„Skoro publiczny detektor pokazał mi 80 procent, to czy uczelnia zobaczy to samo?” To pytanie wraca w wiadomościach od Was częściej niż jakiekolwiek inne. Odpowiedź brzmi: uczelnia zobaczy coś zupełnie innego, bo mierzy co innego, niż Ci się wydaje.

Jednolity System Antyplagiatowy, z którego korzystają polskie uczelnie, obrósł tyloma sprzecznymi opowieściami, że trudno się w nich połapać. Jedni mówią, że system nie wykrywa AI w ogóle, drudzy, że raport rozszerzony pokazuje procent tekstu napisanego przez czat, a jeszcze inni radzą pozamieniać małe „l” na duże „i”. Przez 17 lat pracy ze studentami widziałam, jak z takich strzępków powstaje panika, która blokuje pisanie na tygodnie. Rozłóżmy to na części.

Co sprawdza JSA: badanie pod kątem plagiatu i analiza AI to dwie osobne kontrole

JSA prowadzi dwa niezależne badania: porównuje Twoją pracę z bazami tekstów i osobno analizuje jej styl pod kątem użycia sztucznej inteligencji. To dwa różne mechanizmy, dwa różne wyniki i dwa różne miejsca w raporcie.

Badanie podobieństwa działa tak, jak systemy antyplagiatowe działały od lat, czyli szuka Twoich zdań w bazach danych. Program dzieli tekst na frazy i szuka ich w bazie prac dyplomowych, w zasobach internetu i w bazach aktów prawnych, a zbieżne fragmenty zaznacza razem ze wskazaniem źródła. Byłeń opisuje ten mechanizm od strony uczelni, która sama go używa, i podkreśla rzecz, o której studenci zapominają: wynik nie jest werdyktem „plagiat albo nie plagiat”, jest materiałem do interpretacji dla promotora (Byłeń 2017, rozdz. VIII). Co zrobić, gdy po takim badaniu współczynniki wyszły za wysokie, rozpisałam krok po kroku w tekście o tym, jak poprawić plagiat w pracy magisterskiej.

Analiza AI w Jednolitym Systemie Antyplagiatowym nie porównuje niczego z niczym. Nie ma bazy tekstów z ChatGPT, do której można Cię przyrównać. Zamiast tego system patrzy na regularność Twojego pisania i pyta, jak łatwo model językowy przewiduje w nim kolejne słowo.

Poniżej masz obie kontrole zestawione obok siebie, żeby było widać, czym się różnią na wejściu i na wyjściu.

Jak działa JSA przy analizie AI, po ludzku

Analiza AI w JSA opiera się na mierze perplexity, czyli na stopniu zaskoczenia modelu przy przewidywaniu kolejnego wyrazu. Tekst przewidywalny dostaje niską wartość, tekst nieoczywisty wysoką. Fragmenty poniżej progu trafiają do zakładki „Analiza SI” jako podejrzane.

tekst wytworzony przez losowy dobór słów powinien charakteryzować się wysoką wartością Perplexity, a tekst bardzo szablonowy niską wartością

Ośrodek Przetwarzania Informacji PIB, Analiza użycia sztucznej inteligencji, baza wiedzy Jednolitego Systemu Antyplagiatowego, jsa-cp.opi.org.pl (dostęp: 10 września 2026).

Tak działa perplexity w praktyce: algorytm przechodzi przez zdanie wyraz po wyrazie i sprawdza, na ile każdy z nich był do przewidzenia. Model zastosowany w JSA został przeszkolony na dużym zbiorze danych tekstowych, więc ma z czym porównywać. Założenie stojące za tą metodą jest sensowne. Model generuje zdania, dobierając za każdym razem najbardziej prawdopodobne następne słowo, więc jego wytwór z natury jest gładki i regularny. Detektor szuka więc tej gładkości.

