Zleć myślenie sztucznej inteligencji, a zastąpi cię

Szef AI w Microsoft, Mustafa Suleyman, właśnie podzielił się przerażającą przepowiednią: w ciągu najbliższych 12 do 18 miesięcy, większość, a nawet wszystkie, białe kołnierzyki będą w pełni zautomatyzowane przez sztuczną inteligencję. Pan Suleyman nie jest pierwszym, który podzielił się takim założeniem (tak, mówię o Dario Amodei i jego 5-letnim wyrokiem AI dla świata), i zdecydowanie nie ostatnim. Ale pozwólcie, że podzielę się kontrowersyjnym spostrzeżeniem: AI, niezależnie od tego, czy w 18 miesiącach, czy w pięciu latach, nie będzie w stanie zastąpić pracowników biurowych. Ale jeśli przestaniemy myśleć, to tak.

I nie mówię, że nie będzie włączony do większości procesów, czy że nie może pomóc ludziom w ich pracy. To już się dzieje. Ale zastąpienie myślenia ludzkiego, eliminacja wkładu ludzkiego, to jest to, czego AI po prostu nie jest w stanie zrobić (chyba że jako ludzie zastąpimy nasz silnik decyzyjny AI).

Dlaczego myślenie ludzkie nie może i nie powinno być zlecone

Istnieją trzy konkretnych powody, do których wracam, kiedy ktoś mi mówi, że AI zastąpi wszystkich. Każdy z nich to coś, co ludzkie mózgi robią jako rzecz oczywistą, a każdy z nich to coś, czego AI, niezależnie od tego, jak zaawansowane, nie może odtworzyć.

AI nie może mieć kontekstu, jaki ma ludzki mózg

Kiedy osoba podejmuje decyzję, nie jest jak model językowy, który po prostu przewiduje następne słowo na podstawie ogólnej prawdopodobieństwa. Czerpie z pełnego doświadczenia życiowego zakodowanego w wielu systemach jednocześnie: naszych osobistych wspomnień, naszych nauczonych zwyczajów i emocjonalnych stawek tych momentów. Ten zbiorowy przeszłości pozwala mózgowi ciągle przewidywać, co się wydarzy następnie, aktualizując swoje spojrzenie tylko wtedy, gdy rzeczywistość udowadnia, że jest ono błędne. Kontekst, innymi słowy, jest podłożem, na którym każde postrzeżenie jest zbudowane.

Duży model językowy działa inaczej. Jego wagi pochodzą z ograniczonej bazy danych, na której został wyuczony, i nie ma już do niej dostępu. Nie ma pętli postrzeżeniowej, nie ma błędu przewidywania z świata, w którym musi żyć. “Kontekst” dostępny dla niego to wszystko, co znajduje się w oknie promptu. Nigdy nie wszedł do pokoju wcześniej. Więc kiedy podejmujemy decyzję, która zależy od tego, co jest normalne tutaj, co przyszło przedtem i co jest na szali, uruchamiamy przewidywania przeciwko całemu doświadczeniu życiowemu – osobistemu i pokoleń, które przyszły przed nami. Model jest dopasowywaniem wzorców w bazach danych. To są dwie bardzo różne operacje, a żadne skalowanie okien kontekstowych nie zamyka tej luki.

Wiedza o nazwie nie jest taka sama jak wiedza o czymś

Ta mądrość pochodzi od noblisty, fizyka Richarda Feynmana (lub raczej od jego ojca). Uważał, że po prostu zapamiętywanie etykietek lub definicji nie oznacza znajomości tematu. Prawdziwe zrozumienie pochodzi z doświadczenia i zrozumienia.

Charlie Munger, amerykański biznesmen i inwestor, zaproponował termin dla takiego powierzchownego uczenia się — “Wiedza szofera”. Anegdota za tym jest o prawdziwym szoferze fizyka Maxa Plancka, który tak często słuchał jego wykładu o mechanice kwantowej, że nauczył się go na pamięć. Potem zaoferował, że wygłosi go zamiast Plancka w Monachium, co zrobił z powodzeniem. Ale kiedy przyszło do odpowiedzi na pytania ze strony publiczności, nie mógł odpowiedzieć. I to jest różnica między płytką “wiedzą szofera” a wszechstronną, zdobytą przez lata pracy i walki, wiedzą Plancka.

