AI
November 21, 2026

AI w dziale jakości. 7 błędów, przez które ChatGPT narobi Ci niezgodności (i jak je wyłapać)

Inżynierka sprawdza dane na laptopie przy stanowisku testowym z wiązkami elektrycznymi

AI w dziale jakości. 7 błędów, przez które ChatGPT narobi Ci niezgodności (i jak je wyłapać)

Piątek, 15:40. Do audytu wewnętrznego zostały trzy dni, a procedura nadzoru nad wyrobem niezgodnym wciąż jest w wersji z 2018 roku. Otwierasz ChatGPT, wpisujesz dwa zdania i po minucie masz piękny dokument: cel, zakres, odpowiedzialności, schemat, trzy formularze i odwołania do punktów normy. Kopiujesz, wklejasz, wysyłasz do zatwierdzenia. Weekend uratowany. W poniedziałek audytor otwiera dokument i pyta, kim jest „Kierownik ds. Zapewnienia Jakości Dostaw”, bo w schemacie organizacyjnym takiej osoby nie ma. Znasz to?

Jeżeli tak, to nie jesteś wyjątkiem. AI w dziale jakości naprawdę oszczędza godziny pracy. Ale ma kilka przewidywalnych słabości, a w naszej branży każda z nich kończy się w tym samym miejscu: w raporcie z audytu albo w odpowiedzi do klienta.

W tym artykule pokażę Ci 7 błędów, które najczęściej popełniamy, pracując z AI w jakości. Przy każdym znajdziesz to, na czym polega problem, jak audytor albo klient go wyłapie i szybki test, który zrobisz sam. Na końcu dostaniesz listę 10 pytań do każdego wyniku AI i plan wdrożenia w dziale.

Piszę to z perspektywy praktyka. Mam za sobą 15 lat w jakości, przez wiele lat audytowałem procesy w przemyśle lotniczym, a w Szkole Jakości prowadzimy szkolenie z AI w zarządzaniu jakością. Niedawno skończyłem pisać o tym poradnik, więc te błędy mam przed oczami bardzo dokładnie.

Rozsiądź się wygodnie. Zaczynamy.

‍

Dlaczego AI w ogóle się myli?

Zacznijmy od jednej rzeczy, która wyjaśnia większość problemów. Model językowy nie sprawdza faktów. Tworzy tekst, który najlepiej pasuje do Twojego pytania. Zwykle to, co dobrze pasuje, jest też prawdziwe. Czasem jednak model uzupełnia luki w wiedzy czymś, co brzmi wiarygodnie, a nie istnieje. Takie zmyślenia nazywa się halucynacjami.

Dla inżyniera jakości to szczególnie ważne, bo nasza praca opiera się na faktach: wymaganiach, wartościach, tolerancjach i zapisach. Pomyłka w ogólnym tekście szkoleniowym to drobiazg. Pomyłka w planie kontroli albo w odpowiedzi na reklamację to problem.

Dlatego zapamiętaj jedną zasadę, do której wrócimy jeszcze kilka razy: wynik z AI to szkic. Dokumentem staje się dopiero wtedy, gdy przejdzie Twoje sprawdzenie i normalną ścieżkę zatwierdzenia w firmie.

Jeżeli dopiero zaczynasz z AI, przeczytaj najpierw artykuł Sztuczna inteligencja w zarządzaniu jakością: dlaczego nie możesz czekać. Tutaj zakładam, że już z niej korzystasz.

‍

Błąd nr 1: Wierzysz w numery punktów normy

Najczęstsza halucynacja w naszej branży wygląda niewinnie. AI podaje wymaganie i dopisuje do niego numer punktu. Wszystko wygląda profesjonalnie, tylko że:

  • punkt nie istnieje albo dotyczy czegoś zupełnie innego,
  • „wymaganie” normy jest w rzeczywistości dobrą praktyką albo wymaganiem innej normy,
  • źródło, na które powołuje się AI, nie istnieje,
  • wartości graniczne, na przykład progi dla wskaźników, są wymyślone i podane jako obowiązujące.

