Kim się stajemy, kiedy AI nas wyręcza?
Pierwszy tekst z cyklu „Być człowiekiem w świecie AI. O sprawczości, pracy i sensie”.
Wyobraźmy sobie zwykłą podróż do nieznanej części miasta. Wpisujemy adres, wybieramy trasę i ruszamy. Nawigacja uprzedza o korku, przelicza czas, prowadzi przez skrzyżowania. Docieramy sprawnie. Gdyby jednak ktoś zapytał nas później, którędy jechaliśmy, być może potrafilibyśmy powiedzieć niewiele.
Można dotrzeć do celu i nie nauczyć się drogi. Podczas tej konkretnej podróży nie musi to być żaden problem. Mamy przecież ważniejsze sprawy niż zapamiętywanie każdego skrętu. Trudność pojawia się dopiero wtedy, gdy zastanowimy się, w których dziedzinach życia chcielibyśmy zachować własną orientację. I co się stanie, jeśli coraz rzadziej będziemy mieli okazję ją rozwijać.
Ta codzienna sytuacja pomaga mi postawić hipotezę: jedną z najgłębszych zmian związanych z AI może być przekształcenie procesu, w którym człowiek staje się samodzielny. W dyskusji o automatyzacji liczymy zadania, godziny i miejsca pracy. Rzadziej pytamy, co zostaje w człowieku po wykonaniu zadania. A przecież właśnie podczas robienia uczymy się rozumieć, wybierać, poprawiać błędy i brać odpowiedzialność.
Metafora nawigacji niczego tutaj nie dowodzi. Otwiera jednak pytanie: kim się stajemy, kiedy coraz więcej drogi ktoś pokonuje za nas?
Dwa rezultaty jednego zadania
Kiedy piszemy tekst, powstaje coś widocznego: kilka akapitów, argument, wiadomość do drugiej osoby. Równolegle może wydarzać się coś mniej uchwytnego. Odkrywamy lukę we własnym rozumowaniu. Zmieniamy zdanie. Uświadamiamy sobie, że przekonanie, które wydawało się oczywiste, trudno uzasadnić. Gotowy tekst jest jednym rezultatem. Drugim może być zmiana w nas samych.
Podobnie bywa z przygotowaniem lekcji, rozmową z zespołem czy próbą rozwiązania konfliktu. Czasem dopiero szukając słów, rozpoznajemy, co naprawdę chcemy powiedzieć. Czasem cudzy sprzeciw zmusza nas do zauważenia czegoś, co wcześniej pomijaliśmy. Trudno zapisać te doświadczenia w rubryce „wykonane zadania”, choć mogą mieć większe znaczenie niż sam dokument.
AI potrafi skrócić część tego procesu. To pewna wartość, szczególnie gdy zadanie jest powtarzalne albo wymaga pokonania bariery, która nie wnosi wiele do naszego życia. Ale warto zauważyć, kiedy skracamy czas potrzebny do wykonania czynności, a kiedy pomijamy doświadczenie, na którym chcieliśmy się czegoś nauczyć. Obie sytuacje mogą dać podobnie wyglądający wynik.
W szkole będzie nim poprawna odpowiedź. W firmie przekonująca prezentacja. W życiu prywatnym dobrze sformułowana wiadomość. Czy potrafimy jeszcze rozpoznać, ile jest Nas w każdym z tych zadań?
Trudność, która czemuś służy
Elizabeth i Robert Bjork opisują „pożądane trudności” w uczeniu się. Niektóre warunki, takie jak rozłożenie powtórek w czasie czy próba samodzielnego przypomnienia sobie informacji, mogą utrudniać chwilowe wykonanie zadania, a zarazem wspierać trwałe uczenie się. Ważna jest różnica między płynnością działania teraz a tym, co potrafimy później, w innym kontekście. Autorzy wyraźnie zaznaczają, że trudność przestaje być pożądana, gdy uczący się nie ma wiedzy lub umiejętności pozwalających jej sprostać. [1]
Nie chciałbym z tej myśli robić pochwały cierpienia. Upokorzenie, przeciążenie czy pozostawienie kogoś bez potrzebnego wsparcia nie stają się wartościowe dlatego, że są trudne. Pytanie brzmi raczej: jaki wysiłek pomaga mi coś zrozumieć, a jaki jedynie odbiera siły?
W odniesieniu do AI potrzebujemy podobnej uważności. Możemy poprosić system o gotowy argument albo o wskazanie słabego miejsca w naszym własnym rozumowaniu. Możemy otrzymać rozwiązanie albo podpowiedź, po której spróbujemy następnego kroku. W obu przypadkach korzystamy z technologii.
