Czym jest AI-washing?

AI-washing to wyolbrzymianie albo zmyślanie tego, w jakim stopniu firma korzysta ze sztucznej inteligencji, żeby przyciągnąć klientów lub inwestorów — na przykład hasła „napędzane przez AI” bez realnego, istotnego użycia AI w produkcie. Termin jest odpowiednikiem „greenwashingu”.

Jak sprawdzić, czy spółka rzeczywiście używa AI?

Sięgnij po źródła pierwotne, nie po komunikaty prasowe: raport roczny (dla spółek z USA to formularz 10-K), sekcję czynników ryzyka, wydatki na badania i rozwój oraz sposób raportowania przychodów. Zadaj pytania: jakich konkretnych modeli używa, skąd pochodzą dane treningowe, jak mierzy skuteczność i czy zespół ma sprawdzalne doświadczenie.

Czy nazwanie spółki „AI-washingiem” jest ryzykowne prawnie?

Stwierdzenie jako faktu, że konkretna firma dopuszcza się oszustwa lub „AI-washingu”, naraża na zarzut zniesławienia, a na rynkach regulowanych — manipulacji. Bezpieczniej jest podać sprawdzalne dane ze źródłem i ująć wniosek jako pytania, które inwestor powinien sobie zadać.

AI-washing: jak sprawdzić, czy spółka naprawdę robi AI

„Napędzane przez AI”. „Platforma oparta na uczeniu maszynowym”. W 2026 roku te hasła są na stronie głównej niemal każdej firmy software’owej — i wielu takich, które sprzedają materace, sok albo doradztwo. Część to prawda. Spora część to marketing.

Ta różnica ma swoją nazwę: AI-washing. To odpowiednik „greenwashingu” — zawyżanie albo zmyślanie zdolności, bo etykieta dobrze się sprzedaje. Dla klienta oznacza to dopłatę za funkcję, która bywa kilkoma instrukcjami warunkowymi schowanymi za interfejsem czatu. Dla inwestora — kupno opowieści zamiast biznesu.

Ten przewodnik pokazuje, jak zamknąć tę lukę dowodami. Nie służy do tego, by przykleić konkretnej firmie łatkę oszusta — to byłoby nie w porządku i, jak wyjaśniamy na końcu, ryzykowne prawnie. Służy do tego, by zadawać lepsze pytania i czytać dokumenty, które naprawdę na nie odpowiadają.

Dlaczego warto potraktować to poważnie

Instytucje przestały traktować ten temat jak przeczucie. W czerwcu 2025 roku CFA Institute — organizacja stojąca za tytułem CFA — opublikowała raport o AI-washingu w zarządzaniu inwestycjami. Definiuje go jako fałszywe lub przesadne zawyżanie deklaracji o korzystaniu z AI i proponuje uporządkowany kwestionariusz due diligence, który pomaga oddzielić treść od pozoru. (CFA Institute)

Ruszyli też regulatorzy rynku. Amerykański nadzór (SEC) prowadził postępowania wobec firm za zawyżanie deklaracji o możliwościach AI wobec inwestorów — przez co „używamy AI” bywa stwierdzeniem o skutkach prawnych, nie tylko sloganem.

Wniosek praktyczny: jeśli deklaracja o AI jest istotna dla Twojej decyzji, potraktuj ją jak każdą inną istotną deklarację. Zweryfikuj ją.

Ten sam wzorzec rozlewa się dziś na nowsze, węższe słowo: „agentic“. Nasza analiza agentic engineering a agentic-washing stosuje dokładnie ten sam schemat weryfikacji do tej konkretnej etykiety.

Test dwuwarstwowy: technologia i organizacja

Rama CFA dzieli due diligence na dwie warstwy. To dobry szkielet dla każdego — inwestora, kupującego, dziennikarza — a do tego czytelnie przekłada się na dokumenty, które naprawdę można sprawdzić.

Warstwa 1 — treść technologiczna

Nazwane modele, nie przymiotniki. Prawdziwa praca z AI zwykle ma konkrety: jakie modele lub techniki, jakie miary, jakie dane. „Zaawansowana AI” bez ani jednego rzeczownika to sygnał ostrzegawczy, nie dowód.
Pochodzenie danych treningowych. Skąd pochodzą dane i czy firma ma prawo z nich korzystać? Mgliste odpowiedzi to ryzyko jakościowe i prawne naraz.
Mierzona skuteczność. Czy skuteczność modelu jest mierzona i ujawniana, czy tylko deklarowana? Prawdziwe zespoły mają poziomy błędu; marketing ma superlatywy.
Rdzeń czy fasada. Czy AI robi w produkcie coś nośnego, czy jest nakładką na cudze API doklejoną pod komunikat prasowy?

Warstwa 2 — treść organizacyjna

Ludzie. Czy zarząd i zespół AI mają sprawdzalne, adekwatne doświadczenie — a nie tylko świeżo nadane tytuły?
Wydatki. Ile firma realnie inwestuje w badania i rozwój w stosunku do sprzedaży i marketingu? Ta proporcja jest w sprawozdaniu finansowym.
Uczciwość ujawnień. Czy raport roczny opisuje AI jako realną zależność w czynnikach ryzyka, czy tylko jako język szans w błyszczącej części? Firmy są zwykle bardziej szczere tam, gdzie prawo każe im ostrzegać.

