AI to nie młotek. To pokój, który przemeblowuje nasze myślenie: McLuhan po ChatGPT

Autorka, która zna odpowiedź, ale nie pamięta drogi

Wyobraźmy sobie reporterkę lokalnego portalu informacyjnego. Na jej biurko trafia budżet gminy: dziesiątki stron, kilka arkuszy kalkulacyjnych i dwie godziny do publikacji. Przekazuje dokumenty systemowi AI i prosi o najważniejsze ustalenia, a następnie o propozycję otwarcia tekstu, trzy kontrargumenty oraz pytania do rzecznika urzędu. Odpowiedź pojawia się szybko, jest spójna i dopracowana. Tekst zostaje opublikowany. Następnego ranka radny pyta, dlaczego artykuł przedstawia planowane inwestycje jako pieniądze już wydane. Reporterka otwiera rozmowę z AI, przewija ją w górę i odkrywa coś niepokojącego. Potrafi odnaleźć zdanie, które opublikowała, ale nie umie odtworzyć rozumowania, które do niego doprowadziło.

Nie jest to przypowieść o widowiskowej halucynacji. Model mógł pomylić dwie kolumny; reporterka mogła przeoczyć zastrzeżenie. Głębszym problemem jest erozja samodzielnego osądu wskutek niewidzialnego delegowania. To człowiek nadal nacisnął przycisk „Publikuj” i to jego nazwisko widnieje pod tekstem. Nie potrafi jednak powiedzieć, które przesłanki wybrano, co pominięto ani jakie dowody zmieniłyby wniosek.

Na schemacie wdrożenia wszystko wygląda wzorowo: AI wsparła zbieranie i analizę materiałów, człowiek pozostał „w pętli”, a redaktor zatwierdził tekst. Tyle że człowiek w pętli może przypominać kierowcę trzymającego kierownicę odłączoną od kół. Obecność nie jest sprawczością. Sprawczość wymaga również wiedzy, czasu, dostępu do dowodów oraz rzeczywistego prawa do sprzeciwu.

Dlatego pierwsze pytanie redakcji o AI nie powinno dotyczyć tego, ile minut pozwala ona zaoszczędzić. Powinno brzmieć: jaki rodzaj pracy zniknął nam z

oczu? Czy zleciliśmy transkrypcję, czy także decyzję o tym, co w transkrypcji jest ważne? Czy oddaliśmy maszynie porządkowanie danych, czy również ustalanie standardu prawdy? Zarówno zmywarka, jak i sędzia oszczędzają komuś czas. Tylko jednemu z nich nie wolno powierzać werdyktu wyłącznie dlatego, że pięknie układa talerze.

Młotek leży na stole; medium zmienia cały pokój

Metafora narzędzia uspokaja. Młotkiem można zbudować dom albo wybić szybę; odpowiedzialność moralna należy do dłoni, która nim wymachuje. W tej opowieści technologia cierpliwie czeka na instrukcje, nie zmieniając ani celu, ani człowieka. Generatywna AI czasem rzeczywiście jest takim narzędziem. Może na przykład uporządkować transkrypcję według reguł, które redakcja ustaliła wcześniej.

Metafora zaczyna jednak zawodzić, gdy system proponuje również pytania, dostarcza kategorie i podsuwa gotową formę odpowiedzi. Młotek nie chwali naszego planu, nie sugeruje, co uznać za ścianę, ani - poproszony - nie wystawia wiarygodnie brzmiącego certyfikatu architekta. Model konwersacyjny robi coś bliższego właśnie temu: uczestniczy w definiowaniu problemu, zanim pomoże go rozwiązać.

Teoria medium, kojarzona przede wszystkim z Marshallem McLuhanem i rozwijana przez badaczy takich jak Joshua Meyrowitz, każe spojrzeć poza pojedyncze zastosowania - ku zmianom w całym środowisku komunikacyjnym. Medium reorganizuje tempo, dostęp, role społeczne, a nawet samą definicję kompetencji. Pismo zmieniło pamięć; druk zmienił autorytet; telewizja zmieniła polityczną widzialność; wyszukiwarki zmieniły nawyk docierania do wiedzy. Stało się tak nie dlatego, że wszyscy korzystali z każdego medium identycznie, lecz dlatego, że starsze praktyki zaczęły działać w nowych warunkach (McLuhan, 1964; Meyrowitz, 2008).

