Ćwiczenia praktyczne: bezpieczne prompty, anonimizacja i rozpoznawanie halucynacji AI

Wprowadzenie: cele warsztatu, zakres i podstawowe pojęcia

Praca z narzędziami AI może znacząco przyspieszać analizę informacji, redagowanie treści, porządkowanie notatek czy przygotowywanie roboczych materiałów. Jednocześnie korzystanie z takich systemów wymaga ostrożności, zwłaszcza wtedy, gdy w grę wchodzą informacje wrażliwe, dane osobowe lub treści objęte tajemnicą organizacyjną. Celem tego warsztatu jest zbudowanie praktycznych nawyków, które pomagają korzystać z AI w sposób użyteczny, a zarazem bezpieczny i odpowiedzialny.

Podstawowym założeniem jest prosta zasada: nie każda informacja, którą można wkleić do promptu, powinna się tam znaleźć. Użytkownik powinien umieć rozpoznać, kiedy można skorzystać z AI bez ryzyka, kiedy należy najpierw ograniczyć lub przekształcić dane, a kiedy lepiej zrezygnować z użycia modelu albo skonsultować sytuację. Równie ważna jest umiejętność oceny odpowiedzi AI, ponieważ system może brzmieć pewnie nawet wtedy, gdy podaje informacje niepełne, błędne lub zmyślone.

Zakres warsztatu obejmuje trzy główne obszary. Po pierwsze, bezpieczne formułowanie promptów, czyli pytań i poleceń kierowanych do modelu. Po drugie, ochronę informacji poprzez anonimizację i minimalizację danych. Po trzecie, krytyczną ocenę jakości odpowiedzi AI, ze szczególnym uwzględnieniem ryzyka halucynacji, uproszczeń i nieuzasadnionej pewności odpowiedzi.

• Bezpieczne użycie AI oznacza korzystanie z narzędzia w sposób zgodny z zasadami ochrony informacji, zdrowym rozsądkiem i celem zadania.
• Praktyczne podejście oznacza skupienie się na realnych sytuacjach: co wpisać, czego nie wpisywać i jak przekształcić materiał, by zredukować ryzyko.
• Krytyczne myślenie oznacza traktowanie odpowiedzi AI jako wsparcia, a nie automatycznie wiarygodnego źródła prawdy.

Aby sprawnie poruszać się po temacie, warto uporządkować kilka podstawowych pojęć.

AI, czyli sztuczna inteligencja, to zbiorcza nazwa systemów potrafiących wykonywać zadania wymagające zwykle analizy języka, rozpoznawania wzorców lub generowania treści. W kontekście tego warsztatu chodzi przede wszystkim o modele językowe, które odpowiadają na pytania, streszczają tekst, proponują sformułowania i pomagają porządkować informacje. Nie „wiedzą” one w ludzki sposób i nie rozumieją odpowiedzialności za przekazywane dane, dlatego to użytkownik odpowiada za to, co do nich trafia i jak wykorzystuje wynik.

Prompt to polecenie, pytanie lub zestaw instrukcji przekazywanych do AI. Może być krótkie, na przykład prośbą o streszczenie, albo bardziej rozbudowane i zawierać kontekst, ograniczenia czy oczekiwany format odpowiedzi. Jakość promptu wpływa nie tylko na użyteczność odpowiedzi, ale też na poziom bezpieczeństwa. Im więcej niepotrzebnych szczegółów wpisujemy, tym większe ryzyko ujawnienia danych, które nie są konieczne do wykonania zadania.

Dane poufne to informacje, których ujawnienie mogłoby zaszkodzić osobie, organizacji lub procesowi. W praktyce mogą to być między innymi dane osobowe, dane kontaktowe, identyfikatory, informacje finansowe, dokumenty wewnętrzne, treści umów, dane medyczne, informacje o klientach, szczegóły spraw kadrowych lub elementy objęte tajemnicą zawodową czy organizacyjną. Ważne jest, by pamiętać, że poufność nie zawsze wynika wyłącznie z przepisów; czasem o wrażliwości decyduje kontekst, połączenie kilku informacji albo możliwość identyfikacji konkretnej osoby lub sprawy.

Anonimizacja to przetwarzanie informacji w taki sposób, aby nie można było zidentyfikować osoby, podmiotu lub konkretnego przypadku na podstawie przekazanego materiału. W prostym ujęciu oznacza to usuwanie albo zastępowanie elementów identyfikujących i pozostawianie tylko tych danych, które są niezbędne do uzyskania pomocy od AI. Celem anonimizacji nie jest jedynie „ukrycie nazw”, lecz realne zmniejszenie ryzyka rozpoznania, o kim lub o czym mowa.

Warto też odróżnić dwa częste cele użycia AI. Pierwszy to praca na treści, na przykład poprawa stylu, skrócenie tekstu lub uporządkowanie punktów. Drugi to wsparcie myślenia, na przykład wygenerowanie pomysłów, pytań kontrolnych albo ogólnej struktury dokumentu. W wielu sytuacjach drugi typ zastosowania jest bezpieczniejszy, ponieważ pozwala uzyskać wartość bez przekazywania szczegółowych danych źródłowych.

Na poziomie podstawowym można przyjąć kilka zasad wyjściowych. Jeśli informacja nie jest konieczna, nie należy jej wpisywać. Jeśli materiał zawiera dane poufne, należy najpierw ocenić, czy można go zanonimizować. Jeśli odpowiedź AI ma wpływ na decyzję, dokument lub komunikat, powinna zostać zweryfikowana przez człowieka. Takie podejście nie eliminuje całego ryzyka, ale znacząco je ogranicza i pozwala korzystać z AI w sposób bardziej świadomy.

Ten warsztat ma pomóc uczestnikom rozpoznawać typowe sytuacje ryzyka, rozumieć podstawowe pojęcia i podejmować trafniejsze decyzje podczas codziennej pracy z modelami AI. Najważniejszym efektem nie jest zapamiętanie definicji, lecz wyrobienie odruchu: najpierw sprawdź, jakie dane przekazujesz i po co, a dopiero potem formułuj prompt.

2. Mapa decyzyjna bezpieczeństwa

Przed wpisaniem czegokolwiek do narzędzia AI warto wykonać krótką ocenę sytuacji. Celem nie jest skomplikowana analiza, ale szybkie przypisanie zadania do jednej z czterech kategorii: bezpieczne, dozwolone po anonimizacji, wymaga konsultacji albo niedozwolone. Taka mapa decyzyjna pomaga ograniczyć ryzyko ujawnienia informacji, a jednocześnie pozwala korzystać z AI w sposób praktyczny i uporządkowany.

Podczas szkoleń Cognity ten temat wraca regularnie, dlatego zdecydowaliśmy się omówić go również tutaj. Najprostsza zasada brzmi: im bardziej dane są powiązane z konkretną osobą, sprawą, organizacją, finansami, bezpieczeństwem lub tajemnicą zawodową, tym większa ostrożność jest potrzebna. Jeżeli treść jest ogólna i nie zawiera wrażliwego kontekstu, ryzyko zwykle jest niskie. Jeżeli jednak prompt dotyczy dokumentów, korespondencji, danych klientów, pracowników, pacjentów, uczniów, numerów identyfikacyjnych lub informacji objętych zobowiązaniem do poufności, należy przejść do bardziej restrykcyjnej kategorii.

Bezpieczne

Do tej grupy należą sytuacje, w których prompt nie zawiera danych poufnych, danych osobowych ani informacji wewnętrznych. To najczęściej prośby o pomoc w pracy na materiałach ogólnych, publicznych albo całkowicie przykładowych.

