- Bezprawnik -
- Biznes -
- Chatbot wymyślił usterkę i polecił zamiennik z Azji. Polska firma nie ma nawet kogo pozwać
Chatbot wymyślił usterkę i polecił zamiennik z Azji. Polska firma nie ma nawet kogo pozwać
Zapytany o polski grzejnik chatbot potrafi „przypomnieć sobie” awarię termostatu, której nikt nigdy nie zgłaszał, a kilka zdań dalej polecić tańszy zamiennik z azjatyckiej platformy. Według testu przeprowadzonego przez TrustMate.io podobne konfabulacje pojawiają się w 46 proc. przypadków, gdy sklep nie ma w kodzie strony uporządkowanych danych o produkcie. Do tej liczby trzeba podejść ostrożnie, bo jej autor sprzedaje lekarstwo na opisywaną chorobę. Sam problem istnieje jednak naprawdę, a polskie prawo niewiele ma na niego do zaproponowania.
Zmyślone usterki produktów: jak chatbot staje się doradcą zakupowym
Coraz więcej osób przed zakupem pyta asystenta AI o wady konkretnego modelu zamiast przekopywać się przez wyniki wyszukiwarki. Pytanie brzmi niewinnie: czy ten odkurzacz się psuje, czy krem ma drażniące składniki, co kupić w podobnej cenie. Model przeszukuje sieć, zbiera to, co uda mu się znaleźć, i składa z tego odpowiedź. Kłopot zaczyna się wtedy, gdy rzetelnych informacji jest mało. Model językowy nie lubi przyznawać się do niewiedzy, więc wypełnia luki tym, co brzmi prawdopodobnie.
O tym, że ChatGPT zmyśla, wiadomo od dawna: wymyślone wyroki w pismach procesowych amerykańskich adwokatów obiegły świat już kilka lat temu. W handlu internetowym skutki są mniej spektakularne, ale za to bardzo wymierne. TrustMate opisuje kilka powtarzalnych scenariuszy, które jego analitycy mieli zaobserwować w testach. Chatboty przypisywały polskim kosmetykom naturalnym substancje drażniące, których nie było w składzie. Przywoływały wpisy z forów sprzed ponad dekady jako aktualną ocenę towaru. Myliły polskie marki z tanimi importowanymi odpowiednikami o podobnej, generycznej nazwie i przenosiły na nie wady masowej produkcji. Wreszcie odsyłały kupującego ze strony producenta do wielkich agregatorów ofert, gdzie czekały tańsze zamienniki wysyłane z zagranicznych magazynów.
Jerzy Krawczyk, prezes TrustMate.io, opisuje mechanizm wprost: „LLM nie powie konsumentowi: nie mam zweryfikowanych danych o tym polskim produkcie, więc nie ocenię jego parametrów”. Zamiast tego, jego zdaniem, model składa niepewne wątki w wiarygodnie brzmiącą historię o usterce.
46 procent halucynacji AI? Wynik testu TrustMate trzeba czytać z lupą
Metodologia audytu: kto badał i co z tego wynika
Według opisu metodologii audyt przeprowadził we wrześniu 2026 r. zespół analityczny TrustMate.io. Wzięto 200 kart produktowych z polskich sklepów internetowych z trzech branż: elektroniki użytkowej, domu i ogrodu oraz kosmetyków naturalnych. Każdą kartę przepuszczono przez trzy silniki z dostępem do sieci (ChatGPT-4o z wyszukiwaniem, Perplexity Pro i Gemini 1.5), co dało ponad 600 prób. Odpowiedzi porównywano z dokumentacją producenta, atestami i bazą zgłoszeń reklamacyjnych. W grupie produktów bez mikrodanych wynik wyniósł 46 proc., w grupie z danymi pochodzącymi z platformy TrustMate spadł poniżej 3 proc.
Kilka rzeczy rzuca się w oczy. Po pierwsze, grupę „chronioną” stanowią produkty z danymi z platformy samego badającego, a wniosek końcowy sprowadza się do tego, że warto korzystać z jego usług. Nie przekreśla to wyników, ale każe traktować je jako materiał firmowy, a nie niezależną analizę. Po drugie, wymienione wersje modeli były jesienią 2026 r. dalekie od najnowszych, więc trudno z tego testu wnioskować o tym, jak zachowują się narzędzia, z których faktycznie korzysta dziś większość ludzi. Po trzecie, 46 proc. to suma dwóch różnych zjawisk: wymyślenia usterki oraz „bezpodstawnego” polecenia taniego zamiennika. Tymczasem przykładowe polecenie testowe samo prosiło model o wskazanie alternatyw w podobnej cenie. Podsunięcie innego produktu w odpowiedzi na takie pytanie trudno uznać za sabotaż.
Asystenci AI w zakupach: dane rynkowe w tle
Kontekst, w którym TrustMate osadza swój test, jest prawdziwy, choć część liczb pochodzi z dość ogólnikowo opisanych źródeł. Firma powołuje się na dane eMarketera i Google, według których ponad 40 proc. młodych konsumentów weryfikuje oferty za pomocą asystentów AI. Z jej własnego raportu „Widoczność e-commerce w erze AI” wynika, że blisko 60 proc. zapytań w Unii kończy się bez przejścia na jakąkolwiek stronę. Przywołuje też prognozę Gartnera o 25-procentowym spadku tradycyjnego wolumenu wyszukiwań na rzecz silników AI oraz wynik 90,2 proc. Polaków sprawdzających recenzje przed zakupem (za All 4 Comms). Jeśli choć część tych trendów się utrzyma, jedno zdanie chatbota będzie ważyć więcej niż dziesięć pozycji w wynikach wyszukiwania.
