W skrócie
- W badaniu 22 nadawców publicznych z października 2025 r. 45% odpowiedzi ChatGPT, Copilota, Gemini i Perplexity o wiadomościach miało co najmniej jeden poważny problem, a 31% problem ze źródłami.
- Baza AI Hallucination Cases liczy 2 241 orzeczeń sądów na świecie, w których pojawiły się treści zmyślone przez AI (stan na 29.10.2026), w tym 10 z Polski.
- Jeśli sprawdzenie jednego źródła zajmuje około 2 minut, kontrola raportu z 40 przypisami to około 80 minut pracy.
Stan na 30 października 2026
Czym są halucynacje AI?
Halucynacja AI to odpowiedź modelu językowego, która brzmi pewnie i fachowo, ale jest nieprawdziwa albo nie ma oparcia w żadnym źródle. Dotyczy wszystkich popularnych asystentów: ChatGPT, Claude’a, Gemini i Copilota. Zjawisko wpisujemy na listę najważniejszych zagrożeń AI w firmie i urzędzie, a tutaj rozkładamy je na części: skąd się bierze, kiedy jest najgroźniejsze i jak je wyłapać.
Definicja
Halucynacja AI to treść wygenerowana przez model, która wygląda wiarygodnie, ale jest fałszywa, zmyślona albo niezgodna z dokumentem, na którym model miał się oprzeć: nieistniejący wyrok, przekręcona liczba, cytat, którego nikt nie wypowiedział.
W pracy halucynacje przybierają trzy postacie. Każda wymaga innego sposobu sprawdzania:
| Rodzaj błędu | Jak wygląda | Przykład | Jak trudno wyłapać |
|---|---|---|---|
| Źródło nie istnieje | Zmyślony wyrok, raport, link albo cytat w poprawnym formacie | Postanowienie sędziego z Mississippi powołało wyrok z 1974 r., którego nie ma | Łatwo: wystarczy wyszukać |
| Źródło istnieje, ale mówi co innego | Prawdziwa sygnatura albo link, inna treść, data lub wniosek | W zażaleniu ocenianym przez NSA sygnatury istniały, ale postanowienia dotyczyły innych spraw | Trudno: trzeba przeczytać źródło |
| Treść niezgodna z zasadami lub danymi firmy | Model „uzupełnia” regulamin, cennik albo procedurę tym, co brzmi prawdopodobnie | Czatbot Air Canada obiecał zwrot, którego regulamin nie przewidywał | Średnio: trzeba znać dokument |
Najgroźniejszy jest drugi rodzaj, bo przechodzi pobieżną kontrolę. Kto sprawdzi tylko, czy sygnatura istnieje, uzna fałszywe odwołanie za prawdziwe.
Dlaczego AI zmyśla, choć nie chce kłamać?
Model nie sprawdza faktów, tylko układa najbardziej prawdopodobny ciąg słów. Gdy w danych treningowych brakuje odpowiedzi, model i tak ją wytwarza, bo tak został nauczony i tak jest oceniany. Jak dokładnie działa przewidywanie kolejnych słów, wyjaśniamy w przewodniku po dużych modelach językowych (LLM).
Badacze OpenAI opisali to we wrześniu 2025 r. w pracy „Why Language Models Hallucinate”. Ich wniosek: trening i testy modeli nagradzają zgadywanie zamiast przyznania się do niepewności. To jak egzamin testowy bez punktów ujemnych: kto zgaduje, średnio zdobywa więcej punktów niż ten, kto zostawia puste pole (Kalai i in., arXiv 2509.04664).
Przykład z tej pracy: pytany o datę urodzin jednego z autorów, z dopiskiem „odpowiedz tylko, jeśli wiesz”, model w trzech próbach podał trzy różne, błędne daty.
Do tego dochodzą dwie przyczyny praktyczne:
- Wiedza z przeszłości. Model bez wyszukiwania zna świat do daty zakończenia treningu. O nowym cenniku, przepisie albo prezesie firmy może mówić z pamięci, czyli nieaktualnie.