Dziś duże modele językowe są najbardziej zaawansowanymi szoferami, jakich kiedykolwiek zbudowaliśmy. Mogą recytować mechanikę kwantową, podsumować filozofię, sporządzić kontrakt i rymować słowa. Ale coś, co wymaga doświadczenia, a nie tylko rozpoznawania wzorców, jak wiedza o tym, dlaczego pozycja marki, która działała na jednym rynku, nieodwracalnie zawiedzie na innym, jest unikalne dla ludzi i jest tym, co naprawdę napędza decyzje.

Ale zrozumienie, dlaczego pozycja marki, która działała na jednym rynku, nieodwracalnie zawiedzie na innym, nie może być zdobyte przez proste rozpoznawanie wzorców. Doświadczenie jest unikalne dla ludzi i jest tym, co naprawdę napędza decyzje.

Jednak główna różnica między nami a AI nie jest przetwarzaniem danych — to własność

Ludziom (lub przynajmniej niektórym z nas) brakuje zdolności do przyjęcia odpowiedzialności za swoje czyny, własności konsekwencji, wstydu, uczenia się z nich i robienia wszystkiego, co możliwe, aby sytuacja nie powtórzyła się, i aby nie czuć bólu kolejnego niepowodzenia — to jest to, co czyni nasze myślenie i podejmowanie decyzji tak unikalnie różnymi od sztucznej inteligencji.

AI nie czuje wstydu. Nie czuje winy. Nie traci snu nad decyzją, która okazała się źle. Nie nosi pamięci o umowie, którą stracił, o pracowniku, którego zaangażował i którego to nie wyszło, o strategii, którą bronił na spotkaniu zarządu, która stopniowo niszczyła wartość dwa lata później. Model daje odpowiedź, odpowiedź okazuje się źle, a model przechodzi do następnego promptu, jakby nic się nie stało (ponieważ dla nich nic się nie stało). Nie ma wewnętrznego kosztu bycia źle, i nie ma presji, aby być dobrze następnym razem — coś, co naprawdę popycha ludzi do ewolucji i poprawy.

Dziesięć lat temu pracowałem w firmie venture capital, analizując startupy na wczesnym etapie, i patrzyliśmy na umowy dotyczące samochodów autonomicznych. Nawet wtedy prototypy taksówek były statystycznie bezpieczniejsze niż kierowcy ludzie. Technologia działała. Nadal działa w 2026 roku. Więc dlaczego nasze miasta nadal nie są zalewane samochodami autonomicznymi? Ponieważ odpowiedzialność za pojazd autonomiczny nie jest wystarczająco jasna. Kiedy dochodzi do wypadku, system prawny naprawdę nie wie, kogo winić — osobę, która włączyła przełącznik, producenta, czy programistę. Dopóki ten вопрос nie zostanie rozstrzygnięty, jesteśmy zakleszczeni. Technologia wyprzedziła ramy odpowiedzialności, które powinny ją absorbować.

Jak nie stracić umysłu (i pracy) w erze AI

Chociaż naprawdę wierzę, że AI nie może zastąpić myślenia ludzkiego, mogę również zobaczyć, jak ludzie ulegają pokusie, aby uzyskać szybki dostęp do wyników. Po raz pierwszy w historii nie potrzebujesz mózgu, aby uzyskać odpowiedź. Wystarczy tylko wpisać pytanie. Tarcie, które zmuszało nas do myślenia, zostało usunięte, co brzmi świetnie, dopóki nie zrealizujesz, że tarcie było całą sprawą. Było to tym, jak mózg został zbudowany.

I tu jest miejsce, w którym wraca pytanie o pracę. AI nie zastąpi pracowników biurowych jako kategorię. Ale zastąpi konkretnych ludzi, którzy zlecali wszystkie swoje myślenie. Jeśli wymieniasz sąd, kontekst i własność na szybkie odpowiedzi z okna czatu, przestajesz być osobą, która coś wnosi do stołu. W tym momencie twój pracodawca nie potrzebuje ciebie. Może rozmawiać z modelem bezpośrednio.

Więc zachowanie pracy w erze AI i zachowanie umysłu w erze AI sprowadzają się do tego samego pytania. I poniżej znajdują się cztery nawyki, które musisz rozwiązać.

AI powinno zwiększać ciekawość

Efekt, jaki AI ma na twój mózg, zależy całkowicie od tego, jak go używasz. Jeśli jesteś ciekawy i chętny do kopania, AI staje się najlepszym towarzyszem uczącym, jakiego kiedykolwiek miałeś. Lepszym niż Wikipedia, lepszym niż jakakolwiek książka, ponieważ może wyjaśnić tę samą ideę pięcioma różnymi sposobami, aż jedna z nich kliknie, i pójść za tobą do dowolnej dziury króliczej, którą chcesz. Albo możesz poprosić go o pomoc w zapamiętaniu informacji — jak praktykowanie powtarzania w odstępach czasu, aż naprawdę zrozumiesz pojęcie.