‍

Jak to wyłapie audytor?

Wystarczy, że poprosi: „Pokaże mi pan ten punkt w normie?”. Klasyczny przykład: AI pytane o walidację procesów specjalnych w ISO 9001 potrafi podać szczegółowe kryteria, które w rzeczywistości pochodzą z IATF 16949 albo z wymagań branżowych. Wszystko brzmi wiarygodnie. Tylko porównanie z normą pokazuje, co jest wymaganiem, a co interpretacją.

‍

Co robić?

Proś AI, żeby przy każdym wymaganiu podało numer punktu. Potem sprawdź go we własnym egzemplarzu normy. Jeśli AI podaje źródło, odszukaj je samodzielnie. Brak źródła albo źródło, którego nie da się znaleźć, to sygnał ostrzegawczy.

Szybki test dla Ciebie: weź ostatni dokument, przy którym pomagało Ci AI. Wybierz trzy numery punktów normy i sprawdź je w normie. Jeśli choć jeden się nie zgadza, wiesz już, dlaczego ten krok jest obowiązkowy.

‍

Błąd nr 2: Pozwalasz AI liczyć Cpk, PPM i próbki

Modele językowe coraz lepiej radzą sobie z rachunkami, a część narzędzi potrafi uruchomić obliczenia w tle. Mimo to w jakości obowiązuje zasada: liczby liczy arkusz albo program, AI je opisuje.

Typowe pomyłki, które widziałem w wynikach AI:

  • Cp, Cpk, Pp, Ppk: pomylone odchylenie krótkoterminowe i całkowite, zła liczba danych.
  • Jednostki: mieszanie cali i milimetrów, przecinków i kropek dziesiętnych.
  • Procenty i PPM: pomyłka o rząd wielkości.
  • MSA i R&R: uproszczone wzory, złe stałe.
  • Plany próbkowania: liczebności niezgodne z normą próbkowania.

‍

Jak to wyłapie klient?

Klient z branży motoryzacyjnej liczy Cpk sam, z Twoich danych. Jeżeli w raporcie jest 1,67, a jemu wychodzi 1,21, nie rozmawiacie już o procesie. Rozmawiacie o tym, czy można Ci ufać.

‍

Co robić?

Jeśli prosisz AI o analizę danych, wklej je w czytelnej tabeli, poproś o pokazanie metody obliczeń i sprawdź wynik na jednym albo dwóch przykładach. Jeśli coś się nie zgadza, nie dyskutuj z modelem, tylko policz samodzielnie.

Szybki test dla Ciebie: poproś AI o przeliczenie 412 wad na 9 600 sztuk na PPM. Potem policz to sam. Wynik to około 42 900 ppm. Zobacz, czy dostałeś to samo i czy AI pokazało, jak liczyło.

‍

Błąd nr 3: Nie mówisz AI, o które wydanie normy pytasz

Modele są trenowane na tekstach z przeszłości. Wiedza o ISO 9001:2015 jest w nich obecna od lat, o wydaniu 2026 dopiero się pojawia. Efekt? AI łatwo miesza wydania, przypisuje nowe wymagania do starych punktów albo pomija zmiany.

To samo dotyczy wymagań klientów. AI zna je tylko wtedy, gdy są publiczne i trafiły do danych treningowych. Zwykle są to starsze wersje.

‍

Jak to wyłapie audytor?

Przy audycie przejściowym zapyta o kulturę jakości, osobne traktowanie ryzyk i szans czy decyzję o zmianie klimatu. Jeżeli Twoja analiza luk powstała z AI, które opierało się na wydaniu 2015, tych tematów po prostu w niej nie będzie. Więcej o tym, co audytor sprawdzi przy przejściu, przeczytasz we wpisie Przejście na ISO 9001:2026. 5 rzeczy, które musisz sprawdzić.

‍

Co robić?

