AI literacy w organizacji. Zanim pracownik wpisze pierwszy prompt

Pracownik otrzymuje dostęp do czatu AI. Pięć minut później ma pierwszy sukces: wkleja wiadomość klienta, prosi o przygotowanie odpowiedzi i otrzymuje poprawnie brzmiący tekst. Z punktu widzenia demonstracji technologia działa. Z punktu widzenia organizacji właśnie podjęto kilka decyzji dotyczących danych, narzędzia, jakości i odpowiedzialności. Tyle że żadnej z nich nie nazwano.

Licencja została wdrożona. Proces jeszcze nie.

W dyskusjach o wykorzystaniu sztucznej inteligencji wiele uwagi poświęcamy modelom, funkcjom, cenom i kolejnym integracjom. Znacznie mniej miejsca zajmuje pytanie, czy osoba korzystająca z AI rozumie, co właściwie robi.

Czy potrafi rozpoznać dane, których nie powinna przekazywać? Czy wie, że płynna odpowiedź nie musi być prawdziwa? Czy rozumie różnicę między propozycją AI a decyzją organizacji? Czy zna moment, w którym należy zatrzymać zadanie i poprosić o weryfikację?

Ten zestaw wiedzy i praktycznych umiejętności coraz częściej określany jest jako AI literacy, czyli kompetencje pozwalające świadomie korzystać ze sztucznej inteligencji.

AI literacy nie zaczyna się od napisania dobrego promptu. Zaczyna się od rozpoznania celu, danych, ryzyka i odpowiedzialności za wynik.

Pierwszy prompt jest już decyzją organizacyjną

Pole tekstowe czatu sprawia wrażenie prostego interfejsu. Użytkownik wpisuje pytanie, naciska przycisk i otrzymuje odpowiedź. W tle zachodzi jednak znacznie więcej.

Pracownik, często bez formalnego upoważnienia do podejmowania decyzji technologicznych, samodzielnie określa:

• jaki problem zostanie przekazany do zewnętrznego systemu,
• jakie informacje są potrzebne do wykonania zadania,
• który dostawca i rodzaj konta zostaną wykorzystane,
• czy odpowiedź zostanie sprawdzona i włączona do dalszego procesu.

Każdy z tych kroków może wyglądać niewinnie. Razem tworzą jednak mały proces przetwarzania informacji. Jeżeli odpowiedź zostanie wysłana klientowi, wykorzystana w analizie albo dołączona do dokumentacji, wynik działania AI zaczyna oddziaływać na rzeczywistość organizacji.

Dlatego pierwsza kompetencja nie polega na znajomości skrótu klawiaturowego ani kolekcji efektownych promptów. Polega na umiejętności zatrzymania się przed wysłaniem danych i odpowiedzenia na pytanie:

Co chcę osiągnąć, dlaczego używam do tego AI i jakie będą skutki, jeśli wynik okaże się błędny?

AI literacy to nie kurs obsługi jednego czatu

Narzędzia AI zmieniają się zbyt szybko, aby program kompetencyjny oprzeć wyłącznie na interfejsie jednego produktu. Dzisiejszy przycisk może jutro zmienić nazwę, model może zostać zastąpiony nowszą wersją, a dostawca może zmodyfikować limity, regulamin albo sposób przetwarzania danych.

Organizacja potrzebuje więc wiedzy bardziej trwałej niż instrukcja „kliknij tutaj”. Pracownik powinien rozumieć przynajmniej cztery warstwy korzystania z AI.

Warstwa	Podstawowe pytanie	Oczekiwana umiejętność
Cel	Do czego używam AI?	Rozpoznanie problemu, zadania i oczekiwanego wyniku
Dane	Co przekazuję do systemu?	Minimalizacja, anonimizacja i klasyfikacja informacji
Wynik	Skąd wiem, że odpowiedź jest poprawna?	Kontrola faktów, źródeł, aktualności i kompletności
Odpowiedzialność	Kto podejmuje ostateczną decyzję?	Rozdzielenie propozycji AI od decyzji człowieka i organizacji

Dopiero na tej podstawie warto uczyć konkretnych technik budowania promptów, pracy z plikami, używania pamięci, wyszukiwania źródeł czy tworzenia własnych asystentów.

Prompt jest ważny, ale pozostaje tylko jednym elementem całego procesu. Bardzo precyzyjne polecenie wysłane do niewłaściwej usługi z poufnym załącznikiem nadal pozostaje bardzo precyzyjnie wykonanym błędem.

