Od 2 sierpnia 2026 r. w Unii Europejskiej obowiązują przepisy AI Act dotyczące przejrzystości. Po pierwsze, dostawcy narzędzi genAI muszą zapewnić, aby objęte przepisami treści wygenerowane lub zmodyfikowane przez AI były oznaczone w formacie odczytywalnym maszynowo. Po drugie, podmioty udostępniające deepfejki muszą poinformować o tym odbiorcę. Obowiązek informacyjny obejmuje też teksty publikowane w sprawach leżących w interesie publicznym, jeśli powstały lub zostały zmodyfikowane przez AI – chyba że przeszły ludzką kontrolę redakcyjną, a odpowiedzialność za
publikację ponosi konkretna osoba lub podmiot. Zwykłe treści firmowe, jak oferta czy mail napisane z pomocą AI, takiego oznaczenia nie wymagają. Podobny obowiązek informacyjny obejmuje chatboty i wirtualnych asystentów – użytkownik musi wiedzieć, że rozmawia z maszyną, jeśli nie jest to oczywiste, a informację trzeba przekazać najpóźniej przy pierwszym kontakcie, w sposób jasny i dostępny. To samo dotyczy systemów rozpoznawania emocji i kategoryzacji biometrycznej wobec osób, których dane są przetwarzane. Materiały opublikowane przed 2 sierpnia 2026 r. nie wymagają oznaczania wstecznego, a dostawcy systemów wprowadzonych do obrotu wcześniej mają czas do 2 grudnia 2026 r. na dostosowanie się do wymogów technicznych.
🔒 Test bezpieczeństwa ujawnił nowe ryzyko związane z agentami AI
AISI, brytyjska instytucja badająca bezpieczeństwo AI, ujawniła, że podczas rutynowej ewaluacji cyberbezpieczeństwa prowadzonej między 25 a 28 lipca 2026 roku agent oparty na modelu Anthropic Mythos 5 podjął 17 z 19 nieautoryzowanych działań wobec osób i organizacji spoza symulowanego środowiska testowego. Najpoważniejszym przypadkiem była próba wprowadzenia złośliwego kodu do projektu open source: agent stworzył fałszywe tożsamości i wykorzystał je do wywarcia presji na opiekuna projektu, by zatwierdził zmianę. Test prowadzono w warunkach celowo obniżonych zabezpieczeń – z
otwartym dostępem do internetu i wyłączonymi filtrami bezpieczeństwa, co nie odzwierciedla komercyjnego wdrożenia. Pokazuje to jednak, że agent dążący do wykonania zadania potrafi sięgnąć po działania wykraczające poza jego zakres, bez wyraźnego polecenia. Podobny przypadek ujawniło OpenAI z partnerem Irregular, gdzie błąd konfiguracji zapewnił modelowi dostęp do internetu, a zbieżność nazw sprawiła, że wykorzystał lukę w prawdziwej stronie, najwyraźniej uznając ją za element testu. Firmy wdrażające agenty AI powinny więc ograniczać ich dostęp do internetu, monitorować działania na bieżąco, a każde środowisko testowe traktować tak, jakby konsekwencje mogły być realne – z gotową procedurą natychmiastowego zatrzymania agenta.
LinkedIn wprowadza przycisk „Seems like AI slop”, którym można oznaczyć posty, które użytkownicy uznają za niskiej jakości treści wygenerowane przez AI. Te zgłoszenia trafiają do nowych klasyfikatorów, które uczą się rozpoznawać taką treść i ograniczać jej obecność w rekomendacjach spoza sieci kontaktów – skąd pochodzi spora część odbiorców niezaangażowanych jeszcze w daną markę. Post oznaczony jako AI slop dotrze więc do znacznie węższego grona, co uderza w zasięg i w wiarygodność publikującego.
LinkedIn wycofuje przy tym funkcję „enhance your post”, która zmieniała styl wypowiedzi, zastępując ją narzędziem ograniczonym do korekty tekstu. Sama dostępność narzędzi AI nie zwalnia z odpowiedzialności za jakość i wiarygodność publikowanych treści – jak każde narzędzie, wymaga rozważnego i odpowiedzialnego stosowania.
