Jest 17.58. System wygenerował pięćdziesiąt lokalnych materiałów na podstawie danych publicznych. Redaktor ma dwie minuty do automatycznego wysłania powiadomień. Na ekranie widzi nagłówek, krótkie streszczenie i duży zielony przycisk „zatwierdź wszystko”. Nie widzi surowej tabeli, reguł selekcji ani pełnej historii zmian. Wie, że opóźnienie pogorszy redakcyjny wskaźnik szybkości. Klika.
Następnego ranka zespół odkrywa, że jeden artykuł połączył dane dwóch osób o podobnych nazwiskach i błędnie zasugerował niewypłacalność finansową. W dokumentacji projektu nadal widnieje uspokajające zdanie: „każdy materiał jest sprawdzany przez człowieka”. Formalnie to prawda. Funkcjonalnie człowiek był pieczęcią na pudełku, którego nie mógł otworzyć.
To scena hipotetyczna, lecz jej logika wykracza daleko poza dziennikarstwo. Human in the loop stało się talizmanem w politykach dotyczących AI. Wystarczy dodać człowieka do diagramu, a system zaczyna wyglądać odpowiedzialnie. Położenie w pętli nie mówi jednak nic o władzy. Człowiek może być ekspertem uprawnionym do zatrzymania procesu albo wyczerpanym operatorem zatrudnionym po to, by wykonać ostatnie kliknięcie.
Pętla może stać się smyczą
Najprostszy obraz nadzoru uspokaja: maszyna proponuje, człowiek decyduje. W rzeczywistej organizacji pomiędzy propozycją a decyzją znajdują się jednak liczne elementy - projekt interfejsu, terminy, cele wydajnościowe, hierarchia, szkolenie, dostęp do danych i ryzyko zawodowe. To one rozstrzygają, czy człowiek sprawuje osąd, czy jedynie uwierzytelnia wynik.
Algorytm może skierować uwagę operatora ku wybranym informacjom, nawet jeśli ostatni ruch pozostaje technicznie ludzki. Nicholas Diakopoulos wyjaśnia, jak systemy klasyfikują, szeregują, kojarzą i filtrują, jednocześnie osadzając ludzkie wybory dotyczące kryteriów, danych i interpretacji. Operator podejmujący ostateczną decyzję nadal widzi pole ukształtowane przez wcześniejsze selekcje obliczeniowe (Diakopoulos, 2015, pp. 2 - 6).
Zielony przycisk może więc znajdować się na końcu wąskiego tunelu. Jeżeli system ukrywa alternatywy, niepewność i materiały źródłowe, człowiek sprawdza prezentację wyniku, nie sam wynik. Jeżeli na zatwierdzenie czekają setki przypadków, kontrola staje się rytuałem. Jeżeli odmowa wymaga raportu, a zgoda jednego kliknięcia, interfejs zagłosował przed operatorem.
Pętla może działać jak smycz: organizacja zachowuje ludzką twarz, a człowiek podąża trasą wyznaczoną przez system i tempo pracy.
Kto działa w układzie hybrydowym?
Human - Machine Communication wychodzi poza traktowanie technologii wyłącznie jako kanału między ludźmi. System konwersacyjny może występować jako komunikator: tworzyć wypowiedzi, odpowiadać i kształtować relację. Aleksandra Skrzypiec przedstawia funkcjonalne, relacyjne i metafizyczne ramy HMC oraz pokazuje, jak AI w komunikowaniu masowym destabilizuje role nadawcy, odbiorcy i autora (Skrzypiec, 2025, pp. 35 - 38).
Nie czyni to z modelu osoby odpowiedzialnej moralnie. Pomaga jednak zobaczyć rozproszoną sprawczość. Wynik powstaje poprzez dane, projekt modelu, prompty, politykę organizacji, interfejs, osobę weryfikującą i system dystrybucji. Żaden pojedynczy element nie opowiada całej historii przyczynowej. „AI to zrobiła” ściska układ właśnie tam, gdzie rozliczalność wymaga jego rozwinięcia.
Rozproszona sprawczość nie może stać się rozmytą odpowiedzialnością. Ponieważ na rezultat wpływa wiele elementów, organizacja musi precyzyjniej przypisać ludzkie obowiązki na każdym etapie. Model nie wysłucha odwołania, nie zrekompensuje szkody ofierze, nie zadzwoni do bohatera materiału ani nie zmieni budżetu. Odpowiedzialność potrzebuje adresu poza interfejsem.