• tworzenie ogólnego planu spotkania, bez opisu konkretnej sprawy,
• prośba o poprawę stylu neutralnego tekstu niepowiązanego z żadną osobą,
• generowanie listy pytań do wywiadu, scenariusza prezentacji lub konspektu,
• wyjaśnienie pojęcia, streszczenie publicznie dostępnego artykułu lub pomoc w burzy mózgów.

Kiedy wybrać tę kategorię? Gdy treść promptu mogłaby zostać pokazana publicznie bez szkody dla kogokolwiek i bez naruszenia zasad organizacyjnych.

Dozwolone po anonimizacji

To kategoria pośrednia. Obejmuje materiały, które same w sobie mogą być użyteczne do pracy z AI, ale zawierają elementy umożliwiające identyfikację osoby, firmy, sprawy albo konkretnego zdarzenia. W takiej sytuacji nie należy wklejać ich wprost. Najpierw trzeba usunąć lub zastąpić szczegóły identyfikujące.

• fragment wiadomości e-mail z danymi nadawcy i odbiorcy,
• opis reklamacji zawierający numer zamówienia i dane kontaktowe,
• notatka ze spotkania z nazwami działów, projektów i terminami,
• krótki opis przypadku, w którym występują dane osobowe lub dane wewnętrzne.

Kiedy wybrać tę kategorię? Gdy sedno zadania można zachować, ale szczegóły identyfikujące nie są potrzebne do uzyskania odpowiedzi. Wtedy pracujemy na wersji oczyszczonej z wrażliwych elementów.

Wymaga konsultacji

Ta kategoria dotyczy sytuacji niejednoznacznych. Sam użytkownik widzi, że temat może być istotny, poufny albo regulowany, ale nie ma pewności, czy użycie AI jest dopuszczalne. Zamiast zgadywać, należy skonsultować się z przełożonym, właścicielem procesu, działem bezpieczeństwa, ochrony danych lub inną właściwą osobą w organizacji.

• materiały zawierające dane osobowe w większej skali,
• treści związane z umowami, dokumentacją prawną lub finansową,
• informacje dotyczące bezpieczeństwa systemów, incydentów lub uprawnień,
• dane pochodzące od partnerów, klientów lub instytucji zewnętrznych, jeśli nie wiadomo, czy wolno je przetwarzać w takim narzędziu.

Kiedy wybrać tę kategorię? Gdy nie da się szybko stwierdzić, czy anonimizacja wystarczy, albo gdy istnieje ryzyko naruszenia polityk, przepisów lub zobowiązań umownych.

Niedozwolone

To przypadki, w których danych nie należy wpisywać do AI. Dotyczy to zwłaszcza informacji szczególnie wrażliwych, tajemnic chronionych, danych dostępowych oraz materiałów, których ujawnienie mogłoby spowodować szkodę prawną, finansową, operacyjną lub wizerunkową.

• hasła, loginy, klucze dostępu, tokeny i kody autoryzacyjne,
• pełne dane medyczne, finansowe lub identyfikacyjne konkretnych osób,
• niepubliczne informacje o zabezpieczeniach, architekturze systemów lub lukach,
• dokumenty objęte ścisłą poufnością, tajemnicą zawodową lub wyraźnym zakazem udostępniania.

Kiedy wybrać tę kategorię? Gdy samo przekazanie treści do narzędzia stanowiłoby naruszenie zasad albo gdy szkoda mogłaby powstać już na etapie wprowadzania danych, niezależnie od celu użycia.

Jak podjąć decyzję w kilkanaście sekund

Można zastosować prostą sekwencję pytań:

• Czy treść zawiera dane osobowe, dane poufne lub informacje wewnętrzne?
• Czy te elementy są naprawdę potrzebne do wykonania zadania?
• Czy po usunięciu szczegółów nadal da się uzyskać użyteczną odpowiedź?
• Czy istnieją zasady, umowy lub przepisy, które mogą ograniczać takie użycie?
• Czy miałbym komfort, gdyby ten prompt został pokazany osobie odpowiedzialnej za bezpieczeństwo informacji?

Jeżeli odpowiedzi wskazują na niski poziom ryzyka, sytuacja jest zwykle bezpieczna. Jeżeli dane da się odłączyć od konkretnej osoby lub sprawy, wybór to dozwolone po anonimizacji. Jeżeli pojawia się niepewność lub kontekst formalny, sprawa wymaga konsultacji. Jeżeli treści nie powinno się przekazywać w żadnej formie, kategoria to niedozwolone.

Ćwiczenie 1

Przypisz każdą sytuację do jednej z czterech kategorii: bezpieczne, dozwolone po anonimizacji, wymaga konsultacji albo niedozwolone. Następnie krótko uzasadnij decyzję jednym zdaniem.

• Chcesz poprosić AI o przygotowanie pięciu neutralnych tytułów prezentacji na temat organizacji pracy.
• Chcesz wkleić wiadomość od klienta, która zawiera imię, adres e-mail i numer zamówienia, aby AI zaproponowała uprzejmą odpowiedź.
• Chcesz przesłać fragment wewnętrznego dokumentu z informacjami o planowanych zmianach organizacyjnych, ale nie wiesz, czy materiał jest objęty ograniczeniami.
• Chcesz zapytać AI, jak poprawić tekst zawierający hasło testowe, login i adres panelu administracyjnego.
• Chcesz uzyskać krótkie podsumowanie publicznie dostępnego komunikatu prasowego.
• Chcesz opracować odpowiedź na skargę, korzystając z opisu sprawy po usunięciu danych osoby i identyfikatorów sprawy.

Wskazówka do wykonania ćwiczenia: nie oceniaj celu użytkownika, tylko rodzaj informacji, które mają trafić do narzędzia, oraz to, czy da się bezpiecznie ograniczyć zakres danych.

3. Higiena promptów: identyfikacja danych poufnych w promptach

Higiena promptów to praktyka świadomego formułowania poleceń do narzędzi AI tak, aby ograniczać ryzyko ujawnienia informacji, które nie powinny trafić do modelu. W centrum tej praktyki stoi proste pytanie: czy do uzyskania dobrej odpowiedzi naprawdę trzeba podawać ten konkretny fragment danych?

Wiele niebezpiecznych promptów nie wygląda groźnie na pierwszy rzut oka. Problemem bywa nie tylko jawne wpisanie numeru dokumentu, adresu e-mail czy danych klienta, ale także przekazanie zbyt szerokiego kontekstu: pełnej treści wiadomości, całego zgłoszenia, fragmentu umowy albo notatek zawierających szczegóły identyfikujące osobę lub organizację.

Podstawowa zasada brzmi: do promptu trafia tylko to, co jest niezbędne do wykonania zadania. Jeżeli cel można osiągnąć przy użyciu opisu ogólnego, streszczenia lub danych zanonimizowanych, należy wybrać właśnie taką formę.

Co uznajemy za dane poufne w promptach

W praktyce do danych poufnych zaliczają się nie tylko klasyczne dane osobowe, ale również informacje biznesowe, operacyjne i techniczne, które mogą powodować ryzyko po ujawnieniu. Warto patrzeć szerzej niż tylko na imię i nazwisko.

• Dane osobowe: imię i nazwisko, adres, numer telefonu, adres e-mail, identyfikator użytkownika, numer dokumentu, PESEL, data urodzenia.
• Dane finansowe: numery kont, informacje o wynagrodzeniach, fakturach, rozliczeniach, zadłużeniu, kartach płatniczych.
• Dane zdrowotne i wrażliwe: informacje medyczne, dane o stanie zdrowia, niepełnosprawności, poglądach, przekonaniach, sytuacji rodzinnej.
• Informacje firmowe: treść umów, dane klientów, wyniki sprzedaży, strategie, nieopublikowane plany, wewnętrzna korespondencja.
• Dane techniczne i dostępowe: hasła, tokeny, klucze API, dane logowania, konfiguracje systemów, adresy serwerów, fragmenty kodu zawierające sekrety.
• Metadane i kontekst pośredni: numery spraw, identyfikatory zgłoszeń, nazwy działów, lokalizacje, szczegóły terminów lub zdarzeń, które same lub w połączeniu z innymi danymi pozwalają zidentyfikować osobę albo sytuację.

