by dr Andrzej Jakubiec - adwokat, mediatorCZY AI ESKALUJE SPORY RODZINNE I BIZNESOWE?
Od dawna piszę o niepokojącym zjawisku eskalacji. Obserwuję, że korzystanie z AI sprzyja radykalizacji poglądów i zawężeniu przestrzeni negocjacyjnej. Spotkałem się też z sytuacją, kiedy obie strony oddały komunikację swoim modelom AI, ale każda myślała, że tylko ona tak robi. Wyniki potwierdzają, że LLM sprzyja utwierdzaniu użytkowników w ich wyjściowych poglądach oraz tworzy nowe lub wzmacnia istniejące błędy poznawcze. Zwróciłem również uwagę, że dane wejściowe, jakie wprowadzamy do czata są już poddane przez nas selekcji oraz interpretacji. AI jako „rozmówca idealny” ma tendencje do przyznawania nam racji. Wielu moich klientów ze łzami w oczach mówiło mi, że poczuli się, „jakby pierwszy raz w życiu ktoś ich zrozumiał”.
Gdy obie strony konfliktu korzystają z AI, każda może utwierdzać się we własnej narracji. Efektem bywa eskalacja zamiast porozumienia.
6 lipca 2026 ukazał się wDGP artykuł, w którym autor opisuje sprzężenie zwrotne i wzrost radykalizacji użytkowników AI
W soim artykule prof. Rzewuski pisze, że AI może „ogłupiać ludzi” nawet mówiąc im prawdę. Jest to oczywiście uproszczenie. Nie chodzi o ogłupianie kogokolwiek, ale o radykalizację poglądów, utwierdzanie w wyjściowych przekonaniach.
W tym artykule postaram się zebrać moje dotychczasowe refleksje na ten temat. Zamieszczę też linki do tekstów, w którym je rozwinąłem.
Badania. Co wiemy o sprzężeniu zwrotnym w interakcji człowieka z AI?
Dzieje się to przez tzw. sprzężenie zwrotne (feedback loop), które może prowadzić do powstania tzw. myślenia tunelowe (tunnel thinking). Zwróćmy uwagę, że utwierdzić kogoś można również w słusznym poglądzie. Problem nie polega więc na ogłupianiu, ani „umądrzaniu” ale na wzmacnianiu tego co jest, zamiast weryfikacji tego, co jest. Myślenie polega bowiem na nieustannym podważaniu, poddawaniu naszych założeń falsyfikacji. Mechanizm, który w skali od 1 do 100 z lekkiej pewności (51 do 49) czyni pewność silną (90 do 10) jest więc niebezpieczny, ale z innych przyczyn.
Mechanizm ten został już zidentyfikowany na płaszczyźnie interakcji człowiek – AI oraz szczegółowo opisany m.in. w artykułach M. Glickmana i T. Sharot https://pmc.ncbi.nlm.nih.gov/articles/PMC11860214/?, Yuxin Liu i Adam Moore, https://pubmed.ncbi.nlm.nih.gov/40448478/, a także L. Celar i Ruth M.J. Byrne https://pubmed.ncbi.nlm.nih.gov/36964302/.
Trzeba wspomnieć również o artykule Ben Wang i Jiqun Liu, Cognitively Biased Users Interacting with Algorithmically Biased Results in Whole-Session Search on Debated Topics, https://dl.acm.org/doi/10.1145/3664190.3672520. Autorzy ci wskazują jednak na istotną rolę czynników indywidualnych na podatność wobec błędów poznawczych powstających w interakcji ze sztuczną inteligencją. Innymi słowy – nie na każdego działa to tak samo.
Sprzężony Błąd Konfirmacji – gdy obie strony sporu korzystają z AI
Czym jest sprzężony błąd konfirmacji (Coupled Confirmation Bias)?
W artykule z 3 stycznia 2026 roku zaproponowałem konstrukcję Sprzężonego Błędu Konfirmacji dla opisu pętli eskalacyjnej, która pojawia się w układach, gdy obie strony korzystają z LLM, by analizować domniemane motywy, zachowania i plany przeciwnika. Co ciekawe, w takiej sytuacji każda ze stron wykonuje ruchy, które są następstwem analizy (z AI) ruchów drugiej strony. Kolejne ruchy stanowią punkt wyjścia do analiz i decyzji drugiej strony. Konflikt narasta.
Wkrótce potem podjąłem próbę formalizacji sprzężonego błędu konfirmacji.
Czy modele „karmione” różnymi wzorami kulturowymi mogą inaczej wpływać na decyzje stron w sporze?