Odpowiedzialność, rozliczalność i włoska granica nie do przekroczenia
Michał Chlebowski odróżnia responsibility - obowiązki związane z rolą - od accountability, czyli mechanizmów, dzięki którym media są wzywane do odpowiedzi za swoje zobowiązania wobec społeczeństwa. Dziennikarstwo potrzebuje standardów i dobrych intencji, ale także dróg, za pomocą których redakcję można zobowiązać do wyjaśnienia i naprawy własnej pracy (Chlebowski, 2024, pp. 115 - 119).
„Człowiek sprawdza” opisuje co najwyżej obowiązek. Nie mówi nic o dowodzie, że kontrola nastąpiła, o progu jakości ani o procedurze po porażce. Organizacja może posiadać elegancką politykę AI, a jednocześnie nie mierzyć czasu weryfikacji, nie rejestrować sprzeciwów i nie pozwalać operatorowi zatrzymać publikacji. Odpowiedzialność żyje wtedy w dokumencie, a rozliczalność znika z praktyki.
Włoski kodeks etyczny dziennikarzy wyznacza mocną granicę: „sztuczna inteligencja w żaden sposób nie może zastąpić działalności dziennikarskiej” (tłumaczenie autora; Consiglio Nazionale dell’Ordine dei Giornalisti, 2024, art. 19, p. 8). Ten sam artykuł wymaga, aby dziennikarze ujawniali użycie AI do tworzenia lub modyfikowania tekstu, obrazu i dźwięku, zachowywali kontrolę i odpowiedzialność, wyjaśniali charakter wkładu oraz weryfikowali źródła i dane.
To kierunek, nie instrukcja obsługi. Co oznacza kontrola, gdy naraz przychodzi pięćdziesiąt materiałów? Który wkład AI jest na tyle istotny, że wymaga ujawnienia? Kto potrafi ocenić analizę statystyczną? Czy osoba weryfikująca może opóźnić publikację bez kary? Etyka staje się operacyjna dopiero wtedy, gdy te mało efektowne pytania otrzymują odpowiedzi.
Publiczność nie widzi diagramu
W badaniu Reuters Institute przeprowadzonym w sześciu krajach zaledwie 12% respondentów deklarowało, że czuje się komfortowo z wiadomościami w całości tworzonymi przez AI. Odsetek wzrastał do 21%, gdy dodano „człowieka w pętli”, do 43%, gdy człowiek kierował pracą przy pewnej pomocy AI, oraz do 62% w przypadku wiadomości całkowicie stworzonych przez ludzi (Simon et al., 2025, p. 8). Tylko 33% uważało, że dziennikarze zawsze lub często sprawdzają wynik AI przed publikacją (p. 9).
Postawy te nie dowodzą, że konkretna redakcja działa nieodpowiedzialnie. Pokazują jednak, że język nadzoru nie wytwarza automatycznie zaufania.
Czytelnicy nie widzą programu szkoleniowego, diagramu procesu ani panelu administracyjnego. Widzą powstałe dziennikarstwo, jego oznaczenie oraz zachowanie redakcji po błędzie.
Nguyen proponuje ramy odpowiedzialnej integracji AI obejmujące dostawców, dziennikarzy i organizacje medialne, wraz z przejrzystością, szkoleniem, politykami i nadzorem człowieka (Nguyen, 2026, pp. 2 - 7). Kolejny krok polega na potraktowaniu nadzoru jako sekwencji, nie punktu. Człowiek musi być obecny tam, gdzie można jeszcze zmienić dane, wynik, publikację i konsekwencje.
Osoba weryfikująca potrzebuje pięciu rzeczy
Prawdziwy nadzór ma pięć warunków. Usuń jeden, a kontrola może stać się alibi.
Wiedza. Osoba weryfikująca rozumie temat, ograniczenia narzędzia i standard redakcyjny. Biegłość w obsłudze przycisków nie jest fachową wiedzą o twierdzeniu prawnym, zdjęciu wojennym czy modelu statystycznym.
Kontekst. Osoba weryfikująca widzi materiały źródłowe, odpowiednie prompty i przekształcenia, niepewność i wcześniejsze decyzje. Streszczenie bez dokumentacji przypomina sprawdzanie paszportu na podstawie koloru walizki.
Czas. Liczba przypadków i termin pozwalają spełnić obiecany standard. Jeśli weryfikacja wymaga dwóch minut, przeznaczenie na nią dwudziestu sekund nie jest ambitnym celem. Jest matematycznym anulowaniem procedury.
