Zadaniowo dopasowane vs. Ludzkowo dopasowane: Dlaczego kolejnym benchmarkiem AI powinniśmy być my

Co kilka miesięcy pojawia się nowy model, który przetasowuje rankingi AI. Według Stanford’s 2026 AI Index Report, modele na czele zyskały w ciągu jednego roku około 30 punktów procentowych w teście Humanity’s Last Exam, benchmarku stworzonego specjalnie, aby był trudny dla AI. Skoki, które kiedyś zajmowały lata, teraz zachodzą w ciągu kilku miesięcy, a branża traktuje każdy nowy rekord jako dowód, że AI się poprawia.

Nie kwestionuję postępu. Systemy te są niezwykłe w tym, do czego zostały stworzone. Jednak spędziłem prawie dwie dekady w psychologii, zanim przeszedłem do AI, i wciąż wracam do pytania, na które żaden z tych benchmarków nie odpowiada. W czym dokładnie modele się poprawiają i dla kogo? Model może zdobywać szczyty wszystkich rankingów opartych na dokładności, a mimo to użytkownik może być w pewnych aspektach gorszy. Nie istnieje test mierzący wpływ AI na użytkowników, a zasługuje on na większą uwagę.

Dwa różne rodzaje dopasowania

Branża AI nieustannie mówi o dopasowaniu, ale rozmowa zazwyczaj koncentruje się na tym, czy model dokładnie wykonuje instrukcje lub czy generuje szkodliwe treści. To jest zadaniowo dopasowane AI. Jest zoptymalizowane, aby poprawnie i efektywnie realizować postawione przed nim żądanie.

Jednak istnieje inny sposób podejścia do dopasowania i ochrony ludzi. AI dopasowane do człowieka ocenia, co interakcja robi z osobą po drugiej stronie ekranu po jej zakończeniu. Czy odchodzi ona bardziej zdolna do samodzielnego podjęcia kolejnej trudnej decyzji, czy raczej bardziej uzależniona od systemu, aby ją za nią podjął? Podczas gdy dopasowanie zadaniowe mierzy wynik, dopasowanie ludzkie mierzy efekt uboczny.

Te dwa cele nie zawsze są ze sobą sprzeczne. Model, który udziela szybkiej, precyzyjnej odpowiedzi na pytanie techniczne, spełnia oba. Jednak gdy pytanie nie ma jednej prawidłowej odpowiedzi, różnice w dopasowaniu stają się oczywiste.

Czego nie pokazują rankingi

Najczęściej cytowane benchmarki w branży testują takie rzeczy jak matematyka konkursowa i zadania programistyczne na skalę repozytoriów. Są to cenne umiejętności, ale każde pytanie ma jedną prawidłową odpowiedź, a modele są budowane, aby ją znaleźć.

To działa dobrze w przypadku problemów obiektywnych, ale ludzie używają AI nie tylko do matematyki, programowania i podstawowych badań. Zadają pytania o swoją ścieżkę kariery i prowadzą trudne rozmowy ze swoimi partnerami. Nie istnieje test, który oceniłby model pod kątem tego, czy poradził sobie z takimi pytaniami, ponieważ nie ma obiektywnej prawdy, z którą można by zweryfikować odpowiedź. Istotne informacje znajdują się w osobie pytającej. Bez względu na to, jak szczegółowy jest prompt, model nie ma do nich dostępu.

Odpowiedzialna AI wypełnia część luki pozostawionej przez te benchmarki, ale nawet ta praca ma na celu jedynie ograniczenie szkód, a nie poprawę ludzkiego myślenia. Obecne środki bezpieczeństwa mają na celu zapobieganie temu, by model pomagał w czymś niebezpiecznym. Nie biorą pod uwagę tego, czy tysiące zwykłych rozmów, które przechodzą wszystkie kontrole bezpieczeństwa, nie uczą ludzi mniej ufać własnemu osądowi.

Jak modele tworzą zależność

Każdy model, który testowałem, dąży do bycia wszechstronnym, szybkim i pewnym siebie. To właśnie jest nagradzane podczas treningu i jest to właściwy instynkt przy radzeniu sobie z zepsutą wersją oprogramowania czy terminem składania dokumentów prawnych. Gdy decyzja zależy od wartości i historii danej osoby, ten sam instynkt może zacząć działać przeciwko użytkownikowi.

