by dr Andrzej Jakubiec - adwokat, mediatorAI I DYNAMIKA SPORU 3 WSPÓLNIKÓW
Zajmijmy się AI i eskalacją sporu między trzema wspólnikami. W kilku poprzednich tekstach opisałem m.in. dwie grupy zagadnień. Pierwsza: przyczyny niestabilności w układzie trzech wspólników. Druga: możliwy wpływ AI na eskalację sporów i koncepcja sprzężonego błędu konfirmacji. Dzisiaj zwrócę uwagę na obszar, w którym te zagadnienia się krzyżują, a więc dynamikę relacji trzech wspólników, z których każdy korzysta z AI w celu analizy i predykcji ruchów pozostałych wspólników.
Rys. 1. Anatomia sprzężonego błędu konfirmacji (Coupled Confirmation Bias). Jak błędy poznawcze wzmocnione przez AI prowadzą do eskalacji konfliktu w świetle dylematu bezpieczeństwa?
Czego J. Mearsheimer uczy nas o konfliktach wspólników?
To pytanie zadałem w artykule, w którym przedstawiłem tezę, że w spółkach z udziałem 3 wspólników istnieje większe ryzyko konfliktu, niż w spółkach dwu i czteroosobowych. Jest to twierdzenie oparte wyłącznie na mojej intuicji oraz poczynionych przeze mnie obserwacjach z praktyki. Argumenty tego wybitnego politologa, które przedstawił w „Tragizmie polityki mocarstw” odnoszące się do układów 3 równoważących się państw, wydały mi się doskonale tłumaczyć konflikty w trzyosobowych spółkach. Jestem w pełni świadom wątpliwości metodologicznych związanych z próbami przenoszenia wniosków z zakresu stosunków międzynarodowych do skali mikro. Niemniej jednak zwracam uwagę, że w teorii gier (J. Nash) oraz strategii konfliktu „wielkość” graczy nie ma pierwszorzędnego znaczenia (T. Schelling).
Dlaczego w spółce trzyosobowej cześciej dochodzi do sporów?
O ile między 2 lub 4 graczami łatwo stworzy się równowaga (1:1, 2:2) to w przypadku 3 graczy (wspólników), nad każdym z nich wisi groźba koalicji przeciwko niemu. Każdy z nich będzie się obawiał, że pozostali dwaj zawiążą sojusz, a on zostanie zmarginalizowany. Mamy więc do czynienia z tzw. dylematem bezpieczeństwa (security dilemma) tyle że w mikroskali.
Co więc robi (każdy z nich)? Nie che być tym „trzecim” i montuje równolegle dwie koalicje przeciwko każdemu z pozostałych. I tak robi każdy z nich. Nie ze złej woli, ale ze strachu przed tym, co uważa za „nieuchronne”.
W takim układzie gros energii i uwagi każdego ze wspólników poświęcane jest temu, co uważa on za najważniejsze: zapewnieniu sobie przetrwania w spółce. Jak je osiągnąć? Właśnie montując koalicję.
Podstawowy błąd atrybucji w rozumowaniu wspólników
Przypomnijmy, że podstawy błąd atrybucji (PBA) to mechanizm psychologiczny, który tłumaczy, że łatwiej i prędzej dopatrujemy się przyczyn cudzego działania w jego cechach charakteru, niż w zewnętrznych okolicznościach. Wszystkich zainteresowanych odsyłam do książki D. Kahnemana „Pułapki myślenia. O myśleniu szybkim i wolnym.” Możecie też zajrzeć tutaj, do artykułu B. Gawronski, Fundamental Attribution Error.
Oznacza to, że gdy ktoś nam zajedzie drogę, będzie nam łatwiej, szybciej i taniej przypisać to jego niskiej inteligencji połączonej z gnuśnością i chamstwem, niż trudzić się w domysłach, że spieszy się na zgromadzenie wspólników, do rodzącej żony, lub (nie daj Boże) – że to my jechaliśmy za szybko.
Jest to mechanizm, któremu podlegamy wszyscy. Widzę go (i staram się świadomie neutralizować) we własnym myśleniu i praktyce adwokackiej. Spotykam go w sprawach rodzinnych oraz w sporach między wspólnikami.
