Artykuł
Kto miał ostatnie słowo? O autorstwie w twórczości wspieranej przez AI
Burza wokół wypowiedzi Olgi Tokarczuk pokazała, jak szybko informacja o AI zmienia się w wyrok: „to już nie twoja praca”. Badanie 429 osób nie wyznacza granicy autorstwa, ale pomaga zobaczyć, dlaczego sam deklarowany udział AI nie wystarcza do opisania pracy twórczej.
W skrócie
W badaniu 429 osób sam deklarowany udział AI nie wiązał się z poczuciem autorstwa w przewidywany sposób.
Postrzegana kontrola miała mały dodatni związek z poczuciem autorstwa, ale korelacja nie rozstrzyga przyczynowości.
Uczestnicy wyżej oceniali proces kierowany przez człowieka niż przyjęcie niemal gotowego wyniku AI, choć winiety różniły się kilkoma cechami naraz.
Autorstwo lepiej opisywać przez kierunek, selekcję, rewizję i odpowiedzialność niż przez procentowy udział AI. Artykuł 50 AI Act wzmacnia obowiązki przejrzystości, ale nie ustanawia testu autorstwa.
Materiały badania
Preprint v1.0
Beyond AI Share: A Preregistered Survey and Vignette Study of Perceived Control, Authorship, and Authenticity in AI-Assisted Creative Practice
Supplementary Appendix A
11 stron
Pełny kwestionariusz, brzmienie winiet, zasady punktacji, procedury i ograniczenia dokumentacji
Preregistration OSF
Badanie zostało prerejestrowane przed pierwszą zarejestrowaną odpowiedzią w badaniu głównym. Preprint nie przeszedł formalnej recenzji naukowej.
Dwie wypowiedzi i luka między nimi
Najkrótszy zarzut wobec pracy z AI brzmi: to nie jest już twoja praca, zrobił ją komputer. W sztuce taki zarzut brzmi szczególnie mocno, bo podpis pod dziełem łączy rezultat z czyjąś intencją, wyborem i odpowiedzialnością. Kłopot zaczyna się wtedy, gdy próbujemy ustalić, co dokładnie zrobił system. Mógł wyszukać trop, porównać źródła, zaproponować wariant, ułożyć plan, napisać fragment albo dostarczyć niemal gotowy rezultat. Każdą z tych czynności można ukryć pod tą samą etykietą: użyto AI.
W maju 2026 roku tę niejednoznaczność odsłoniła dyskusja po wystąpieniu Olgi Tokarczuk na Impact’26. Według relacji My Company Polska pisarka mówiła o zaawansowanym modelu, który poszerza horyzonty i pogłębia myślenie kreatywne. W tej samej relacji pojawia się przykład podawania maszynie pomysłu do analizy oraz pytanie: „Kochana, jak mogłybyśmy to pięknie rozwinąć?”. Tokarczuk miała zarazem ostrzegać przed halucynacjami i opisać błąd modelu podczas poszukiwania muzyki pasującej do realiów powieści.
Kilka dni później autorka przedstawiła zakres użycia inaczej. W oświadczeniu datowanym na 19 maja i przekazanym Literary Hub przez wydawcę zaprzeczyła, by nadchodząca książka albo którykolwiek z jej tekstów został napisany przy pomocy AI. Narzędzie opisała jako sposób na szybsze dokumentowanie, sprawdzanie faktów i wstępną kwerendę, której wyniki dodatkowo weryfikuje. W polskiej wersji oświadczenia opublikowanej przez „Rzeczpospolitą” stwierdziła: „Nie napisałam książki, która ukaże się jesienią w Polsce ani z AI, ani z nikim innym”.
Oba przekazy trzeba zachować osobno. Relacja z wystąpienia umieszcza model także przy analizie i rozwijaniu pomysłów. Późniejsze oświadczenie wyznacza granicę przy kwerendzie i kontroli faktów oraz odrzuca generowanie tekstu. Różnica nie dowodzi, że model napisał książkę, że autorka ukryła część procesu ani że relacja była fałszywa. Ten artykuł nie ocenia warsztatu Tokarczuk. Pyta, dlaczego samo zdanie używam AI nie wystarcza do oceny autorstwa.
Nie dysponujemy pełnym oficjalnym nagraniem rozmowy ani dokumentacją procesu pracy nad książką. Bez promptów, odpowiedzi modelu, notatek i historii wersji nie da się ustalić, czy analiza pomysłu oznaczała listę kontrargumentów, rozpoznanie luk w dokumentacji, propozycję fabularną czy jeszcze inną formę pomocy. Publicznie dostępny materiał nie pozwala uczciwie wypełnić tej luki.