- Rzadkie fakty. Im mniej razy coś pojawiło się w tekstach, na których uczył się model (sygnatura, numer artykułu, liczba z niszowego raportu), tym większa szansa na zmyślenie.
Jak często AI się myli? Liczby z zastrzeżeniem
Nie ma jednej liczby, która opisuje „odsetek halucynacji”: wynik zależy od modelu, wersji, języka, zadania i tego, czy model ma dostęp do wyszukiwania. Dwa wiarygodne pomiary pokazują jednak skalę problemu.
- Asystenci a wiadomości (październik 2025). 22 nadawców publicznych z 18 krajów, pod kierunkiem BBC i Europejskiej Unii Nadawców (EBU), oceniło ponad 3 000 odpowiedzi ChatGPT, Copilota, Gemini i Perplexity na pytania o bieżące wydarzenia. 45% odpowiedzi miało co najmniej jeden poważny problem, 31% problem ze źródłami, a 20% poważne błędy merytoryczne, w tym zmyślone albo nieaktualne szczegóły. Najgorzej wypadł Gemini: 76% odpowiedzi z poważnym problemem (EBU).
- Sądy (stan na 29 października 2026). Baza prowadzona przez badacza Damiena Charlotina liczy 2 241 orzeczeń sądów i trybunałów na świecie, w których strona albo sąd oparli się na treściach zmyślonych przez AI. 10 z nich pochodzi z Polski (AI Hallucination Cases).
Badanie EBU ma już rok, a modele od tego czasu się zmieniły. Wniosek pozostaje jednak aktualny: nawet jeśli odsetek błędów spada, nie znasz go dla swojego zadania, dopóki go nie sprawdzisz. Producenci sami to przyznają. OpenAI w pomocy ChatGPT radzi traktować odpowiedź jak pierwszy szkic i weryfikować cytaty, dane i odwołania do dokumentów (OpenAI), a Anthropic pisze wprost, że techniki ograniczania halucynacji ich nie eliminują (Anthropic).
Kiedy ryzyko halucynacji jest największe?
Ryzyko rośnie tam, gdzie liczy się dokładne brzmienie albo dokładna wartość, a model odpowiada z pamięci.
Szczególnej ostrożności wymagają:
- cytaty (wypowiedzi, fragmenty umów, orzeczeń, raportów),
- liczby (kwoty, procenty, daty, wyniki obliczeń),
- przepisy i orzeczenia (numery artykułów, sygnatury, daty wejścia w życie),
- źródła i linki (tytuły publikacji, autorzy, adresy stron),
- dane o firmach i osobach (kto jest prezesem, ile firma zarobiła, kto co powiedział),
- świeże wydarzenia i zasady, które zmieniły się po zakończeniu treningu modelu.
Przykład z doradztwa: w lipcu 2025 r. Deloitte oddał australijskiemu ministerstwu zatrudnienia raport za 440 tys. dolarów australijskich. Naukowiec z Uniwersytetu w Sydney znalazł w nim nieistniejące publikacje i zmyślony cytat z wyroku sądu federalnego. W poprawionej wersji usunięto kilkanaście fałszywych przypisów, dopisano informację o użyciu Azure OpenAI GPT-4o, a firma zwróciła ostatnią ratę wynagrodzenia (The Register).
Policzmy to. Raport ma 40 przypisów. Jeśli sprawdzenie jednego źródła zajmuje około 2 minut, cała kontrola trwa 80 minut. Dla porównania: Deloitte po wykryciu błędów w raporcie dla rządu Australii zwrócił, według danych przedstawionych w australijskim Senacie, 97 587 AUD z kontraktu wartego 440 tys. AUD.
Przydatna miara przed każdym zadaniem: ile kosztuje błąd i jak łatwo go wyłapać. Tani i łatwy do sprawdzenia błąd (temat maila, streszczenie notatki) możesz zostawić AI. Drogi i trudny do sprawdzenia (porada prawna, decyzja o człowieku) wymaga, żeby AI co najwyżej pomagało, a odpowiedź przygotował i podpisał człowiek.