Ta sama zasada stoi za narzędziami, które znasz z internetu. Turnitin, GPTZero czy Originality działają na tym samym pomyśle i mierzą przewidywalność, a nie autorstwo. Model, z którego korzystałaś, nie ma tu znaczenia: tekst wygenerowany przez GPT i tekst z Gemini zostawiają podobny ślad stylu, bo oba powstają przez dobieranie najbardziej prawdopodobnego następnego słowa.

Problem zaczyna się tam, gdzie gładko pisze człowiek. Niską perplexity ma także tekst osoby o oszczędnym słownictwie, piszącej krótkimi zdaniami albo trzymającej się schematów, których uczy seminarium. Narzędzie nie odróżnia jednego od drugiego, bo mierzy przewidywalność, a nie pochodzenie tekstu.

Czego nie ma w raporcie JSA, choć wszyscy o tym mówią

W raporcie nie ma liczby mówiącej, ile procent pracy napisała AI. Są oznaczone fragmenty i oszacowane prawdopodobieństwo. Opowieść o „raporcie rozszerzonym, z którego wyjdzie ile procent pisał czat” krąży po komentarzach od dwóch lat i nie ma pokrycia w tym, co pisze twórca systemu.

Ministerstwo ogłaszając funkcję sprawdzania AI w lutym 2024 roku postawiło sprawę jasno.

JSA nie daje stuprocentowej pewności, że tekst jest plagiatem lub został napisany przez sztuczną inteligencję […] określa wyłącznie prawdopodobieństwo.

Ministerstwo Nauki i Szkolnictwa Wyższego, JSA: promotor sprawdzi, czy student korzystał z technologii ChatGPT, komunikat z 18 lutego 2024 r., gov.pl (dostęp: 10 września 2026).

W bazie wiedzy JSA znajdziesz zdanie jeszcze mocniejsze: system prezentuje funkcjonalność, która służy promotorom do dalszej pracy ze studentami, i nie dokonuje wiążących ustaleń. Twórcy wymieniają wprost oba rodzaje pomyłek. Fałszywe pozytywy mogą skutkować błędnym posądzaniem o złą wolę, fałszywe negatywy oznaczają, że wygenerowany tekst przejdzie niezauważony.

Zwróć uwagę, co z tego wynika dla Ciebie. Narzędzie zbudowane po to, żeby wesprzeć rozmowę promotora ze studentem, w opowieściach na TikToku zamieniło się w automat wydający wyroki. Ten rozjazd między dokumentacją a plotką kosztuje Was najwięcej nerwów.

Dlaczego detektor AI myli się w obie strony

Fałszywe alarmy nie są losowe, uderzają w konkretną grupę: w osoby piszące prościej i bardziej schematycznie od średniej. Skoro miarą jest przewidywalność, to każdy tekst przewidywalny wygląda podejrzanie, niezależnie od tego, kto go napisał.

Amerykańska prawniczka Gentile, która zajmuje się uprzedzeniami narzędzi AI w edukacji, przywołuje badania nad detektorami i tekstami osób piszących w drugim języku. Wniosek dotyczy mechanizmu, nie polskich liczb: ograniczony zasób słów i powtarzalne konstrukcje gramatyczne obniżają perplexity, a to wystarczy, żeby narzędzie oznaczyło pracę jako wygenerowaną (Gentile 2025).

Druga strona tej samej monety wygląda tak, jak w komentarzu, który krąży pod filmami o antyplagiacie: „skopiowała całość z czatu, nawet nieistniejące książki, wyszło 0%”. Tu akurat nie ma sprzeczności. Wygenerowany tekst z halucynowanymi źródłami nie ma się z czym pokryć w bazie, więc badanie podobieństwa pokazuje niski wynik. Niska liczba nie mówi więc nic o jakości pracy.

„Ale ja tylko trochę pomogłam sobie czatem”. Czy JSA wykrywa ChatGPT użyty do poprawek

Detektor nie widzi procesu, w którym powstawał tekst, tylko jego powierzchnię. Dlatego nie odróżni fragmentu, który wygenerowałaś i wkleiłaś, od fragmentu, który napisałaś sama po rozmowie z modelem o strukturze rozdziału.