Najczęstsze błędy w tworzeniu promptów

• Wklejanie całych wiadomości e-mail zamiast krótkiego opisu problemu.
• Przekazywanie pełnego dokumentu, choć potrzebne jest tylko streszczenie jednego fragmentu.
• Dodawanie danych identyfikujących „na wszelki wypadek”.
• Ujawnianie numerów spraw, zamówień lub identyfikatorów, które nie są konieczne do odpowiedzi.
• Wklejanie zrzutów lub logów zawierających tokeny, adresy i identyfikatory sesji.
• Łączenie kilku pozornie nieszkodliwych informacji, które razem umożliwiają rozpoznanie osoby, klienta lub projektu.

Jak rozpoznawać ryzykowne elementy promptu

Przed wysłaniem promptu warto wykonać szybki przegląd treści i zaznaczyć elementy, które odpowiadają na jedno z poniższych pytań:

• Czy ta informacja wskazuje konkretną osobę?
• Czy ta informacja dotyczy konkretnego klienta, kontrahenta, sprawy lub projektu?
• Czy ten fragment zawiera dane dostępowe albo techniczne sekrety?
• Czy ten szczegół jest potrzebny modelowi do wykonania zadania?
• Czy po usunięciu tej informacji odpowiedź nadal byłaby użyteczna?

Jeżeli odpowiedź na co najmniej jedno z tych pytań brzmi „tak”, należy zatrzymać się i uprościć prompt.

Przykłady: prompt niehigieniczny i poprawiony

Różnica nie polega wyłącznie na „ukryciu danych”, ale na zmianie sposobu myślenia: od wklejania materiału źródłowego do przekazywania celu zadania i niezbędnego minimum informacji.

Ćwiczenie 2: znajdź dane poufne w promptach

Zadanie: przeczytaj poniższe prompty i wskaż elementy, których nie należy przekazywać do AI w tej formie. Następnie zaproponuj krótszą, bezpieczniejszą wersję.

1. Prompt A: „Przygotuj odpowiedź dla pracownika [imię i nazwisko], numer identyfikacyjny [dane], który zgłosił problem z wypłatą za marzec. Oto treść wiadomości i dane kadrowe: [szczegóły].”

2. Prompt B: „Wyjaśnij, co oznacza ten błąd. Wklejam pełny log aplikacji wraz z adresem serwera, loginem użytkownika i kluczem testowym.”

3. Prompt C: „Podsumuj reklamację klienta dotyczącą zamówienia [numer], złożonego przez [dane], z adresem dostawy [dane] i numerem telefonu [dane].”

Wskazówka do wykonania: w każdym przykładzie podziel treść na dwie warstwy:

• cel zadania – co model ma zrobić,
• nadmiarowe dane – które nie są potrzebne do uzyskania sensownej odpowiedzi.

Przykładowe rozwiązanie

Prompt A – elementy ryzykowne: imię i nazwisko, numer identyfikacyjny, szczegóły kadrowe. Wersja bezpieczniejsza: „Przygotuj uprzejmą odpowiedź dla pracownika zgłaszającego problem z wypłatą za marzec i poproś o potwierdzenie brakujących informacji.”

Prompt B – elementy ryzykowne: pełny log, adres serwera, login użytkownika, klucz testowy. Wersja bezpieczniejsza: „Wyjaśnij możliwe przyczyny błędu autoryzacji na podstawie zanonimizowanego komunikatu: ‘access denied during token validation’.”

Prompt C – elementy ryzykowne: numer zamówienia, dane klienta, adres dostawy, numer telefonu. Wersja bezpieczniejsza: „Podsumuj treść reklamacji dotyczącej opóźnionej dostawy i zaproponuj neutralną odpowiedź informacyjną.”

Mini-checklista przed wysłaniem promptu

• Czy usunąłem imiona, nazwiska, adresy, telefony i identyfikatory?
• Czy nie wkleiłem pełnej korespondencji, jeśli wystarczy streszczenie?
• Czy prompt nie zawiera numerów spraw, zamówień, kont lub dokumentów?
• Czy usunąłem hasła, tokeny, klucze i inne sekrety techniczne?
• Czy ograniczyłem kontekst do minimum potrzebnego do zadania?
• Czy po przeczytaniu promptu osoba trzecia mogłaby rozpoznać konkretną osobę, klienta lub projekt?
• Czy ten sam efekt da się osiągnąć przy użyciu opisu ogólnego lub danych zanonimizowanych?

Dobra higiena promptów nie wymaga skomplikowanych procedur. Najważniejszy nawyk to zatrzymanie się na kilka sekund przed wysłaniem treści i sprawdzenie, czy prompt zawiera tylko to, co naprawdę konieczne.

4. Anonimizacja w praktyce: techniki i pułapki

Anonimizacja to praktyczne przygotowanie treści tak, aby można było bezpieczniej wykorzystać ją w pracy z AI bez ujawniania informacji pozwalających rozpoznać konkretną osobę, organizację, sprawę lub dokument. W praktyce nie chodzi tylko o usunięcie imienia i nazwiska. Równie ważne są identyfikatory pośrednie: numery spraw, adresy e-mail, numery telefonów, dokładne daty, lokalizacje, nazwy działów, nazwy projektów, sygnatury, dane finansowe czy zestawy informacji, które razem umożliwiają identyfikację.

Cel anonimizacji jest prosty: zachować sens materiału potrzebny do wykonania zadania, a jednocześnie ograniczyć ryzyko ujawnienia danych poufnych. Dobra anonimizacja nie polega więc na „wyczyszczeniu wszystkiego”, lecz na takim przekształceniu tekstu, by pozostał użyteczny. W Cognity omawiamy to zagadnienie zarówno od strony technicznej, jak i praktycznej – zgodnie z realiami pracy uczestników.

Najczęstsze techniki anonimizacji

Anonimizacja a pseudonimizacja

W praktyce te pojęcia bywają mylone. Anonimizacja ma uniemożliwić identyfikację osoby lub podmiotu na podstawie udostępnionej treści. Pseudonimizacja jedynie zastępuje dane innym oznaczeniem, ale przy dodatkowych informacjach nadal może istnieć możliwość odtworzenia tożsamości. Jeśli w tekście pojawia się „Klient 1”, „Klient 2” i szczegółowy opis sytuacji, to nadal może być za mało, by uznać materiał za bezpieczny.

Co najczęściej trzeba anonimizować

• dane osobowe: imię, nazwisko, adres, telefon, e-mail, PESEL, numer dokumentu, data urodzenia,
• dane organizacyjne: nazwy klientów, dostawców, działów, projektów, lokalizacji,
• identyfikatory spraw: numery zamówień, sygnatury, ID zgłoszeń, numery polis,
• dane finansowe i operacyjne: kwoty przypisane do konkretnego przypadku, terminy płatności, marże,
• dane kontekstowe: bardzo dokładne daty, rzadkie stanowiska, małe miejscowości, nietypowe zdarzenia.

