Młoda wykładowczyni nagrywa wiadomość głosową po trudnych zajęciach. Brzmi na zmęczoną, rozbawioną i niepewną. Jest żart, który zrozumieją tylko jej studenci, zdanie ciągnące się zbyt długo i jedno szczere przyznanie: „Mogę się w tej sprawie mylić”. Prosi asystenta AI, by zamienił nagranie w post na LinkedIn.
Wynik jest nieskazitelny. Żart zniknął. Wątpliwość stała się „kluczowym spostrzeżeniem”. Długie zdanie maszeruje teraz w trzech zdyscyplinowanych punktach. Wykładowczyni jest podobno „podekscytowana, że może ogłosić” coś, czego wcale nie planowała ogłaszać.
Czyta tekst, krzywi się, a następnie go publikuje. Post osiąga dobre wyniki.
Nie stało się nic dramatycznego. Żaden deepfake nie ukradł jej twarzy. Żaden haker nie przejął konta. A jednak nastąpiła drobna zmiana konstytucyjna: system napisał wersję jej osoby, którą spotkają inni ludzie. Jeśli dzieje się to codziennie, interesujące pytanie brzmi nie tylko, czy maszyna poznaje jej głos. Brzmi także: czy ona zaczyna uczyć się jego maszynowej wersji.
Ghostwriter przeniósł się do wnętrza rozmowy
Tradycyjni ghostwriterzy od dawna pomagają politykom, dyrektorom i osobom publicznym brzmieć spójniej, niż zwykle pozwalają na to śniadanie, jet lag lub ludzka natura. Pracują w ramach układu społecznego: ktoś przekazuje im wytyczne, ktoś może je zakwestionować, a ktoś wie, że ostateczne „ja” zostało wynegocjowane.
Generatywna AI czyni ten układ zwyczajnym, prywatnym i ciągłym. Może przepisać e-mail przed śniadaniem, złagodzić spór w południe, przygotować kondolencje po południu i prowadzić konto społecznościowe przez noc. W komunikacji zapośredniczonej przez AI technologia nie tylko przenosi wiadomość
od A do B. Może ją zasugerować, poprawić, zmienić lub stworzyć (Hancock et al., 2020). Jak ujmuje to Aleksandra Skrzypiec, „AI działa w imieniu ludzi” (2025, p. 32, tłumaczenie autora).
To krótkie zdanie zmienia mapę. Maszyna nie jest ani biernym piórem, ani pełnym podmiotem moralnym. Jest aktywnym uczestnikiem bez własnej biografii, podatności na zranienie i odpowiedzialności. Badania nad komunikacją człowiek - maszyna pytają zatem nie tylko, co urządzenie może zrobić, lecz także jak ludzie rozumieją siebie w relacji z nim. Rama relacyjna jest tu szczególnie użyteczna: problemem nie jest wyłącznie jakość wyniku, lecz interpretacje tworzące się między osobą a systemem (Guzman & Lewis, 2020; Skrzypiec, 2025, pp. 35 - 36).
Pierwszym błędem jest wyobrażenie sobie czystej granicy między „moim pomysłem” a „jego sformułowaniem”. Sformułowanie niesie stanowisko. Porównajmy: „Obawiam się, że ta polityka może zawieść” oraz „Ta polityka jest z gruntu błędna”. Temat faktograficzny jest podobny; postać publiczna - nie. Pierwsza osoba zaprasza do badania. Druga wchodzi do pokoju w retorycznych poduszkach na ramionach.
Publiczne „ja” jest czymś, co ćwiczymy
Erving Goffman w swojej analizie autoprezentacji nie traktował tożsamości jak kamienia ukrytego w naszym wnętrzu i czekającego na odkrycie. Życie społeczne przypomina ciąg przedstawień kształtowanych dla określonych odbiorców, ze sceną, kulisami i nieustannymi naprawami, gdy dekoracja zaczyna się chwiać (Goffman, 1959). Nie musimy być nieuczciwi, kiedy inaczej rozmawiamy ze studentem, redaktorem i bliskim przyjacielem. Wybieramy części złożonego „ja” odpowiednie do sytuacji.
AI wprowadza do tego teatru potężnego garderobianego. Zna kostiumy lubiane przez platformy profesjonalne: pewność, szybkość, jasność, nieustanną użyteczność i podejrzany entuzjazm wobec „podróży”. Potrafi sprawić, że osoba wahająca się brzmi zdecydowanie, a osoba zła - spokojnie i strategicznie. Po publikacji kostium staje się jednak dowodem. Koledzy na niego reagują. Pracodawcy go nagradzają. Czytelnicy oczekują, że kolejne przedstawienie będzie pasować.
