22 maja 2026 roku Northeastern University opublikował tekst z dosadnym nagłówkiem: ChatGPT stoi w obliczu lawiny pozwów. Według stanu na marzec, samo OpenAI miało na koncie co najmniej 11 spraw sądowych, a kolejne toczyły się przeciwko Character.AI i Google. Podstawy prawne szybko się zaostrzają — bezprawne spowodowanie śmierci, wada konstrukcyjna produktu, brak ostrzeżenia. W styczniu przełomowa sprawa Setzer zakończyła się ugodą po tym, jak sąd zrobił coś, czego wcześniej nie zrobił żaden sąd: zakwalifikował wynik działania chatbota AI jako „produkt”, a nie chronioną wypowiedź.
Jeśli prowadzisz chatbota na swojej stronie, kuszące jest przeczytanie tych nagłówków i uspokojenie się. To pozwy przeciwko laboratoriom, które budują modele, dotyczące tragicznych przypadków skrajnych związanych z AI pełniącą rolę towarzysza. Ty przecież tylko odpowiadasz na pytania o wysyłkę. Nic z tego Cię nie dotyczy.
To błędny wniosek. Pozwy trafiające na nagłówki dotyczą twórców modeli podstawowych i katastrofalnych szkód. Ryzyko prawne, które dotyczy Twojej firmy, jest starsze, cichsze i znacznie bardziej ugruntowane. Ma nazwę, którą większość osób pracujących we wsparciu już zna: precedens Air Canada.
Sprawa, którą powinien znać na pamięć każdy właściciel firmowego chatbota
W lutym 2024 roku kanadyjski trybunał rozstrzygnął spór, który wyglądał na błahy. Klient w żałobie zapytał chatbota na stronie Air Canada o taryfy żałobne. Bot powiedział mu, że może zarezerwować bilet teraz, a o zwrot pieniędzy wystąpić w ciągu 90 dni. Taka zasada nie istniała. Bot ją zmyślił.
Gdy klient poprosił o zwrot pieniędzy, Air Canada odmówiła i argumentowała na piśmie, że chatbot był „odrębnym podmiotem prawnym, który odpowiada za własne działania”. Trybunał odrzucił to bez wahania. Jego rozstrzygnięcie zawiera zdanie, które warto przykleić sobie na monitorze:
„Nie ma znaczenia, czy informacja pochodzi ze statycznej strony, czy od chatbota”.
Air Canada została zobowiązana do honorowania zmyślonej zasady oraz zapłaty odszkodowania, odsetek i opłat. Kwota była niewielka. Zasada — nie. Organ orzekający spojrzał na halucynujący bot i powiedział: to firma zabiera głos. Jesteś związany tym, co on mówi.
Ta zasada od tamtej pory tylko się umacnia. Zakwalifikowanie w ugodzie Setzer wyniku działania chatbota jako „produktu” oznacza, że można go oceniać tak jak każdą inną rzecz, którą firma wprowadza na rynek — czyli podlega on teoriom odpowiedzialności za produkt, gdy jest wadliwy. W I kwartale 2026 roku amerykańskie sądy nałożyły sankcje za halucynacje AI na łączną kwotę ponad $145,000, w tym rekordową karę $110,000 w Oregonie oraz pierwsze w swoim rodzaju zawieszenie licencji zawodowej w Nebrasce. Głośne pozwy mogą trwać latami i mogą nie zmienić branży, jak ostrzegał John Wihbey z Northeastern — udowodnienie, że konkretna technologia zaszkodziła konkretnej osobie, jest trudne. Ale precedens Air Canada nie wymaga żadnej nowej teorii prawnej. Działa już dziś, w sądach ds. drobnych roszczeń i skargach dotyczących ochrony konsumentów.
Ten artykuł dotyczy tego codziennego ryzyka, a nie głośnych procesów. Nic z tego nie stanowi porady prawnej — w swojej sytuacji skonsultuj się z prawnikiem. Cel jest tu węższy i bardziej praktyczny: zrozumieć dokładnie, jak chatbot na stronie internetowej tworzy odpowiedzialność, oraz jakie mechanizmy kontrolne faktycznie ją ograniczają.
