Statystyki-zombie o AI. Znalazłem je także we własnych tekstach

W czterech moich artykułach stało zdanie, że 95% pilotaży AI nie przynosi zwrotu. Za każdym razem z podpisem „MIT” i bez słowa o tym, jak to policzono.

We wrześniu sprawdzałem 90 twierdzeń do tekstu dla magazynu Marketer+. Tę liczbę odłożyłem po lekturze samego raportu: 52 wywiady, ankieta zebrana na konferencjach i zastrzeżenie autorów, że liczby są orientacyjne. Dopiero wtedy poszukałem jej u siebie.

Znalazłem ją w czterech tekstach, w siedmiu miejscach. Obok niej przypisy do badań, których pod podanym adresem nie ma, i linki, których nie zna nawet archiwum internetu.

Wkleiłem je ja. Część podsunęło AI, ale podpis pod tekstem jest mój.

Ten tekst to protokół ze sprzątania. Pokażę sześć sposobów, w jakie liczba staje się zombie, moje przypadki obok publicznych i pięć pytań, które zadaję teraz każdej liczbie, zanim trafi na slajd.

Definicja Czym jest statystyka-zombie?

Statystyka-zombie to liczba, która krąży bez źródła albo mówi więcej niż jej źródło. Martwa, bo dokument jej nie potwierdza. Żywa, bo cytują ją kolejne prezentacje.

Rzadko rodzi się z kłamstwa. Częściej ze skracania. Droga wygląda tak: raport, komunikat prasowy, nagłówek, post, slajd, a na końcu odpowiedź AI, które ten slajd przeczytało.

Na każdym etapie może zginąć jedno zastrzeżenie. „Narażone na automatyzację” zamienia się w „zastąpione”. „Eksperci szacują, że może” zamienia się w „będzie”. „W zadaniach, które model robi dobrze” znika całkiem.

Archetyp znasz: „8 sekund uwagi, mniej niż złota rybka”. Tej liczby Microsoft nie zmierzył. Powtórzył ją w raporcie z 2015 roku za stroną Statistic Brain, której źródeł BBC nie zdołało ustalić (BBC, 2017). Opisałem ją w 8 technikach pracy z AI, bo sam prawie ją wkleiłem.

Autopsja Jak znalazłem zombie u siebie

Trzy momenty w ciągu pięciu miesięcy. Każdy pokazał inną stronę tego samego problemu.

Maj: propozycje tematów przygotowane z AI

Przygotowywałem z AI propozycje tematów dla magazynu branżowego. Do uzasadnień model dopisał osiem twierdzeń.

Pięć miało nazwę instytucji:

• „Edelman: 68% Polaków…”,
• „McKinsey: mediana zwrotu 1,4×, u liderów 2,8×”,
• „Deloitte, I kwartał 2026: 71% i 64%”,
• „UODO kontroluje AI w e-commerce”,
• „PARP/Deloitte: 4-7% MŚP używa generatywnej AI”.

Trzy udawały wyniki testów: „test 14 200 maili”, „test ujawnienia: 23% wobec 4%” i „test 1000 opisów”.

Siedem wyrzuciłem jeszcze w maju. Dziś wiem, że żadne z nich nie miało oparcia w źródle.

Edelman w latach 2025-2026 w ogóle nie bada Polski, bo w jego raporcie jest 28 krajów bez nas. Deloitte nie wydało edycji „I kwartał 2026”, bo seria kwartalna skończyła się w styczniu 2025 roku (Deloitte). UODO nie ma w planach kontroli na 2025 i 2026 rok ani sztucznej inteligencji, ani sklepów internetowych (UODO).

Ósme twierdzenie przetrwało wszystkie poprawki. Zostało w gotowym szkicu maila do redakcji: „4-7% MŚP”, z podpisem „PARP, raport »Trust in Generative AI Polska 2024«”. Raport o podobnym tytule istnieje, ale wydało go Deloitte, a nie PARP. To ankieta wśród 2914 osób, więc danych o firmach w nim nie ma (Deloitte).

