AI w nauce: rewolucja w produktywności czy spadek jakości? Badanie odpowiada

Generatywna sztuczna inteligencja (GenAI) weszła do świata nauki z siłą, jakiej nie widziano od czasów upowszechnienia internetu. Naukowcy na całym świecie używają narzędzi takich jak ChatGPT do pisania, kodowania i analizy danych. Rodzi to fundamentalne pytania: czy ta technologia rzeczywiście poprawia wydajność pracy naukowej? Czy zalew publikacji wspomaganych przez AI nie odbywa się kosztem ich jakości? A przede wszystkim, czy GenAI staje się narzędziem wyrównywania szans, czy wręcz przeciwnie – pogłębia istniejące nierówności? Nowe, rygorystyczne badanie dostarcza pierwszych, opartych na twardych danych odpowiedzi.

Sztuczna inteligencja w nauce: analiza wpływu na produktywność i jakość badań

Czy generatywna sztuczna inteligencja (GenAI) może poprawić wyniki w nauce? Na to pytanie postanowił odpowiedzieć zespół badaczy z Uniwersytetu w Bazylei, DIW Berlin i innych czołowych ośrodków badawczych. W swojej analizie, opublikowanej w październiku 2025 roku, naukowcy przyjrzeli się danym publikacyjnym tysięcy naukowców z dziedziny nauk społecznych i behawioralnych. Ich celem było precyzyjne zmierzenie, jak przyjęcie narzędzi GenAI wpłynęło na liczbę i jakość publikowanych prac.

Jak zmierzyć niewidoczne? Metodologia badania

Jednym z największych wyzwań w badaniu wpływu GenAI jest identyfikacja, którzy naukowcy faktycznie z niej korzystają. Badacze zastosowali innowacyjną i rygorystyczną metodologię, opartą na kilku kluczowych elementach.

1. Naturalny eksperyment: Publiczne udostępnienie ChatGPT pod koniec 2022 roku potraktowano jako naturalny punkt zwrotny. Pozwoliło to na porównanie świata nauki „przed” i „po” upowszechnieniu GenAI.

2. Identyfikacja użytkowników przez „lingwistyczny odcisk palca”: Zamiast ankiet, naukowcy przeanalizowali język używany w tytułach i abstraktach publikacji. Zidentyfikowali listę 65 słów-kluczy (np. unveil, delve, pivotal, underscore), których użycie gwałtownie wzrosło po 2022 roku, co jest silnym wskaźnikiem korzystania z GenAI. Naukowiec został sklasyfikowany jako „użytkownik GenAI”, jeśli udział tych słów w jego pracach znacząco wzrósł po premierze ChatGPT.

3. Stworzenie grupy kontrolnej: Aby porównanie było wiarygodne, nie wystarczy zestawić użytkowników z resztą świata. Badacze użyli zaawansowanej metody statystycznej (dopasowanie na podstawie wskaźnika skłonności), aby dla każdego użytkownika GenAI znaleźć grupę naukowców o bardzo podobnych cechach (liczba publikacji przed 2022, prestiż czasopism, staż naukowy, płeć, kraj), którzy jednak nie zaczęli używać nowego języka. To stworzyło idealną grupę porównawczą.

Dzięki takiemu podejściu możliwe stało się wiarygodne oszacowanie rzeczywistego wpływu GenAI na pracę naukową.

Więcej i nie gorzej: główne wyniki badania

Analiza przyniosła jasne i statystycznie istotne wyniki. Korzystanie z generatywnej sztucznej inteligencji ma wyraźny, pozytywny wpływ na produktywność naukową, a efekt ten rośnie w czasie.

Wpływ na produktywność (liczbę publikacji):

• W 2023 roku użytkownicy GenAI opublikowali o 15% więcej prac niż ich odpowiednicy z grupy kontrolnej.

• W 2024 roku przewaga ta wzrosła do 36%.

Wzrost ten jest zgodny z logiką: naukowcy potrzebują czasu, by nauczyć się efektywnie korzystać z nowej technologii, a cykl publikacyjny (od napisania do druku) trwa.

Wpływ na jakość (prestiż czasopism):
Najważniejszym pytaniem było, czy ten wzrost liczby publikacji nie odbywa się kosztem jakości. Badacze zmierzyli jakość, analizując średni wskaźnik prestiżu (Impact Factor) czasopism, w których ukazywały się prace.

• W 2023 roku jakość publikacji użytkowników GenAI wzrosła o 1,3%.

• W 2024 roku wzrost ten wyniósł 2,0%.

Choć wzrost jakości jest niewielki, jest statystycznie istotny. Obala to tezę, że GenAI prowadzi do publikowania większej liczby prac w mniej prestiżowych miejscach. Wręcz przeciwnie, wydaje się, że pomaga w publikowaniu w nieco lepszych czasopismach.

Kto zyskuje najwięcej? GenAI jako narzędzie wyrównywania szans

Najbardziej fascynujące wyniki badania dotyczą tego, które grupy naukowców odnoszą największe korzyści. Okazuje się, że GenAI nie jest narzędziem dla uprzywilejowanych – wręcz przeciwnie, najwięcej zyskują ci, którzy do tej pory napotykali największe bariery strukturalne.

Te wyniki sugerują, że generatywna AI ma potencjał, by uczynić świat nauki bardziej inkluzywnym. Pomaga niwelować niektóre z barier, które od lat utrudniały karierę młodym naukowcom i badaczom z krajów o mniejszych zasobach.

Oczywiście, badanie ma swoje ograniczenia – skupia się na krótkim okresie i naukach społecznych. Jednak jego rygorystyczna metodologia i jasne wyniki stanowią solidny punkt wyjścia do dalszej dyskusji. Narzędzia GenAI stają się integralną częścią warsztatu naukowego, a zrozumienie ich wpływu jest kluczowe dla kształtowania przyszłości badań.

Najczęściej zadawane pytania (FAQ)

1. Czy metoda oparta na słowach kluczowych jest w 100% wiarygodna?
   Nie jest doskonała, ale jest bardzo dobrym wskaźnikiem. Autorzy przyznają, że metoda ta może nie wychwycić wszystkich przypadków użycia GenAI (np. do generowania pomysłów czy analizy danych), ale dobrze identyfikuje jej wpływ na finalny tekst. Co ważne, badacze przetestowali różne progi czułości tej metody i wyniki pozostały stabilne, co wzmacnia ich wiarygodność.

2. Jak dokładnie zdefiniowano „jakość” publikacji?
   Jakość została zoperacjonalizowana jako średni wskaźnik prestiżu czasopisma (SCImago Journal Rank, oparty na danych Scopus), w którym naukowiec publikował w danym roku. Wskaźnik ten uwzględnia nie tylko liczbę cytowań, ale także prestiż cytujących czasopism. Aby uniknąć zniekształceń, użyto stałych wartości wskaźnika z 2019 roku.

3. Czy badanie sugeruje, że wszyscy naukowcy powinni zacząć używać GenAI?
   Badanie nie formułuje takich zaleceń. Przedstawia obiektywne dane na temat efektów jej użycia. Wskazuje, że korzyści w produktywności są realne i nie towarzyszy im spadek jakości. Decyzja o użyciu narzędzi GenAI pozostaje indywidualną kwestią, obwarowaną również względami etycznymi.

4. Czy wyniki te można odnieść do innych dziedzin nauki, np. fizyki czy biologii?
   Autorzy zaznaczają, że ich analiza ogranicza się do nauk społecznych i behawioralnych. Istnieje możliwość, że w naukach ścisłych i przyrodniczych (STEM), gdzie normy publikacyjne i metodologia są inne, efekty mogłyby się różnić. To jest ważny kierunek dla przyszłych badań.

5. Jakie są potencjalne negatywne skutki upowszechnienia GenAI w nauce, których badanie nie objęło?
   Badanie skupia się na produktywności i jakości w krótkim okresie. Nie analizuje długoterminowych efektów, takich jak potencjalne ujednolicenie stylu pisania, spadek oryginalności myślenia, zmiany w standardach recenzji naukowych, czy kwestie etyczne związane z autorstwem. To są kluczowe zagadnienia, które wymagają dalszych obserwacji.

Publikacje wykonane przez nas w podobnej tematyce

1. Wpływ generatywnej AI na efektywność przeglądów literatury: metaanaliza w naukach biomedycznych.

2. Redukcja barier językowych w procesie recenzji naukowej: eksperymentalne badanie użycia narzędzi AI przez recenzentów.

3. Długoterminowa analiza wpływu GenAI na dynamikę cytowań i konsolidację wiedzy w ekonomii.

4. Wzorce współpracy naukowej w erze GenAI: analiza zmian w sieciach współautorskich.

5. Etyczne wytyczne i polityki instytucjonalne dotyczące użycia GenAI w badaniach: studium porównawcze uniwersytetów w Europie i Ameryce Północnej.