Historia jednego lęku: od liczydła do modeli językowych

AI nie jest pierwszą technologią, która miała nas "ogłupić”. I dlatego warto potraktować ją poważnie.

Cześć, temat główny wciągnął mnie na tyle, że trochę posiedziałem w historii, ale jestem z tego dłubania całkiem zadowolony. Wyszła z tego jedna z dłuższych notatek, jakie napisałem, więc uznajmy, że to już wydanie majówkowe. Bo umówmy się - kto w weekend naprawdę chce czytać moje wypociny?

Co jeszcze dzisiaj?

• Workslop nie jest śmieszny [I NIGDY NIE BYŁ]

• Jestem taki offline - piszę to online

• Fizyczna książka ma moc

• Jak będzie wyglądał świat w 2050 roku?

---

Jest późny wieczór. Ktoś siedzi z laptopem przy kuchennym stole i wpisuje do modelu językowego kilka zdań: zrób research, streść spotkanie, napisz pierwszy draft, ułóż plan prezentacji. Odpowiedź przychodzi po kilku sekundach. Jest zaskakująco sensowna, czasem nawet bardzo dobra. Najpierw pojawia się zachwyt, a chwilę później coś dużo mniej komfortowego: jeśli to naprawdę działa, to co właściwie zostaje mnie?

To pytanie brzmi jak znak naszych czasów, ale sam odruch jest stary. Historia technologii nie składa się wyłącznie z wynalazków. Składa się też z reakcji na wynalazki, a te są zaskakująco powtarzalne. Najpierw fascynacja, potem panika, a zaraz po niej dobrze znane pytanie: czy to narzędzie nas wzmocni, czy raczej odbierze nam jakąś ważną część nas samych?

Właśnie dlatego warto potraktować AI poważnie. Nie dlatego, że jest pierwszą technologią, która może zmienić sposób, w jaki pracujemy i myślimy, lecz właśnie dlatego, że nią nie jest. Człowiek od tysięcy lat próbuje oddać narzędziom te części pracy, które są żmudne, powtarzalne i poznawczo kosztowne. Za każdym razem, kiedy to robił, stawał przed tym samym problemem: jeśli maszyna przejmuje czynność, która dotąd była źródłem mojej wartości, to gdzie ta wartość przenosi się teraz?

Cofamy się w czasie

Można wyobrazić sobie kupca sprzed kilku tysięcy lat, siedzącego na targu gdzieś w Mezopotamii albo nad Morzem Śródziemnym. Przed nim towary, wokół klienci, z tyłu pomocnik, a w głowie rachunki: kto już zapłacił, kto jeszcze jest winny, ile zboża zeszło, ile zostało. Im większa skala handlu, tym mniej wystarcza sama pamięć. Umysł jest niezwykły, ale ma swoje granice: męczy się, myli, zapomina. I właśnie stąd bierze się jeden z najważniejszych cywilizacyjnych odruchów - potrzeba wyprowadzenia części myślenia poza głowę. Najpierw w postaci prostych znaków, kamyków, nacięć, później liczydeł i abakusów. To było myślenie inaczej: oparte na współpracy umysłu z narzędziem.

Ta logika wraca później w coraz bardziej zaawansowanej formie. Wystarczy przypomnieć sobie mechanizm z Antykithiry, wydobyty po dwóch tysiącach lat z wraku u wybrzeży greckiej wyspy. Zardzewiały artefakt okazał się systemem kół zębatych zdolnym modelować ruchy ciał niebieskich i przewidywać zjawiska astronomiczne. Dla współczesnego oka to cud starożytnej inżynierii. Dla człowieka żyjącego w II wieku p.n.e. musiał to być dowód na coś jeszcze ważniejszego: że część złożoności świata można zamknąć w zewnętrznym mechanizmie, zamiast dźwigać ją wyłącznie w głowie eksperta. Innymi słowy, jeszcze na długo przed narodzinami informatyki istniała już wyobraźnia informatyczna.