Przetrwało, bo leżało tuż obok prawdy. Według GUS w 2025 roku z AI korzystało 6,1% małych firm. Po technologie generujące tekst lub głos sięgało 5,3% firm zatrudniających co najmniej 10 osób (GUS). Zmyślona liczba brzmiała wiarygodnie, bo była prawie prawdziwa.

Wrzesień: 90 twierdzeń przed drukiem

Tekst dla Marketera+ miał 90 twierdzeń i 17 przypisów. Sprawdziły go cztery osobne przeglądy na zimno: fakty, metodyka, kompletność i język. AI szukało podejrzanych miejsc, a werdykt zapadał dopiero w kopii źródła.

Odpadły liczby, które wyglądały jak pewniaki. Pierwsza: „McKinsey: czas zwrotu z inwestycji w AI spadł z 7,8 do 4,2 miesiąca”. Nie ma jej w żadnej z czterech edycji raportu „The state of AI” z lat 2024-2026. Krąży za sprawą wpisu z 8 kwietnia 2026 roku na blogu agencji. Wpis powołuje się na ankietę McKinseya z 2026 roku. Ta ankieta ruszyła jednak dopiero 4 maja, a raport wyszedł 25 sierpnia (McKinsey).

„Mediana zwrotu 1,4×” u McKinseya nie występuje wcale. Jest liczba 2,8×, ale mówi o czym innym: tyle razy częściej liderzy AI niż pozostałe firmy przebudowują procesy pod AI (55% wobec 20%).

Najdziwniejszy błąd zrobiło AI, które miało pilnować faktów. Wpisało do przypisu tytuł strony Google „[GA4] Analytics release notes”. Strona nazywa się „What’s new in Google Analytics”.

30 września: 91 artykułów na tym blogu

Przeszukałem wszystkie 91 artykułów pod kątem liczb omawianych w tym tekście. Tam, gdzie je znalazłem, sprawdziłem też linki źródłowe i archiwum internetu. Problem był w dziewięciu tekstach:

• „95% pilotaży AI bez zwrotu (MIT)” w czterech tekstach, w siedmiu miejscach, za każdym razem bez zastrzeżeń. W jednym z nich był przypis „GenAI Pilot ROI Study”, który prowadził na stronę główną MIT Sloan. Raport pochodzi z MIT Media Lab i nazywa się inaczej.
• „80,3% projektów AI nie osiąga zakładanych celów” z podpisem RAND. W raporcie RAND nie ma takiej liczby, jest tylko cudze oszacowanie „ponad 80%”. Precyzję po przecinku dopisał mój tekst.
• W tekście o obsłudze klienta 8 z 19 linków źródłowych zwraca błąd 404 albo nie odpowiada. Dla sześciu z nich Internet Archive nie ma ani jednej kopii, więc najpewniej nigdy nie istniały.
• „Hilton trafił ze zwrotem na 3 z 41 projektów AI w 6 miesięcy”. Prezes Hiltona mówił o 41 zastosowaniach AI, które firma dopiero testuje (transkrypcja, październik 2025). „Trzy z 41” i „6 miesięcy” pochodzą z newslettera, nie od Hiltona.
• „Przy AI Overviews 83% wyszukiwań kończy się bez kliknięcia” w dwóch tekstach o SEO. Źródła pierwotnego tej liczby nie znalazłem.
• Do tego zlepek „dane IBM z marca 2026: 91% i 29%” i Klarna z „oszczędnością 40 mln USD rocznie”. Był też czas zwrotu „5,2 miesiąca” podpisany „multi-source” i „punkt wyjścia kar: 4-7% obrotu”.

Wszystkie poprawki są w rejestrze na końcu tekstu, z linkiem do poprawionego artykułu.