  • Zawsze pisz w poleceniu, którego wydania dotyczy pytanie: „według ISO 9001:2026”.
  • Przy nowych wymaganiach sprawdzaj odpowiedź szczególnie dokładnie.
  • Nie mieszaj norm w jednym pytaniu, chyba że chcesz porównania. ISO 9001, IATF 16949 i wymagania specyficzne klienta to różne poziomy wymagań.
  • Aktualne wymagania klienta sprawdzasz u źródła, nie w czacie.

‍

Błąd nr 4: Bierzesz „pełną” procedurę zamiast potrzebnej

To pułapka z naszej sceny na początku. Mniej widoczna niż halucynacje, a w praktyce równie kosztowna. AI generuje procedurę, która wygląda profesjonalnie. Po bliższym przyjrzeniu się okazuje się, że:

  • odpowiedzialności są przypisane do stanowisk, których w firmie nie ma,
  • opis działań jest tak ogólny, że pasuje do każdej firmy,
  • procedura dodaje biurokrację, której norma nie wymaga: zbędne zapisy, podpisy i formularze,
  • kluczowe kroki, znane tylko z praktyki, w ogóle się nie pojawiają.

AI ma skłonność do produkowania „pełnych” dokumentów, bo takie widziało w danych treningowych. A norma ISO 9001 nie wymaga ani procedur dla każdego procesu, ani rozbudowanych dokumentów. Więcej o tym przeczytasz w artykule Dokumentacja ISO 9001 bez papierologii.

‍

Jak to wyłapie audytor?

Idzie na stanowisko i pyta operatora, jak postępuje ze sztuką niezgodną. Jeżeli odpowiedź nie ma nic wspólnego z procedurą, bo procedura opisuje proces z podręcznika, a nie z Twojej hali, masz niezgodność. Albo trzy formularze, których nikt nie wypełnia.

‍

Co robić?

Proś o wersję minimalną i dodawaj tylko to, co w Twojej firmie jest potrzebne. Daj AI kontekst: wielkość firmy, stanowiska, które naprawdę istnieją, sposób pracy. Ekspert dostaje lepsze odpowiedzi, bo zadaje lepsze pytania i wie, czego w odpowiedzi brakuje.

W lotnictwie widziałem ten sam mechanizm długo przed AI. Procedura skopiowana z innego zakładu, piękna i kompletna, a operator przy maszynie nie potrafił powiedzieć, co z niej wynika dla niego. Narzędzie się zmieniło, choroba została ta sama.

Inżynierka pracuje na laptopie przy stanowisku testowym w laboratorium

‍

Błąd nr 5: Dajesz się złapać na pewny ton

Model językowy pisze tak samo pewnie o rzeczach dobrze znanych i o rzeczach, które zmyślił. Nie ma wbudowanego „hmm, nie jestem pewien”. Dlatego pewny ton odpowiedzi nie mówi Ci nic o tym, czy jest prawdziwa.

‍

Co robić?

  1. Poproś, żeby AI oznaczyło fragmenty, co do których nie ma pewności, albo wypisało przyjęte założenia.
  2. Poproś o kontrargumenty: „Jakie są słabe strony tej odpowiedzi?”.
  3. Zadaj to samo pytanie inaczej sformułowane. Jeśli odpowiedzi się wykluczają, temat wymaga sprawdzenia.
  4. Poproś o źródła i sprawdź je samodzielnie.
  5. Gdy coś brzmi zbyt dobrze albo zbyt prosto, sprawdź to w pierwszej kolejności.

Szybki test dla Ciebie: zadaj AI pytanie z Twojej dziedziny, na które znasz odpowiedź. Potem dopisz: „Jakie są słabe strony tej odpowiedzi i czego nie jesteś pewien?”. Zobaczysz, jak bardzo zmienia się ton.

‍

Błąd nr 6: Odczytujesz wymiary z rysunku przez AI

Wiele narzędzi przyjmuje dziś zdjęcia i pliki PDF. To duże ułatwienie, ale też obszar, w którym łatwo o błąd.

