Obietnice możliwości, jakie niesie sztuczna inteligencja, maskują rzeczywistość kontrolowanego wysiedlenia

Migracja poznawcza trwa. Stacja jest zatłoczona. Niektórzy już wsiedli, inni wahają się, niepewni, czy cel podróży uzasadnia odjazd.

Ekspert ds. przyszłości pracy i profesor Uniwersytetu Harvarda Christopher Stanton skomentował niedawno, że wdrażanie sztucznej inteligencji (AI) jest ogromne i zauważył, że jest to „niezwykle szybko rozprzestrzeniająca się technologia”. Ta szybkość adopcji i wpływ są kluczowymi elementami odróżniającymi rewolucję AI od poprzednich transformacji technologicznych, takich jak komputery osobiste i internet. Demis Hassabis, dyrektor generalny Google DeepMind, poszedł o krok dalej, przewidując , że AI może być „10 razy większa niż rewolucja przemysłowa, a może nawet 10 razy szybsza”.

Inteligencja, a przynajmniej myślenie, jest coraz częściej współdzielona przez ludzi i maszyny. Niektórzy zaczęli regularnie wykorzystywać sztuczną inteligencję w swoich procesach pracy. Inni poszli dalej, integrując ją ze swoimi procesami poznawczymi i tożsamościami twórczymi. Są to „ chętni ”, w tym konsultanci biegle posługujący się szybkim projektowaniem, menedżerowie produktu modernizujący systemy oraz osoby budujące własne firmy, zajmujące się wszystkim, od kodowania, przez projektowanie produktów, po marketing.

Dla nich ten teren wydaje się nowy, ale możliwy do pokonania. Nawet ekscytujący. Ale dla wielu innych ten moment wydaje się dziwny i nieco niepokojący. Ryzyko, z jakim się mierzą, to nie tylko pozostanie w tyle. To niewiedza, jak, kiedy i czy inwestować w sztuczną inteligencję – przyszłość, która wydaje się wysoce niepewna i w której trudno wyobrazić sobie swoje miejsce. To podwójne ryzyko związane z gotowością na sztuczną inteligencję , które zmienia sposób, w jaki ludzie interpretują tempo, obietnice i presję tej transformacji.

W różnych branżach powstają nowe role i zespoły, a narzędzia AI przekształcają przepływy pracy szybciej, niż normy i strategie są w stanie za nimi nadążyć. Jednak znaczenie tych zmian jest wciąż niejasne, a strategie niejasne. Cel końcowy, o ile w ogóle istnieje, pozostaje niepewny. Tempo i zakres zmian wydają się jednak złowieszcze. Wszyscy słyszą o konieczności adaptacji, ale niewielu wie dokładnie, co to oznacza i jak daleko się posuną. Niektórzy liderzy branży AI twierdzą, że nadchodzą ogromne zmiany, i to już wkrótce, a superinteligentne maszyny mogą pojawić się w ciągu kilku lat.

Być może jednak ta rewolucja w dziedzinie sztucznej inteligencji (AI) zakończy się fiaskiem, podobnie jak miało to miejsce w przeszłości, a po niej nastąpi kolejna „ zima AI”. W historii były dwie godne uwagi zimy. Pierwsza miała miejsce w latach 70. XX wieku i była spowodowana ograniczeniami obliczeniowymi. Druga rozpoczęła się pod koniec lat 80. XX wieku po fali niespełnionych oczekiwań, w tym głośnych awarii i niedostarczonych „systemów eksperckich”. Zimy te charakteryzowały się cyklem wygórowanych oczekiwań, po których następowało głębokie rozczarowanie, co prowadziło do znacznego ograniczenia finansowania i zainteresowania AI.

Jeśli dzisiejszy entuzjazm wokół agentów AI odzwierciedla niespełnioną obietnicę systemów eksperckich, może to doprowadzić do kolejnej zimy. Istnieją jednak zasadnicze różnice między tamtymi czasami a obecnymi. Obecnie obserwuje się znacznie większe zaangażowanie instytucjonalne, zainteresowanie konsumentów i infrastrukturę chmury obliczeniowej w porównaniu z systemami eksperckimi z lat 80. Nie ma gwarancji, że nie nadejdzie nowa zima, ale jeśli branża tym razem zawiedzie, nie będzie to spowodowane brakiem pieniędzy czy rozpędu. Stanie się tak dlatego, że zaufanie i niezawodność zostały utracone jako pierwsze.

Jeśli „wielka migracja poznawcza” jest faktem, to wciąż jest to wczesny etap podróży. Niektórzy już wsiedli do pociągu, podczas gdy inni wciąż się wahają, niepewni, czy i kiedy wsiąść. W obliczu niepewności atmosfera na stacji stała się niespokojna, niczym podróżni wyczuwający zmianę planu podróży, której nikt nie zapowiedział.