Badania już wykazały, że to nie jest jedynie hipotetyka. OpenAI i MIT Media Lab przeprowadziły parę badań nad emocjonalnym użyciem ChatGPT i odkryły, że osoby, które postrzegały AI jako przyjaciela i korzystały z niej przez dłuższy czas, częściej zgłaszały negatywne skutki, w tym większe poczucie samotności i zależność emocjonalną, co również opisano w MIT Technology Review. Oddzielnie, badanie z 2025 roku opublikowane w czasopiśmie Societies wykazało istotną negatywną korelację między częstym używaniem narzędzi AI a wynikami w myśleniu krytycznym. Zjawisko to było pośredniczone przez to, co badacze nazywają odciążeniem poznawczym, czyli tendencją do przekazywania zadania mentalnego narzędziu zamiast samodzielnego jego rozwiązania.

Żadne z tych odkryć nie oznacza, że ludzie powinni mniej korzystać z AI. Wręcz przeciwnie, musimy zdać sobie sprawę, że gdy system rozwiązuje każdy rodzaj pytania w ten sam sposób, coś ginie po stronie subiektywnej, a obecnie prawie nikt nie monitoruje tej utraty.

Dajmy bezpośrednim odpowiedziom ich należne

Chcę jasno określić, w jakich sytuacjach zadaniowo dopasowane AI jest właściwe, ponieważ celem tego tekstu nie jest argumentowanie za modelem, który unika wszystkiego. Jeśli ktoś pyta o błąd serwera lub termin złożenia zeznania podatkowego, szybka, bezpośrednia i autorytatywna odpowiedź dobrze mu służy. Nie byłoby pomocne, gdyby AI odpowiedziało pytaniem otwartym. Problem pojawia się, gdy stosujemy ten sam instynkt do pytania o rozwód, jak i do pytania o debugowanie kodu.

Co powinniśmy mierzyć zamiast tego

Jeśli branża chce uwzględnić zarówno AI dopasowane do człowieka, jak i zadaniowo dopasowane, musimy dodać kilka cech obok dokładności i głębokości rozumowania w kolejnej generacji ocen.

Powściągliwość. Umiejętność rozpoznania momentu, w którym rozwiązanie pytania dla użytkownika kosztuje go więcej niż pomaga, i odpowiednie powstrzymanie się.

Kwalifikowane pytanie. Zadawanie pytań zamiast udzielania odpowiedzi, gdy problem jest subiektywny lub związany z tożsamością i wartościami osoby, a nie faktem znajdującym się w bazie danych.

Odczytywanie momentu. Rozróżnianie prośby, która wymaga bezpośredniej, wyczerpującej odpowiedzi, od tej, która potrzebuje przestrzeni, aby osoba mogła samodzielnie ją przemyśleć.

Badania Alberta Bandury sprzed kilku dekad nad self-efficacy wykazały, że ludzie budują pewność siebie poprzez własne doświadczenia mistrzowskie, a nie poprzez obserwowanie, jak ktoś inny lub coś innego rozwiązuje problem za nich. Zasada ta sięga pół wieku przed AI i powinna być uwzględniona w projektowaniu i ocenie tej technologii.

Co postęp powinien oznaczać dalej

Żadne z tego nie jest argumentem za spowolnieniem postępu technicznego. Cieszę się z postępów w kodowaniu i rozumowaniu. Jednak karta wyników oparta wyłącznie na realizacji zadań informuje nas, że AI staje się inteligentniejsze. Nie mówi nic o tym, czy ludzie ją używający stają się lepsi w samodzielnym myśleniu.

Chciałbym, aby to się zmieniło. W miarę jak te systemy stają się bardziej zdolne, osoby z nich korzystające powinny stać się również bardziej kompetentne. Udowodniliśmy, że AI może nas przewyższyć w teście. Następny test powinien ocenić, czy potrafi pomóc nam myśleć lepiej długo po zakończeniu rozmowy.