Czy można pozwać chatbota za zmyśloną wadę produktu
Dobra osobiste firmy i art. 14 ustawy o zwalczaniu nieuczciwej konkurencji
Gdyby te same nieprawdziwe informacje o wadach towaru rozpowszechniał człowiek albo konkurencyjna firma, producent miałby do dyspozycji sprawdzone narzędzia. Osoby prawne chronią swoje dobre imię na podstawie art. 23 i 24 Kodeksu cywilnego w związku z art. 43 k.c. Do tego dochodzi art. 14 ustawy o zwalczaniu nieuczciwej konkurencji, który za czyn nieuczciwej konkurencji uznaje rozpowszechnianie nieprawdziwych lub wprowadzających w błąd wiadomości o innym przedsiębiorcy. Przy szkalowaniu firmy przez konkurenta ten przepis sprawdza się całkiem nieźle.
Z chatbotem sprawa się komplikuje. Art. 14 wymaga działania w celu przysporzenia sobie korzyści lub wyrządzenia szkody, a trudno przypisać taki cel algorytmowi, który zmyśla, bo tak działa statystyka. Dostawca modelu zwykle nie jest też konkurentem polskiego producenta grzejników. Do tego dochodzi problem dowodowy: odpowiedź modelu jest za każdym razem trochę inna, często nie da się jej odtworzyć, a regulaminy usług zastrzegają, że wygenerowane treści mogą być nieprecyzyjne. Za oceanem już to przerabiano. W głośnej sprawie Walters przeciwko OpenAI radiowiec z Georgii pozwał firmę za zmyślone przez ChatGPT zarzuty defraudacji, a sąd w 2025 r. orzekł na korzyść OpenAI.
AI Act nie daje sklepom szybkiej ścieżki do sprostowania
Unijne rozporządzenie o sztucznej inteligencji nakłada na dostawców modeli ogólnego przeznaczenia obowiązki dotyczące dokumentacji i przejrzystości, obowiązujące od sierpnia 2025 r. Nie przewiduje jednak żadnego trybu, w którym właściciel sklepu mógłby szybko zażądać sprostowania jednej konkretnej, zmyślonej odpowiedzi. Kto zastanawia się, jak wygląda AI Act w firmie od strony obowiązków, zobaczy, że to regulacja nastawiona na ryzyko systemowe, a nie na spory o pojedyncze recenzje. Firmy nie skorzystają też z RODO i prawa do sprostowania danych, bo ochrona danych osobowych dotyczy osób fizycznych.
W praktyce przedsiębiorcy zostaje dokumentowanie przypadków (zrzuty ekranu, daty, treść zapytania), zgłaszanie błędów przez formularze dostawców i dbanie o to, by w sieci istniało jak najwięcej rzetelnych, łatwych do odczytania informacji o produkcie.
Konsument między botem a sklepem: niezgodność towaru z umową i wiarygodność opinii
Z perspektywy kupującego najważniejsze jest jedno: opinia chatbota nie tworzy żadnych praw ani obowiązków. Jeśli ktoś zrezygnował z polskiego produktu, bo bot wymyślił mu wadę, nie ma tu kogo pozwać. Jeśli zaś kupił polecony zamiennik i okazał się bublem, przysługują mu zwykłe uprawnienia z tytułu niezgodności towaru z umową wobec sprzedawcy. Przy sklepach spoza Unii ich egzekwowanie bywa jednak dużo trudniejsze niż w przypadku polskiego e-sklepu.
Rozsądnie jest więc traktować odpowiedź asystenta jako punkt wyjścia: dopytywać o źródła, sprawdzać, czy cytowany wpis z forum nie ma dziesięciu lat, i porównywać deklarowane usterki z dokumentacją producenta. Tam, gdzie chatbot powołuje się na recenzje, warto pamiętać o przepisach wdrażających dyrektywę Omnibus. Sklepy muszą informować, czy i jak sprawdzają, że opinie pochodzą od osób, które kupiły produkt. Fałszywe opinie w sklepach internetowych mimo to nie zniknęły, a UOKiK nakładał już kary za fałszywe opinie w sieci na firmy produkujące je hurtowo.
Recenzje pod algorytm: GEO zamiast SEO jako remedium czy nowy rynek
Recepta TrustMate jest przewidywalna: przejście od SEO do GEO, czyli optymalizacji pod silniki generatywne, oraz dostarczanie botom zweryfikowanych transakcyjnie opinii zapisanych w standardzie Schema.org. Firma zwraca uwagę, że przeciętna opinia w polskim internecie ma niespełna 20 znaków, a narzędzia podpowiadające klientowi, o czym napisać (głośność pracy, spasowanie materiałów, bezpieczeństwo), wydłużają ją do ponad 230. „Wygrywa ten, kto dostarczy botom fakty, a nie marketingowe deklaracje” – przekonuje Jerzy Krawczyk.
Trudno się nie zgodzić, że produkt z dobrą dokumentacją i dużą liczbą konkretnych, prawdziwych opinii ma mniejsze szanse paść ofiarą zmyśleń. Warto jednak zauważyć, że recenzja pisana pod dyktando podpowiedzi to już trochę inny gatunek niż spontaniczna opinia klienta, a potwierdzony zakup nie gwarantuje jeszcze, że zbiór opinii jest reprezentatywny. Jeśli rynek recenzji zacznie być projektowany przede wszystkim z myślą o tym, co przeczyta bot, przepisy o nieuczciwych praktykach rynkowych i nadzór UOKiK będą miały w tej dziedzinie sporo pracy.
zobacz więcej:
