• Z raportu Future Mind "Jak AI zmienia codzienność Polaków?" wynika, że w 2025 r. 37 proc. pracowników zawsze stosowało się do wytycznych pracodawcy dotyczących sztucznej inteligencji.
• Z badań Accenture wynika, że aż 96 proc. organizacji popiera regulacje dotyczące AI, ale tylko niewielka część potrafi wdrożyć je w praktyce.
• Wśród kluczowych obszarów, które generują najwięcej problemów w organizacjach wymienia się: niewłaściwe dzielenie się danymi, korzystanie z niezatwierdzonych narzędzi oraz bezkrytyczne podchodzenie do generowanych treści.

„Cyfrowa dekadencja” to stworzona przez politologa Andrew A. Michta koncepcja odnosząca się do negatywnych skutków nadmiernego polegania na technologii. Modele językowe są powszechnie dostępne, proste w obsłudze i obiecują natychmiastowe rozwiązanie codziennych problemów. Ta łatwość, w kontekście pracy, staje się dość niebezpiecznym zjawiskiem.

Z raportu Future Mind "Jak AI zmienia codzienność Polaków?" wynika, że w ubiegłym roku:

• w branży IT i telekomunikacji regularne korzystanie z AI w pracy deklaruje 76 proc. pracowników, 
• w branży nieruchomości - 60 proc. pracowników,
• w sektorze szkoleń - 59 proc. pracowników,
• w nauce, badaniach i technologii - 58 proc. pracowników, 
• w branży budownictwa i infrastruktury - 43 proc. pracowników.

Co więcej, jak wiemy z raportu, tylko 37 proc. pracowników zawsze stosowało się do wytycznych pracodawcy dotyczących sztucznej inteligencji. Oznacza to spadek o 7 pkt. proc. w ujęciu rocznym (z 44 proc. w 2024 r.). Jednocześnie wzrosła grupa osób, które przestrzegały zasad czasami - z 20 proc. w 2024 r. do 26 proc. w 2025 r.

"Oznacza to, że wraz z upowszechnieniem się AI zasady nie stały się bardziej zakorzenione w codziennej praktyce, lecz częściej są traktowane jako luźny punkt odniesienia niż ścisła instrukcja" - podali autorzy raportu.

Naruszenia w firmach często nie wynikają ze złej woli, ale z braku świadomości mechanizmów działania algorytmów. Nikola Małecka, learning & employer branding specialist w SmartLunch, wskazuje na trzy kluczowe obszary, które generują najwięcej problemów w organizacjach: niewłaściwe dzielenie się danymi, korzystanie z niezatwierdzonych narzędzi oraz bezkrytyczne podchodzenie do generowanych treści.

- Pierwszym dużym wyzwaniem jest wprowadzanie do systemów AI informacji, które nigdy nie powinny tam trafić. Dotyczy to zarówno danych osobowych i danych klientów, jak i informacji o dużej wartości biznesowej - dokumentów wewnętrznych, analiz finansowych, ofert handlowych, materiałów projektowych czy planów rozwoju. O ile zasady ochrony danych osobowych są dziś w organizacjach powszechnie znane i zrozumiałe, o tyle pracownikom znacznie trudniej ocenić, które informacje biznesowe mogą być bezpiecznie wykorzystywane w narzędziach AI, a które powinny pozostać wyłącznie wewnątrz firmy - mówi.

Kolejnym problemem jest tzw. Shadow AI, czyli korzystanie z aplikacji bez wiedzy i zgody działów IT.

- Szczególne ryzyko pojawia się wtedy, gdy zewnętrzne aplikacje są łączone z firmowymi systemami, na przykład z pocztą elektroniczną, dyskiem chmurowym, kalendarzem czy komunikatorami. Takie integracje potrafią znacząco usprawnić codzienną pracę, ale jednocześnie oznaczają przekazanie narzędziu określonego zakresu dostępu do firmowych danych i zasobów. Bez wcześniejszej oceny technicznej organizacja traci wiedzę i kontrolę nad tym, jakie informacje są przetwarzane, gdzie trafiają i w jaki sposób są dalej wykorzystywane - dodaje Małecka.

