego IPCC – co jest jednak nie do końca ścisłe. Panel ds. AI nie jest regulatorem. Nie kontroluje firm, nie prowadzi audytów i nie mówi państwom, jakie przepisy powinny uchwalić. Zgodnie z oficjalnym opisem jego mandatu ma dostarczać niezależne oceny naukowe, z których politycy mogą skorzystać – albo je zignorować.

Po co więc powoływać instytucję bez prawa wydawania poleceń? Ponieważ światowa debata o AI cierpi dziś nie tylko na brak przepisów. Brakuje jej również wspólnego obrazu rzeczywistości.

Najwięcej o modelach wiedzą ich producenci

Najbardziej zaawansowane systemy powstają w kilku prywatnych firmach. To one mają dostęp do infrastruktury, danych treningowych, wyników wewnętrznych testów i informacji o części incydentów. Niezależni badacze najczęściej oglądają produkt dopiero po jego udostępnieniu, a administracje wielu państw nie mają zasobów, aby samodzielnie sprawdzić deklaracje dostawców.

Powstaje więc wyraźna asymetria. Firma prezentuje model, opisuje jego możliwości, ogłasza poprawę bezpieczeństwa i publikuje wybrane wyniki testów. Regulator może je analizować, ale często nie dysponuje danymi, które pozwoliłyby je w pełni zweryfikować.

Lipiecowy raport panelu ONZ wskazuje, że rozwój możliwości modeli wyprzedza zdolność instytucji do ich niezależnego badania. Autorzy zwracają także uwagę na koncentrację mocy obliczeniowej, kapitału i kompetencji w niewielkiej grupie firm oraz państw.

Nie oznacza to, że informacje publikowane przez producentów są z definicji niewiarygodne. Trudno jednak budować system nadzoru, który zależy przede wszystkim od tego, co zechcą ujawnić podmioty podlegające temu nadzorowi.

Dużo wdrożeń, mało dowodów

Podobny problem widać po stronie biznesowej. Według Stanford AI Index 2026 globalne inwestycje korporacyjne w AI osiągnęły w 2025 roku 581,7 mld dolarów. Korzystanie z tej technologii deklarowało już 88 proc. badanych organizacji.

Same wdrożenia niewiele jednak mówią o efektach. W Global CEO Survey 2026 firmy PwC 56 proc. prezesów przyznało, że inwestycje w AI nie przyniosły dotychczas ani wzrostu przychodów, ani obniżenia kosztów. Tylko 12 proc. odnotowało obie korzyści jednocześnie.

Nie jest to dowód na porażkę technologii. Pokazuje raczej, jak łatwo pomylić zakup licencji, uruchomienie pilotażu lub udostępnienie chatbota pracownikom z realną zmianą funkcjonowania firmy.

Liczbę użytkowników można policzyć w kilka minut. Znacznie trudniej ustalić, czy AI skróciła proces, poprawiła jakość decyzji, ograniczyła liczbę błędów albo zmniejszyła koszty. A przecież właśnie te pytania powinny decydować o ocenie wdrożenia.

Ryzyko trzeba najpierw nazwać

Dowodów brakuje także przy opisywaniu szkód. Czym jest incydent związany z AI? Błędną odpowiedzią chatbota, wyciekiem danych, dyskryminującą decyzją systemu rekrutacyjnego, a może dopiero zdarzeniem powodującym mierzalną stratę?

OECD pracuje nad wspólnymi ramami raportowania incydentów. Obejmują one 29 kryteriów pozwalających opisać między innymi rodzaj systemu, charakter szkody, kontekst użycia oraz grupy dotknięte zdarzeniem.

Organizacja prowadzi również AI Incidents and Hazards Monitor, czyli bazę publicznie opisywanych problemów związanych z AI. Jest ona z konieczności niepełna, ponieważ opiera się głównie na informacjach ujawnionych przez media, firmy i instytucje. Pozwala jednak zauważać powtarzające się mechanizmy.

Nie brzmi to jak rewolucja. Rejestry, definicje i formularze nie przyciągają uwagi tak skutecznie jak premiera nowego modelu. Bez nich nie da się jednak stwierdzić, czy określone zagrożenie rzeczywiście narasta ani które zabezpieczenia działają. Nie powstaje przy tym jeden światowy system regulacji. Europa rozwija własne prawo, Stany Zjednoczone i Chiny wybierają inne rozwiązania, a wiele państw dopiero buduje kompetencje. Wspólne metody raportowania mogą jednak sprawić, że informacje pochodzące z różnych systemów prawnych zaczną być porównywalne.

Firmy będą musiały pokazywać, jak działają

Dla przedsiębiorstw oznacza to rosnące znaczenie dokumentacji. Trzeba będzie wiedzieć, na jakich danych testowano system, kiedy jego wyniki się pogarszają, jakie błędy wykryto i co dzieje się po ich zgłoszeniu. Podobna presja pojawi się przy ocenie rezultatów. Liczba użytkowników czy wygenerowanych dokumentów nie wystarczy, jeżeli firma nie potrafi pokazać wpływu na czas pracy, koszty, jakość lub bezpieczeństwo.

Można to nazwać podejściem evidence-by-design – projektowaniem produktu w taki sposób, aby od początku zbierał dane potrzebne do oceny jego działania. Nie jest to oficjalny standard ONZ ani OECD. To raczej logiczna konsekwencja zmian, które już widać.

W sektorach regulowanych zdolność do przedstawienia takich informacji może stać się przewagą konkurencyjną. Produkt bez dokumentacji, nawet efektowny i technicznie zaawansowany, może po prostu nie zostać dopuszczony do wdrożenia.

Hype nie zniknie

Firmy nadal będą przedstawiały kolejne modele jako przełomowe. Inwestorzy nadal będą szukali technologii zdolnych zmieniać całe branże, a krytycy będą ostrzegali przed najgorszymi scenariuszami. Zmienia się jednak zaplecze tej rozmowy. ONZ tworzy panel, który ma porządkować wiedzę naukową. OECD buduje język opisywania szkód. Unia Europejska wymaga testów, dokumentacji i zgłaszania ryzyka.

Żaden z tych mechanizmów nie daje gwarancji. Raporty mogą pozostawać w tyle za technologią, rejestry zawsze będą niepełne, a obowiązki informacyjne łatwo zmienić w biurokratyczny rytuał. Mimo to po raz pierwszy powstaje infrastruktura pozwalająca sprawdzać nie tylko to, co firmy obiecują, ale również to, co ich produkty rzeczywiście robią.

Kolejny etap rozwoju AI nie będzie więc pisany wyłącznie na scenach produktowych w Kalifornii. Część tej historii powstanie w wynikach testów, rejestrach incydentów i raportach pokazujących mierzalne skutki technologii.

To jeszcze nie koniec wróżenia z fusów. Ktoś jednak właśnie postawił na stole wagę i zapowiada, że fusy zacznie – przynajmniej – ważyć.