Outsourcujte své myšlení AI a bude vás nahrazovat

Šéf AI v Microsoftu, Mustafa Suleyman, nedávno sdílel děsivou předpověď: během následujících 12 až 18 měsíců, většina, nebo dokonce všechny, úřednické práce budou plně automatizovány umělou inteligencí. Pan Suleyman není první, kdo sdílí takový předpoklad (ano, mluvím o Dario Amodeim a jeho 5letém AI rozsudku pro svět), a určitě ne poslední. Ale rád bych sdílel kontroverzní názor: AI, ať už za 18 měsíců nebo pět let, nebude schopná nahradit úřednické pracovníky. Ale pokud přestaneme myslet, bude.

A nemluvím o tom, že by se AI neměla integrovat do většiny procesů, nebo že by nemohla pomoci lidem se jejich pracovní zátěží. To se již děje. Ale nahradit lidské myšlení, eliminovat lidský vstup, je úkol, který AI prostě není schopná zvládnout (pokud jsme jako lidé nebudeme nahrazovat naše rozhodovací mechanismy AI).

Proč lidské myšlení nemůže a nemělo by být outsourcováno

Existují tři konkrétní důvody, proč jsem přesvědčen, že AI nebude schopná nahradit lidské myšlení. Každý z nich je něco, co lidské mozky dělají jako samozřejmost, a každý z nich je něco, co AI, bez ohledu na její pokročilost, nemůže reprodukovat.

AI nemůže mít kontext, který má lidský mozek

Když člověk činí rozhodnutí, nedělá to, jako jazykový model, pouze předpovídá další slovo na základě obecné pravděpodobnosti. Čerpá z celého těla prožitých zkušeností zakódovaných napříč několika systémy najednou: naše osobní vzpomínky, naše naučené návyky a emoční zájmy těch okamžiků. Tento kolektivní minulost umožňuje mozku neustále odhadovat, co se stane dále, a aktualizovat své názory pouze tehdy, když realita prokáže, že jsou chybné. Kontext, jinými slovy, je substrát, na kterém je každá percepcí postavena.

Velký jazykový model funguje jinak. Jeho váhy pocházejí z konečného korpusu textu, na kterém byl vyškolován jednou a již na něj nemá přístup. Není žádný percepční smyčka, žádná predikční chyba ze světa, ve kterém musí žít. “Kontext”, který je k dispozici, je pouze to, co se nachází v okně promptu. Nikdy nevkročil do místnosti předtím. Takže když činíme rozhodnutí, které závisí na znalosti toho, co je normální zde, co přišlo předtím a co je na hře, běžíme předpovědi proti životnímu prožitku – osobnímu a generacím, které přišly před námi. Model je pattern-matching přes textové databáze. Dvě velmi odlišné operace a žádná škálování kontextových oken nezavírá mezery.

Znát jméno není totéž jako znát něco

Tato moudrost pochází od nositele Nobelovy ceny za fyziku Richarda Feynmana (nebo spíše od jeho otce). Věřil, že prostě zapamatovat si štítky nebo definice neznamená znát téma. Skutečné porozumění pochází z prožitku a pochopení.

Charlie Munger, americký podnikatel a investor, navrhl termín pro takový povrchový učební proces – “řidičské znalosti”. Anecdota za tím je o skutečném řidiči fyzika Maxe Plancka, který slyšel jeho přednášku o kvantové mechanice tak často, že si ji naučil nazpaměť. Poté nabídl, že ji přednese místo Plancka v Mnichově, což se mu podařilo. Ale když přišly otázky od publika, nebyl schopen odpovědět. A to je rozdíl mezi povrchovými “řidičskými znalostmi” a komplexním, získaným prostřednictvím let práce a boje, Planckovými znalostmi.

Dnešní velké jazykové modely jsou nejsophistikovanější řidiči, které jsme kdy postavili. Mohou recitovat kvantovou mechaniku, shrnout filozofii, vypracovat smlouvu a rýmovat slova. Ale něco, co vyžaduje zkušenost spíše než rozpoznávání vzorců, jako je znalost toho, proč značková pozice, která fungovala na jednom trhu, nevyhnutelně selže na dalším, je jedinečné pro lidi a je to, co skutečně pohání rozhodnutí.

