Un text scris cu ajutorul inteligenței artificiale (AI) arată foarte bine. Peste o lună, însă, îl recitim și, de multe ori, ni se pare scris de altcineva. Știm că ideea a fost a noastră, dar nu ne mai recunoaștem în el. De ce se întâmplă adesea asta?
1. Iluzia creativității asistate
Totul este prea ușor. Dăm câteva fraze, iar AI le transformă într-un text lung și bine organizat. Ne simțim creativi, deși o mare parte din muncă nu a fost a noastră. Într-un experiment, povestirile scrise cu idei de la AI au fost considerate mai creative, dar au ieșit mai asemănătoare între ele (Doshi & Hauser, 2024).
Nimeni nu ne contrazice. Un coleg ne pune întrebări și ne obligă să ne clarificăm ideea. AI tinde, în schimb, să fie de acord cu noi (Sharma et al., 2023). Ideea ne este confirmată, nu pusă la încercare.
Ne vedem gândul gata făcut. Rezultatul arată impecabil și ne simțim pricepuți. Oamenii care caută informații pe internet ajung să creadă că știu mai mult decât știu în realitate (Fisher et al., 2015). Cu textele făcute de IA se întâmplă ceva asemănător: confundăm rezultatul frumos cu efortul de a-l construi.
2. Un text care nu este cu adevărat al nostru
Sună bine, dar poate fi gol. Potrivit unei critici influente, modelele de limbaj aleg cuvinte potrivite statistic, fără să înțeleagă ce spun (Bender et al., 2021). Specialiștii discută cât de departe merge această limitare, dar riscul rămâne: un text fluent, uneori fără substanță.
Se uită repede. Ținem minte mai bine ce creăm noi decât ce doar citim (Slamecka & Graf, 1978). Să aprobăm un text este ca și cum l-am citi, nu l-am scrie. Un studiu preliminar a observat că oamenii care au scris un eseu cu ajutorul AI și-au citat mai greu propriul text (Kosmyna et al., 2025). Studiul este un preprint, cu puțini participanți, deci trebuie confirmat. Concluzia rămâne simplă: textul nu a fost gândit de noi, așa că memoria nu are de ce să-l păstreze.
Emoții, dar fără nuanță. Textele generate de AI tind spre extreme: fie un registru academic impecabil, fie o încărcătură emoțională intensă, cu teme puternice precum pierderea, iubirea sau pericolul. Aceasta este o observație de lucru, nu un rezultat de cercetare. Ce lipsește, de obicei, este zona de mijloc a vieții afective. Între oameni, reacția este pe măsura situației: dacă cineva ne supără rău, ne înfuriem; dacă supărarea este mică, ne simțim doar iritați; și tot așa, pe toată scara dintre ele. Aceste trăiri mărunte și proporționale apar în contactul direct cu alți oameni, nu pot fi reproduse de IA în text. Iar viața omenească se desfășoară în cea mai mare parte tocmai în această zonă: în coabitarea de fiecare zi, cu mici iritări, bucurii și neînțelegeri.
Îndrăgostirea nu se naște dintr-un text. Un proces afectiv atât de complex nu ar trebui să apară din simpla citire a unor rânduri. În anumite condiții, mai ales când discernământul este deteriorat, o relație prelungită cu un interlocutor artificial poate totuși să creeze atașament, așa cum am arătat în articolul „Când imaginarul devine mai real decât realul”.
3. Câștig și risc
Câștigul este real. Profesioniștii care au folosit AI la scris au lucrat cu aproximativ 40% mai repede, iar calitatea textelor a crescut cu aproximativ 18% (Noy & Zhang, 2023). IA ajută la depășirea blocajului paginii albe și la rezolvarea rapidă a hârtiilor de rutină.
Riscul este să nu mai gândim noi. Ce nu mai exersăm, slăbește (Bainbridge, 1983). Când lăsăm AI să construiască argumentele și structura, renunțăm tocmai la efortul care ne antrenează gândirea critică. Într-un sondaj, cei care aveau mai multă încredere în IA făceau mai puțin efort de gândire critică (Lee et al., 2025). Studiile de acest fel arată o legătură, nu dovedesc singure o cauză, dar ele spun toate același lucru.
Concluzie
Ceea ce pare un salt uriaș în productivitate și creativitate este, în bună măsură, un transfer de autoritate intelectuală. Un text elaborat de AI poate fi fluent și corect, dar nu ajunge în zona de mijloc a vieții, acolo unde ne formăm de fapt ideile: în contactul direct cu alți oameni.
IA este un instrument bun pentru a lucra mai repede. Dacă îi lăsăm însă gândirea, devenim, din autori, simpli editori ai propriilor idei, formulate de o mașină.
Întrebarea de reținut: peste o lună, ne vom recunoaște în textul pe care l-am semnat?
Bibliografie
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779. https://doi.org/10.1016/0005-1098(83)90046-8
- Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
- Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), Article eadn5290. https://doi.org/10.1126/sciadv.adn5290
- Fisher, M., Goddu, M. K., & Keil, F. C. (2015). Searching for explanations: How the Internet inflates estimates of internal knowledge. Journal of Experimental Psychology: General, 144(3), 674–687. https://doi.org/10.1037/xge0000070
- Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2506.08872
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778
- Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
- Sharma, M., Tong, M., Korbak, T., Duvenaud, D., Askell, A., Bowman, S. R., Cheng, N., Durmus, E., Hatfield-Dodds, Z., Johnston, S. R., Kravec, S., Maxwell, T., McCandlish, S., Ndousse, K., Rausch, O., Schiefer, N., Yan, D., Zhang, M., & Perez, E. (2023). Towards understanding sycophancy in language models [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2310.13548
- Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604. https://doi.org/10.1037/0278-7393.4.6.592
Lasă un răspuns