Siedem sposobów, w jakie bot wsparcia naraża Cię na pozew
„Halucynacja” to jedno słowo określające co najmniej siedem odrębnych wzorców błędów, a każdy niesie inny rodzaj ryzyka biznesowego. Bot, który zmyśla okres na zwrot pieniędzy, to inny problem niż taki, który fabrykuje instrukcję bezpieczeństwa.
| Typ halucynacji | Co robi bot | Odpowiedzialność, jaką tworzy |
|---|---|---|
| Zasady | Zmyśla warunek zwrotu towaru, zwrotu pieniędzy lub gwarancji | Możesz być zobowiązany go honorować (precedens Air Canada) |
| Ceny | Podaje nieistniejącą cenę, zniżkę lub opłatę | Ryzyko zarzutu wprowadzającej w błąd polityki cenowej i naruszenia przepisów o ochronie konsumentów |
| Dane konkretnego klienta | Podaje błędny fakt o zamówieniu lub saldzie tego klienta | Naruszenie umowy, wprowadzenie w błąd |
| Działanie | Twierdzi, że coś zrobił („Twoje zamówienie zostało anulowane”), choć tak się nie stało | Niewykonanie świadczenia; szkody z tytułu zaufania do informacji |
| Cytowanie | Cytuje źródło, przepis lub dokument, który nie istnieje | Sankcje w kontekstach regulowanych; utrata zaufania |
| Możliwości | Obiecuje coś, czego produkt nie potrafi | Reklama wprowadzająca w błąd |
| Bezpieczeństwo | Podaje błędną instrukcję o skutkach fizycznych | Zaniedbanie, odpowiedzialność za produkt — najpoważniejszy poziom |
Wspólny mianownik: dla prawa nie ma znaczenia, że wypowiedź wygenerowała AI. FTC i stanowe przepisy o ochronie konsumentów zakazują nieuczciwych lub wprowadzających w błąd praktyk niezależnie od tego, czy stworzył je człowiek, czy model. Jak ujęła to jedna z analiz odpowiedzialności prawnej: jeśli Twoja AI działa jako przedstawiciel Twojej firmy, ponosisz odpowiedzialność za to, co komunikuje.
Dlaczego surowy LLM to maszyna do generowania odpowiedzialności prawnej
Oto niewygodny fakt inżynieryjny, który stoi za tym wszystkim. Duży model językowy jest zoptymalizowany pod kątem generowania płynnego, wiarygodnie brzmiącego i pewnego siebie tekstu. Nie jest zoptymalizowany pod kątem generowania tekstu prawdziwego. Te dwa cele w większości przypadków się pokrywają, co czyni błędy niebezpiecznymi — błędna odpowiedź pojawia się w tym samym spokojnym, autorytatywnym tonie co poprawna. W jego głosie nie ma drżenia, gdy zmyśla Twoją politykę zwrotów.
Ludzie zakładają, że wyszukiwanie (retrieval) to naprawia. Bardzo pomaga, ale nie jest gwarancją. Badanie Stanforda z 2025 roku dotyczące narzędzi prawniczych mocno opartych na wyszukiwaniu wykazało, że najlepsze z nich było poprawne i ugruntowane w źródłach tylko w 65% zapytań; konkurenci osiągnęli 41% i 19%. To drogie, zaprojektowane pod konkretny cel produkty, w których model jest skierowany na wyselekcjonowany korpus, a mimo to halucynowały przy jednej trzeciej pytań. Doczepienie uniwersalnego modelu do swojej strony z promptem systemowym mówiącym „bądź pomocny” to zupełnie inna, nieporównanie niższa liga bezpieczeństwa.
Wniosek nie brzmi „nie używaj chatbota”. Wiele firm rozwiązuje większość swojego wolumenu wsparcia za pomocą AI i nigdy nie napotyka problemu, ponieważ prawidłowo ograniczyło bota. Wniosek jest taki, że bezpieczeństwo tkwi w architekturze wokół modelu, a nie w samym modelu. Chatbot da się obronić tylko na tyle, na ile solidne są mechanizmy kontrolne, które umieścisz między modelem językowym a klientem.
Mechanizmy kontrolne, które faktycznie ograniczają ryzyko
Przypisz każdy mechanizm kontrolny do ryzyka, które adresuje. To ta część, która ma znaczenie, i tu wybór platformy przestaje być kosmetyką.
| Mechanizm kontrolny | Co robi | Ryzyko, które ogranicza |
|---|---|---|
| Ugruntowanie w wyszukiwaniu (retrieval grounding) | Odpowiada wyłącznie na podstawie Twoich treści treningowych, nie z pamięci modelu | Halucynacje dotyczące zasad, cen, możliwości |
| Autorytatywne pary Q&A | Precyzyjne, ręcznie napisane odpowiedzi, które nadpisują wszystko inne | Pytania wysokiego ryzyka, w których nie możesz się pomylić |
| Cytowanie źródeł | Pokazuje, z którego dokumentu pochodzi odpowiedź | Halucynacje w cytowaniu; umożliwia przegląd |
| Akcje w czasie rzeczywistym | Sprawdza aktualne dane zamówienia/konta przez API zamiast zgadywać | Halucynacje dotyczące danych konkretnego klienta |
| Przekazanie oparte na pewności odpowiedzi | Kieruje do człowieka intencje niepewne lub obarczone wysokim ryzykiem | Halucynacje dotyczące działań i bezpieczeństwa |
| Zabezpieczenia wyjścia (guardrails) | Blokuje zmyślone zniżki, fałszywe adresy URL, niepotwierdzone twierdzenia | Halucynacje dotyczące cen i działań |
| Dzienniki czatu | Rekord każdej odpowiedzi bota, nadający się do przeglądu | Dowody, audyt, szybka korekta |
Kilka z nich zasługuje na więcej szczegółów, bo to w nie większość zespołów inwestuje zbyt mało.
Ugruntowanie to punkt wyjścia, a nie cel sam w sobie. Trenowanie chatbota na Twojej własnej stronie, dokumentach i centrum pomocy to różnica między botem, który odpowiada na podstawie Twojej rzeczywistości, a takim, który odpowiada na podstawie internetowej średniej. W Agentkit to ustawienie domyślne: chatbot odpowiada na podstawie treści, na której go wytrenujesz — przeszukanych stron, przesłanych plików PDF i dokumentów oraz fragmentów tekstu. Model ma instrukcję, aby pracować na tym korpusie, a nie improwizować. Przy wsparciu opartym w dużej mierze na dokumentach rozmowa z własnymi dokumentami utrzymuje odpowiedzi przywiązane do rzeczywistego pliku z zasadami, a nie do jego parafrazy.
Pary Q&A to Twój pas bezpieczeństwa dla pytań, w których nie wolno się pomylić. Ugruntowanie ogranicza zmyślanie, ale go nie eliminuje. Dla garstki pytań, w których błędna odpowiedź oznacza pozew — okres na zwrot pieniędzy, warunki anulowania, instrukcja krytyczna dla bezpieczeństwa — chcesz mieć odpowiedź na sztywno zakodowaną, a nie wygenerowaną. Pary Q&A w Agentkit robią dokładnie to: precyzyjna, napisana ręcznie odpowiedź, która ma priorytet nad wszystkimi innymi źródłami. Model nie ma głosu w sprawie tego, czy Twoja polityka zwrotów wynosi 30 dni. To Ty ją zapisałeś; bot ją odczytuje. Zidentyfikuj swoje dziesięć pytań o najwyższym ryzyku odpowiedzialności i zablokuj je jako pary Q&A, zanim uruchomisz chatbota.
Akcje w czasie rzeczywistym zastępują zgadywanie sprawdzaniem. Halucynacje dotyczące danych konkretnego klienta — „Twoje zamówienie zostało wysłane wczoraj”, choć wcale tak się nie stało — biorą się z bota odpowiadającego na pytania, do których nie ma danych. Rozwiązaniem jest dać mu te dane. Niestandardowe akcje API pozwalają chatbotowi wywołać w czasie rzeczywistym Twój system zamówień, CRM lub magazyn i odpowiedzieć na podstawie rzeczywistego rekordu. Jeśli dane są niedostępne, dobrze zbudowany bot mówi o tym wprost, zamiast zmyślać status.
Przekazanie do człowieka to mechanizm ograniczający odpowiedzialność, a nie miła dodatkowa funkcja UX. Najważniejszą decyzją architektoniczną jest to, co bot robi, gdy jest niepewny. Chatbot, którego działanie da się obronić, przekazuje odpowiedzi o niskiej pewności i intencje wysokiego ryzyka — zwroty, rozliczenia, anulowania, wszystko związane z bezpieczeństwem — do człowieka. Dobre zaprojektowanie tej granicy to osobna dyscyplina; omówiliśmy ją szczegółowo w artykule Projektowanie przekazywania rozmów z AI do człowieka. Bot, który przy sporze o zwrot pieniędzy mówi „pozwól, że poproszę o pomoc kolegę z zespołu”, to bot, który nigdy nie zmyśli polityki zwrotów.
Instrukcje i zabezpieczenia (guardrails) ustawiają domyślne zachowanie bota. Twój prompt systemowy powinien nakazywać botowi odmowę spekulowania, nigdy nie zmyślanie cen ani zniżek, przyznawanie się, gdy czegoś nie wie, i ścisłe trzymanie się Twojej domeny. Dobra inżynieria promptów zamienia „bądź pomocny” w „bądź pomocny, ale nigdy nie zmyślaj zasady i eskaluj wszystko, czego nie jesteś pewny”. Połącz to z ograniczeniami domen, aby widżet działał wyłącznie na Twoich własnych stronach, oraz z ograniczaniem liczby żądań, aby jeden użytkownik nie mógł sprowokować go do niewłaściwego zachowania — tak jak w 2024 roku chatbota DPD słynnie sprowokowano do przeklinania na klientów.
Dzienniki to Twój dowód i system wczesnego ostrzegania. Każda rozmowa w Agentkit jest rejestrowana. Ten zapis pełni dwie funkcje: pozwala sprawdzić, co bot faktycznie powiedział ludziom (i skorygować zły wzorzec, zanim stanie się skargą), i jest dokumentacją, której będziesz potrzebować, jeśli klient kiedykolwiek stwierdzi, że bot coś obiecał. Co tydzień przeglądaj wskaźnik odpowiedzi ugruntowanych w treści oraz pytania, które wyzwoliły przekazanie do człowieka. Bot, który po cichu zaczyna dryfować, pojawi się w dziennikach na długo, zanim pojawi się w trybunale.
Jeszcze jedna rzecz, łatwa do przeoczenia: utrzymuj bazę wiedzy na bieżąco. Połowa odpowiedzialności bierze się nie ze zmyślania, lecz z pewnego siebie podawania zasady, która kiedyś była prawdziwa. Automatyczne ponowne trenowanie (w planach Standard i wyższych) przeszukuje Twoje treści ponownie według harmonogramu, dzięki czemu bot nie cytuje strony z cennikiem sprzed kwartału.
Lista kontrolna odpowiedzialności prawnej przed uruchomieniem
Zanim osadzisz chatbota na stronie, na której klienci podejmują decyzje, przejdź przez tę listę:
- Czy jest ugruntowany? Bot odpowiada na podstawie Twoich treści, a nie otwartego modelu. Zweryfikuj to, pytając go o coś, czego nie ma w Twojej dokumentacji — powinien odmówić, a nie improwizować.
- Czy odpowiedzi wysokiego ryzyka są zablokowane? Zwroty, anulowania, gwarancja, ceny i wszelkie instrukcje krytyczne dla bezpieczeństwa to pary Q&A, a nie generowany tekst.
- Czy sprawdza fakty zamiast zgadywać? Pytania dotyczące konkretnego konta lub zamówienia trafiają do działającego na żywo API albo są przekazywane do człowieka — nigdy nie są zbywane odpowiedzią wziętą znikąd.
- Czy eskaluje, gdy jest niepewny? Intencje o niskiej pewności i wysokim ryzyku są kierowane do człowieka. Sprawdziłeś, że ta granica faktycznie się uruchamia.
- Czy ma określony zakres? Ograniczenia domen zawężają go do Twojej strony; ograniczanie liczby żądań blokuje nadużycia; instrukcje zabraniają zmyślania cen i obietnic.
- Czy możesz to przeglądać? Dzienniki czatu są włączone, a ktoś regularnie je przegląda.
- Czy wiedza jest aktualna? Nieaktualne, ale pewne siebie odpowiedzi to osobny wzorzec błędu. Automatyczne ponowne trenowanie lub ręczny harmonogram odświeżania utrzymują treść na bieżąco.
Osadzenie to najłatwiejsza część, gdy mechanizmy kontrolne są już na miejscu:
<script src="https://cdn.agentkit.ai/widget.js" data-chatbot="your-chatbot-id" async> </script>
Uwaga co do zakresu: to artykuł o odpowiedzialności cywilnej za to, co Twój bot mówi — a to coś innego niż fala regulacji specyficznych dla AI przechodząca przez legislatury stanowe, którą omówiliśmy osobno w przewodniku po przepisach dotyczących chatbotów w 2026 roku. Musisz myśleć o obu naraz. Bot może być w pełni zgodny z przepisami o ujawnianiu informacji i mimo to związać Cię zmyśloną polityką zwrotów.
Wnioski
Pozwy przeciwko OpenAI i Character.AI będą toczyć się latami, a większość firm prowadzących bota wsparcia nigdy nie będzie stroną w czymś podobnym. Ale każda z tych firm żyje pod precedensem Air Canada: Twój chatbot przemawia w Twoim imieniu, a Ty odpowiadasz za to, co on mówi. To nie powód, by unikać wsparcia opartego na AI. Firmy rozwiązują większość swojego wolumenu wsparcia za pomocą chatbotów i realnie na tym oszczędzają — ekonomika tego nie budzi wątpliwości. To powód, by traktować bota tym, czym jest prawnie: przedstawicielem Twojej firmy, wdrożonym z taką samą starannością, z jaką potraktowałbyś człowieka na tym stanowisku.
Różnica między zobowiązaniem a aktywem to architektura wokół modelu. Ugruntuj go w swoich treściach. Zablokuj swoje odpowiedzi wysokiego ryzyka. Przekazuj rozmowę, gdy jest niepewny. Rejestruj wszystko. Chatbot zbudowany w ten sposób nie tylko unika sali sądowej — to ten, któremu klienci faktycznie ufają, bo mówi im prawdę albo mówi im, że czegoś nie wie.
Zbuduj swojego chatbota za darmo →
Karta kredytowa nie jest wymagana.
