Dlaczego pracownicy nie przyznają się do korzystania z AI

Dlaczego przyznanie się do AI może wydawać się ryzykowne

Specjalista przygotowuje bardzo dobrą analizę, korzystając przy tym z AI do uporządkowania materiału. Na spotkaniu słyszy pytanie: „Sam to napisałeś?”. Jeżeli ton sugeruje, że użycie narzędzia obniża wartość pracy, następnym razem może o nim nie wspomnieć. Problem nie musi polegać na zamiarze oszukania firmy. Być może pracownik uważa, że jego wysiłek, wiedza i decyzje zostaną zignorowane, gdy ujawni udział AI. Tam, gdzie ceni się przede wszystkim samodzielne wykonanie zadania, taka obawa jest zrozumiała.

Badania nad milczeniem w organizacjach od lat pokazują, że ludzie ważą ryzyko wypowiadania informacji, które mogą pogorszyć ich pozycję. Nie wolno z tego wyciągać wniosku, że każda osoba milcząca boi się szefa. Część po prostu nie wie, jakie zastosowanie trzeba ujawnić. Pierwsza rozmowa powinna więc dotyczyć reguł i powodów, nie próby zdemaskowania ukrytych użytkowników.

Badania wskazują na obawę przed oceną kompetencji

Badanie Mizrak i współautorów z 2026 roku objęło 564 pracowników konsultingu i usług profesjonalnych w Turcji, którzy mieli doświadczenie w używaniu generatywnej AI. Autorzy analizowali związki między ukrywaniem korzystania z narzędzi a lękiem przed ujawnieniem, obawą przed utratą opinii o kompetencjach i jasnością polityk firmy. Większy lęk wiązał się z większym deklarowanym ukrywaniem zastosowań AI. Nie jest to dowód, że te czynniki są przyczyną, ani reprezentatywny wynik dla wszystkich zawodów.

Ważna jest różnica między oceną efektu pracy a stereotypem o tym, jak efekt powstał. Jeśli przełożony chwali raport, ale na wieść o użyciu AI od razu uznaje autora za mniej zdolnego, wysyła sprzeczny sygnał. Ludzie będą szukali sposobu ochrony wizerunku. Odpowiedzią nie jest bezwarunkowe usprawiedliwianie każdego użycia AI, lecz proporcjonalne wymagania i jasne kryteria jakości niezależne od modnych deklaracji.

Niejasne zasady tworzą szarą strefę

W jednym dziale kierownictwo zachęca do automatyzacji, w innym wciąż mówi „prawdziwy ekspert robi wszystko sam”. Nikt nie wyjaśnił, czy wolno wprowadzać dane klienta do zewnętrznego narzędzia, użyć AI do pierwszego szkicu umowy albo wygenerować propozycję odpowiedzi. Pracownicy widzą rozbieżność między presją na wydajność a ryzykiem naruszenia zasad. Niektórzy rezygnują z technologii, inni zaczynają używać jej po cichu. To problem organizacji pracy, nie tylko postaw.

Dobre zasady powinny odpowiadać na proste pytania: jakie narzędzia są dopuszczone, jakich danych nie wolno wprowadzać, które zastosowania wymagają ujawnienia, kto weryfikuje rezultat i jak postępować przy błędzie. Nie wszystko wymaga tego samego poziomu raportowania. Korekta interpunkcji w wewnętrznej notatce i przygotowanie rekomendacji dla klienta na podstawie niejawnych danych nie są równoważnymi czynnościami.

Określenie „wygenerowane” nie zwalnia z odpowiedzialności

Przejrzystość nie polega na tym, by do każdego zdania dopisywać „zrobione z AI”. W zastosowaniach mających konsekwencje dla klienta, pacjenta, decyzji finansowej lub prawa ważne jest, co narzędzie zrobiło, skąd pochodziły dane i kto ocenił wynik. Autor raportu powinien umieć obronić użyte źródła i rozumieć rekomendację. Nie wystarczy odwołanie do tego, że „model tak zasugerował”. Z drugiej strony informacja o korzystaniu z AI nie powinna umniejszać wartości rzetelnie wykonanej pracy.

W zespole można ustalić trzy poziomy: pomoc językową, merytoryczne wsparcie tworzenia treści i udział w analizie wpływającej na ważną decyzję. Każdy poziom ma inny wymóg sprawdzenia i ujawnienia. Dokładne granice zależą od polityki firmy, umów z klientami oraz obowiązków prawnych. Pracownik powinien widzieć nie tylko zakazy, ale też dostęp do zatwierdzonych narzędzi, które pozwalają wykonywać zadania zgodnie z regułami.