Większość ludzi pracuje, ale zastanawia się nad stopniem ryzyka, jakiemu są poddawani. Wartość ich pracy ulega zmianie. Pod powierzchnią ocen okresowych i spotkań z pracownikami w firmach krąży cichy, lecz narastający niepokój.

Już teraz sztuczna inteligencja może przyspieszyć tworzenie oprogramowania od 10 do 100 razy, generować większość kodu przeznaczonego dla klientów i radykalnie skrócić czas realizacji projektów. Menedżerowie mogą teraz wykorzystywać sztuczną inteligencję do tworzenia ocen pracowniczych. Nawet antyczni historycy i archeolodzy odkryli wartość sztucznej inteligencji, wykorzystując ją do zrozumienia starożytnych łacińskich inskrypcji.

„Chętni” mają pojęcie, dokąd zmierzają i mogą znaleźć siłę napędową. Jednak dla tych „pod presją”, „opornych”, a nawet tych, których sztuczna inteligencja jeszcze nie dotknęła, ten moment wydaje się czymś pomiędzy oczekiwaniem a żałobą. Grupy te zaczynają zdawać sobie sprawę, że mogą nie pozostać długo w swojej strefie komfortu.

Dla wielu nie chodzi tylko o narzędzia czy nową kulturę, ale o to, czy w ogóle znajdzie się dla nich miejsce. Zbyt długie czekanie jest równoznaczne ze spóźnieniem się na pociąg i może prowadzić do długotrwałej utraty pracy. Nawet ci, z którymi rozmawiałem, którzy są na wysokich stanowiskach i zaczęli korzystać ze sztucznej inteligencji, zastanawiają się, czy ich stanowiska nie są zagrożone.

Narracja o możliwościach i podnoszeniu kwalifikacji skrywa bardziej niewygodną prawdę. Dla wielu to nie jest migracja. To kontrolowane przesiedlenie. Niektórzy pracownicy nie decydują się na rezygnację z AI. Odkrywają, że budowana przyszłość ich nie uwzględnia. Wiara w narzędzia różni się od przynależności do systemu, który narzędzia przekształcają. A bez jasnej ścieżki do znaczącego uczestnictwa, hasło „dostosuj się albo zostaniesz w tyle” zaczyna brzmieć mniej jak rada, a bardziej jak werdykt.

Właśnie te napięcia są powodem, dla którego ten moment jest tak ważny. Coraz bardziej odczuwa się, że praca, jaką znali, zaczyna zanikać. Sygnały płyną z góry. Prezes Microsoftu, Satya Nadella, przyznał to w notatce z lipca 2025 roku, wydanej po redukcji etatów, zauważając, że przejście do ery sztucznej inteligencji „może czasami wydawać się chaotyczne, ale transformacja zawsze taka jest”. Ale ta niepokojąca rzeczywistość ma jeszcze jedną stronę: technologia napędzająca tę pilną transformację pozostaje zasadniczo zawodna.

A jednak, pomimo całej pilności i rozmachu, ta coraz bardziej wszechobecna technologia sama w sobie pozostaje usterkowa, ograniczona, dziwnie krucha i daleka od niezawodności. Rodzi to kolejną warstwę wątpliwości, nie tylko co do tego, jak się dostosować, ale także co do tego, czy narzędzia, do których się adaptujemy, są w stanie to zapewnić. Być może te niedociągnięcia nie powinny dziwić, zważywszy na fakt, że zaledwie kilka lat temu wyniki z dużych modeli językowych (LLM) były ledwie spójne. Teraz jednak to jak noszenie doktoratu w kieszeni; idea inteligencji otoczenia na żądanie, która kiedyś była już niemal urzeczywistniona w science fiction.

Jednak pod maską doskonałości chatboty zbudowane na tych LLM-ach pozostają omylne, zapominalskie i często zbyt pewne siebie. Nadal mają halucynacje, co oznacza, że nie możemy w pełni ufać ich wynikom. Sztuczna inteligencja potrafi odpowiadać z pewnością siebie, ale nie z poczuciem odpowiedzialności. To prawdopodobnie dobra cecha, ponieważ nasza wiedza i doświadczenie są nadal potrzebne. Nie posiadają również trwałej pamięci i mają trudności z przenoszeniem rozmowy z jednej sesji na drugą.

Mogą się też zgubić. Niedawno rozmawiałem z jednym z czołowych chatbotów, który odpowiedział na pytanie zupełnie bez sensu. Kiedy zwróciłem na to uwagę, odpowiedział znowu, odbiegając od tematu, jakby wątek naszej rozmowy po prostu się urwał.