Jak ograniczać halucynacje: daj modelowi materiał
Najskuteczniej działa oparcie odpowiedzi na dokumentach, które sam dajesz modelowi, i wyraźne pozwolenie na odpowiedź „nie wiem”. Anthropic wymienia jako podstawowe trzy techniki: pozwolenie na „nie wiem”, dosłowne cytaty z dokumentu i sprawdzanie twierdzeń przez źródła, a ograniczenie modelu wyłącznie do dostarczonych dokumentów opisuje wśród technik zaawansowanych (dokumentacja Claude). To samo działa w ChatGPT i Gemini.
- Wklej albo załącz źródło (umowę, regulamin, raport) i każ odpowiadać tylko na jego podstawie.
- Pozwól na niepewność: model, który ma prawo napisać „brak informacji w dokumencie”, rzadziej zgaduje.
- Żądaj dosłownego cytatu przy każdym twierdzeniu. Cytat sprawdzisz w kilka sekund skrótem Ctrl+F.
- Włącz wyszukiwanie przy pytaniach o aktualne fakty i proś o adres oraz datę źródła. Wyszukiwanie zmniejsza ryzyko, ale go nie usuwa: nawet Perplexity, który z założenia odpowiada na podstawie wyników z sieci, miał w badaniu EBU 30% odpowiedzi z poważnym problemem.
Więcej o budowaniu poleceń piszemy w przewodniku po prompt engineeringu. Prompt do pracy na własnych dokumentach:
Prompt do skopiowania
Odpowiedz na pytanie wyłącznie na podstawie załączonych dokumentów.
Nie korzystaj z wiedzy ogólnej.
Przy każdym twierdzeniu podaj nazwę dokumentu i dosłowny cytat w cudzysłowie.
Jeśli dokumenty nie zawierają odpowiedzi, napisz: „Brak tej informacji
w dokumentach” i nie uzupełniaj jej domysłami.
Na końcu wypisz, czego nie udało się ustalić.
Pytanie: [wpisz pytanie]Ten prompt nie gwarantuje braku błędów. Model może przekręcić cytat albo przypisać go innemu dokumentowi, dlatego każdy cytat, na którym opierasz decyzję, porównaj z oryginałem.
Research z AI: zlecenie, które da się sprawdzić
Gdy prosisz AI o znalezienie informacji w sieci, określ, jakie źródła się liczą i w jakiej formie chcesz wynik. Bez kryteriów model przyniesie pierwsze trafienia z wyszukiwarki, nie najlepsze źródła, a twierdzenia bez adresu i daty trudno potem zweryfikować.
Prompt do skopiowania
Zbadaj temat: [temat]. Użyj wyszukiwania w internecie.
Zakres: [okres, kraj, branża].
Źródła: najpierw oficjalne (instytucje, dokumentacja producenta,
orzeczenia), media tylko jako wskazówka.
Przy każdym fakcie podaj adres strony, datę publikacji i dosłowny cytat.
Jeśli źródła są sprzeczne, pokaż obie wersje i nie wybieraj za mnie.
Oddziel fakty potwierdzone źródłem od swoich wniosków.
Na końcu wypisz, czego nie udało się ustalić.Takie zlecenie nie usuwa błędów, ale czyni je widocznymi. Pamiętaj też, że model potrafi zmyślić źródło razem z adresem, więc za potwierdzone uznajesz tylko to, co otworzyłeś i przeczytałeś.
Liczb nie zostawiaj „w głowie” modelu: przewiduje cyfry tak jak słowa. Poproś, żeby liczył w arkuszu albo w kodzie i pokazał drogę:
Prompt do skopiowania
Policz [wskaźnik] na podstawie załączonej tabeli.
Użyj narzędzia do analizy danych (kod w Pythonie), nie licz w pamięci.
Pokaż kod, wyniki pośrednie i wynik końcowy.
