Generatywna sztuczna inteligencja zmienia sposób, w jaki powstaje i rozprzestrzenia się dezinformacja. Nie chodzi już wyłącznie o deepfake’i, czyli realistyczne fałszywe nagrania z udziałem polityków czy innych znanych osób. Coraz większe znaczenie mają masowa produkcja treści, automatyczne tłumaczenie i modyfikowanie przekazów, syntetyczne profile oraz sieci kont.
Dane European Digital Media Observatory (EDMO) pokazują rosnącą obecność takich materiałów w analizowanym strumieniu dezinformacji. W marcu 2026 roku treści stworzone lub zmanipulowane przy użyciu AI stanowiły 20 proc. materiałów objętych monitoringiem organizacji – 338 z 1690 artykułów fact-checkingowych. Taki sam udział odnotowano w styczniu 2026 roku. Dla porównania, w lutym 2024 roku było to około 5 proc. Nie oznacza to jednak, że generatywna AI stworzyła zupełnie nowe mechanizmy propagandy. Zmieniła przede wszystkim skalę, szybkość i koszt produkcji treści. Jeden aktor może dziś znacznie łatwiej przygotować wiele wariantów tej samej narracji, przetłumaczyć je i dostosować do różnych odbiorców.
Deepfake to tylko część problemu
Przez długi czas dyskusja o AI i dezinformacji koncentrowała się przede wszystkim na deepfake’ach. Rozwój narzędzi generatywnych sprawił jednak, że katalog możliwych manipulacji stał się znacznie szerszy. AI pozwala tworzyć obrazy, filmy, nagrania głosowe i teksty, ale także szybko je przerabiać, tłumaczyć i powielać. Raport European External Action Service (EEAS) dotyczący zagrożeń dla przestrzeni informacyjnej wskazuje, że w 2025 roku AI pojawiła się w 27 proc. wykrytych incydentów FIMI, czyli zagranicznych manipulacji informacyjnych i ingerencji. EEAS odnotowała 147 takich przypadków wobec 41 rok wcześniej. W marcu 2026 roku EDMO identyfikowało m.in. materiały związane z wojną między USA, Izraelem i Iranem. AI wykorzystywano do tworzenia fikcyjnych scen walk, fałszywych informacji o śmierci przywódców oraz przedstawiania wydarzeń, które w rzeczywistości nie miały miejsca. Pokazuje to, że dezinformacja nie musi już opierać się na jednym spektakularnym fałszerstwie. Może składać się z wielu obrazów, krótkich filmów, postów i komentarzy wspierających tę samą narrację.
Generatywna AI obniża koszt produkcji dezinformacji
Jedną z najważniejszych zmian jest możliwość produkowania treści na dużą skalę. Przygotowanie wielu wariantów przekazu wymaga dziś mniej czasu i zasobów niż wcześniej. W styczniu 2026 roku EDMO opisało sieć kont na TikToku wykorzystującą AI do tworzenia materiałów dotyczących protestów w Iranie, sytuacji w Wenezueli i konfliktu izraelsko-palestyńskiego. Technologia służyła również do produkowania angażujących materiałów przeznaczonych do monetyzacji. W kontekście kampanii wyborczej na Malcie EDMO opisywało natomiast zjawisko „slopagandy” – masowo produkowanych memów, filmów i innych syntetycznych treści. Ich zadaniem nie zawsze musi być przekonanie odbiorcy do konkretnego twierdzenia. Liczyć może się również wywołanie emocji, zdobycie zasięgu lub zwiększenie liczby interakcji. W takim modelu jakość pojedynczego materiału traci na znaczeniu. Niski koszt pozwala przygotować wiele treści i obserwować, które z nich zdobędą uwagę odbiorców.
Jedna narracja może szybko trafić do wielu krajów
Kolejną zmianą jest łatwiejsza lokalizacja przekazów. Model językowy może przetłumaczyć tekst, zmienić jego ton, skrócić go albo przekształcić w serię wpisów do mediów społecznościowych. W materiałach EDMO dotyczących wyborów europejskich wskazywano m.in. na wykorzystanie modeli językowych przez sieć Doppelganger. AI miała wspierać generowanie komentarzy w różnych językach, tłumaczenie i redagowanie artykułów oraz przygotowywanie nagłówków i postów. Dzięki temu jedna narracja może zostać opracowana centralnie, a następnie dostosowana do lokalnych realiów. Przekaz kierowany do odbiorców w Polsce może wykorzystywać inne przykłady niż jego odpowiednik we Francji czy Czechach, choć zasadniczy cel kampanii pozostaje podobny. AI ułatwia więc nie tylko produkcję pojedynczych fałszywych materiałów, ale również tworzenie wielu lokalnych wariantów tej samej narracji.
