"Am folosit ChatGPT" nu e suficient. Ce anume trebuie să divulgam, de fapt, pentru transparenta

24.07.2026

M-am mai lamentat pe tema asta și n-am de gând să mă opresc, pentru că lucrurile nu s-au rezolvat între timp: cred că abuzul de AI ne distruge, insidios, încet și politicos, capacitatea de a evalua rezultatele cercetării. Nu cercetarea în sine - aia, dacă e bună, rămâne bună. Ci evaluarea ei. Adică exact operațiunea prin care ne dăm seama ce competențe are un om, cât a muncit, ce merit are și ce anume putem construi mai departe pe umerii lui.

Și, ca să fiu foarte clar de la început: nu am nicio problemă cu AI-ul. Am o problemă cu ceața.

Ce văd de pe scaunul de editor

Cu pălăria de Editor-in-Chief - acum la Intelligence, dar și înainte, la alte reviste importante ale domeniului - ajung să văd manuscrise în care AI-ul a fost implicat undeva, cumva, la un moment dat. Uneori se vede (cadența aia, "este important de menționat că", politețea robotică turnată peste non-conținut - am scris despre asta altundeva). Alteori nu se vede deloc și tocmai asta e problema.

Pentru că treaba unui editor și a unui recenzor nu e să facă poliție. Treaba lui e să răspundă la o întrebare simplă: pot să am încredere în ce scrie aici? Iar ca să răspund la întrebarea asta trebuie să știu ce a făcut mașina și ce a făcut omul. Nu ca să pedepsesc pe cineva, ci ca să știu unde să mă uit cu lupa.

Când un autor îmi scrie în metodologie „am utilizat ChatGPT pentru codarea răspunsurilor deschise", eu nu am aflat nimic. Am aflat că a existat un instrument. Nu am aflat care instrument. "ChatGPT" poate să însemne GPT-4, poate să însemne GPT-4o, poate să însemne o versiune marcată cu timestamp (gpt-4o-2024-11-20), poate să însemne un model care între timp a fost retras de pe piață fără ca cineva să fie obligat să anunțe pe cineva. Llama vine în mărimi diferite în cadrul aceleiași versiuni - 8 miliarde de parametri versus 70 de miliarde - iar diferențele de performanță între ele nu sunt cosmetice, sunt uriașe. Același model, accesat prin API sau prin interfața web, se poate comporta diferit (în mod special, dar nu numai, în caracteristicile stohastice), pentru că în spate sunt system prompts diferite și straturi de siguranță diferite.

Ca psihometrician, îmi vine să îmi smulg părul (glumă în sine, pentru cei care mă știu, haha). Niciunul dintre noi n-ar accepta într-un manuscris fraza "am administrat un test de inteligență". Ce test? Ce ediție? Ce formă? Ce etalon, din ce an, pe ce populație? Cine a administrat, individual sau colectiv, cu ce instructaj? Dacă un doctorand mi-ar scrie într-o teză "am măsurat inteligența cu un instrument standardizat", i-aș returna capitolul cu un zâmbet larg și cu o listă de întrebări (și poate cu niște comentarii iritate, deh, mai fac și dinastea). Dar "am folosit ChatGPT" trece. De ce? Pentru că e nou și pentru că încă n-am apucat să ne enervăm suficient.

Și de pe scaunul de profesor

Cu cealaltă pălărie, cea de coordonator de licențe, disertații și teze de doctorat, problema e și mai acută, pentru că miza e certificarea. Când semnez că un om poate face ceva, eu fac o promisiune publică - angajatorului lui, clientului lui, pacientului lui viitor. Iar dacă nu știu ce a făcut el și ce a făcut mașina, promisiunea aia e o bancnotă fără acoperire.

Ce mi se pare interesant e că studenții buni - ăia chiar buni - au început singuri să-mi spună. "Am folosit Claude ca să-mi structurez secțiunea de rezultate, uite ce i-am cerut, uite ce mi-a dat, uite ce am schimbat". Ăștia nu se tem. Se tem cei care au ceva de ascuns - și, culmea ironiei, exact ei sunt cei care au mai mult de ascuns decât doar utilizarea AI-ului.