Potem historia przyspiesza. W XVII-wiecznej Francji młody Blaise Pascal patrzy, jak jego ojciec, poborca podatkowy, godzinami siedzi nad rachunkami. Kolumny liczb, żmudne sumowanie, ciągłe ryzyko błędu. To nie była praca strategiczna ani twórcza, lecz mechaniczna warstwa pracy, która pochłaniała ogromną ilość uwagi. Z tej obserwacji rodzi się Pascalina - maszyna do dodawania i odejmowania. Kilkadziesiąt lat później Leibniz rozwija własne urządzenie i marzy o świecie, w którym przynajmniej część ludzkich sporów da się zamienić w rachunek. Można się dziś uśmiechać do tej ambicji, ale kryje się w niej intuicja, która wraca z potężną siłą: jeśli coś da się rozłożyć na reguły i procedury, być może da się też odciążyć człowieka z wykonywania tych reguł krok po kroku.

W XIX wieku Charles Babbage zaczyna irytować się nie tylko hałasem Londynu, lecz także jakością ludzkiej pracy obliczeniowej. Tabele matematyczne potrzebne w nawigacji, astronomii i inżynierii były wtedy tworzone ręcznie i pełne błędów. Babbage widział, jak bardzo nowoczesny świat zależy od monotonnej pracy rachmistrzów i jak łatwo ta praca się psuje. Chciał zbudować maszynę, która liczyłaby bez zmęczenia, bez nieuwagi i bez omylności. Najpierw powstaje idea maszyny różnicowej, potem bardziej ambitny projekt maszyny analitycznej. I wtedy pojawia się Ada Lovelace, która rozumie coś, co brzmi dziś znajomo: że stawka nie polega wyłącznie na szybszym liczeniu. Jeśli maszyna może wykonywać sekwencje instrukcji, to może być czymś więcej niż kalkulatorem. Może stać się wykonawcą procedur.

To jest moment, do którego warto wracać, gdy mówimy o AI. Może nie dlatego, że Lovelace przewidziała modele językowe (redaktorzy portali horyzontalnych wpadają w szloch), ale dlatego, że uchwyciła podstawową zmianę paradygmatu. Człowiek nie musi własnym umysłem wykonywać każdego kroku procesu. Może za to projektować reguły, określać cele i interpretować wyniki, podczas gdy część procedury przejmuje narzędzie. Kiedy maszyna przejmuje rachunek, człowiek zaczyna być cenny dlatego, że wie, jakie liczby warto policzyć, po co i co z nich wynika.

To samo wydarzyło się później z kalkulatorem, choć jego rewolucja była znacznie bardziej namacalna. Jeszcze w połowie XX wieku suwak logarytmiczny był dla inżyniera znakiem zawodowej godności, dowodem fachowości, przedłużeniem ręki i umysłu. Umiejętność sprawnego posługiwania się nim odróżniała profesjonalistę od amatora. A potem w 1972 roku Hewlett-Packard wypuszcza HP-35, pierwszy kieszonkowy kalkulator naukowy, który naprawdę zmienia reguły gry. To, co wcześniej wymagało czasu, wprawy i skupienia, nagle mieści się w kieszeni marynarki.

Nietrudno wyobrazić sobie reakcję. Z jednej strony entuzjazm, bo nowe narzędzie realnie zwiększa tempo pracy. Z drugiej strony lęk, że zniknie coś ważnego: pewien typ biegłości, pewien rodzaj rozumienia, może nawet sam szacunek dla wysiłku. W szkołach i na uczelniach debatowano, czy kalkulatory nie zniszczą podstaw matematyki, czy uczniowie nie zamienią rozumienia na naciskanie guzików. I trzeba przyznać, że te pytania nie były głupie. Część kompetencji rzeczywiście osłabła. Rachunek pamięciowy przestał być codzienną koniecznością. Ale społeczeństwa przez to nie zgłupiały. Po prostu przesunęła się granica. Mniej wartości miała sama mechanika obliczeń, więcej - modelowanie, interpretacja, analiza, decyzja.