Pytaj o praktykę pracy, nie o poczucie winy

Zły początek rozmowy brzmi: „Przyznajcie, kto używa AI i mnie oszukuje”. Zakłada winę jeszcze przed wyjaśnieniem zasad. Lepsza wersja: „Chcę ustalić, gdzie AI naprawdę pomaga, gdzie pojawiają się błędy i jakie reguły powinniśmy doprecyzować. Nie będziemy utożsamiać samego używania dopuszczonego narzędzia z brakiem kompetencji”. Takie zdanie staje się wiarygodne dopiero wtedy, gdy przełożony naprawdę reaguje zgodnie z tą deklaracją.

W rozmowie 1:1 zapytaj: „Na którym etapie pracy narzędzie było pomocne? Co samodzielnie sprawdziłeś? Czego potrzebujesz, żeby robić to bezpiecznie?”. Nie wypytuj o prywatne szczegóły niezwiązane z zadaniem. Jeśli doszło do naruszenia poufności lub fałszywego przedstawienia źródeł, oceniaj konkretne zachowanie zgodnie z zasadami firmy. Wyciągnięcie konsekwencji za konkretny błąd nie powinno oznaczać potępienia wszystkich nowych rozwiązań.

Kultura otwartości wymaga przewidywalnej reakcji przełożonego

Pracownicy uczą się reguł nie tylko z dokumentów, ale z reakcji na pierwsze zgłoszenie. Jeżeli menedżer dziękuje za ujawnienie nieprawidłowego wyniku i pomaga go poprawić, pokazuje, że o problemach można mówić. Jeżeli wyśmiewa osobę, która pyta o zatwierdzone narzędzie, osłabia własny komunikat o otwartości. Badania nad bezpieczeństwem psychologicznym wskazują jego związki z dzieleniem się informacją i uczeniem zespołów, choć nie dają prostego gwarantowanego efektu jednej interwencji.

W praktyce warto regularnie zbierać przykłady udanych zastosowań AI, ale też sytuacji, w których weryfikacja ujawniła błąd. Nie chodzi o publiczną listę winnych, lecz o wspólne rozumienie granic. Jasność zasad, dobre narzędzia i sprawiedliwy sposób oceniania pracy mogą zmniejszyć potrzebę ukrywania. Przełożony buduje wtedy zespół, w którym korzystanie z technologii nie jest ani sekretem, ani zwolnieniem z odpowiedzialności.

Nieujawnianie korzystania z AI w pracy może wynikać z lęku przed oceną, niejasnej polityki i sprzecznych sygnałów od kierownictwa. Nie usprawiedliwia to naruszania poufności ani przedstawiania niezweryfikowanej treści jako własnej analizy. Warto jednak oddzielić te problemy od samego korzystania z narzędzia. Przejrzyste reguły, proporcjonalna kontrola i spokojna rozmowa o jakości pomagają zamienić podejrzenia we współpracę.

Jak Empatyzer pomaga rozmawiać o AI bez polowania na winnych

Menedżer podejrzewa, że część zespołu korzysta z AI poza oficjalnymi zasadami, ale nie wie, czy powodem jest brak jasnych reguł, niewygodne narzędzia czy strach przed oceną. Zamiast zaczynać od oskarżeń, opisuje Em, jak brzmią obecne zasady i jakie zachowania rzeczywiście zauważył. Em pomaga mu oddzielić fakty od przypuszczeń, sformułować neutralne pytania o praktykę pracy i przygotować krótkie wyjaśnienie obowiązujących zasad. W kontekście zespołu może uwzględnić różnice w stosunku do nowych rozwiązań i potrzebie bezpieczeństwa. Gdy pojawia się trudna rozmowa z konkretnym pracownikiem, dostępne wskazówki relacyjne pomagają dobrać sposób przekazania feedbacku bez zawstydzania. Menedżer prosi też Em o pomoc w odpowiedzi na pytanie pracownika: „Jeśli korzystam z AI, dlaczego inni uważają mnie za mniej kompetentnego?”. Rozmowa kończy się planem: jakie przypadki wymagają ujawnienia, jak dokumentować sprawdzenie wyniku i jak zgłaszać problem. Mikrolekcje pomagają utrwalić umiejętności konstruktywnego feedbacku i komunikowania zmian technologicznych.