Tutaj znaczenie mają efekty zwrotne dla nadawcy. Komunikacja wpływa nie tylko na odbiorcę, lecz także na mówiącego. Stanowisko powtarzane publicznie może stać się częścią jego rozumienia siebie, zwłaszcza gdy inni reagują, a on musi
zachować spójność. W przypadku AI pętla obejmuje język, którego osoba nie stworzyła w pełni. Sekwencja może wyglądać tak:
1. system proponuje bardziej dopracowaną personę;
2. osoba zatwierdza ją, ponieważ jest skuteczna;
3. odbiorcy nagradzają tę personę;
4. osoba odbiera nagrodę jako informację o tym, kim jest;
5. kolejne prompty proszą system o więcej tego samego.
To mechanizm wiarygodny, nie dowód, że miesiąc redagowania z AI przeprogramowuje osobowość. Badania nad klonami AI w mediach społecznościowych są wciąż wczesne i należy je traktować jako sygnał ostrzegawczy, a nie diagnozę całej populacji (Liu et al., 2026, pp. 1 - 31). Eksperymenty dotyczące publikowania społecznościowego z pomocą AI badają również ograniczone zachowania, nie migrację całego „ja” (Møller et al., 2026). Skromniejsze twierdzenie jest już wystarczająco poważne: powtarzalne delegowanie może zawężać zakres głosów, których osoba czuje się w stanie używać.
Jak głos dryfuje, choć nikt tego nie wybiera
Dryf głosu rzadko przychodzi ze złowrogim powiadomieniem: „Dziś w nocy zaktualizujemy twoją osobowość”. Rośnie dzięki wygodzie.
Najpierw pojawia się asymetria sugestii. Pusta strona oferuje tysiące możliwych zdań; wersja AI oferuje jedną łatwo dostępną ścieżkę. Redagowanie istniejącego akapitu jest poznawczo łatwiejsze niż odzyskanie niewypisanych alternatyw. Pierwszy szkic ustawia więc temperaturę w pokoju.
Potem następuje selekcja metryczna. Platformy nagradzają niektóre style widoczniej niż inne. Zgrabny wątek z mocnym twierdzeniem może osiągnąć lepszy wynik niż ostrożny akapit zawierający niepewność. Użytkownik uznaje, że maszyna odnalazła jego „najlepszy głos”, choć mogła znaleźć głos najbardziej czytelny dla systemu rankingowego.
Następnie działa sprzężenie z archiwum. Asystent otrzymuje polecenie naśladowania wcześniejszych postów, z których wiele sam pomógł napisać. Styl syntetyczny zaczyna trenować kolejny styl syntetyczny. To komunikacyjny odpowiednik kopiowania kopii i nazywania blednących krawędzi marką osobistą.
Czwarty jest zobowiązanie społeczne. Po opublikowaniu dziesięciu bezkompromisowych postów przez dyrektora bardziej zniuansowany jedenasty może wydawać się słaby. Gdy twórca przyjmie swobodną intymność, powściągliwość może wyglądać na zdradę. Odbiorcy stają się nieformalnym mechanizmem egzekwującym personę częściowo wytworzoną przez optymalizację.
Wreszcie pojawia się agentifikacja. System przechodzi od pisania do działania: odpowiada na komentarze, wybiera, co opublikować, lub utrzymuje klona, który wchodzi w interakcje, gdy właściciel śpi. Moralny dystans między osobą a wiadomością rośnie, lecz publiczne przypisanie pozostaje. „Mój agent to opublikował” jest wyjaśnieniem, nie etyczną gumką.
Kto płaci, gdy dopracowane „ja” staje się obowiązkowe?
Najbardziej oczywistym kosztem jest zażenowanie: osoba brzmi pompatycznie, ogólnikowo albo dziwnie amerykańsko w wiadomości do polskiej cioci. Głębsze koszty dotyczą wolności i nierównej władzy.
Rozważmy hipotetyczny przypadek reportera freelancera, którego naturalny angielski jest precyzyjny, lecz wyraźnie niematczyny. Asystent wielokrotnie usuwa regionalne zwroty i ostrożne sformułowania. Redaktorzy zaczynają oczekiwać gładszej wersji. Reporter musi teraz używać AI nie po to, by zyskać przewagę, lecz by pozostać zatrudnialnym jako osoba zareklamowana przez system. Wygoda stała się prywatnym podatkiem.
