Eksperci ocenili 24 zagrożenia AI. Wnioski z badania MIT niepokoją

Eksperci ocenili 24 zagrożenia AI. Wnioski z badania MIT niepokoją

Grupa 272 ekspertów z całego świata oceniła prawdopodobieństwo i skalę szkód związanych ze sztuczną inteligencją do 2030 roku. Wyniki badania MIT FutureTech i Uniwersytetu Queensland pokazują, że nawet przy rozsądnych działaniach zapobiegawczych pięć obszarów ryzyka wciąż przekracza próg katastrofy.

Badanie „Prioritization of Risks From Artificial Intelligence” powstało pod kierunkiem zespołu MIT FutureTech, w którym uczestniczył między innymi Neil Thompson, naukowiec MIT Sloan School of Management. Autorzy poprosili 272 międzynarodowych ekspertów o ocenę 24 kategorii ryzyka związanego z AI. Sprawdzali dwie rzeczy naraz: jak prawdopodobne jest wystąpienie danego zagrożenia i jak dotkliwe byłyby jego skutki w horyzoncie pięciu lat, od 2025 do 2030 roku.

Metoda Delphi i dwa scenariusze

Naukowcy zastosowali metodę Delphi, czyli wieloetapowy proces zbierania opinii eksperckich, który stopniowo prowadzi do konsensusu albo precyzyjnie pokazuje, gdzie zdania są podzielone. Eksperci oceniali ryzyka w dwóch wariantach. Pierwszy to scenariusz bazowy, w którym rządy i firmy kontynuują obecny kurs bez większych zmian. Drugi zakłada pragmatyczne łagodzenie ryzyka, czyli wdrożenie opłacalnych, rozsądnych środków zaradczych.

W scenariuszu bazowym eksperci ocenili, że 18 z 24 domen ryzyka AI ma co najmniej 10 procent prawdopodobieństwa katastrofalnych skutków w ciągu najbliższych pięciu lat. Katastrofę zdefiniowano twardo: ponad milion ofiar śmiertelnych, ponad 100 miliardów dolarów strat finansowych albo porównywalne szkody w skali cywilizacyjnej.

To liczby, które trudno zbagatelizować, nawet jeśli mówimy o modelu probabilistycznym, a nie o prognozie.

Łagodzenie ryzyka obniżyło te szacunki, ale ich nie wyeliminowało. Nawet przy rozsądnych, opłacalnych działaniach zapobiegawczych eksperci nadal ocenili pięć domen jako mające co najmniej 10 procent prawdopodobieństwa katastrofalnych skutków:

• Systemy AI posiadające niebezpieczne zdolności (12 procent)
• Broń wspomagana przez AI, cyberataki i inne zdolności do masowych szkód (12 procent)
• Szkody środowiskowe (12 procent)
• Nierówności i bezrobocie (11 procent)
• Centralizacja władzy i nierówny podział korzyści z AI (11 procent)

Dlaczego cyberataki i broń wypadają tak wysoko

Zagrożenia związane z bronią i cyberatakami wspieranymi przez AI wypadły wysoko, bo systemy te są szczególnie dobre w kodowaniu, rozpoznawaniu wzorców i syntezie informacji, wyjaśnił Peter Slattery, badacz MIT FutureTech i współautor pracy. Większość współczesnej infrastruktury opiera się na oprogramowaniu, co daje dużą powierzchnię ataku dla systemów, które mogą pomagać potencjalnym hakerom w identyfikowaniu podatności, generowaniu kodu albo przyspieszaniu ofensywnych działań w cyberprzestrzeni.

„AI jest wyjątkowo dobrze przystosowana do atakowania tych aspektów społeczeństwa i wyrządzania szkód” / „AI is uniquely well equipped to attack those aspects of society and cause harm”, powiedział Slattery.

Kategoria niebezpiecznych zdolności jest szersza. Nie chodzi tylko o złośliwych aktorów wykorzystujących AI do wyrządzania szkody. Postęp w tych systemach może też ułatwić wykonywanie trudnych, niebezpiecznych zadań, takich jak perswazja i inwigilacja na dużą skalę, tworzenie deepfake’ów, a nawet pomoc przy budowie broni chemicznej lub biologicznej. To rzeczy, które teoretycznie dało się robić już wcześniej, tylko teraz robi się je łatwiej i szybciej.

Osobną kategorią są dynamiki konkurencyjne. To nie jedno konkretne szkodliwe zastosowanie AI, ale warunek, który wzmacnia inne ryzyka. Kiedy firmy albo państwa wierzą, że AI da im poważną przewagę ekonomiczną lub strategiczną, mogą mieć motywację, żeby działać szybko, opierać się regulacjom albo oszczędzać na bezpieczeństwie. Slattery nazywa to ryzykiem instrumentalnym, takim, które generuje kolejne ryzyka.

Badanie MIT pokazuje coś, co w branży AI widać gołym okiem od dawna: presja konkurencyjna działa jak mnożnik ryzyka. Firmy, które ścigają się o przewagę, mają mniej powodów, żeby zwalniać na bezpieczeństwie, a więcej powodów, żeby przyspieszać wdrożenia. To nie jest hipoteza, to mechanizm, który obserwujemy w każdym wyścigu technologicznym od dekad, tylko tym razem stawka jest wyższa, bo systemy AI dotykają infrastruktury krytycznej, cyberbezpieczeństwa i informacji jednocześnie.