Najważniejsze pułapki

• Pozostawienie danych pośrednich – nawet po usunięciu nazwisk tekst może nadal identyfikować osobę przez stanowisko, datę, miejscowość i opis zdarzenia.
• Zbyt mała anonimizacja załączników i metadanych – sam tekst może być oczyszczony, ale nazwa pliku, nagłówek, stopka lub komentarze mogą zawierać wrażliwe informacje.
• Nadmierna szczegółowość – dokładne kwoty, unikalne daty i rzadkie kombinacje faktów często pozwalają odtworzyć kontekst.
• Pozorna anonimizacja – zamiana kilku słów bez oceny całego dokumentu daje fałszywe poczucie bezpieczeństwa.
• Zbyt agresywne usuwanie danych – jeśli zniknie sens wypowiedzi, AI nie otrzyma materiału wystarczającego do wykonania zadania.

Jak ocenić, czy anonimizacja jest wystarczająca

Pomocne jest proste pytanie: czy osoba nieznająca sprawy mogłaby na podstawie tego tekstu rozpoznać, kogo lub czego dotyczy dokument? Jeśli odpowiedź brzmi „tak”, „być może” albo „po połączeniu z innymi informacjami”, materiał wymaga dalszego uproszczenia lub konsultacji.

Warto też zachować zasadę minimalizacji: przekazywać tylko te informacje, które są niezbędne do zadania. Jeżeli AI ma poprawić styl pisma, nie musi znać pełnych danych stron. Jeżeli ma pomóc uporządkować argumenty, zwykle wystarczą role, ogólne daty i neutralny opis sytuacji.

Ćwiczenie 3: anonimizacja krótkiego dokumentu

Zadanie: przeczytaj poniższy fragment i przygotuj jego wersję zanonimizowaną tak, aby nadal dało się poprosić AI o streszczenie problemu i propozycję neutralnej odpowiedzi.

Szanowni Państwo,

w nawiązaniu do zgłoszenia przesłanego 14.03.2024 przez Annę Nowak z działu zakupów informuję, że faktura nr FV/03/2024/118 dotycząca zamówienia 45877 nie została opłacona w terminie. Sprawa dotyczy dostawy do oddziału przy ul. Lipowej 12 w Radomiu. Prosimy o pilny kontakt pod adresem a.nowak@firma.pl lub numerem 501-234-567. Kwota należności wynosi 48 920 zł brutto, a termin płatności upłynął 11.03.2024.

Przykładowe rozwiązanie

Szanowni Państwo,

w nawiązaniu do zgłoszenia przesłanego w marcu 2024 przez [OSOBA] z [DZIAŁ] informuję, że [FAKTURA_ID] dotycząca [ZAMÓWIENIE_ID] nie została opłacona w terminie. Sprawa dotyczy dostawy do [LOKALIZACJA]. Prosimy o pilny kontakt pod [EMAIL] lub [TELEFON]. Kwota należności wynosi [KWOTA] brutto, a termin płatności upłynął wcześniej w marcu 2024.

Omówienie ćwiczenia

W poprawionej wersji usunięto dane bezpośrednio identyfikujące i ograniczono szczegółowość tam, gdzie nie była konieczna. Zastosowano kilka technik jednocześnie:

• imię i nazwisko zastąpiono etykietą [OSOBA],
• dział pozostawiono jako kategorię, bo może mieć znaczenie dla zrozumienia roli nadawcy,
• numery faktury i zamówienia ukryto jako identyfikatory techniczne,
• dokładny adres i miasto zastąpiono ogólną etykietą lokalizacji,
• e-mail i telefon całkowicie zanonimizowano,
• dokładne daty uogólniono do miesiąca,
• kwotę ukryto, ponieważ może stanowić element identyfikujący konkretną sprawę.

Warto zauważyć, że tekst nadal zachowuje sens: wiadomo, że chodzi o nieopłaconą fakturę, zgłoszenie z określonego okresu, kontekst dostawy i potrzebę kontaktu. To wystarczy do wielu zadań, takich jak streszczenie, poprawa tonu odpowiedzi czy uporządkowanie komunikatu.

Kiedy taka anonimizacja może być niewystarczająca

Nawet poprawnie oczyszczony fragment może nadal wymagać ostrożności, jeśli:

• sprawa jest znana w bardzo małym zespole,
• opis zdarzenia jest unikalny i łatwy do rozpoznania,
• AI miałaby otrzymać wiele podobnych fragmentów, które razem odtworzą szerszy obraz,
• w treści pozostają dane biznesowo wrażliwe, choć już nie osobowe.

Praktyczna zasada brzmi: anonimizuj nie tylko słowa, ale i kontekst. To właśnie kontekst najczęściej zdradza więcej, niż wydaje się na pierwszy rzut oka.

5. Jakość i wiarygodność odpowiedzi AI: błędy, halucynacje, stronniczość i weryfikacja

Korzystanie z AI nie kończy się na otrzymaniu odpowiedzi. Równie ważna jest ocena, czy odpowiedź jest poprawna, adekwatna i bezpieczna w użyciu. Model może brzmieć przekonująco nawet wtedy, gdy podaje informacje niepełne, błędne albo zmyślone. W praktyce oznacza to konieczność rozróżniania kilku typów problemów: zwykłych błędów, halucynacji, stronniczości oraz odpowiedzi, które są formalnie poprawne, ale nieprzydatne w danym kontekście.

Celem tej części warsztatu jest nauczenie prostego sposobu oceny jakości odpowiedzi AI: co sprawdzić, kiedy zaufać ostrożnie, a kiedy koniecznie zweryfikować wynik w innym źródle.

Najczęstsze problemy w odpowiedziach AI

Błąd a halucynacja – podstawowa różnica

Błąd to sytuacja, w której AI podało informację niezgodną z rzeczywistością, na przykład złą datę, błędną definicję lub niewłaściwe podsumowanie tekstu.

Halucynacja jest bardziej podstępna: model tworzy coś, co wygląda wiarygodnie, ale nie ma pokrycia w danych. Może to być nieistniejący raport, fałszywy przepis prawa, wymyślona funkcja w bibliotece programistycznej albo cytat, którego nikt nie wypowiedział.

W praktyce użytkowej najważniejsze jest to, że halucynacje często są trudniejsze do wykrycia niż zwykłe błędy, bo są podane płynnie, logicznie i bez sygnału niepewności.

Skąd biorą się halucynacje i błędy

• Nieprecyzyjny prompt – pytanie jest zbyt ogólne lub wieloznaczne.
• Brak kontekstu – model zgaduje, czego użytkownik oczekuje.
• Tematy wymagające aktualnych danych – odpowiedź może nie uwzględniać najnowszego stanu wiedzy.
• Pytania o źródła, dokumenty i szczegóły – model może uzupełniać luki pozornie wiarygodnymi elementami.
• Zbyt duża złożoność zadania – przy wielu warunkach rośnie ryzyko uproszczeń i pominięć.

Stronniczość w odpowiedziach AI

Stronniczość nie zawsze oznacza otwarcie dyskryminującą treść. Często przyjmuje łagodniejszą formę: model promuje jedną interpretację, pomija inne perspektywy albo używa uproszczeń dotyczących ludzi, ról lub zachowań. Problem pojawia się zwłaszcza tam, gdzie odpowiedź ma wpływ na ocenę osób, podejmowanie decyzji lub komunikację formalną.

Warto zwrócić uwagę na:

• uogólnienia dotyczące grup ludzi, zawodów lub ról społecznych,
• automatyczne przypisywanie intencji, kompetencji lub ryzyka,
• język wartościujący tam, gdzie potrzebny jest opis neutralny,
• pomijanie istotnych alternatyw lub wyjątków.

Jak szybko ocenić wiarygodność odpowiedzi AI

Przydatna jest prosta zasada: im większe ryzyko skutków błędu, tym wyższy poziom weryfikacji. Nie każda odpowiedź wymaga tego samego sprawdzenia. Inaczej traktujemy szkic maila, inaczej interpretację przepisu, instrukcję techniczną czy treść dla klienta.