Mechanizmy Sześć sposobów, w jakie liczba staje się zombie

Każdy przykład ma ten sam układ: co krąży, co mówi źródło i jak cytować uczciwie. Obok publicznego przypadku stawiam swój. Własny mam przy pięciu mechanizmach z sześciu.

1. Zgubione słowo: czy AI zabierze 300 mln miejsc pracy?

Krąży: „Goldman Sachs: AI zabierze 300 mln miejsc pracy”.

Źródło mówi: „generative AI could expose the equivalent of 300mn full-time jobs to automation” (Goldman Sachs, marzec 2023). To ekspozycja części zadań na automatyzację, nie likwidacja etatów. W scenariuszu bazowym raportu AI miało zastąpić ok. 7% pracowników w USA, 63% wspierać, a 30% nie dotknąć wcale.

Mój przypadek: RAND pisze „By some estimates, more than 80 percent of AI projects fail”. To cudze oszacowanie, wzięte z artykułu prasowego z 2022 roku (RAND, 2024). U mnie zrobiło się z tego: „RAND Corporation przebadała setki projektów AI i doszła do wniosku […]: 80,3% projektów AI nie osiąga zakładanych celów”. RAND nie mierzył odsetka porażek. W 65 wywiadach opisał ich przyczyny.

Wskazówka: Cytuj tak: „Goldman Sachs szacował w 2023 roku, że generatywne AI może narazić na automatyzację zadania odpowiadające 300 mln etatów. W scenariuszu bazowym zastąpiłoby ok. 7% pracowników w USA”.

2. Prognoza podana jak fakt: czy w 2026 roku 90% treści w internecie tworzy AI?

Krąży: „Europol: do 2026 roku 90% treści w internecie wygeneruje AI”.

Źródło mówi: raport Europolu z 2022 roku: „Experts estimate that as much as 90% of online content may be synthetically generated by 2026”. Całe zdanie opiera się na przypisie do popularnej książki Niny Schick z 2020 roku. W wersji raportu ze stycznia 2024 roku Europol to zdanie usunął (Europol).

Zgubione słowa: „eksperci szacują” i „może”. Liczba krąży dalej, akurat w roku, którego dotyczy.

Pomiar dla porównania: Ahrefs sprawdził 900 tys. nowych stron z kwietnia 2025 roku. Treści wygenerowane przez AI zawierało 74,2% z nich, a za napisane w całości przez AI uznano 2,5% (Ahrefs, 2025).

Prognozy Gartnera działają tak samo. „Ponad 40% projektów agentowych AI zostanie anulowanych do końca 2027 roku” to prognoza z czerwca 2025 roku, nie pomiar (Gartner). Tu własnego przypadku nie znalazłem: prognozy Gartnera podpisywałem słowem „prognozuje”.

Wskazówka: Cytuj tak: „Raport Europolu z 2022 roku przytoczył oszacowanie, że do 2026 roku nawet 90% treści w sieci może powstawać syntetycznie. W 2024 roku Europol usunął to zdanie. Ahrefs wykrył treści AI w 74% nowych stron, ale w całości napisanych przez AI było 2,5%”.

3. Wynik wyjęty z warunków badania: czy AI zwiększa produktywność o 40%?

Krąży: „Harvard i BCG: AI zwiększa produktywność o 40%”.

Źródło mówi: to eksperyment na 758 konsultantach BCG z GPT-4 z 2023 roku. W zadaniach, które model robił dobrze, osoby z AI wykonały o 12,2% więcej zadań i o 25,1% szybciej. Ich prace dostały oceny jakości wyższe o ponad 40%. W zadaniu spoza możliwości AI podawały poprawne rozwiązanie o 19 punktów procentowych rzadziej niż osoby bez AI (wersja robocza badania, 2023).

Zgubione warunki: 40% to jakość, a nie produktywność, i tylko w zadaniach, które model robił dobrze. W wersji po recenzji wzrost ocen wynosi, zależnie od grupy, 29,9% albo 33,9%, czyli ok. 30-34% (Organization Science, marzec 2026).