Wiele naruszeń ma swoje podłoże w psychologii. Pracownicy często ulegają złudzeniu, że interakcja z chatbotem jest prywatną rozmową, a nie procesem przetwarzania danych na zewnętrznych serwerach.

Wojciech Wąsik, chief digital & information security officer w Transition Technologies PSC, zwraca uwagę, że źródłem najpoważniejszych incydentów bezpieczeństwa w kontekście AI najczęściej jest zwykła, codzienna praca biurowa, wykonywana pod presją czasu przez pracowników, którzy chcą "szybciej dowozić wyniki".

- Zjawisko Shadow AI, czyli szarej strefy technologicznej, napędza specyficzny mechanizm psychologiczny, który możemy zamknąć w haśle: to tylko maszyna, przecież żaden człowiek tego nie czyta. Dlatego najpopularniejszym naruszeniem jest bezrefleksyjne wrzucanie do publicznych modeli całych umów, raportów finansowych czy transkrypcji ze spotkań zarządu tylko po to, by AI przygotowało z nich szybkie streszczenie - wyjaśnia.

Co ważne, zagrożenie to dotyczy niemal każdego działu w firmie - od HR po programistów. 

- Pracownicy działów obsługi czy HR, chcąc sprawnie wygenerować odpowiedź na reklamację, kopiują treść zgłoszenia i jedynie powierzchownie zmieniają jedno nazwisko. Nie rozumieją, że algorytm jest w stanie połączyć unikalny kontekst sprawy czy adres i zidentyfikuje konkretną osobę, wysyłając jej dane prosto na zewnętrzne serwery. Na tym samym poziomie operuje partyzantka techniczna, gdzie programiści i testerzy kopiują autorski kod źródłowy w poszukiwaniu błędów, nieświadomie oddając prawa autorskie korporacjom technologicznym lub infekując systemy produkcyjne poprawkami z ukrytymi lukami bezpieczeństwa. Ten krajobraz domyka twórczość działów marketingu, generujących grafiki bezpośrednio nawiązujące do chronionych marek lub unikalnego stylu żyjących artystów, co dla firmy jest prostą drogą do procesów sądowych i strat wizerunkowych - dodaje Wojciech Wąsik.

Dla firm wyzwaniem nie jest już sama technologia, lecz budowanie wokół niej odpowiedniej kultury organizacyjnej. Według badań Accenture aż 96 proc. organizacji popiera regulacje dotyczące AI, ale tylko niewielka część potrafi wdrożyć je w praktyce.

- W Accenture opieramy się na zasadach Responsible AI, zgodnie z którymi AI ma być „human by design”, transparentna, bezpieczna i wykorzystywana w sposób odpowiedzialny. Oznacza to, że człowiek pozostaje odpowiedzialny za ocenę i wykorzystanie treści wygenerowanych przez AI - mówi Bartosz Szczęsny, country HR director w Accenture w Polsce

Skuteczne wdrożenie AI wymaga więc zmiany modelu komunikacji z pracownikami. Nie wystarczy już tylko "zachwycać się" możliwościami narzędzi. Kluczem jest skupienie się na zasadach odpowiedzialnego korzystania z AI.

- Równie ważne jest jasne wyjaśnienie ograniczeń związanych z tą technologią: zasad dotyczących ochrony danych osobowych, poufności informacji firmowych, weryfikacji treści generowanych przez narzędzia czy po prostu odpowiedzialności za sposób ich wykorzystania. Ta komunikacja musi zachować zdrową równowagę, bo nie chodzi o to, żeby stworzyć listę samych zakazów - zauważa Nikola Małecka.

Jak w takim razie uczyć odpowiedzialnego korzystania z genAI w firmach? Eksperci są zgodni - kategoryczne zakazy są nieskuteczne, ponieważ presja na wyniki i tak zmusi pracowników do szukania obejść. 

- Odgórne blokady nie eliminują przecież presji na wyniki. Spychają jedynie pracowników do głębszego podziemia, czyli na prywatne smartfony i domowe konta, gdzie kontrola nad wyciekiem danych ostatecznie przestaje istnieć - zauważa Wojciech Wąsik.