Jak użycie narzędzia stało się sporem o autora
Sierakowski zwrócił uwagę na eskalację języka po wydarzeniu. W jego autorskim komentarzu w Onecie ze wspomniała zrobiło się przyznała się, z używam zrobiło się pisze razem z, a następnym krokiem było pisze za nią AI. Każdy skrót przypisuje modelowi większą rolę, choć nie dostarcza nowych danych o warsztacie.
Spór nie był jednak wyłącznie produktem nagłówków. Relacjonowane słowa o pogłębianiu kreatywnego myślenia i rozwijaniu pomysłu uzasadniały pytanie o rolę modelu w pracy koncepcyjnej, podczas gdy oświadczenie zawężało ją do pracy źródłowej. Problem zaczynał się tam, gdzie brak wiedzy zmieniał się w gotową historię powstawania powieści.
Nagłówek potrzebuje jednego czasownika. Proces twórczy składa się z wielu czasowników: szukać, proponować, porównywać, odrzucać, przepisywać, sprawdzać i zatwierdzać. Gdy zastępujemy je słowem używać, techniczna informacja zaczyna pełnić funkcję moralnego wyroku albo alibi. Jedni uznają, że komputer wykonał pracę. Inni odpowiadają, że to tylko narzędzie. Obie strony mogą mówić o zupełnie innych praktykach.
Interpretacje mediów i odbiorców pokazują znaczenie sporu, lecz nie mogą uzupełnić brakujących promptów ani wersji tekstu. Tak należy też czytać komentarze pod materiałem LubimyCzytać. Nie są reprezentatywną próbą i nie mówią, jak często występują poszczególne opinie. Ujawniają jedynie powracające rodzaje argumentów: o ludzkim kierunku, jawności, danych treningowych, wynagrodzeniu i znaczeniu doświadczenia.
Pisarze stawiają granicę w różnych miejscach
Reakcje twórców nie układają się w proste głosowanie za albo przeciw AI. Każda chroni inny element pracy. Według relacji Euronews, zawierającej osadzenie jego wpisu na Facebooku Szczepan Twardoch postawił twardą granicę przy samodzielnym pisaniu literatury. Podkreślał, że sam napisał każde słowo swoich powieści, esejów i tekstów publicystycznych i nie zamierza wspomagać tej części warsztatu modelem językowym. Dopuszczał ograniczone zastosowania techniczne, takie jak agregowanie danych z wielu źródeł i tłumaczenia techniczne, z zastrzeżeniem ich zawodności.
Wojciech Chmielarz, cytowany w tej samej relacji Euronews, uzależniał ocenę od pełnego kontekstu wypowiedzi. Rozdzielał research od planowania i wymyślania powieści. W tym drugim wypadku mówił o przekroczeniu zasad relacji czytelnik-twórca oraz potrzebie jasnego poinformowania odbiorcy. Nie ustanawia to powszechnej reguły, lecz przypomina, że sprawdzenie chronologii, prośba o warianty konstrukcji i przyjęcie gotowego akapitu oddają modelowi różne zadania.
Justyna Bargielska opisywała pracę z ChatGPT jeszcze inaczej: jako kontakt z medium albo lustrem, z którego wybierała pojedyncze słowa i zdania. W artykule „Tygodnika Powszechnego” podsumowała własną granicę krótko: „Za wiersz odpowiedzialny jest autor”. W tym ujęciu użycie modelu nie znika, ale zostaje wpisane w autorski projekt przez selekcję, zmianę i gotowość do podpisania rezultatu.
Tadeusz Dąbrowski przesuwa ciężar z warsztatu na relację. Nie odrzuca każdego użycia AI w literaturze, lecz w poezji podkreśla zaufanie czytelnika i pyta, po co sięgać po tekst bez pewności, że napisał go człowiek. To inny rodzaj argumentu niż deklaracja, kto nacisnął klawisze. Ten sam wers może zostać odczytany inaczej, gdy odbiorca dowie się, że napisał go człowiek albo że był pierwszą odpowiedzią systemu na krótkie polecenie.
Twardoch chroni samodzielność pisania, Chmielarz rozróżnia etapy i potrzebę ujawnienia, Bargielska podkreśla selekcję i odpowiedzialność za wynik, a Dąbrowski - zaufanie czytelnika do ludzkiego autorstwa. Żaden z tych głosów nie rozstrzyga autorstwa wszystkich prac wspieranych przez AI. Razem pokazują, dlaczego nie da się sprowadzić różnych definicji twórczości do jednej skali.