Ale pochopit, proč značková pozice, která fungovala na jednom trhu, nevyhnutelně selže na dalším, nelze získat pouze rozpoznáváním vzorců. Zkušenost je jedinečná pro lidi a je to, co skutečně pohání rozhodnutí.

Stále je hlavní rozdíl mezi námi a AI není zpracování dat, ale vlastnictví

Schopnost lidí (nebo alespoň některých z nás) brát odpovědnost za činy, vlastnit důsledky, stud, učit se z nich a dělat vše možné, aby se situace neopakovala, a proto, aby se neopakovala bolest dalšího selhání – to je to, co dělá naše myšlení a naše rozhodování tak jedinečně odlišné od umělé inteligence.

AI necítí stud. Ani vinu. Nespaluje se nad rozhodnutím, které se ukázalo jako špatné. Nenese paměť ztracené dohody, kterou prosadil a která se nevyplatila, nebo strategie, kterou obhajoval na schůzi vedení a která postupně zničila hodnotu dva roky později. Model dá odpověď, odpověď se ukáže jako špatná, a model přechází k dalšímu promptu, jako by se nic nestalo (protože pro ně nic nestalo). Není žádný vnitřní náklad na to, být špatný, a proto není žádný tlak na to, být správný příště – něco, co skutečně pohání lidi, aby se vyvíjeli a zlepšovali.

Před deseti lety jsem pracoval ve venture kapitálu, analyzoval jsem začínající startupy a díval jsem se na autonomní vozidla. I tehdy byly robo-taxi prototypy statisticky bezpečnější než lidské řidiči. Technologie fungovala. Stále funguje v roce 2026. Tak proč naše města nejsou ještě zaplavena samořízenými vozidly? Protože odpovědnost za autonomní vozidlo není dostatečně jasná. Když dojde k nehodě, právní systém skutečně neví, koho obvinit – osobu, která přepnula přepínač, výrobce nebo vývojáře softwaru. Dokud nebude tato otázka zodpovězena, jsme uvízli. Technologie běží před rámec, který by ji měl pohltit.

Jak neztratit svou mysl (a práci) ve věku AI

Ačkoli skutečně věřím, že AI nemůže nahradit lidské myšlení, také vidím, jak lidé padají do pasti lákavé zkratky k výsledkům. Poprvé v historii opravdu nemusíte mít mozek, aby jste dostali odpověď. Stačí pouze zadat otázku. Tření, které nás dříve donutilo myslet, bylo odstraněno, což zní skvěle, dokud si neuvědomíte, že tření bylo celý bod.

A tady je místo, kde se otázka práce také vrací. AI nebude nahrazovat úřednické pracovníky jako kategorii. Ale bude nahrazovat konkrétní lidi, kteří outsourcovali所有 své myšlení. Pokud vyměníte soud, kontext a vlastnictví za rychlé odpovědi z chatovacího okna, přestanete být tím, kdo něco přináší na stůl. V té chvíli váš zaměstnavatel opravdu nepotřebuje vás. Může mluvit přímo s modelem.

Takže uchování vaší práce ve věku AI a uchování vaší mysli ve věku AI se redukuje na stejnou otázku. A níže jsou čtyři návyky, které potřebujete, abyste ji řešili.

AI by měla zvýšit zvědavost

Účinek AI na váš mozek závisí zcela na tom, jak ji používáte. Pokud jste zvědaví a ochotní kopat, AI se stává nejlepším učebním společníkem, jakého jste kdy měli. Lepším než Wikipedia, lepším než jakákoli kniha, protože může vysvětlit stejnou myšlenku pěti různými způsoby, dokud jedna z nich nefunguje, a následovat vás dolů do kteréhokoli králíka, jaký chcete. Nebo můžete požádat, aby vám pomohla lépe si zapamatovat informace – jako cvičení proloženého opakování, dokud skutečně nepochopíte koncept.