Mój przypadek: 95% z raportu MIT NANDA. Raport istnieje i tę liczbę podaje: „95% of organizations are getting zero return”. To jednak wstępne wyniki: 52 wywiady, 153 ankiety zebrane na czterech konferencjach i przegląd ponad 300 publicznych ogłoszeń. Za sukces uznano trwały efekt w ciągu pół roku od pilotażu, a autorzy sami nazywają swoje liczby orientacyjnymi, „directionally accurate” (MIT NANDA). U mnie w czterech tekstach stało „MIT obliczył” albo „badania MIT pokazują”, bez żadnego z tych warunków.

Wskazówka: Cytuj tak: „Według wstępnego raportu MIT NANDA (52 wywiady, 153 ankiety) tylko ok. 5% firmowych narzędzi GenAI przeszło od pilotażu do trwałego efektu w ciągu pół roku. Autorzy nazywają te liczby orientacyjnymi”.

4. Liczba po terminie: czy zapytanie do ChatGPT zużywa 10 razy więcej energii niż Google?

Krąży: „Zapytanie do ChatGPT zużywa 10 razy więcej prądu niż wyszukiwanie w Google”, czyli 2,9 Wh wobec 0,3 Wh.

Źródło mówi: ta liczba ma pięć ogniw. Google podał 0,3 Wh na wyszukiwanie w 2009 roku (Google).

W 2023 roku przewodniczący rady dyrektorów Alphabetu powiedział agencji Reuters, że rozmowa z modelem językowym kosztuje prawdopodobnie 10 razy więcej niż zwykłe wyszukiwanie („likely cost 10 times more”, Reuters). Chodziło o koszt, nie o energię.

Badacz Alex de Vries przeliczył tę wypowiedź na energię za pomocą liczby Google z 2009 roku (Joule, 2023). Potem jego oszacowanie powtórzyły IEA i EPRI.

Nowsze dane: Google zmierzył medianę 0,24 Wh na zapytanie tekstowe do Gemini (Google, sierpień 2025). OpenAI podaje średnio 0,34 Wh na zapytanie do ChatGPT, bez metodyki (Sam Altman, czerwiec 2025). To dane samych firm, a długie odpowiedzi, modele rozumujące i generowanie obrazów zużywają więcej.

Mój przypadek: w tekście o SEO pisałem, że 58% wyszukiwań w Google kończy się bez kliknięcia. To dane z 2024 roku. W pierwszych czterech miesiącach 2026 roku było to 68% w USA (SparkToro, czerwiec 2026).

Wskazówka: Cytuj tak: „Według danych firm typowe zapytanie tekstowe zużywa ok. 0,24-0,34 Wh (Google, OpenAI, 2025). Popularne »10 razy więcej niż Google« opiera się na liczbie Google z 2009 roku”.

5. Sklejka i głuchy telefon: czy Klarna przyjęła z powrotem 700 osób?

Krąży: „Klarna zastąpiła 700 pracowników sztuczną inteligencją, a potem przyjęła ich z powrotem”.

Źródło mówi: w lutym 2024 roku Klarna ogłosiła, że asystent AI po miesiącu prowadzi dwie trzecie czatów i wykonuje pracę odpowiadającą 700 pełnym etatom. Szacowała, że poprawi to jej zysk w 2024 roku o 40 mln USD (Klarna).

W maju 2025 roku prezes firmy przyznał w rozmowie z Bloombergiem, że koszt stał się zbyt ważnym kryterium, a skutkiem była niższa jakość. Klarna ruszyła z pilotażem zdalnych konsultantów, na start z dwiema osobami (Bloomberg).

Sklejone: „700 etatów” z 2024 roku i „powrót do ludzi” z 2025 roku to dwie różne historie. Po drodze zginęło słowo „odpowiadającą” i skala: dwie osoby na start.

