Nowy model LLM, nowy ból głowy?

Michał Nowakowski · 6 września 2026

Ukryty koszt nowych modeli LLM. Czym jest i dlaczego nie chodzi o technologię a człowieka? I jak - tworząc dobrze skonstruowany system zarządzania systemami AI - zyskać przewagę i bezpieczeństwo?

"Nowa generacja inteligencji" - tak OpenAI reklamuje najnowszy model Astra-6, który zdaniem niektórych jest przeciętny na tle innych, a według niektórych jest totalnym game changerem. Nie oceniam, sam korzystam w zasadzie wyłącznie z modeli Anthropic, ale nie mogę ignorować ważnej kwestii dla AI Governance i rozwoju organizacji. A o co mi chodzi?

Wraz z rozwojem narzędzi i coraz lepszymi wynikami zwiększa się nam niewidzialne ryzyko. Ryzyko nadmiernego polegania (overreliance), dla którego w art. 14 AI Act znajdziemy propozycję działań (sam przepis dotyczy systemów AI wysokiego ryzyka). Ryzyko to można opisać +/- jako oddanie "myślenia" do narzędzia, czyli:

🛠️ automatycznego (jest ok, niech leci; czasem sam się na tym łapię!) lub

🧠 nadmiernego polegania na tym co widzimy na ekranie.

Bez krytycznej analizy, bez refleksji i nałożenia na to doświadczenia człowieka. Nowe modele, jeżeli faktycznie są coraz lepsze w różnych zadaniach, jak np. kodowanie czy analizy prawne, powodują że ludzie, którzy z nich korzystają - niezależnie czy przez systemy agentowe, czy asystentów AI - będą zbyt ufnie podchodzić do outputów i działań proponowanych przez te rozwiązania.

Dlatego tak ważne jest, aby stworzyć w organizacji zestaw zasad i polityk, ale także narzędzi (safeguardów) które:

✅ umożliwią nam zrozumienie możliwości i ograniczeń rozwiązań AI,

✅ pozwolą na monitorowanie korzystania z narzędzi i jak one działają np. w systemach bardziej autonomicznych,

✅ zbudują "osłonki" dla człowieka w zakresie wspomnianego błędu automatyzacji, np. poprzez odpowiednio opisane i zakomunikowane procesy.

To wszystko wymaga zaprojektowania podejścia na wielu poziomach, tj. organizacyjnym (odpowiedzialności), technicznym (kontrolki) i ludzkim (świadomość i kompetencje).

Polityka korzystania z narzędzi AI będzie niewystarczająca. Ludziom należy pokazywać konkretne przykłady (te z niezbyt pozytywnym finałem), uczulać na ryzyka i nieustannie podnosić kwalifikacje.

Rozważmy cykliczne "benchmarki" dostępnych narzędzi i zmian (nowe modele, przeznaczenie) tłumaczone na realia biznesowe i procesy, które wykorzystują ludzie.

Tak więc zamiast ekscytować się nowymi modelami powinniśmy wprowadzić mechanizm "due diligence" i komunikacji, który może działać tak:

💣 wychodzi nowy "bombastyczny" model i od razu weryfikujemy co się zmienia względem tego co mamy i przygotowujemy podsumowanie,

🧠 podsumowanie leci do wszystkich zainteresowanych, aby mogli zrozumieć czego mogą oczekiwać, a co jest PR'owym szumem, ale także jakie są ryzyka związane z "błyskotką",

❓zbieramy feedback co do działania rozwiązania lub realnych potrzeb i podejmujemy dalsze decyzje.

Krótko i na temat. Mam nadzieję. A jeżeli interesuje Was ta tematyka, to wiecie do czego Was zachęcam?