Znasz to: piszesz, sprawdzasz, zapominasz

Znasz to: siadasz do tekstu, który trzeba oddać, otwierasz obok okno z chatbotem. „Napisz mi wstęp”, „popraw to zdanie”, „podaj przykład”. Tekst powstaje szybko, brzmi dobrze, wysyłasz go na czas. Kilka dni później ktoś pyta: „a skąd wziąłeś ten argument z drugiego akapitu?” — i nie pamiętasz. Nie pamiętasz nawet, o czym dokładnie pisałeś.

Ten wzorzec opisali badacze z University of Chicago i University of Toronto w eksperymencie opublikowanym w marcu 2026 roku na konferencji CHI. Przebadali 393 osoby, które pisały esej w różnych warunkach: z dostępem do modelu językowego od początku pracy, dopiero pod jej koniec, albo wcale — przy dwóch różnych limitach czasu, 10 i 30 minut.

Co się właściwie dzieje

Kiedy czasu jest mało, sięgnięcie po pomoc od razu naprawdę pomaga. Przy limicie 10 minut osoby z dostępem do modelu od początku uzyskały średnio 3,80 punktu na skali oceny eseju — ci, którzy pisali samodzielnie, tylko 2,75. Pod presją czasu model działa jak asystent, który podsuwa gotowe zdania i skraca drogę do celu.

Przy 30 minutach obraz się odwraca. Najlepiej wypadli ci, którzy sięgnęli po model dopiero pod koniec pracy — średnio 5,77 punktu, wobec 4,51 u osób korzystających z niego od startu. Wyraźnie słabsze przy ciągłym dostępie od początku było też zapamiętywanie treści: uczestnicy odtworzyli średnio od 2,03 do 2,56 faktów z własnego eseju, podczas gdy piszący bez żadnej pomocy — 2,99. Różnica jest istotna statystycznie.

Badacze nazywają to brakiem internalizacji źródeł: treść, która nigdy nie przeszła przez twoją głowę w formie własnego sformułowania, słabiej w niej zostaje.

Czego badania nie mówią

Te wyniki pochodzą z jednego eksperymentu, w którym uczestnicy pisali pod presją 10 lub 30 minut. Nie ma w nich danych o tym, co dzieje się po miesiącach czy latach regularnego korzystania z modeli językowych — badań podłużnych na ten temat po prostu nie udało się odnaleźć w dostępnym materiale.

Warto dodać: sami uczestnicy nie potrafili trafnie ocenić, czy myśleli krytycznie. Subiektywne poczucie „na pewno przemyślałem to sam” nie różnicowało wyników między grupami — liczy się to, co obiektywnie zostało w pamięci, nie wrażenie.

Osobno warto pamiętać o granicy między dwoma rodzajami tekstów na ten temat. Sam eksperyment CHI 2026 to twarde dane z ludzi. Obok niego krążą też prace czysto teoretyczne — modele matematyczne opisujące, kiedy AI „wzmacnia” nasze zdolności, a kiedy je „przejmuje” — które są ciekawą ramą do myślenia, ale same w sobie nie są dowodem na konkretny efekt liczbowy.

Dotyczy też nas

Erozja czujności nie omija nikogo, kto na co dzień pracuje z AI — my też się o tym przekonaliśmy. W jednym z naszych własnych raportów inwestorskich znalazły się trzy cytowane badania naukowe, które model po prostu zmyślił — nie istniały. Wyłapaliśmy to dopiero przy dokładnej weryfikacji źródeł, zanim raport trafił dalej. To dobry przykład na to, że zbyt szybka akceptacja gotowego tekstu potrafi zaszkodzić nawet tam, gdzie ktoś świadomie z AI pracuje.

Test na 5 minut

Weź krótki tekst — pół strony — który musisz zrozumieć i zapamiętać. Przeczytaj go samodzielnie, zrób notatkę z pamięci, dopiero potem skonsultuj z modelem niejasne fragmenty. Za godzinę sprawdź, czy odtworzysz kluczowe fakty bez podglądu. To dokładnie odwrotna kolejność niż „model na start” — a badanie CHI 2026 wskazuje ją jako lepszą dla zapamiętywania.

Co robić

1. Jeśli masz mało czasu — korzystaj z modelu od razu. Doraźnie poprawia wynik, to potwierdzone badaniem.
2. Jeśli masz czas — zacznij od własnej wersji: szkicu, notatek, nawet niedoskonałych. Model wpuść dopiero na końcu, do korekty i uzupełnień.
3. Nie oceniaj swojej pracy po wrażeniu „chyba myślałem krytycznie”. Badanie pokazuje, że subiektywne poczucie nie pokrywa się z obiektywnym wynikiem.
4. Traktuj teoretyczne teksty o „przejmowaniu zadań poznawczych przez AI” jako ramy do myślenia, nie jako dowód na konkretny efekt liczbowy — to modele matematyczne, nie badania na ludziach.
5. Przy zadaniach wymagających zapamiętania treści — nauka, materiał do testu — unikaj konsultacji z modelem na samym początku procesu.

Źródła

• Eksperyment CHI 2026 (University of Chicago, University of Toronto) o wpływie czasu dostępu do LLM na jakość eseju i zapamiętywanie treści, n=393: https://arxiv.org/html/2603.08849v1
• Di Santi (2026), teoretyczna rama „cognitive amplification” vs „cognitive delegation”: https://arxiv.org/pdf/2603.18677
• Caosun, Aral, „The Augmentation Trap” (2026), model teoretyczny bez własnych danych empirycznych: https://arxiv.org/pdf/2604.03501

Ten artykuł jest częścią serii „Bezpieczne używanie AI” na barnabaai.com.