Władza. Człowiek może odmówić, zatrzymać proces, zażądać zmian i eskalować bez nieproporcjonalnej kary. Operator odpowiadający za wynik, lecz pozbawiony możliwości jego zmiany, jest zderzakiem organizacji.
Obowiązek udzielenia odpowiedzi. Po publikacji ktoś musi wyjaśnić decyzję, wysłuchać zastrzeżenia i naprawić szkodę. Nadzór kończący się na kliknięciu nie obejmuje życia materiału.
Osoba dotknięta decyzją też należy do pętli
„Człowiek” w dyskusjach o nadzorze oznacza zazwyczaj pracownika organizacji. W centrum powinien znaleźć się również bohater materiału lub odbiorca decyzji. To jego reputacja, prawo, dostęp do usługi lub miejsce w debacie publicznej mogą ucierpieć.
Badania nad sprawiedliwością proceduralną pokazują, że ludzie oceniają instytucje nie tylko przez wynik, ale też przez proces: możliwość bycia
wysłuchanym, neutralność, pełne szacunku traktowanie i wiarygodność władzy (Tyler, 2006). Zautomatyzowany proces może średnio działać dobrze, a konkretnej osobie odebrać głos. „Algorytm podjął decyzję” zamyka rozmowę tam, gdzie powinna się rozpocząć.
Osoba błędnie zidentyfikowana w materiale wspomaganym przez AI musi móc dotrzeć do człowieka, który widzi dossier dowodowe i może poprawić publikację. Nie powinna być odsyłana do dostawcy modelu ani formularza bez granic. Godność oznacza, że nie traktuje się jej jak wyjątku psującego wskaźnik. Wolność oznacza realną możliwość sprzeciwu. Rozliczalność oznacza wskazanego decydenta wewnątrz instytucji.
Pięć bram rozliczalności
Zastąp jeden zielony przycisk pięcioma bramami. Każda potrzebuje właściciela, wymaganych dowodów, progu eskalacji, prawa zatrzymania i drogi odwołania.
Właściciel procesu określa cel, dozwolone dane, podstawę prawną lub etyczną, wrażliwość, okres przechowywania i zakazane zastosowania. Ocenia reprezentatywność i ryzyko dla źródeł oraz bohaterów materiału. Dowodem jest rejestr użycia danych zatwierdzony przez osobę kompetentną w danej dziedzinie.
Eskalację wywołują dane poufne lub osobowe, informacje o dzieciach, zdrowiu, przemocy lub chronionych źródłach oraz niejasne warunki dostawcy. Odpowiedzialny redaktor i właściwa osoba odpowiedzialna za bezpieczeństwo, kwestie prawne lub ochronę danych mogą zatrzymać użycie. Na tej bramie decyzja „nie użyjemy AI do tego zadania” pozostaje najtańsza.
Wynik jest niezweryfikowaną propozycją, nie tekstem gotowym do publikacji. Wykwalifikowana osoba porównuje go z zatwierdzonymi danymi wejściowymi i źródłami pierwotnymi, sprawdzając fakty, cytaty, liczby, pominięcia, ton, stronniczość i niepewność. Widzi pełny kontekst, nie kartę podglądu.
Dowodem jest dziennik weryfikacji: co sprawdzono, z czym, co zmieniono i kto to zrobił. Eskalacja następuje, gdy nie ma ścieżki źródłowej, dowody są sprzeczne, twierdzenie niesie wysokie ryzyko albo osoba weryfikująca nie ma wiedzy potrzebnej do jego oceny. „Nie rozumiem tego” jest prawidłowym sygnałem zatrzymania, nie wyznaniem słabości.
Redaktor ocenia całość materiału: interes publiczny, proporcjonalność, przewidywalną szkodę, ujawnienie udziału AI, nagłówek, obrazy i możliwość odpowiedzi bohatera. Pyta, czy presja terminu obniżyła standard. Praca wysokiego ryzyka wymaga drugiej pary oczu lub niezależnej recenzji eksperta dziedzinowego.
Dowodem jest podpisana decyzja o publikacji dołączona do stabilnej wersji. Eskalacja jest wymagana w przypadku potencjalnie nieodwracalnej szkody, braku komentarza osoby dotkniętej sprawą lub istotnej zmiany w ostatniej chwili. Prawo zatrzymania musi być silniejsze niż zegar publikacyjny.