Ciekawe jest to, że eksperci nie wskazują na science fiction. Wskazują na rzeczy, które już się dzieją: łatwiejsze hakowanie, tańsze deepfake’i, szybszą dezinformację. Pytanie, które sobie zadaję, brzmi: czy firmy i rządy zdążą zbudować mechanizmy nadzoru zanim te ryzyka się skumulują, czy będziemy reagować dopiero po pierwszym poważnym incydencie na dużą skalę. Historia regulacji technologicznych raczej nie napawa optymizmem w tej kwestii.

Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Które sektory są najbardziej narażone

Badanie wskazuje trzy sektory najbardziej narażone na ryzyko AI w najbliższych pięciu latach: informacyjny, bezpieczeństwa narodowego i finansowy. Slattery podkreśla, że ekspozycja każdego z nich ma inny charakter, wynikający ze specyfiki branży.

• Sektor informacyjny: ryzyka są ściśle powiązane z przepływem treści i danych, w tym dezinformacją, utratą prywatności, manipulacją i erozją zaufania do tego, co ludzie widzą i czytają
• Bezpieczeństwo narodowe: największe obawy dotyczą cyberataków, rozwoju broni, inwigilacji oraz wykorzystania coraz bardziej zaawansowanych systemów AI przez wrogich aktorów
• Finanse: AI może nasilać oszustwa, ryzyko cybernetyczne, manipulacje rynkowe, naruszenia prywatności oraz awarie systemów o szerszych skutkach gospodarczych

Z badania wynika też coś, co brzmi jak systemowy problem zarządzania: to deweloperzy AI oraz podmioty odpowiedzialne za regulacje ponoszą główną odpowiedzialność za przeciwdziałanie ryzykom AI, ale to użytkownicy systemów i osoby, na które te systemy wpływają, są najbardziej narażeni na te ryzyka. Skoro odpowiedzialność i narażenie na szkodę rozjeżdżają się na różne grupy, motywacja do działania jest strukturalnie osłabiona.

Co powinni robić liderzy biznesu

Slattery zastrzega, że badanie nie jest przepowiednią. Celem nie jest twierdzenie, że te rzeczy na pewno się wydarzą, tylko wskazanie, na co eksperci uważają, że warto teraz zwracać uwagę. Dla firm oznacza to dwa pytania praktyczne: co coraz bardziej zaawansowane systemy AI potrafią robić już teraz, i czy presja konkurencyjna nie popycha organizacji do wdrażania ich szybciej, niż nadążają procedury nadzoru.

Odpowiedź na te ryzyka nie może być jednorazową korektą. Ma być ciągła i stała, bo AI rozwija się tak szybko, że organizacje muszą być znacznie bardziej czujne i responsywne wobec tej technologii niż wobec wcześniejszych rozwiązań, mówi Slattery.

Co to oznacza dla polskich firm

W Polsce te globalne ustalenia zbiegają się z konkretnym terminem w kalendarzu. Od 2 sierpnia 2026 roku zaczyna obowiązywać większość przepisów unijnego AI Act dotyczących systemów wysokiego ryzyka, czyli między innymi rekrutacji, oceny kredytowej i zarządzania infrastrukturą. Sejm przyjął już polską ustawę wdrażającą to rozporządzenie, a jej głównym elementem jest nowy organ nadzoru, Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI), która będzie prowadzić postępowania administracyjne, nakładać sankcje i koordynować kontrolę nad systemami AI działającymi w Polsce.

To właśnie na styku tych dwóch rzeczy, wyników badania MIT i nadchodzących obowiązków prawnych, polskie firmy mają najwięcej do zrobienia. Sektory wskazane jako najbardziej narażone, czyli finanse i infrastruktura informacyjna, są też tymi, w których polskie regulacje przewidują najostrzejszy nadzór. Warto pamiętać, że Polska jest jednym z zaledwie dwóch krajów Unii Europejskiej, obok Litwy, które zdecydowały się na jeden centralny organ nadzorczy zamiast rozproszenia kompetencji między kilka instytucji. To rozwiązanie ma ułatwić firmom kontakt z regulatorem, ale też oznacza, że KRiBSI szybko stanie się instytucją o realnym znaczeniu dla całego rynku.

Firmy, które już teraz wdrażają systemy AI w obszarach ocenionych przez ekspertów MIT jako najbardziej ryzykowne, dobrze zrobią, traktując zbliżający się termin sierpniowy nie jako formalność, ale jako moment weryfikacji swoich procedur bezpieczeństwa.

Ludzie polskiego AI: indeks 125 firm i ludzi

Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.

Sprawdź

Baza tysięcy ryzyk w tle

Badanie opiera się na wcześniejszym projekcie tego samego zespołu, AI Risk Repository, żywej bazie danych zawierającej ponad 1600 ryzyk związanych z AI, wyodrębnionych z kilkudziesięciu istniejących klasyfikacji i frameworków. Baza jest na bieżąco aktualizowana i wykorzystywana przez decydentów, badaczy oraz organizacje pracujące nad zarządzaniem ryzykiem AI. Nowa praca, oparta na współpracy 188 współautorów, jest w praktyce próbą uporządkowania tej ogromnej listy według tego, co faktycznie zasługuje na priorytetową uwagę w najbliższych latach.

Źródła i metodologia

Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału źródłowego MIT Sloan Management Review z dnia 20.07.2026, uzupełnionego o pracę badawczą MIT AI Risk Initiative dostępną w repozytorium AI Risk Repository oraz doniesienia Rzeczpospolitej na temat wdrożenia AI Act i KRiBSI w Polsce. Cytaty Petera Slattery’ego zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji dotyczących regulacji AI w Polsce i wdrażania KRiBSI.