Neil Postman zamknął tę myśl w zdaniu brzmiącym jak komunikat ewakuacyjny: „Zmiana technologiczna nie jest ani addytywna, ani subtraktywna. Jest ekologiczna” (Postman, 1992, PDF s. 19; tłumaczenie autora). Wprowadzenie nowego medium nie daje nam dawnej redakcji z dołożonym chatbotem. Powstaje inna redakcja: z nowym oczekiwaniem szybkości, inną ekonomią pierwszych wersji, zmienionym statusem kwerendy i pokusą, by płynność języka pomylić z dojrzałością osądu.

Pokój AI ma charakterystyczne umeblowanie. Pośrodku stoi pole polecenia, podpowiadające, że problem można zamknąć w instrukcji. Obok znajduje się

przycisk „Wygeneruj ponownie”, który uczy, że odpowiedź można wymienić bez ponownego spojrzenia na świat. Źródła schowano w szufladzie albo nie ma ich wcale. Na ścianie wisi zegar: szybciej niemal zawsze wygląda lepiej. Nikt nie musi wydawać użytkownikowi rozkazów. Sam pokój sugeruje, jak się po nim poruszać.

Winda na piętro z napisem „odpowiedź”

Atkinson i współpracownicy przekonują, że edukacja medialna powinna oceniać generatywną AI jako medium, a nie jedynie jako urządzenie pomocnicze. Różnicę ilustrują przykładem trudnej książki. Lektura prowadzi człowieka przez sekwencję przesłanek, przykładów, przypisów i metod. Streszczenie wygenerowane przez model szybciej dowozi czytelnika do konkluzji, ale może odłączyć wynik od procesu, który czynił go zrozumiałym. Autorzy precyzyjnie nazywają niebezpieczeństwo: „wiedza zostaje oddzielona od procesu rozumowania” (Atkinson et al., 2025, s. 500; tłumaczenie autora).

AI jest windą. Winda nie jest nikczemna. Osobie o ograniczonej mobilności otwiera budynek, który schody przed nią zamykały. Tłumaczenie, napisy, nawigacja po dokumentach i objaśnianie terminów technicznych mogą realnie poszerzać dostęp. Strażaczka w trakcie szkolenia nie może jednak poznać budynku wyłącznie z perspektywy windy. Kiedy zabraknie prądu, musi wiedzieć, dokąd prowadzą korytarze.

W dziennikarstwie schodami są: samodzielne sformułowanie pytania, odróżnienie źródła pierwotnego od komentarza, dostrzeżenie sprzeczności, sprawdzenie daty, porównanie wyjaśnień i próba obalenia własnej ulubionej tezy. Nie są to biurokratyczne opakowania gotowej wiedzy. To właśnie one wytwarzają kompetencję. Reporter uczy się oceniać dokument, gdy potyka się o niejasny przypis, dzwoni do autora tabeli i odkrywa, że dwa podobne odsetki mają różne mianowniki.

Atkinson i współpracownicy nie twierdzą, że każde ograniczenie nakładu pracy jest szkodliwe. Pytają, czy skrót rozszerza wiedzę osoby uczącej się, czy zastępuje wysiłek, dzięki któremu ta wiedza mogłaby się rozwinąć (2025, ss. 500 - 503). To samo rozróżnienie ma znaczenie w redakcji. Doświadczona reporterka może poprosić model o sprawdzenie alternatywnych otwarć tekstu, ponieważ już rozumie materiał dowodowy. Początkujący może przyjąć to samo otwarcie jako mapę problemu i nigdy nie zauważyć, że na mapie brakuje całej dzielnicy.

Od delegowania kroku do delegowania miary

Automatyzacja zwykle wchodzi bocznymi drzwiami. Najpierw system usuwa powtórzenia. Potem streszcza wywiad. Następnie proponuje temat przewodni, szereguje argumenty i konstruuje zakończenie. Każdy ruch wydaje się rozsądny, ponieważ poprzedni zdążył już stać się normą. W pewnym momencie przestajemy jednak delegować kolejny krok, a zaczynamy delegować miarę dobrej odpowiedzi.

Cztery symptomy zdradzają tę zmianę. Po pierwsze, autor sprawdza jedynie, czy tekst brzmi wiarygodnie. Po drugie, sprawdza link, ale nie to, czy jego zawartość rzeczywiście wspiera dane twierdzenie. Po trzecie, zamawia kontrargument u tego samego modelu i uznaje sam fakt jego wygenerowania za dowód pluralizmu. Po czwarte, nie potrafi wskazać ani jednej sugestii, którą odrzucił. Współpraca bez śladu niezgody może oznaczać cudowną harmonię. Częściej przypomina spotkanie, na którym stażysta formalnie ma prawo głosu, ale szef zdążył już zamówić szampana z okazji własnej, preferowanej decyzji.