Mój przypadek: w tekście o ROI z AI zszyłem dwie liczby w jedno zdanie „dane IBM z marca 2026”. Liczba 91% pochodzi z raportu Deloitte, a 29% z dokumentu IBM. W tekście o obsłudze klienta prognozowany wzrost zysku Klarny zamienił się w „oszczędność 40 mln USD rocznie”. Pilotaż z maja 2025 roku przerodził się w zdanie „pod koniec 2025 Klarna wróciła do zatrudniania ludzi”.

Przy tekście dla Marketera+ jedna liczba pochodziła z tabeli PDF rozjechanej przy kopiowaniu, więc nie dało się ustalić, do którego wiersza należy. Odrzuciłem ją.

Wskazówka: Cytuj tak: „W lutym 2024 roku Klarna ogłosiła, że asystent AI wykonuje pracę odpowiadającą 700 etatom. W maju 2025 roku zaczęła pilotaż rekrutacji konsultantów, żeby klient zawsze mógł porozmawiać z człowiekiem”.

6. Liczba znikąd: skąd się biorą liczby, których nie ma w żadnym raporcie?

Krąży: „McKinsey: czas zwrotu z inwestycji w AI spadł z 7,8 do 4,2 miesiąca”.

Źródło mówi: nic takiego. W czterech edycjach „The state of AI” z lat 2024-2026 nie ma czasu zwrotu liczonego w miesiącach. W edycji z 2026 roku 37% badanych przypisuje AI przynajmniej jakiś wpływ na EBIT firmy, czyli zysk przed odsetkami i podatkami. Liczby 7,8 i 4,2 pochodzą z wpisu na blogu agencji. Agencja powołała się w nim na ankietę McKinseya, której raport ukazał się ponad cztery miesiące później.

Publiczne przypadki pokazują, dokąd to prowadzi:

• Deloitte przekazało w lipcu 2025 roku australijskiemu ministerstwu pracy raport za ok. 440 tys. dolarów australijskich. Był w nim zmyślony cytat z wyroku sądu i przypisy do nieistniejącej książki. Po ujawnieniu sprawy firma zwróciła ostatnią ratę wynagrodzenia (The Guardian).
• W maju 2025 roku Biały Dom opublikował raport „MAHA” o zdrowiu dzieci. Siedem przypisów prowadziło do badań, które nie istnieją, a w pierwszej wersji PDF-u zostały znaczniki „oaicite”, ślad kopiowania z ChatGPT (The Washington Sun).
• Chicago Sun-Times wydrukował w maju 2025 roku letnią listę lektur. Dziesięć z 15 polecanych książek nie istniało, choć ich autorzy są prawdziwi (Chicago Sun-Times).

Mój przypadek: osiem twierdzeń z majowych propozycji tematów, przypisy z tytułami badań prowadzące na strony główne i linki w tekście o obsłudze klienta, których nie zna archiwum internetu.

Pułapka: U mnie liczba znikąd miała zwykle jedną z dwóch cech: nazwę znanej instytucji albo nienaturalnie dokładną wartość, jak 80,3% czy 14 200. Obie budzą zaufanie i obie model generuje bez wysiłku.

Rola AI AI jako fabryka i powielacz zombie

AI robi dwie rzeczy naraz: wytwarza nowe liczby i powiela stare.

Fabrykę już znasz: liczby z nazwą instytucji i testy z dokładnymi wynikami w majowych propozycjach tematów, a we wrześniu przypis z tytułem strony, którego ta strona nie ma.

Powielanie działa ciszej. Model z wyszukiwarką czyta to, co krąży, i podaje dalej pewnym tonem. Tak Przegląd od AI w Google skleił mi strajk lokalnego przewoźnika z rzymskim metrem, o czym pisałem w tekście o planowaniu wycieczki z AI.

Skala rośnie szybko. Badacz Damien Charlotin prowadzi bazę orzeczeń, w których sąd stwierdził albo zasugerował, że strona oparła się na treściach zmyślonych przez AI. Na koniec września 2026 roku baza liczy 2096 takich orzeczeń z całego świata. W maju 2025 roku było ich 87 (baza Charlotina).

