Sztuczna inteligencja w przeglądzie literatury: jak nie dać się oszukać własnemu narzędziu

Badacze korzystający z narzędzi AI do syntezy literatury stają przed paradoksem: te same modele, które mogą skrócić czas selekcji o połowę, mogą też po cichu wzmacniać błędy, które miały wyeliminować. Wyniki najnowszych badań i wytyczne instytucji są zgodne – AI nie zastępuje ludzkiego osądu, lecz jest skalibrowanym asystentem. Unikanie stronniczości wymaga metodycznego nadzoru człowieka, przejrzystego raportowania i rygorystycznej walidacji na każdym etapie .

Podstawowe zasady pracy z AI bez stronniczości

Człowiek pozostaje w pętli decyzyjnej

Narzędzia AI powinny wspomagać, a nie zastępować ludzki osąd. Zespoły recenzenckie nadal ponoszą pełną odpowiedzialność za rzetelność, poprawność i raportowanie swoich przeglądów . Kluczem do udanego wdrożenia AI jest tworzenie niezawodnych narzędzi, które działają z recenzentami, a nie zamiast nich .

Stosuj wcześniej zarejestrowane, przejrzyste protokoły

Przeglądy systematyczne zostały opracowane właśnie po to, by redukować stronniczość poprzez ścisłe, zdefiniowane z góry protokoły . Korzystanie z AI nie zwalnia z tego obowiązku – wręcz przeciwnie, wymaga jeszcze więcej dokumentacji.

Praktyczne kroki do ograniczenia konkretnych typów stronniczości

Uważaj na stronniczość selekcji podczas przesiewu

Modele językowe (LLM) mogą systematycznie faworyzować lub wykluczać określone typy badań, języki czy wyniki. Badacze powinni porównać decyzje AI z tzw. złotym standardem – zestawem artykułów wybranym ręcznie – aby skalibrować narzędzie .

Uważaj na stronniczość potwierdzenia i publikacji

Systemy uczenia maszynowego są często trenowane na utartej wiedzy i opublikowanej literaturze, która już z założenia faworyzuje wyniki pozytywne. To może po cichu wzmacniać istniejące błędy w bazie dowodów .

Waliduj wyniki AI w porównaniu z osądem ludzkim

Nie przyjmuj bezkrytycznie badań sugerowanych przez AI, wyodrębnionych danych ani ocen ryzyka błędu. Sprawdź ręcznie znaczną, losową próbkę .

Używaj AI tylko do zadań, do których została zaprojektowana i zwalidowana

Nigdy nie korzystaj z porad modelu poza jego wyszkoloną domeną i zawsze podwójnie sprawdzaj jego pracę .

Standardy przejrzystości i raportowania

Ujawnij każde użyte narzędzie AI, w tym wersję i rolę

W 2025 roku Cochrane, Campbell Collaboration, JBI oraz Collaboration for Environmental Evidence wspólnie opublikowały oświadczenie wymagające otwartego raportowania całego użycia AI w syntezach dowodów .

Stosuj nowe wytyczne raportowania

Trzyfilarowe wytyczne odpowiedzialnego korzystania z AI w przeglądach systematycznych zalecają stosowanie generacji wspomaganej wyszukiwaniem (RAG) z weryfikowalnym przypisaniem źródeł, pozycjonując AI jako „skalibrowanego partnera”, a nie zastępstwo .

Zajmij się lukami w szkoleniach i standardach

Potrzebna jest większa przejrzystość, jaśniejsze standardy raportowania i lepsze szkolenia użytkowników, aby wspierać odpowiedzialne wdrażanie AI w syntezie dowodów .

Podsumowanie

AI może zmniejszyć nakład pracy ręcznej o 50–75% w przypadku przesiewu literatury, ekstrakcji danych i oceny ryzyka błędu, nie obniżając dokładności na poziomie standardu PRISMA – pod warunkiem nadzoru badacza . Jednak te same badania potwierdzają, że AI wprowadza własne błędy (stronniczość selekcji, potwierdzenia, danych treningowych). Antidotum to nadzór człowieka, przejrzyste raportowanie i rygorystyczna walidacja. Nigdy nie zlecaj krytycznego myślenia narzędziu.