Pro někoho, kdo není zvědavý, AI dělá opak. Přechází myšlení, které měli dělat sami. Získávají výstup bez práce a práce byla celý bod. S časem tento sval atrofuje. Po průmyslové revoluci, kdy stroje učinily fyzickou práci méně častou, postavili jsme si tělocvičny, aby naše těla dostala to, co potřebují, aby se vyvíjela a udržovala. A to je to, co budeme potřebovat: mentální tělocvičny, aby naše mozky zůstaly fit.

V roce 2025 MIT Media Lab provedl studii, ve které 54 účastníků psalo eseje po dobu čtyř měsíců, rozdělených do tří skupin: ChatGPT, vyhledávač a mozek pouze. Zatímco psali, elektroencefalogram sledoval jejich mozkovou aktivitu. Na konci studie skupina ChatGPT konzistentně ukazovala nejnižší neuronální propojení a produkovala eseje, které učitelé popsali jako “bezduché”. Skupina s mozkem pouze měla nejsilnější mozkovou aktivitu po celou dobu.

Ale nejvíce výmluvná část přišla v posledním zasedání, kdy výzkumníci vyměnili skupiny. Skupina s mozkem pouze, poté co dostala ChatGPT, překonala všechny. Postavili si myšlení sval poprvé a poté použili AI na něj. Druhá skupina nemohla dohnat, protože si nevystavili část, kde se sval buduje.

Učit se je sloveso, takže nemůže být pasivní

Aby se učení drželo, teorie musí být kombinována s praxí. Čtení o myšlence je jeden typ vstupu; dělat něco s touto myšlenkou je jiný. Mačkání, odpovídání, aplikování, chybování a zkoušení znovu – tyto činnosti zapojují různé části vašeho mozku než pasivní spotřeba a udržují vás soustředěné na materiálu.

Sókratés už tomu rozuměl před tisíci lety: nikdy jim prostě nedával odpověď, ale donutil je ji nejprve vyprodukovat (často špatnou) a poté ji opravil. A já sám jsem zažil výhody této filozofie jako student matematiky: dostali jsme pouze polovinu kreditu za zapamatování teorie, zatímco druhá polovina vyžadovala její prokázání. Tento zaměřený přístup na fundamentální porozumění nám umožnil lépe si zapamatovat a aplikovat koncepty.

Učitelé předmětu berou vaše znalosti na další úroveň, činí je obtížnějšími pro psychologický past nazvaný iluze kompetence a poskytují lepší porozumění tématu. Když musíte vysvětlit myšlenku jasně a udělat to několikrát různými způsoby, není žádná možnost, abyste ji sami nepochopili a nezapomněli. Richard Feynman jednou poznamenal s dobrým důvodem: “Pokud nemůžete vysvětlit to jednoduše, nerozumíte tomu.”

Čísla to potvrzují. Ve studiích bezpečnosti aktivní učení si uchovávají 93,5% informací ve srovnání s 79% pro pasivní učení (Engageli, 2025). Širší Learning Pyramid z National Training Laboratories v Bethel, Maine, ukazuje stejný vzorec na každé úrovni:

Data bez spolehlivých zdrojů je drb

Ano, lidé by měli zpochybňovat odpovědi, které dostanou od AI. Měli by žádat o zdroje a když nejsou žádné zdroje, měli by být skeptičtí.

Ale je zde větší problém za tím vším, a to je fakt, že ověřování výstupu AI se stává stále obtížnějším. Modely citují zdroje, které neexistují, parafrázují skutečné zdroje tak, aby zkreslily význam, míchají přesné informace s vynalezenými informacemi ve stejném odstavci a není žádný jasný způsob, jak určit, co je které.

K tomu se přidává, že stále více internetu je samo generováno AI, což znamená, že modely se nyní učí z výstupů jiných modelů. Původní lidsky psané zdroje jsou pohřbeny pod vším, co bylo automaticky generováno nad nimi.