Poruszyłem również temat korzystania przez oponentów z modeli językowych o odmiennym zabarwieniu kulturowym. Jako modelowe przykłady wziąłem modele osadzone w kulturze amerykańskiej (jednostka, starcie, wygrana / przegrana) oraz w chińskiej (wspólnota, harmonia, zachowanie twarzy).
Czy błędy poznawcze generowane lub wzmacniane przez AI mogą wpływać na podejmowanie decyzji przez strony konfliktu?
Następnie poszedłem dalej i opisałem zaproponowałem zastosowanie modelu Fogga do opisu podejmowania decyzji przez strony konfliktu. W tekście tym zaproponowałem zastosowanie 3 parametrów edycji (wektor, dynamika, determinacja), których możliwe kombinacje dają łącznie 8 rodzajów decyzji. Następnie opisałem, jak wybrane błędy poznawcze, w tym te z udziałem AI, wpływają na tak opisany proces decyzyjny.
Moim zdaniem, korzystanie z AI może wpływać nie tylko na poglądy, ale przede wszystkim behawioralne funkcjonowanie użytkownika, którego jednym z przejawów jest podejmowanie przez niego decyzji w sporze. Jasne jest, że zaprokpowane przeze mnie modele są jedynie próba wyjaśnienia obserwacji i wymagają solidnej wersyfikacji.
Czy AI może doprowadzić do rozwodu?
Podstawowy błąd atrybucji jako punkt wyjścia
Spójrzmy na AI w sposób, który wyżej opisałem. AI uchodzi (mylnie!) za doradcę obiektywnego, wszechwiedzącego, zewnętrznego. Wyobraźmy sobie, że działamy w trybie podstawowego błędu atrybucji. Polega on na tym, że zachowania drugiej strony tłumaczymy przez przypisywane jej cechy wewnętrzne, a nie zewnętrzne okoliczności. Tak jest łatwiej i szybciej. Bałagan tłumaczymy tym, że „ona taka jest”, późne powroty do domu tym, że „on pewnie mnie zdradza” lub „jest leniwy i nie chce mi pomóc”. Tak działa nasz umysł – mój też – o czym pisałem w tekście o podstawowym błędzie atrybucji w pracy adwokata.
Czy AI wzmacnia podstawowy błąd atrybucji?
Nałóżmy teraz ten mechanizm na korzystanie z AI, które nas w tym utwierdzi. Prowadzi to do wzrostu przekonania o prawidłowości własnych zachowań i o złej woli drugiej strony. Wykonamy wiec jakiś ruch, niech to będzie zwykła awantura. Zastanówmy się, jak odbierze ją druga strona, która… zapyta o radę swojego asystenta AI. Będzie to zapewne odebrane jako nieuzasadniony atak, akt wrogości i niezrozumienia. Kolejne zachowania tej strony będą też tak interpretowane. Obie strony się od siebie oddalą.
Czy modele AI mogą przejąć komunikację między stronami sporu?
Wkrótce zaniknie komunikacja między nimi lub będzie się ona odbywać przez komunikatory. Ale – tu wielkie niebezpieczeństwo – widziałem już sytuacje, w których małżonkowie przez wiele miesięcy rozmijali przez WhatsApp, ale prawie każdą odpowiedź uzgadniali ze swoim LLM. W pewnym momencie, to dwa modele językowe zaczęły rozmawiać dyskutować między sobą, wzajemnie się oskarżając, o czym żadne z małżonków nie wiedziało. Każdy był przekonany, ze tylko on tak robi i robił tak z pełnym przekonaniem, że to jest fair i i tak ma rację, a AI tylko mu pomaga budować argumentację i wykryć manipulacje, nieścisłości i błędy drugiej strony.
Co mówi nasze badanie z początku 2026 roku o wykorzystaniu AI jako ukrytego sojusznika w sporach?
Niekiedy strony sporu świadomie korzystają z AI, żeby podważyć osąd i przekonanie o zdolności do racjonalnego myślenia u drugiej strony (tzw. cyfrowy gaslighting). Co ciekawe, z naszego badania o roli AI w sporach z początku 2026 roku wynika, że zdecydowana większość użytkowników nie poinformowałaby drugiej strony, że korzysta z AI do analizy jej wypowiedzi i zachowań.