AI radzi sobie zwykle dobrze z opisem tego, co widać na zdjęciu stanowiska (porządek, oznaczenia, ergonomia), z odczytaniem czytelnego tekstu z tabeli albo formularza i z propozycją struktury instrukcji na podstawie zdjęcia czynności.

AI radzi sobie zwykle słabo z dokładnym odczytaniem wymiarów i tolerancji z rysunku technicznego, z interpretacją oznaczeń GD&T, chropowatości i spoin oraz z odczytaniem wartości z wykresów i kart kontrolnych bez danych źródłowych.

Do tego dochodzi drugi problem. Rysunek techniczny klienta prawie zawsze jest dokumentem poufnym. Zanim pomyślisz o jego analizie przez AI, przeczytaj błąd nr 7. Do ćwiczeń używaj rysunków własnych albo przygotowanych specjalnie do testów.

‍

Błąd nr 7: Wklejasz to, czego nie wolno wkleić

Ten błąd zostawiłem na koniec, bo jest najpoważniejszy. Pozostałe sześć kończy się poprawką w dokumencie. Ten może skończyć się naruszeniem umowy z klientem.

Zasada stojąca ponad wszystkimi innymi: jeśli polityka bezpieczeństwa informacji Twojej firmy mówi coś innego niż ten artykuł, obowiązuje polityka firmy. Zawsze. Brak zakazu nie oznacza zgody.

Umowy o poufności, szczególnie w motoryzacji, lotnictwie i obronności, często ograniczają przekazywanie dokumentacji osobom trzecim. Dostawca narzędzia AI jest taką osobą trzecią. Prosty test: tekst, którego nie wysłałbyś mailem do obcej firmy doradczej bez umowy o poufności, nie trafia do publicznego narzędzia AI.

‍

Jak zanonimizować opis problemu w dwie minuty?

  1. Zamień nazwy firm na role: „Klient A”, „Dostawca stali”, „Odbiorca z branży motoryzacyjnej”.
  2. Zamień nazwiska na funkcje: „operator zmiany B”, „kontroler jakości”.
  3. Usuń numery części, rysunków, zamówień i partii albo zastąp je umownymi: „Detal X”, „partia 1”.
  4. Uogólnij parametry, które są know-how: zamiast dokładnej receptury podaj zakres.
  5. Przeczytaj tekst jeszcze raz oczami osoby z zewnątrz. Czy da się zgadnąć, o kogo chodzi?

Przed: „Klient Autoparts Sp. z o.o. zgłosił reklamację 412 sztuk wspornika 7781-22-A z partii 26-0915. Pani Anna Kowalska z kontroli końcowej przepuściła detale z otworem 20,32 mm przy tolerancji 20 ±0,2 mm.”

Po: „Klient z branży motoryzacyjnej zgłosił reklamację około 400 sztuk wspornika z blachy. Kontrola końcowa nie wykryła detali z otworem powyżej górnej granicy tolerancji (20 ±0,2 mm, zmierzone 20,32 mm).”

Druga wersja w zupełności wystarczy, żeby AI pomogło opisać problem metodą 5W2H. Zwróć też uwagę, że po anonimizacji zniknęła winna osoba. To nie tylko ochrona danych, to dobra praktyka analizy przyczyn. Błąd człowieka jest objawem, a nie przyczyną źródłową. Więcej o tym w artykule o metodzie 5 Why.

Szybki test dla Ciebie: otwórz historię swoich rozmów z AI z ostatniego tygodnia. Czy znajdziesz w nich nazwę klienta, numer rysunku albo nazwisko? Jeśli tak, wiesz, od czego zacząć.

‍

Co łączy te 7 błędów?

Spójrz na nie razem.

  • W pierwszych trzech AI podaje fakty, których nikt nie sprawdził: punkty normy, liczby, wydania.
  • W czwartym i piątym forma zastępuje treść: dokument wygląda dobrze i brzmi pewnie.
  • W szóstym i siódmym AI dostaje coś, czego nie powinno dostać albo czego nie umie dobrze przeczytać.