Photo by Ben Wicks on Unsplash

Na polskim gruncie

Jeśli zejść z tej szerokiej historii na grunt polskiego doświadczenia, ten sam wzór staje się jeszcze bardziej rozpoznawalny. W latach 90. w małych sklepach, rozsianych po miastach i miasteczkach, codzienność opierała się na zeszycie, kalkulatorze, bloczku, pieczątce i pamięci. Sprzedawczyni albo właścicielka sklepu miała w głowie rytm dnia, klientów, zaległości, zamówienia, drobne różnice cen, towar, który schodził szybciej niż inne. To był świat zbudowany trochę na procedurze, ale w dużej mierze na obyciu, zaradności i praktycznej inteligencji. Kiedy do tego świata weszły kasy fiskalne, nie dla wszystkich były symbolem nowoczesności. Dla wielu były raczej przymusem nauczenia się nowego rytmu pracy. Trzeba było zamienić własne, oswojone sposoby działania na system bardziej sformalizowany, bardziej policzalny, mniej oparty na pamięci i przyzwyczajeniu.

Jedni odczuli ulgę, bo pojawił się większy porządek. Inni frustrację, bo dotychczasowa kompetencja nagle przestała wystarczać. To był spór o to, jak nowe narzędzie zmienia definicję codziennej kompetencji. I właśnie dlatego jest to tak dobry lokalny odpowiednik dzisiejszego lęku przed AI. Problem polega na tym, że technologia odbiera pewnym umiejętnościom ich dawną rynkową wartość, zanim zdążymy spokojnie zbudować nowe.

Bardzo podobnie wyglądała polska informatyzacja urzędów po 1989 roku. Był to patchwork dwóch epok. W jednym pokoju komputer, drukarka igłowa i pierwsza baza danych, a obok wciąż segregatory, papierowe teczki, pieczątki, podpisy, dokumenty krążące z biurka na biurko. Część spraw była już wpisywana do systemu, ale potem i tak trzeba było wszystko wydrukować, podbić, odłożyć do teczki. Pracownicy funkcjonowali jednocześnie w dwóch porządkach. Ich lęk nie brał się z tego, że komputer był zły sam w sobie. Brał się stąd, że doświadczenie zdobywane przez lata w papierowym obiegu nagle trzeba było przetłumaczyć na język interfejsu, danych i cyfrowej procedury.

A jednak po czasie komputer przestał być wydarzeniem, a stał się tłem. Nie zniknęła potrzeba urzędnika. Zmieniło się tylko to, na czym polega jego codzienna sprawczość. Mniej wartości miała sama umiejętność poruszania się po papierowym labiryncie, więcej - zdolność pracy z informacją, systemem, przepływem danych i procedurą. Dokładnie ten sam mechanizm widzimy dziś przy AI. Nie znika praca jako taka. Znaczenie traci pewien sposób wytwarzania wartości.

Podobne doświadczenie pamięta też polska szkoła z przełomu lat 90. i 2000. Szkolna pracownia komputerowa była dla całego pokolenia czymś w rodzaju granicy epok. Monitory CRT, wolno uruchamiające się systemy, nauczyciel próbujący wprowadzić uczniów w świat, który dla jednych był fascynujący, a dla innych kompletnie obcy. Przez długi czas “umieć się uczyć” znaczyło przede wszystkim pamiętać, przepisywać, odtwarzać. Gdy do codzienności weszły komputery i internet, nagle okazało się, że sama pamięć i odtwórczość już nie wystarczają. Zaczęły liczyć się inne kompetencje: wyszukiwanie informacji, ocena źródła, składanie wiedzy z rozproszonych fragmentów, podstawowa sprawność cyfrowa. I znów pojawił się ten sam lęk: czy młodzi ludzie będą jeszcze naprawdę wiedzieć, czy tylko “umieć znaleźć”? Część obaw była uzasadniona, bo coś rzeczywiście zostało osłabione. Ale równocześnie pojawiły się nowe warstwy biegłości, bez których dziś trudno funkcjonować.

W gruncie rzeczy każda z tych scen mówi o tym samym. Technologia przychodzi do świata, w którym ludzie zbudowali już swoje role, rytuały, zawodową dumę i poczucie kompetencji wokół określonych czynności. Dlatego tak często pierwszą reakcją jest nie tylko ciekawość, lecz także coś w rodzaju egzystencjalnego zgrzytu. Jeśli to, co robiłem dobrze i za co byłem ceniony, nagle może wykonać maszyna albo interfejs, to co teraz właściwie ma znaczyć “umieć”?

