Dwie liczby opisują problem precyzyjniej niż jakikolwiek raport. Według danych NASK 46 procent urzędników zadeklarowało zawodowe korzystanie z generatywnej sztucznej inteligencji. Według Związku Miast Polskich 27,5 procent samorządów wdrożyło ją instytucjonalnie.
Różnica między tymi wartościami ma nazwę: shadow AI, czyli sztuczna inteligencja w cieniu instytucji. Narzędzia, których organizacja nie wybrała, nie kupiła i nad którymi nie sprawuje nadzoru, a mimo to są codziennie używane do jej zadań.
Jak to wygląda w praktyce
Mariusz Maleszak z allclouds.pl przytoczył na konferencji AI Summit Poland 2026 przykład fikcyjnej, lecz typowej referentki. Ma przygotować trzy odpowiedzi na wnioski mieszkańców, termin mija nazajutrz, a godziny pracy już minęły. Wkleja treść pisma do czatbota w telefonie i po chwili ma gotowy szkic.
Jak zaznaczył, pracownicy nie łamią zasad, bo do niedawna nie mieli alternatywy. To przesunięcie odpowiedzialności jest tu istotne: problemem nie jest zachowanie pracownika, lecz brak narzędzia po stronie instytucji.
Gdzie leży ryzyko
Treść wniosku mieszkańca zawiera dane osobowe, czasem wrażliwe. Wklejona do usługi wybranej prywatnie opuszcza organizację bez umowy powierzenia, bez wiedzy o miejscu przetwarzania i bez możliwości audytu.
To samo dotyczy firm, i to w stopniu nie mniejszym. Pracownik, który wkleja fragment umowy, wycenę albo korespondencję z kontrahentem do narzędzia dostępnego za darmo, działa w dobrej wierze i jednocześnie wyprowadza dane poza przedsiębiorstwo.
Polskie modele językowe jako odpowiedź
Przedstawiciele allclouds.pl zwracają uwagę, że Polska dysponuje czymś, czego większość Europy dopiero się dorabia: własnymi modelami wytrenowanymi na polskich tekstach.
PLLuM powstał w 2024 roku w konsorcjum kierowanym przez Politechnikę Wrocławską, a rozwija go konsorcjum HIVE AI pod kierunkiem NASK, finansowane przez Ministerstwo Cyfryzacji. Bielik ma rodowód oddolny: wytrenowała go społeczność SpeakLeash wspólnie z Akademickim Centrum Komputerowym Cyfronet.
Znaczenie krajowych modeli nie sprowadza się do dumy technologicznej. Model, który można uruchomić na własnej infrastrukturze albo u dostawcy związanego krajową umową, rozwiązuje problem wyprowadzania danych u źródła.
Wniosek dla przedsiębiorcy
Zakaz korzystania z czatbotów rzadko działa, bo presja czasu jest silniejsza niż regulamin. Sprawdza się odwrotna kolejność: najpierw udostępnić narzędzie, które jest dobre i bezpieczne, potem egzekwować zasady.
Warto przy okazji sprawdzić jedną rzecz: czy w firmie w ogóle wiadomo, z jakich narzędzi korzystają pracownicy. Zwykle odpowiedź jest zaskakująca.
Skąd biorą się krajowe modele
PLLuM i Bielik powstały dwiema różnymi drogami. Pierwszy w układzie instytucjonalnym, z finansowaniem publicznym i uczelnią w roli koordynatora. Drugi oddolnie, z inicjatywy społeczności, przy wsparciu ośrodka obliczeniowego.
Ta dwutorowość ma znaczenie praktyczne, bo oznacza, że kompetencje nie są skupione w jednym miejscu. Dla firmy szukającej rozwiązania to po prostu więcej niż jedna opcja.
Od czego zacząć
Zanim powstanie regulamin, warto zapytać pracowników wprost, czego używają i do czego. Odpowiedzi pokazują zwykle, które zadania naprawdę wymagają wsparcia, a to jest lepszy punkt wyjścia niż lista zakazów.
Źródło: PAP MediaRoom, allclouds.pl