To je důvod, proč si myslím, že spolehlivé znalosti stále musí pocházet od lidí. Pokud nemůžeme plně důvěřovat modelu a nemůžeme plně důvěřovat zdrojům za modelem, pak je lidská zkušenost tou poslední věcí, na kterou se můžeme spolehnout.

Jak řekl Tony Robbins: “Pokud chcete být úspěšní, najděte někoho, kdo dosáhl výsledků, kterých chcete dosáhnout, a zkopírujte, co dělá, a dosáhnete stejných výsledků.” Osoba, která skutečně udělala věc, kterou učí, prošla lety práce, zaplatila za své chyby a postavila své znalosti s opravdovými důsledky – to je ten typ zdroje, který vydrží.

Bez kontextu chybí detaily

Další návykem, který pomáhá při učení s AI, je odolat pokušení skočit přímo k vaší konkrétní otázce. Většina lidí, když chtějí vědět něco, zadá přesnou úzkou otázku do chatovacího okna a vezme odpověď za bernou minci. Problém je, že chybí celý pozadí, ve kterém odpověď sedí. Konkrétní kus informací oddělený od kontextu je velmi snadno zneužitelný.

Jsem historický geek, takže mi dovolte dát historický příklad. Gettysburská řeč je krátká řeč, kterou Lincoln pronesl v roce 1863, na místě jedné z nejkrvavějších bitev americké občanské války. Představte si, že potřebujete napsat esej o ní. Zeptáte se AI na analýzu a dostanete čistou analýzu slov, struktury a rétorických zařízení.

Ale můžete skutečně napsat tu esej bez znalosti občanské války samotné? Nejspíš ne. Nepochopíte, proč tato konkrétní bitva byla důležitá, nebo proč řeč, pronesená na tomto místě, nesla takovou váhu. Nepochopíte, že válka se změnila z uchování Unie na ukončení otroctví a že řeč byla Lincolnovým způsobem, jak předefinovat, za co země bojuje. Nepochopíte politické napětí za téměř každou řádkou, protože pro vás budou pouze hezká slova o smutné události.

Bez kontextu občanské války zní řeč jako krátká elegie. S kontextem čtete zlomový bod v tom, jak národ chápal sám sebe. A to je ten druh nuance, který vám AI poskytne pouze tehdy, pokud už víte dost, abyste se zeptali na ni.

Stejný princip platí téměř pro cokoli, pro co můžete použít AI. Začněte široce. Získejte obecný obraz. Pak se ponořte do detailů. Budou mít smysl, až budou mít kontext, do kterého se vejí.

Bottom line: AI je nástroj a nástroje potřebují ruce

Každý velký technologický skok v lidské historii spustil stejnou paniku. Kalkulačky měly způsobit, že zapomeneme matematiku. Internet měl způsobit, že zapomeneme, jak myslet. Vyhledávače měly zabít naši paměť. A přece jsme tady, stále počítáme, stále myslíme, stále si pamatujeme, pouze s lepšími nástroji v rukou.

AI je další v této řadě a pravděpodobně nejsilnější, který jsme kdy postavili. Může psát, shrnovat, analyzovat, vypracovávat, překládat, kódovat a dělat vše rychleji než my. Ale nemůže chtít nic. Nemůže se starat o výsledek. Nemůže žít s důsledky toho, že je špatná. Tyto části práce stále patří nám a jsou to části, které definují, zda je práce dobrá na konci dne.

Lidé, kteří prosperují v příštím desetiletí, budou ti, kteří zůstanou zvědaví, kteří budou klást lepší otázky a kteří budou používat AI k učení rychleji a myšlení hlouběji, místo aby ji používali k přeskočení myšlení vůbec. Budou ti, kteří přinesou něco na stůl, co žádný model nemůže replikovat: soud, kontext a ochotu vlastnit rozhodnutí.

Takže ne, AI vás nezamění nebo nezpůsobí, že ztratíte práci. Ale verze vás, která přestala myslet, ano.