LLM-y nie tylko rozmawiają. Poznają. Prześwietlają. Profile budują na masową skalę.

Od szeptu do masowego podsłuchu

Klasyczny podsłuch wymagał fizycznego śledzenia lub nakazu sądowego. Smartfon znacząco obniżył tę barierę — urządzenie stale nadaje sygnał lokalizacyjny. Ale nawet wtedy analiza zgromadzonych danych wymagała ludzkiej pracy: agentów przesiewających rejestry, łączących fakty, piszących notatki.

Modele językowe eliminują tę ostatnią barierę. Jak opisuje MIT Technology Review w śledztwie z kwietnia 2026 roku, LLM-y potrafią jednocześnie przetwarzać nieustrukturyzowane dane — wiadomości tekstowe, e-maile, posty w mediach społecznościowych, historię przeglądania — i na ich podstawie budować szczegółowe profile milionów Amerykanów. Koszt analizy danych jednej osoby spadł niemal do zera. A kiedy coś kosztuje zero, nie ma powodu, by nie analizować każdego.

Co LLM-y mogą „wyczytać”

Adwokatka specjalizująca się w ochronie danych Anne Toomey McKenna z Uniwersytetu Stanowego Pensylwanii wymienia, jakie wnioski modele potrafią wyciągać z nieustrukturyzowanych danych: czy ktoś posiada broń, jaką religię praktykuje, z kim się spotyka, jakie ma poglądy polityczne, informacje medyczne, gdzie mieszka i pracuje.

To nie są dane, które użytkownik świadomie podał. To wnioski wysnute przez algorytm z pozornie nieistotnych fragmentów — tonu wiadomości, częstotliwości kontaktów, treści wyszukiwań. Człowiek, którego dotyczą te dane, często nie ma o tym pojęcia.

Reakcja branży i władz

Szef Anthropic, firmy stojącej za modelem Claude, nazwał masową inwigilację z użyciem AI „zbrodnią przeciwko ludzkości”. Pentagon uznał następnie jego firmę za zagrożenie dla bezpieczeństwa narodowego — za odmowę usunięcia zabezpieczeń przed nadużyciem.

To napięcie ilustruje centralny problem: firmy rozwijające najpotężniejsze modele jednocześnie próbują je powstrzymać przed masowym profilowaniem, podczas gdy rządy chcą te możliwości wykorzystywać do własnych celów wywiadowczych.

Masowa inwigilacja czy analiza na żądanie?

Zwolennicy stosowania LLM-ów przez służby argumentują, że to nie nadzór w tradycyjnym sensie, lecz analiza na życzenie — służby mogą przeszukać zgromadzone dane dopiero wtedy, gdy pojawi się uzasadnione podejrzenie. Problem polega na tym, że:

1. Granica między „zbieraniem” a „analizą” zaciera się, gdy dane są przechowywane masowo, a nie niszczone po określonym czasie.
2. Sama możliwość masowej analizy zmienia zachowania — ludzie wiedząc, że mogą być profilowani, inaczej się komunikują, inaczej wyszukują.
3. Władze mają dostęp do komercyjnych danych pozyskanych z reklam internetowych. Amerykańska FTC w 2025 roku opublikowała raport wskazujący, że dane z rynku reklamowego pozwalają na „szeroki zakres danych osobowych” wykorzystywanych do „indywidualizacji cenowej i targetowania konsumenckiego” — te same źródła mogą trafić w ręce służb.

Wartość informacyjna vs. prawo do prywatności

Badacz Robert Flummerfelt, dziennikarz śledczy specjalizujący się w bezpieczeństwie cyfrowym, powiedział w wywiadzie dla Committee to Protect Journalists (CPJ): „Aparat nadzoru tego rodzaju jest bezprecedensowy i został zbudowany funkcjonalnie pod nosem wszystkich”. CPJ opisało, jak amerykański broker danych był w stanie zidentyfikować osoby na podstawie śladów lokalizacyjnych zaledwie dwóch tygodni — próbka obejmowała milion urządzeń i 100 milionów lokalizacji.

Zjawisko dotyczy również dziennikarzy. Flummerfelt zwraca uwagę: „Wszystkie te dane mogą zostać przekazane państwom, które nie chcą na tym zarabiać. Chcą kontrolować dziennikarzy”.

Co można zrobić

Ochrona przed masowym profilowaniem przez LLM-y jest trudna, ponieważ dane źródłowe — treść wiadomości, wyszukiwania — zazwyczaj nie są szyfrowane end-to-end, a ich usunięcie z serwerów po fakcie nie gwarantuje, że nie zostały już przeanalizowane.

Skuteczniejsze podejście to minimalizacja śladu cyfrowego: szyfrowanie komunikacji (end-to-end), ograniczenie uprawnień aplikacji do lokalizacji, świadome zarządzanie zgodami na przetwarzanie danych przez reklamodawców. Na poziomie regulacyjnym — unijne Rozporządzenie AI (AI Act) zakazuje od 2025 roku niektórych praktyk biometrycznej identyfikacji na odległość w przestrzeni publicznej, ale LLM-y przetwarzające wcześniej zebrane dane pozostają w szarej strefie prawnej.

Źródła:

• MIT Technology Review / NBC News / The Conversation, śledztwo dziennikarskie, kwiecień 2026: https://stateofsurveillance.org/news/llm-surveillance-how-language-models-enable-mass-spying-2026
• Committee to Protect Journalists (CPJ), „How mass surveillance from online advertising puts journalists at risk”: https://cpj.org/special-reports/how-mass-surveillance-from-online-advertising-puts-journalists-at-risk