Nadzór trwa po publikacji. Redakcja monitoruje wiarygodne sygnały błędów, niezamierzone skutki, reakcje bohaterów oraz anomalie dystrybucji lub personalizacji. Oznaczenia AI i korekty powinny podróżować z materiałem tak daleko, jak wydawca może to rozsądnie zapewnić.
Dowodem jest rejestr monitoringu i wskazana osoba odpowiedzialna. Wiarygodna skarga, gwałtowne rozprzestrzenianie się, szkoda wobec możliwej do zidentyfikowania osoby lub rozbieżność ze źródłem uruchamiają eskalację. Właściciel może wstrzymać promocję, dodać ostrzeżenie lub czasowo ograniczyć materiał, zachowując ścieżkę decyzji.
Każdy materiał oferuje drogę odwołania zrozumiałą dla zwykłego człowieka. Skarga otrzymuje numer, termin i odpowiedzialną osobę. Redakcja zachowuje dossier, ocenia zakres szkody, kontaktuje się z osobą dotkniętą i publikuje korektę proporcjonalną do pierwotnego zasięgu.
Dowodem jest rejestr korekty, uzasadniona decyzja oraz zmiana procesu tam, gdzie błąd miał charakter systemowy. Odwołanie nie może zależeć od liczby obserwujących skarżącego. Człowiek pozbawiony własnej platformy ma takie samo prawo do uczciwego wysłuchania jak osoba publiczna.
Dossier nadzoru
Aby bramy nie stały się kolejnym plakatem, każda musi odpowiedzieć na pięć pytań. Kto? Imię i nazwisko, rola i zastępca. Na jakiej podstawie? Źródła, standard i wymagane dowody. Co uruchamia eskalację? Konkretne progi, nie „w razie potrzeby”. Co człowiek może zrobić? Zatrzymać, zmienić, zasięgnąć wiedzy eksperckiej, wycofać lub naprawić. Jak osoba z zewnątrz może się odwołać? Kanał, termin i poziom decyzyjny.
Dossier nie musi ujawniać danych poufnych ani zabezpieczeń. Musi pozwolić audytorowi odtworzyć, czy doszło do znaczącego nadzoru, czy człowiek jedynie stał obok przycisku.
Wskaźniki wymagają podobnej ostrożności. Liczba zatwierdzonych materiałów nagradza tempo. Mierz czas kontroli, eskalacje, typy błędów, odwołania, czas naprawy i użycie prawa zatrzymania. Brak sprzeciwów może oznaczać system bezbłędny. Może również oznaczać, że sprzeciw jest karany.
Gdzie ludzki nadzór zawodzi
Ludzie nie są magicznymi filtrami jakości. Męczą się, mają uprzedzenia, brakuje im szkolenia i nadmiernie ufają płynnym wynikom. Automatyzacja może osłabiać fachowość, gdy pracownicy przez miesiące zatwierdzają, zamiast ćwiczyć właściwe zadanie. Nadmiar alertów prowadzi do ich rutynowego odrzucania.
Nie każda decyzja potrzebuje też identycznej kontroli. Poprawa interpunkcji i oskarżenie możliwej do zidentyfikowania osoby wymagają innych bram. Skaluj kontrolę zgodnie z potencjalną szkodą, odwracalnością, wrażliwością danych, wielkością publiczności i dostępem do odwołania.
Nawet doskonały proces wewnętrzny nie naprawi każdej słabości zewnętrznego modelu lub infrastruktury. Czasami odpowiedzialną decyzją jest rezygnacja z wdrożenia. Człowiek w pętli nie może legitymizować celu naruszającego godność ani systemu, którego organizacja nie potrafi odpowiednio kontrolować.
Nie pytaj, czy człowiek kliknął
Zapytaj, czy mógł zobaczyć, zrozumieć, zakwestionować i zatrzymać. Zapytaj, czy organizacja zachowała dowód tej pracy. Zapytaj, czy osoba dotknięta skutkami może dotrzeć do człowieka mającego władzę coś zmienić.
Zielony przycisk jest wygodnym symbolem, ponieważ rysuje odpowiedzialność jako punkt końcowy. W rzeczywistości rozliczalność przebiega przez całe życie materiału, od danych po korektę. Człowiek nie powinien dekorować końca pętli. Powinien trzymać klucze do pięciu bram - i mieć obowiązek otworzyć je również od strony publiczności.