Każdy z uczestników zaczyna szukać argumentów potwierdzających własną ocenę sytuacji. Coraz częściej robi to z pomocą AI.
Wspólnik „karmi” więc swój LLM opisem zachowań konkurenta „skażonym” przez swój PBA („X znowu spóźnił się z raportem, bo jest leniwy albo coś knuje”). AI, optymalizowane pod kątem konfirmacji i satysfakcji użytkownika, nie odpowie raczej: „A może utknął w korku?”. Częściej wygeneruje strategię obronną przed „leniwym i nielojalnym partnerem”. AI dostaje w ten sposób jako prompt „skażone” dane wejściowe, które następnie multiplikuje.
Bardzo ważne jest przy tym, że podstawowy błąd atrybucji działa mocniej, gdy oceniamy zachowania w naszym rozumieniu niemoralne. Wówczas łatwo przypisujemy drugiej stronie niemoralne cechy. Niekoniecznie jednak działa to równie silnie w drugą stronę, tj. jeśli ktoś zrobił coś dobrego, będziemy ostrożniejsi w przypisywaniu mu pozytywnych cech.
Jaka jest rola AI w eskalacji sporu między trzema wspólnikami?
LLM są zaprojektowane tak, że wzmacniają nasze wyjściowe przekonania. Nie muszą kłamać, ani nami manipulować. One wzmacniają to, co w nas jest. Dotyczy to również naszych przekonań o motywacji drugiej strony. Zjawisko to zostało dokładnie zbadane i opisane przez wybitnych naukowców zajmujących się AI. Oczywiście, podatność na to „wzmacnianie” jest cechą osobniczą – każdy z nas ma inną „wytrzymałość” i poziom autorefleksji.
Obserwujemy więc zjawisko zwane pętlą sprzężenia zwrotnego (M. Glickman, T. Sharot), kiedy to interakcji między użytkownikiem, a LLM jest wiele, a wskutek nich (B. Wang, J. Liu) pierwotnie słabe przekonanie, zostaje znacząco wzmocnione. Nie ma przy tym większego znaczenia, czy jest ono prawdziwe, czy fałszywe. To z kolei może prowadzić do myślenia tunelowego każdego ze wspólników.
Jego cechą jest odrzucanie wszelkich informacji, które nie pasują do przyjętego założenia, oraz wyolbrzymianie wszystkich tych, które mogą je potwierdzać. Osoba w takim stanie szuka już tylko potwierdzenia swojej tezy, nie zaś weryfikacji. Jest gotowa reagować agresją na próby falsyfikacji.
Czym jest sprzężony błąd konfirmacji?
Sprzężony błąd konfirmacji jest moją autorską koncepcją. Jest to znów wyłącznie hipoteza oparta na obserwacjach i wymaga dalszych badań konceptualnych i empirycznych, które mogą ją obalić.
Sprzężony błąd konfirmacji (Coupled Confirmation Bias) opisuje dynamikę eskalacji w systemie, w którym każdy uczestnik korzysta z własnego LLM. Każdy użytkownik podlega podstawowemu błędowi atrybucji, a więc tłumaczy zachowania pozostałych ich (negatywnymi) cechami charakteru, złymi intencjami itp. Najczęściej będą to: głupota, nieuczciwość, chciwość i lenistwo.
Wskutek interakcji człowieka z AI dojdzie do znacznego wzmocnienia tych przekonań oraz do zaplanowania własnego działania.
Kluczowe jest to, że każde następcze działanie jednego użytkownika, będzie punktem wyjścia, paliwem, do kolejnej analizy przez pozostałych. W ten sposób dojdzie do zawężenia przestrzeni negocjacyjnej, utożsamienia się z własnym stanowiskiem (a niekoniecznie interesem), stopniowej utraty poczucia sensu, a nawet dopuszczalności, rozmowy, oraz szybkiego przeniesienia sporu na poziom konfliktu wartości.
Szybko dojdziemy do momentu, w którym problemem przestanie być interes wspólnika, ale sam wspólnik. A rozwiązaniem tego problemu będzie wyeliminowanie wspólnika.
Jak działa sprzężony błąd konfirmacji w układach trzyosobowych?