Literatura już wcześniej powstawała przy udziale redaktorów, korektorek, tłumaczy, rozmówców i archiwistów. Ten fakt nie unieważnia problemu AI, lecz komplikuje mit całkowicie samotnego autora. Różnica polega między innymi na tym, że ludzki współpracownik ma rozpoznawalną rolę, może wyjaśnić własne decyzje i działa w sieci zawodowych norm. Model łączy wyszukiwanie, propozycję i przeróbkę, a jego źródła oraz kryteria pozostają częściowo niewidoczne. Dlatego sama analogia do redakcji jest równie niepełna jak analogia do młotka.
W jednej debacie są cztery różne pytania
Pierwsza warstwa dotyczy autorstwa i organizacji procesu. Znaczenie ma to, kto określił cel, wytworzył lub zamówił warianty, porównywał je, zmieniał istotne elementy, podjął decyzję końcową i odpowiada za rezultat. To przede wszystkim pytanie o rozkład decyzji w konkretnym projekcie.
Druga warstwa obejmuje jawność i zaufanie odbiorcy. Kwerenda, korekta językowa, rozwijanie pomysłów, generowanie roboczych wersji i włączenie wygenerowanej treści do finału nie są równoważne. Różny może być też obowiązek lub sens ujawnienia zależnie od gatunku: inne oczekiwania dotyczą raportu, osobistego eseju, wiersza, ilustracji reklamowej i notatki wewnętrznej.
Trzecia warstwa to prawa, praca i dane treningowe. Dotyczy zgody, zastrzeżenia praw, licencji, wynagrodzenia, pochodzenia zbiorów oraz możliwego wypierania pracy twórczej. Ocena, że człowiek prowadził konkretny projekt, nie odpowiada na pytanie, na jakich warunkach powstało narzędzie.
Czwarta warstwa dotyczy ludzkiego doświadczenia i tożsamości twórczej. Odbiorca może cenić nie tylko rezultat, lecz także wiedzę, że stoi za nim czyjeś przeżycie, ryzyko, wysiłek lub rozwijana latami wrażliwość. Twórca może z kolei odbierać maszynowe naśladowanie własnej estetyki jako zagrożenie, nawet jeśli pojedynczy rezultat wygląda przekonująco.
Każda warstwa wymaga jednak innego dowodu: historii wersji i decyzji, badań odbiorców, dokumentacji zbiorów i umów albo argumentów psychologicznych i filozoficznych. Jeden sondaż, proces sądowy czy manifest artysty nie odpowie na wszystkie te pytania. Dopiero po ich rozdzieleniu widać, w którym miejscu rozmówcy naprawdę się nie zgadzają.
Badanie opisane dalej dotyczy głównie pierwszej warstwy i częściowo czwartej. Nie tworzy zasad jawności, nie rozstrzyga praw autorskich, nie ocenia legalności treningu ani należnego wynagrodzenia. Nie odtwarza też pracy Tokarczuk nad książką i nie wyznacza uniwersalnej granicy dla literatury, grafiki, filmu czy muzyki. To rozdzielenie chroni przed błędem, w którym odpowiedź na jedno pytanie udaje odpowiedź na wszystkie pozostałe.
Procent udziału AI nie jest historią pracy
Popularny skrót brzmi pozornie precyzyjnie: trzeba ustalić, jaki procent dzieła wykonała AI. Taki procent nie ma jednak wspólnej jednostki. Można liczyć czas, liczbę znaków, piksele, liczbę operacji, podobieństwo do pierwszej generacji albo wpływ na główną ideę. Każda z tych miar opisuje co innego.
Krótka sugestia systemu może wyznaczyć temat i formę całej pracy. Duża ilość wygenerowanego materiału może natomiast zostać podporządkowana koncepcji człowieka, jeśli ten porównuje alternatywy, odrzuca większość i głęboko zmienia wybrany wariant. Ilość materiału i znaczenie decyzji nie rosną równolegle.
W filmie intuicyjnie akceptujemy, że metry gotowego nagrania nie wystarczą do ustalenia autorstwa sceny. Sens powstaje również w reżyserii, doborze ujęć, montażu, dźwięku i decyzji, że dana wersja zostaje, a inna wypada. Generator może łączyć kilka takich funkcji w jednym interfejsie. Tym bardziej warto rozpisywać role, zamiast przypisywać całemu procesowi jedną liczbę.
W omawianym badaniu udział AI także nie był obiektywnym procentem. Uczestnicy oceniali go na subiektywnej skali od 1 do 5: od żadnego lub prawie żadnego udziału do bardzo dużego. Taki wskaźnik oddaje ogólne odczucie. Nie pokazuje promptów, kolejnych wersji, decyzji o odrzuceniu ani tego, czy niewielka interwencja zmieniła sens całej pracy.