Badania nad zautomatyzowanymi wiadomościami pokazują, że systemy nie usuwają decyzji redakcyjnych. Przenoszą je do wyborów dotyczących danych, kategorii, reguł i progów (Diakopoulos, 2019). Model może liczyć szybciej, ale ktoś ustala, co zasługuje na policzenie. Może wykryć wzorzec, lecz nie potrafi samodzielnie stwierdzić, jakie jest jego znaczenie publiczne. Gdy te wybory stają się niewidoczne, odpowiedzialność rozpływa się pomiędzy dostawcą, poleceniem, interfejsem i osobą, której nazwisko widnieje pod materiałem.

Największe ryzyko pojawia się więc w zadaniach o wysokiej stawce i słabej weryfikowalności: przy interpretowaniu intencji źródła, wyjaśnianiu konfliktu, diagnozowaniu przyczyny, przypisywaniu winy albo wybieraniu pomiędzy kilkoma rozsądnymi ujęciami. Im trudniej porównać rezultat z prostym kluczem odpowiedzi, tym mniej użyteczna staje się ogólna instrukcja „myśl krytycznie”. Krytyczny osąd nie jest czerwonym przyciskiem zamontowanym wewnątrz człowieka. Jest praktyką dyscypliny, ćwiczoną na konkretnych dowodach (Atkinson et al., 2025, ss. 505 - 508).

Wolność osądu nie jest polem do odhaczenia

Stawka etyczna jest większa niż oryginalność akapitu. Jest nią wolność osądu: zdolność człowieka do zrozumienia drogi prowadzącej do wniosku, zakwestionowania go i przyjęcia odpowiedzialności za wybór. Autorzy zachowują godność nie wtedy, gdy ich nazwiska zdobią automatycznie wytworzony tekst, lecz wtedy, gdy pozostają podmiotami decyzji.

Odbiorcy mają odpowiadający temu interes. Czytelnik powinien móc zapytać, dlaczego redakcja uznała określony fakt za rozstrzygający. Jeżeli jedyna odpowiedź brzmi „system go wybrał”, technologia stała się alibi. Model nie przyjdzie na kolegium redakcyjne, nie przeprosi osoby poszkodowanej błędem i nie wyjaśni sprostowania. Odpowiedzialność pozostaje ludzka; ludzka musi zatem pozostać także zdolność prześledzenia rozumowania i odmowy.

Wolność nie oznacza wykonywania wszystkiego ręcznie. Pilotka nie traci sprawczości dlatego, że komputer utrzymuje wysokość. Traci ją wtedy, gdy linia lotnicza przestaje szkolić ją w rozpoznawaniu warunków, w których automatyzacja zawodzi, a harmonogram nie zostawia czasu na interwencję. Podobnie redakcja może automatyzować transkrypcję, formatowanie i porównywanie dużych zbiorów danych, a zarazem chronić umiejętności potrzebne do oceny znaczenia, ryzyka i prawdy.

Podejście antropocentryczne wymaga więc czegoś więcej niż końcowej akceptacji. Człowiek potrzebuje dostępu do dowodów, odpowiedniej wiedzy, jasno określonego zakresu odpowiedzialności i prawa do zatrzymania procesu bez kary za spowolnienie produkcji. W przeciwnym razie „człowiek w pętli” jest ozdobnym sformułowaniem: plastikową rośliną w pokoju, który już przed laty stracił okna.

Audyt 5P dla środowiska AI

Praktyczną odpowiedzią DBMoJo jest Audyt 5P: Pace (tempo), Passage (przejście), Provenance (pochodzenie), Pushback (sprzeciw) i Personal sign-off (osobista akceptacja). Autor przeprowadza go podczas planowania materiału i ponownie przed publikacją; w przypadku pracy wysokiego ryzyka podpisuje go także redaktor. Audyt nie pyta ogólnikowo, czy wykorzystano AI. Bada, co obecność AI zrobiła z procesem poznawania.

1. Tempo. Nazwij czynność, którą system przyspieszył. Transkrypcja, konwersja formatu i wykrywanie duplikatów zwykle ograniczają pracę mechaniczną. Wybór tezy, ocena świadka i interpretacja dowodów wymagają osądu. Test: autor potrafi wyjaśnić, dlaczego przyspieszony etap nie był tym, na którym należało zdobyć kluczową kompetencję.