Wspólny mianownik? AI robi dokładnie to, do czego zostało stworzone: pisze przekonujący tekst. Za prawdziwość tego tekstu odpowiadasz Ty. Podpis pod dokumentem, raportem albo odpowiedzią do klienta jest Twój, nie modelu.

Dobra wiadomość jest taka, że każdy z tych błędów da się wyłapać w minutę. Wystarczy lista kontrolna.

‍

10 pytań do każdego wyniku AI

Te pytania warto przejść, zanim wynik z AI trafi do dokumentu, raportu albo wiadomości. Przy prostych zadaniach zajmuje to minutę. Przy ważnych dokumentach to minuta najlepiej wydana w ciągu dnia.

  1. Czy odpowiedź dotyczy dokładnie mojego zadania, a nie podobnego?
  2. Czy numery punktów norm i wydania są poprawne? Sprawdzone w normie?
  3. Czy liczby, jednostki i obliczenia zostały policzone poza AI?
  4. Czy wymagania nie są pomylone z dobrymi praktykami albo inną normą?
  5. Czy źródła, jeśli podano, istnieją i mówią to, co przypisano im w odpowiedzi?
  6. Czy treść pasuje do realiów mojej firmy: stanowisk, procesów, zasobów?
  7. Czy nie ma zbędnej biurokracji, której ani norma, ani klient nie wymaga?
  8. Czy czegoś ważnego nie brakuje? Co dodałby doświadczony kolega?
  9. Czy wynik nie zawiera danych, które nie powinny trafić do odbiorcy?
  10. Czy jestem w stanie obronić każde zdanie przed audytorem i klientem?

Ostatnie pytanie jest najważniejsze. Jeśli na nie odpowiadasz „tak”, pozostałe dziewięć masz zwykle za sobą.

‍

Jak wdrożyć AI w dziale jakości bez tych błędów? Plan w 7 krokach

  1. Sprawdź zasady firmy. Zapytaj IT albo osobę odpowiedzialną za bezpieczeństwo informacji, które narzędzia są dopuszczone i z jakiego konta wolno z nich korzystać. Prywatne konto to nie miejsce na dane firmy.
  2. Spisz krótkie zasady dla działu. Jedna strona: co wolno wklejać, czego nigdy, kto zatwierdza wynik.
  3. Wydrukuj 10 pytań z tego artykułu i powieś je przy biurku.
  4. Zacznij od zadań o niskim ryzyku. Wyjaśnienie wymagania prostym językiem, pierwsza wersja instrukcji, pytania do audytu. Nie od odpowiedzi do klienta.
  5. Zbuduj bibliotekę sprawdzonych poleceń. Polecenie, które raz dało dobry wynik, zapisz i używaj ponownie, zamiast za każdym razem pisać od zera.
  6. Wprowadź zasadę „AI pisze, człowiek decyduje”. Każdy dokument z AI przechodzi tę samą ścieżkę przeglądu i zatwierdzenia co dokument pisany ręcznie.
  7. Po miesiącu oceń efekt. Ile czasu zaoszczędziliście, ile poprawek było potrzebnych, które polecenia działają najlepiej.

‍

FAQ, czyli najczęstsze pytania o AI w dziale jakości

Czy mogę używać ChatGPT do pisania procedur ISO 9001?

Tak, jako narzędzia do pierwszej wersji. Procedura z AI to szkic, który musisz dostosować do realiów firmy, sprawdzić pod kątem wymagań normy i zatwierdzić normalną ścieżką. Proś o wersję minimalną, bo AI ma skłonność do rozbudowanych dokumentów.

‍

Czy AI może policzyć Cpk albo MSA?

Może spróbować, ale wynik zawsze sprawdź w arkuszu albo programie statystycznym. Zasada jest prosta: liczby liczy arkusz albo program, AI je opisuje i pomaga zinterpretować.

