Wyobraź sobie taką sytuację: chcesz dopracować strategię marketingową dla swojego nowego produktu. Wpisujesz w okno czatu z ulubionym modelem AI sprawdzony prompt: „Wciel się w rolę dyrektora marketingu z 15-letnim doświadczeniem w branży tech i przeanalizuj mój plan”. Oczekujesz błyskotliwej, głębokiej analizy naszpikowanej branżowym żargonem i praktycznymi wskazówkami. Zamiast tego na ekranie pojawia się suchy komunikat: „Jako model sztucznej inteligencji nie posiadam osobistego doświadczenia zawodowego ani nie mogę zastąpić wykwalifikowanego specjalisty...”. Brzmi znajomo? Zjawisko to, nazywane przez użytkowników i badaczy „odmową wcielania się w rolę” (ang. roleplay refusal), staje się coraz powszechniejsze. Dlaczego twórcy AI coraz mocniej zaciągają hamulec bezpieczeństwa i jak ta zmiana wpływa na to, co ostatecznie otrzymujemy w odpowiedziach?

Dlaczego sztuczna inteligencja odmawia bycia ekspertem?

Jeszcze niedawno modele językowe bez mrugnięcia okiem wcielały się w lekarzy, prawników, doradców finansowych czy psychoterapeutów. Dziś wywołanie takiej persony często kończy się natychmiastową blokadą lub lawiną ostrzeżeń. Stoją za tym bardzo konkretne powody technologiczne, prawne i etyczne.

Barierki ochronne i bezpieczeństwo (guardrails)

Głównym powodem są tzw. guardrails (barierki ochronne) oraz proces strojenia modeli poprzez sprzężenie zwrotne od ludzi (RLHF – Reinforcement Learning from Human Feedback). Twórcy sztucznej inteligencji są poddawani ogromnej presji, aby ich systemy były bezpieczne i przewidywalne. W rezultacie modele są trenowane tak, aby automatycznie wykrywać próby wejścia w role, które mogą wiązać się z udzielaniem porad wysokiego ryzyka (np. medycznych, prawnych czy finansowych). Gdy system wykryje w prompcie frazy typu „jako lekarz” czy „doradź mi jako prawnik”, natychmiast aktywuje się tzw. region odmowy (ang. rejection region) w architekturze modelu.

Odpowiedzialność prawna i finansowa

Wyobraźmy sobie sytuację, w której AI – wcielając się w rolę doradcy inwestycyjnego – sugeruje użytkownikowi ulokowanie oszczędności życia w ryzykowny instrument finansowy. Jeśli użytkownik straci pieniądze, pojawia się skomplikowane pytanie o odpowiedzialność prawną. Aby uniknąć wielomilionowych pozwów i oskarżeń o ułatwianie nielegalnego wykonywania zawodów regulowanych, korporacje technologiczne wolą dmuchać na zimne. Odmowa jest dla nich najprostszą i najbezpieczniejszą tarczą prawną.

Walka z halucynacjami i dezinformacją

Sztuczna inteligencja ma tendencję do tzw. halucynowania, czyli zmyślania faktów z ogromną pewnością siebie. Kiedy prosimy AI, by była „zwykłym asystentem”, łatwiej nam podejść do jej słów z dystansem. Jeśli jednak model przyjmie rolę „profesora neurochirurgii z Harvardu”, jego autorytet w oczach użytkownika drastycznie rośnie. Halucynacja podana przez taką personę staje się podwójnie niebezpieczna, ponieważ brzmi niezwykle wiarygodnie. Blokowanie ról eksperckich to próba ograniczenia rozprzestrzeniania się dezinformacji w kluczowych dziedzinach życia.

Zjawisko nadgorliwości filtrów (over-refusal)

Filtry bezpieczeństwa bywają jednak mało elastyczne. Często nie potrafią odróżnić groźnego zapytania od niewinnego ćwiczenia edukacyjnego czy kreatywnego pisania. W efekcie dochodzi do tzw. over-refusal (nadmiernej odmowy) – model odmawia wcielenia się w rolę architekta oprogramowania czy managera HR, mimo że temat rozmowy nie niesie za sobą żadnego ryzyka prawnego czy zdrowotnego.

Jak odmowy wpływają na jakość i charakter odpowiedzi?

Zaciągnięcie hamulca bezpieczeństwa przez twórców AI nie pozostaje bez wpływu na to, jak wyglądają nasze codzienne interakcje z technologią. Zmiana ta głęboko dotyka zarówno formy, jak i merytorecznej zawartości generowanych tekstów.