Przyszłość rzadko przychodzi z datą wydrukowaną na pudełku. Wchodzi jako ustawienie domyślne, szybszy sposób pracy, pomocne streszczenie albo zielony przycisk z napisem Zatwierdź. Kiedy zaczynamy nazywać ją transformacją, wiele jej założeń zdążyło już stać się codziennością.
Eseje z tej książki podążały za tymi założeniami do redakcji, telefonów, wyszukiwarek odpowiedzi, syntetycznych obrazów i systemów zautomatyzowanych. Raz po raz głównym problemem nie było to, że technologia nie potrafi zrobić niczego pożytecznego. Problem polegał na tym, że użyteczność może ukrywać transfer władzy. System wybiera, zanim odpowie; redaguje, zanim przemówi; klasyfikuje, zanim człowiek zdoła się sprzeciwić. Wygoda jest realna, ale realni są również ludzie, którzy dostarczają dane, ponoszą koszty błędów, naprawiają wyniki i znikają z prezentacji sprzedażowej.
Dlatego komunikacja skoncentrowana na człowieku nie może oznaczać umieszczenia dekoracyjnej osoby na końcu automatycznego łańcucha. Ludzki podpis nie jest kliknięciem. To zdolność wyjaśnienia decyzji, zakwestionowania ramy, ochrony źródła, zachowania niepewności, odmowy publikacji, naprawienia szkody i pozostania odpowiedzialnym także później. Obejmuje również wolność osoby dotkniętej skutkami decyzji: możliwość zrozumienia, sprzeciwu i odwołania się.
Proponowane tu protokoły są świadomie praktyczne, ale żaden nie jest automatem wydającym moralność. Listy kontrolne nie produkują odwagi, a rejestry pochodzenia nie rozstrzygają, czemu należy się uwaga. Mogą jednak spowolnić moment, w którym odpowiedzialność najłatwiej znika. Zamieniają niewidoczne założenie w pytanie, które współpracownicy, odbiorcy i wspólnoty mogą wspólnie zbadać.
Kadrować jutro to decydować, co znajdzie się na obrazie, co pozostanie poza nim i komu wolno trzymać kamerę. Sztuczna inteligencja może poszerzać
dostęp, odkrywać wzorce i usuwać zbędną pracę. Może również z niezwykłą szybkością odtwarzać wykluczenie. Różnicy nie wyznaczy sama maszyna.
Jutro zostanie ukształtowane przez tysiące drobnych decyzji redakcyjnych, technicznych i instytucjonalnych. Każda z nich potrzebuje właściciela, wyjaśnienia oraz drogi prowadzącej z powrotem do ludzi, którzy ponoszą jej konsekwencje. Przyszłość może być częściowo syntetyczna. Odpowiedzialność nie. Nadal wymaga ludzkiego podpisu.
Źródła
- Diakopoulos, N. (2015). Algorithmic accountability: Journalistic investigation of computational power structures. Digital Journalism, 3(3), 398 - 415. https://doi.org/10.1080/21670811.2014.976411
- Skrzypiec, A. (2025). Human-Machine Communication jako nowy obszar badań w nauce o komunikacji społecznej i mediach [Human - Machine Communication as a new field in social communication and media research]. Media i Społeczeństwo, 22(1/2), 17 - 49. https://doi.org/10.5604/01.3001.0055.2179
- Chlebowski, M. (2024). AI w newsach. Standardy dziennikarskie, praktyki redakcyjne, wyzwania [AI in news: Journalistic standards, newsroom practices and challenges]. Media i Społeczeństwo, 20(1/1), 109 - 120. https://doi.org/10.5604/01.3001.0054.6516
- Simon, F. M., Nielsen, R. K., & Fletcher, R. (2025). Generative AI and news report 2025: How people think about AI’s role in journalism and society. Reuters Institute for the Study of Journalism. https://doi.org/10.60625/risj-5bjv-yt69
- Nguyen, T. C. (2026). Artificial intelligence and implications for journalistic responsibility and media organizational policy. Communication and the Public, 1 - 8. https://doi.org/10.1177/20570473261435720
- Tyler, T. R. (2006). Why people obey the law. Princeton University Press. United Nations, Office of the Secretary-General’s Envoy on Technology, & International Labour Organization. (2024). Mind the AI divide: Shaping a global perspective on the future of work. United Nations Digital Library. van Dijck, J. (2014). Datafication, dataism and dataveillance: Big data between scientific paradigm and ideology. Surveillance & Society, 12(2), 197 - 208. https://doi.org/10.24908/ss.v12i2.4776