‍

Co wolno wkleić do ChatGPT w pracy?

To, na co pozwala polityka bezpieczeństwa informacji Twojej firmy. Bez nazw klientów i dostawców, numerów części, rysunków i partii, danych osobowych, know-how ani treści norm. Opis problemu po anonimizacji zwykle w zupełności wystarczy.

‍

Skąd wiem, że AI nie zmyśliło wymagania normy?

Nie wiesz, dopóki nie sprawdzisz w normie. Proś o numer punktu przy każdym wymaganiu i weryfikuj go we własnym egzemplarzu. Jeśli AI nie potrafi wskazać punktu, traktuj to jako dobrą praktykę, a nie wymaganie.

‍

Czy audytor zaakceptuje dokument napisany przez AI?

Audytor ocenia dokument i to, czy system działa, a nie narzędzie, którym dokument powstał. Dokument musi być zgodny z wymaganiami, dostosowany do firmy i zatwierdzony. Problemem nie jest AI, tylko dokument, którego nikt nie sprawdził.

‍

Od czego zacząć, jeśli w dziale nikt jeszcze nie używa AI?

Od zasad bezpieczeństwa i jednego prostego zadania. Na start dobrze sprawdza się wyjaśnienie wymagania normy prostym językiem albo przygotowanie pytań do audytu procesu. Efekt jest szybki, a ryzyko niskie.

‍

Chcesz korzystać z AI w jakości bez tych 7 błędów?

Wszystko, o czym piszę w tym artykule, rozpisałem szczegółowo w poradniku AI w pracy inżyniera jakości. 50 gotowych poleceń. Napisałem go dla inżynierów jakości, pełnomocników, audytorów i kierowników, którzy chcą pracować z AI szybciej, ale bez ryzyka dla firmy i bez wstydu przed audytorem.

W poradniku znajdziesz:

  • zasady bezpieczeństwa danych, anonimizację krok po kroku i wzór zasad korzystania z AI w dziale jakości,
  • siedem pułapek AI i sposoby sprawdzania wyników, w tym listę 10 pytań do każdej odpowiedzi,
  • 50 gotowych poleceń według zadań: system zarządzania, nowe wymagania ISO 9001:2026, audyty, kontrola jakości, rozwiązywanie problemów, FMEA, MSA i SPC, klienci i dostawcy, raportowanie,
  • przy każdym poleceniu: kiedy go użyć, gotowy tekst do skopiowania, jaki wynik dostaniesz, co sprawdzić i najczęstszy błąd,
  • plan 30 dni wdrożenia AI w dziale jakości i podpowiedzi, jak przekonać zespół i kierownictwo.

To 114 stron w PDF, które pobierasz zaraz po zakupie.

🚨 Sprawdź szczegóły i spis treści ➡️ AI w pracy inżyniera jakości

Wolisz uczyć się z trenerem, krok po kroku na wideo? Zajrzyj do szkolenia ChatGPT (AI) w Zarządzaniu Jakością.

‍

Podsumowanie

AI w dziale jakości to ogromna oszczędność czasu, pod jednym warunkiem: że wiesz, gdzie się myli. Siedem błędów, które warto mieć z tyłu głowy, to wiara w numery punktów normy, liczenie przez AI, brak wydania normy w poleceniu, „pełne” dokumenty zamiast potrzebnych, pewny ton, odczytywanie rysunków i wklejanie poufnych danych.

Każdy z nich wyłapiesz w minutę, jeśli przejdziesz 10 pytań z listy kontrolnej. Wydrukuj je dziś i sprawdź nimi najbliższy wynik z AI. A jeżeli AI już kiedyś wpuściło Cię w maliny w pracy, podziel się tym w komentarzu. Uczymy się na cudzych fakapach najtaniej.

Dziękuję za przeczytanie artykułu.

Zapraszamy do zapoznania się z naszą Ofertą Szkoleń