AI jako czynnik sprzyjający eskalacji w sporach między wspólnikami
Zapewniam jednak, że to nie dzieje się tylko w sprawach rodzinnych. To samo dotyczy pracowników w sprawach mobbingowych albo wspólników, którzy toczą ze sobą wojny domowe, a do rąk dostali niedawno nowe narzędzie, z którego nie wiedzą jeszcze jak korzystać. LLM modą wpływać m.in. na powstanie myślenia tunelowego i zawężenie przestrzeni negocjacyjnej w sporach między partnerami biznesowymi wewnątrz jednej spółki. W jednym z tekstów przedstawiłem scenariusz eskalacji konfliktu między wspólnikami korzystającymi z AI. Nie mam jednak wątpliwości, że AI może być tez bardzo pomocna w rozwiązywaniu sporów biznesowych, choćby przez analizę możliwości i szukanie wyjść win-win.
Czy AI może wzmacniać nasze przekonanie o mobbingu?
W jednym z ostatnich tekstów napisałem, że AI jest istotnym czynnikiem wpływającym na wyobrażenie pracowników o stosowaniu wobec nich mobbingu. Znam osobiście przypadki, w których doszło do radykalnego wzmocnienia przekonania o mobbingu właśnie wskutek licznych interakcji z AI, a użytkownik był przekonany, że jest ofiarą mobbingu, chociaż obiektywna analiza wykluczyła. Co więcej, znamienna jest reakcja użytkownika, który nie przyjmował do wiadomości naszej interpretacji i zarzucał nam brak profesjonalizmu i rzekome związki z pracodawcą, któremu mieliśmy potajemnie sprzyjać. On nie szukał pomocy prawnej. On szukał potwierdzenia i wykonawcy.
Tabela 1: Przykładowe mechanizmy eskalacji konfliktów w interakcji człowiek–AI
| Mechanizm | Opis zjawiska | Typowe skutki w sporach |
|---|---|---|
| Sprzężenie zwrotne | AI wzmacnia interpretacje użytkownika zamiast je falsyfikować; każda kolejna odpowiedź jest bardziej zgodna z wcześniejszymi założeniami użytkownika. | Radykalizacja poglądów, myślenie tunelowe, zawężenie przestrzeni negocjacyjnej. |
| Sprzężony błąd konfirmacji | Obie strony konfliktu korzystają z AI, analizując motywy i ruchy przeciwnika; każdy ruch jest reakcją na interpretację wygenerowaną przez model. | Pętla eskalacyjna, narastanie wrogości, błędne odczytywanie intencji. |
| Różnice kulturowe używanych LLM | Modele „karmione” różnymi wzorcami kulturowymi (np. amerykański vs chiński) generują odmienne interpretacje konfliktu. | Rozbieżne strategie działania, błędne odczytywanie motywów drugiej strony. |
| Wpływ AI na decyzje | AI wzmacnia lub ukierunkowuje motywację, subiektywnie postrzegana trudność i podatność na wyzwalacz (w modelu Fogga) | Impulsywne ruchy, eskalacja, decyzje oparte na emocjach zamiast faktach. |
| Wzmocnienie podstawowego błędu atrybucji | Użytkownik interpretuje zachowania drugiej strony jako skutek przypisywanych jej cech „wewnętrznych”, a nie okoliczności zewnętrznych — AI wzmacnia tę narrację. Problemem staje się człowiek, a nie okoliczności. | Przypisywanie złej woli, narastanie poczucia krzywdy, eskalacja konfliktu. |
| Przejęcie komunikacji przez modele językowe | Strony konsultują każdą wiadomość z LLM; w skrajnych przypadkach modele zaczynają „rozmawiać” ze sobą. | Całkowity zanik komunikacji bezpośredniej, eskalacja oparta na interpretacjach modeli. |
| Cyfrowy gaslighting | Użytkownik wykorzystuje AI, aby podważyć racjonalność drugiej strony lub jej interpretację rzeczywistości. | Utrata zaufania do samego siebie, utrata wiary we własny osąd |
Mechanizmy przedstawione w tabeli pokazują, że AI nie musi generować radykalnych treści, aby wpływać na eskalację konfliktu. Wystarczy, że wzmacnia interpretacje użytkownika, potwierdza jego emocje lub pomaga mu budować narrację o złej woli drugiej strony. W sporach, w których obie strony korzystają z AI, zjawiska te mogą się sprzęgać. Prowadzą wówczas do pętli eskalacyjnych, w których każda kolejna decyzja jest reakcją na interpretację wygenerowaną przez model.
Właśnie dlatego tak ważne jest rozumienie tych mechanizmów — zarówno przez profesjonalistów, jak i przez osoby uwikłane w konflikt. AI może być narzędziem analitycznym i wspierającym. Ale może też stać się nieświadomym „uczestnikiem” lub akceleratorem sporu, wzmacniającym błędy poznawcze i zawężającym przestrzeń negocjacyjną.