Odpływ z encyklopedii: mniej ludzi pisze Wikipedię, bo maszyna pisze za nich

Zasada, która zbudowała internet

Wiedza, z której korzysta dziś większość użytkowników sieci, powstała dzięki pracy ludzi, którzy nie brali za nią pieniędzy. Wikipedię pisali i redagowali wolontariusze, Stack Overflow wypełniały odpowiedzi programistów udzielane za prestiż punktów reputacji, fora internetowe i grupy tematyczne żyły z darowizn czasu. Modele językowe, które dziś odpowiadają na pytania milionów osób, nauczyły się właśnie z tej pracy — encyklopedie, dokumentacje techniczne i dyskusje specjalistów stanowią zasadniczą część materiałów treningowych.

Model gospodarczy tego układu był prosty: człowiek dzieli się wiedzą, bo buduje reputację, satysfakcję albo po prostu because to jest uczciwa wymiana. Asystent konwersacyjny zrywa ten łańcuch. Odpowiedź pojawia się natychmiast, w przystępnej formie, bez reklam i bez konieczności przeszukiwania stron — a osoba, która szuka rozwiązania problemu, coraz rzadziej dociera do źródła, nie mówiąc już o tym, by je uzupełnić.

Wikipedia: długotrwały odpływ wolontariuszy

Zespół redaktorów Wikipedii maleje stopniowo: założyciele odchodzą, kolejne roczniki wchodzą wolniej niż odejścia, a nowe hasła powstają w mniejszej liczbie niż w poprzednich latach. Do tego dochodzą wewnętrzne spory społeczności o zasady publikowania treści tworzonych z udziałem AI — część redaktorów opuszcza projekt, gdy spory o to, ile maszyny wolno, kończą się wypaleniem.

Fundacja Wikimedia odnotowała także spadek odczytów. We wpisie z października 2025 roku Marshall Miller z Fundacji poinformował, że po korekcie systemów wykrywania botów odczyty generowane przez ludzi spadły w ostatnich miesiącach o około 8 procent względem analogicznych miesięcy 2024 roku — co Fundacja wiąże z wpływem AI generatywnej i mediów społecznościowych na sposób poszukiwania informacji, zwłaszcza gdy wyszukiwarki podają odpowiedzi bezpośrednio na podstawie treści Wikipedii.

Największym ryzykiem jest mechanizm sprzężenia zwrotnego. Jeżeli kolejne roczniki wchodzą wolniej, a hasła pisane przez ludzi maleją, to baza wiedzy, z której korzystają modele językowe, przestaje rosnąć w jakości. Modele zaś generują treści, które trafiają do sieci i do procesów tworzenia kolejnych haseł — w wyniku tego krążenia ryzykiem jest stopniowa utrata ostrych, świeżych, zweryfikowanych informacji i zastąpienie ich treścią przeciętną, uśrednioną, przestarzałą.

Stack Overflow: spadek pojawień i odpowiedzi

Wśród programistów efekt jest widoczny w liczbach. Stack Overflow, przez lata podstawowe miejsce, w którym programiści szukali rozwiązań, odnotowuje spadek pytań i odpowiedzi pojawiających się na stronie — zwłaszcza po masowym przyjęciu asystentów opartych na dużych modelach językowych. Według danych podawanych przez firmę odpowiedzialną za serwis, liczba pytań publikowanych miesięcznie spadła z ponad 200 tysięcy w szczycie w 2014 roku do około 25,5 tysiąca w grudniu 2024 roku — powrót do poziomów z roku premiery serwisu. Paradoksalnie ankieta programistów przeprowadzona przez serwis w 2025 roku pokazała, że z narzędzi AI korzysta lub planuje korzystać 84 procent badanych, a niemal połowa deklaruje nieufność wobec trafności ich odpowiedzi: używanie rośnie, mimo spadku zaufania.

Serwis spróbował odpowiedzieć własnym produktem — asystentem opartym na treściach ze swojej bazy — i zawarł umowy licencyjne z firmami modeli. To jednak nie przywraca pierwotnego mechanizmu: człowiek, który dostanie natychmiastową odpowiedź od asystenta, nie ma powodu, by zakładać konto, pytać i odpowiadać innym. Z czasem rośnie więc ryzyko, że wiedza, na której opiera się serwis, przestanie być uzupełniana o nowe praktyki — a dokumentacja rozwiązań dla najnowszych technologii, zawsze najsłabsza, będzie zalegać jeszcze bardziej.

Dlaczego to zagrożenie, a nie tylko wygoda

Odpowiedź maszynowa nie jest złem samym w sobie — dla wielu użytkowników jest realnym ułatwieniem. Ryzyko pojawia się na poziomie systemu. Po pierwsze: wiedza pisana przez ludzi maleje, a nie rośnie, więc modele językowe uczą się coraz bardziej z treści generowanych przez maszyny. Takie treści bywają poprawne stylistycznie, ale przenoszą błędy, uśrednienia i halucynacje — kolejne generacje modeli ryzykują więc stopniowe pogarszanie jakości, zjawisko opisywane w badaniach jako pogorszenie modeli trenowanych na własnych wynikach.

Po drugie: znika mechanizm weryfikacji. Wolontariusz Wikipedii, który dopisuje hasło, podlega pod zasady społeczności i weryfikację innych; programista, który odpowiada na Stack Overflow, ryzykuje reputację, gdy się pomyli. Asystent AI nie odpowiada za nic — halucynacja pozostaje halucynacją, nawet gdy brzmi pewnie. Gdy coraz więcej osób traktuje odpowiedź maszyny jako ostateczne źródło, warstwa odpowiedzialności za prawdę robi się coraz cieńsza.

Po trzecie: szkodę ponoszą twórcy. Strony, które żyły z ruchu z wyszukiwarek, tracą czytelników na rzecz odpowiedzi generowanych bezpośrednio w interfejsie — zjawisko szerzej opisywane w kontekście publikacji internetowych i wyszukiwarek. Czas pracy wolontariuszy, z którego modele uczyły się bez opłat, wyczerpuje się, a model gospodarczy, w którym maszyna korzysta z ludzkiej wiedzy bez wkładu w jej utrzymanie, nie ma jeszcze trwałego odpowiednika.

Co dalej z wiedzą pisaną przez ludzi

Odpowiedź nie jest prosta, bo chodzi o mechanizm kulturowy, nie techniczny. Wspólnoty takich projektów jak Wikipedia i Stack Overflow próbują na nowo zdefiniować wartość pracy ludzi: jasne zasady dotyczące treści AI, oznaczanie materiałów tworzonych z maszyną, ochronę przed zalewem generowanych haseł i odpowiedzi. Instytucje naukowe i biblioteki szukają sposobów wyróżnienia treści zweryfikowanych. Firmy rozwijające modele zawierają umowy licencyjne z wydawcami i serwisami — krok w dobrym kierunku, ale nie zastępujący żywej społeczności.

Dla użytkownika wniosek jest praktyczny: odpowiedź asystenta AI traktować jako punkt wyjścia, nie ostateczne źródło — zwłaszcza w sprawach finansowych, prawnych i medycznych, gdzie koszt błędu jest wysoki. Sprawdzenie informacji w źródle pisanym przez ludzi — encyklopedii, dokumentacji, publikacji — pozostaje najtańszym ubezpieczeniem od halucynacji. A jeżeli coś wiesz i dzielisz się tym w sieci, to właśnie ta praca jest tym, co utrzymuje internet w stanie, w którym maszyna ma z czego uczyć się rzeczy prawdziwych.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.