To realny scenariusz uczciwej pracy z AI jako narzędziem wspomagającym i najczęstsza przyczyna paniki. Prosiłaś model o rozbicie pojęcia na części, spisałaś swoje wnioski własnymi rękami, a mimo to akapit ma równy rytm i przewidywalne słownictwo, bo tak Cię nauczono pisać bezosobowo.

Odwrotnie działa to równie źle. Przeglądałam już wiele prac, również tych pisanych z AI, i to zawsze widać, bez żadnego detektora. O tym, co AI robi z Twoją oryginalnością, pisałam osobno w tekście ChatGPT a praca dyplomowa.

Co naprawdę pogrąża studenta u promotora, gdy raport JSA już wisi

W postępowaniach uczelnianych dowodem bywają zmyślone przypisy, nie wynik detektora. Amerykański panel z biura do spraw uczciwości akademickiej nazywa to wprost: wynik narzędzia jest czerwoną flagą, sygnałem do sprawdzenia pracy, a nie dowodem (Renfro i in. 2025). Skuteczność detektorów podaje się zresztą bardzo różnie. W jednych opracowaniach pada liczba rzędu 90 procent, w innych 50 do 60 procent dla tego samego Turnitin AI, zależnie od tego, kto i jak testował. Sama ta rozbieżność mówi o wartości takiej liczby więcej niż każda z nich osobno.

Dowodem staje się dopiero to, co widać w samym tekście. Poniżej rozróżnienie, które warto mieć w głowie, zanim zaczniesz się bać niewłaściwych rzeczy.

Sygnał	Co to jest	Co z tego wynika
Wysokie prawdopodobieństwo AI w zakładce Analiza SI	przesłanka	rozmowa z promotorem, prośba o wyjaśnienie
Równy rytm zdań, ogólniki, długie myślniki	przesłanka	uważniejsza lektura pracy
Źródło z błędnym autorem, tytułem albo rokiem	dowód	naruszenie samo w sobie, niezależnie od AI
Pozycja cytowana w tekście, nieobecna w bibliografii	dowód	to samo, plus podejrzenie, że nie czytałaś źródła
Wklejone pytanie zwrotne modelu w rodzaju „chcesz, żebym rozwinął?”	dowód	świadectwo, że nikt tej pracy nie przeczytał

Ta sama różnica w formie do zapamiętania, po lewej to, co zapala lampkę, po prawej to, co realnie obciąża.

Halucynowane źródła to najczęstszy błąd, jaki widzę w Waszych pracach od dwóch lat. Wykrywanie treści generowanych przez AI schodzi tu na drugi plan, bo zmyślony przypis obciąża sam z siebie. Model nigdy nie zostawia pustego pola, więc gdy nie zna publikacji, składa ją z prawdopodobnych elementów: znanego nazwiska, sensownego tytułu i wydawnictwa, które istnieje. Sprawdzenie zajmuje trzydzieści sekund, a jego brak potrafi kosztować rok. Jak pracować ze źródłami, żeby to Ci się nie przydarzyło, opisałam we wpisie o szukaniu źródeł z AI.

Dlaczego humanizery i triki typograficzne nie działają

Wykrywalność AI bierze się ze stylu, więc podmiana znaków niczego nie usuwa. Rada „zamień małe l na duże i” albo „wyczyść myślniki i twarde spacje” opiera się na przekonaniu, że model zostawia w tekście ukryte znaczniki. Żadnych znaków wodnych tam nie ma.

Wróć na chwilę do mechanizmu z początku tego tekstu. System liczy przewidywalność kolejnych wyrazów, więc podmiana pojedynczego znaku ani usunięcie myślnika nie ruszają tego, co jest mierzone. Zdania zostają dokładnie tak samo gładkie jak przed czyszczeniem.

Narzędzia obiecujące uczłowieczenie tekstu robią dwie rzeczy naraz. Ślady stylu w dużej mierze zostawiają, a przy okazji psują zdania, wprowadzają błędy rzeczowe i rozjeżdżają terminologię, więc i tak trzeba przechodzić przez tekst ręcznie (Siuda 2026). Zostaje pytanie, po co ten objazd, skoro krótsza droga prowadzi przez napisanie akapitu samodzielnie.