Problem nie dotyczy tylko Ameryki. Po dużej kwietniowej konferencji marketingowej w Polsce sprawdziłem z pomocą AI ok. 225 twierdzeń z 25 prezentacji. Fact-checker AI, czyli model sprawdzający fakty, zgłosił zastrzeżenia do ok. 35% z nich, a sześć uznał za „twarde błędy”.

We wrześniu jeszcze raz sprawdziłem pięć werdyktów z tamtej analizy, tym razem z kopią źródła pierwotnego przy każdym. W całości utrzymał się jeden. Trzy były trafne tylko częściowo.

Piąty był jednym z „twardych błędów”. Slajd streszczał prognozę z pracy naukowej, tylko podawał ją zbyt pewnie. Fact-checker AI porównał go z niewłaściwą liczbą i uznał za błąd.

Skąd się biorą takie pomyłki i dlaczego model brzmi wtedy najpewniej, opisałem w tekście o halucynacjach AI.

Checklista 5 pytań przed wklejeniem liczby do prezentacji

Każde pytanie ma u mnie konkretną wpadkę. Dlatego je zadaję.

1. Czy widziałem liczbę w dokumencie pierwotnym, a nie w tekście o nim? Moje „80% projektów AI upada” miało link do bloga pośrednika, na którym tej liczby nawet nie ma. Link na slajdzie ma prowadzić do raportu, badania albo komunikatu autora liczby.
2. Jakie słowo stoi przy liczbie? „Narażone”, „szacuje się”, „może”, „do 2027 roku”. Skopiuj całe zdanie do notatek slajdu. „Wykazało” pasuje do eksperymentu, nie do ankiety ani prognozy.
3. Kogo, ilu i jak zbadano? Za 95% z raportu MIT stoją 52 wywiady i 153 ankiety z konferencji. Metodykę znajdziesz zwykle na końcu PDF-u, w aneksie.
4. Czy to najnowsza edycja? W 2024 roku było 58% wyszukiwań bez kliknięcia, w 2026 roku jest 68%. W wersji po recenzji z „40% produktywności” zostało ok. 30-34%. Wyszukaj tytuł raportu z bieżącym rokiem.
5. Czy liczba i nazwa firmy pochodzą z tego samego dokumentu i tego samego wiersza tabeli? Moje „dane IBM: 91% i 29%” to dwa różne źródła. Znajdź liczbę w PDF-ie wyszukiwaniem (Ctrl+F) i porównaj z nagłówkiem kolumny w oryginale.

Gdy dwa źródła albo dwa modele mówią co innego, rozstrzyga oficjalne źródło z datą.

Do skopiowania Prompt: niech AI szuka dokumentu, a nie wydaje werdyktu

AI przyspiesza szukanie. Ten prompt zabrania mu oceniać prawdziwość liczby i każe podać dosłowny cytat.

Sprawdzam statystykę, zanim użyję jej w prezentacji.

Twierdzenie w obiegu: „[wklej zdanie z liczbą]”
Rzekome źródło: [instytucja, rok]

Twoje zadanie to znaleźć dokument, a nie ocenić, czy liczba jest prawdziwa.
1. Szukaj wyłącznie dokumentu pierwotnego: raportu, badania albo komunikatu autora liczby.
   Artykuły o raporcie się nie liczą.
2. Jeśli go znajdziesz, podaj: tytuł dokładnie tak, jak na stronie, link, datę publikacji,
   stronę lub sekcję i dosłowny cytat zdania z liczbą.
3. Nie parafrazuj. Jeśli nie masz dosłownego cytatu, napisz: „brak dosłownego cytatu”.
4. Wypisz zastrzeżenia: czy to pomiar, ankieta, szacunek czy prognoza; słowa typu
   „narażone”, „do roku”, „według szacunków”; kogo i ilu zbadano; kraj.
5. Sprawdź, czy istnieje nowsza edycja dokumentu.
6. Jeśli dokument cytuje kogoś innego, podaj to źródło i oznacz liczbę jako wtórną.
7. Jeśli nie znajdziesz dokumentu pierwotnego, napisz „nie znalazłem”.
   Nie podawaj zamienników ani podobnych liczb.