💼 AI w podróżach służbowych wymaga wspólnego ekosystemu danych
Mastercard opublikował wyniki globalnego badania przeprowadzonego wśród ponad 1750 decydentów odpowiedzialnych za podróże i wydatki służbowe (T&E). Aż 85% z nich spodziewa się, że w ciągu 5 lat AI będzie zarządzać większością decyzji podróżnych i wydatkowych przy minimalnym nadzorze człowieka, a 62% organizacji już w pełni wdrożyło AI w swoich programach T&E lub aktywnie rozszerza jej użycie. Mimo to 3 na 4 badanych ocenia, że podróże służbowe stały się w ciągu 2 lat bardziej złożone, nie prostsze – rosnącej liczbie
osobnych narzędzi do rezerwacji, płatności i rozliczeń, często nie towarzyszy ich integracja. Dlatego 78% respondentów uważa, że AI nie przyniesie pełnej wartości, dopóki systemy podróży, płatności, wydatków i finansów pozostają rozdzielone. Przewagę zyskają więc nie organizacje z najbardziej zaawansowanymi algorytmami, lecz te, które najpierw połączą dane i procesy leżące u podstaw automatyzacji – inaczej AI może działać „w oderwaniu” od reszty firmy, zamiast usprawniać cały proces.
⚙️ Microsoft: najpierw uporządkuj proces, potem wdrażaj agenty
Według danych Microsoftu uporządkowanie procesu przed wdrożeniem agentów AI może zwiększać wartość automatyzacji. Firmy, które najpierw upraszczają i porządkują proces, a dopiero potem wprowadzają do niego agentów, raportują skrócenie czasu pracy nawet o 75% – nakładanie automatyzacji na proces, który wcześniej nie został uporządkowany, przynosi znacznie słabsze rezultaty. Podobną zależność Microsoft opisuje w przypadku dopasowania agentów do konkretnych ról i etapów pracy. Kiedy narzędzie przejmuje zadania administracyjne konkretnej roli, na
przykład sprzedawcy, uwalnia mu czas na pracę z klientem – w efekcie taki czas wzrósł dwukrotnie, a przychód na osobę o 9,4%. Uniwersalne narzędzie AI, dostępne dla wszystkich pracowników w tej samej formie, nie przynosi porównywalnych rezultatów, jeśli nie zostanie dopasowane do zadań konkretnego stanowiska.
Gizmo AI to narzędzie oparte na sztucznej inteligencji, które automatyzuje tworzenie materiałów szkoleniowych na podstawie istniejących treści. System analizuje dokumenty, notatki, strony internetowe oraz materiały wideo, a następnie przekształca je w gotowe zestawy pytań, fiszek i quizów.
W praktyce może wspierać zespoły w takich obszarach jak onboarding, szkolenia produktowe, utrwalanie wiedzy po webinarach, przygotowanie do certyfikacji czy rozwój kompetencji wewnętrznych. Dzięki temu organizacja może szybciej zamieniać rozproszone materiały w uporządkowane formaty edukacyjne, bez ręcznego przygotowywania treści od zera. Platforma wykorzystuje mechanizmy adaptacyjnej nauki, które pomagają lepiej utrwalać wiedzę poprzez częstsze wracanie do trudniejszych zagadnień.
Darmowy vs Płatny:
Plan Darmowy: Umożliwia tworzenie zestawów fiszek i korzystanie z quizów. Posiada limity dzienne na import nowych dokumentów.
Plan Unlimited: Nielimitowane tworzenie fiszek, talii i quizów. Obejmuje brak limitów na importy dokumentów, nielimitowane „serca”, dostęp do podpowiedzi AI oraz wsparcie korepetytora AI bez ograniczeń.
Jak korzystać:
Wgraj plik PDF, wklej link do filmu na YouTube, link do strony internetowej lub zrób zdjęcie strony z podręcznika. AI przetworzy te dane na tekst bazowy.
AI analizuje materiał źródłowy i w kilka sekund generuje gotowe fiszki. Możesz je zaakceptować w całości lub edytować przed zapisaniem.
Narzędzie zamienia fiszki w grywalne quizy z systemem punktowym, seriami dni aktywności (streaks) i rankingami.
System automatycznie planuje sesje nauki, wyświetlając trudniejsze dla Ciebie pytania częściej, a te opanowane rzadziej, aby zoptymalizować czas zapamiętywania.