Prosty model weryfikacji: 5 pytań kontrolnych

• Czy odpowiedź rzeczywiście odpowiada na pytanie?
• Czy zawiera konkrety, które da się sprawdzić?
• Czy pojawiają się źródła, cytaty lub dokumenty, których nie znam?
• Czy ton odpowiedzi nie jest zbyt pewny jak na złożoność tematu?
• Czy błąd w tej odpowiedzi może mieć realne skutki?

Jeżeli choć na jedno z tych pytań odpowiedź budzi wątpliwość, warto przejść do sprawdzenia treści przed dalszym użyciem.

Dobre praktyki weryfikacji

• Porównuj z materiałem źródłowym – szczególnie przy streszczeniach i parafrazach.
• Sprawdzaj fakty w niezależnych źródłach – nie opieraj się wyłącznie na jednej odpowiedzi AI.
• Proś o wskazanie niepewności – to pomaga wychwycić miejsca wymagające kontroli.
• Rozbijaj złożone pytania – łatwiej ocenić krótsze i bardziej konkretne odpowiedzi.
• Proś o wersję ostrożną – na przykład: „jeśli nie masz pewności, zaznacz to wyraźnie”.
• Nie traktuj płynności języka jako dowodu jakości – styl i poprawność językowa nie gwarantują prawdziwości.

Przykład: odpowiedź pozornie dobra, ale ryzykowna

Pytanie: „Podaj podstawę prawną i krótko wyjaśnij obowiązek przechowywania dokumentacji.”

Ryzyko: model może podać istniejąco brzmiący, ale błędny artykuł, nieaktualną regulację albo zbyt szerokie uproszczenie.

Bezpieczna reakcja użytkownika: sprawdzić przywołane przepisy w oficjalnym źródle i nie kopiować odpowiedzi bez potwierdzenia.

Ćwiczenie 4: rozpoznawanie halucynacji i sygnałów ostrzegawczych

Polecenie: Przeczytaj poniższe odpowiedzi AI i wskaż, które elementy powinny wzbudzić ostrożność. Nie chodzi o pełne sprawdzenie merytoryczne, ale o rozpoznanie sygnałów alarmowych.

1. Odpowiedź A: „Zgodnie z raportem branżowym z 2023 roku, 87% organizacji wdrożyło już pełną automatyzację weryfikacji treści AI.”
2. Odpowiedź B: „Najlepszym rozwiązaniem jest zawsze całkowite zaufanie modelowi, jeśli odpowiedź jest spójna logicznie.”
3. Odpowiedź C: „Ten przepis na pewno oznacza zakaz udostępniania jakichkolwiek danych w narzędziach cyfrowych.”
4. Odpowiedź D: „Nie mam pewności co do aktualności tej informacji; warto sprawdzić oficjalny dokument źródłowy.”

Zadanie uczestnika:

• wskaż odpowiedzi obarczone ryzykiem,
• zaznacz, czy problemem jest halucynacja, nadmierna pewność, stronniczość czy uproszczenie,
• zaproponuj jedno pytanie doprecyzowujące lub jedną czynność weryfikacyjną.

Przykładowe omówienie:

• A – podejrzana liczba i niejasne źródło; możliwa halucynacja lub niezweryfikowany fakt.
• B – skrajne i błędne uogólnienie; sygnał nadmiernej pewności.
• C – zbyt kategoryczna interpretacja; ryzyko uproszczenia i błędu rzeczowego.
• D – odpowiedź ostrożna; nie potwierdza faktu, ale poprawnie sygnalizuje potrzebę weryfikacji.

Ćwiczenie 5: ocena odpowiedzi AI przed użyciem

Polecenie: Załóż, że otrzymujesz od AI poniższe podsumowanie dokumentu:

„Dokument nakłada obowiązek natychmiastowego usuwania wszystkich danych po zakończeniu współpracy oraz zakazuje ich archiwizacji w każdym przypadku.”

Zadanie uczestnika:

1. Oceń, czy odpowiedź nadaje się do użycia bezpośrednio.
2. Wskaż, jakie elementy wymagają sprawdzenia w dokumencie źródłowym.
3. Zredaguj bezpieczniejszą wersję komunikatu, która nie zakłada pełnej pewności bez weryfikacji.

Przykładowe rozwiązanie:

• Ocena: odpowiedź nie powinna być użyta bez sprawdzenia.
• Do weryfikacji: czy dokument rzeczywiście mówi o „wszystkich danych”, czy obowiązek jest „natychmiastowy”, oraz czy istnieją wyjątki dotyczące archiwizacji.
• Bezpieczniejsza wersja: „Z dokumentu może wynikać obowiązek usunięcia części danych po zakończeniu współpracy, ale zakres, termin i ewentualne wyjątki należy potwierdzić w treści źródłowej.”

Mini-checklista przed wykorzystaniem odpowiedzi AI

• Czy wiem, na jakiej podstawie ta odpowiedź została sformułowana?
• Czy wszystkie konkretne fakty zostały sprawdzone?
• Czy odpowiedź nie zawiera zbyt mocnych uogólnień?
• Czy model nie brzmi zbyt pewnie jak na dostępne informacje?
• Czy ewentualny błąd nie spowoduje szkody operacyjnej, prawnej lub wizerunkowej?

Najważniejsza zasada brzmi: AI może przyspieszać pracę, ale nie zastępuje oceny krytycznej. Im bardziej odpowiedź dotyczy faktów, decyzji lub kwestii wrażliwych, tym większe znaczenie ma sprawdzenie jej przed użyciem.

6. Projektowanie bezpiecznych promptów: minimalizacja danych, kontekst, ograniczenia i format odpowiedzi

Bezpieczny prompt to taki, który pozwala uzyskać użyteczną odpowiedź przy jak najmniejszym ujawnieniu informacji. W praktyce oznacza to świadome dobieranie treści polecenia: przekazywanie tylko niezbędnych danych, opisywanie kontekstu bez nadmiarowych szczegółów, precyzowanie granic odpowiedzi oraz wskazywanie oczekiwanego formatu wyniku.

Celem nie jest napisanie „idealnie brzmiącego” polecenia, lecz stworzenie takiego promptu, który jednocześnie wspiera bezpieczeństwo, czytelność i powtarzalność odpowiedzi.

Dlaczego projektowanie promptu ma znaczenie?

Ten sam problem można opisać na wiele sposobów. Różnica polega na tym, czy do modelu trafiają informacje konieczne, czy również zbędne elementy, które zwiększają ryzyko ujawnienia danych lub utrudniają uzyskanie trafnej odpowiedzi.

• Zbyt szeroki prompt często zawiera za dużo kontekstu, w tym dane niepotrzebne do wykonania zadania.
• Zbyt ogólny prompt może prowadzić do odpowiedzi nieprecyzyjnych, niespójnych albo nadmiernie spekulacyjnych.
• Dobrze zaprojektowany prompt równoważy oszczędność danych z wystarczającą ilością informacji roboczych.

Cztery filary bezpiecznego promptu

1. Minimalizacja danych

Do promptu należy wprowadzać wyłącznie te informacje, które są potrzebne do realizacji konkretnego celu. Jeżeli model ma poprawić styl wiadomości, nie musi znać pełnej historii sprawy, numerów identyfikacyjnych, adresów, danych kontaktowych ani szczegółów pozwalających rozpoznać osoby lub organizacje.

W praktyce warto zadać sobie pytanie: czy bez tej informacji odpowiedź nadal będzie użyteczna? Jeśli tak, należy ją pominąć.

2. Kontekst zadania

Minimalizacja danych nie oznacza usuwania wszystkiego. Model potrzebuje podstawowego kontekstu: celu, rodzaju odbiorcy, stylu odpowiedzi lub obszaru tematycznego. Bez tego odpowiedź może być zbyt ogólna. Bezpieczny kontekst to taki, który objaśnia zadanie, ale nie odsłania poufnych szczegółów.