AI literacy w aktualnym AI Act

Znaczenie kompetencji AI zostało również dostrzeżone w europejskim Akcie o Sztucznej Inteligencji. Przepisy art. 4 dotyczące AI literacy są stosowane od 2 lutego 2025 roku.

W lipcu 2026 roku, w ramach zmian określanych jako Digital Omnibus on AI, doprecyzowano charakter tego obowiązku. Dostawcy i podmioty stosujące systemy AI mają podejmować działania wspierające rozwój kompetencji personelu oraz innych osób korzystających z systemów w ich imieniu.

Działania powinny uwzględniać między innymi:

• wiedzę techniczną i dotychczasowe doświadczenie osób,
• ich wykształcenie i wcześniejsze szkolenia,
• kontekst, w którym system AI jest wykorzystywany,
• osoby lub grupy, na które działanie systemu może wpływać.

Aktualne brzmienie przepisu nie wymaga zagwarantowania jednego, określonego poziomu wiedzy każdej osoby. Nie narzuca również jednego formatu szkolenia ani obowiązkowego certyfikatu. Nie oznacza to jednak, że wystarczy wysłać pracownikom regulamin i uznać temat za zamknięty.

Komisja Europejska wskazuje, że działania powinny wynikać z roli organizacji, rodzaju wykorzystywanych systemów, poziomu ryzyka oraz potrzeb konkretnych grup użytkowników. Innej wiedzy potrzebuje osoba poprawiająca tekst marketingowy, innej analityk przetwarzający dokumenty, a jeszcze innej pracownik nadzorujący system wpływający na sytuację klienta.

AI literacy pozostaje obowiązkiem kontekstowym. To dobra wiadomość dla organizacji, które wolą rozsądne zarządzanie od produkowania certyfikatów na kilogramy.

Stan prawny opisany w tym materiale zweryfikowano 15 sierpnia 2026 roku. Artykuł ma charakter informacyjny i nie stanowi porady prawnej.

Cztery poziomy kompetencji AI w organizacji

Jednym z częstych błędów jest przygotowanie jednego szkolenia dla wszystkich. Pracownicy otrzymują tę samą prezentację, rozwiązują ten sam test, a organizacja odnotowuje wykonanie zadania.

Formalnie coś się wydarzyło. Praktycznie osoba pracująca wyłącznie z publicznymi treściami poznała szczegóły architektury modeli, których nigdy nie użyje, a analityk przetwarzający dokumenty klientów nadal nie wie, czy może przesłać konkretny plik.

Poziom 1: wspólne podstawy

Każda osoba korzystająca z AI powinna rozumieć podstawowe różnice między modelem, czatem i asystentem, znać typowe ograniczenia generowanych odpowiedzi oraz wiedzieć, że system może tworzyć informacje brzmiące wiarygodnie, ale nieprawdziwe.

Poziom 2: zasady przypisane do roli

Kompetencje powinny zostać rozwinięte o zadania wykonywane przez konkretną osobę. Marketing pracuje na innych danych niż HR, obsługa klienta, finanse, dział prawny czy zespół programistyczny. Każda rola potrzebuje własnych przykładów, ograniczeń i ścieżek eskalacji.

Poziom 3: wiedza o konkretnym procesie

Pracownik powinien wiedzieć nie tylko, jak obsłużyć narzędzie, ale również gdzie wynik AI pojawia się w procesie. Czy jest szkicem, informacją pomocniczą, rekomendacją, czy elementem automatycznej decyzji? Kto go sprawdza? Jak rejestrowane są błędy? Co dzieje się w przypadku wyniku niejednoznacznego?

Poziom 4: AI Governance i odpowiedzialność

Osoby zatwierdzające przypadki użycia, konfigurujące integracje albo zarządzające procesami potrzebują szerszej wiedzy o ryzykach, kosztach, dostawcach, umowach, kontroli dostępu, testowaniu oraz możliwości wycofania rozwiązania.

Więcej o tej warstwie opisujemy w materiale AI Governance – zasady i kontrola użycia AI.

Bezpieczny start nie wymaga prawdziwych danych

Pierwsze ćwiczenia z AI często przeprowadza się na rzeczywistych dokumentach, ponieważ wydają się bardziej praktyczne. Pracownik bierze wiadomość klienta, umowę, CV albo wewnętrzny raport i sprawdza, „co AI potrafi”.

