AI produkuje wyniki. Kto ma czas je sprawdzić?

W udostępnionym przez OpenAI zbiorze prac matematycznych znajduje się obecnie 719 tekstów przygotowanych przez wewnętrzny model firmy. OpenAI zastrzega, że przedstawione w nich wyniki są na różnych etapach weryfikacji, a niektóre mogą zawierać błędy.

W aktualizacji z 7 października 2026 roku firma poinformowała o wycofaniu trzech prac. W jednym z dowodów znaleziono błąd znaku. Na tym samym rozumowaniu opierały się dwie kolejne prace, dlatego trzeba było wycofać wszystkie trzy. Czternaście innych tekstów poprawiono, między innymi usuwając błędy w dowodach i doprecyzowując założenia.

Poprawianie i wycofywanie prac są częścią pracy naukowej. W opisanym przypadku kontrola zadziałała: błędy wykryto, a firma zareagowała. Z liczby poprawek nie można jednak wywnioskować, czy sprawdzanie całego zbioru przebiega dostatecznie szybko ani ile pracy jeszcze pozostało.

Udostępnione teksty mogą zawierać wartościowe pomysły, ale ich wykorzystanie wymaga oceny dowodów, założeń i zależności między poszczególnymi wynikami. To prowadzi do praktycznego pytania: jak zorganizować taką ocenę, gdy AI pozwala przygotowywać coraz więcej propozycji?

Pomysłów przybywa

Obciążenie związane ze sprawdzaniem wyników opisują Alex Imas z Google DeepMind i James Manyika z Google w eseju opublikowanym 8 października na stronie DeepMind Institute. Odwołują się do badania „AI in Science: Early Insights”, przygotowanego przez zespoły Google, Google DeepMind i MIT FutureTech.

Jego częścią była ankieta przeprowadzona latem 2026 roku wśród 637 naukowców z USA i Wielkiej Brytanii. Średnia deklarowana oszczędność czasu dzięki AI wyniosła 6,9 godziny tygodniowo. Autorzy określają tę wartość jako oszczędność netto.

Osobne pytanie dotyczyło sprawdzania wyników. Około 46 proc. osób oszczędzających czas dzięki AI zadeklarowało, że ponad jedną czwartą czasu zyskanego przy tworzeniu tekstów, kodu lub hipotez przeznacza na weryfikację i poprawki. To informacja o nakładzie pracy przy kontroli. Nie należy jednak wykorzystywać tej odpowiedzi do ponownego pomniejszania podanego bilansu netto.

Około 41 proc. badanych odpowiedziało też, że ma więcej niesprawdzonych hipotez niż trzy lata wcześniej. To deklaracje uczestników, a próba nie jest reprezentatywna dla całej społeczności naukowej. Wyniki sygnalizują problem, ale nie dowodzą, że AI powszechnie powoduje zaległości w badaniach.

Jak mogłoby dochodzić do takich zaległości? Jeśli AI wskaże wiele nowych substancji o potencjalnie przydatnych właściwościach, naukowcy muszą zdecydować, które z nich warto zbadać. Następnie trzeba je wytworzyć w laboratorium i przeprowadzić pomiary. Wygenerowanie dłuższej listy propozycji nie zwiększa liczby dostępnych stanowisk laboratoryjnych ani czasu pracy aparatury.

Warto przy tym rozróżnić dwa zadania. Jednym jest wykrywanie pomyłek modelu. Drugim jest sprawdzenie, czy zaproponowana hipoteza znajduje potwierdzenie w eksperymencie. Nawet poprawnie wykonane obliczenia nie zastępują takiego badania. Dokładniejsza AI może więc popełniać mniej błędów, a zarazem proponować więcej rozwiązań, które wymagają czasochłonnych testów.

Sprawdzenie też jest pracą

Gdy oceniamy wydajność AI, łatwo pomylić otrzymanie gotowej odpowiedzi z zakończeniem zadania. Dokument może mieć przejrzysty układ, poprawny język i przekonujące wnioski. Osoba, która ma go zatwierdzić, musi jednak ustalić, czy można na tych wnioskach polegać.

W analizie rynku trzeba sprawdzić choćby to, czy zestawione dane dotyczą tych samych okresów i porównywalnych produktów. Przy ocenie rekomendacji dla zarządu należy ustalić, czy uwzględniono sytuację konkretnej firmy. Z kolei programista przeglądający kod musi ocenić jego działanie także w mniej typowych sytuacjach, których nie obejmują podstawowe testy.

Poprawność to przy tym dopiero początek. Analiza może zawierać rzetelne dane, ale pomijać kwestię najważniejszą dla podejmowanej decyzji. Program może działać, lecz być trudny i kosztowny w utrzymaniu. Sprawdzający musi więc ocenić także przydatność rozwiązania i konsekwencje jego zastosowania.

