Maszyny piszą z maszynami. Maile od AI to jeszcze komunikacja, czy cyfrowy teatr?

"Czy denerwują Cię maile napisane przez AI?" – zapytałam na LinkedIn. Odpowiedziały 162 osoby. Blisko połowa odczuwa dyskomfort i irytację, gdy po drugiej stronie cyfrowego łącza wyczuwa algorytm. 39 proc. akceptuje to narzędzie, ale pod warunkiem zachowania konkretu. Zaś 14 proc. biorących udział w ankiecie uważa, że ta kwestia nie robi im żadnej różnicy.

Większość z nas pamięta jeszcze czasy, gdy służbowa korespondencja była prosta i bezpośrednia. Szybkie pytanie, krótka odpowiedź, naturalny ludzki język. Dziś coraz częściej w wiadomościach blacha tekstu i skomplikowane słowa:  "synergia", "wielowymiarowość" i "dynamicznie zmieniający się świat". To nie nagła zmiana stylu współpracowników – to znak, że do naszych skrzynek na dobre zawitała sztuczna inteligencja.

Zjawisko to zatacza coraz szersze kręgi, budząc skrajne emocje: od zachwytu nad oszczędnością czasu po głęboką irytację sztucznością generowanych komunikatów.

Gdzie leży więc granica między sprawną automatyzacją a utratą autentyczności?

Początkowo sztuczna inteligencja miała być jedynie technologiczną ciekawostką, jednak badania jednoznacznie pokazują, że stała się jednym z fundamentalnych narzędzi pracy biurowej. Z analizy przeprowadzonej przez firmę First Page Sage, która sprawdzała, do czego ludzie wykorzystują ChatGPT, wynika, że pisanie maili to jeden z głównych powodów logowania się do tej platformy. Aż 14,4 proc. wszystkich zapytań wprowadzanych do ChatGPT dotyczy bezpośrednio tworzenia i redagowania wiadomości e-mail.

Zjawisko to jest jeszcze silniejsze w świecie marketingu. Z raportu "HubSpot State of AI in Marketing" wynika, że aż 61 proc. marketerów regularnie używa ChatGPT i innych narzędzi AI do tworzenia wiadomości e-mail oraz newsletterów.

Badania Content Marketing Institute wskazują bowiem, że osoby tworzące za pomocą AI treści biurowe i e-maile notują średnio 52 proc. oszczędności czasu na produkcji tych komunikatów.

Szybkością i efektywnością wygrywają z tradycyjnym rzemiosłem pisarskim, jednak rodzi to określone konsekwencje dla jakości samej komunikacji.

Większość modeli językowych radzi sobie z e-mailem całkiem dobrze – i to już na poziomie, który dla wielu użytkowników jest w pełni wystarczający. Jak zauważa profesor Aleksandra Przegalińska z Akademii Leona Koźmińskiego, modele takie jak GPT-4, Claude czy Gemini świetnie radzą sobie z pierwszą wiadomością, ponieważ potrafią dobrać odpowiedni ton, strukturę oraz poziom formalności.

Problem pojawia się wtedy, gdy tekst wygenerowany przez Large Language Models (LLM) nie zostanie poddany krytycznej redakcji przez człowieka.

Piotr Cenkier, kierownik ds. klientów strategicznych Cloud&ICT, na podstawie własnych doświadczeń zauważa, że około 10 proc. jego korespondencji przychodzącej jest dziełem LLM-a lub powstało przy jego wyraźnym współudziale. Według eksperta takie wiadomości – jeśli nie były edytowane – widać na pierwszy rzut oka.

Cenkier nazywa styl AI "mową trawą" – tekst zawiera mnóstwo bezużytecznej, nic niewnoszącej do tematu treści, przez co czytelnik odnosi wrażenie, że czyta o niczym.

Dodatkowo, algorytmy posiadają swój specyficzny zestaw "słów-wytrychów" oraz nawyków interpunkcyjnych, które natychmiast zdradzają ich obecność.

Piotr Cenkier stworzył listę sformułowań, które – jego zdaniem – prawie na pewno oznaczają użycie AI w korespondencji: – "W dzisiejszym, dynamicznie zmieniającym się świecie…"; "Podsumowując…", "Ważne jest, aby pamiętać, że…"; "Ważne jest, aby pamiętać/zauważyć, że…"; "Zanurzmy się"; Zagłębmy się w ten temat…"; "Gamechanger"; "To zmienia zasady gry"; "W epoce cyfrowej / W krajobrazie nowoczesnych technologii…"; "To zagadnienie wielowymiarowe / złożone…"; "Z jednej strony… jednak z drugiej warto zauważyć…", "Kluczowe" – wymienia.