Dokumenty, które mówią prawdę

Marketing mieszka na stronie głównej. Treść — w raportach. Dla spółki notowanej w USA trzy źródła robią większość roboty i wszystkie są darmowe.

Źródło	Co mówi	Gdzie
Raport roczny (10-K)	Jak biznes naprawdę zarabia; czy „AI” pojawia się w strategii, czy tylko w marketingu	SEC EDGAR
Czynniki ryzyka (w 10-K)	Co firma sama przyznaje, że może pójść źle — często najszczerszy fragment	SEC EDGAR
R&D vs przychody (sprawozdanie)	Czy wydaje realne pieniądze na inżynierię, czy głównie na sprzedaż	SEC EDGAR (us-gaap)

Nasz darmowy weryfikator spółek AI prowadzi wprost do raportów SEC dla wybranych spółek związanych z AI, obok checklisty poniżej — tak, żeby od deklaracji do dokumentu źródłowego były dwa kliknięcia. Celowo pokazuje fakty i pytania, nigdy werdykt.

Dla spółek prywatnych nie ma 10-K, a żadna tania baza nie poda Ci prawdy — i właśnie tam weryfikacja waży najwięcej, a pytania z dwóch warstw powyżej robią najwięcej dobrego.

Dziesięć sygnałów ostrzegawczych AI-washingu

Żaden z nich nie jest dowodem sam w sobie. Kilka naraz uzasadnia znacznie dokładniejsze spojrzenie.

AI wszędzie na stronie głównej, nieobecne w dokumentacji produktu.
„AI” bez nazwanego modelu, techniki, miary czy zbioru danych.
„Dyrektor ds. AI” zatrudniony w tym samym kwartale, w którym pojawił się przekaz o AI.
Wydatki na R&D znikome wobec wydatków na marketing.
Przychody z AI wtopione w mgliste „napędzane przez AI”, nigdy wyodrębnione.
Pokazy zawsze nagrane wcześniej albo „na razie” z człowiekiem w pętli.
Czynniki ryzyka ledwie wspominają o AI, a komunikaty prasowe nie potrafią przestać.
Deklaracje o własnych modelach, które okazują się cienką nakładką na cudze API.
Deklaracje skuteczności bez poziomu błędu, zbioru testowego i metody.
Wycena spółki gwałtownie odbiła zaraz po rebrandingu „na AI”, bez zmiany w samym biznesie.

Narzędzia, które pomagają (i czego nie robią)

Dwie kategorie płatnych narzędzi są tu naprawdę przydatne; linkujemy do nich jako partner afiliacyjny — czyli jeśli założysz konto, możemy dostać prowizję, bez dodatkowego kosztu dla Ciebie, i nie wpływa to na to, co piszemy (zobacz ujawnienie).

Fundamenty i kontekst wyceny. Do czytania liczb spółki giełdowej — R&D, marże, jak napięta jest wycena — narzędzie badawcze, takie jak Simply Wall St, zamienia raporty w czytelne obrazy. To kontekst, nie werdykt.
Autentyczność treści. Jeśli pytanie jest węższe — „czy ten rzekomo napisany przez AI raport faktycznie wyszedł z modelu?” — odpowiadają na nie wykrywacze treści AI, jak Originality.ai czy GPTZero. Omawiamy je szczegółowo w przewodnikach o wykrywaniu.

Żadne narzędzie nie zweryfikuje spółki za Ciebie. Szybciej pokazują dowody; ocena zostaje po Twojej stronie.

Słowo o uczciwości i prawie

Gdy już wychwycisz sygnały, kusi, by ogłosić, że firma to „oszustwo AI-washingowe”. Nie rób tego — przynajmniej nie jako stwierdzenie faktu o nazwanej spółce. Naraża to na zarzut zniesławienia, a na rynkach regulowanych — na zarzut manipulacji. Bywa też po prostu nieprawdą: słaba strona główna to nie to samo co słaba firma.

Sensowna postawa wynika wprost z ramy CFA: zbierz sprawdzalne dane, podaj ich źródło i ujmij wniosek jako pytania, które rozsądny inwestor powinien sobie zadać. „Raport 10-K poświęca dwie strony szansom z AI i jedno zdanie ryzyku z AI; R&D to 4% przychodów; nie nazwano żadnego modelu” to relacja. „Ta firma to oszustwo” to pozew czekający, aż się wydarzy.

Ta dyscyplina to też po prostu lepsza analiza. Nigdy nie chodziło o to, by dogryźć logo — chodziło o to, by wiedzieć, co się posiada.

Ten artykuł ma charakter edukacyjny i nie jest poradą inwestycyjną. Dane i ramy były aktualne w czerwcu 2026; przed podjęciem decyzji sprawdź źródła pierwotne.

Podajemy fakty ze źródłami i datą. Nigdy nie nazywamy konkretnej spółki oszustwem ani „AI-washingiem” jako stwierdzenia faktu — pokazujemy sprawdzalne dane i pytania, które inwestor powinien sobie zadać.