Jest jeszcze druga sprawa. Wyczyszczenie tekstu z formalnych śladów niczego nie zmienia w tym, kto go napisał, a na uczelni liczy się autorstwo, nie kosmetyka. Do humanizerów wrócę w osobnym wpisie, bo temat jest szerszy.

Co realnie grozi za tekst wygenerowany przez AI w pracy dyplomowej

Konsekwencje przewidziano za plagiat, nie za korzystanie z narzędzia. To rozróżnienie decyduje o wszystkim, a ginie w opowieściach o cofaniu tytułów za czat.

Plagiat (łac. plagiatus – skradziony) – to przywłaszczenie cudzego utworu lub pomysłu twórczego; wydanie cudzego utworu pod własnym nazwiskiem; dosłowne zapożyczenie z cudzego dzieła opublikowane jako oryginalne i własne.

Z. Majchrzak, K. Mendel, Metodyka pisania prac magisterskich, Wydawnictwo Adam Marszałek, Toruń 2005, s. 55.

W praktyce najczęściej spotykany jest tzw. plagiat ukryty, czyli zamieszczanie w pracy naukowej części cudzej własności intelektualnej bez podania źródła, z którego zaczerpnięty został tekst.

P. Mikiewicz, A. Polus, Zasady pisania prac dyplomowych, Wydawnictwo Uniwersytetu Wrocławskiego, Wrocław 2016, s. 24.

Trzeba także pamiętać, że plagiat nie jest pojęciem prawnym, choć często wiąże się z naruszeniem praw autorskich lub praw pokrewnych. Powszechnie przyjmuje się jednak, że stanowi on przywłaszczenie autorstwa cudzego utworu lub jego fragmentu, innymi słowy – kradzież intelektualną.

P. Pawlik, R. Dziekański, Jak pisać pracę akademicką, Kielce 2015, s. 79.

Te trzy ujęcia różnią się zakresem. Majchrzak i Mendel podają definicję najbliższą słownikowej i przydatną w rozdziale teoretycznym. Mikiewicz i Polus dokładają rozróżnienie praktyczne, bo na plagiat ukryty nadziewasz się nieświadomie. Pawlik i Dziekański przypominają, że sama kategoria jest etyczna, a przepis, który za nią stoi, dotyczy przywłaszczenia autorstwa. Do pracy licencjackiej wybierz definicję Mikiewicza i Polusa, jeśli piszesz o rodzajach plagiatu, i Majchrzaka z Mendlem, jeśli potrzebujesz samego pojęcia.

Za przywłaszczenie autorstwa odpowiada się karnie na podstawie art. 115 ust. 1 ustawy o prawie autorskim i prawach pokrewnych, a uczelnia może stwierdzić nieważność postępowania o nadanie tytułu. Majchrzak i Mendel zwracają uwagę, że potwierdzone przypadki plagiatu nie ulegają przedawnieniu (s. 56), więc mantra „prawo nie działa wstecz” nie chroni nikogo. To nie jest straszenie, to informacja o tym, gdzie leży granica: między korzystaniem z narzędzia a oddaniem cudzego lub zmyślonego tekstu jako własnego.

Wysokie prawdopodobieństwo AI w raporcie. Co powiedzieć promotorowi

Nie obiecuj poprawy wyniku, tylko pokaż proces powstawania pracy. Obniżenie liczby niczego nie dowodzi, a materiał dowodowy po Twojej stronie działa niezależnie od tego, co pokazał system.

