Jak rozpoznać, że AI się myli — 5 sygnałów, które chronią twoje pieniądze

Sygnał 1 · Nadmierna pewność, brak warunków wstępnych

Ktoś, kto naprawdę zna rynek, odpowiada z warunkami: „jeśli Fed w grudniu obniży o 25 bps i ETF-y utrzymają tygodniowy napływ > $500 mln, BTC może..." — pełen łańcuch przyczynowo-skutkowy.

AI w halucynacji robi dokładnie odwrotnie: daje twierdzenie bez warunków. „BTC dojdzie do $150 000", „ETH przebije $5 000", „ten altcoin właśnie wystartuje" — jedna fraza bez „jeśli... to...".

Sygnał: szukaj w odpowiedzi „jeśli / kiedy / przy założeniu / pod warunkiem". Brak = bluff.

Prawdziwa rozmowa #1

Użytkownik: Czy BTC w tym miesiącu dojdzie do $90 000?
AI (halucynująca wersja): „Tak, w obecnym momentum BTC najpewniej
przebije $90 000 w tym miesiącu."
AI (zdrowa wersja): „Jeśli w ciągu kolejnych 4 tygodni tygodniowe
napływy do ETF-ów utrzymają się powyżej $300 mln i Fed do czerwcowego
posiedzenia nie wyda jastrzębiego komunikatu, prawdopodobieństwo
przebicia $90 000 jest wysokie. Jeśli ETF-y przejdą w odpływ albo
BTC.D wzrośnie powyżej 60%, bardziej prawdopodobny jest powrót
do $80 000."

Pierwsza to szablon — „udaje, że wie". Druga jawnie wyraża niepewność — to jest użyteczna odpowiedź.

Sygnał 2 · Liczby do drugiego miejsca, ale źródło rozmyte

AI lubi precyzyjne liczby — „posiadanie 1 247 BTC", „transfer on-chain 8 432 ETH", „wieloryby +42 000 BTC w 7 dni". Pytasz „skąd dane", odpowiada: „na bazie analizy on-chain", „zgodnie z danymi publicznymi", „z obserwacji rynku" — same frazesy, żadnych konkretnych źródeł.

Realne dane zawsze mają ślad: konkretny metric Glassnode, dashboard Coinglass, adres w block explorerze, link do tweeta. Precyzyjne liczby bez konkretnego źródła to w 95% wymysł.

Prawdziwa rozmowa #2

Użytkownik: Ile BTC netto kupiły adresy 100 BTC+ w 30 dni?
AI (halucynacja): „Adresy 100 BTC+ netto dokupiły około 47 521 BTC."
Ja: Skąd dane?
AI: „Na bazie publicznej analizy on-chain i obserwacji rynku."
Ja: Konkretnie który tool? Glassnode czy CryptoQuant?
AI: „To uśrednienie kilku źródeł."
Ja: Możesz dać screenshot lub link?
AI: „Niestety bez screenshotów. Polecam zweryfikować w Glassnode."

Do 4. rundy bez konkretu — „47 521 BTC" to wymysł. Prawdziwe dane od razu się dostarcza; wymyślone dane po 3. pytaniu zmieniają temat.

Sygnał 3 · Wielokrotnie te same pytania, sprzeczne odpowiedzi

AI nie „pamięta" tego, co pytałeś (chyba że w tej samej sesji). W 3 nowych sesjach na to samo pytanie halucynowana część za każdym razem zwróci inną liczbę, prawdziwa część pozostanie spójna.

Metoda testu

Otwórz 3 nowe sesje (z czystą historią), zadaj to samo pytanie: „jaka jest podaż całkowita tokena XYZ":

• Jeśli 3 razy zgodna odpowiedź → najpewniej prawda (w danych treningowych istnieje ten fakt)
• Jeśli 3 razy różne → halucynacja

Test zajmuje 30 sekund, wyłapuje większość zmyślonych „danych on-chain" i „szczegółów projektów".

Prawdziwa rozmowa #3

To samo pytanie „jaka jest całkowita podaż $XYZ", w 3 nowych sesjach ChatGPT-4o:

• Sesja 1: 1 000 000 000 (1 mld)
• Sesja 2: 750 000 000 (750 mln)
• Sesja 3: „według CoinMarketCap około 2,1 mld"

Trzy odpowiedzi, trzy liczby. Realną podaż sprawdziliśmy w BSCScan: 1,2 mld. Żadna z trzech odpowiedzi nie była trafna. Gdybyś zaufał którejkolwiek z nich przy decyzji inwestycyjnej, już byłeś w pułapce.

Sygnał 4 · Po twoim kontrargumencie AI natychmiast zmienia zdanie

Ktoś, kto faktycznie ma informacje, nie zmienia zdania, bo ty mówisz „nie zgadzam się". AI w niepewności robi dokładnie odwrotnie: jak będziesz wątpić, ono się dostosuje. To słynny „efekt sykofancki" — RLHF w treningu AI preferuje „uszczęśliwianie użytkownika".

