W 2026 roku sztuczna inteligencja przestaje być technologiczną innowacją, a staje się kluczowym elementem infrastruktury biznesowej i cyfrowej. Organizacje przechodzą od eksperymentów z AI do jej masowego wdrażania w procesach operacyjnych, decyzyjnych i produktowych.
Wraz z tą transformacją dane stają się strategicznym fundamentem – ich jakość, zarządzanie oraz zdolność interpretacji decydują o przewadze konkurencyjnej i skuteczności systemów AI. Na ich podstawie nasz asystent AI przedstawia swoją odpowiedź na nasze zapytanie. I tutaj niestety dochodzimy do punktu, gdzie nie wszyscy radzą sobie z informacjami, które otrzymają do swojego asystenta AI. Wierzą, że informacja ta jest poprawna, bez głębszej analizy i zastanowienia. Do momentu, aż na spotkaniu biznesowym lub towarzyskim jeden z naszych rozmówców wytknie, że informacja ta jest fałszywa, zmyślona lub – stosując terminologię techniczną – jest to halucynacja modelu AI.
AI JEST oparte NA prawdopodobieństwie, nie NA FAKTACH
Modele generatywnej sztucznej inteligencji bazują na potężnych pokładach danych i prawdopodobieństwie. Analizują nasze zapytanie i generują odpowiedź na podstawie prawdopodobieństwa pojawienia się zlepka słów w danej tematyce.
Autorzy tych modeli dążą do tego, aby to prawdopodobieństwo było jak najwyższe, ale nigdy nie będzie ono stuprocentowe. Dlatego w detalach zdarzają się błędy lub inaczej halucynacje, o których wspomniałem.
Kluczowym aspektem korzystania z narzędzi AI staje się więc umiejętność krytycznej oceny uzyskanych odpowiedzi. Kompetencja ta wymaga zdolności:
- przeczytania informacji,
- zrozumienia jej kontekstu,
- interpretacji znaczenia,
- wyciągnięcia adekwatnych wniosków.
Data literacy jako kompetencja infrastrukturalna
Umiejętność rozumienia i interpretowania danych (z ang. data literacy) przestaje być domeną analityków zamkniętych w działach BI. Staje się kompetencją powszechną – fundamentem codziennego funkcjonowania w świecie, w którym niemal każda decyzja ma swoje liczbowe uzasadnienie. To już nie jest dodatkowa umiejętność „na plus”. To warunek świadomego działania – zarówno zawodowego, jak i prywatnego.
Współczesny użytkownik nie ma komfortu ignorowania danych. Jest nimi otoczony i – chcąc nie chcąc – musi się z nimi mierzyć każdego dnia. Dane:
- finansowe,
- zdrowotne,
- konsumenckie,
- organizacyjne,
- sprzedażowe
nieustannie wpływają na nasze wybory. Pokazują nam, ile zarabiamy i ile wydajemy. Informują o jakości naszego snu i kondycji organizmu. Podpowiadają, które produkty kupują klienci i które obszary biznesu rosną szybciej od innych.
Możemy je zignorować. Możemy też bezrefleksyjnie przyjąć pierwszą interpretację – często wygenerowaną przez algorytm. Jednak dopiero świadoma analiza nadaje im wartość. W każdym z tych obszarów kluczowe znaczenie ma zdolność właściwej interpretacji danych – zrozumienia kontekstu, proporcji, ograniczeń oraz konsekwencji podejmowanych decyzji.
W erze, w której AI potrafi generować odpowiedzi w kilka sekund, to właśnie ludzka zdolność rozumienia danych staje się elementem stabilizującym system. Bez niej technologia pozostaje szybka, ale niekoniecznie trafna. Z nią – staje się realnym wsparciem w podejmowaniu odpowiedzialnych decyzji.
Przykłady zastosowania kompetencji data literacy
Spójrzmy na nasze finanse. Jesteśmy w okresie rozliczeń podatkowych. Przez analizę naszej deklaracji PIT jesteśmy w stanie przygotować podsumowanie naszego ostatniego roku, na przykład średni przychód/dochód. Warto pamiętać o możliwości zastosowaniu ulg podatkowych, co też wymaga od nas przejścia przez proces analizy dostępnych opcji. Zrozumienia, które ulgi są odpowiednie dla nas i dzięki wyciągnięciu wniosku, wypełniamy odpowiednie kolumny w naszym zeznaniu podatkowym. Musimy to zrobić sami, system za nas tego nie zrobi. Może spróbować, ale najczęściej będą występować błędy. Oczywiście, może to zrobić księgowa, jeśli z jej usług korzystamy. Natomiast zawsze warto sprawdzić, jak to rozliczenie zostało przygotowane.