1. Nazwij mechanizm. Analiza SI mierzy przewidywalność tekstu, nie jego pochodzenie, więc oznacza także osoby piszące prosto. To zdanie da się sprawdzić w dokumentacji JSA.
2. Pokaż historię wersji. Dokumenty w chmurze zapisują postęp co kilka minut. Widać w nich, że akapit rósł przez tydzień, a nie pojawił się w dziesięć sekund.
3. Przynieś zaplecze. Notatki, wydruki artykułów z zaznaczeniami, wcześniejsze szkice rozdziału.
4. Zaproponuj rozmowę o treści. Wytłumacz, dlaczego wybrałaś tę metodę i co wynika z Twoich danych. Żaden wygenerowany rozdział tego nie przejdzie.
5. Powiedz, do czego użyłaś narzędzia. Jeśli korzystanie z AI uzgadniałaś wcześniej, przypomnij zakres: burza mózgów, plan rozdziału, korekta językowa. Rozmowa o faktach idzie łatwiej niż zaprzeczanie.
6. Odezwij się od razu. Milczenie po sygnale od promotora bywa odczytywane jako potwierdzenie.

Jak korzystać z AI przed oddaniem pracy, żeby nie prowadzić tej rozmowy

Cztery zasady powtarzają się w uczelnianych zarządzeniach niezależnie od tego, gdzie studiujesz. Porównałam dokumenty Uniwersytetu Warszawskiego z 2023 roku, Uniwersytetu Medycznego w Łodzi i Uniwersytetu Ekonomicznego w Katowicach z 2025 roku i część wspólna wygląda tak samo.

• AI wolno jako narzędzie pomocnicze, nie do generowania całości ani całych fragmentów pracy.
• Użycie uzgadniasz z promotorem, najlepiej mailem, żeby zostało po tym ślad.
• Ujawniasz je w pracy, w wydzielonym miejscu, z podaniem narzędzia i zakresu użycia.
• Odpowiadasz za wszystko, co znalazło się w tekście: za treść, źródła i prawa osób trzecich.

Zasady korzystania z AI podczas pisania pracy różnią się w szczegółach, a Uniwersytet Ekonomiczny w Katowicach wprowadził przy okazji pojęcie plagiatu technologicznego, więc kierunek zmian jest widoczny. Sprawdź zarządzenie swojej uczelni, wpisując w wyszukiwarkę jej nazwę razem ze słowami „zarządzenie sztuczna inteligencja praca dyplomowa”. Notuj od początku, czego używasz i do czego, bo odtwarzanie tego po fakcie jest trudne. Więcej o granicach etycznych znajdziesz we wpisie o pisaniu pracy z AI etycznie.

FAQ

Czy JSA wykrywa ChatGPT?
System ma zakładkę „Analiza SI”, która oznacza fragmenty o niskiej przewidywalności i szacuje prawdopodobieństwo użycia AI. Nie jest to wykrycie w sensie dowodu, a OPI zaznacza, że system nie dokonuje wiążących ustaleń.

Czy raport JSA pokazuje, ile procent pracy napisała sztuczna inteligencja?
Nie. Raport JSA pokazuje konkretne fragmenty oznaczone jako podejrzane i prawdopodobieństwo AI, bez liczby mówiącej o udziale AI w tekście. Opowieść o takim procencie krąży w komentarzach, a nie w dokumentacji.

Czy analiza SI wykryje tekst wygenerowany przez Gemini albo inny model?
Mechanizm jest ten sam dla wszystkich modeli, bo system bada przewidywalność tekstu, a nie to, z jakiego narzędzia pochodzi. Sprawdzanie AI nie polega na rozpoznawaniu producenta.

Czy promotor pozna, że korzystałam z ChatGPT?
Doświadczony promotor rozpoznaje styl modelu: równy rytm, ogólniki i brak konkretu. Rozstrzyga jednak dopiero rozmowa o treści pracy i sprawdzenie źródeł.

Czy parafraza tekstu z ChatGPT to plagiat?
Jeśli parafrazujesz cudzą myśl i podajesz źródło, to nie plagiat. Jeśli zostawiasz konstrukcję zdań oryginału albo cytujesz publikację, której nie ma, wchodzisz w naruszenie niezależnie od tego, jak powstał tekst.

