Wokół AI narosło i ciągle narasta dużo magicznego myślenia. Jedni traktują model jak mądrzejsze Google. Drudzy jak doradcę strategicznego. Trzeci jak kogoś, kto w końcu powie im prawdę.
Tylko to wszystko to jest ściema.
Bo model nie daje najlepszej odpowiedzi.
On tylko daje odpowiedź, która najbardziej przypomina coś, co brzmi jak dobra odpowiedź.
Lecz clue do tego jest takie , że to nie jest mała różnica. To jest gigantyczna różnica. To są dwie różne strony.
Przeczytajcie to https://hbr.org/2026/03/researchers-asked-llms-for-strategic-advice-they-got-trendslop-in-return
Ciekawe zjawisko opisane pod linkiem powyżej “trendslop”. Chodzi o sytuację, w której LLM-y przy pytaniach strategicznych nie rozumują naprawdę do konkretnego przypadku, tylko wpadają w powtarzalne, modne, bezpieczne wzorce odpowiedzi. Zamiast osądu dostajemy elegancko podane klisze wygenerowane z wyuczonych wzorców.
Slop nie oznacza tu zwykłej głupoty. To nie jest bełkot. To nie jest losowość.
Teraz naprawdę tak myślę, że to jest coś znacznie, znacznie gorszego
To jest uśredniona mądrość internetu podana tak, jakby była wynikiem myślenia.
Jest to bardzo zdradliwe, bo tych najmądrzejszych sprowadzamy do środka opinii.
Gdy człowiek mówi coś głupiego wprost, zwykle da się to wyczuć.
Coś zgrzyta, może brakuje logiki, jakiegoś kontaktu z rzeczywistością.
Ale model nie działa w ten sposób.
On potrafi powiedzieć rzecz miałką, przewidywalną albo źle dopasowaną do sytuacji tak, że wszystko brzmi czysto, sensownie i profesjonalnie. Zdania są równe. Ton jest spokojny a wnioski wyglądają sensownie..
I właśnie dlatego tyle osób daje się na to nabrać.
Bo największą siłą LLM-a nie jest dziś myślenie.
Największą siłą (a także i wadą)LLM-a jest przedstawianie nam pozorów myślenia.
To bardzo ważne rozróżnienie.
Model nie musi mieć dobrego osądu, żeby brzmieć jak ktoś, kto ten osąd ma.
Na czym polega “trendslop” w praktyce
Wyobraź sobie, że pytasz model o strategiczną decyzję:
- czy iść w automatyzację czy augmentację,
- czy centralizować czy decentralizować,
- czy różnicować ofertę czy iść w commodity,
- czy ciąć koszty, czy budować przewagę przez jakość,
- czy skalować szybko, czy ostrożnie.
Intuicja ludzi którzy pytają AI jest taka skoro model “przerobił cały internet”, to może zobaczy coś, czego my nie widzimy.
Tylko że badania opisywane przez Harvard Business Review pokazały coś innego. W wielu scenariuszach różne modele miały tendencję do skupiania się wokół podobnych odpowiedzi i preferowania nowoczesnych menedżerskich kalk zamiast naprawdę kontekstowego rozumowania. Modele często wybierały to, co brzmi jak współczesna, poprawna strategia, a nie to, co koniecznie wynikało z sytuacji.
Czyli model nie tyle odpowiada:
“w twoim przypadku A jest lepsze od B, bo masz taki rynek, taką strukturę kosztów i taki moment firmy”
Bardziej odpowie na zasadzie:
“z mojej statystycznej perspektywy to brzmi jak sytuacja, w której inteligentni ludzie zwykle chwalą podejście A”.
To nie jest doradztwo.
To jest rekonstrukcja kulturowego konsensusu.
I to warto powiedzieć wprost, bo zbyt wiele osób nadal używa tych narzędzi tak, jakby miały własny punkt widzenia.
Nie mają.
Mają ogromną zdolność do przewidywania, jaki ciąg słów najbardziej pasuje po poprzednim ciągu słów.
To wystarcza, żeby:
- świetnie streszczać,
- porządkować chaos,
- generować warianty,
- pomagać w eksploracji,
- przyspieszać analizę materiału,
- dawać perspektywy.
Ale to nie wystarcza, żeby automatycznie mieć sąd, gust, odwagę decyzji i wyczucie sytuacji.
A właśnie tego najczęściej oczekujemy, gdy pytamy o strategię, ludzi, konflikty, biznes, pozycjonowanie albo kierunek marki.
I dlatego AI tak łatwo brzmi “mądrze”
Bo nasze mózgi są podatne na trzy rzeczy naraz.
Po pierwsze:
ufamy płynności.
Jeśli coś brzmi gładko, częściej zakładamy, że jest przemyślane.
Po drugie:
ufamy strukturze.
Jeśli odpowiedź ma punkty, logikę, ton ekspercki i dobrze ustawione akcenty, odbieramy ją jako bardziej kompetentną.
Po trzecie:
lubimy, gdy ktoś szybko redukuje niepewność.
Model robi to natychmiast. Nie waha się. Nie mówi: “nie wiem, to zależy, trzeba sprawdzić jeszcze trzy rzeczy”, chyba że został do tego zmuszony promptem.
W efekcie człowiek dostaje coś, co wygląda jak klarowność.
A jest tylko wygodnym przeciętnym uproszczeniem.
Następny problem zaczyna się wtedy, gdy AI przechodzi z roli narzędzia do roli autorytetu
To jest ten moment, w którym ktoś przestaje używać modelu do generowania opcji, a zaczyna używać go do legitymizowania decyzji, które i tak chce podjąć. 42ag1⁝ AI do legitymizacji decyzji przykład
I wtedy dzieje się coś bardzo ludzkiego, tylko przyspieszonego przez użycie AI.
Nie pytamy już:
“co tutaj naprawdę ma sens?”
Pytamy:
“jak to uzasadnić tak, żeby brzmiało rozsądnie?”
Potrafi potrafi dorobić elegancką narrację do pomysłu słabego, przeciętnego albo nieuczciwego. Po prostu dlatego, że jego zadaniem jest generować odpowiedzi, które pasują do pytania i oczekiwanego tonu.
Oczywiście ta cała sytuacja jest wielowymiarowa bo teraz dochodzi do tego grounding modelu w rzeczywistości czyli 42af⁝ AI Harness, więc są metody aby starać się od tego uciec. Ale czy przeciętny człowiek zadając pytanie do tzw chata gpt będzie zdawał sobie z tego sprawę?