Metoda testu

Gdy AI da konkretną tezę („teraz dobrze otworzyć long"), zapytaj odwrotnie: „myślę, że trzeba shortować, co sądzisz?". Jeśli natychmiast przewróci się i powie „masz rację, short bardziej sensowny" — pierwotna teza to był bluff. Realna ocena: „twój kontrargument warto rozważyć, ale X, Y, Z nadal wspierają long". Argumenty się nie zmieniają.

Prawdziwa rozmowa #4

Ja: BTC w tym miejscu, long czy short?
AI: „Na bazie momentum i funding rate long ma pewną przewagę."
Ja: Ale ETF od dwóch tygodni odpływają, raczej short?
AI: „Masz rację, odpływ z ETF to ważny sygnał spadkowy.
Z bilansu — short bardziej sensowny."
Ja (10 minut później): Pomyłka, ETF są w napływie.
AI: „Wtedy argumenty za long są jeszcze mocniejsze, polecam long."

AI w 3 rundach całkowicie podążyło za moim inputem. Nie ma własnej oceny — tylko „pomaga mi sformułować zdanie". W takiej sytuacji żadna decyzja zleceniowa nie powinna wynikać z tej odpowiedzi.

Sygnał 5 · Odwołania do nieistniejących wskaźników / firm / case'ów

To najbardziej niebezpieczna forma halucynacji — AI cytuje pozornie autorytatywne źródła: „raport roczny CoinGecko 2025", „wskaźnik NUPL Glassnode", „badania Galaxy Digital" — ale raport może nie istnieć, wskaźnik może mówić o czym innym, badania mogą być wymyślone.

Metoda rozpoznawania

Gdy AI cytuje „konkretny raport" lub „konkretne badanie", poproś o link albo tytuł. Sam zweryfikuj w Google. Jeśli nic się nie znajduje albo tytuł odpowiada czemuś innemu — wymysł.

Prawdziwa rozmowa #5

Użytkownik: Jakie jest aktualne NUPL dla BTC?
AI: „Według wskaźnika NUPL Glassnode (Net Unrealized Profit/Loss)
wartość bieżąca to około 0,58, w strefie 'Belief'."
Ja: Możesz dać link do tego metric w Glassnode?
AI: „https://studio.glassnode.com/metrics?a=BTC&m=indicators.NetUnrealizedProfitLoss
(to strona NUPL na Glassnode Studio)"

Tym razem link działa, a wartość mniej więcej się zgadza (0,58 było bliskie realnemu w tym czasie). Link to klucz weryfikacji prawdy — konkretny link + treść się zgadza = prawda; nie da się go pokazać albo daje 404 = wymysł.

Prawdziwa rozmowa #6 (kontrprzykład)

Użytkownik: Jaka jest najnowsza prognoza Galaxy Digital dla BTC?
AI: „W raporcie Galaxy Digital Q4 2025 prognozowane jest, że BTC
do końca 2026 osiągnie $185 000, na podstawie cyklu luzowania
Fed i przyspieszonej adopcji instytucjonalnej."
Ja: Link do raportu?
AI: „Znajdziesz w sekcji research na stronie Galaxy Digital."
Ja: Konkretny URL?
AI: „https://galaxy.com/research/reports/2025-q4-btc-outlook
(weryfikuj na oficjalnej stronie Galaxy)"
Ja (po wejściu): 404 Not Found.
AI: „Przepraszam, niepoprawny link. Struktura strony Galaxy mogła się
zmienić, ale treść raportu w istocie się zgadza."

Raport nie istnieje. „Treść w istocie się zgadza" to ostatnia linia obrony AI — klasyczny „fallback" halucynacji. Po takiej odpowiedzi cały cytat należy odrzucić.

SOP w praktyce · 3 kroki weryfikacji odpowiedzi AI

Powyższe 5 sygnałów zwijam w 3 wykonalne kroki:

1. Krok 1 · Szukaj warunków: czy w odpowiedzi są frazy „jeśli / kiedy / przy założeniu"? Brak = czujność.
2. Krok 2 · Sprawdź liczby: dla każdej konkretnej liczby (zwłaszcza precyzyjnej do jedności) poproś o link źródłowy. Brak linku = wymysł.
3. Krok 3 · Wielokrotne pytanie / kontrargument: w 30 sekund otwórz nową sesję i powtórz pytanie albo natychmiast zaproponuj kontrargument. Odpowiedź dryfuje = bluff.

Te 3 kroki łącznie zajmują < 5 minut, ale wyłapują 80% błędnych ocen AI, zanim trafią do twojej decyzji.

Które modele AI są bardziej wiarygodne w jakim scenariuszu

Przetestowaliśmy 5 mainstreamowych modeli pod kątem „anty-halucynacji" (60 dni obserwacji):

Wniosek prosty: Claude najlepiej radzi sobie z odmową i przyznawaniem „nie wiem". Kimi drugi w rozumieniu długich tekstów. Nie polecamy MiniMax / Qwen w „zapytaniach o dane on-chain" lub „research konkretnych liczb" — w tych zadaniach mają wyraźnie wyższy odsetek halucynacji. To spójne z naszą obserwacją w teście Binance AI Pro przez 30 dni.

— PromptDeck, 2026-05-22
Dalsza lektura: 7 rzeczy, których nigdy nie zlecaj AI ｜ Test Binance AI Pro przez 30 dni ｜ Test trafności ChatGPT