Zamiast tego firmy powinny skupić się na rozróżnieniu błędów wynikających z niewiedzy od świadomego ignorowania reguł. Wojciech Chmiel, CEO Anonimizera, zauważa, iż kluczowa jest odpowiedź na trzy pytania:

• czy zasada była jasno opisana,
• czy pracownik rzeczywiście ją znał,
• czy miał realną możliwość postąpić prawidłowo.

- Jeżeli firma nie wdrożyła polityki, nie przeszkoliła zespołu albo nie zapewniła zatwierdzonego narzędzia, pojedynczy błąd częściej jest problemem organizacyjnym niż dowodem złej woli pracownika. W takiej sytuacji właściwą reakcją powinno być poprawienie procesu, a nie automatyczne karanie - zauważa.

Jak dodaje Wojciech Chmiel, o świadomym naruszeniu zasad mogą świadczyć konkretne zachowania: korzystanie z prywatnego konta mimo dostępności firmowego rozwiązania, obchodzenie zabezpieczeń, ukrywanie działań, ignorowanie ostrzeżeń albo powtarzanie tego samego działania po wcześniejszym upomnieniu. 

Bartosz Szczęsny dodaje, że kluczowe jest połączenie kultury uczenia się z jasną odpowiedzialnością.

- W przypadku naruszeń organizacje powinny przede wszystkim inwestować w edukację i budowanie świadomości. Jednak tam, gdzie pracownik świadomie ignoruje obowiązujące zasady dotyczące ochrony danych, bezpieczeństwa czy zgodności regulacyjnej, konieczne jest również wyciąganie konsekwencji - mówi.

Jego zdaniem najbardziej efektywne jest połączenie obu podejść - kultury uczenia się i jasnej odpowiedzialności.

- Jeśli pracownik działał bez odpowiedniej wiedzy lub w sytuacji niejasnych procedur, organizacja powinna potraktować to jako sygnał do wzmocnienia edukacji. Jeżeli natomiast zasady były znane, a mimo to zostały celowo ominięte, mamy do czynienia z naruszeniem zaufania i standardów odpowiedzialnego wykorzystania AI - wyjaśnia Szczęsny.

Warto pamiętać, że edukacja w zakresie AI przestaje być jedynie wyborem biznesowym, a staje się wymogiem prawnym. Rozporządzenie UE o sztucznej inteligencji, znane jako AI Act, wprowadza obowiązek dbania o odpowiedni poziom kompetencji AI osób korzystających z takich systemów. Przepisy dotyczące AI Literacy (obowiązek zapewnienia kompetencji w zakresie sztucznej inteligencji) zaczęły obowiązywać już od 2 lutego 2025 roku.

- Pracownicy powinni mieć też dostęp do krótkich checklist, dobrych i złych przykładów promptów, listy zatwierdzonych narzędzi oraz informacji, gdzie zgłaszać wątpliwości. Przede wszystkim jednak zasady korzystania z genAI powinny być omówione już na etapie onboardingu, a następnie utrwalane w ramach cyklicznych szkoleń - przypomina Wojciech Wąsik.

Aby ułatwić pracownikom przestrzeganie zasad, firmy powinny zrezygnować z opasłych, prawniczych regulaminów na rzecz praktycznych instrukcji. 

- Raport UODO pokazuje, iż organizacje oczekują przede wszystkim rozwiązań praktycznych: wytyczne dotyczące zgodnego z RODO stosowania AI oceniono na 4,57/5, a checklisty i narzędzia oceny na 4,32/5. To sygnał, że firmy nie potrzebują kolejnych ogólnych deklaracji, tylko instrukcji, które da się zastosować od razu w pracy - mówi Jakub Dolata, CTO Anonimizera.

- Najpierw pracownik powinien dostać jasną odpowiedź na pytanie "co wolno". Z jakich narzędzi może korzystać, do jakich zadań oraz jakie kategorie danych może do nich wprowadzać. Dopiero potem trzeba precyzyjnie określić granice, czego nie wolno wkleić do publicznego modelu, kiedy treść należy zanonimizować i kiedy wynik AI wymaga weryfikacji człowieka - wylicza.