Czy ChatGPT może napisać całą pracę dyplomową?
Technicznie tak, praktycznie kończy się to źle. Teksty generowane przez sztuczną inteligencję opierają się na uśrednionych sformułowaniach i zmyślonych źródłach, więc praca została napisana bez Twoich danych i rozsypuje się przy pierwszym pytaniu o wnioski.

Czy da się oszukać analizę SI, zmieniając znaki i myślniki?
Nie. Detekcja opiera się na stylu i przewidywalności, więc podmiana znaków nic nie zmienia, a humanizery zostawiają ślady i psują tekst.

Ile procent podobieństwa w JSA jest dopuszczalne?
Nie ma jednej liczby dla wszystkich. Progi ustala uczelnia w swoim regulaminie, a przekroczenie progu oznacza analizę raportu przez promotora, nie automatyczne odrzucenie pracy.

Czy uczelnia może cofnąć tytuł za użycie AI?
Postępowanie dotyczy plagiatu, czyli przypisania sobie cudzego tekstu, a nie korzystania z narzędzia. Ryzyko pojawia się tam, gdzie praca zawiera cudze lub zmyślone treści podane jako własne.

Jeśli miałabyś zapamiętać z tego tekstu jedną rzecz, niech to będzie różnica między przesłanką a dowodem. Wynik analizy SI otwiera rozmowę, a zamyka ją to, czy potrafisz opowiedzieć o swojej pracy i czy Twoje źródła istnieją. Dziś możesz zrobić jedno: weź bibliografię, wybierz z niej pięć pozycji na chybił trafił i sprawdź każdą w katalogu biblioteki albo w Google Scholar. Jeśli wszystkie się znajdą, śpisz spokojnie niezależnie od tego, co pokaże jakikolwiek detektor.

Źródła wykorzystane w tym wpisie

• Byłeń S., Metodyka pisania pracy dyplomowej na kierunku logistyka, Społeczna Akademia Nauk, Łódź 2017, rozdz. VIII (s. ok. 195-212, strony przybliżone).
• Gentile A., wykład o uprzedzeniach narzędzi AI wobec osób piszących w drugim języku, konferencja APUS, 2025.
• Majchrzak Z., Mendel K., Metodyka pisania prac magisterskich, Wydawnictwo Adam Marszałek, Toruń 2005, s. 54-57.
• Mikiewicz P., Polus A., Zasady pisania prac dyplomowych, Wydawnictwo Uniwersytetu Wrocławskiego, Wrocław 2016, s. 24 i 62.
• Ministerstwo Nauki i Szkolnictwa Wyższego, JSA: promotor sprawdzi, czy student korzystał z technologii ChatGPT, komunikat z 18 lutego 2024 r., gov.pl (dostęp: 10 września 2026).
• Ośrodek Przetwarzania Informacji PIB, Analiza użycia sztucznej inteligencji, baza wiedzy Jednolitego Systemu Antyplagiatowego, jsa-cp.opi.org.pl (dostęp: 10 września 2026).
• Pawlik P., Dziekański R., Jak pisać pracę akademicką, Kielce 2015, s. 79-80.
• Renfro C., Hawthorne J., Hawkins L., panel o dowodzeniu użycia AI w postępowaniach uczelnianych, APUS, 2025.
• Siuda P., Pisanie i publikowanie z AI, wykład, 2026, slajdy 14-15.
• Uchwała nr 98 Uniwersyteckiej Rady ds. Kształcenia Uniwersytetu Warszawskiego z 2023 r. w sprawie wykorzystania systemów sztucznej inteligencji w pracach dyplomowych.
• Ustawa z dnia 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych, art. 115 ust. 1 (Dz. U. 1994 nr 24 poz. 83 z późn. zm.).
• Zarządzenie nr 89/2025 Rektora Uniwersytetu Medycznego w Łodzi w sprawie zasad korzystania z narzędzi AI w pracach pisemnych.
• Zarządzenie nr 92/25 Rektora Uniwersytetu Ekonomicznego w Katowicach w sprawie wykorzystania sztucznej inteligencji i plagiatu technologicznego.