Sprawdź wynik drugą metodą. Jeśli wyniki się różnią, napisz to wprost.Zasada na co dzień: każda liczba w dokumencie ma ślad, czyli formułę, komórkę arkusza albo kod. Bez śladu nie trafia do raportu.
Jak sprawdzać odpowiedzi AI w pracy: procedura i lista kontrolna
Sprawdzanie zaczyna się od rzeczy tanich i automatycznych, a kończy na człowieku, który rozumie temat i podpisuje się pod wynikiem. Każdy tekst, który wychodzi z firmy, potrzebuje co najmniej sprawdzenia źródeł.
Procedura: zwykle kilka minut na źródło
- Otwórz link albo wyszukaj publikację i sygnaturę. Nie istnieje albo prowadzi gdzie indziej: twierdzenie wypada.
- Wyszukaj w źródle cytowany fragment (Ctrl+F). Nie ma go dosłownie: przeczytaj, co źródło naprawdę mówi.
- Sprawdź datę i wersję dokumentu: czy przepis, cennik lub regulamin nadal obowiązuje.
- Przy ważnej decyzji znajdź drugie, niezależne źródło.
Krok drugi chroni przed błędem z polskiej sprawy. W postanowieniu z 23 czerwca 2026 r. (sygn. I FZ 104/26) Naczelny Sąd Administracyjny wskazał w zażaleniu pełnomocnika „ślady tzw. halucynacji AI”: żadne z trzech przywołanych postanowień NSA nie mówiło tego, co twierdził pełnomocnik, a każde miało inną datę i dotyczyło innego zagadnienia (CBOSA).
Lista kontrolna przed wysłaniem dokumentu
| Co sprawdzasz | Pytanie kontrolne | Kto lub co sprawdza |
|---|---|---|
| Format | Czy są wszystkie wymagane części, pola i dane? | Szablon, walidator, osoba przygotowująca |
| Spójność | Czy sumy się zgadzają, daty są w zakresie, nie ma sprzeczności? | Reguły w arkuszu, druga osoba |
| Źródła | Czy każde źródło istnieje, mówi to, co cytujemy, i jest aktualne? | Człowiek, około 2 minut na źródło |
| Obliczenia | Czy każda liczba ma ślad w formule albo kodzie? | Arkusz, kod |
| Ocena eksperta | Czy wniosek ma sens i czy możemy za niego odpowiadać? | Osoba z uprawnieniami do decyzji |
Ostatni wiersz jest najważniejszy. Sprawdzać ma nie „ktoś”, tylko osoba, która może wziąć odpowiedzialność za decyzję: prawnik za pismo, księgowa za rozliczenie, kierownik za odpowiedź dla klienta.
Halucynacje w zespole: kto odpowiada i jakie zasady wprowadzić
Za błąd AI odpowiada człowiek albo firma, która użyła wyniku, a nie narzędzie. Tak orzekł w lutym 2024 r. trybunał w Kolumbii Brytyjskiej w sprawie Air Canada: czatbot obiecał klientowi częściowy zwrot za bilet w ramach zniżki dla osób w żałobie, jeśli złoży wniosek w ciągu 90 dni, choć regulamin linii na to nie pozwalał. Linia przekonywała, że czatbot to „odrębny podmiot”. Trybunał to odrzucił i zasądził 812 dolarów kanadyjskich odszkodowania i opłat, bo firma odpowiada za wszystkie informacje na swojej stronie (CBS News). W Stanach Zjednoczonych zmyślenia AI trafiły nawet do postanowienia sędziego, które sąd apelacyjny uchylił w październiku 2026 r. (opisaliśmy to w tekście o uchylonym orzeczeniu ze zmyśleniami AI).
W zespole wystarczą cztery zasady zapisane na jednej stronie:
- Każdy dokument z AI, który wychodzi na zewnątrz, ma właściciela, który go sprawdził i podpisał.
- Cytaty, liczby, przepisy i źródła sprawdza się zawsze, według procedury z poprzedniej sekcji.
