AI slop w recenzjach: fałszywe opinie zalewają sklepy i mapy

Odwrotna strona zaufania do recenzji ujawnia się, gdy opinie przestają pochodzić od klientów. Sklep internetowy szczyci się tysiącami pięciogwiazdkowych komentarzy, wizytówka w mapach ma setki entuzjastycznych opisów „obsługi na najwyższym poziomie”, a po zakupie okazuje się, że produkt nie odpowiada ani jednemu z nich. Coraz większa część takich tekstów nie jest pisana przez ludzi — generują je modele językowe, tanio, szybko i na masową skalę.

Recenzja pisana przez maszynę

Fałszywe opinie towarzyszą handlowi od dawna — dawniej koszty pisania ich na zamówienie ograniczały skalę zjawiska. Modele językowe usunęły tę barierę. Zleceniodawca dostaje w kilka sekund setki wariantów recenzji tego samego produktu: każdy lekko inny, żaden nie zawiera konkretów, wszystkie brzmią „wystarczająco prawdziwie”. Badacze bezpieczeństwa opisują ten materiał mianem „AI slop” — masowo generowanej, uśrednionej treści, która zalewa wyszukiwarki, serwisy społecznościowe i platformy sprzedażowe.

Charakterystyczny styl jest łatwy do rozpoznania, gdy się go zna: ogólniki zamiast konkretów, brak wad produktu, powtarzalna struktura zdań, wymuszenie entuzjazmu w każdym akapicie. Prawdziwy klient pisze nierówno — wspomni, że paczka przyszła z opóźnieniem, że materiał gniecie się po praniu. Recenzja wygenerowana przez model jest gładka w stopniu, w jakim żadna autentyczna opinia nie jest.

Wizytówki w mapach i rankingi

Drugi obszar to mapy i wyszukiwarki lokalne. Wizytówka firmy z dużą liczbą świeżych, entuzjastycznych opinii wygrywa w rankingach wyników — dlatego konkurencja o pozycję przeniosła się do masowego dodawania zmyślonych komentarzy. Użytkownik, który wybiera warsztat albo restaurację na podstawie ocen, trafia na podium przygotowane sztucznie. W skrajnych przypadkach fałszywe opinie stosuje się ofensywnie: zalewa się jedną wizytówkę negatywnymi komentarzami, aby odepchnąć konkurenta w dół listy.

Trzeci obszar to rankingi i porównywarki. Serwisy afiliacyjne zarabiające na prowizjach od sprzedaży publikują „recenzje ekspertów” generowane w całości przez modele — bez testowania produktu, czasem bez kontaktu z nim. Czytelnik dostaje pozór rzetelnego porównania, a decyzję podejmuje na podstawie tekstu, którego autor nigdy nie widział opisywanej rzeczy.

Jak rozpoznać i jak się bronić

Kilka sygnałów ostrzegawczych ma zastosowanie w każdym z tych przypadków:

• identyczny styl i struktura zdań w wielu opiniach z różnych dni;
• brak jakichkolwiek szczegółów użycia — produkt „jest świetny”, ale nikt nie pisze, do czego go używał i jak długo;
• fala ocen w krótkim czasie po pojawieniu się oferty w sieci;
• recenzje „eksperta” bez opisu metodologii testów.

Skala zjawiska jest znaczna. Brytyjski Urząd ds. Konkurencji i Rynków (CMA) szacował, że nawet 23 miliardy funtów rocznie wydatków konsumenckich w Wielkiej Brytanii jest potencjalnie pod wpływem recenzji internetowych, a około 90 procent konsumentów korzysta z nich przy decyzjach zakupowych. W marcu 2026 roku CMA wszczęła śledztwa przeciwko pięciu firmom — m.in. Just Eat, Autotrader i Dignity — w sprawie fałszywych i wprowadzających w błąd recenzji oraz gwiazdek; wcześniej zobowiązania do zaostrzenia walki z fałszywymi opiniami złożyły Amazon (czerwiec 2025) i Google (styczeń 2025), a brytyjska ustawa o rynkach cyfrowych, konkurencji i konsumentach wprost zakazała podrabiania recenzji.

Problem pogłębia nowy wątek: recenzje generowane przez modele językowe. Badanie naukowców z University of Hawaii wykazało, że ludzie odróżniają autentyczne opinie od wygenerowanych przez AI z trafnością na poziomie 53,2 procent — niewiele powyżej rzutu losowego — a najgorzej radzą sobie z recenzjami negatywnymi, generowanymi przez maszynę.

Kilka sygnałów ostrzegawczych ma zastosowanie w każdym z tych przypadków:

• identyczny styl i struktura zdań w wielu opiniach z różnych dni;
• brak jakichkolwiek szczegółów użycia — produkt „jest świetny”, ale nikt nie pisze, do czego go używał i jak długo;
• fala ocen w krótkim czasie po pojawieniu się oferty w sieci;
• recenzje „eksperta” bez opisu metodologii testów;
• profil recenzenta, który nigdy nie opublikował na platformie nic poza jedną opinią.

Fundamentem pozostaje sceptycyzm odbiorcy: im więcej osób potrafi odróżnić gładką, wygenerowaną opinię od autentycznej, tym mniejszy zysk z jej kupowania.

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.