W debacie publicznej coraz częściej pojawia się teza, że generatywna AI już dziś zwiększa produktywność naukowców. Wskazuje się, że narzędzia takie jak ChatGPT czy Gemini wspierają redagowanie tekstów, porządkowanie argumentacji czy przygotowanie pierwszych wersji manuskryptów. Inne rozwiązania, takie jak Elicit czy SciSpace, pomagają w przeszukiwaniu i syntetyzowaniu literatury, a NotebookLM jest promowany jako „thinking partner” wspierający analizę materiałów źródłowych. Równolegle rozwijają się narzędzia automatyzujące analizy danych, w tym systemy klasy AutoML, które obniżają próg wejścia w zaawansowane modelowanie.
W rezultacie generatywna AI nie jest już pojedynczym chatbotem, lecz elementem szerszego ekosystemu wspierającego różne etapy pracy badawczej – od wyszukiwania literatury, przez analizę danych, po redakcję tekstu. Pojawiają się analizy sugerujące, że po 2022 roku – czyli po upowszechnieniu tego typu narzędzi – liczba publikacji naukowych zaczęła rosnąć szybciej.
Postanowiłam sprawdzić, czy w danych zagregowanych dla Polski widać podobny sygnał.
Metoda (w skrócie)
Źródło danych: Scopus
Zakres: dokumenty z afiliacją w Polsce (AFFILCOUNTRY: Poland)
Lata: 2020–2025
Dziedziny:
– Computer Science
– Business, Management and Accounting
Miara: liczba dokumentów rocznie (wszystkie typy dokumentów indeksowane w Scopus).
Wyniki: czy rzeczywiście nastąpiło przyspieszenie?
Na wykresie przedstawiono procentową zmianę liczby publikacji względem 2022 roku (przyjętego jako punkt odniesienia).
Rok 2022 został przyjęty jako punkt odniesienia, ponieważ stanowi moment poprzedzający powszechną adopcję generatywnych narzędzi AI oraz jednocześnie lokalne minimum w analizowanym okresie.
W obu analizowanych dziedzinach po 2022 r. widoczny jest wyraźny wzrost liczby publikacji. Jednak dynamika tego wzrostu różni się istotnie między obszarami.
W przypadku Business, Management and Accounting liczba publikacji w 2025 r. była o ok. 34% wyższa niż w 2022 r. Wzrost ten ma charakter systematyczny – każdy kolejny rok po 2022 przynosił wyższe wartości.
W Computer Science również obserwujemy wzrost po 2022 r., jednak jest on wyraźnie słabszy – w 2025 r. liczba publikacji była o ok. 12% wyższa niż w roku bazowym. Dynamika wzrostu jest bardziej umiarkowana, a w 2025 r. widoczna jest lekka stabilizacja względem roku 2024.
Warto zauważyć, że w latach 2020–2021 poziom publikacyjny w obu dziedzinach był zbliżony do 2022 r., a w przypadku Computer Science nawet nieco niższy. Oznacza to, że obserwowane przyspieszenie nie jest jedynie kontynuacją wcześniejszego trendu liniowego, lecz raczej zmianą dynamiki po 2022 r.
Interpretacja
Najbardziej interesujące są trzy obserwacje.
Po pierwsze, w obu analizowanych dziedzinach po 2022 r. widoczne jest wyraźne przyspieszenie liczby publikacji. Nie mamy do czynienia z chaotyczną zmiennością, lecz ze zmianą dynamiki względem lat 2020–2022.
Po drugie, względny wzrost jest istotnie silniejszy w obszarze Business, Management and Accounting niż w Computer Science. Wzrost rzędu ok. 34% w Business w porównaniu z ok. 12% w Computer Science wskazuje, że dynamika zmian nie jest jednolita między dziedzinami.
Po trzecie, obserwowany trend nie przypomina „eksplozji wykładniczej”, lecz raczej przyspieszenie po okresie stagnacji lub lekkiego spadku.
Ta struktura wyników komplikuje prostą narrację, zgodnie z którą generatywna AI powinna przede wszystkim zwiększać produktywność w dziedzinach technicznych. Gdyby efekt ten był silnie skoncentrowany w obszarach najbardziej zaawansowanych technologicznie, należałoby oczekiwać wyraźniejszego wzrostu w Computer Science. Tymczasem względnie większe przyspieszenie obserwujemy w Business.
Możliwe wyjaśnienia obejmują:
- efekt odbicia po pandemii i kumulację projektów odłożonych w czasie,
- presję ewaluacyjną oraz grantową,
- ogólny wzrost operatywności badaczy,
- wsparcie narzędziowe, w tym wykorzystanie generatywnej AI,
- kombinację powyższych czynników.