Pozostając przy finansach, można iść dalej. Jeśli jest dochód, to posiadamy również budżet domowy, który należy w jakiś sposób zarządzać. Analiza na co przeznaczamy nasze ciężko zarobione pieniądze – rachunki, czynsz, kredyt, zakupy spożywcze i inne – pomoże nam w odpowiednim zaplanowaniu naszych wydatków. Przy analizie naszych wydatków warto pamiętać o kilku aspektach. Porównywanie miesiąca do miesiąca może być złudne. Po pierwsze, miesiące w roku mają różną liczbę dni. Przez to w danym miesiącu – na przykład w lutym – możemy wydać mniej na nasze potrzeby, a w innym więcej. Kolejną rzeczą są święta/wolne. W tych okresach zdarza się nam wydawać więcej, co też może być odpowiednio zaplanowane. Na przykład to co jesteśmy w stanie zaoszczędzić w lutym – ze względu na mniejszą ilość w dni w miesiącu – możemy wydać na wyjazd majowy lub jakieś inne wydarzenie. Analiza budżetu domowego pozwoli również na zabezpieczenie się przed nagłymi sytuacjami, które mogą spotkać każdego z nas, więc poświęcając temu swój czas będzie również miało wpływ na nasze bezpieczeństwo.
Kolejny przykład jest związany z tym co nosimy na naszej lewej lub prawej ręce. Chodzi o smart band’a, smart watch’a lub inne urządzenie, które monitoruje nasze dzienne poczynania. Sprawdza ilość kroków, nasze tętno, saturacje, jakość snu i wiele innych rzeczy, które potem możemy analizować przy pomocy aplikacji w telefonie, do której nasze smart urządzenie jest podpięte. Ile osób, z których czytają ten tekst poświęciło swój czas, żeby rzeczywiście przeanalizować zebrane dane i wyciągnąć z ich wnioski. Coś zmienić – oczywiście jeśli to jest możliwe – żeby osiągnąć lepsze parametry życiowe. W końcu robimy dla naszego zdrowia i długowieczności. Problem jest taki, że aplikacja nie podaje informacji, jakie są odpowiednie parametry dla konkretnego użytkownika, ponieważ jest wiele aspektów, jakie trzeba wziąć pod uwagę. Więc w tym wypadku albo musimy sięgnąć po zewnętrzne źródła lub skonsultować się z odpowiednią osobą, np. lekarzem, żeby móc stwierdzić, czy te parametry, które są mierzone, są odpowiednie. Warto to zrobić dla siebie.
Dlatego musimy pamiętać, że sama dostępność narzędzi nie gwarantuje wartości. Warunkiem efektywnego wykorzystania ich staje się poziom kompetencji użytkowników w zakresie rozumienia i interpretowania danych (data literacy).
Kontekst europejski
Według danych Eurostatuii, koło 85% Europejczyków żyjących w większych miastach posiada podstawowe umiejętności czytania i rozumienia przedstawionych danych. W przypadku mniejszych miast jest to około 80% a na wsi 78%. Niestety w Polsce różnice pomiędzy aglomeracjami są większe tj. 88% w większych miastach, w mniejszych jest to 83% a na wsiach jest to 77%. Z drugiej strony mamy kraje w Europie, jak Holandia, Islandia czy Norwegia, gdzie praktycznie nie ma różnic pomiędzy aglomeracjami a wskaźniki umiejętności oczytania danych są bliskie 96-98%. Daje to do myślenia, że mimo dobrych wyników w Polsce, jest miejsce do poprawy i uświadamiania społeczeństwa o potrzebie rozumienia tego co czytamy, jak analizujemy wykresy i jakie wnioski powinniśmy wyciągać.
Wnioski
Podsumowując, pełna implementacja narzędzi AI – zarówno w życiu zawodowym, jak i prywatnym – wymaga czegoś więcej niż dostępu do technologii. Wymaga dojrzałości w czytaniu, rozumieniu i weryfikowaniu informacji, które otrzymujemy.
Przekazanie odpowiedzialności za ocenę prawdziwości danych wyłącznie algorytmowi może prowadzić do niepożądanych konsekwencji – od drobnych błędów operacyjnych po poważne decyzje oparte na nieprecyzyjnych lub błędnych przesłankach. Dlatego wyniki generowane przez narzędzia AI powinny być każdorazowo konfrontowane z wiedzą użytkownika, jego doświadczeniem oraz – w razie potrzeby – dodatkowymi źródłami.
To właśnie ten moment weryfikacji odróżnia bezrefleksyjne korzystanie z technologii od jej świadomego wykorzystania.
Dzięki krytycznej analizie decyzje, które podejmujemy, stają się bardziej trafne i lepiej osadzone na rzeczywistych danych, a nie w ich pozornie przekonującej interpretacji. W konsekwencji rośnie efektywność naszej pracy, jakość podejmowanych działań oraz bezpieczeństwo decyzji – zarówno tych dotyczących codziennych wyborów, jak i kluczowych kwestii biznesowych.
AI może znacząco przyspieszyć proces podejmowania decyzji. Odpowiedzialność za ich jakość nadal jednak pozostaje po stronie człowieka.