Albo pomyślmy o lokalnym aktywiście, którego autorytet bierze się z mówienia jako członek społeczności. Jeżeli AI zastępuje lokalny idiom globalnym dialektem komunikacji kampanijnej, przekaz może dotrzeć dalej, a mówca stać się mniej rozpoznawalny dla reprezentowanych osób. Różnica językowa nie jest brudem na obiektywie. Czasami dowodzi, że obiektyw należy do kogoś.
Koszt może obciążać także odbiorców. Czytelnik może wierzyć, że przeprosiny, wyraz żalu lub przekonanie polityczne oddają przemyślane słowa osoby, choć zostały wygenerowane, wybrane albo opublikowane przy luźnym nadzorze. Nie oznacza to, że każde użycie AI należy ujawniać. Sprawdzanie pisowni nie jest kryzysem konstytucyjnym. Próg etyczny rośnie wraz ze stawką: tożsamością, zobowiązaniem, podatnością na zranienie, autorytetem i możliwością szkody.
Godność człowieka obejmuje tu prawo do niedoskonałego głosu: pauzy, zmiany zdania, używania odmiany mniejszościowej, brzmienia mniej atrakcyjnie rynkowo
i odmowy ciągłego występu. Autonomia nie jest jedynie możliwością naciśnięcia „zatwierdź”. Wymaga rzeczywistych alternatyw, informacji potrzebnych do zrozumienia delegowania oraz prawdziwego sposobu jego cofnięcia.
Odpowiedzialności nie można delegować składnią
AI komplikuje autorstwo, lecz nie sprawia, że odpowiedzialność wyparowuje. Użyteczne jest rozróżnienie między wkładem przyczynowym a obowiązkiem odpowiedzi. Model może wnieść tysiące tokenów; osoba lub organizacja, która go wdraża, zatwierdza i czerpie korzyści, nadal musi odpowiadać za przewidywalne skutki.
Odpowiedzialność jest współdzielona, a nie magicznie skupiona w ostatniej osobie klikającej przycisk. Platforma projektująca automatyczne publikowanie, pracodawca wymagający syntetycznej produktywności i menedżer, który nie daje czasu na przegląd, wspólnie kształtują wynik. Wspólna odpowiedzialność nie może jednak stać się odpowiedzialnością rozcieńczoną, w której każdy ma dziesięć procent, a nikt nie odbiera telefonu.
Przy komunikacji wysokiego ryzyka trzy pytania powinny zawsze mieć wskazanego ludzkiego adresata:
● Kto zezwolił systemowi mówić w tej dziedzinie?
● Kto mógł zatrzymać lub zmienić wiadomość przed publikacją?
● Kto później poprawi zapis i naprawi szkodę?
Jeżeli odpowiedzią na wszystkie trzy jest „użytkownik”, użytkownik musi naprawdę mieć czas, kontekst i kontrolę. Ceremonialny przycisk zatwierdzenia umieszczony po tysiącu automatycznych odpowiedzi nie jest kontrolą. To małe zielone alibi.
Konstytucja głosu: siedem klauzul utrzymujących „ja” w pętli
Konstytucja głosu jest krótkim dokumentem roboczym, nie uroczystym pergaminem strzeżonym przy dźwięku trąb. Mieści się na jednej stronie. Jej celem jest zamiana mglistego poczucia komfortu w wyraźne granice.
1. Zdefiniuj delegowanie. Wymień dozwolone zadania: pisownię, skracanie, tłumaczenie, warianty nagłówków, kontrolę tonu. Następnie wymień zadania wykluczone. Redakcja może pozwalać AI skracać e-mail logistyczny, lecz
zakazywać jej pisania przeprosin, korespondencji ze źródłami, poparcia politycznego lub wypowiedzi o osobistym doświadczeniu reportera.
2. Zachowaj ludzką podstawę. Przechowuj kilka samodzielnie napisanych próbek z różnych kontekstów: wyjaśniających, humorystycznych, krytycznych, intymnych i niepewnych. Nie są promptami do idealnego naśladowania. Są punktami odniesienia pozwalającymi wykryć systematyczne straty - na przykład zniknięcie każdego zastrzeżenia albo zamianę wszystkich lokalnych zwrotów w korporacyjną tapetę.
3. Trzymaj oryginał obok wersji poprawionej. Przy istotnych wiadomościach przeglądaj zmiany w widoku porównawczym. Pytaj nie tylko „Czy jest lepiej?”, lecz „Jakie stanowisko, emocja lub relacja uległy zmianie?”. Krótsze zdanie może być również ostrzejsze. Płynne tłumaczenie może po cichu usunąć niejednoznaczność, którą źródło chciało zachować.
