Kontrola jakości treści AI to nie kosmetyka, tylko ostatnia zapora przed publikacją tekstu, który może zawierać zmyślone liczby, nieistniejące źródła i akapity powtarzające tę samą myśl trzy razy. Model językowy pisze płynnie, więc błędy nie rzucają się w oczy przy szybkim czytaniu. Poniższa checklista porządkuje to, co trzeba sprawdzić zawsze, i to, co można sobie odpuścić.
W skrócie
- Sprawdzasz pięć rzeczy: fakty i liczby, źródła, powtórzenia, ton oraz język. Reszta to detale.
- Każdą liczbę traktujesz jako niezweryfikowaną, dopóki nie znajdziesz jej w źródle pierwotnym.
- Linki i cytaty z modelu klikasz ręcznie. Zmyślone adresy to najczęstszy typ błędu w tekstach AI.
- Tekst podpisuje konkretna osoba, która ponosi za niego odpowiedzialność, a nie „redakcja”.
Co realnie trzeba sprawdzać, a co jest paniką
Największy koszt generuje nie sam fakt użycia AI, lecz publikacja nieprawdy pod nazwiskiem firmy. Google w wytycznych dla twórców mówi wprost, że sposób powstania tekstu nie ma znaczenia, liczy się jego przydatność i wiarygodność (szczegóły w wytycznych Google Search Central). Panika wokół „wykrywaczy AI” jest więc w dużej mierze bezprzedmiotowa: detektory mylą się w kilkunastu procentach przypadków w obie strony, a Google i tak ich nie używa jako kryterium.
Realne ryzyko leży gdzie indziej. Model potrafi napisać, że „według badania z 2024 roku 73% firm wdrożyło automatyzację”, chociaż takie badanie nie istnieje. Potrafi też zacytować ustawę pod złym artykułem albo przypisać wypowiedź osobie, która nigdy jej nie wygłosiła. To są błędy, które kończą się utratą zaufania czytelnika, sprostowaniem, a czasem pismem od prawnika.
| Obszar | Ryzyko | Czas sprawdzenia (1500 słów) |
|---|---|---|
| Fakty i liczby | wysokie | 15–25 minut |
| Źródła i linki | wysokie | 10–15 minut |
| Powtórzenia i puste akapity | średnie | 5–10 minut |
| Ton i słownictwo | średnie | 5–10 minut |
| Ortografia i polskie znaki | niskie | 2–5 minut |
| „Czy to wykryje detektor AI” | pomijalne | 0 minut |
Weryfikacja faktów i liczb
Każda liczba w tekście AI jest podejrzana, dopóki nie zobaczysz jej w źródle pierwotnym. Model nie „wie”, ile wynosi udział Google w polskim rynku wyszukiwarek; on generuje wartość, która statystycznie pasuje do zdania. Dlatego procenty, daty, kwoty i nazwy własne wymagają osobnego przejścia.
Praktyczna procedura wygląda tak:
- Zaznacz w tekście wszystkie liczby, daty, nazwy firm, osób i produktów.
- Dla każdej znajdź źródło pierwotne: raport, dokumentację, stronę producenta, akt prawny. Nie inny artykuł, który cytuje to samo.
- Jeśli źródła nie ma, usuń liczbę albo zamień ją na opis mechanizmu („większość wdrożeń” zamiast „68% wdrożeń”).
- Sprawdź jednostki i rzędy wielkości: model często myli miliony z miliardami i procenty z punktami procentowymi.
Ile takich faktów powinno być w tekście, żeby miał wartość, a jednocześnie dało się je wszystkie zweryfikować? Odpowiedź zależy od typu wpisu; rozpisaliśmy to w tekście o tym, ile treści i faktów potrzebuje wpis pisany pod AI. Zasada minimum: lepiej pięć liczb ze źródłem niż dwadzieścia bez.
Źródła: kiedy model je zmyśla
Modele językowe zmyślają źródła najczęściej wtedy, gdy prompt każe im podać przypisy, a one nie mają dostępu do wyszukiwarki. Efekt wygląda wiarygodnie: poprawnie sformatowany link do domeny rządowej, tytuł raportu, rok, a nawet numer strony. Tylko że pod adresem jest błąd 404 albo zupełnie inny dokument.