Fikcyjne profile mogą tworzyć pozory społecznego poparcia
Generatywna AI ułatwia także tworzenie syntetycznych tożsamości. Profil może otrzymać wygenerowane zdjęcie, biografię i publikowane regularnie treści. W połączeniu z automatyzacją pozwala to rozwijać większe sieci pozornie niezależnych użytkowników. EEAS wskazuje, że AI jest wykorzystywana nie tylko do generowania obrazów, nagrań audio czy filmów, ale również do wspierania skoordynowanych sieci kont, botów i fikcyjnych person. Ma to znaczenie, ponieważ odbiorca ocenia przekaz nie tylko na podstawie jego treści. Znaczenie może mieć również pozorna liczba osób, które podzielają określoną opinię. Generatywna AI nie tworzy więc samego mechanizmu astroturfingu czy podszywania się pod użytkowników – techniki te istniały wcześniej. Może jednak ułatwiać ich skalowanie i zmniejszać zasoby potrzebne do prowadzenia takich działań.
LLM grooming. Próba wpływania na środowisko informacyjne
Nowym obszarem zainteresowania jest możliwość wykorzystywania masowej publikacji treści do kształtowania środowiska informacyjnego, z którego mogą korzystać wyszukiwarki, agregatory oraz niektóre systemy AI. EEAS opisuje w tym kontekście zjawisko „LLM grooming”. Polega ono na zwiększaniu obecności określonych treści i narracji w Internecie. Jako jeden z przykładów raport wskazuje Portal Kombat – sieć stron publikujących duże ilości materiałów w wielu językach. Nie oznacza to, że wielokrotnie opublikowana informacja automatycznie trafia do danych treningowych konkretnego modelu albo zmienia jego odpowiedzi. Sposób pozyskiwania informacji zależy od danego systemu. Ryzyko dotyczy jednak szerszego środowiska informacyjnego. Systemy korzystające z aktualnych zasobów internetu mogą napotykać treści, których obecność została sztucznie zwiększona. Tym samym przedmiotem operacji wpływu może stać się nie tylko odbiorca, ale również przestrzeń źródeł, z których pozyskiwane są informacje.
Reverse disinformation. Prawdziwy materiał też można nazwać deepfakiem
Rozwój generatywnej AI powoduje również odwrotny problem. Nie tylko fałszywy materiał może zostać przedstawiony jako prawdziwy. Autentyczne zdjęcie lub nagranie można zakwestionować, sugerując, że zostało stworzone przez AI. EDMO opisuje takie przypadki jako „reverse disinformation”. Samo wskazanie na możliwość wykorzystania sztucznej inteligencji może stać się argumentem służącym podważaniu niewygodnego materiału. To rozszerza problem poza klasyczne deepfake’i. Technologia daje możliwość tworzenia fałszywych dowodów, ale jednocześnie dostarcza pretekstu do kwestionowania prawdziwych. W efekcie coraz większym wyzwaniem staje się nie tylko wykrywanie manipulacji, lecz także potwierdzanie autentyczności materiałów.
Więcej nie zawsze oznacza bardziej przekonująco
Rozwój generatywnej AI nie oznacza, że każdy stworzony przy jej użyciu materiał jest bardziej wiarygodny od tradycyjnej manipulacji. EEAS zwraca uwagę, że część treści nadal charakteryzuje się niską jakością, jest łatwa do rozpoznania i osiąga ograniczone zaangażowanie. Ich znaczenie może wynikać jednak ze skali. Jeżeli koszt stworzenia kolejnego obrazu, filmu czy wpisu jest niewielki, autorzy mogą produkować dużą liczbę wariantów przekazu. Dlatego pytanie o to, czy odbiorca potrafi rozpoznać pojedynczy deepfake, nie wystarcza do oceny współczesnych kampanii dezinformacyjnych. Istotne stają się również źródło materiału, sposób jego rozpowszechniania oraz to, czy podobne przekazy pojawiają się równocześnie na wielu kontach i platformach.
