Szanowni Państwo,
Sztuczna inteligencja przestała być futurystyczną ciekawostką – stała się codziennym
narzędziem badacza i dydaktyka. Niniejsze opracowanie ma służyć jako kompas po nowym
krajobrazie akademickim: łączy syntetyczny przegląd możliwości oraz ograniczeń AI z
klarownymi wskazówkami wdrożeniowymi w obszarach projektowania zajęć, prowadzenia
badań i organizacji pracy uczelni. Celem jest wsparcie społeczności akademickiej w
odpowiedzialnym, skutecznym i zgodnym z wartościami uniwersytetu korzystaniu z narzędzi
sztucznej inteligencji.
Dla pełnej przejrzystości informujemy, że wszystkie treści w niniejszym opracowaniu zostały
wygenerowane z wykorzystaniem różnych narzędzi AI jako efekt iteracyjnych zapytań

(promptów) opracowanych przez członków Rektorskiej Komisji ds. Stosowania Narzędzi
Sztucznej Inteligencji w Uniwersytecie Szczecińskim. Po etapie generowania materiały
zostały poddane weryfikacji merytorycznej przez autorów promptów, którzy wprowadzili
niezbędne korekty, zweryfikowali i zatwierdzili ostateczne brzmienie tekstu.
W części wprowadzającej prowadzimy Czytelnika od podstaw operacyjnych – modeli
językowych, uczenia maszynowego i rozpoznawania wzorców – do praktycznych zastosowań
w programach studiów, seminariach i laboratoriach. Teza przewodnia pozostaje jednoznaczna:
AI nie zastępuje człowieka, lecz poszerza jego zdolności poznawcze i organizacyjne, pod
warunkiem systematycznej weryfikacji wyników, stosowania jawnych kryteriów jakości oraz
zachowania odpowiedzialności za słowo i decyzję.
Kluczowym wątkiem jest etyka i transparentność. Omawiamy kwestie autorstwa i
oryginalności, dokumentowania wkładu narzędzi, przeciwdziałania halucynacjom i
uprzedzeniom algorytmicznym oraz ramy odpowiedzialności na poziomie osoby, zespołu i
instytucji. Proponujemy praktyczne standardy AI dla studentów i nauczycieli (m.in. jawne
ujawnianie użycia modeli, dobre praktyki cytowania i weryfikacji źródeł), a także
pokazujemy, jak bezpiecznie zacząć pracę z AI – na przykładzie ChatGPT – poprzez
formułowanie precyzyjnych promptów, iteracyjne doprecyzowanie wyników i kontrolowaną
integrację z zasobami uczelni.
Drugi filar stanowią zastosowania praktyczne. Prezentujemy sposoby automatyzacji analizy
danych badawczych wraz z oceną korzyści i ograniczeń; wykorzystanie AI jako asystenta
pisania naukowego (streszczenia, przeglądy literatury, redakcja językowa); oraz tworzenie
materiałów dydaktycznych – quizów, testów, prezentacji i studiów przypadków. Szczególną
uwagę poświęcamy ocenianiu i informacji zwrotnej: rekomendujemy model hybrydowy, w
którym AI wykonuje żmudne analizy wstępne i diagnostykę wzorców błędów, zaś nauczyciel
zachowuje decyzje merytoryczne, dbałość o sprawiedliwość ocen i empatyczną, rozwojową
relację ze studentem.
Na poziomie instytucjonalnym opisujemy ramy wdrożeniowe: polityki i procedury zgodności
(w tym ochrony danych i własności intelektualnej), standardy jakości i audytu modeli,
minimalne wymagania kompetencyjne dla użytkowników, a także zalążek „ontologii
akademickiej” dla AI – spójnego zestawu pojęć, definicji i ról organizacyjnych, który
porządkuje wykorzystanie narzędzi na uczelni. Rekomendujemy mierniki efektów (learning
analytics, wskaźniki jakości publikacji i obsługi procesów) oraz cykliczne ewaluacje.
W części horyzontalnej kreślimy perspektywę lat 2025–2030: rozwój systemów
multimodalnych, personalizację procesu uczenia się, wytłumaczalność (XAI) jako warunek
zaufania oraz nadejście agentów AI zdolnych planować i realizować złożone zadania.
Analizujemy, jak te trendy przekształcą role: nauczyciela – z przekaziciela treści w architekta
doświadczeń edukacyjnych, oraz badacza – ze „zbieracza informacji” w interpretatora,
kuratora i stratega badań.

Reasumując, wszystkie prezentowane teksty łączy wspólna myśl: rozsądnie stosowana
sztuczna inteligencja wzmacnia sprawczość wspólnoty akademickiej, o ile towarzyszy jej
równowaga – między entuzjazmem a krytycznym namysłem oraz między automatyzacją a
podmiotowością człowieka. Przedstawione tu zasady, procedury i przykłady mają wspierać
wdrożenia bezpieczne, skuteczne i etyczne, tak aby technologia pozostała narzędziem
podnoszącym jakość kształcenia i sprzyjającym rozwojowi nauki, a nie celem samym w sobie.

dr hab. Adam Stecyk, prof. US
Przewodniczący Rektorskiej Komisji ds. Stosowania Narzędzi Sztucznej inteligencji w
Uniwersytecie Szczecińskim