Lepszy opis może być krótki, ale powinien nazywać role. Zamiast deklaracji 30% AI można napisać: własna koncepcja, model użyty do zebrania tropów i wariantów, źródła sprawdzone niezależnie, końcowy tekst napisany i zredagowany przez autora. W innym projekcie uczciwy opis może brzmieć: krótki brief, pierwszy wynik generatora, drobna korekta. Oba komunikaty ujawniają więcej niż procent.
Badani oceniali również dwa konkretne opisy procesu:
Proces kierowany przez człowieka
Twórczyni przygotowuje plakat. Ma własny pomysł, szkicuje kompozycję, używa AI do wygenerowania kilku wariantów tła, wybiera jeden z nich, mocno go edytuje i sama decyduje o finalnym układzie.
Niemal gotowy wynik AI
Twórca otrzymuje krótki opis zlecenia. Wpisuje go do narzędzia AI, wybiera pierwszy wygenerowany rezultat, wprowadza tylko drobne poprawki i przekazuje go jako finalną pracę.
Oba scenariusze można streścić zdaniem użyto AI. Różnią się jednak źródłem pomysłu, liczbą możliwości, selekcją, zakresem zmian i finalną decyzją. To właśnie cały pakiet tych różnic okazał się dla uczestników czytelny.
Dwa sposoby pracy z AI
Proces kierowany przez człowieka
- własny pomysł
- warianty AI
- selekcja
- istotna rewizja
- finalna decyzja
Niemal gotowy wynik AI
- krótki brief
- pierwszy wynik AI
- drobne poprawki
- przekazanie pracy
Co pokazało badanie 429 osób
Hipotezy i zasadniczy plan analiz zapisano przed pierwszą zarejestrowaną odpowiedzią badania głównego, co ogranicza dopasowywanie opowieści do wyniku po fakcie. Prerejestracja nie zmienia jednak ankiety w eksperyment, nie poprawia rzetelności wskaźników i nie czyni wygodnościowej próby reprezentatywną.
W prerejestrowanym badaniu Feliksa Mamczura udział AI nie wiązał się z autorstwem w przewidywany sposób. Wyraźniejsza różnica pojawiła się wtedy, gdy uczestnicy oceniali dwa odmienne sposoby organizacji pracy.
Pierwszy wynik podważa prostą regułę, ale nie ustanawia reguły odwrotnej. Przewidywano, że wśród 164 twórców korzystających z AI większy deklarowany udział systemu w końcowej pracy będzie związany z niższym poczuciem autorstwa. Dane nie wsparły tego przewidywania. Zaobserwowany związek był mały, dodatni, czyli skierowany przeciwnie do hipotezy, ale przedział ufności obejmował zero, a wynik nie przekroczył przyjętego progu istotności.
Nie można zatem powiedzieć, że większy udział AI zwiększa autorstwo. Nie można też uznać, że udział nie ma żadnego znaczenia. Można stwierdzić tylko tyle, że ten subiektywny, pięciostopniowy wskaźnik nie zachowywał się zgodnie z przewidywaną zasadą więcej AI, mniej autorstwa. Jednym z możliwych wyjaśnień jest to, że osoby badane rozumiały udział ilościowo, podczas gdy dla autorstwa ważniejszy był rodzaj decyzji. Badanie nie testowało jednak tego wyjaśnienia.
Drugi wynik był zgodny z przewidywaniem: wyższa postrzegana kontrola wiązała się z silniejszym poczuciem autorstwa. Związek był mały, a prosty model wyjaśniał 5,5% zróżnicowania ocen. To sygnał, że poczucie prowadzenia pracy może być istotnym elementem autorstwa, ale daleko mu do pełnego wyjaśnienia. Układ korelacyjny nie pozwala ustalić, czy kontrola wzmacnia autorstwo, czy osoby silniej czujące się autorami opisują swój proces jako bardziej kontrolowany, czy oba odczucia mają wspólne źródło.
Trzecie przewidywanie dotyczyło moderacji: kontrola miała osłabiać oczekiwany negatywny związek między udziałem AI a autentycznością. Takiej interakcji nie wykazano. W tym samym modelu kontrola miała dodatnią główną zależność z autentycznością, ale jest to inne twierdzenie i nie zastępuje niepotwierdzonej moderacji. Wynik nie pokazuje, że odpowiednio wysoka kontrola neutralizuje wpływ udziału AI.