W ten sposób szkolenie z bezpieczeństwa zaczyna się od potencjalnego naruszenia zasad bezpieczeństwa.

Znacznie rozsądniej jest rozpocząć od fikcyjnego lub neutralnego materiału. Pozwala to nauczyć się interfejsu, formułowania celu i weryfikacji wyniku bez sprawdzania procedur organizacji na prawdziwym sekrecie.

Przykładowe zadanie może polegać na:

• uporządkowaniu publicznego opisu produktu,
• przygotowaniu listy pytań do fikcyjnego procesu,
• streszczeniu tekstu stworzonego specjalnie na potrzeby ćwiczenia,
• oddzieleniu faktów, opinii i założeń w neutralnym materiale.

Dopiero po opanowaniu takiego scenariusza można przejść do danych organizacji — pod warunkiem użycia zatwierdzonej usługi, właściwego konta, odpowiedniego zakresu informacji oraz procedury kontroli wyniku.

Przykład: streszczenie wiadomości klienta

Rozważmy proste zadanie: pracownik chce przygotować krótkie podsumowanie długiej korespondencji z klientem.

Etap	Podejście niekontrolowane	Podejście świadome
Cel	„Streść ten e-mail”	Określenie, do czego podsumowanie będzie używane i jakie informacje są potrzebne
Dane	Wklejenie całej korespondencji	Sprawdzenie klasy danych, usunięcie zbędnych informacji albo użycie zatwierdzonego środowiska
Narzędzie	Pierwszy dostępny publiczny czat	Usługa i konto dopuszczone w danym procesie
Wynik	Skopiowanie streszczenia	Porównanie z korespondencją i sprawdzenie, czy nie pominięto zobowiązań lub wyjątków
Decyzja	AI „uznało”, co jest ważne	Pracownik zatwierdza zakres i odpowiada za dalsze użycie informacji

W obu przypadkach użyto tego samego rodzaju technologii. Różnica nie polega na modelu, ale na dojrzałości procesu korzystania z niego.

Minimalny program AI literacy

Program kompetencyjny nie musi od razu przyjmować formy rozbudowanej akademii. W pierwszym etapie organizacja może zbudować prostą, ale spójną ścieżkę.

1. Zidentyfikuj rzeczywiste zastosowania. Sprawdź, do czego pracownicy już używają AI, również poza oficjalnymi narzędziami.
2. Określ klasy danych. Wprowadź zrozumiały podział informacji na dozwolone, wymagające zmiany oraz niedopuszczalne do przesyłania.
3. Wskaż zatwierdzone narzędzia. Sama lista nazw nie wystarczy — należy określić również rodzaj konta, plan i dozwolony kontekst.
4. Przeprowadź neutralne ćwiczenie. Użytkownik powinien przejść cały proces od celu do kontroli wyniku bez używania prawdziwych danych.
5. Naucz weryfikacji. Każdy wynik powinien zostać oceniony pod kątem faktów, źródeł, aktualności, kompletności i możliwych skutków błędu.
6. Wyznacz ścieżkę eskalacji. Pracownik musi wiedzieć, kogo zapytać, gdy nie potrafi ocenić danych, narzędzia albo konsekwencji użycia wyniku.

Taki program tworzy podstawową pętlę bezpieczeństwa:

Cel → dane → narzędzie → zadanie → kontrola → decyzja.

W kolejnych etapach można dodać szkolenia przypisane do ról, rejestr przypadków użycia, testy modeli, monitoring kosztów, zasady integracji i mechanizmy audytu.

Dobór modelu do procesu omawiamy szerzej w artykule Jak wybrać model AI?. Sam model nie powinien być jednak pierwszym elementem programu kompetencyjnego.

Polityka AI bez kompetencji pozostaje dokumentem

Organizacja może opracować bardzo dobrą politykę korzystania z AI, sklasyfikować narzędzia i wskazać osoby odpowiedzialne. Jeżeli pracownik nie potrafi przełożyć zapisów na codzienną sytuację, polityka pozostanie kolejnym plikiem w intranecie — prawdopodobnie zaakceptowanym przyciskiem „zapoznałem się”, ponieważ przycisk był wymagany.

Z drugiej strony samo szkolenie z podstaw nie zastąpi governance. Pracownik może wiedzieć, że nie powinien przekazywać poufnych danych, ale organizacja nadal musi określić:

• które usługi są zatwierdzone,
• kto akceptuje nowe przypadki użycia,
• jak testowana jest jakość,
• gdzie rejestrowane są ryzyka i incydenty,
• kto odpowiada za wynik procesu.