2. Przejście. Zapisz krok, który zniknął wewnątrz interfejsu. Czy model wybrał fragmenty dokumentu, zamienił korelację w przyczynę albo podczas streszczania usunął wyjątek? Test: każda istotna konkluzja ma krótką mapę swoich przesłanek, wraz ze znaczącymi alternatywami, które odrzucono.

3. Pochodzenie. Przejdź od zdania do pierwotnego dowodu. Link do artykułu powtarzającego cudzy wynik nie wystarczy. Sprawdź autora, datę, zakres danych i to, czy cytowany fragment wspiera dokładnie to twierdzenie. Test: inny redaktor może powtórzyć tę drogę bez dostępu do prywatnej rozmowy z chatbotem.

4. Sprzeciw. Ustal, kto może naprawdę zakwestionować wynik. Może to być inny reporter, specjalista, źródło reprezentujące odmienną perspektywę albo celowo zaprojektowany test falsyfikacyjny. Ponowne zapytanie tego samego modelu jest użytecznym wsparciem, ale nie niezależną kontrolą. Test: zanim ustalisz tezę, zapisz jeden dowód, który mógłby ją zmienić.

5. Osobista akceptacja. Wskaż rozpoznawalny ludzki wkład: autorską pracę reporterską, wybór etyczny, interpretację, obserwację terenową albo uzasadnione odrzucenie sugestii. Podpis pod tekstem nie jest nagrodą za kliknięcie. Jest obietnicą. Test: bez modelu autor potrafi streścić argument, odnaleźć dowody i wymienić przynajmniej jedną propozycję AI, z której zrezygnował.

Ślad audytowy może mieć postać niewielkiej karty dołączonej do materiału w systemie zarządzania treścią: zadanie AI, źródła, ryzyka, osoba sprawdzająca, odrzucona sugestia i ostateczna decyzja. Nie trzeba publikować każdego polecenia. Trzeba zachować drogę odpowiedzialności.

Jeden tekst o budżecie poddany próbie - i granice tej próby

Wróćmy do budżetu gminy. Tempo: AI porównała tabele i wypisała zmiany. Przejście: nie ujawniła, że jedna kolumna opisywała plan, a druga rzeczywiste wydatki. Pochodzenie: reporterka wróciła do uchwały i uwag metodologicznych. Sprzeciw: skonsultowała interpretację z niezależnym ekonomistą zajmującym się samorządem. Osobista akceptacja: odrzuciła efektowne twierdzenie, że wydatki obcięto, ponieważ liczby go nie potwierdzały; zastąpiła je dokładniejszym ustaleniem, że zmienił się harmonogram.

Ten sposób pracy jest wolniejszy od skopiowania odpowiedzi i szybszy od ręcznego sprawdzania każdej komórki. I o to chodzi. Nie musimy zachowywać dawnych trudności dla samej trudności. Powinniśmy zachować opór tam, gdzie kształtuje się osąd. AI może być windą, pod warunkiem że reporter nadal zna plan budynku.

Audyt 5P ma ograniczenia. Nie ujawni nieznanych danych treningowych, nie naprawi wadliwego źródła ani nie zastąpi wiedzy specjalistycznej. Sam może stać się rytuałem odprawianym po fakcie. Jego organizacyjnymi warunkami są więc prawo do zatrzymania publikacji i czas na weryfikację. Bez obu nawet znakomita lista kontrolna staje się pasem bezpieczeństwa z papieru.

Nie każde użycie AI osłabia też osąd. Dobrze zaprojektowany system może ujawniać sprzeczności, zwiększać dostępność dokumentów, podsuwać pytania i wspierać osobę pracującą pomiędzy językami. Ryzyko rośnie, gdy odpowiedź jest płynna, zadanie nie ma prostego klucza, użytkownik dopiero zdobywa doświadczenie, a harmonogram produkcji nagradza akceptację bardziej niż sprzeciw. Nie jest to argument przeciw technologii. To argument za takim urządzeniem pokoju, aby człowiek nadal potrafił bez pomocy trafić do drzwi.

Pytanie w duchu McLuhana brzmi zatem nie tylko: co AI robi dla osoby komunikującej? Brzmi także: jaką osobę komunikującą AI tworzy? Poważną odpowiedzią nie będzie deklaracja wiary ani strachu. Odpowiedź pozostawi ślady w rzemiośle: weryfikowalne źródło, widoczny moment niezgody i autora, który pamięta nie tylko piętro z napisem „odpowiedź”, lecz także prowadzące na nie schody.