Przykład: zamiast wklejać pełną korespondencję, można napisać, że chodzi o uprzejmą odpowiedź na reklamację klienta dotyczącą opóźnienia usługi.

3. Ograniczenia

Prompt powinien określać granice odpowiedzi. Ograniczenia pomagają zmniejszyć ryzyko niepotrzebnych rozwinięć, zgadywania brakujących informacji lub wychodzenia poza temat. Można wskazać między innymi:

• zakres odpowiedzi,
• długość,
• poziom szczegółowości,
• zakaz dopowiadania brakujących faktów,
• konieczność sygnalizowania niepewności.

4. Format odpowiedzi

Im precyzyjniej określony format, tym łatwiej ocenić wynik i wychwycić błędy. Wiele problemów jakościowych wynika nie z „braku wiedzy” modelu, ale z niejasnego oczekiwania co do formy odpowiedzi. Warto z góry wskazać, czy wynik ma być listą punktów, tabelą, krótkim podsumowaniem, wersją formalną wiadomości czy zestawem kroków do wykonania.

Porównanie: prompt ryzykowny a prompt bezpieczniejszy

Jak upraszczać prompt bez utraty sensu?

Dobrym podejściem jest budowanie polecenia z krótkich, funkcjonalnych części. Zamiast jednego długiego akapitu lepiej użyć prostego układu:

• cel: co model ma zrobić,
• kontekst: czego dotyczy zadanie,
• ograniczenia: czego ma nie robić,
• format: jak ma wyglądać odpowiedź.

Przykładowy szablon:

Cel: przygotuj krótką, uprzejmą odpowiedź.
Kontekst: odpowiedź dotyczy opóźnienia realizacji usługi.
Ograniczenia: nie dodawaj informacji, których nie podano; nie używaj danych osobowych.
Format: 3 akapity, formalny ton, maksymalnie 120 słów.

Taki schemat jest prosty, a jednocześnie skutecznie porządkuje komunikację z modelem.

Najczęstsze błędy przy projektowaniu bezpiecznych promptów

• Wklejanie całych materiałów źródłowych mimo że potrzebny jest tylko fragment lub streszczenie problemu.
• Dodawanie danych „na wszelki wypadek”, choć nie mają wpływu na wykonanie zadania.
• Brak wskazania celu, przez co odpowiedź staje się rozwlekła lub nietrafna.
• Brak ograniczeń, co zwiększa ryzyko zgadywania i uzupełniania luk przez model.
• Nieokreślony format odpowiedzi, utrudniający ocenę poprawności i użyteczności wyniku.

Przykłady przekształcania promptów

Przykład 1: redakcja wiadomości

Wersja słaba:

Popraw tę wiadomość do klienta. Tu jest cała historia sprawy i wszystkie dane kontaktowe...

Wersja bezpieczniejsza:

Przeredaguj wiadomość na uprzejmy i rzeczowy styl.
Kontekst: odpowiedź na pytanie o opóźnienie realizacji.
Usuń dane identyfikacyjne i nie dodawaj nowych faktów.
Format: gotowa wiadomość, maksymalnie 100 słów.

Przykład 2: podsumowanie dokumentu

Wersja słaba:

Przeanalizuj ten pełny dokument i powiedz, co jest najważniejsze.

Wersja bezpieczniejsza:

Na podstawie poniższego, zanonimizowanego fragmentu wskaż 3 najważniejsze ryzyka operacyjne.
Nie interpretuj informacji, których nie ma w tekście.
Format: lista punktowana.

Przykład 3: pomoc analityczna

Wersja słaba:

Powiedz, co sądzisz o tej sprawie i co dalej zrobić.

Wersja bezpieczniejsza:

Uporządkuj problem w 3 krokach decyzyjnych.
Kontekst: użytkownik potrzebuje ogólnej listy działań organizacyjnych.
Nie udzielaj porad specjalistycznych i zaznacz, jeśli brakuje danych.
Format: tabela „problem / możliwe działanie / brakujące informacje”.

Praktyczna zasada: minimum danych, maksimum instrukcji

W bezpiecznym promptowaniu lepiej przekazywać mniej treści źródłowej, a więcej jasnych instrukcji operacyjnych. Model nie musi znać wszystkich szczegółów, aby:

• zmienić styl tekstu,
• uporządkować treść,
• zaproponować strukturę odpowiedzi,
• wskazać pytania doprecyzowujące,
• przygotować neutralny szablon.

To podejście zmniejsza ryzyko i jednocześnie poprawia przewidywalność rezultatu.

Ćwiczenie 6

Zadanie: poniżej znajduje się zbyt szeroki prompt. Przekształć go tak, aby był bezpieczniejszy, krótszy i bardziej precyzyjny. Zachowaj cel zadania, ale ogranicz dane do niezbędnego minimum, doprecyzuj kontekst, dodaj ograniczenia i wskaż format odpowiedzi.

Prompt wyjściowy:

Przygotuj odpowiedź na wiadomość od klienta. Wklejam całą korespondencję z ostatnich dwóch miesięcy, dane kontaktowe, szczegóły umowy, opis problemów z realizacją, wewnętrzne ustalenia zespołu oraz notatki o błędach pracownika. Napisz odpowiedź tak, żeby klient się uspokoił i nie zadawał więcej pytań.

Polecenia do wykonania:

• Usuń elementy zbędne do realizacji celu.
• Zastąp szeroki opis krótkim, neutralnym kontekstem.
• Dodaj ograniczenie, by model nie dopowiadał faktów.
• Wskaż oczekiwany styl i długość odpowiedzi.

Przykładowe rozwiązanie:

Przygotuj uprzejmą i rzeczową odpowiedź na wiadomość dotyczącą opóźnienia realizacji usługi.
Kontekst: odbiorca oczekuje wyjaśnienia i informacji o dalszych krokach.
Ograniczenia: nie używaj danych osobowych, nie dodawaj informacji spoza polecenia, nie przypisuj winy konkretnym osobom.
Format: gotowa wiadomość e-mail, formalny ton, maksymalnie 120 słów.

Na co zwrócić uwagę przy ocenie rozwiązania?

• Czy cel zadania pozostał czytelny?
• Czy usunięto zbędne informacje szczegółowe?
• Czy ograniczenia zmniejszają ryzyko niepożądanego wyniku?
• Czy format odpowiedzi ułatwia jej wykorzystanie w praktyce?

Dobrze zaprojektowany prompt nie musi być długi. Powinien być oszczędny w danych, jasny w instrukcjach i konkretny w oczekiwanym wyniku. To jedna z najprostszych metod podnoszenia bezpieczeństwa pracy z AI bez rezygnacji z użyteczności narzędzia.

7. Incydenty i odpowiedzialne reagowanie: analiza przypadku ujawnienia informacji, działania korygujące i prewencja

Nawet przy zachowaniu ostrożności może dojść do sytuacji, w której do narzędzia AI zostaną wpisane informacje, które nie powinny się tam znaleźć. Incydent nie zawsze oznacza duży wyciek danych, ale zawsze wymaga spokojnej oceny sytuacji i uporządkowanej reakcji. Najważniejsze jest szybkie ograniczenie skutków, właściwe zgłoszenie problemu oraz wyciągnięcie wniosków na przyszłość.

W kontekście pracy z AI warto odróżnić błąd użytkownika, naruszenie procedury i realny incydent bezpieczeństwa. Błąd użytkownika może polegać na wklejeniu zbyt szerokiego fragmentu dokumentu. Naruszenie procedury to działanie sprzeczne z przyjętymi zasadami, na przykład użycie niezatwierdzonego narzędzia. Realny incydent bezpieczeństwa pojawia się wtedy, gdy istnieje ryzyko ujawnienia danych poufnych, danych osobowych, tajemnic organizacyjnych lub innych informacji chronionych. Te pojęcia częściowo się pokrywają, ale ich rozróżnienie pomaga dobrać właściwą reakcję.