Czwarta hipoteza dotyczyła osób, które szczególnie silnie wiążą sztukę z ekspresją ludzkiego doświadczenia i intencji. Taka orientacja była związana z większym zagrożeniem twórczej tożsamości. Jeszcze silniejsza korelacja pojawiła się dla pojedynczego, pomocniczego pytania o typową estetykę AI, ale nie była to zwalidowana skala. Jednocześnie związek z ogólnym wskaźnikiem autentyczności był praktycznie zerowy. Dlatego hipotezę można uznać jedynie za ostrożnie wspartą, a nie za dowód, że osoby ceniące ludzką ekspresję odrzucają każdą pracę z AI.
Najbardziej wyrazisty wynik przyniosły winiety. Łączna ocena autorstwa, autentyczności i kontroli była wyższa dla procesu kierowanego przez człowieka niż dla przyjęcia pierwszego, niemal gotowego wyniku AI. Ten sam kierunek pojawił się osobno w każdym z trzech wymiarów. Uczestnicy odróżniali więc dwa sposoby organizacji pracy, choć w obu scenariuszach użyto AI.
Jak oceniono dwa sposoby pracy
- Autorstwo: Proces kierowany przez człowieka M 3.430, SD 1.208; Niemal gotowy wynik AI M 2.570, SD 1.235; Różnica .860; d_z .610.
- Autentyczność: Proces kierowany przez człowieka M 3.507, SD 1.172; Niemal gotowy wynik AI M 2.706, SD 1.253; Różnica .801; d_z .559.
- Kontrola: Proces kierowany przez człowieka M 3.565, SD 1.196; Niemal gotowy wynik AI M 2.720, SD 1.255; Różnica .846; d_z .597.
- Łączny indeks: Proces kierowany przez człowieka M 3.501, SD 1.081; Niemal gotowy wynik AI M 2.665, SD 1.132; Różnica .836; d_z .659.
Pokaż pełną tabelę danych
| Wymiar | Proces kierowany przez człowieka | Niemal gotowy wynik AI | Różnica | d_z | ||
|---|---|---|---|---|---|---|
| M | SD | M | SD | |||
| Autorstwo | 3.430 | 1.208 | 2.570 | 1.235 | .860 | .610 |
| Autentyczność | 3.507 | 1.172 | 2.706 | 1.253 | .801 | .559 |
| Kontrola | 3.565 | 1.196 | 2.720 | 1.255 | .846 | .597 |
| Łączny indeks | 3.501 | 1.081 | 2.665 | 1.132 | .836 | .659 |
Wyrazisty kontrast nie wskazuje jednego mechanizmu. Scenariusze łączyły w pakiety źródło pomysłu, liczbę wariantów, selekcję, zakres edycji i końcową decyzję. Różniły się też płcią postaci, kontekstem zadania i sugerowanym nakładem pracy, a ich kolejność była stała. Porównanie nie izolowało wpływu kontroli, selekcji ani prawa weta i nie wolno mapować postaci na realnych twórców.
Autorstwo lepiej opisywać przez decyzje
Wyniki podpowiadają cztery użyteczne kategorie: kierunek, selekcję, rewizję i odpowiedzialność. To rama interpretacji, nie zwalidowana skala ani próg, po którego przekroczeniu praca staje się albo przestaje być ludzka.
Kierunek obejmuje cel, sens i kryteria powodzenia. Nie zawsze wyznacza go osoba, która napisała pierwszy prompt. System może narzucić ramę widocznymi propozycjami, a człowiek może ją przyjąć bez zauważenia. Możliwa jest też sytuacja odwrotna: impuls pochodzi z podpowiedzi modelu, lecz autor całkowicie przeformułowuje problem i podporządkowuje dalszą pracę własnemu zamiarowi.
Selekcja ma znaczenie, gdy wybór jest rzeczywisty i opiera się na kryteriach, które twórca potrafi zastosować. Samo obejrzenie pięciu wariantów nie dowodzi kontroli. Rewizja także nie jest jedną czynnością: poprawienie przecinka, zmiana tonu i przebudowa całego argumentu mają odmienną wagę, nawet jeśli licznik zmienionych znaków tego nie pokazuje.
Odpowiedzialność zaczyna się przed podpisem. Jej praktycznym rdzeniem jest prawo weta: możliwość zatrzymania materiału, odrzucenia wygodnej sugestii i poniesienia kosztu rozpoczęcia od nowa. Formalne kliknięcie publikuj nie wystarcza, jeśli człowiek nie rozumie rezultatu, nie potrafi go sprawdzić albo nie może realnie zejść z toru zaproponowanego przez system.
