Fałszywe opinie generowane przez AI: skala problemu i metody wykrywania

Fałszywe opinie generowane przez AI to recenzje napisane przez modele językowe i publikowane jako głos klientów, którzy z produktu nie korzystali. Badania pokazują, że ich udział rośnie od połowy 2023 r., a ludzie nie potrafią ich wiarygodnie odróżnić od prawdziwych. Dlatego wykrywanie przesuwa się z analizy stylu tekstu na weryfikację transakcji i zachowania kont.

Co generatywna AI zmieniła w rynku fałszywych opinii

Przed upowszechnieniem modeli językowych fałszywe opinie miały naturalne ograniczenie: ktoś musiał je napisać. Pośrednik zatrudniał autorów, a koszt i czas pracy rosły z każdą recenzją. Teksty pisane na akord często się powtarzały, zawierały błędy i ten sam zestaw zwrotów, co ułatwiało ich wychwycenie.

Generatywna AI usunęła większość tych barier. Model językowy w kilka sekund pisze recenzję w dowolnym tonie, długości i języku, z „osobistymi” szczegółami i drobną uwagą krytyczną dla uwiarygodnienia. Bariera językowa, która chroniła mniejsze rynki, takie jak polski, praktycznie zniknęła.

Granica nie przebiega jednak między tekstem „ludzkim” a „maszynowym”. Klient, który poprosił narzędzie AI o poprawienie stylu własnej recenzji, nadal opisuje prawdziwe doświadczenie. Według informacji z grudnia 2024 r. Amazon i Trustpilot dopuszczają opinie pisane z pomocą AI, jeśli odzwierciedlają rzeczywiste doświadczenie autora, a Yelp przyjął ostrzejszą zasadę i wymaga, by recenzent pisał treść samodzielnie. Pokrewny problem syntetycznych zdjęć „od klientów” omawiamy w tekście o UGC generowanym przez AI.

Fałszywe opinie AI w liczbach: co pokazują dane

Dane o fałszywych opiniach AI pochodzą z różnych źródeł i mierzą różne rzeczy: jedne szacują udział podejrzanych recenzji w próbie, inne raportują, ile opinii usunęła platforma, jeszcze inne badają deklaracje konsumentów. Nie należy ich do siebie dodawać ani porównywać wprost.

Polski raport omawiamy szerzej w teczce o fałszywych opiniach z AI w polskim e-commerce, a metodologię i wyniki raportów platformy – w teczce o raporcie przejrzystości Trustpilot. Skalę działań Google przy blokowaniu recenzji w Mapach pokazuje teczka o setkach milionów zablokowanych opinii.

Z danych wynika jeden wspólny wniosek: problem nie jest marginalny, a duże platformy wykrywają większość nadużyć automatycznie, zanim opinie zobaczą użytkownicy. Mniejsze serwisy i sklepy z własnym formularzem opinii nie mają takiej infrastruktury i są przez to łatwiejszym celem.

Dlaczego to problem także dla uczciwych firm

Fałszywe opinie AI szkodzą nie tylko konsumentom, którzy kupują na ich podstawie. Uderzają też w firmy, które zbierają recenzje rzetelnie. Gdy klienci wiedzą, że wiarygodnie brzmiącą opinię można wygenerować w kilka sekund, zaczynają podchodzić podejrzliwie do wszystkich pochwał – również prawdziwych.

W takim otoczeniu rośnie wartość sygnałów, których nie da się łatwo podrobić: oznaczenia zakupu powiązanego z zamówieniem, zdjęć z użycia produktu, rzeczowych odpowiedzi firmy na krytykę, naturalnego rozkładu ocen z opiniami trzy- i czterogwiazdkowymi. Profil bez jednej negatywnej recenzji coraz częściej budzi nieufność zamiast zachwytu. Jak budować system opinii odporny na te zmiany, pokazujemy w przewodniku po opiniach klientów w marketingu.

Dlaczego detektory tekstu AI nie wystarczą

Naturalnym odruchem jest „przepuszczenie” podejrzanych opinii przez detektor tekstu generowanego przez AI. W przypadku recenzji ta metoda ma poważne ograniczenia:

• Krótkie teksty. Większość opinii ma kilka zdań, a detektory potrzebują dłuższego materiału, by ocenić styl z rozsądną pewnością.
• Fałszywe alarmy. Ludzie piszący poprawnie, schematycznie lub w drugim języku bywają oznaczani jako „AI”. Usunięcie prawdziwej opinii na tej podstawie zniekształca obraz firmy.
• Łatwe obejście. Wystarczy poprosić model o dodanie literówek, potocznego języka czy błędu interpunkcyjnego.
• Opinie hybrydowe. Klient pisze szkic, AI go wygładza – detektor widzi tekst maszynowy, choć doświadczenie jest prawdziwe.

Badacze wskazują jednak pewne cechy, które mogą sygnalizować tekst wygenerowany masowo: recenzje dłuższe niż przeciętna, mocno uporządkowane, pełne ogólnych określeń bez treści i powtarzalnych formuł w rodzaju „pierwsze, co rzuciło mi się w oczy”. Firma Pangram Labs, która rozwija detektory tekstu, zauważyła, że część takich opinii na Amazonie trafiała wysoko w rankingu przydatności – właśnie dlatego, że wyglądały na wyczerpujące.

