Jak bezpiecznie używać AI do szukania źródeł

Bezpieczne używanie AI do szukania źródeł sprowadza się do jednej zasady: model językowy może szukać, ale nigdy nie może być ostatnim ogniwem między bazą danych a Twoją bibliografią. Wolno mu podpowiedzieć, czego szukać i gdzie. Nie wolno mu przepisywać tytułu, roku, tomu ani DOI — te dane muszą trafić do pracy prosto ze źródła. Cała reszta tego tekstu to rozwinięcie tej jednej zasady, bo z niej wynikają wszystkie praktyczne kroki.

To nie jest ostrożnościowa przesada. To wniosek z pomiarów.

Dlaczego nie wystarczy „lepszy prompt"

W badaniu opublikowanym w Scientific Reports sprawdzono cytowania wygenerowane przez ChatGPT: 55% pozycji z GPT-3.5 i 18% z GPT-4 okazało się sfabrykowanych (Walters i Wilder, 2023, s. 1). Nowsze modele są więc wyraźnie lepsze — ale poprawa nie rozwiązuje problemu, bo błędy przenoszą się na pozycje prawdziwe. Wśród cytowań odnoszących się do realnych prac istotne błędy bibliograficzne miało 43% pozycji z GPT-3.5 i wciąż 24% z GPT-4 (Walters i Wilder, 2023, s. 1). W zestawieniu sześciu badań sfabrykowanych było średnio 51% z 732 analizowanych cytowań (Walters i Wilder, 2023, s. 2).

Dwie obserwacje z tego samego badania są kluczowe dla praktyki:

• Zmyślone cytowania wyglądają wiarygodnie na pierwszy rzut oka — nie rozpoznasz ich po formie (Walters i Wilder, 2023, s. 2).
• ChatGPT często odpowiada niepoprawnie, gdy zapytać go wprost „czy to cytowanie jest poprawne?" albo „czy zmyślasz cytowania?" (Walters i Wilder, 2023, s. 2).

Druga z nich przekreśla najpopularniejszą strategię obronną studentów. Poproszenie modelu, żeby sprawdził sam siebie, nie jest weryfikacją — to pytanie tego samego systemu o to samo, drugi raz.

Nie pomaga też samo podłączenie modelu do prawdziwej bazy. Jak zauważa Szeider, podpięcie API bazy bibliograficznej nie rozwiązuje problemu, bo model nadal może sfabrykować albo uszkodzić dane bibliograficzne w trakcie przetwarzania wyników wyszukiwania (2025, s. 2). Halucynacja nie znika dlatego, że gdzieś obok pojawiły się poprawne dane — znika wtedy, gdy poprawne dane omijają model.

Zasada: AI szuka, baza dostarcza dane

Ta sama praca pokazuje, jak to wygląda w architekturze systemu. Kluczowy chwyt polega na pominięciu modelu językowego przy końcowym eksporcie danych i pobraniu wpisów bezpośrednio ze źródła autorytatywnego (Szeider, 2025, s. 1). Efekt zmierzono na 104 zaciemnionych cytowaniach: 82,7% trafień idealnych przy eksporcie z pominięciem modelu wobec 28,2% przy zwykłym wyszukiwaniu w sieci — przy zerowej liczbie przypadków uszkodzenia metadanych (Szeider, 2025, s. 3).

Przełóż to na własny warsztat. Model jest dobry w tym, do czego naprawdę się nadaje: rozumie nieformalny opis („szukam czegoś o wpływie pracy zdalnej na wypalenie u nauczycieli"), proponuje terminy wyszukiwawcze, podpowiada synonimy i pokrewne pojęcia, streszcza znaleziony abstrakt. Jest zły w jednym: w odtwarzaniu z pamięci danych, które musiałyby być dokładne co do znaku.

Bezpieczny workflow, krok po kroku

1. Użyj modelu do sformułowania zapytania, nie do wskazania publikacji. Zamiast „podaj mi pięć źródeł o X" pytaj „jakimi terminami opisuje się X w literaturze i w jakich czasopismach się to publikuje". Pierwsza prośba zaprasza do konfabulacji, druga nie.
2. Szukaj w bazie. Google Scholar, Crossref, PubMed, Biblioteka Nauki, katalog uczelni. Tu decyduje baza, nie model.
3. Metadane kopiuj ze strony wydawcy lub eksportuj plikiem. Nigdy nie przepisuj ich z okna czatu — to dokładnie ten moment, w którym powstaje 24% błędów w prawdziwych pozycjach.
4. Rozwiąż każdy DOI. Jeśli prowadzi gdzie indziej niż powinien, pozycja jest niezweryfikowana. Procedurę opisujemy szczegółowo w tekście jak sprawdzić, czy źródło naprawdę istnieje.
5. Zdobądź plik przed cytowaniem. Zasada minimalna: nie cytujesz pracy, której nie masz. Numer strony w przypisie musi pochodzić z dokumentu, który otworzyłeś.

Czego nie robić

• Nie proś modelu o weryfikację jego własnych cytowań. Powód wyżej.
• Nie zostawiaj pozycji „bo pewnie istnieje". Wśród cytowań generowanych przez modele nawet te odsyłające do realnych prac miały poprawny DOI tylko w 16–20% przypadków (Chelli i in., 2024, s. 5).
• Nie zakładaj, że nowszy model załatwia sprawę. Odsetki halucynacji raportowane w przeglądach wahają się od około 18% do ponad 70% zależnie od modelu i dziedziny (Misra i Udandarao, 2026).
• Nie generuj bibliografii na końcu. Bibliografia powstaje w trakcie czytania, z plików, które faktycznie masz.

Gdzie w tym mieści się cytado

Zbudowaliśmy narzędzie dokładnie na tej zasadzie. Wyszukiwarka źródeł do akapitu przyjmuje fragment Twojego tekstu, przeszukuje korpus zbudowany z rzeczywistych rekordów (Crossref, OpenAlex, DOAJ, Biblioteka Nauki) i zwraca istniejące publikacje wraz z numerami stron pochodzącymi z paginacji oryginalnych plików. Metadane nie przechodzą przez etap „model przepisuje z pamięci". Jeśli masz już gotową bibliografię, sprawdzisz ją w weryfikatorze.

Ten artykuł powstał tak samo: wszystkie cytowane badania znalazło samo cytado w swoim korpusie, a strony pochodzą z oryginałów. To najprostszy test wiarygodności, jaki możemy przejść — i najtańszy, jeśli mówimy prawdę.