Trzy testy wyłapują większość takich przypadków:
- Klik w każdy link. Bez wyjątku. Strona ma się otworzyć i zawierać to, co sugeruje kontekst.
- Cytat w cudzysłowie. Wklej fragment do wyszukiwarki. Jeśli nie ma go w żadnym indeksie, prawdopodobnie nie istnieje.
- Autor i instytucja. Sprawdź, czy wskazana osoba pracuje tam, gdzie twierdzi model, i czy publikowała w tym temacie.
Jeśli model ma tryb przeglądania (Perplexity, ChatGPT z wyszukiwaniem, Gemini), ryzyko spada, ale nie znika. Narzędzie potrafi trafnie zacytować stronę, a jednocześnie błędnie streścić jej treść. Weryfikujesz więc nie tylko istnienie źródła, ale i zgodność streszczenia z oryginałem.
Powtórzenia i puste akapity
Drugi po zmyślonych faktach sygnał tekstu z automatu to akapity, które nic nie wnoszą. Model chętnie otwiera sekcję zdaniem w stylu „W dzisiejszym dynamicznym świecie marketingu…” i zamyka ją podsumowaniem tego, co przed chwilą napisał. W tekście na 1500 słów takie wypełniacze potrafią zająć 300–400 słów.
Szybki test: przeczytaj tylko pierwsze zdanie każdego akapitu. Jeśli nie da się z nich odtworzyć sensu artykułu, tekst ma pusty początek sekcji. Drugi test: policz, ile razy pojawia się ta sama teza w innych słowach. Trzy powtórzenia jednej myśli to sygnał, że model „dopisywał do długości”.
Usuwaj bez litości: wstępy typu „w tym artykule omówimy”, przejścia „skoro już wiemy X, przejdźmy do Y”, zamknięcia „podsumowując, warto pamiętać”. Po takim cięciu tekst zwykle traci 15–20% objętości i zyskuje na czytelności.
Ton i słownictwo zdradzające automat
Modele mają swoje ulubione słowa i konstrukcje. Po polsku są to między innymi: „kluczowy”, „istotny”, „warto zauważyć”, „w kontekście”, „kompleksowy”, „innowacyjny”, „dynamiczny”. Do tego dochodzą kalki z angielskiego: „adresować problem”, „dedykowany”, „w dzisiejszym krajobrazie”. Pojedynczo nie szkodzą; skumulowane w jednym tekście brzmią jak instrukcja obsługi.
Charakterystyczna jest też interpunkcja. Modele nadużywają długiej pauzy (myślnika) jako uniwersalnego łącznika zdań, budują trójki („szybko, sprawnie i skutecznie”) i rozpoczynają akapity od „Warto”. Redaktor zamienia większość myślników na dwukropki, nawiasy albo po prostu kropki, a triady rozbija.
Znaczną część tych nawyków da się uciąć już na etapie promptu: zakaz konkretnych słów, wymóg krótkich akapitów, określony rejestr. Gotowy brief z takimi ograniczeniami opisaliśmy w szablonie promptu do artykułu SEO. Im lepszy prompt, tym mniej pracy na etapie kontroli.
Poprawność językowa i polskie znaki
Ortografia jest u modeli dobra, ale nie bezbłędna. Typowe potknięcia po polsku: brak przecinka przed „że” w dłuższych zdaniach, „napewno” pisane łącznie, niekonsekwentna odmiana nazw obcych („w Google’u” i „w Google” w jednym tekście) oraz błędna liczba mnoga po liczebnikach („5 narzędzia”).
Osobny problem to polskie znaki diakrytyczne. Część procesów automatycznych (eksport, API, konwersja kodowania) gubi ogonki, a tekst bez „ą”, „ę”, „ś” i „ż” nie tylko źle się czyta, lecz także inaczej indeksuje: „zrodlo” i „źródło” to dla wyszukiwarki dwa różne słowa. Sprawdzenie zajmuje minutę: szukasz w tekście typowych form bez ogonków („sie”, „wiecej”, „moze”) i porównujesz z resztą.
Do kontroli językowej wystarczy LanguageTool lub wbudowany korektor w edytorze, a przy dłuższych tekstach jedno czytanie na głos. Czytanie na głos wychwytuje zdania, które gramatycznie są poprawne, ale nikt tak nie mówi.