W 2025 r. Mozilla zamknęła popularną wtyczkę Fakespot, co ograniczyło dostęp konsumentów do automatycznej oceny opinii. Co zostało na rynku, omawiamy w przeglądzie narzędzi do wykrywania fałszywych opinii.

Jak platformy wykrywają fałszywe opinie generowane przez AI

Duże serwisy nie opierają się na jednym sygnale. Łączą kilka warstw, z których analiza treści jest tylko jedną:

1. Sygnały behawioralne konta – wiek konta, liczba opinii, tempo ich dodawania, urządzenie, lokalizacja, powiązania z innymi kontami.
2. Analiza sieci – grupy kont, które oceniają te same firmy w podobnym czasie, często tworzą wyraźne klastry.
3. Weryfikacja transakcji – sprawdzenie, czy autor rzeczywiście kupił produkt lub skorzystał z usługi.
4. Anomalie w profilu firmy – nagły skok liczby opinii, zmiana rozkładu ocen, wysyp recenzji po dłuższej ciszy.
5. Modele językowe po stronie obrony – klasyfikatory uczone na usuniętych wcześniej opiniach, wyłapujące powtarzalne wzorce.
6. Moderacja ludzka – przy przypadkach granicznych i odwołaniach.

Platformy współpracują też ze sobą. Amazon, Trustpilot, Glassdoor, Tripadvisor, Expedia i Booking.com założyły w 2023 r. Coalition for Trusted Reviews, która ma ułatwiać wymianę informacji o metodach nadużyć. Badaczka Sherry He z Michigan State University zwraca uwagę, że skuteczniej jest ścigać wzorce zachowań nieuczciwych podmiotów niż karać każde użycie AI przez recenzentów.

Co może zrobić sklep lub firma usługowa

Firma z własnym systemem opinii nie zbuduje infrastruktury dużej platformy, ale może podnieść koszt nadużyć na tyle, by przestały się opłacać.

Do analizy dużej liczby prawdziwych recenzji AI jest bardzo przydatna – pozwala wyłapać tematy, skargi i pomysły na ulepszenia. Jak to robić, opisujemy w tekście o analizie opinii z pomocą AI. Zasady moderacji treści muszą jednak pozostać przejrzyste: usuwanie opinii tylko dlatego, że detektor uznał je za „sztuczne”, niesie ryzyko zarzutu, że firma pozbywa się niewygodnej krytyki.

Do rozpoznawania podejrzanych recenzji w cudzych profilach – np. przy analizie konkurencji – przyda się lista sygnałów z artykułu o tym, jak rozpoznać fałszywą opinię.

Prawo: narzędzie się zmieniło, zakaz pozostał

Przepisy nie rozróżniają fałszywych opinii według narzędzia, którym je napisano. W Polsce od 1 stycznia 2023 r. zamieszczanie lub zlecanie nieprawdziwych opinii konsumentów w celu promowania produktów jest praktyką zakazaną w każdych okolicznościach. Za praktykę naruszającą zbiorowe interesy konsumentów Prezes UOKiK może nałożyć karę do 10% obrotu. Szczegóły i dotychczasowe decyzje omawiamy w artykule o fałszywych opiniach a prawie.

W USA Federalna Komisja Handlu (FTC) od 21 października 2024 r. stosuje regułę o opiniach konsumentów, która wprost obejmuje recenzje generowane przez AI i przypisane osobom nieistniejącym lub takim, które nie miały doświadczenia z produktem. W 2024 r. FTC wystąpiła też przeciwko firmie Rytr, której narzędzie do generowania „opinii i referencji” miało służyć do masowego tworzenia recenzji. Pierwsze działania na podstawie nowej reguły opisuje teczka o ostrzeżeniach FTC z Consumer Review Rule.

Osobne obowiązki przejrzystości przy treściach tworzonych przez AI wynikają z unijnego aktu o sztucznej inteligencji. Nie legalizują one fałszywych opinii – oznaczenie „wygenerowano przez AI” nie zmienia faktu, że recenzja nie pochodzi od klienta. Co AI Act zmienia w marketingu, wyjaśniamy w tekście o oznaczaniu treści AI od 2 sierpnia 2026 r..

Plan działania: ochrona profilu w pięciu krokach

1. Sprawdź, czy opinię w Twoim sklepie może dodać osoba bez zakupu – jeśli tak, zamknij tę drogę i oznacz recenzje zweryfikowane zakupem.
2. Ustaw limity i alerty: maksymalna liczba opinii z jednego konta lub urządzenia, powiadomienie przy nietypowym skoku liczby recenzji.
3. Spisz regulamin moderacji i prowadź rejestr odrzuconych opinii z podaniem powodu.
4. Zapisz w umowach z agencjami i twórcami zakaz generowania i kupowania opinii – również „testowych”.
5. Raz w miesiącu przejrzyj nowe opinie pod kątem powtarzalnych sformułowań i fal recenzji, także w zewnętrznych serwisach, w których firma ma profil.