Historia decyzji nie jest idealnym testem autorstwa. Pokazuje jednak więcej niż nazwa programu lub procent użycia. Pozwala wskazać, gdzie model proponował, gdzie człowiek wybierał, co naprawdę zmienił i czy mógł powiedzieć nie końcowej wersji. W przyszłym badaniu te elementy trzeba mierzyć osobno, zamiast zakładać, że zawsze tworzą jeden wymiar.
Odpowiedzialność nie kończy się na finalnym dziele
Rzetelny opis procesu pomaga zdecydować, co ujawnić, ale nie tworzy jednej etykiety dla wszystkich dziedzin. Informacja stworzono z AI jest prawie tak samo mało użyteczna jak brak informacji. Warto rozróżnić kwerendę i sprawdzanie faktów, korektę własnego materiału, rozwijanie pomysłów, generowanie wersji roboczych oraz przyjęcie treści do rezultatu końcowego.
Znaczenie ujawnienia zależy od obietnicy składanej odbiorcy. W reportażu centralne będą źródła i weryfikacja. W osobistym eseju albo wierszu liczy się także pochodzenie głosu i doświadczenia. W ilustracji komercyjnej znaczenie może mieć zastąpienie zamawianej pracy artysty. Jawność nie jest karą za narzędzie. Jest informacją, dzięki której odbiorca może ocenić, czy sposób powstania pracy odpowiada relacji, w którą wchodzi.
Sam rejestr narzędzi też może wprowadzać w błąd. Lista nazw modeli nie mówi, czy ich odpowiedzi zostały odrzucone, przepisane czy opublikowane. Użyteczniejsza informacja odpowiada na trzy kwestie: na jakim etapie włączono system, jaki rodzaj materiału dostarczył oraz co człowiek zrobił przed zatwierdzeniem rezultatu. Taki standard może być proporcjonalny. Nie wymaga publikowania prywatnych rozmów ani każdego szkicu, ale pozwala odróżnić pomoc źródłową od delegowania kluczowej pracy.
Trzeba przy tym rozdzielić dwa znaczenia odpowiedzialności. Pierwsze dotyczy końcowego rezultatu: prawdziwości informacji, szkody, tonu, jakości i decyzji o publikacji. Osoba podpisująca tekst nie może przenieść winy za przyjęty błąd na model. Dokumentowanie wersji, źródeł i ważnych zmian ułatwia wykazanie, za co rzeczywiście odpowiadał człowiek.
Odrębną kwestią jest odpowiedzialność za ekosystem: pochodzenie danych treningowych, zgodę, licencje, wynagrodzenie autorów, pracę osób przygotowujących dane, stronniczość zbiorów i koszt infrastruktury. Proces może być silnie kierowany przez człowieka, a mimo to korzystać z systemu budzącego uzasadnione zastrzeżenia. Pojedynczy użytkownik wybiera narzędzie i sposób jego użycia, ale nie kontroluje sam całego łańcucha produkcji.
Polskie prawo przewiduje wyjątki TDM. W ramach ogólnego wyjątku można w celu TDM zwielokrotniać rozpowszechnione utwory, chyba że uprawniony odpowiednio zastrzegł prawa. ZAiKS ogłosił opt-out w zakresie reprezentowanych praw i postuluje licencjonowanie. Brak zastrzeżenia nie jest indywidualną zgodą; przy spełnieniu przesłanek może jednak pozwalać na skorzystanie z wyjątku.
Parlament Europejski przyjął w marcu 2026 roku P10_TA(2026)0066, rezolucję z zaleceniami o przejrzystości, licencjonowaniu i wynagrodzeniu. To rekomendacje, nie nowe bezpośrednio obowiązujące prawo. MKiDN informowało o dialogu i polskim stanowisku do planowanej na 2027 rok aktualizacji dyrektywy DSM, zwłaszcza przepisów TDM. To nie porada prawna ani pełna analiza i nie rozstrzyga legalności treningu konkretnego modelu.
Granica wiedzy przebiega przed granicą opinii
Wyniki są punktem wyjścia, nie gotowym werdyktem. Próba była wygodnościowa, rekrutowana online i niereprezentatywna. Nie wiadomo, jak często opisane postawy występują wśród wszystkich twórców, użytkowników AI, czytelników albo dorosłych. Poszczególne dziedziny twórczości nie były reprezentowane równomiernie.
Badanie było przekrojowe i korelacyjne. Odpowiedzi zebrano w jednym okresie, więc nie pozwalają ustalić, czy kontrola powoduje wzrost poczucia autorstwa ani jak praktyka zmienia się z doświadczeniem. Udział AI mierzono subiektywną skalą pięciostopniową. Nie analizowano artefaktów, promptów, odpowiedzi modelu, kolejnych wersji ani historii decyzji, dlatego samoopisów nie można porównać z rzeczywistym przebiegiem pracy.