Kto podpisuje tekst i dlaczego to ważne
Tekst publikowany bez nazwiska autora, z byline „Redakcja” albo „Zespół”, jest sygnałem, że nikt nie wziął za niego odpowiedzialności. Google w dokumentacji dotyczącej E-E-A-T (doświadczenie, ekspertyza, autorytet, wiarygodność) traktuje widocznego, weryfikowalnego autora jako jeden z czynników oceny. Dla czytelnika ma to znaczenie prostsze: ktoś, kto podpisuje tekst nazwiskiem, sprawdził go dokładniej.
W praktyce oznacza to trzy rzeczy: autor wymieniony na stronie ma stronę z biogramem i zakresem tematów, ten sam autor odpowiada za merytoryczną weryfikację, a redakcja ma zapisane, kto co sprawdził. Jeśli AI napisało pierwszą wersję, nie trzeba tego ukrywać; trzeba mieć osobę, która przejęła tekst i za niego ręczy.
Najczęstsze błędy kontroli jakości
- Sprawdzanie tylko ortografii. Korektor wyłapie literówkę, nie wyłapie zmyślonego raportu.
- Zaufanie do linków, „bo wyglądają dobrze”. Poprawny format adresu nie oznacza, że strona istnieje.
- Weryfikacja innym modelem. Drugi model może potwierdzić zmyślony fakt równie pewnie jak pierwszy.
- Pomijanie tabel i list. Model najczęściej myli liczby właśnie w tabelach, gdzie brakuje kontekstu zdania.
- Brak zapisu, kto sprawdzał. Bez tego nie da się później ustalić, gdzie proces zawiódł.
FAQ: najczęstsze pytania
Czy trzeba oznaczać, że tekst powstał z pomocą AI?
Google tego nie wymaga i nie karze za samo użycie AI; ocenia przydatność i wiarygodność treści. Część redakcji i portali branżowych wprowadza własne zasady oznaczania, a w Unii Europejskiej AI Act nakłada obowiązki informacyjne głównie na treści syntetyczne typu deepfake, nie na standardowe teksty redakcyjne. Decyzja o oznaczaniu jest więc kwestią polityki redakcyjnej, nie SEO.
Ile czasu zajmuje kontrola jakości tekstu na 1500 słów?
Realnie 40–60 minut, jeśli tekst zawiera 8–12 faktów do sprawdzenia i kilka linków. Najwięcej czasu pochłania weryfikacja liczb w źródłach pierwotnych. Tekst bez danych liczbowych sprawdza się w 15–20 minut, ale zwykle też mniej wnosi.
Czy detektory AI są wiarygodne?
Nie na tyle, żeby na nich opierać decyzje. Niezależne testy pokazują odsetek fałszywych wyników rzędu kilkunastu procent w obie strony, a teksty po redakcji człowieka detektory klasyfikują niemal losowo. Google nie używa ich do oceny stron. Lepszą miarą jest to, czy tekst przeszedł checklistę faktów, źródeł i tonu.
Co zrobić, gdy model podaje statystykę bez źródła?
Usunąć liczbę albo znaleźć ją samodzielnie w raporcie, dokumentacji lub badaniu. Nie wolno zostawiać „około 70% firm” bez odnośnika, bo czytelnik i tak nie może tego zweryfikować. Jeśli źródła nie ma, zdanie przepisujesz na opis mechanizmu: zamiast liczby tłumaczysz, dlaczego zjawisko występuje.
Czy można zweryfikować tekst AI innym modelem?
Tylko jako wstępny filtr, na przykład do wyłapania powtórzeń i słabych akapitów. Do faktów i źródeł drugi model się nie nadaje: może potwierdzić zmyślony raport z tą samą pewnością, z jaką pierwszy go wymyślił. Ostatnie słowo należy do człowieka z dostępem do źródeł pierwotnych.
Co dalej
Najtańsza kontrola jakości to taka, której nie trzeba robić, bo model dostał dobry brief. Jeśli ten sam typ błędów powtarza się w kolejnych tekstach, warto wrócić do szablonu promptu i dopisać ograniczenia. Sam proces sprawdzania warto spisać w formie tabeli z checkboxami i datą: po miesiącu widać, które punkty faktycznie wyłapują błędy, a które można skrócić.