Odpowiedzialne reagowanie nie polega na ukrywaniu pomyłki ani na samodzielnym ocenianiu, że „to chyba nic poważnego”. Bezpieczniejsze jest przyjęcie zasady: jeśli mam wątpliwość, zgłaszam. Szybkie zgłoszenie zwykle zmniejsza skalę problemu, a opóźnienie może utrudnić ocenę ryzyka i podjęcie działań naprawczych.

Przykładowy przypadek

Pracownik korzysta z narzędzia AI, aby skrócić treść wiadomości lub dokumentu. Zamiast przygotowanego, zanonimizowanego fragmentu wkleja pełny tekst zawierający dane kontaktowe, szczegóły sprawy, wewnętrzne ustalenia albo informacje o kliencie czy pracowniku. Po chwili orientuje się, że prompt zawierał więcej informacji, niż było to konieczne.

W takiej sytuacji nie należy skupiać się wyłącznie na pytaniu, czy model „zapamiętał” dane. Istotne jest przede wszystkim ustalenie:

• jakiego rodzaju informacje zostały ujawnione,
• czy były to dane osobowe, dane poufne lub informacje objęte ograniczeniami,
• do jakiego narzędzia zostały wprowadzone,
• czy narzędzie było dopuszczone do użytku w danym kontekście,
• czy istnieje możliwość usunięcia historii, rozmowy lub załączonych treści,
• kto powinien zostać poinformowany zgodnie z procedurą organizacji.

Jak reagować krok po kroku

• Przerwij dalsze działanie. Nie kontynuuj rozmowy, nie doklejaj kolejnych danych i nie próbuj „naprawiać” sytuacji przez dopisywanie wyjaśnień do promptu.
• Zabezpiecz informacje o zdarzeniu. Zanotuj, kiedy doszło do incydentu, jakie narzędzie zostało użyte i jaki typ danych został wpisany. W razie potrzeby zachowaj zrzut ekranu lub identyfikator konwersacji, jeśli jest to zgodne z zasadami organizacji.
• Oceń wstępnie zakres ujawnienia. Ustal, czy chodzi o pojedynczy fragment tekstu, cały dokument, dane jednej osoby czy większy zbiór informacji.
• Zgłoś incydent odpowiedniej osobie lub zespołowi. Może to być przełożony, dział bezpieczeństwa, dział prawny, inspektor ochrony danych lub inna jednostka wskazana w procedurach wewnętrznych.
• Wykonaj dozwolone działania ograniczające skutki. Na przykład usuń historię rozmowy, jeśli system to umożliwia i jeśli taka czynność jest zgodna z polityką organizacji. Nie zastępuje to zgłoszenia, ale może ograniczyć ryzyko.
• Nie ukrywaj błędu. Celem jest ograniczenie skutków i poprawa procesu, a nie pozorne „zatuszowanie” problemu.

Działania korygujące

Po zgłoszeniu incydentu zwykle potrzebne są działania korygujące. Ich celem jest zarówno uporządkowanie konkretnej sytuacji, jak i ograniczenie ryzyka podobnych błędów w przyszłości. W praktyce mogą obejmować:

• sprawdzenie, czy użyte narzędzie spełnia wymagania organizacji,
• doprecyzowanie zasad korzystania z AI w codziennej pracy,
• ograniczenie możliwości wprowadzania określonych typów danych do wybranych narzędzi,
• uaktualnienie checklist, instrukcji lub wzorów promptów,
• krótkie szkolenie przypominające dla zespołu,
• przegląd podobnych procesów, w których ryzyko może występować częściej.

Ważne jest, aby działania korygujące były proporcjonalne. Nie każdy incydent oznacza ten sam poziom zagrożenia, ale każdy powinien prowadzić do refleksji nad praktyką pracy.

Prewencja: jak zmniejszać ryzyko incydentów

Najskuteczniejsza prewencja opiera się na prostych nawykach. Użytkownik nie musi znać wszystkich technicznych szczegółów systemu, ale powinien umieć rozpoznać moment, w którym należy się zatrzymać i sprawdzić treść przed wysłaniem.

• Wklejaj do AI tylko to, co jest niezbędne do wykonania zadania.
• Zawsze czytaj prompt jeszcze raz przed wysłaniem.
• Usuwaj dane identyfikujące osoby, organizacje, numery spraw, dane kontaktowe i inne wrażliwe szczegóły, jeśli nie są konieczne.
• Korzystaj wyłącznie z narzędzi dopuszczonych do pracy w danym środowisku.
• Nie traktuj wygody jako uzasadnienia dla pomijania zasad bezpieczeństwa.
• W razie wątpliwości wybieraj konsultację zamiast samodzielnego ryzyka.

W praktyce prewencja nie polega na całkowitym unikaniu AI, lecz na świadomym korzystaniu z niej w granicach bezpiecznych procedur. Odpowiedzialność oznacza nie tylko ostrożność przed wysłaniem promptu, ale także właściwe zachowanie wtedy, gdy dojdzie do błędu.

Ćwiczenie 7

Cel: przećwiczenie reakcji na sytuację, w której do narzędzia AI przypadkowo wprowadzono informacje, które nie powinny się tam znaleźć.

Polecenie: przeczytaj opis sytuacji i odpowiedz, jakie działania należy podjąć w pierwszej kolejności.

Sytuacja: podczas pracy nad streszczeniem dokumentu użytkownik wkleił do narzędzia AI fragment zawierający dane osobowe oraz wewnętrzne informacje organizacyjne. Po wysłaniu promptu zauważył, że użył pełnej wersji tekstu zamiast przygotowanego wcześniej skrótu.

Zadanie: wypisz w punktach:

• co należy zrobić natychmiast,
• kogo należy poinformować,
• jakie informacje warto zebrać o zdarzeniu,
• jakie działania mogą pomóc zapobiec podobnej sytuacji w przyszłości.

Wskazówka do omówienia: dobra odpowiedź powinna uwzględniać zatrzymanie dalszych działań, zgłoszenie incydentu zgodnie z procedurą, udokumentowanie podstawowych faktów oraz wskazanie prostych działań zapobiegawczych, takich jak ponowna kontrola promptów, minimalizacja danych i korzystanie z zatwierdzonych narzędzi.

8. Podsumowanie i wdrożenie w zespole: lista zasad, ustalenia operacyjne + ćwiczenie 8 oraz klucz odpowiedzi/wskazówki dla prowadzącego

Skuteczne i bezpieczne korzystanie z AI w pracy zespołowej wymaga nie tylko indywidualnej ostrożności, ale także wspólnych reguł działania. Najważniejsza różnica praktyczna polega na tym, że techniczne możliwości modelu nie są tym samym co zgoda organizacyjna na użycie określonych danych i zastosowań. Zespół powinien więc ustalić jednocześnie: co wolno robić, na jakich danych, w jakim celu, przy użyciu jakich narzędzi oraz kto odpowiada za weryfikację wyników.

Wdrożenie zasad powinno być możliwie proste. Celem nie jest tworzenie skomplikowanej procedury, lecz wypracowanie nawyków, które ograniczają ryzyko ujawnienia informacji, zmniejszają liczbę błędów oraz pomagają szybciej wychwycić odpowiedzi niepewne lub zmyślone. Dobrze przygotowany zespół traktuje AI jako narzędzie wspierające, a nie samodzielne źródło prawdy czy miejsce do swobodnego przekazywania pełnych danych roboczych.