Komputer osobisty wszedł do biur właśnie w taki sposób. Gdy IBM wypuścił PC w sierpniu 1981 roku, niewielu ludzi miało poczucie, że uczestniczy w progu nowej ery. Biura nadal pracowały na papierze, maszyny do pisania stukały swoim rytmem, a kartoteki żyły w szafach. A jednak z czasem edytor tekstu zaczął wypierać maszynę do pisania, arkusz kalkulacyjny zmienił ekonomię pracy finansowej, a bazy danych przebudowały sposób organizacji informacji. To była zmiana samej struktury pracy. Dla jednych oznaczała awans na wyższy poziom działania. Dla innych - przymus przebudowy tożsamości zawodowej.

Pogadajmy o AI (tak tak, kolejny raz)

Właśnie dlatego w rozmowie o technologii nie warto używać wyłącznie języka optymizmu. Z perspektywy systemowej można mówić o wzroście produktywności, nowych zawodach i wyższej efektywności. Ale z perspektywy konkretnego człowieka zmiana technologiczna bardzo często oznacza utratę wartości pewnych umiejętności, zanim pojawi się nowa mapa przewag. To jest sam środek doświadczenia transformacji.

Dotyczy to również AI, która z każdym nowym modelem staje się infrastrukturą pracy intelektualnej. Czy robi wszystko lepiej od człowieka? Nie. Dzieje się tak dlatego, że drastycznie obniża koszt pierwszej wersji. Pierwszego draftu tekstu. Pierwszego researchu. Pierwszego podsumowania. Pierwszego szkicu prezentacji. Pierwszego zestawu hipotez. Pierwszej analizy konkurencji. Właśnie tutaj zmienia się ekonomia pracy. Rynek zaczyna mniej płacić za samo szybkie wytworzenie poprawnej wersji 1.0, a coraz bardziej za to, co dzieje się później: selekcję, ocenę, interpretację, nadzór, projektowanie procesu, odpowiedzialność za wynik.

Dlatego najbardziej zagrożone nie są zawody kreatywne jako takie. Najbardziej zagrożone są te elementy pracy kreatywnej i intelektualnej, które da się sformatować, powtórzyć i ocenić według przewidywalnych wzorców. AI zabiera premię za kreatywność schematyczną. Nie zabiera myślenia jako takiego. Zabiera wartość tej części myślenia, która była głównie produkcją przewidywalnych rezultatów.

A skoro tak, to najciekawsze pytanie nie brzmi dziś: czy AI zabierze pracę? To pytanie jest jednocześnie ważne i źle postawione. Znacznie trafniejsze brzmi inaczej: które elementy pracy tracą wartość, które ją zyskują i kto będzie miał narzędzia, by wykonać ten skok? Historia od abakusa po kasę fiskalną, od Pascala po polski urząd między pieczątką a bazą danych, pokazuje, że technologia rzadko eliminuje pracę w całości. Znacznie częściej eliminuje ekonomiczną premię za konkretny typ rutyny.

Z kolejnymi sekundami rozwoju technologicznego coraz cenniejsi będą więc nie ci, którzy potrafią wygenerować najwięcej, lecz ci, którzy umieją najlepiej wybrać, nazwać, połączyć i ocenić. Ci, którzy odróżniają tekst poprawny od trafnego. Ci, którzy wyczuwają, kiedy model powiela banał. Ci, którzy potrafią połączyć dane z kontekstem, szybkość z osądem, skalę z odpowiedzialnością. Innymi słowy, rośnie wartość ludzi, którzy nie są już wyłącznie wykonawcami, lecz architektami sensu.

I to chyba najważniejsza lekcja całej tej historii. AI nie jest pierwszą technologią, która rzekomo miała nas ogłupić. Nie jest pierwszym narzędziem, które przejmuje część pracy umysłu. Nie jest pierwszą falą, która wywołuje chaos, lęk, dezorientację i spór o to, co znaczy prawdziwa kompetencja. Ale jest kolejną technologią, która robi to z ogromną siłą (i też w czasie, gdy każdy, kto ma dostęp do internetu, może się na to wyżalić). Właśnie dlatego nie warto jej ani demonizować, ani lekceważyć. Warto potraktować ją poważnie.