W mojej praktyce mam dopiero dwa udokumentowane przypadki, o których mogę z całą pewnością stwierdzić, że każdy ze wspólników intensywnie korzystał z AI do analizy postaw i predykcji zachowań pozostałych wspólników. Doszło do bardzo gwałtownej eskalacji z faktycznym paraliżem spółki oraz deklarowaną gotowością ogłoszenia jej upadłości, co każdy ze wspólników postrzegał jako mniejsze zło od dalszego rozwoju intratnego biznesu.
Stawiam tezę, że gwałtowność eskalacji była skutkiem nałożenia się na siebie:
1) mechanizmów strukturalnych – typowych dla układów trzech graczy;
2) synergii indywidualnych błędów poznawczych skutkujących powstaniem błędu systemowego typowego dla interakcji ludzi z AI, cechującego się wzmacnianą rekursywnością.
Więcej o technicznych aspektach sprzężonego błędu konfirmacji oraz o próbie formalizacji tej koncepcji możecie przeczytać tutaj.
Materiał do dalszych badań
Jestem przekonany, że w najbliższej przyszłości powstaną doktoraty i wybitne prace naukowe, które precyzyjnie, z zachowaniem rygorów metodologicznych i w oparciu o badania empiryczne, przyniosą odpowiedź na pytanie, czy opisana wyżej teza jest prawdziwa.
Moim zdaniem, układ trzech graczy – również w skali mikro, nie tylko mocarstw, jest podatny na konflikt sam w sobie. Jednak, gdy nałożymy na niego błędy poznawcze wzmacniane i tworzone z udziałem AI wykorzystywanego przez każdego z tych graczy, ryzyko dynamicznej eskalacji istotnie wzrośnie.
Póki co jest to wyłącznie koncepcja istniejąca w mojej głowie, propozycja do poważniejszych badań i próba zrozumienia rzeczywistości, którą nie tylko obserwuję, ale jako adwokat – częściowo sam kształtuję.
O tym, jak LLM mogą wzmacniać nasze błędy poznawcze i wpływać przez to na podejmowane decyzje już niedawno pisałem. Teraz jedynie odsyłam do tego tekstu.
Jak AI wpływa na konflikt między wspólnikami? Wnioski
- W spółce trzyosobowej każdy wspólnik walczy nie o przewagę, lecz o przetrwanie. Powstaje dylemat bezpieczeństwa.
- Wspólnik zagrożony szuka partnera, by samemu nie zostać tym „trzecim”.
- Może tak robić każdy wspólnik.
- AI ma tendencję do wzmacniania błędów poznawczych użytkownika i utwierdzania go w wyjściowych przekonaniach.
- Sprawia to, że rośnie ryzyko, że każdy ze wspólników podejmie działania, które sam oceni jako prewencyjne i defensywne.
- W oczach pozostałych będą one jednak ofensywne.
- Ryzyko eskalacji jest znacznie większe w spółkach trzyosobowych, szczególnie, gdy wspólnicy korzystają z AI do analizy swojej sytuacji.
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.
by dr Andrzej Jakubiec - adwokat, mediatorMOBBING NA UCZELNIACH – PUSZKA PANDORY
Taboo, które pęka – mobbing na uniwersytetach rzeczywiście istnieje
Wszystko wskazuje na to, że rozpoczynając cykl artykułów o mobbingu na uczelniach otworzyłem puszkę Pandory. Mobbing uniwersytecki był przez dekady tematem taboo. Pracownicy naukowi przez lata godzili się na blokowanie karier, alienację w miejscu pracy i upokorzenia, bo myśleli, że tak być musi. Prowadzenie takiej sprawy mogło nawet narazić adwokata na ostracyzm. Dzisiaj ten mur pęka. Polecam m.in. raport science watch o mobbingu na uczelniach oraz dane PIP o mobbingu jako jednym z psychospołecznych zagrożeń w świecie akademickim.
Czy mobbing w szkołach wyższych jest problemem?
