Jak używamy AI do tworzenia artykułów, żeby rezultatem nie był AI Slop

Nie chodzi o samą obecność sztucznej inteligencji w procesie. Można wywalić z tekstu wszystkie myślniki, słowo "kluczowy" na każdej stronie i sztampowe konstrukcje typu "to nie jest X, to Y" — i wciąż zostanie po tym miałki tekst, tylko z ładniejszą interpunkcją.

Prawdziwa definicja jest prostsza: treść bez wystarczającej wiedzy, oceny, dowodów czy własnego wkładu, żeby zasługiwać na uwagę czytelnika. Innymi słowy — odpowiedzialność za jakość zostaje przeniesiona z twórcy na odbiorcę. Autor pomija ciężką robotę: sprawdzanie faktów, wyrobienie sobie opinii, ustalenie co jest ważne. Czytelnik musi to nadrobić samodzielnie, próbując zgadnąć, czy tekst ma jakąkolwiek wartość.

Wydawca zyskuje czas. Reszta świata płaci za to swoją uwagą.

Dla większości twórców treści pisanie było kiedyś esencją pracy — tam szły godziny. AI sprawiła, że ten etap jest praktycznie darmowy, więc cały wysiłek trzeba przesunąć wcześniej: na decydowanie, co w ogóle warto napisać, jak to poukładać i co można wnieść, czego jeszcze nie ma w internecie.

Przed proszeniem modelu o gotowy tekst warto mieć jasną odpowiedź na kilka pytań:

• Dla kogo piszę i co ta osoba chce dzięki temu osiągnąć
• Co czytelnik zrozumie albo będzie umiał zrobić po przeczytaniu
• Jaki jest mój punkt widzenia i gdzie ktoś mógłby się ze mną nie zgodzić
• Które twierdzenia wymagają źródeł, danych albo konkretnego dowodu
• Co mogę dodać, czego nie znajdzie w pierwszych dziesięciu wynikach Google

To nie są nowe pytania — istniały przed erą AI i powinny istnieć nadal. Model może pomóc je odpowiedzieć: przeanalizować wyniki wyszukiwania, podważyć moją tezę, znaleźć kontrargumenty. Ale nie powinien podejmować tych decyzji za mnie.

Samo planowanie to jednak połowa sukcesu. Model musi mieć też surowy materiał, z którym może pracować. Dając mu ten sam internet, który ma każdy inny, dostaniemy wersję artykułu, który już istnieje setki razy. Żaden szczegółowy prompt stylistyczny tego nie naprawi. Potrzebne są rzeczy, których AI samo nie wymyśli: wywiady, wewnętrzna wiedza branżowa, własne dane, realne demonstracje, nieudane eksperymenty i konkretne przykłady z codziennej pracy.

Jedna z najbardziej praktycznych zmian w procesie tworzenia to zamiana pisania na mówienie. Kiedy piszemy, edytujemy na bieżąco — porządkujemy chaos w głowie, zanim AI go zobaczy. Problem w tym, że ten chaos często zawiera to, co najbardziej wartościowe: niepewności, zastrzeżenia, opinie, niedokończone połączenia myślowe.

Dyktowanie tekstu na głos, spacerowanie po pokoju i wygłaszanie swobodnych przemyśleń pozwala wyrzucić z głowy więcej surowego materiału, niż da się to zrobić przy klawiaturze. Można też poprosić AI, żeby przeprowadziło z nami wywiad, znalazło dziury w rozumowaniu i wyciągnęło potencjalne tezy, zanim zaproponuje strukturę tekstu. Model wtedy nie wymyśla treści — porządkuje i weryfikuje to, co już mu dostarczyliśmy.

Sztuczna inteligencja jest mistrzem w ukrywaniu decyzji pod płaszczem gładkiej prozy. Jedno zapytanie do modelu wybiera jednocześnie research, kąt podejścia, strukturę, przykłady i ton — a kiedy to widzimy, wszystko wygląda już jak gotowy artykuł. Wydaje się bardziej dopracowane, niż faktycznie jest.