Soluția nu e interdicția, ci transparența (dar transparența serioasă)

Am spus-o și o repet: utilizarea AI în cercetare nu e ilegitimă. Dimpotrivă - e un instrument important, în anumite sarcini e un instrument foarte bun, iar la ora asta e de-a dreptul stupid să nu-l folosești. La fel cum ar fi fost stupid să refuzi SPSS-ul în anii '90 pe motiv că ne strică mâna la calculat manual radicali de sume de pătrate.

Dar - și aici e tot nodul - exact ca la orice alt instrument științific, trebuie să divulgi utilizarea lui - nu ca penitență, ci ca parte a metodologiei. Și atunci vine întrebarea care mi se pune constant, de obicei cu o oarecare iritare: "Bun, domnu' profesor, dar ce anume să divulg? Că l-am folosit?"

Păi evident că nu, asta nu e suficient, nici pe departe. "Am folosit AI" e echivalentul lui "am făcut niște statistici". Ce trebuie divulgat este tot ce face munca ta reproductibilă - sau, ca să fiu onest cu limitele, tot ce o face auditabilă (Palmer et al., 2024).

Lista. Sau: lasă gargara, dă-ne în sfârșit ceva concret

Aici intervine motivul pentru care scriu textul ăsta acum. Tocmai a apărut în Nature Human Behaviour un checklist care face exact treaba asta, se cheamă GUIDE-LLM (Feuerriegel et al., 2026) - "guidelines for the use of LLMs in behavioural and social science".

Două lucruri îmi plac la el înainte de conținut. Primul: nu e opinia unui om supărat pe internet (rol pe care, recunosc, îl ocup eu însumi cu oarecare regularitate). E rezultatul unui studiu Delphi preînregistrat, în două runde - 68 de experți în prima rundă, 80 în a doua - cu un prag de consens stabilit dinainte la peste două treimi din voturi. Ce n-a trecut pragul a fost scos din listă, nu strecurat pe la subsol. Al doilea: are în jur de 75 de autori și totuși a ieșit un document scurt și utilizabil, ceea ce în domeniul ăsta e aproape un miracol biblic.

Checklist-ul are 14 itemi. Îi rezum aici în românește, pe grupe:

Versiunea online mai are și o listă de itemi opționali, care n-au trecut pragul de consens dar au fost considerați valoroși de mulți experți: justificarea alegerii modelului, rațiunea din spatele designului de prompt, comparația cu alte modele (adică: concluziile tale sunt despre lume sau despre GPT-4?), riscul de contaminare a datelor de antrenament, evaluarea bias-ului, transcrierile conversațiilor, implicațiile etice și consumul de resurse computaționale.

Paranteză, cu tot respectul și fără răutate: secțiunea de conflicte de interese a articolului e mai lungă decât unele dintre articolele mele. Aproape toată lumea de acolo a primit bani de la Google, OpenAI, Meta, Microsoft sau Amazon. Faptul că au declarat tot, item cu item, e exact ilustrarea principiului pe care îl propun. Asta se cheamă să-ți mănânci propria "mâncare de câine" (eat your own dogfood, cum zic americanii, un fel de "ți-ai facut-o singur, na, trăiește cu asta!").

„Da, dar AI e un sistem stohastic, deci transparența e degeaba, căci nimic nu e reproductibil"

Asta e contra-obiecția pe care o aud cel mai des și e cea mai leneșă (cognitiv) dintre toate.