Profesorowie uznający uniwersytety za swoją własność są największym problemem polskiej nauki. Są czynnikiem, który blokuje kariery wielu naukowców oraz pracowników administracyjnych. Mobbing jest jednym ze stosowanych narzędzi. Nie jest celem, ale środkiem do celu. Celem jest władza. Osiąga się ją i zabezpiecza przez eliminację niepokornych i promocję uległych. Nie trzeba mówić, jaki ma to wpływ na jakość pracy naukowej, która przecież jest nieodzownie związana z podważaniem autorytetów, poszukiwaniami, ciekawością, intelektualną bezczelnością i pasją. Te cechy charakteru nie są pożądane na polskim uniwersytecie. Efekty widać gołym okiem.
Od drugiej strony: Inna wrażliwość oraz instrumentalne wykorzystanie mobbingu
Żeby zachować równowagę, muszę wspomnieć również o drugim niepokojącym zjawisku, które wynika z postaw roszczeniownych i niskiej odporności psychicznej części – głownie młodszej kadry. Trzeba też zauważyć, że oskarżenia o mobbing bywają również instrumentalnie wykorzystywane przeciwko przełożonym.
Rola AI w utwierdzaniu człowieka, że jest ofiarą mobbingu
Rzetelność wymaga również zasygnalizowania niepokojącego zjawiska, jakim jest korzystanie z modeli językowych do utwierdzenia się w przekonaniu, że jest się ofiarą mobbingu. LLM z natury chcą zapewnić użytkownikowi dobrą interakcję, więc mają tendencję do utwierdzania go w wyjściowych założeniach. Może to prowadzić do radykalizacji poglądów i wpadnięcia w błąd poznawczy, np. myślenie tunelowe. Jest to przykład tzw. pętli sprzężenia zwrotnego (feedback loop). Obserwuję to zjawisko we własnej pracy również w sporach rodzinnych i konfliktach między wspólnikami. Część z osób, które się do mnie zgłaszają jest ewidentnie pod wpływem długich analiz i rozmów z AI i szukają jedynie potwierdzenia wypracowanych w nich wniosków. Wierzą, że są ofiarami mobbingu, bo tak powiedział im czat. Gdy zaczynamy to rozkładać na czynniki pierwsze, okazuje się, że mobbingu nie widać.
Czy można walczyć z mobbingiem na uczelniach?
Zgłaszają się do nas pracownicy uczelni wyższych, którzy postanowili rzucić wyzwanie temu układowi. Co się okazuje? Że sprawca często jest człowiek lękliwym, który miał tylko tyle władzy, ile mu przez lata dawano. A gdy ktoś jego pozycję zakwestionuje, król okazuje się nagi.
Czy postępowanie przed organami uczelni ma sens?
Postępowanie przed organami wewnątrzuczelnianymi nie ma większego sensu. Trzeba wyjść poza Uniwersytet. Z mojego doświadczenia wynika, że tzw. uczelniane komisje antymobbingowe są ciałami, które jedynie pozorują działania, a ich rzeczywistym celem jest wygaszenie sprawy, nie zaś rozwiązanie problemu. Mają człowieka zmęczyć i zmiękczyć. Moje oceny wynikają z osobistych doświadczeń zawodowych. W jednym z moich artykułów opisałem m.in. żenujące zachowanie członków komisji antymobbingowej na jednym z łódzkich uniwersytetów (a że w Łodzi nie ma zbyt wielu uniwersytetów, pozostawiam czytelnika z wiarą, że domyśli się, o który chodzi).
Działania przed takimi ciałami, jak:
- komisja antymobbingowa;
- rzecznik dyscyplinarny;
- inne ciała klonowane bezmyślnie z innych porządków prawnych, lecz niewyposażone w żadne realne środki, ani nie traktowane przez nikogo poważnie, jak rzecznik ds równości itp.,
z natury rzeczy niewiele mogą zdziałać. Odwołanie do nich w sporze z pracodawcą przypomina nieco próbę podniesienia się samemu przez chwytanie się za nogi i mocne ciągnięcie w górę. Brakuje punktu oparcia. Nie ma czynnika zewnętrznego. Przypomina to jazdę rowerem po plaży. Niby można, ale wyłącznie traci się czas i siły. Ofiary mobbingu uniwersyteckiego w swej naiwności myślą, że są to jakieś ciała niezależne, które mogą im pomóc. Zapominają, że jest to emanacja pracodawcy, który jest drugą stroną sporu. A w ich skład wchodzą najczęściej ludzie, z tej samej grupy, co bezpośredni sprawca. Jeśli miałbym je brutalnie (i nieco na wyrost) do czegoś porównać, to do pewnych komisji kościelnych. Młyny uniwersyteckie mielą powoli. I nieskutecznie. Ale nie o skutek przecież chodzi.
