Prometeusz dał studentom AI, ale nie nauczył z niego korzystać. Jak wyjść z akademickiej gry pozorów?

Polskie uniwersytety udają, że świat sprzed ChatuGPT wciąż istnieje. Zamiast koncentrować się na wyłapywaniu błędów merytorycznych czy zmyślonych danych, uczelniane algorytmy skupiają się na walce z „doskonałym” stylem charakterystycznym dla modeli językowych. Jak skończyć z tą grą pozorów?

Według brytyjskiego raportu Student Generative AI Survey 2026 (HEPI Report 199) aż 95% studentów deklaruje, że korzysta z narzędzi sztucznej inteligencji, a 94% przyznaje, że używa generatywnego AI bezpośrednio przy tworzeniu prac i projektów zaliczeniowych.

Generatywne AI to narzędzie, które nierzadko przy pomocy dosłownie paru poleceń potrafi stworzyć gotową grafikę, tekst, kod programu czy nawet animację.

W ostatnich latach, wraz z rozwojem LLM-ów, nastąpił dynamiczny wzrost popularności wykorzystywania tego typu narzędzi przez studentów, zarówno przy realizacji zwykłych projektów, jak i przy pisaniu prac dyplomowych.

Mowa tu o takich czynnościach jak – przykładowo – generowanie planu, wsparcie redakcyjne czy poszukiwanie literatury. Polscy studenci minimalnie odstają pod tym względem od swoich zachodnich sąsiadów, bo według raportu AI CEE po narzędzia AI sięga „tylko” 84% z nich.

Oczywiście istnieją zarówno różne narzędzia AI, jak i różne sposoby korzystania z nich.  Założenie, że niemal wszyscy studenci generują swoje prace dyplomowe w całości, byłoby zatem nadużyciem, ale z całą odpowiedzialnością można przyjąć, że znaczący procent prac jest w dużym stopniu „nieznanego autorstwa”.

Mimo tego, polskie szkolnictwo wyższe udaje, że świat sprzed pojawienia się ChatuGPT wciąż istnieje. Władze uczelni skupiają się na tworzeniu systemów wykrywających AI, a twórcy technologii – na rozwoju narzędzi humanizujących teksty.

W rzeczywistości jesteśmy świadkami gigantycznej gry pozorów, w której studenci udają, że pracę napisali całkowicie samodzielnie, uczelnia udaje, że jest w stanie to zweryfikować, a promotorzy nie dostrzegają nagłego wzrostu jakości oddawanego tekstu czy tworzonych grafik.

Rzecz jasna polskie szkolnictwo wyższe nie jest całkowicie ślepe na te zmiany – na części uczelni problem dostrzega się wyspowo, pojawiają się pojedyncze inicjatywy, prelekcje czy wydziałowe wytyczne. Brakuje w tym jednak jakiejkolwiek spójności i realnej dydaktyki.

Jak wskazuje raport AI CEE, chociaż po generatywną sztuczną inteligencję sięga ogromna większość studentów, to zaledwie 5% z nich deklaruje, że ich uczelnia zaoferowała im zajęcia poświęcone zasadom korzystania z narzędzi AI.

Ten stan rzeczy przy tak dynamicznie rozwijającej się technologii jest nie do utrzymania. Marnujemy ogromne nakłady energii i pieniędzy na cyfrowy wyścig zbrojeń, którego uniwersytety nie mają szans wygrać.

Zamiast więc spychać studentów do szarej strefy i zmuszać ich do szukania sposobów na przechytrzenie uczelnianych algorytmów, czas przyjąć podejście bardziej pragmatyczne.

Polskie uczelnie muszą zaakceptować nieuchronność zmian i zacząć uczyć studentów prawidłowego korzystania z modeli językowych. Powinny one opracować nowe, dostosowane do nowych realiów standardy tworzenia oraz weryfikacji prac dyplomowych, które wcale nie muszą być uniwersalne dla wszystkich wydziałów i specjalności.

AI to nie kamień filozoficzny

Sztuczna inteligencja nie jest cyfrowym kamieniem filozoficznym, który zamienia leni i ignorantów w genialnych badaczy. Generatywne modele językowe w pracy z tekstem działają w oparciu o statystykę.

Ich zadaniem jest dobieranie kolejnych słów-tokenów według prawdopodobieństwa ich wystąpienia.

W efekcie, LLM w swojej podstawowej funkcji kopiuje i odtwarza utarte schematy myślowe, zwroty czy całe sekwencje zdań sformułowane wcześniej przez innych ludzi.

Student, powierzając pisanie prac sztucznej inteligencji, nie tylko może naruszyć cudze prawa własności intelektualnej, ale również traci szansę na wypracowanie własnego, niepowtarzalnego stylu wypowiedzi i sposobu argumentacji.