AI literacy i AI Governance nie są więc konkurencyjnymi inicjatywami. Pierwsza daje ludziom zdolność rozumienia i stosowania zasad. Druga tworzy zasady, role i mechanizmy kontroli na poziomie organizacji.

Podstawy-AI.pl jako warstwa startowa

Właśnie z potrzeby uporządkowania pierwszego etapu korzystania ze sztucznej inteligencji powstał serwis Podstawy-AI.pl.

Serwis nie zaczyna od rankingu modeli ani rozbudowanych scenariuszy automatyzacji. Prowadzi użytkownika przez wcześniejsze decyzje:

• jak rozpoznać dane, których nie należy wpisywać,
• jak dobrać rodzaj czatu do zadania,
• jak przygotować pierwsze neutralne polecenie,
• jak sprawdzić odpowiedź przed jej wykorzystaniem.

Gotowy scenariusz Pierwsze 15 minut z AI obejmuje cztery etapy: przypomnienie zasad bezpieczeństwa, wybór usługi, wykonanie neutralnego zadania oraz kontrolę wyniku.

Z perspektywy organizacji taki materiał może pełnić funkcję warstwy zerowej programu kompetencyjnego. Nie zastępuje polityki firmy, szkolenia stanowiskowego ani oceny prawnej. Pozwala jednak zbudować wspólny język przed przejściem do bardziej zaawansowanych zasad.

Checklista dla organizacji

Przed uznaniem, że pracownicy są przygotowani do korzystania z AI, warto odpowiedzieć na kilka prostych pytań:

• Czy wiemy, do jakich zadań pracownicy rzeczywiście wykorzystują AI?
• Czy potrafią rozpoznać dane publiczne, wewnętrzne i poufne?
• Czy wiedzą, których usług i kont mogą używać?
• Czy szkolenia odnoszą się do konkretnych ról i procesów?
• Czy użytkownicy potrafią sprawdzić źródła i aktualność odpowiedzi?
• Czy wskazano sytuacje wymagające obowiązkowej kontroli człowieka?
• Czy pracownik wie, komu zgłosić błąd albo wątpliwość?
• Czy działania edukacyjne są aktualizowane wraz ze zmianami narzędzi i procesów?

Brak odpowiedzi na jedno z tych pytań nie musi zatrzymywać całego programu AI. Wskazuje natomiast miejsce, w którym potrzebna jest dodatkowa zasada, materiał edukacyjny albo decyzja właściciela procesu.

Wniosek

AI literacy nie polega na przekształceniu każdego pracownika w specjalistę od uczenia maszynowego. Nie każdy musi znać architekturę transformera, podobnie jak użytkownik samochodu nie musi projektować silnika.

Powinien jednak wiedzieć, jakie paliwo wlać, kiedy zapala się kontrolka i dlaczego nie warto oddawać kierownicy systemowi, którego działania nie potrafimy ocenić.

W praktyce dojrzały użytkownik AI potrafi:

• nazwać cel zadania,
• ograniczyć przekazywane dane,
• dobrać zatwierdzone narzędzie,
• sprawdzić wynik,
• pozostawić decyzję po właściwej stronie procesu.

Zakup dostępu do AI daje organizacji narzędzie. Dopiero kompetencje, proces i governance pozwalają zamienić je w wartość.

---

Źródła i dalsza lektura

• Komisja Europejska — AI Literacy: Questions & Answers
• Rozporządzenie (UE) 2024/1689 — Artificial Intelligence Act
• Rozporządzenie (UE) 2026/1744 — Digital Omnibus on AI
• Podstawy-AI.pl — Bezpieczeństwo korzystania z AI
• Technologie-AI.pl — AI Governance

Nota redakcyjna

Materiał ma charakter informacyjny i analityczny. Nie stanowi porady prawnej ani gotowej polityki korzystania z AI. Zasady należy dostosować do wykorzystywanych systemów, procesów organizacji, kategorii danych, umów z dostawcami oraz obowiązujących regulacji. Stan źródeł i regulacji zweryfikowano 15 sierpnia 2026 roku.

Autor: Maciej Pieniak — analityk biznesowo-systemowy zajmujący się transformacją cyfrową, automatyzacją procesów i praktycznym wykorzystaniem sztucznej inteligencji w organizacjach.