Odpowiedź AI może brzmieć pewnie, nawet gdy wymaga sprawdzenia.

To jedna z najważniejszych zasad korzystania z modeli AI. Model może sformułować płynną, logiczną i przekonującą odpowiedź, ale sama forma odpowiedzi nie jest dowodem jej poprawności. W pracy z danymi miejskimi podstawą zawsze pozostaje źródło: zbiór danych, jego opis, data aktualizacji, metoda zbierania i zakres informacji.

AI może pomóc zrozumieć dane. Może zaproponować pytania, podsumować tabelę, wyjaśnić pojęcia albo wskazać możliwe kierunki analizy. Nie powinna jednak zastępować samego sprawdzania danych.

Model nie jest bazą danych

Model AI nie działa tak samo jak katalog danych, rejestr publiczny czy baza statystyczna. Gdy odpowiada na pytanie, generuje tekst na podstawie wzorców, instrukcji i dostępnego kontekstu. Jeżeli nie otrzyma konkretnego zbioru danych albo jego opisu, może udzielić odpowiedzi ogólnej.

Taka odpowiedź może być użyteczna jako wprowadzenie do tematu, ale nie jest dowodem na stan faktyczny. Jeżeli pytamy o liczbę obiektów, aktualny wskaźnik, datę, lokalizację albo zmianę w czasie, trzeba wrócić do źródła.

W otwartych danych źródłem jest opublikowany zbiór, jego metadane, plik, API, raport lub dokumentacja. To tam należy sprawdzić, czy dane są aktualne, kompletne i czy rzeczywiście odpowiadają na zadane pytanie.

Najczęstszy problem: zbyt szybkie wnioski

Dane miejskie często są kuszące, bo można z nich tworzyć mapy, wykresy i porównania. AI może dodatkowo przyspieszyć formułowanie wniosków. Właśnie dlatego trzeba zachować ostrożność.

Nie każda różnica w danych oznacza ważną zmianę. Nie każde sąsiedztwo dwóch zjawisk na mapie oznacza związek przyczynowy. Nie każdy brak wartości w tabeli oznacza brak zjawiska w rzeczywistości. Czasem oznacza tylko brak danych, inną metodę zbierania albo ograniczony zakres publikacji.

Model może pomóc nazwać takie ryzyka, ale użytkownik powinien je świadomie sprawdzić. W pracy z danymi równie ważne jak pytanie „co widać?” jest pytanie „czego nie wiemy?”.

Co warto sprawdzić u źródła?

Przed wykorzystaniem odpowiedzi AI warto wrócić do podstawowych informacji o zbiorze. Najpierw należy sprawdzić, kto opublikował dane i czego dokładnie dotyczą. Następnie warto zobaczyć datę aktualizacji, zakres czasowy, format, opis kolumn i ewentualne ograniczenia.

Jeżeli dane mają być pokazane na mapie, trzeba sprawdzić także sposób zapisania lokalizacji. Jeżeli mają służyć do porównania dzielnic, trzeba upewnić się, że zakres danych jest spójny. Jeżeli wynik ma być wykorzystany w raporcie, artykule lub aplikacji, warto zachować link do źródła i opisać, na czym opiera się wniosek.

To nie jest dodatkowa biurokracja. To warunek rzetelnego korzystania z danych.

AI jako pomocnik w kontroli jakości

Ostrożność wobec AI nie oznacza, że należy z niej rezygnować. Przeciwnie: dobrze użyty model może pomagać właśnie w sprawdzaniu jakości danych. Można poprosić go o wskazanie, jakie informacje trzeba zweryfikować przed analizą. Można zapytać, jakie błędy mogą wystąpić w pliku CSV, jakie kolumny są niezbędne do mapy albo czego brakuje w opisie zbioru.

Model może też pomóc przygotować listę pytań kontrolnych: czy dane mają datę aktualizacji, czy jednostki miary są opisane, czy wartości są kompletne, czy lokalizacja jest dokładna, czy zakres zbioru jest jasny.

W takim zastosowaniu AI nie zastępuje źródła. Pomaga użytkownikowi lepiej do niego wrócić.

Zaufanie buduje się przez sprawdzalność

Otwarte dane są wartościowe dlatego, że można je sprawdzić, pobrać, porównać i ponownie wykorzystać. Jeżeli odpowiedź modelu AI nie wskazuje, na jakich danych się opiera, trzeba traktować ją jako sugestię, a nie gotowy wniosek.

To szczególnie ważne w sprawach miejskich. Dane mogą dotyczyć transportu, usług publicznych, przestrzeni, środowiska, edukacji albo infrastruktury. W takich tematach lepiej sformułować ostrożniejszy wniosek oparty na źródle niż atrakcyjną odpowiedź, której nie da się zweryfikować.

Dobrą praktyką jest więc prosta zasada: AI może pomóc zrozumieć, ale źródło musi potwierdzić.

Podsumowanie

AI może być użytecznym narzędziem w pracy z otwartymi danymi miejskimi, ale nie jest samodzielnym źródłem prawdy. Odpowiedzi modelu trzeba sprawdzać w danych, dokumentacji, metadanych i raportach.

Najlepsze zastosowanie AI polega nie na zastępowaniu analizy, lecz na jej porządkowaniu. Model może pomóc zadać lepsze pytanie, wskazać możliwe błędy i przygotować pierwsze wyjaśnienie. Rzetelny wniosek powinien jednak zawsze wracać do źródła.