- Do pracy na dokumentach firmy używa się kont firmowych z zatwierdzonym narzędziem, np. planów biznesowych ChatGPT albo Claude’a.
- Wiadomo, komu zgłosić błąd AI, żeby inni nie powtórzyli go w kolejnych dokumentach.
Uwaga na pracę „po cichu”. Gdy firma nie daje narzędzia ani zasad, ludzie korzystają z AI na prywatnych kontach. Adam Bakalarz spotyka się z tym na szkoleniach. Wtedy nikt nie wie, który dokument powstał z pomocą AI i co w nim sprawdzono. Więcej o tym zjawisku w tekście o shadow AI.
Weryfikacji odpowiedzi AI najszybciej uczy się na własnych dokumentach i zadaniach zespołu. Takie ćwiczenia prowadzimy na szkoleniach z AI dla firm i instytucji.
Wszystkie teksty o bezpieczeństwie AI
Halucynacje to jedno z kilku ryzyk korzystania z AI w pracy. Pełny przegląd, od wycieku danych po deepfake i prompt injection, znajdziesz w przewodniku Zagrożenia AI w firmie i urzędzie. O tym, co się dzieje, gdy AI nie tylko pisze, ale też działa, przeczytasz w tekście o agentach OpenAI, którzy wyłączyli monitoring bezpieczeństwa.
Samo polecenie »nie halucynuj« niewiele zmienia. Lepiej dać modelowi pozwolenie na niewiedzę: jeśli czegoś nie wiesz, napisz »nie wiem«. A jeszcze lepiej poprosić, żeby tam, gdzie ma dane, wstawiał słowo »fakt«, a tam, gdzie ich nie ma, słowo »założenie«.
Co to znaczy dla Ciebie
Halucynacji nie da się dziś wyłączyć, ale da się nimi zarządzać. Dawaj modelowi dokumenty i pozwól mu odpowiedzieć „nie wiem”, żądaj cytatów i adresów źródeł, liczby licz w arkuszu albo w kodzie, a przed wysłaniem dokumentu sprawdź źródła według prostej procedury. Wobec klienta odpowiada zwykle firma, a za sprawdzenie wyniku człowiek, który go podpisał, więc to on musi wiedzieć, co zostało sprawdzone.Najczęstsze pytania
Co to są halucynacje AI?
To odpowiedzi modelu językowego, które brzmią pewnie, ale są nieprawdziwe albo nie mają oparcia w źródle: zmyślony wyrok, nieistniejący raport, przekręcona liczba lub cytat. Dotyczą wszystkich popularnych asystentów, w tym ChatGPT, Claude'a i Gemini.
Dlaczego ChatGPT zmyśla?
Bo przewiduje najbardziej prawdopodobny tekst, a nie sprawdza faktów. Badacze OpenAI wskazali we wrześniu 2025 r., że trening i testy modeli nagradzają zgadywanie bardziej niż przyznanie się do niewiedzy. ChatGPT nie kłamie celowo, ale potrafi podać błędną informację z pełnym przekonaniem.
Czy da się całkowicie wyeliminować halucynacje AI?
Nie. Dokumenty źródłowe, wyszukiwanie, prośba o cytaty i pozwolenie na odpowiedź „nie wiem” wyraźnie zmniejszają ryzyko, ale go nie usuwają. Przyznają to sami producenci, m.in. Anthropic w dokumentacji Claude'a. Ważne informacje zawsze sprawdza człowiek.
Czy AI może zmyślić źródło?
Tak. Model potrafi podać nieistniejący artykuł, sygnaturę albo adres strony w poprawnym formacie. Bywa też, że źródło istnieje, ale mówi co innego niż odpowiedź. Dlatego za potwierdzone uznajesz tylko źródło, które otworzyłeś i w którym znalazłeś cytowany fragment.
Który model AI halucynuje najmniej?
Nie ma stałego zwycięzcy, bo wynik zależy od wersji modelu, języka i zadania. W badaniu EBU i BBC z października 2025 r. odpowiedzi o wiadomościach z poważnym problemem miało od 30% (Perplexity) do 76% (Gemini). Zamiast szukać modelu bez błędów, sprawdź wybrany model na własnych zadaniach.