Dla kogoś, kto nie jest ciekawy, AI robi odwrotnie. Przejmuje myślenie, które powinno być robione przez ciebie. Uzyskuje wyjście bez pracy, a praca była całą sprawą. Z czasem ten mięsień atrofują. Po rewolucji przemysłowej, kiedy maszyny uczyniły pracę fizyczną mniej powszechną, zbudowaliśmy siłownie, aby dać naszym ciałom to, czego potrzebują, aby wyzwolić i utrzymać się. I to jest to, czego będziemy potrzebować: siłownie umysłowe, aby utrzymać nasze mózgi w dobrej kondycji.

W 2025 roku Laboratorium Medialne MIT przeprowadziło badanie, w którym 54 uczestników pisało eseje przez cztery miesiące, podzielonych na trzy grupy: ChatGPT, wyszukiwarka i tylko mózg. Podczas pisania elektroencefalogram śledził aktywność mózgu. Na końcu grupa ChatGPT konsekwentnie wykazywała najniższe połączenie neuronalne i produkowała eseje, które nauczyciele opisywali jako “bezduszne”. Grupa tylko z mózgiem miała największą aktywność mózgu przez cały czas.

Ale najbardziej wymowna część przyszła w ostatniej sesji, kiedy badacze zamienili grupy. Ludzie z grupy tylko z mózgiem, którzy otrzymali ChatGPT, przewyższali wszystkich. Zbudowali mięsień myślowy najpierw, a potem użyli AI na jego podstawie. Inna grupa nie mogła nadrobić zaległości, ponieważ ominęła część, w której mięsień jest budowany.

Uczyć się to czasownik, więc nie może być bierny

Aby uczenie się przyniosło efekt, teoria musi być połączona z praktyką. Czytanie o idei jest jedną formą wejścia; robienie czegoś z tą ideą jest czymś innym. Stukanie, odpowiedzi, aplikowanie, popełnianie błędów i próbowanie ponownie — te działania wciągają różne części twojego mózgu niż bierna konsumpcja i utrzymują cię skupionego na materiale.

Sokrates już tysiące lat temu miał to w swoim zasięgu: nigdy nie po prostu dawał swoim studentom odpowiedzi, ale zmuszał ich do wyprodukowania ich (często błędnych) najpierw, a potem poprawiał je. I ja sam doświadczyłem korzyści z tej filozofii jako student matematyki: dostawaliśmy tylko połowę punktów za zapamiętanie teorii, podczas gdy drugą połowę wymagało udowodnienia jej. Ten focus na zrozumieniu podstawowym pozwolił nam lepiej zapamiętać i zastosować pojęcia.

Nauczanie przedmiotu podnosi twoją wiedzę na wyższy poziom, utrudniając wpadnięcie w psychologiczną pułapkę zwaną iluzją kompetencji, i dając lepsze zrozumienie tematu. Kiedy musisz wyjaśnić ideę w prosty sposób i zrobić to kilka razy w kilku różnych sposobach, nie ma sposobu, abyś nie zrozumiał i nie zapamiętał jej sam. Richard Feynman zauważył z dobrym powodem: “Jeśli nie możesz wyjaśnić prosto, nie rozumiesz”.

Liczby potwierdzają to wszystko. W badaniach szkoleń bezpieczeństwa uczniowie aktywni zachowali 93,5% informacji w porównaniu z 79% dla uczniów biernych (Engageli, 2025). Szerokie Learning Pyramid z National Training Laboratories w Bethel, Maine, pokazuje ten sam wzorzec na każdym poziomie:

Dane bez wiarygodnych źródeł to plotka

Tak, ludzie powinni kwestionować odpowiedzi, które otrzymują od AI. Powinni pytać o źródła, a kiedy nie ma źródeł, powinni być sceptyczni.

Ale jest większy problem za tym wszystkim, a mianowicie fakt, że walidacja wyjścia AI staje się coraz trudniejsza. Modele cytują źródła, które nie istnieją, parafrazują prawdziwe źródła w sposób, który zniekształca znaczenie, łączą dokładne informacje z wymyślonymi w tym samym akapicie, i nie ma wyraźnego sposobu, aby powiedzieć, które jest które.

Ponadto coraz więcej internetu jest samym AI-generowanym, co oznacza, że modele uczą się teraz z wyjść innych modeli. Oryginalne źródła napisane przez ludzi są zakopane pod wszystkim, co zostało wygenerowane automatycznie na ich podstawie.