Bo stawka tej zmiany nie dotyczy wyłącznie produktywności. Dotyczy również tego, jakim typem umysłu stajemy się w świecie, w którym odpowiedzi są coraz tańsze. A kiedy odpowiedzi tanieją, drożeje coś innego: trafność pytań, jakość sądu, oryginalność syntezy i zdolność odróżniania tego, co możliwe, od tego, co naprawdę wartościowe.

Historia podpowiada jedną rzecz: rynek rzadko nagradza tych, którzy najdłużej bronią starej definicji pracy. Znacznie częściej nagradza tych, którzy najszybciej rozumieją, gdzie po zmianie przenosi się wartość. I właśnie tam jesteśmy dzisiaj. AI zabierze część rutyny, część przewagi opartej wyłącznie na szybkości produkcji i część zawodowego komfortu tym, którzy liczyli, że dotychczasowy model pracy da się utrzymać bez korekty. Ale równocześnie otworzy przestrzeń dla tych, którzy potrafią stać się kimś więcej niż operatorami podpowiedzi i producentami draftów.

Polecajki:

🚨 “Workslop” brzmi śmiesznie, ale opisuje rzecz mało zabawną - zalew pozornie dopracowanej pracy z AI, która w praktyce dokłada ludziom godzin korekty i odbiera sprawczość. Bardzo dobry tekst o tym, jak technologia sprzedawana jako wsparcie coraz częściej działa jak kolejna warstwa firmowego bałaganu.

🫠 Wszyscy dziś chcą być offline - najlepiej publicznie, na Instagramie i w estetycznym karuzelu o odcinaniu się od telefonu. To bardzo celny tekst o tym, że trend “bycia poza siecią” jest produktem tej samej gospodarki uwagi, od której rzekomo próbujemy uciec.

⌛ To jeden z tych tekstów, po których trudniej już bez mrugnięcia powtarzać mantrę o “odzyskiwaniu czasu dzięki AI” - Kuba pokazuje, że oszczędność na pojedynczym tasku nie oznacza mniej roboty - częściej oznacza więcej pracy, tylko szybciej, taniej i podlanej obietnicą, że przecież to dla waszego dobra.

📖 To bardzo przyjemna obrona fizycznych książek w epoce, w której “mieć dostęp” coraz rzadziej znaczy “umieć się skupić” - jest tu i o budowaniu własnej bazy wiedzy poza algorytmem, i o tym, że czasem najlepszą technologią dla mózgu okazuje się rzecz z papieru, która nie wysyła żadnych powiadomień.

🖥️ Reuters pokazuje, jak cienka robi się granica między narzędziem pracy a laboratorium do tresowania AI - Meta chce przechwytywać kliknięcia, wpisywane znaki i część ekranów swoich ludzi. Jeśli szukaliście definicji korporacyjnego “thanks for your contribution”, to ta jest wyjątkowo dosłowna.

🔮 BCG próbuje ogarnąć rok 2050 bez futuryzmu na sterydach i rozpisuje cztery całkiem wiarygodne scenariusze świata - od AI-dobrobytu po cyfrowy darwinizm. To tekst o tym, że przyszłość może wyglądać różnie, ale jedno jest wspólne już teraz - decyzje z najbliższych kilku lat ustawią znacznie więcej, niż większość firm chce dziś przyznać.

⚙️ Jeśli macie już lekki przesyt debatą “AI zabierze pracę” kontra “spokojnie, technologia zawsze tworzy nowe zawody” (jaką ja tu też czasem uprawiam), to O’Reilly robi z tego coś wreszcie użytecznego - dostajemy mapę czterech przyszłości rynku pracy - od powolnego wyciskania etatów po wielką transformację, w której AI faktycznie poszerza gospodarkę, a nie tylko excela CFO. Uwaga, długie! Zachowajcie sobie na później i wróćcie w dogodnym czasie.

🗳️ Orbán przegrał mimo potężnej machiny propagandowej, a Tech Policy Press przypomina, że polityki informacyjnej nie da się sprowadzić do prostego “kto ma lepsze fejki, ten rządzi” - to tekst, który dobrze robi na głowę po sezonie paniki: mniej magicznego myślenia o sile dezinformacji, więcej patrzenia na jej realne granice i skutki.