Na końcu jedna linijka: co wersja z obiegu dodaje albo gubi w porównaniu z cytatem.

Ważne: Prompt działa tylko z włączonym wyszukiwaniem w sieci. Bez niego model odpowie z pamięci, czyli dokładnie tak, jak powstały moje zmyślone liczby. Każdy link otwieram sam i szukam cytatu wyszukiwaniem na stronie. Jeśli cytatu nie ma, liczba nie trafia do prezentacji.

Odpowiedzi nie oddaję drugiemu modelowi do oceny. Drugi model to kolejny świadek, a nie sędzia.

Ściąga 10 liczb o AI i co naprawdę mówią źródła

Rejestr Poprawki na tym blogu

Poprawki wprowadziłem w dziewięciu artykułach. W każdym jest linijka „Aktualizacja” z datą i linkiem do tego tekstu.

W czterech tekstach najgęściej nabitych liczbami (R.E.A.D.Y., sprzedaż B2B, hotele, obsługa klienta) sprawdziłem z pomocą AI 124 twierdzenia z nazwą instytucji albo firmy, z kopią źródła przy każdym. Ze źródłem zgadzało się 21. Kolejnych 23 w źródłach nie było wcale, 41 nie dało się potwierdzić, a 38 źródło opisywało inaczej. Jedno, 95% z MIT, opisuję wyżej osobno.

Masz źródło, którego ja nie znalazłem? Napisz na mateusz@czechu.blog. Poprawię tekst i dopiszę zmianę z datą.

FAQ: najczęstsze pytania

Czym jest statystyka-zombie? To liczba, która krąży bez źródła albo mówi więcej niż jej źródło. Po drodze od raportu do slajdu najczęściej ginie jedno słowo: „narażone”, „według szacunków”, „do 2027 roku”. Nikt jej nie sprawdza, bo wszyscy ją znają.

Czy to prawda, że 95% pilotaży AI nie przynosi zwrotu? Tak twierdzi wstępny, nierecenzowany raport MIT NANDA z lipca 2025 roku. Opiera się na 52 wywiadach, 153 ankietach zebranych na konferencjach i przeglądzie ponad 300 publicznych ogłoszeń. Za sukces uznano trwały efekt w ciągu pół roku, a autorzy nazywają swoje liczby orientacyjnymi. Jeśli cytujesz tę liczbę, podawaj te zastrzeżenia.

Czy AI zabierze 300 milionów miejsc pracy? Goldman Sachs w marcu 2023 roku szacował, że generatywne AI może narazić na automatyzację zadania odpowiadające 300 mln pełnych etatów. To ekspozycja, nie likwidacja. W scenariuszu bazowym AI miało zastąpić ok. 7% pracowników w USA, a 63% wspierać w pracy.

Jak szybko sprawdzić statystykę przed wklejeniem jej do prezentacji? Otwórz dokument pierwotny i skopiuj do notatek slajdu dokładne zdanie z liczbą. Sprawdź słowo, które stoi przy liczbie, kogo i ilu zbadano, czy jest nowsza edycja raportu i czy liczba z nazwą firmy pochodzi z tego samego dokumentu. Jeśli cytatu nie ma w źródle, liczba nie trafia na slajd.

Czy mogę sprawdzać statystyki za pomocą ChatGPT albo Claude'a? Tak, ale tylko do szukania dokumentu. Model z dostępem do sieci znajdzie raport szybciej, ale werdykt wydajesz sam, czytając zdanie w źródle. W moim fact-checku AI wpisało do przypisu tytuł strony, którego ta strona nie ma. Drugi model nie jest sędzią, tylko kolejnym świadkiem.