31 sierpnia 2026 · 2 min czytania

Dlaczego unikamy fraz „badania pokazują X%" bez wskazanego źródła

Dlaczego liczba w stylu „badania pokazują X%" bez wskazanego źródła nie buduje realnego zaufania — i co robimy zamiast niej.

Trafiłeś kiedyś na zdanie w stylu „badania pokazują, że 87% firm rodzinnych robi X"? Bez linku, bez nazwiska autora, bez roku, bez informacji, kogo właściwie zbadano. Taka liczba wygląda przekonująco — i to jest dokładnie problem. Na tej stronie nie zobaczysz jej w tej formie. Poniżej wyjaśniamy dlaczego.

Liczba bez źródła to obietnica, której nie da się sprawdzić

Samotny procent pełni tę samą funkcję co „wskaźnik pewności" (confidence score) w systemach AI: sygnalizuje „ufaj mi, to prawda", nie dając żadnego sposobu na weryfikację. A tu literatura jest dość spójna — zaufanie nie bierze się z samego zapewnienia o pewności wyniku; budują je przejrzystość i możliwość prześledzenia, skąd dana liczba pochodzi [3][8].

To nie jest niuans akademicki. Przeglądy zaufania do systemów wspomagających decyzje pokazują, że zaufanie nie sprowadza się do jednego sygnału — składają się na nie przejrzystość, atrybucja i możliwość zweryfikowania twierdzenia u źródła [6]. Bez tego „87%" jest nieodróżnialne od liczby, którą ktoś po prostu wymyślił.

Co robimy zamiast tego

Każde twierdzenie faktograficzne na tej stronie kończy się odnośnikiem do konkretnej pozycji — z autorem, rokiem i DOI. Dzięki temu możesz sam sprawdzić trzy rzeczy, których gołe „X%" nigdy Ci nie powie:

  • Kogo zbadano. Wynik z próby kilkudziesięciu specjalistów z jednej branży to nie to samo, co obserwacja z kilku ekspertów — a jedno i drugie bywa opisywane tym samym zwrotem „badania pokazują".
  • Kiedy i w jakim kontekście. Ustalenie z innej branży albo sprzed dekady niekoniecznie stosuje się do doboru interim managera w polskim MŚP.
  • Czy to w ogóle rozstrzyga. Część pytań, które zadają nam klienci, literatura po prostu nie rozstrzyga. W takich miejscach piszemy to wprost, zamiast łatać lukę wymyślonym procentem.

Ta ostatnia zasada jest najważniejsza. Łatwiej byłoby dopisać efektowną liczbę i zostawić ją bez przypisu. Ale przy doborze menedżera na poziomie C-level decyzja opiera się na tym, komu i czemu zaufasz — a zaufanie zbudowane na liczbie, której nie da się prześledzić, jest pozorne.

Dlatego przypis traktujemy nie jak ozdobnik, lecz jak warunek: jeśli twierdzenia nie da się przypisać do źródła, nie pojawia się na tej stronie jako fakt.

Ta zasada to fragment szerszego standardu, który rozwijamy w artykule „Każde twierdzenie na tej stronie ma źródło — bo w doborze C-level nie ma miejsca na zgadywanie".

Źródła

  • [3]Drivers of trust in AI across the domains of finance, law, and healthcare: a conjoint study — Thomas Ploug, A. Jørgensen, Soren Holm, 2026, AI & SOCIETYDOI ↗
  • [6]A Systematic Literature Review of User Trust in AI-Enabled Systems: An HCI Perspective — T. A. Bach, Amna Khan, Harry P. Hallock, Gabriel Beltrao, S. Sousa, 2022, International Journal of Human–Computer InteractionDOI ↗
  • [8]Trust in Artificial Intelligence: Meta-Analytic Findings — A. Kaplan, T. Kessler, J. C. Brill, P. Hancock, 2021, Human FactorsDOI ↗
Złóż brief projektowy →← Wszystkie artykuły