Badanie opublikowane w PNAS w 2025 roku pokazało, dlaczego to rozróżnienie zasługuje na uwagę. W eksperymencie z niemal tysiącem uczniów jednej szkoły średniej w Turcji dostęp do podstawowego narzędzia opartego na GPT-4 poprawiał wyniki podczas ćwiczeń. Jednak na późniejszym sprawdzianie bez pomocy ta grupa uzyskała wyniki o około 17% niższe niż grupa kontrolna. Wersja tutora zaprojektowana z ograniczeniami wspierającymi uczenie się zasadniczo usuwała ten negatywny efekt, choć nie wykazano przewagi na samodzielnym sprawdzianie. [2]
Eksperyment dotyczył matematyki i narzędzi używanych jesienią 2023 roku. Nie rozstrzyga, jak rozwinie się całe pokolenie ani jak zadziałają wszystkie przyszłe systemy. Pokazuje jednak konkretną możliwość: lepszy wynik uzyskany z pomocą może współistnieć ze słabszym wynikiem bez niej. Sposób i poziom wsparcia ma znaczenie.
Samodzielność nie wymaga samotności
W tym miejscu łatwo popaść w nostalgię. Wyobrazić sobie dawny świat, w którym ludzie wszystko rozumieli i robili własnymi rękami, a potem przeciwstawić mu przyszłość pełną zależnych od urządzeń użytkowników. Taki obraz byłby zbyt wygodny. Uczymy się dzięki innym ludziom, językowi, książkom i narzędziom. Korzystanie z pomocy należy do zwyczajnego ludzkiego życia.
Teoria autodeterminacji Edwarda Deciego i Richarda Ryana pomaga uporządkować tę kwestię. Autonomia oznacza w niej działanie zgodne z własnymi wartościami i świadome uznawanie działania za swoje. Nie jest równoznaczna z niezależnością od innych. Obok autonomii autorzy wskazują potrzeby kompetencji i relacji. Możemy więc przyjmować wsparcie, a jednocześnie zachowywać poczucie wpływu i rozwijać własne możliwości. Może jak IronMan ;) [3]
Ktoś korzystający z technologii wspomagającej komunikację może dzięki niej po raz pierwszy pełniej wyrazić własną wolę. Ktoś zagubiony w trudnym tekście może dzięki wyjaśnieniu wrócić do lektury. Wyłączanie narzędzi za wszelką cenę nie byłoby rozsądną miarą samodzielności. Trzeba też pamiętać, że wartość człowieka nie zależy od tego, ile zadań potrafi wykonać bez wsparcia.
Bardziej interesuje mnie jakość naszej relacji z pomocą. Czy pozwala nam lepiej rozumieć sytuację? Czy możemy zakwestionować propozycję? Czy mamy czas i warunki, żeby podjąć decyzję? Czy nasze „tak” jest czymś więcej niż przyjęciem domyślnej odpowiedzi?
Gdy nawigacja zaczyna wybierać cel
Idźmy krok dalej. System, który zna nasze upodobania, przestaje czekać na wpisanie adresu. Proponuje, dokąd warto pojechać. W dalszej perspektywie mógłby podsuwać kierunek nauki, zmianę pracy albo sposób spędzania czasu. Jego sugestie mogą być trafne, troskliwe i rzeczywiście pomocne. Nadal pozostaje pytanie, według jakich kryteriów działa.
Najkrótsza trasa, najciekawsza trasa i droga, którą chcemy przejść z konkretną osobą, mogą prowadzić inaczej. Podobnie dobre życie nie ma jednej miary, którą wystarczy powierzyć systemowi do optymalizacji. Czas, dochód, bezpieczeństwo, bliskość i ciekawość nie zawsze układają się w zgodną całość. Niekiedy dojrzała decyzja polega właśnie na przyjęciu kosztu, którego nie da się usunąć. W końcu uczymy się na błędach.
Hannah Arendt, pisząc o działaniu, zwracała uwagę na zdolność rozpoczynania czegoś nowego w świecie zamieszkanym przez innych ludzi. Wolność w tej perspektywie wykracza poza sprawne wykonywanie czynności. Obejmuje inicjatywę i uczestnictwo we wspólnym życiu. [4] Odczytuję tę myśl jako ważne pytanie do naszej technologicznej codzienności: ile miejsca pozostawiamy na własny początek, również taki, którego rezultat nie jest z góry znany?