Na zakończenie warto pamiętać, że sama znajomość zasad nie wystarcza bez ich codziennego stosowania. W Cognity łączymy teorię z praktyką, dlatego ten temat rozwijamy także w formie ćwiczeń na szkoleniach.

Lista zasad do przyjęcia w zespole

• Zasada minimalizacji danych – do promptu trafiają tylko informacje niezbędne do wykonania zadania.
• Zasada domyślnej ostrożności – jeśli nie ma pewności, czy dane można wprowadzić, należy wstrzymać działanie i skonsultować przypadek.
• Zasada anonimizacji przed użyciem – dane identyfikujące osoby, klientów, sprawy, numery, adresy i inne informacje wrażliwe powinny być usuwane lub zastępowane neutralnymi oznaczeniami.
• Zasada weryfikacji odpowiedzi – treści wygenerowane przez AI wymagają sprawdzenia przed dalszym użyciem, zwłaszcza jeśli mają wpływ na decyzje, komunikację zewnętrzną lub dokumenty robocze.
• Zasada ograniczonego zaufania – poprawny styl odpowiedzi nie oznacza poprawności merytorycznej.
• Zasada zgodnego celu użycia – narzędzie AI powinno być wykorzystywane wyłącznie do zadań zaakceptowanych przez organizację.
• Zasada odpowiedzialności użytkownika – osoba wpisująca prompt odpowiada za to, jakie dane przekazuje i jak wykorzysta wynik.
• Zasada śladu decyzyjnego – w ważniejszych zastosowaniach warto odnotować, że AI było użyte oraz kto zatwierdził wynik.
• Zasada niekopiowania „jak leci” – nie należy bezrefleksyjnie wklejać całych wiadomości, dokumentów, raportów czy zgłoszeń.
• Zasada reakcji na incydent – jeśli dojdzie do omyłkowego ujawnienia danych, trzeba działać od razu zgodnie z ustalonym trybem zgłoszenia.

Ustalenia operacyjne, które warto wdrożyć

• Uzgodnienie, jakie typy zadań są akceptowalne, a jakie wyłączone z użycia AI.
• Wskazanie, kto w zespole udziela szybkich konsultacji w przypadkach wątpliwych.
• Przyjęcie prostego wzorca bezpiecznego promptu, który ogranicza zakres danych i porządkuje polecenie.
• Wprowadzenie krótkiej listy kontrolnej przed wysłaniem promptu.
• Ustalenie, kiedy odpowiedź AI musi zostać sprawdzona przez drugą osobę.
• Oddzielenie pracy na danych testowych, przykładowych i rzeczywistych.
• Uzgodnienie sposobu oznaczania treści przygotowanych z pomocą AI.
• Przypomnienie zasad na spotkaniach zespołowych i omawianie krótkich przypadków praktycznych.
• Okresowy przegląd najczęstszych błędów, aby aktualizować dobre praktyki.

Najbardziej użyteczne wdrożenie to takie, które da się stosować codziennie bez zbędnego obciążenia. Dlatego zamiast rozbudowanych instrukcji lepiej sprawdzają się krótkie reguły, wspólne przykłady i jasna ścieżka konsultacji. Zespół powinien wiedzieć nie tylko, czego nie robić, ale też jak bezpiecznie korzystać z AI w typowych zadaniach.

Ćwiczenie 8: ustalenia zespołowe w praktyce

Celem ćwiczenia jest przełożenie zasad na konkretne decyzje operacyjne. Uczestnicy pracują indywidualnie lub w małych grupach i przygotowują propozycję krótkiego zestawu reguł dla własnego zespołu.

Polecenie: Na podstawie poniższych sytuacji zaproponuj zasady i ustalenia operacyjne. Dla każdej sytuacji odpowiedz krótko na pytania: czy użycie AI jest dopuszczalne, jakie warunki trzeba spełnić, kto powinien zatwierdzić wynik oraz jak ograniczyć ryzyko.

• Przygotowanie szkicu odpowiedzi na ogólne zapytanie klienta bez użycia danych identyfikujących.
• Streszczenie długiej notatki roboczej zawierającej dane osób i szczegóły sprawy.
• Prośba o analizę fragmentu umowy zawierającej informacje poufne.
• Tworzenie listy pytań do spotkania na podstawie wewnętrznego opisu problemu.
• Wygenerowanie tekstu, który ma zostać wysłany na zewnątrz bez dodatkowej kontroli człowieka.

Zadanie końcowe: Ułóż 6–8 punktów „mini-polityki zespołu”, którą da się zastosować od następnego dnia roboczego. Zasady powinny być krótkie, jednoznaczne i praktyczne.

Klucz odpowiedzi i wskazówki dla prowadzącego

W tym ćwiczeniu nie chodzi o jedno idealne brzmienie zasad, ale o to, czy uczestnicy potrafią przełożyć ogólne wymagania bezpieczeństwa na codzienną praktykę. Dobre odpowiedzi powinny zawierać cztery elementy: ocenę dopuszczalności, warunki użycia, odpowiedzialność za weryfikację oraz sposób ograniczenia ryzyka.

• Ogólne zapytanie klienta bez danych identyfikujących – zwykle dopuszczalne, o ile prompt nie zawiera danych poufnych, a wynik przed użyciem zostanie sprawdzony pod kątem trafności i tonu wypowiedzi.
• Streszczenie notatki z danymi osób i szczegółami sprawy – nie powinno być wykonywane bez uprzedniej anonimizacji; uczestnicy powinni wskazać usunięcie identyfikatorów i ograniczenie zakresu informacji.
• Analiza fragmentu umowy z informacjami poufnymi – odpowiedź powinna wskazywać na potrzebę szczególnej ostrożności, możliwą konsultację oraz zasadę niewprowadzania pełnych, wrażliwych treści bez odpowiednich ustaleń.
• Lista pytań do spotkania na podstawie wewnętrznego opisu problemu – często dopuszczalna po uproszczeniu i odpersonalizowaniu opisu; dobrym sygnałem jest wskazanie minimalizacji danych.
• Tekst do wysyłki bez kontroli człowieka – powinien zostać oceniony jako niedopuszczalny lub co najmniej nieakceptowalny organizacyjnie; uczestnicy powinni podkreślić obowiązek przeglądu przez człowieka.

Na co zwracać uwagę przy ocenie:

• Czy uczestnicy rozróżniają sytuacje bezpieczne od tych, które wymagają anonimizacji lub konsultacji.
• Czy nie utożsamiają wygody z dopuszczalnością.
• Czy pamiętają o weryfikacji odpowiedzi AI, a nie tylko o ochronie danych wejściowych.
• Czy proponowane zasady są wykonalne w codziennej pracy.
• Czy odpowiedzialność jest przypisana konkretnie, a nie ogólnie „zespołowi”.

Wskazówka metodyczna: jeśli uczestnicy tworzą zbyt ogólne reguły, warto dopytać: „Co użytkownik ma zrobić tuż przed wysłaniem promptu?”, „Kiedy ma przerwać i zapytać?”, „Kto sprawdza wynik?”, „Jak wygląda wersja bezpieczniejsza tego samego zadania?”. Takie pytania pomagają zamienić deklaracje w praktyczne procedury.

Efektem ćwiczenia powinien być krótki, wspólny zestaw zasad, który zespół rzeczywiście rozumie i potrafi zastosować w codziennej pracy. To właśnie spójność działania, a nie sama znajomość pojęć, najskuteczniej ogranicza ryzyko przy korzystaniu z AI.

Przejście z Import do DirectQuery w Power BI bez utraty miar DAX: plan, który działa 23 lipca 2026

10 pułapek w Power BI, przez które Twoje miary DAX i raporty działają gorzej niż powinny 21 lipca 2026