Jeżeli firma mierzy wyłącznie czas przygotowania pierwszej wersji, pomija tę część pracy. Do pełnego rachunku trzeba wliczyć poprawki, konsultacje i zatwierdzenie dokumentu. Dopiero wtedy można ocenić, ile czasu zaoszczędził cały zespół.

Kto ma to wszystko zrobić?

Wyobraźmy sobie dział, w którym kilka osób przygotowuje analizy, a jedna odpowiada za ich zatwierdzanie. Dzięki AI autorzy mogą dostarczać więcej opracowań. Jeśli wszystkie trafiają do tej samej osoby, przybywa jej pracy, nawet gdy jakość poszczególnych dokumentów pozostaje bez zmian.

Dla autora wysłanie analizy może oznaczać zakończenie zadania. Dla przełożonego jej otrzymanie jest początkiem kolejnego.

Ten sam mechanizm może dotyczyć redaktora otrzymującego więcej tekstów, programisty przeglądającego kod kolegów czy kierownika oceniającego oferty. Oszczędność czasu po stronie autorów może oznaczać dodatkową pracę dla odbiorcy, szczególnie wtedy, gdy autorzy przesyłają wszystkie wygenerowane wersje i pozostawiają mu wybór najlepszej. O tym, czy zyskuje cały zespół, decyduje również czas potrzebny na tę ocenę.

Obciążenie może wzrosnąć także bez zwiększania liczby dokumentów. Wystarczy, że każdy z nich będzie dłuższy. AI ułatwia dodawanie uzasadnień, zestawień i alternatywnych scenariuszy. Odbiorca nadal musi je przeczytać i ustalić, czy wnoszą coś do sprawy.

Przy rosnącej liczbie zadań osoba odpowiedzialna za jakość potrzebuje więcej czasu albo pomocy. Jeśli terminy pozostają bez zmian i nikt nie przejmuje części jej obowiązków, pojawia się presja, żeby sprawdzać mniej dokładnie. Starannie napisany dokument może wtedy zostać oceniony zbyt pobieżnie, bo na pierwszy rzut oka nie daje powodów do niepokoju.

Wiele zależy od tego, w jakiej formie autor przekazuje swoją pracę dalej. Może wykorzystać AI do wskazania niespójności i zbędnych fragmentów, ale takiego przeglądu nie należy traktować jako potwierdzenia prawdziwości danych. Nadal trzeba sięgnąć do źródeł, sprawdzić obliczenia lub przeprowadzić odpowiednie testy. Autor powinien też sam wybrać propozycje warte dalszej oceny. Tak przygotowane opracowanie łatwiej sprawdzić.

Jak zorganizować sprawdzanie

Warto zatem ustalić, które propozycje rzeczywiście wymagają dalszej oceny. Łatwość ich generowania nie jest powodem, by każdą przesyłać do przełożonego. Bez wstępnej selekcji będzie przybywać pomysłów, na których rozpatrzenie nikt nie znajdzie czasu.

Autor rekomendacji powinien wskazać, na czym ją oparł, co już sprawdził i jakie wątpliwości pozostały. Osoba zatwierdzająca musi też wiedzieć, czego się od niej oczekuje: oceny danych, wyboru wariantu czy zgody na konkretne działanie. Dzięki temu nie musi odtwarzać całego toku pracy autora.

Część kontroli można zautomatyzować. Program może przeliczyć sumy, sprawdzić kompletność danych lub uruchomić testy kodu. Takie rozwiązania warto wdrażać razem z narzędziami, które przygotowują dokumenty i piszą oprogramowanie. Trzeba jednak znać zakres działania programów kontrolnych. Poprawnie zsumowana tabela nadal może zawierać dane, które nie nadają się do porównania.

Dokładność kontroli powinna również zależeć od skutków ewentualnego błędu. Robocza propozycja tytułu wymaga mniej uwagi niż analiza, na podstawie której firma ma wydać dużą kwotę. Równie szczegółowy przegląd wszystkich propozycji może niepotrzebnie wydłużać pracę. Pobieżne zatwierdzanie każdego dokumentu zwiększa z kolei ryzyko błędnych decyzji.

Przykład OpenAI pokazuje znaczenie sprawdzania wyników: wykrycie jednego błędu pozwoliło zakwestionować także prace, które korzystały z tego samego rozumowania. Nie daje jednak odpowiedzi na pytanie, jak szybko można zweryfikować cały zbiór. W firmie podobną kwestię trzeba rozstrzygnąć, planując pracę zespołu: kto oceni nowe propozycje, w jakim zakresie i kiedy.

Firma, która dzięki AI przygotowuje dwa razy więcej analiz, powinna więc sprawdzić, co z tego wynika. Czy szybciej podejmuje trafne decyzje? Czy sprawniej kończy projekty? Jeżeli przybyło tylko dokumentów czekających na akceptację, trudno uznać to za wzrost wydajności całego zespołu.