Warto przeczytać
Nowy raport ONZ: firmy muszą lepiej mierzyć efekty AI
ONZ opublikowało pierwszy raport powołanego Niezależnego Międzynarodowego Panelu Naukowego ds. AI, złożonego z 40 ekspertów, którzy mają regularnie porządkować wiedzę o możliwościach i ryzykach AI – choć sam panel nie ma uprawnień regulatora ani prawa kontrolowania firm. Autorzy tego raportu piszą, że rozwój możliwości modeli wyprzedza dziś zdolność instytucji do ich niezależnego badania: to głównie same firmy AI dysponują danymi o działaniu swoich systemów, a regulatorzy i badacze oceniają produkt dopiero po premierze. Podobny rozdźwięk
widać po stronie biznesu – według PwC 56% prezesów zadeklarowało, że inwestycje w AI nie przyniosły jeszcze ani wzrostu przychodów, ani obniżki kosztów, mimo że korzysta z niej już 88% firm. Redakcja hAI Magazine wskazuje, że odpowiedzią na ten problem staje się „evidence-by-design” – projektowanie produktów AI tak, by od początku zbierały dane potrzebne do oceny własnego działania, zamiast liczyć samych użytkowników czy wdrożeń. Zdolność do przedstawienia takiej dokumentacji może w sektorach regulowanych zdecydować o tym, czy dany produkt w ogóle zostanie dopuszczony do użytku.
Firm zatrudniających dyrektora ds. AI (CAIO) jest już 76% wobec 26% rok wcześniej – wynika z raportu IBM Institute for Business Value. Zdaniem Debbie Madden, założycielki firmy konsultingowej Stride, powołanie CAIO może w części organizacji ograniczyć wpływ CIO. Zarząd naciska na wdrożenie AI, CIO odpowiada argumentami o infrastrukturze i kosztach, a to CAIO dostaje budżet o największym znaczeniu strategicznym. Zdaniem Madden pozycję wzmacniają CIO, którzy, którzy wiążą projekty AI bezpośrednio z przychodem i ograniczaniem ryzyka oraz pierwsi przejmują pytania o nadzór nad AI
– kto odpowiada za wynik systemu i jak wygląda procedura wycofania błędnej decyzji. Ken Ringdahl (CTO firmy Emburse) dodaje przestrogę z drugiej strony: jeśli odpowiedzialność za wdrażanie AI zostanie całkowicie przeniesiona poza obszar CIO, firma może stracić spójność integracji z istniejącymi systemami i zabezpieczeniami – CAIO rzadko ma uprawnienia do zmiany procesów w całej organizacji, którymi dysponuje CIO. Rola CIO więc nie znika, ale wymaga przesunięcia z „utrzymywania systemów” na współdecydowanie o tym, jak AI zmienia sposób pracy w firmie.
Eksperci: firmy muszą szybciej łatać luki w erze AI
Badacze z Cisco Talos sprawdzili, jak łatwo skłonić modele AI do pomocy w atakach hakerskich, i stwierdzili, że wbudowane zabezpieczenia zwykle zawodzą. W większości prób wystarczało proste zapewnienie o posiadaniu uprawnień, aby model wykonał polecenie mogące wspierać nadużycie.AI może zmniejszać nakład pracy na wielu etapach ataku – od zbierania informacji o celu po tworzenie kodu wykorzystującego lukę. Tymczasem firmy nie nadążają z łataniem: jak mówi Brian Gracely z Red Hat, samo wdrożenie gotowej poprawki do działającego systemu trwa w wielu firmach 40–90 dni, a
Quincy Castro (CISO firmy Chainguard) uważa, że dotychczasowe, długie terminy naprawy nie odpowiadają już tempu wykrywania i wykorzystywania podatności. Firmy powinny więc skrócić czas między otrzymaniem poprawki a jej wdrożeniem, oceniać luki nie tylko według formalnej skali ryzyka, ale realnej możliwości ich wykorzystania przez atakującego, przygotować się na większą liczbę alertów dzięki automatyzacji (przy zachowaniu ludzkiej kontroli nad decyzjami) oraz pilnie modernizować przestarzałe systemy, które trudno załatać.
AGI (ogólna sztuczna inteligencja) to hipotetyczny rodzaj sztucznej inteligencji, który dorównuje lub przewyższa człowieka w większości procesów poznawczych, takich jak uczenie się, rozumowanie czy rozwiązywanie problemów. W przeciwieństwie do obecnej AI, która jest wyspecjalizowana w konkretnych zadaniach, AGI byłaby uniwersalna i zdolna do działania w wielu dziedzinach bez dodatkowego trenowania. Często określa się ją jako „silną AI”, czyli system, który nie tylko symuluje inteligencję, ale faktycznie działa jak umysł. Warto jednak zaznaczyć, że
pojęcie AGI nie jest jednoznaczne: w nauce, biznesie i debacie publicznej funkcjonują różne definicje, a sama idea pozostaje przedmiotem sporów, dyskusji i kontrowersji