Kto odpowiada za błąd AI w dokumencie firmy?
Człowiek lub firma, która dokument wysłała. W sprawie Air Canada z 2024 r. trybunał uznał, że firma odpowiada za informacje swojego czatbota, polski NSA wytknął pełnomocnikowi ślady halucynacji AI w piśmie, a sądy w USA nakładają na pełnomocników kary. Odpowiada człowiek lub firma, nie narzędzie.
Źródła i data sprawdzenia
- Kalai, Nachum, Vempala, Zhang: Why Language Models Hallucinate (arXiv, 09.2025)
- EBU: badanie asystentów AI i wiadomości (22.10.2025)
- Damien Charlotin: AI Hallucination Cases (stan 29.10.2026)
- Anthropic: Reduce hallucinations (dokumentacja Claude)
- OpenAI: Does ChatGPT tell the truth?
- The Register: Deloitte i raport dla rządu Australii (06.10.2025)
- NSA, postanowienie z 23.06.2026, I FZ 104/26 (CBOSA)
- CBS News: Air Canada i czatbot (19.02.2024)
- Sąd Apelacyjny USA dla Piątego Okręgu, orzeczenie z 22.10.2026
- EBU i BBC: News Integrity in AI Assistants (raport, październik 2025)
Sprawdzono 30 października 2026
Czytaj dalej
W tej sprawie
W tej sprawie
W tej sprawie
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Zobacz też
- Sora od OpenAI: co się stało, czy jeszcze działa i czym ją zastąpić
- VOLTA: złośliwy program pyta AI, ile warte są dane ofiary
- Sieć ponad 400 aplikacji i stron AI ukrywała generator deepfake’ów
- Oznaczanie treści AI: art. 50 AI Act w praktyce, z wzorami oznaczeń
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
Zobacz też
Zobacz też
- NCSC: do 2028 r. Rosja i Chiny rutynowo użyją AI w cyberatakach
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
- Fałszywe sklepy przed Black Friday: część polecały czaty AI
Zobacz też
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Microsoft: hakerzy z Korei Północnej używają AI od rozpoznania po kod
- AI dla seniora: 6 prostych zastosowań i jak nie dać się oszukać
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
Zobacz też
- Halucynacje AI: skąd się biorą i jak je wyłapać
- Vishing i klonowanie głosu: jak rozpoznać oszustwo telefoniczne z AI
- Phishing: co to jest, jak rozpoznać oszustwo i co zrobić po kliknięciu
- Deepfake: jak rozpoznać fałszywe wideo i zdjęcia tworzone przez AI
- Prompt injection: jak atakuje się asystentów i agentów AI i jak się bronić
- Dzieci i chatboty: co mówią badania JED i Common Sense Media
- Polityka AI w firmie: wzór, punkty obowiązkowe i trzy zasady na start
- Czy ChatGPT jest bezpieczny? Dane, prywatność i ustawienia, które warto zmienić
- Klonowanie głosu AI: jak działa, które narzędzia są legalne i co mówi prawo
- Spoofing: jak oszuści podrabiają numer, SMS, e-mail i głos (i jak to sprawdzić)
- Smishing: jak rozpoznać fałszywy SMS, co zrobić po kliknięciu i gdzie go zgłosić
- Quishing: jak rozpoznać fałszywy kod QR, sprawdzić go przed otwarciem i gdzie zgłosić
- Kradzież tożsamości: co robić, jak zastrzec PESEL i jak AI pomaga oszustom
- Silne hasło w 2026 r.: jak je ułożyć, gdy AI zgaduje hasła szybciej
- Passkey (klucz dostępu): logowanie bez hasła i jak je włączyć
Zobacz też
Zobacz też
Zobacz też
Zobacz też
Przewodnik po temacie Zagrożenia AI w firmie i urzędzie: jak je rozpoznać i jak się chronić