Dlatego uważam, że wiarygodna wiedza nadal musi pochodzić od ludzi. Jeśli nie możemy w pełni ufać modelowi, a nie możemy w pełni ufać źródłom za modelem, to doświadczenie ludzkie jest jedyną rzeczą, na którą możemy liczyć.

Jak powiedział kiedyś Tony Robbins: “Jeśli chcesz być sukcesywny, znajdź kogoś, kto osiągnął wyniki, które chcesz, i skopiuj to, co robi, i osiągniesz te same wyniki.” Osoba, która naprawdę zrobiła to, co uczy, przeszła lata pracy, zapłaciła za swoje błędy i zbudowała swoją wiedzę z prawdziwymi konsekwencjami — to jest rodzaj źródła, które się liczy.

Bez kontekstu szczegóły są nieobecne

Innym nawykiem, który pomaga w nauce z AI, jest opór przed skokiem prosto do Twojego konkretnego pytania. Większość ludzi, kiedy chce wiedzieć coś, wpisuje dokładne wąskie pytanie do czatu i przyjmuje odpowiedź za dobrą monetę. Problem polega na tym, że tracą cały tło, w którym odpowiedź się znajduje. Konkretny kawałek informacji odłączony od kontekstu jest bardzo łatwy do złego zrozumienia.

Jestem geekiem historii, więc pozwólcie, że dam przykład z historii. Mowa gettyburska to krótkie przemówienie, które Lincoln wygłosił w 1863 roku, na miejscu jednej z najkrwawszych bitew wojny secesyjnej. Wyobraź sobie, że musisz napisać esej o tym. Zadajesz AI o analizę i otrzymujesz czyste rozbicie słów, struktury i urządzeń retorycznych.

Ale czy możesz naprawdę napisać ten esej bez znajomości wojny secesyjnej? Prawdopodobnie nie. Nie zrozumiesz, dlaczego ta bitwa była ważna, ani dlaczego przemówienie wygłoszone na tym terenie miało tak dużo wagi. Nie zrozumiesz, że wojna przeszła od zachowania Unii do zniesienia niewolnictwa, i że przemówienie było sposobem Lincolna na przedefiniowanie, o co kraj walczy. Nie zobaczysz politycznego napięcia za prawie każdą linią, ponieważ dla ciebie linie będą tylko ładnymi frazami o smutnym wydarzeniu.

Bez kontekstu wojny secesyjnej przemówienie brzmi jak krótki pogrzeb. Z nim jesteś czytaniem punktu zwrotnego w tym, jak kraj rozumiał samego siebie. I to jest rodzaj nuansu, który AI poda ci tylko wtedy, gdy już wystarczająco wie, aby o to poprosić.

Ten sam wzorzec stosuje się do prawie wszystkiego, do czego możesz użyć AI. Zaczynaj szeroko. Pobierz ogólny obraz. Potem zanurz się w szczegóły. Będą miały sens, gdy będą miały kontekst, w którym mogą się lądować.

Podsumowanie: AI to narzędzie, a narzędzia potrzebują rąk

Każdy wielki skok technologiczny w historii ludzkości wywołał ten sam paniczny krzyk. Kalkulatory miały sprawić, że zapomnimy matematykę. Internet miał sprawić, że zapomnimy, jak myśleć. Wyszukiwarki miały zabić naszą pamięć. A jednak tu jesteśmy, nadal liczymy, nadal myślimy, nadal pamiętamy, po prostu z lepszymi narzędziami w rękach.

AI jest następnym w tej linii, a prawdopodobnie najpotężniejszym, jaki kiedykolwiek zbudowaliśmy. Może pisać, podsumowywać, analizować, projektować, tłumaczyć, kodować i robić to wszystko szybciej niż my. Ale nie chce nic. Nie może się martwić o wynik. Nie może żyć z konsekwencjami bycia źle. Te części pracy nadal należą do nas, i są one tym, co definiuje, czy praca jest dobra na końcu dnia.

Ludzie, którzy prosperują w następnej dekadzie, będą tymi, którzy pozostaną ciekawi, którzy będą zadawać lepsze pytania, i którzy użyją AI, aby uczyć się szybciej i myśleć głębiej, zamiast używać go do pominięcia myślenia. Będą tymi, którzy coś wniosą do stołu, co żaden model nie może odtworzyć: sąd, kontekst i chęć przyjęcia decyzji.

Więc nie, AI nie zastąpi ciebie ani nie sprawi, że stracisz pracę. Ale wersja ciebie, która przestała myśleć, tak.