Krótkie, autorskie wskaźniki miały ograniczoną rzetelność: α = .519 dla autorstwa, .521 dla autentyczności, .452 dla kontroli i .646 dla zagrożenia tożsamości. Może to osłabiać korelacje i utrudniać wykrycie interakcji. Dwa trzypozycyjne indeksy winiet miały wyższą spójność, α = .892, ale ten wynik nie usuwa wad konstrukcji scenariuszy.
Winiety wiązały kilka różnic w jeden pakiet. Nie randomizowano ich kolejności ani jej nie kontrbalansowano; proces kierowany przez człowieka zawsze pojawiał się pierwszy. Różniły się też płeć postaci, źródło zadania, sugerowane tempo i nakład pracy. Przykład plakatu mógł być bliższy twórcom wizualnym niż osobom pracującym z tekstem, muzyką lub performansem. Porównanie nie wskazuje, który składnik spowodował różnicę ocen.
Czasy wypełniania ankiety były bardzo zróżnicowane. Analizy z alternatywnymi filtrami czasu nie zmieniły końcowej klasyfikacji hipotez, lecz H1 i H3 były mniej stabilne niż H2, H4 i porównanie winiet. Nie zachowano też pełnych liczebności osób, które zobaczyły zaproszenie, otworzyły ankietę, rozpoczęły ją lub przerwały. Nie można więc obliczyć odsetka odpowiedzi ani odsetka ukończeń; liczba 429 oznacza ukończone odpowiedzi włączone do analizy, nie odsetek ukończeń.
Przed rekrutacją nie uzyskano prospektywnej zgody komisji etycznej ani formalnego zwolnienia z takiej oceny. Uczestnicy byli dorośli, wyrazili świadomą zgodę, a dane identyfikujące nie weszły do zbioru analitycznego, lecz te zabezpieczenia nie zastępują formalnej oceny etycznej. Pilotaż 23 ukończonych odpowiedzi służył sprawdzeniu ankiety i został wyłączony z badania głównego. Preprint nie przeszedł recenzji naukowej, a jego wyniki nie rozstrzygają prawnego autorstwa ani ochrony końcowego dzieła.
Kolejne badanie powinno osobno zmieniać źródło pomysłu, liczbę wariantów, możliwość wyboru, zakres rewizji i prawo do decyzji końcowej, zachowując tę samą postać, dziedzinę i opis czasu. Potrzebne są randomizacja, kontrbalansowanie, lepsze skale, bardziej zróżnicowana próba, pełny przepływ uczestników i prospektywna ocena etyczna. Za zgodą badanych warto też porównać samoopis twórców z historią wersji, odrzuconych wyników i zmian kierunku. Powtórzenie badania w kilku dziedzinach pozwoli sprawdzić, czy prawo weta znaczy to samo w poezji, projektowaniu, muzyce i pracy użytkowej.
Na razie uczciwy wniosek jest skromniejszy. Deklarowany udział AI nie opisał autorstwa w przewidywany sposób, postrzegana kontrola miała z autorstwem mały dodatni związek, a dwa złożone procesy zostały ocenione wyraźnie inaczej. To powód, by nie traktować progu procentowego jako gotowego testu autorstwa. Dane nie ustanawiają testu zastępczego.
Dlatego powrót do Tokarczuk nie powinien kończyć się werdyktem o książce, której procesu nie widzieliśmy. Powinien prowadzić do lepszego standardu rozmowy. Zamiast zamieniać używam AI w oskarżenie albo rozgrzeszenie, trzeba opisać decyzje i nazwać luki w wiedzy.
Ostatnie słowo oznacza możliwość nadania kierunku, świadomego wyboru, istotnej zmiany lub odmowy. Pociąga za sobą odpowiedzialność za rezultat oraz za wybór i własny sposób używania narzędzia. Nie czyni jednak pojedynczej osoby odpowiedzialną za cały ekosystem: źródła danych, warunki pracy czy infrastruktura wymagają także decyzji firm, instytucji i prawodawców.
Źródła
Badanie i prerejestracja
- Mamczur, Feliks (2026). Beyond AI Share: A Preregistered Survey and Vignette Study of Perceived Control, Authorship, and Authenticity in AI-Assisted Creative Practice. Preprint, version 1.0, Zenodo. https://doi.org/10.5281/zenodo.21705721. Preprint nie przeszedł formalnej recenzji naukowej.