4. Ustal poziomy ryzyka. Tekst niskiego ryzyka, taki jak notatki kalendarzowe, może zostać wysłany po lekkiej kontroli. Publiczne posty średniego ryzyka wymagają zatwierdzenia linijka po linijce. Komunikacja wysokiego ryzyka - przeprosiny, świadectwa, decyzje kadrowe, twierdzenia zdrowotne, stanowiska polityczne i wiadomości wysyłane w cudzym imieniu - wymaga świadomego ułożenia przez człowieka lub udokumentowanego przeglądu. Bez autonomicznej publikacji.
5. Oznacz autorstwo tam, gdzie ma znaczenie. Ujawnienie powinno być użyteczne, nie teatralne. „Stworzono z AI” nie mówi czytelnikowi prawie nic. Podaj właściwy wkład: przetłumaczono, w znacznej części przygotowano szkic, użyto głosu syntetycznego, zautomatyzowano odpowiedzi albo fakty niezależnie sprawdził wskazany redaktor. Celem jest świadoma interpretacja, nie rytualna spowiedź.
6. Przeprowadzaj comiesięczny test dryfu. Weź nowy akapit napisany przez człowieka i porównaj go z ostatnimi wynikami wspomaganymi. Szukaj powtarzalnych zmian w pewności, cieple, słownictwie, humorze, odniesieniach kulturowych i gotowości do sporu. Zapytaj zaufanego kolegę, czy głos publiczny nadal przypomina daną osobę. Zapisz decyzję o kontynuowaniu, ograniczeniu lub zakończeniu delegowania.
7. Zapewnij odwołanie i naprawę. Użytkownik musi móc wyłączyć agenta, usunąć zapisane profile stylu tam, gdzie pozwala na to usługa, wyeksportować oryginały i poprawić wysłane wiadomości. Organizacja powinna ustalić, kto wstrzymuje automatyczną komunikację podczas choroby, konfliktu lub kryzysu reputacyjnego. Klon bez wyłącznika awaryjnego nie jest pomocą; jest lokatorem.
Czego konstytucja nie rozwiąże
Żaden protokół nie wyodrębni czystego, przedtechnologicznego „ja”. Ludzkie głosy zawsze współtworzyli nauczyciele, redaktorzy, przyjaciele, gatunki i instytucje. Nie każda zmiana stylistyczna jest też stratą. AI może pomóc osobie z dysleksją jaśniej wyrazić pomysł, dać autorowi piszącemu w drugim języku dostęp do profesjonalnego obiegu albo umożliwić samodzielną komunikację osobie z zaburzeniem mowy. Odmowa pomocy w imię „autentyczności” może stać się własną formą wykluczenia.
Konstytucja nie naprawi również ekonomii platform nagradzającej przewidywalne występy ani nie ujawni wszystkich wpływów w modelu własnościowym. Użytkownik może monitorować wyniki, nie wiedząc, które style uprzywilejowano podczas treningu. Miesięczne porównanie nie zmierzy też tożsamości z laboratoryjną precyzją.
Dlatego celem nie jest czystość. Jest nim odwracalne autorstwo: zdolność zobaczenia, co delegowano, zakwestionowania wyniku i powrotu do głosu, który nie stał się ekonomicznie niemożliwy.
Wykładowczyni z pierwszej sceny nie musi wyrzucać dopracowanego posta. Może przywrócić żart, oddać niepewność i usunąć „podekscytowana, że może ogłosić”. Ostateczna wersja może osiągnąć słabsze wyniki. Może jednak wykonać ważniejsze zadanie: pozwolić osobie rozpoznawanej przez studentów pozostać rozpoznawalną dla samej siebie.
AI może trzymać pióro. Nie powinna po cichu zdobywać głosu decydującego o tym, kim jest „ja”.
Źródła
- Hancock, J. T., Naaman, M., & Levy, K. (2020). AI-mediated communication: Definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, 25(1), 89 - 100. https://doi.org/10.1093/jcmc/zmz022
- Guzman, A. L., & Lewis, S. C. (2020). Artificial intelligence and communication: A Human - Machine Communication research agenda. New Media & Society, 22(1), 70 - 86. https://doi.org/10.1177/1461444819858691
- Goffman, E. (1959). The presentation of self in everyday life. Doubleday Anchor Books.
- Gu, R., Chen, Z., Peng, M., Liu, C., & Lin, Z. (2026). Why sycophantic LLMs may imperil interactive norms between humans. Communications Psychology, 4, Article 96. https://doi.org/10.1038/s44271-026-00486-9
- Møller, A. G., Romero, D. M., Jurgens, D., & Aiello, L. M. (2026). The impact of generative AI on social media: An experimental study. Scientific Reports, 16, Article 9376. https://doi.org/10.1038/s41598-026-40110-8