Możliwe jest również inne wyjaśnienie obserwowanego zjawiska, które nie wiąże się bezpośrednio z automatyzacją samego procesu pisania. Pojawienie się generatywnej AI stworzyło bowiem nowy, niezwykle szeroki temat badawczy w naukach o zarządzaniu. Technologie takie jak ChatGPT szybko stały się punktem odniesienia dla badań w wielu obszarach funkcjonowania organizacji – od zarządzania wiedzą, przez HR i marketing, aż po zarządzanie produkcją czy transformację cyfrową. W takim ujęciu generatywna AI działa nie tyle jako narzędzie zwiększające produktywność badaczy, ile jako „generator problemów badawczych”, który otwiera nowe pola interpretacji istniejących procesów organizacyjnych. Jeśli tak jest, względnie silniejszy wzrost publikacji w obszarze Business można tłumaczyć właśnie ekspansją nowego pola tematycznego, a nie wyłącznie technologicznym przyspieszeniem pracy naukowców.
Na obecnym etapie dane zagregowane nie pozwalają rozstrzygnąć, który z tych mechanizmów odgrywa kluczową rolę. Jednak sam fakt zróżnicowanej dynamiki między dziedzinami sugeruje, że zmiany nie mają charakteru czysto technologicznego.
Produktywność a otwartość
Dodatkowo sprawdziłam, czy wzrost liczby publikacji po 2022 r. wiąże się ze zmianą struktury udostępniania wyników badań.
W analizie w dziedzinie Business udział publikacji oznaczonych jako Open Access pozostaje względnie stabilny (ok. 50%) i nie rośnie proporcjonalnie do ogólnej liczby publikacji.
Oznacza to, że przyspieszenie produkcji publikacyjnej nie idzie w parze z wyraźnym wzrostem otwartości.
W praktyce decyzja o publikacji w modelu Gold Open Access w Polsce często ma wymiar finansowy (APC rzędu kilkunastu tysięcy złotych), co może ograniczać skalę otwartości niezależnie od zmian technologicznych.
Można więc postawić ostrożną tezę, że nawet jeśli narzędzia AI zwiększają operatywność badaczy, nie zmieniają one automatycznie instytucjonalnych i finansowych uwarunkowań systemu publikacyjnego.
Ograniczenia badania
Po pierwsze, analizowane dane mają charakter zagregowany. Obejmują całkowitą liczbę publikacji z afiliacją w Polsce w wybranych dziedzinach, bez rozróżnienia na typ artykułu, jakość czasopisma czy charakter współautorstwa. Wzrost liczby dokumentów nie oznacza automatycznie wzrostu jakości ani wpływu.
Po drugie, przyjęcie roku 2022 jako punktu odniesienia ma charakter heurystyczny. Upowszechnienie narzędzi generatywnej AI (np. ChatGPT) nastąpiło pod koniec 2022 roku, ale proces publikacyjny jest rozciągnięty w czasie. Część tekstów opublikowanych w 2023 lub 2024 mogła być rozpoczęta znacznie wcześniej. Efekt technologiczny miesza się więc z efektem opóźnienia redakcyjnego.
Po trzecie, wzrost liczby publikacji może mieć wiele alternatywnych wyjaśnień: efekt odbicia po pandemii, presję ewaluacyjną, politykę grantową, zmiany w finansowaniu uczelni, rosnącą internacjonalizację czy intensyfikację współautorstwa. Dane nie pozwalają rozstrzygnąć, jaka część wzrostu – jeśli w ogóle – wynika bezpośrednio ze wsparcia AI.
Po czwarte, analiza Open Access nie uwzględnia modeli szczegółowych (Gold, Green, Hybrid) ani źródeł finansowania APC. Stabilność udziału OA może mieć charakter ekonomiczny, a nie technologiczny.
Podsumowanie – kilka osobistych refleksji
Kiedy zaczęłam analizować te dane, miałam w głowie pytanie: czy rzeczywiście widać wyraźny efekt generatywnej AI? Czy po 2022 roku nastąpiło coś, co można nazwać przełomem?
Pisząc ten wpis, musiałam się pilnować, żeby nie dopasowywać danych do modnej opowieści o technologicznej rewolucji. Liczby są bardziej stonowane niż medialne narracje. Być może generatywna AI rzeczywiście wspiera produktywność. A może przede wszystkim przyspiesza procesy, które już wcześniej były w toku.
W obu analizowanych dziedzinach widać przyspieszenie. Liczba publikacji rośnie. Nie jest to jednak gwałtowna eksplozja, lecz raczej wyraźne odbicie po okresie stagnacji i stopniowe zwiększanie tempa.
Jeszcze ciekawsze okazało się to, czego nie widać. Wzrost liczby publikacji nie idzie w parze ze wzrostem udziału Open Access. System produkuje więcej tekstów, ale nie zmienia swojej struktury w zakresie otwartości. To przypomina, że technologia może przyspieszać procesy, lecz niekoniecznie przekształca instytucjonalne reguły funkcjonowania nauki.
Dane nie pozwalają jednoznacznie odpowiedzieć, jaka część obserwowanego wzrostu wynika z wykorzystania narzędzi AI. Być może jest to efekt wielu nakładających się czynników: presji ewaluacyjnej, finansowania, międzynarodowej współpracy, a także wsparcia technologicznego.
Na razie zostaję z ostrożnym wnioskiem: coś się zmienia, ale system nauki jest bardziej złożony niż sugerują nagłówki.
Być może najlepszym podsumowaniem nie jest teza, lecz pytanie: na ile zmienił się system? A na ile zmieniliśmy się my — jako badacze?
Dodaj komentarz