Prawo do nieefektywności. Kiedy warto zrobić coś samemu?

Trzeci tekst z cyklu „Być człowiekiem w świecie AI. O sprawczości, pracy i sensie”.

Wyobraźmy sobie sobotnie gotowanie. Można zamówić posiłek i zająć się czymś innym. Można też wyjąć składniki, poszukać przepisu, pomylić proporcje i spędzić w kuchni więcej czasu, niż planowaliśmy. Obiad zapewne powstanie później. Być może nie będzie nawet lepszy.

A jednak czasem właśnie tak chcemy spędzić popołudnie. Zrobić coś własnymi rękami. Spróbować. Zaprosić kogoś do wspólnej pracy. Gdyby jedynym kryterium był czas od głodu do gotowego dania, trudno byłoby ten wybór obronić.

Wartość tej czynności może jednak mieścić się także w czasie pomiędzy początkiem a końcem.

AI stawia przed nami podobne pytanie w kolejnych dziedzinach. Potrafi pomóc napisać tekst, przygotować plan, wyjaśnić problem. Coraz częściej możemy skrócić pracę, która jeszcze niedawno wymagała długiego skupienia. W wielu sytuacjach chętnie z tego korzystamy.

Z których doświadczeń chcemy zrezygnować, a które chcielibyśmy zachować, nawet jeśli zajmują więcej czasu?

Co właściwie chcemy zrobić?

Kiedy potrzebujemy krótkiej instrukcji do powtarzalnego procesu, liczy się przede wszystkim jej poprawność i użyteczność. Długie zmaganie z układem zdań może niewiele wnosić. Jeśli jednak próbujemy napisać komuś coś ważnego, szukanie słów bywa częścią dochodzenia do tego, co chcemy powiedzieć.

Podobnie z przygotowaniem rekomendacji dla zespołu. Możemy zlecić narzędziu porządkowanie materiału. Warto przy tym ustalić, które decyzje chcemy podjąć sami: nazwać problem, porównać argumenty, wybrać kryterium decyzji. Gotowy dokument nie pokaże, czy rzeczywiście uczestniczyliśmy w tych wyborach.

Zanim więc zapytamy, jak przyspieszyć zadanie, możemy zapytać, po co je robimy. Potrzebujemy wyniku?

Ćwiczymy umiejętność?

Chcemy pobyć z drugą osobą?

A może po prostu lubimy tę czynność?

Odpowiedź zmienia sens oszczędzania czasu.

Wysiłek ma swoje warunki

W pierwszym tekście tego cyklu pisałem o różnicy między sprawnym wykonaniem zadania a uczeniem się. Elizabeth i Robert Bjork pokazują, że niektóre utrudnienia, między innymi odtwarzanie informacji z pamięci i rozłożenie praktyki w czasie, mogą pomagać w trwałym uczeniu się. Podkreślają też warunek: uczący się musi mieć wiedzę i umiejętności, by podjąć takie wyzwanie. Samo zwiększanie trudności nie wystarcza. [1]

Z tego nie wynika obowiązek rezygnowania z pomocy. Jeśli problemem jest niedostępny materiał, niezrozumiała instrukcja albo przeciążenie, usunięcie przeszkody może umożliwić naukę. Nie potrzebujemy pochwały męczenia się. Potrzebujemy lepiej rozpoznawać, czemu służy dany wysiłek.

W rozmowie z AI można na przykład poprosić o wyjaśnienie jednego pojęcia, a następnie samemu spróbować zastosować je do nowej sytuacji. Można też poprosić o krytykę własnego pomysłu zamiast o gotową propozycję. To praktyczne sposoby zachowania udziału w pracy. Ich sens zależy od zadania i od tego, czego chcemy się nauczyć.

Nie każda wolna chwila musi nas rozwijać

Jest w tej rozmowie jeszcze jedna pułapka. Łatwo zacząć bronić gotowania, spaceru albo pisania tylko dlatego, że poprawiają jakąś kompetencję. Wtedy także odpoczynek trzeba uzasadnić przyszłą korzyścią. Może dlatego nowe słowo roku wybrane przez https://www.dictionary.com/ to włąsnie MAXXING!

Chciałbym zostawić miejsce również na czynności, które nie prowadzą do żadnego ambitnego celu. Można rysować przeciętnie i nadal lubić rysowanie. Czytać powoli, wracać do jednej strony, układać myśli bez zamiaru publikowania. Nie trzeba za każdym razem wykazywać, że był to najlepszy sposób wykorzystania godziny.

Tak rozumiem prawo do nieefektywności: jako możliwość świadomego wyboru własnego tempa i sposobu działania.

Nie każdy ma na taki wybór tyle samo miejsca. Kiedy ktoś łączy pracę z opieką nad bliskimi albo po prostu nie ma już siły, skorzystanie z pomocy może być najrozsądniejszą decyzją. Trudno zachęcać do wolnego gotowania osobę, która potrzebuje chwili odpoczynku. Dlatego nie chciałbym zrobić z samodzielności kolejnego sposobu oceniania ludzi.

W pracy taki wybór wymaga uwzględnienia innych ludzi. Nie każde opóźnienie da się usprawiedliwić rozwojem. Są zobowiązania, terminy i koszty. Warto więc ustalać, gdzie przewidujemy czas na samodzielną próbę, jaki błąd jest dopuszczalny i kiedy potrzebna będzie pomoc. Osoba ucząca się powinna znać te granice, zamiast zgadywać, czy wolno jej pracować wolniej.

Co zostawiamy sobie?

Przy następnym zadaniu, które AI może wykonać za nas, proponuję krótką próbę. Wybierzmy jeden fragment, w którym chcemy pozostać aktywni. Może to być własny pierwszy akapit, samodzielne rozwiązanie przykładu albo decyzja, które założenie trzeba sprawdzić. Resztę możemy świadomie uprościć lub wykonać z pomocą.

Chciałbym, żebyśmy nadal potrafili powiedzieć: tę część chcę zrobić sam, bo jest dla mnie ważna. A kiedy potrzebujemy pomocy, umieli po nią sięgnąć bez poczucia, że umniejsza to wartość naszego udziału.

Gdy wracam do przykładu gotowania, widzę dwie równie rozsądne soboty. W jednej ktoś zamawia obiad, żeby odpocząć. W drugiej spędza czas w kuchni, bo właśnie na to ma ochotę. Żadna z tych osób nie musi usprawiedliwiać całego dnia swoją produktywnością.

Źródło

[1] Elizabeth L. Bjork i Robert A. Bjork, „Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning”, 2011. Przykłady korzystania z AI w tym eseju są propozycjami zastosowania, a nie wnioskami z badania narzędzi AI przez autorów.

Tekst współtworzony z AI.