Da, știm că AI e stohastic. Modelele produc rezultate diferite la prompturi identice. Temperatura controlează cât de aleatoare sunt răspunsurile. Iar dacă (cum cred unii novici în domeniu) crezi că ai rezolvat problema setând temperatura la zero, tot nu ai rezolvat-o: outputul poate să varieze în continuare din cauza nedeterminismului la nivel de hardware. Mai rău, unele modele de frontieră (GPT-5, de exemplu sau Fable-5 și alte modele din clasa Mythos-5) nici măcar nu mai permit setarea temperaturii - adică până și setul de parametri disponibili pentru reproductibilitate se schimbă în timp. Iar datele de antrenament sunt, în general, o cutie neagră.

Perfect. Și acum ce facem? Pai, na, eu aș spune că argumentul „e stohastic, deci nu are rost să raportez" are exact structura logică a lui „oricum toți mor până la urmă, deci n-are rost să mă spăl pe dinți". Faptul că reproductibilitatea perfectă e imposibilă nu anulează obligația de raportare - o face mai importantă. Noi raportăm de decenii lucruri care nu garantează replicarea exactă: seed-uri, ordinea de prezentare a itemilor, ora din zi la care s-a făcut testarea, softul și versiunea folosite pentru estimarea unui model. Nu le raportăm pentru că garantează ceva. Le raportăm pentru că fără ele nici măcar nu putem începe conversația despre de ce nu s-a replicat.

Autorii spun exact asta, și îmi place că o spun fără triumfalism: raportarea temperaturii, a seed-urilor și a celorlalte setări nu garantează reproductibilitatea completă, ci e un prim pas necesar către transparență (Demszky et al., 2023). Un prim pas. Atât. Dar unul fără de care nu există pasul doi.

Bref ...

Ce mi se pare valoros la GUIDE-LLM nu e că e revoluționar - nu e, și nici nu pretinde să fie. E că mută discuția din zona morală ("e voie sau nu e voie?", "ne prinde sau nu ne prinde?") în zona metodologică, unde ne pricepem și unde avem deja instrumente și reflexe. Nu îți spune ce model să folosești. Nu îți spune la ce ai voie să-l folosești. Îți spune doar ce trebuie să scrii ca să pot eu, de pe scaunul de editor, de recenzent sau de coordonator, să înțeleg ce ai făcut.

Pentru mine, ca editor, direcția e clară și nu cred că mai e mult până când o vom vedea în instrucțiunile pentru autori la majoritatea jurnalelor serioase. Pentru mine, ca profesor, e și mai simplu: din anul universitar următor am de gând să le cer studenților mei exact lista asta, adaptată și o să mă fac luntre și punte ca universitatea mea sau măcar facultatea mea să adopte GUIDE-LLM ca model. Nu ca "să-i prind", ci ca să-i învăț că un instrument nedeclarat nu e un instrument, e o vrajă - și noi nu facem vrăjitorie, facem știință.

Iar dacă cineva se supără că trebuie să scrie două paragrafe în plus în metodologie: dragă coleg, ai scris odată trei pagini despre procedura de traducere-retroversiune a unui chestionar. Hai că poți și asta.

Referințe

Feuerriegel, S., Barrie, C., Crockett, M. J., Globig, L. K., McLoughlin, K. L., Mirea, D.-M., Spirling, A., Yang, D., Althoff, T., Antoniak, M., Argyle, L. P., Ashokkumar, A., Atari, M., Bailey, H., Bauer, K., Bhatt, U., Chai, Y., Chakraborty, T., Chandra, Y., ... Horta Ribeiro, M. (2026). A reporting checklist for large language models in behavioural science. Nature Human Behaviour, 10(7), 1182–1186. https://doi.org/10.1038/s41562-026-02492-7

Demszky, D., Yang, D., Yeager, D. S., Bryan, C. J., Clapper, M., Chandhok, S., Eichstaedt, J. C., Hecht, C., Jamieson, J., Johnson, M., Jones, M., Krettek-Cobb, D., Lai, L., Jones Mitchell, N., Ong, D. C., Dweck, C. S., Gross, J. J., & Pennebaker, J. W. (2023). Using large language models in psychology. Nature Reviews Psychology, 2(11), 688–701. https://doi.org/10.1038/s44159-023-00241-5