Trzeba podjąć decyzję
Zasada jest więc prosta:
– albo godzisz się na istniejący układ i nie tracisz sił na działania przed tymi „ciałami”
– albo rzeczywiście chcesz coś zmienić i korzystasz z możliwości, które daje prawo i podejmujesz działania przed:
a) sądem pracy;
b) sądem cywilnym lub
c) prokuraturą i sądem karnym.
| Aspekt | Postępowanie wewnątrzuczelniane | Postępowanie przed sądem pracy |
|---|---|---|
| Charakter postępowania | Dyskretne, poufne, „eleganckie”, bez eskalacji. Sprawa pozostaje w murach uczelni. | Wyjście poza uczelnię, pełna eskalacja, formalny spór z pracodawcą. |
| Relacje i lojalność | Oczekiwana lojalność wobec uczelni; pracownik często czuje presję, by „nie robić problemu”. | Neutralne środowisko, brak oczekiwań lojalnościowych; strony są równorzędne. |
| Skład organów | Komisje tworzą profesorowie i pracownicy uczelni — często znajomi sprawcy, reprezentanci pracodawcy. | Sędzia jest niezależny, niepowiązany ze środowiskiem akademickim. |
| Regulacje prawne | Brak ustawowych reguł, brak procedur, brak gwarancji procesowych. | Jasne, ustawowe procedury, terminy, obowiązki dowodowe, prawa stron. |
| Uprawnienia organu | Komisja może jedynie wydawać rekomendacje; brak realnych narzędzi. | Sąd ma szerokie kompetencje: przesłuchania, dowody, biegli, nakazy, wyroki. |
| Skuteczność | Sprawy łatwo rozmyć, przeciągać, wygaszać; brak realnych konsekwencji. | Wyrok jest wiążący, egzekwowalny i może prowadzić do odszkodowania lub zadośćuczynienia. |
| Czas trwania | Długie, rozwlekłe, bez presji terminów; „młyny uniwersyteckie mielą powoli”. | Postępowanie ma określone ramy czasowe i wymusza działanie. |
| Dostęp adwokata | Często utrudniony lub źle widziany; komisje nie lubią profesjonalnych pełnomocników. | Pełna reprezentacja adwokata, pełne prawa procesowe. |
| Koszty | Zwykle zerowe lub minimalne. | Wyższe koszty (opłaty, pełnomocnik), ale inwestycja w realną ochronę prawną. |
| Ryzyko dla pracownika | Ryzyko „zniknięcia sprawy”, nacisków środowiskowych, izolacji. | Ryzyko sporu z uczelnią jako instytucją, ale przy równych szansach proceduralnych. |
| Pozycja sprawcy | Sprawca często chroniony przez środowisko, komisję, układ towarzyski. | To uczelnia jest stroną sporu, ale trzeba wskazywać na sprawcę. |
| Przejrzystość | Brak jasnych zasad, brak protokołów, brak standardów. | Pełna transparentność: protokoły, dokumenty, uzasadnienia. |
| Efekt końcowy | Rekomendacja, która często niczego nie zmienia. | Wyrok, który zmienia sytuację prawną pracownika i pracodawcy. |
Tabela 1: porównanie postępowania przed uczelnianą komisją antymobbingowa i sądem pracy
Niuansów jest oczywiście znacznie więcej, a wszystkie muszą zostać wzięte pod uwagę.
Odezwij się do nas. My walczymy z mobbingiem na uczelniach.
My, w Kancelarii Jakubiec i Wspólnicy wiemy, jak ważna jest analiza sprawy i przygotowanie przed podjęciem pierwszych ruchów. Dlatego jeśli masz pytanie lub chcesz skonsultować się z nami, odezwij się do nas:
tel.: 536 270 935
mail – bezpośrednio do mnie: jakubiec@jakubieciwspolnicy.pl
Zapewniamy dyskrecję, zaangażowanie i bezpieczeństwo wszystkim naszym Klientom.