Ekspert wspomina także o bardzo częstym używaniu długiego myślnika, którego w rzeczywistości ludzie prawie nie stosują, za to AI robi to bardzo chętnie.

Masowe, bezrefleksyjne wysyłanie niesprawdzonego tekstu z AI niesie za sobą ryzyko wizerunkowe i biznesowe.

Piotr Cenkier porównuje to zjawisko do automatycznych odpowiedzi na reklamacje przesyłanych przez masowych usługodawców: – Tu jest dokładnie tak samo, jeśli ktoś wysyła Ci w całości wygenerowaną wiadomość to czujesz, że nie traktuje Cię poważnie, więc mogę wyciągnąć z tego wniosek, że nie jestem dla niego istotny, skoro nie pochyli się nawet nad napisaniem do mnie maila.

Co więcej, treści generowane przez LLM-y opierają się na statystycznym przewidywaniu kolejnych słów. Jak zauważa Cenkier, model "wie", że po danym ciągu wyrazów z największym prawdopodobieństwem powinno pojawić się konkretne słowo. – Może stworzyć 10 zdań, które będą brzmiały poprawnie i naturalnie, napisane nienaganną polszczyzną, a jednocześnie nie będą przekazywać żadnej istotnej treści lub będą znaczyć coś zupełnie innego, niż pierwotnie zamierzaliśmy – podkreśla.

Narzędzia te miewają również halucynacje, gdy nie dysponują kompletem informacji. W biznesie, gdzie automatyzacja może pomylić nawet tak prozaiczną kwestię jak imię klienta, brak weryfikacji końcowej przed wysyłką może okazać się niezwykle kosztowny.

Ekspert zauważa, że równie trudnym orzechem do zgryzienia dla sztucznej inteligencji okazuje się utrzymanie wątku przy dłuższej konwersacji. Modele posiadają tzw. okno kontekstowe liczone w tokenach: – Każdy model ma pewne ograniczenia co do ilości tokenów możliwych do przetwarzania w trakcie konwersacji. Niektóre przetwarzają (pamiętają) ostatnie 4 000 tokenów, inne 32 000 tokenów, 100 tys., 200 tys., a są i takie które przetwarzają po 1-2 mln i to są zarówno dane wejściowe (twoje polecenie), jak i wyjściowe (to co model ci odpowiada).

Cenkier wyjaśnia, że biorąc pod uwagę te możliwości, wymiana mailowa wydaje się małym piwem, ale... większość modeli ucina kontekst, często na jakości traci środek a lepiej pamiętany jest koniec.

– Dochodzi do tego również degradacja promptu (początkowego polecenia) przy długich wymianach zdań w dyskusji, więc żeby zachować wątek i główny cel, trzeba czasem wielokrotnie przypominać początkowe polecenia i kontekst całej dyskusji. Ale też trzeba zwrócić uwagę, że modele radzą sobie z tym problemem coraz lepiej, jeszcze pół roku temu wyglądało to znacznie gorzej i trzeba było co chwilę odnawiać polecenie i przypominać kontekst. Natomiast długie dyskusje z czatem AI nadal są problematyczne i zauważalnie powodują dryf od głównego tematu – dodaje ekspert.

Profesor Przegalińska zauważa natomiast, że autentyczność w komunikacji zawsze była częściowo performatywna – wszyscy korzystamy z szablonów, konwencji takich jak "mail do przełożonego" czy "podziękowanie po spotkaniu". AI te konwencje po prostu koduje i przyspiesza.

Piotr Cenkier uważa, że skoro ludzie korzystają z LLM-a do napisania maila, to wiedzą, co robią, natomiast z drugiej strony – odbiorcy niekoniecznie są tego świadomi.

Dynamiczny rozwój technologii stawia nas przed pytaniem o konieczność transparentności. Czy powinniśmy jawnie informować odbiorcę, że treść maila napisał za nas robot? W tej kwestii nasi eksperci prezentują odmienne, choć uzupełniające się perspektywy.