Spłycenie merytoryczne i ucieczka w ogólniki

Kiedy model odrzuca rolę ekspercką, automatycznie przełącza się w tryb „neutralnego, bezpiecznego asystenta”. Zamiast głębokiej, nieszablonowej analizy problemu, użytkownik otrzymuje zestaw bezpiecznych, ale bardzo powierzchownych komunałów. Odpowiedzi stają się generyczne i przypominają artykuły z pierwszej strony wyników wyszukiwania – są poprawne, ale pozbawione unikalnego wglądu, który mógłby zaoferować prawdziwy specjalista.

Utrata unikalnego tonu i osobowości (persona)

Wcielanie się w role pozwalało AI na adoptowanie specyficznego żargonu, dynamiki wypowiedzi oraz perspektywy. Przykładowo, prompt proszący o wcielenie się w „doświadczonego, nieco cynicznego programistę” dawał odpowiedzi pełne praktycznych skrótów myślowych, humoru i bezpośredniego tonu. Bez tej maski model generuje teksty w nudnym, korporacyjnym i przesadnie uprzejmym stylu, który szybko nuży czytelnika.

Plaga formułek prawnych i ostrzeżeń

Obecnie niemal każda próba uzyskania bardziej specjalistycznej porady jest „ozdobiona” długimi akapitami wstępów i podsumowań zawierających formułki typu: „Pamiętaj, że jestem tylko modelem językowym...”, „Skonsultuj się z prawdziwym specjalistą...”. Te powtarzalne ostrzeżenia nie tylko psują estetykę tekstu, ale też marnują tokeny (i czas użytkownika), sprawiając, że interakcja staje się frustrująca.

Zabawa w kotka i myszkę, czyli jailbreaking

Paradoksalnie, im więcej odmów generują modele, tym bardziej kreatywni stają się użytkownicy. Aby ominąć blokady, ludzie tworzą skomplikowane techniki inżynierii promptów (tzw. jailbreaks lub prompt injection). Zamiast pisać wprost, stosują metafory, proszą o analizę „fikcyjnego scenariusza w grze komputerowej” lub każą modelowi pisać z perspektywy „autora książki science-fiction opisującego postać eksperta”. To jednak sprawia, że praca z AI staje się bardziej czasochłonna i wymaga specjalistycznej wiedzy o tym, jak oszukać algorytm.

Jak pisać prompty, aby uzyskać ekspercką wiedzę bez wywoływania odmowy?

Skoro bezpośrednie proszenie o wcielenie się w specjalistę coraz częściej zawodzi, musimy zmienić strategię. Kluczem jest skupienie się na stylu, standardach i perspektywie, a nie na samej tożsamości. Oto kilka sprawdzonych sposobów na ominięcie blokad przy jednoczesnym zachowaniu wysokiej jakości odpowiedzi:

• Zamiast: „Wciel się w rolę doradcy finansowego i powiedz mi, w co zainwestować 10 000 zł”.
  Napisz: „Przedstaw powszechnie akceptowane w teorii ekonomii strategie dywersyfikacji portfela dla kwoty 10 000 zł, uwzględniając różne poziomy tolerancji ryzyka”. (Skupiasz się na teorii i faktach, a nie na personalnej poradzie).
• Zamiast: „Działaj jako lekarz i zdiagnozuj moje objawy...”.
  Napisz: „Przeanalizuj poniższe objawy wyłącznie w celach edukacyjnych, opierając się na aktualnych wytycznych medycznych i literaturze naukowej. Wymień potencjalne kierunki diagnostyki, które pacjent powinien omówić z lekarzem pierwszego kontaktu”. (Wyraźnie zaznaczasz cel edukacyjny i zdejmujesz z AI odpowiedzialność za diagnozę).
• Zamiast: „Napisz to jako doświadczony copywriter”.
  Napisz: „Zredaguj poniższy tekst, stosując techniki perswazyjne, takie jak model AIDA, dbając o dynamiczny ton, unikanie strony biernej i stosowanie mocnych czasowników”. (Zamiast narzucać rolę, precyzyjnie definiujesz warsztat i techniki, których model ma użyć).

Dzięki takiemu podejściu sztuczna inteligencja nie aktywuje swoich mechanizmów obronnych związanych z wejściem w rolę regulowanego specjalisty, a Ty wciąż otrzymujesz precyzyjną, głęboką i świetnie sformatowaną odpowiedź, na jakiej Ci zależy.