To moja interpretacja w kontekście AI, nie odpowiedź, którą Arendt mogła dać. Pomaga jednak dostrzec, że człowiek może sprawnie realizować wszystkie podsuwane mu zadania, a zarazem coraz rzadziej pytać, czy właśnie tym chce się zajmować.
Szkoła i firma wobec tego samego pytania
Wyobraźmy sobie młodą osobę przygotowującą pierwszą analizę biznesową. AI tworzy zarys, porządkuje informacje i proponuje wnioski. Praca zajmuje mniej czasu. Pozostaje kwestia, której nie rozstrzygnie sam wygląd prezentacji: czy ta osoba rozumie założenia i potrafi obronić decyzję, gdy ktoś zada pytanie spoza przygotowanego materiału? Mamy już kilka takich głośnych spraw.
Podobne napięcie można wyobrazić sobie przy szkolnym wypracowaniu. Jeśli oceniamy wyłącznie gotowy tekst, łatwo przeoczyć drogę prowadzącą do jego powstania. Jeśli natomiast każemy wykonywać każdą czynność bez pomocy, możemy utrudnić dostęp do wiedzy i zatrzymać się przy ćwiczeniu umiejętności, których znaczenie warto ponownie przemyśleć.
To nie jest oczywiste. Są zadania, których wykonanie potrzebne jest przede wszystkim światu, i takie, których wykonywanie potrzebne jest także uczącemu się człowiekowi. Często jedno zadanie spełnia obie funkcje. Organizacja potrzebuje wyniku, ale potrzebuje też ludzi zdolnych rozumieć kolejne problemy. Szkoła chce pomóc uczniowi dzisiaj, a zarazem przygotować go do sytuacji, której jeszcze nie znamy.
Dlatego obok pytania „co można już zautomatyzować?” postawiłbym drugie: „gdzie będą powstawać kompetencje, z których skorzystamy jutro?”. To pytanie o odpowiedzialność za rozwój ludzi, także wtedy, gdy presja na szybki wynik zachęca do pominięcia tego, co powolne i niewidoczne. Myślę, że nie chcemy 'pominąć' kolejnego pokolenia.
Ile drogi chcemy przejść sami?
Nie wiemy jeszcze, jak wieloletnie dorastanie z zaawansowaną AI wpłynie na rozwój samodzielności. Możemy rozważać różne kierunki, ale scenariusz nie staje się faktem tylko dlatego, że brzmi przekonująco. Dobrze zaprojektowane wsparcie może otworzyć przestrzeń do nauki i działania. Może też utrwalać nawyk przyjmowania gotowych rozwiązań. Wiele zależy od tego, czego będziemy oczekiwali od narzędzi, szkół, firm, władz i od siebie.
Nie musimy przy tym zamieniać całego życia w nieustanny trening. Mamy prawo odpoczywać, wybierać wygodę i odpuszczać zadania, które nie są dla nas ważne lub powtarzalne.
Chcę zachować możliwość świadomego wyboru. Rozpoznać dziedziny, w których zależy nam na samym przejściu drogi: napisaniu czegoś własnymi słowami, zrozumieniu trudnej myśli, bycia w dialogu, podjęciu decyzji razem z innymi. Możemy używać pomocy i wciąż być obecni w tym doświadczeniu.
Wracam więc do nawigacji. Na jedną podróż wystarczy nam bezpieczne dotarcie pod wskazany adres. Innym razem zechcemy rozejrzeć się, zapamiętać punkty orientacyjne, wybrać własne przejście. Ważne, żebyśmy potrafili zauważyć różnicę.
Być może jednym z najważniejszych pytań epoki AI będzie właśnie to: czego nie chcemy ominąć w swoim rozwoju, nawet kiedy technologia pozwala nam szybciej dotrzeć do celu?
Źródła i dalsza lektura
Elizabeth L. Bjork, Robert A. Bjork, Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning (2011). Tekst autorów, UCLA.
Hamsa Bastani i współautorzy, Generative AI without guardrails can harm learning: Evidence from high school mathematics, PNAS (2025). Artykuł naukowy.
Edward L. Deci, Richard M. Ryan, The “What” and “Why” of Goal Pursuits: Human Needs and the Self-Determination of Behavior, Psychological Inquiry (2000). Tekst autorów.
Hannah Arendt, The Human Condition / Kondycja ludzka (1958), część poświęcona działaniu. Tekst książki, wydanie University of Chicago Press.
Tekst współtworzony z AI.
Komentarze