Profesor Aleksandra Przegalińska stoi na stanowisku, że w kontekstach zawodowych i formalnych oznaczanie wiadomości wygenerowanych przez AI powinno być normą, zwłaszcza gdy technologia była głównym autorem treści. Uważa to za kwestię szacunku oraz przejrzystości. Zastrzega jednocześnie, że w codziennej komunikacji, gdzie AI służy jedynie jako korekta stylistyczna czy pomoc w usuwaniu literówek, takiego obowiązku nie ma. Przyznaje też, że granica między poprawianiem błędów a całkowitym wyręczeniem autora staje się coraz trudniejsza do uchwycenia.

Odmienne podejście prezentuje Piotr Cenkier. Zadaje on otwarte pytanie: kto chciałby przeczytać maila, który w nagłówku posiada informację "wygenerowane przez AI"?

Zdaniem eksperta takie oznaczenie całkowicie mija się z celem stosowania tej technologii, która ma przecież automatyzować i usprawniać pracę. Jeśli narzędzie spełnia te kryteria, brzmi naturalnie i niesie ze sobą odpowiednią treść, to wszystko jest w porządku. Problem tkwi raczej w tym, że ludzie często nie wiedzą, jak systemy LLM działają i jak dostosować je do swoich unikalnych potrzeb.

Świadomość ryzyka związanego ze zbyt "robotycznym" stylem sprawia, że na rynku dynamicznie rozwijają się rozwiązania mające temu przeciwdziałać. Doskonałym przykładem są promowane w mediach społecznościowych narzędzia oferujące funkcję "humanizacji" tekstów generowanych przez AI, zmieniając ich styl na bardziej naturalny i ludzki. Udostępniają też opcję "check for AI", pozwalającą zweryfikować, czy algorytmy wykrywające treści maszynowe będą w stanie rozpoznać pochodzenie tekstu. Narzędzia te stają się kolejnym elementem technologicznego wyścigu zbrojeń w naszych skrzynkach pocztowych.

Zarówno w opinii ekspertów, jak i w świetle codziennych realiów rynkowych, automatyzacja komunikacji nie jest pieśnią przyszłości – ona już się dokonała. Pierwsza linia wsparcia klientów, obejmująca chaty, maile, a nawet w pełni zautomatyzowane, brzmiące niezwykle ludzko rozmowy głosowe, jest masowo przejmowana przez sztuczną inteligencję. Prawdziwą rewolucją są jednak narodziny komunikacji typu "maszyna do maszyny".

Jak wyjaśnia Piotr Cenkier, już dziś w zautomatyzowanych środowiskach programistycznych (np. typu IDE) agenci AI potrafią samodzielnie ze sobą rozmawiać, delegować zadania i wprowadzać poprawki bez udziału człowieka. Ten sam mechanizm przenika do korespondencji mailowej.

Wskazuje także na drugi aspekt – otrzymywanie maila wyprodukowanego przez AI, na którego odpowiada nasz agent AI: – Najczęściej schemat wygląda tak: tworzony jest automatyczny mailing, często z pewną personalizacją przez LLM-y, który trafia na skrzynkę obsługiwaną również przez automat sterowany LLM-em, który generuje automatyczną odpowiedź. Wszystko zależy, co jest ustawione dalej w schematach, ale teoretycznie już dzisiaj możemy trafić na sytuację, gdy AI rozmawia z AI poprzez maila.

Ekspert opowiada, że zna osobę, na której maile w pierwszej kolejności odpowiada jego LLM z automatu, bez kontroli przed wysyłką. I nie jest to wiadomość: "dzięki, przyjąłem, odpowiem niebawem", ale pełna odpowiedź.

Oprócz zmian w samym stylu pisania, masowe korzystanie z publicznych modeli niesie za sobą ogromne wyzwanie natury bezpieczeństwa, znane jako Shadow AI (analogicznie do Shadow IT).

Piotr Cenkier ostrzega, że korzystanie z ogólnodostępnych chatów w przeglądarkach wiąże się z wysokim ryzykiem, ponieważ narzędzia te często nie spełniają polskich i europejskich standardów prawnych (takich jak RODO), działają pod obcą jurysdykcją i mogą wykorzystywać wprowadzane dane biznesowe bez ich anonimizacji. Rozwiązaniem tego problemu stają się kontrolowane, lokalne wdrożenia modeli na infrastrukturze europejskiej lub własnej firmowej, co pozwala zachować pełną zgodność z zasadami compliance.

W świecie, w którym komercyjne algorytmy ujednoliciły styl wypowiedzi w mediach społecznościowych – sprawiając, że co drugi post brzmi jak stworzony na tej samej taśmie produkcyjnej – ludzkie niedoskonałości paradoksalnie zyskują nową wartość.