- Mamczur, Feliks (2026). Supplementary Appendix A. Beyond AI Share: A Preregistered Survey and Vignette Study of Perceived Control, Authorship, and Authenticity in AI-Assisted Creative Practice. PDF w rekordzie Zenodo.
- Mamczur, Feliks (2026). Is It Still My Work? Authorship, Authenticity and Control in AI-Assisted Creative Practice. OSF Preregistration. https://doi.org/10.17605/OSF.IO/GSWN3.
Tokarczuk, Impact’26 i oświadczenie
- Cyrny, Wiktor (15 maja 2026; aktualizacja 21 maja 2026). „Olga Tokarczuk zapowiada ostatnią powieść w karierze…”, My Company Polska. Relacja redakcyjna, nie oficjalny stenogram.
- Literary Hub (19 maja 2026). „Olga Tokarczuk has responded to the controversy over her reputed use of AI”. Oświadczenie przekazane przez wydawcę, tłumaczenie Antonia Lloyd-Jones.
- Rogalska, Anna (21 maja 2026). „Olga Tokarczuk o AI przy pisaniu książki. Noblistka wydała oświadczenie”, Rzeczpospolita. Polska treść oświadczenia i kontekst wcześniejszej wypowiedzi.
- Impact CEE (25 maja i 16 czerwca 2026). „Impact’26 na YouTube”, „Impact na YouTube: najchętniej oglądane rozmowy” oraz oficjalny kanał Impact CEE.
Głosy debaty i komentarze
- Sierakowski, Sławomir (20 maja 2026). „Sławomir Sierakowski odpowiada atakującym Olgę Tokarczuk”, Onet. Wykorzystano podpisany tekst autora, nie automatyczne streszczenie serwisu.
- Twardoch, Szczepan (maj 2026), oryginalny wpis na Facebooku, oraz Chmielarz, Wojciech (maj 2026), oryginalny wpis na Facebooku. Permalinki odnaleziono przez osadzenia w Euronews; bezpośredni odczyt Facebooka był zablokowany. W tekście zachowano ostrożne parafrazy; pomocniczo sprawdzono omówienie Gazeta.pl.
- Wilkowski, Marcin (18 listopada 2025). „Sztuczna inteligencja już pomaga pisarzom. Czy to faktycznie źle?”, Tygodnik Powszechny. Źródło wypowiedzi Justyny Bargielskiej i Tadeusza Dąbrowskiego.
- LubimyCzytać (20 maja 2026). „Olga Tokarczuk o AI…”. Komentarze wykorzystano wyłącznie jako niesystematyczny przegląd języka debaty.
Prawo i kontekst sektorowy
- Rzeczpospolita Polska (2024). Ustawa z 26 lipca 2024 zmieniająca ustawę o prawie autorskim i prawach pokrewnych. Źródło ogólnego opisu wyjątków TDM.
- ZAiKS (30 maja 2025). „OPT-OUT”. Źródło informacji o działaniu i stanowisku ZAiKS, nie dowód skuteczności wobec każdego modelu.
- Parlament Europejski (10 marca 2026). P10_TA(2026)0066, finalny tekst przyjętej rezolucji w procedurze 2025/2058(INI) oraz ZAiKS (10 marca 2026), omówienie przyjęcia raportu. Rezolucja zawiera zalecenia, nie nowe bezpośrednio obowiązujące prawo.
- Ministerstwo Kultury i Dziedzictwa Narodowego (23 czerwca 2026). „Rozmawiamy z przedstawicielami twórców i artystów o wykorzystywaniu AI w kontekście prawa autorskiego”. Komunikat o dialogu i pracach nad stanowiskiem, nie prawo ani projekt ustawy.
- Unia Europejska (13 czerwca 2024). Rozporządzenie (UE) 2024/1689 w sprawie sztucznej inteligencji, art. 50 i 113. Oficjalny tekst obowiązków przejrzystości i daty ich stosowania.
- Komisja Europejska (20 lipca 2026). Finalne wytyczne dotyczące obowiązków przejrzystości dostawców i podmiotów stosujących systemy AI. Praktyczne wyjaśnienia stosowania art. 50; wytyczne nie zmieniają rozporządzenia.
Jak cytować
Mamczur, F. (2026, 31 lipca). Kto miał ostatnie słowo? O autorstwie w twórczości wspieranej przez AI. Prompted Psyche. https://promptedpsyche.com/pl/articles/kto-mial-ostatnie-slowo-autorstwo-ai/
© 2026 Feliks Mamczur / Prompted Psyche. Wszystkie prawa zastrzeżone. Krótkie cytaty są dozwolone wyłącznie z podaniem autora, tytułu tekstu i linku do źródła.