
Pomagam ekspertom, coachom, trenerom 40+ wejść z usługami do online i zacząć zarabiać na wiedzy na większą skalę.
Otwierasz LinkedIn rano.
Pierwszy post: „W dzisiejszych czasach, w obliczu wyzwań współczesnego rynku…”
Drugi: „Ostatnio coraz częściej widzę u moich klientów…”
Trzeci: „Warto zaznaczyć, że kluczowym aspektem skutecznego biznesu jest holistyczne podejście…”
Trzy posty, trzy różne osoby, jeden chatbot. Wszystkie pisane przez ChataGPT, wszystkie wyglądają jak ulane z tej samej formy. I wszystkie tracą zasięgi, bo LinkedIn od 2026 ucina treści oznaczone jako AI.
Problem w tym, że Ty piszesz tak samo. Nawet jeśli nie chcesz.
Wklejasz tekst do modelu, każesz „popraw”, a on ubiera Cię w te same dwadzieścia fraz, które publikuje pół Polski. Czytelnik wyczuwa to w trzy sekundy. Klient B2B traci zaufanie do eksperta, który brzmi jak każdy inny ekspert.
Postanowiłem zrobić z tym porządek. Zbudowałem skaner — bazę 120 fraz po polsku, które zdradzają AI, plus prompt do dowolnego LLM. Wkleisz dwa pliki i masz osobistego cenzora języka, który mówi: „tu napisałeś jak chatbot, popraw”.
Niżej masz wszystko. Listę fraz, gotowy prompt, trzy warianty wdrożenia. Cały setup zajmie Ci pięć minut.
Wykryjesz go szybciej, jeśli wiesz, czego szukać. Oto dziewięć kategorii, które AI nadużywa.
Zaczynasz tekst którąś z tych fraz — czytelnik już wyłączył uwagę.
Te udają osobistą historię, ale każdy widzi przez nie na wylot.
Skasuj wszystkie. Tekst stanie się krótszy i mocniejszy.
Kończ uderzeniem, nie podsumowaniem. Jedno mocne zdanie zamiast trzech akapitów rekapitulacji.
Każdy z nich wymaga liczby albo dowodu obok. „Innowacyjny kurs” = AI. „Pierwszy kurs w Polsce, który łączy AI z metodyką Kirkpatricka” = konkret.
Schemat „To nie X, to Y” pojawia się w co drugim tekście generowanym. Klasyczny sygnał.
Trzy przymiotniki obok siebie? Albo jeden zostaw, albo rozbij na dwa zdania. To samo z anaforą — trzy zdania pod rząd zaczynające się tak samo („Co Ci po systemie… Co Ci po metodzie… Co Ci po narzędziach…”) to zawsze AI.
Brzmi pięknie. Nie znaczy nic. Wytnij.
Plus: długi myślnik (—) zamiast półpauzy (-). Po polsku piszemy półpauzą. Długi myślnik to import z angielskiego, którym AI sypie bez opamiętania.
Cały system to dwa pliki tekstowe.
ai-phrases.json120 fraz w 10 kategoriach plus 8 reguł strukturalnych. Wygląda mniej więcej tak:
~ /skaner-ai/ai-phrases.json { "openers_explicit": { "severity": "high", "phrases": [ "W dzisiejszych czasach", "W erze cyfrowej", "Nie sposób nie zauważyć" ] }, "fillers_connectors": { "severity": "med", "phrases": [ "warto zaznaczyć", "kluczowym aspektem jest", "w praktyce oznacza to, że" ] } }
Pełna wersja ma 120 fraz. Pobierzesz ją z mojego repo (link na końcu).
system-prompt.mdInstrukcja, którą wklejasz modelowi:
~ /skaner-ai/system-prompt.md# SYSTEM PROMPT — Detektor zwrotów AI (polski) Jesteś detektorem zwrotów AI w polskim tekście. ZASADY: 1. Skanuj tekst pod kątem fraz z bazy poniżej. 2. Sprawdź reguły strukturalne (długi myślnik, triady, "To nie X, to Y", anafora x3, "Bez X. Bez Y. Tylko Z."). 3. Policz ai_score (high=15 pkt, med=7, low=3, cap 100). 4. Wydaj werdykt: human (0-20), mixed (21-50), ai (51-100). WYJĄTKI (nie flaguj): - "kluczowy/innowacyjny" + konkret obok = OK - Opener "ostatnio/często" + konkret w kolejnym zdaniu = OK OUTPUT: zwracaj tylko JSON, bez preambuły: { "ai_score": 47, "verdict": "mixed", "matches": [ {"phrase": "...", "context": "...", "fix": "..."} ], "rewrite_suggestion": "..." } BAZA FRAZ: {{tu wklej zawartość ai-phrases.json}}
Teraz masz trzy drogi wdrożenia.
Najszybszy. Działa w ChatGPT, Claude, Gemini, DeepSeek, Perplexity. Wszędzie tam, gdzie jest pole chatu.
Tyle. Jedno sprawdzenie zajmuje sekundy.
Jeśli skanujesz teksty codziennie, wariant 1 zaczyna męczyć. Zbudujesz własnego asystenta z wbudowaną bazą.
system-prompt.md.ai-phrases.json.system-prompt.md.ai-phrases.json.W obu przypadkach możesz wrzucać po kilka tekstów dziennie bez wczytywania bazy za każdym razem.
Jeśli chcesz, żeby skaner sprawdzał każdy draft maila przed wysyłką albo każdy post przed publikacją — wepnij go przez API. Przykład w Pythonie z Claude:
$ python skanuj.pyimport json import anthropic phrases = json.load(open("ai-phrases.json")) system_prompt = open("system-prompt.md").read().replace( "{{PHRASES_JSON}}", json.dumps(phrases, ensure_ascii=False) ) client = anthropic.Anthropic() def skanuj(tekst): resp = client.messages.create( model="claude-haiku-4-5-20251001", max_tokens=1500, system=system_prompt, messages=[{"role": "user", "content": tekst}] ) return json.loads(resp.content[0].text) raport = skanuj("W dzisiejszych czasach warto zaznaczyć...") print(f"Score: {raport['ai_score']}/100") print(f"Werdykt: {raport['verdict']}")
Działa analogicznie w OpenAI SDK i Google Generative AI. Wystarczy podmienić klienta.
Znalazłeś nową frazę, której nie ma w bazie? Dorzucasz ją do ai-phrases.json w odpowiedniej kategorii i tyle. Prompt automatycznie ją wykrywa przy następnym skanie. Nic więcej nie zmieniasz.
To nie jest produkt zamknięty — to żywa lista. Im więcej osób doda swoje frazy, tym lepszy się staje.
1. Pobierz pliki ai-phrases.json i system-prompt.md z repo: jacekwolniewicz.pl/skaner-ai
2. Wybierz wariant wdrożenia — wklej i używaj, custom GPT, albo API.
3. Przetestuj na trzech swoich ostatnich postach z LinkedIna. Zobacz, ile fraz publikujesz nieświadomie. Mnie to zaskoczyło przy własnych mailach z 2023 roku — ai_score 67 przy tekście, który uznawałem za swój.
4. Jeśli wykryłeś frazę, której nie ma w bazie — napisz w komentarzu albo wyślij mailem. Dorzucę w kolejnej wersji.
Skaner nie zastąpi Twojego głosu. Pokazuje tylko, gdzie go nie ma.
PDF 102 fraz frazy-ai-pelna-lista
ZIP z plikami dla llm skaner-ai