Dlatego dobry proces redakcyjny naśladuje ludzki tok pracy, a nie produkuje jeden tajemniczy plik na końcu. Badania, mapa luk contentowych, konspekt i szkic powinny być zapisane osobno, żeby móc sprawdzić każdy etap, poprawić błąd u źródła i wrócić do ostatniego dobrego momentu, zamiast naprawiać cały gotowy tekst.

Nie trzeba budować skomplikowanego pipeline'u, żeby zastosować tę zasadę. Wystarczy podzielić pracę na etapy i wstawić decyzję między każdym z nich: brama tematu, brama konspektu, brama dowodów i brama szkicu. Na każdej z tych bram twórca musi wydać osąd — czasem oznacza to zamówienie dodatkowego researchu, wycięcie fragmentu, zmianę kąta patrzenia albo w ogóle odłożenie tematu na później.

Najbardziej oczywista strategia oszczędzania na kosztach to wyprodukowanie podobnego artykułu za mniej pieniędzy, a zaoszczędzony czas zamienić na większą liczbę publikacji. Więcej artykułów, więcej słów kluczowych, więcej stron do zaindeksowania przez Google.

To jednak nie jedyny możliwy zwrot z tej efektywności. Pisanie i publikowanie nigdy nie były jedynym ograniczeniem w tworzeniu treści — częściej barierą było wszystko, co chcieliśmy dodać wokół artykułu, ale nie można było sobie na to pozwolić czasowo albo budżetowo.

Jeśli chcieliśmy zrobić prostą analizę danych, potrzebowaliśmy analityka. Jeśli chcieliśmy zbudować darmowe narzędzie, potrzebowaliśmy programisty. Bardziej interaktywny artykuł wymagał wsparcia projektanta i inżyniera.

AI obniża te bariery wejścia. Osoba zajmująca się treścią może teraz samodzielnie przeanalizować zbiór danych, zaprototypować narzędzie, zbudować element interaktywny albo zautomatyzować część procesu badawczego. Kluczowe pytanie nie brzmi więc "ile więcej artykułów pozwala mi opublikować AI", ale "co mogę teraz umieścić w artykule, czego wcześniej nie mogłem sobie pozwolić zrobić".

AI może wykonać dużą część procesu, ale konkretna osoba wciąż musi wziąć odpowiedzialność za końcowy efekt. Osoba prowadząca proces powinna rozumieć temat na tyle dobrze, żeby zweryfikować twierdzenia, poprawić błędne informacje, wyjaśnić skąd pochodzą dowody i zdecydować, czy chce podpisać się pod tym tekstem własnym nazwiskiem.

Dlatego dobra redakcja nie publikuje setek artykułów z dnia na dzień, nawet mając w pełni zautomatyzowany proces. Redaktor musi czytać każde słowo każdego tekstu, który trafia na blog — mieć wiedzę i autorytet, żeby podważyć założenia artykułu, zapytać o dowody, wychwycić generyczne fragmenty i sprawdzić, czy tekst rzeczywiście dostarcza to, co obiecuje czytelnikowi.

Człowiek w procesie znaczy bardzo mało, jeśli tylko przybija pieczątkę na gotowym tekście. Musi mieć wiedzę, autorytet i odwagę, żeby powiedzieć "nie" — nawet gdy tekst jest już napisany i czeka na publikację.

Treść wygenerowana z pomocą AI nie jest automatycznie bezwartościowa — teksty w dużej mierze tworzone przez modele językowe mogą świetnie radzić sobie w wyszukiwarce, nawet zajmując najwyższe pozycje. Problemem nie jest sama technologia, lecz to, że wiele firm wykorzystuje ją, żeby pominąć trudną robotę i publikować więcej przeciętnych treści.

AI robi wykonanie taniej. To powinno dać nam więcej czasu na ocenę, dowody, doświadczenie i pomysły, które sprawiają, że artykuł faktycznie warto przeczytać. Pytanie nie brzmi więc, ile słów napisała maszyna. Pytanie brzmi, czy jakiś człowiek zrozumiał temat, ocenił go, zweryfikował i jest gotów stanąć za tym, co poszło do publikacji.

Jeśli nikt tego nie robi — to jest właśnie ten AI slop.