Budowanie prawdziwego warsztatu naukowego, który wyróżnia człowieka nie tylko w naukach humanistycznych, prawnych czy społecznych, wymaga podejścia całkowicie przeciwnego: poświęcenia czasu oraz wytężonej pracy z tekstami źródłowymi i publikacjami.

Czytanie literatury klasycznej, analizowanie orzecznictwa czy przedzieranie się przez archiwalne dokumenty nie jest czynnością techniczną, z której można pozyskać całą wiedzę za pomocą kilku promptów.

To właśnie poprzez takie mozolne czytanie kształtuje się indywidualizm, ponieważ badany materiał przefiltrowywany jest przez doświadczenie, kulturę, wrażliwość i światopogląd czytelnika.

Dwoje ludzi czytających ten sam tekst filozoficzny czy przepis prawa, nierzadko zobaczy w nich coś innego, ponieważ przetwarza je przez własną tożsamość, tworząc w pamięci niepowtarzalny obraz danego dzieła.

Dlatego właśnie klasyczne materiały mogą być wciąż odczytywane na nowo, a uniwersytet wypuszcza absolwentów zdolnych do tworzenia oryginalnych myśli, nowatorskich tez i naprawdę autorskich wywodów. Dodatkowo, przy takim czytaniu bogacimy własny język o styl i sposób wypowiedzi autora.

Co równie ważne, nauka nie polega wyłącznie na biernym przyswajaniu wiedzy, ale przede wszystkim na samodzielnym procesie tworzenia.

Kiedy człowiek od zera buduje wywód, szuka argumentów, zderza się z kontrargumentami i próbuje ubrać myśli w logiczną strukturę, jego umysł wykonuje najcięższą, ale i najbardziej rozwijającą pracę.

To w tym wysiłku wykuwa się umiejętność krytycznego myślenia i rozwiązywania problemów. Dostając od sztucznej inteligencji gotowy produkt, student zostaje pozbawiony tej intelektualnej gimnastyki.

Nie nabywa kompetencji, które mógłby zdobyć tylko poprzez własny błąd, wątpliwość i trud ich pokonania.

Co więcej, zastąpienie żmudnej lektury i samodzielnego myślenia samą algorytmiczną „esencją” nie tylko niszczy ten proces u samych podstaw, ale również naraża na zakażenie zmyślonymi faktami.

Problem halucynacji modeli językowych nie występuje tylko na etapie pisania pracy dyplomowej, ale może infekować studentów przez cały okres kształcenia. Występuje to zwłaszcza wtedy, gdy brak samodzielnego doświadczenia badawczego uniemożliwia im odróżnienie prawdy od przekonująco brzmiącej bzdury.

Walka z cieniem. Jak uniwersytety ścigają styl, a ignorują treść

Wepchnięcie sztucznej inteligencji do akademickiej szarej strefy doprowadziło do stworzenia systemu, w którym marnujemy energię na zabawę w kotka i myszkę, zamiast uczyć studentów rzetelnej weryfikacji danych.

Wdrożenie detekcji AI w uczelnianych systemach antyplagiatowych nie tylko nie podnosi jakości prac, ale wręcz pogarsza je w warstwie językowej z powodu powszechnego używania narzędzi do humanizowania treści.

Studenci, którzy wykorzystali model językowy do uporządkowania myśli czy wygładzenia tekstu, zamiast spędzać czas na przeglądaniu bibliografii i analizie publikacji, marnują go na celowe „psucie” własnego wywodu przy użyciu przeznaczonych do tego narzędzi.

Humanizer, bo tak nazywa się tego typu program, celowo zaburza rytm zdań, wprowadza pozorny chaos i stylistyczne niedociągnięcia tylko po to, by oszukać uczelniany algorytm i zbić poziom prawdopodobieństwa użycia AI.

Tym sposobem osiągnęliśmy edukacyjny paradoks: algorytm walczy z „doskonałością” stylistyczną i językową, a nie skupia się na wszelkich merytorycznych bzdurach, wykreowanych statystykach, nieistniejących artykułach naukowych czy zmyślonych twierdzeniach.

Podejście to bierze się z wiary w pewną idealistyczną fikcję. Zanim powstały tak zaawansowane modele językowe, prace dyplomowe wcale nie powstawały bez niczyjej pomocy (a już na pewno nie wszystkie w równym wymiarze).

Po pierwsze, prace te powstają pod opieką promotorów. Realia polskich uczelni bywają jednak brutalne: podczas gdy jedni studenci trafiają na zaangażowanych opiekunów, którzy służą pomocą na każdym etapie i poświęcają im sporo czasu, inni mają mniej szczęścia i praktycznie ze wszystkim muszą radzić sobie sami.

W takiej sytuacji LLM może stać się asystentem studenta i – niczym idealny promotor, nieobciążony nadmiarem dydaktyki i pracy badawczej – zaproponować ważne publikacje, od których należy zacząć, w krytyczny sposób zweryfikować argumentację czy wreszcie wyczyścić tekst z błędów językowych i przypilnować formatowania bibliografii.