Sam detektor AI nie rozwiąże problemu
Rozwój generatorów treści napędza również rozwój technologii służących do ich identyfikacji. Nie istnieje jednak jedna metoda, która niezawodnie rozpoznaje wszystkie obrazy, filmy, teksty czy nagrania stworzone przy użyciu AI. Dlatego obok analizy technicznej coraz większe znaczenie zachowuje klasyczna weryfikacja informacji: ustalenie źródła, daty publikacji, kontekstu oraz porównanie materiału z innymi relacjami dotyczącymi tego samego wydarzenia. Badania BENEDMO wskazują również, że samo oznaczenie materiału jako stworzonego przy użyciu AI nie musi skutecznie zmieniać oceny jego wiarygodności. W opisywanych eksperymentach lepsze rezultaty przynosiły interwencje fact-checkingowe łączące korektę fałszywego twierdzenia z dodatkowym kontekstem. To istotna różnica. Informacja, że materiał został wygenerowany przez AI, nie odpowiada jeszcze na pytanie, co dokładnie jest w nim fałszywe.
AI może również wspierać fact-checkerów
Generatywna AI nie jest wyłącznie narzędziem wykorzystywanym do tworzenia dezinformacji. Może również wspierać jej wykrywanie i analizę. Systemy AI mogą pomagać w przeszukiwaniu dużych zbiorów materiałów, tłumaczeniu treści, grupowaniu podobnych narracji i identyfikowaniu powtarzających się schematów. Jest to szczególnie przydatne przy analizowaniu kampanii prowadzonych jednocześnie w wielu państwach i językach. Automatyzacja nie eliminuje jednak potrzeby ludzkiej weryfikacji. Ocena wiarygodności źródła, interpretacja kontekstu oraz decyzja o tym, w jaki sposób skorygować fałszywy przekaz, nadal wymagają nadzoru człowieka. Weryfikacja dezinformacji nie sprowadza się bowiem do ustalenia, czy obraz został wygenerowany komputerowo. Trzeba również sprawdzić, co przedstawia, skąd pochodzi i w jakim kontekście jest rozpowszechniany.
Największym zagrożeniem może być utrata zaufania
Jedną z najważniejszych konsekwencji rozwoju generatywnej AI może być narastający szum informacyjny. Odbiorca styka się jednocześnie z materiałami prawdziwymi, zmanipulowanymi i całkowicie syntetycznymi, a granica między nimi staje się trudniejsza do rozpoznania. Problem jest szczególnie istotny podczas wyborów, konfliktów i kryzysów, kiedy zapotrzebowanie na informacje gwałtownie rośnie, a emocjonalne materiały mogą szybko zdobywać zasięgi. Dezinformacja nie zawsze musi przekonać odbiorcę do konkretnego fałszu. Skutkiem może być również zwiększenie niepewności i osłabienie zaufania do informacji jako takich. Zjawisko reverse disinformation dodatkowo pogłębia ten problem, ponieważ możliwość wygenerowania fałszywego materiału staje się argumentem służącym do kwestionowania autentycznego.
Generatywna AI zmienia cały ekosystem dezinformacji
Wpływu AI na dezinformację nie można już analizować wyłącznie przez pryzmat deepfake’ów. Technologia może wspierać wiele etapów operacji informacyjnej – od przygotowania treści, przez jej tłumaczenie i lokalizację, po skalowanie publikacji i obsługę syntetycznych profili. Najważniejszą zmianą jest więc nie sama możliwość stworzenia realistycznego fałszerstwa. Generatywna AI przede wszystkim obniża koszt i zwiększa skalę tworzenia, modyfikowania oraz rozpowszechniania treści. Jednocześnie komplikuje ocenę autentyczności informacji. Fałszywe materiały mogą wyglądać coraz bardziej wiarygodnie, a prawdziwe mogą być podważane jako wygenerowane przez AI. Dlatego odporność na współczesną dezinformację wymaga czegoś więcej niż umiejętności rozpoznawania deepfake’ów. Coraz większego znaczenia nabierają weryfikacja źródła, analiza kontekstu, obserwowanie sposobu rozpowszechniania narracji oraz sprawdzanie, kto i w jakim celu publikuje określony przekaz.
Źródła
- EDMO – The share of AI-generated disinformation increases again, March 2026
- EDMO – A new record: one verified false claim out of five is generated with AI, January 2026
- EEAS – 4th Threat Report, March 2026
- EDMO – Old Conspiracies and New Technologies: Identity-based Disinformation on the Rise
- BENEDMO – The Role of AI in the Disinformation Landscape – Insights from the BENEDMO Research Lab and Beyond, 2026