Na takim podejściu zyskuje również sam naukowiec, bo zamiast marnować czas na poprawianie przecinków i składni, może skupić się na ocenie warstwy merytorycznej, metodologii czy rzetelności źródeł.

Drugim przykładem powszechnie akceptowanej pomocy jest korzystanie z nieoficjalnego wsparcia rodziny. Student mający rodzica naukowca, brata programistę, a partnerkę po polonistyce, w naturalny sposób uzyskuje gigantyczną przewagę nad innymi.

Bliscy często poprawiają takiej osobie styl, wyłapują błędy w logice czy pomagają napisać skrypt przetwarzający dane. Nikt nigdy nie uznawał tego za oszustwo ani nie żądał dopisania członków rodziny jako współautorów pracy.

Generatywne AI w gruncie rzeczy spełnia funkcję takiego „wykształconego starszego brata”. Dla studentów z mniejszych miejscowości czy pierwszego pokolenia na studiach sztuczna inteligencja staje się narzędziem, które potrafi skutecznie niwelować braki w kapitale kulturowym i społecznym.

Czy wilk może być syty… i wyspany?

Tak jak Prometeusz nie mógł oddać bogom ognia, tak ludzkość nie jest w stanie zrezygnować ze sztucznej inteligencji. Możemy jednak wypracować standardy użycia narzędzi AI i oswoić się z ich stałą obecnością.

Doskonałym przykładem takiego podejścia jest Uniwersytet Oksfordzki, gdzie obok ogólnych ram prawnych poszczególne wydziały i dyscypliny ustanawiają indywidualne wytyczne.

Tym sposobem na Wydziale Filologii Klasycznej obowiązuje rygorystyczna ochrona procesu dydaktycznego: studenci mają zakaz używania AI nawet do tłumaczeń czy korekty gramatycznej, ponieważ samodzielne zmaganie się z tekstami starożytnymi i popełnianie przy tym błędów stanowi samą istotę studiów.

Z kolei na Wydziale Matematyki czy Informatyki podejście jest znacznie bardziej elastyczne, a studenci mogą korzystać z AI przy pisaniu kodu, tworzeniu bibliografii czy generowaniu schematów graficznych.

Oxford wypracował tam prostą regułę: jeśli pomoc, jaką otrzymałeś od AI, mieści się w granicach tego, za co drugiemu człowiekowi nie przypisałbyś współautorstwa, jest to dozwolone wsparcie procesowe.

Co jeszcze mam na myśli? Przykładowo, weryfikatorem samodzielności myślenia nie powinien być omylny automat, lecz pogłębiona obrona ustna. To w bezpośredniej rozmowie student musi udowodnić, że stał się specjalistą w wybranej dziedzinie.

Po wielomiesięcznej pracy nad danym tematem dyplomant powinien swobodnie dyskutować nie tylko o swoich tezach czy metodologii, ale również o materiałach źródłowych, na których się opierał.

Po takiej weryfikacji nie powinno mieć większego znaczenia, czy formatowanie tekstu oraz szyk zdań wygładzała mama-polonistka czy popularny model językowy.

Co więcej, korzystanie z AI – aby było dozwolone – musi być w pełni transparentne. Student powinien dołączać do pracy oficjalne oświadczenie, w którym opisuje, z jakich narzędzi korzystał, w jakich celach (np. przegląd literatury, korekta stylistyczna, skrypty do analizy danych) oraz przy użyciu jakich promptów.

Dopełnieniem tych zmian powinno być zapewnienie przez uczelnie oficjalnych licencji na bezpieczne narzędzia AI. Z jednej strony zniweluje to podziały majątkowe i da wszystkim studentom równy dostęp do technologii, z drugiej zagwarantuje ochronę prywatności danych badawczych.

Zadaniem uczelni nie jest wychowywanie absolwenta-spryciarza, zdolnego jedynie oszukać system antyplagiatowy, lecz wykształcenie krytycznego eksperta, który potrafi odpowiedzialnie korzystać z technologii na potrzeby zawodowe i naukowe.

W nowej rzeczywistości diada student-promotor musi wziąć pełną, wspólną odpowiedzialność za ostateczny kształt pracy: skoro technologia pozwala na łatwiejsze wykonanie rutynowej i wstępnej obróbki materiału, to zaoszczędzoną energię należy w całości poświęcić na głębsze myślenie, dojrzałą argumentację i wyższą jakość merytoryczną.

Aby to osiągnąć, musimy przestać udawać, że świat sprzed rewolucji AI wciąż istnieje, i zacząć tworzyć przejrzyste standardy na miarę naszych czasów, w taki sposób, aby przysłowiowego, głodnego wiedzy wilka z jednej strony nasycić, a z drugiej nie zamęczać odtwórczą pracą, którą bez szkody dla jego rozwoju może za niego wykonać sztuczna inteligencja.