One również się nie uczą, przynajmniej nie w ludzkim sensie. Po udostępnieniu modelu, czy to przez Google, Anthropic, OpenAI czy DeepSeek , jego waga zostaje zamrożona. Jego „inteligencja” jest stała. Zamiast tego, ciągłość rozmowy z chatbotem jest ograniczona do jego okna kontekstowego, które jest, trzeba przyznać, dość duże. W ramach tego okna i rozmowy chatboty mogą przyswajać wiedzę i nawiązywać połączenia, które służą jako bieżąca nauka, i coraz bardziej przypominają uczonych.

Te zalety i wady składają się na intrygującą, urzekającą obecność. Ale czy możemy jej zaufać? Badania takie jak Edelman Trust Barometer z 2025 roku pokazują, że zaufanie do AI jest podzielone. W Chinach 72% ludzi wyraża zaufanie do AI. Ale w Stanach Zjednoczonych odsetek ten spada do 32%. Ta rozbieżność podkreśla, jak społeczna wiara w AI jest kształtowana w równym stopniu przez kulturę i zarządzanie, co przez możliwości techniczne. Gdyby AI nie miała halucynacji, gdyby potrafiła pamiętać, gdyby się uczyła, gdybyśmy rozumieli, jak działa, prawdopodobnie bardziej byśmy jej ufali. Jednak zaufanie do samej branży AI pozostaje nieuchwytne. Powszechne są obawy, że nie będzie żadnych znaczących regulacji dotyczących technologii AI i że zwykli ludzie będą mieli niewielki wpływ na to, jak będzie ona rozwijana i wdrażana.

Czy bez zaufania ta rewolucja w dziedzinie sztucznej inteligencji (AI) zakończy się fiaskiem i przyniesie kolejną zimę? A jeśli tak, to co stanie się z tymi, którzy zainwestowali w nią czas, energię i karierę? Czy ci, którzy czekali z wdrożeniem AI, odniosą korzyści? Czy migracja poznawcza okaże się klapą?

Niektórzy znani badacze sztucznej inteligencji ostrzegają, że sztuczna inteligencja w obecnej formie – oparta głównie na sieciach neuronowych głębokiego uczenia, na których zbudowane są programy nauczania (LLM) – nie spełni optymistycznych prognoz. Twierdzą, że do dalszego rozwoju tego podejścia potrzebne będą kolejne przełomy techniczne. Inni nie podzielają optymistycznych prognoz dotyczących sztucznej inteligencji. Powieściopisarz Ewan Morrison postrzega potencjał superinteligencji jako fikcję, mającą na celu przyciągnięcie funduszy inwestorów . „To fantazja” – powiedział – „produkt szaleństwa kapitału wysokiego ryzyka”.

Być może sceptycyzm Morrisona jest uzasadniony. Jednak, pomimo swoich wad, dzisiejsze programy LLM już teraz wykazują ogromną użyteczność komercyjną. Jeśli wykładniczy postęp ostatnich lat zatrzyma się jutro, skutki tego, co już zostało stworzone, będą odczuwalne przez lata. Jednak u podstaw tego ruchu leży coś bardziej kruchego: niezawodność samych narzędzi.

Na razie postępy w rozwoju są gwałtowne, ponieważ firmy testują i coraz częściej wdrażają sztuczną inteligencję. Niezależnie od tego, czy kieruje nimi przekonanie, czy strach przed pominięciem, branża jest zdeterminowana, by iść naprzód. Wszystko może się zawalić, jeśli nadejdzie kolejna zima, zwłaszcza jeśli sztuczna inteligencja nie przyniesie oczekiwanych rezultatów. Mimo to dominuje przekonanie, że dzisiejsze niedociągnięcia zostaną rozwiązane dzięki lepszej inżynierii oprogramowania. I być może tak się stanie. W rzeczywistości prawdopodobnie tak się stanie, przynajmniej do pewnego stopnia.

Zakład jest taki, że technologia zadziała, będzie skalowalna, a wywołane przez nią zmiany zostaną przeważone przez produktywność, którą umożliwia. Sukces w tej przygodzie zakłada, że to, co tracimy w ludzkich niuansach, wartościach i znaczeniu, zostanie zrekompensowane zasięgiem i wydajnością. To jest ryzyko, które podejmujemy. A potem pojawia się marzenie: sztuczna inteligencja stanie się szeroko dostępnym źródłem obfitości, będzie promować, a nie wykluczać, i rozszerzać dostęp do inteligencji i możliwości, zamiast je koncentrować.

Niepokojące jest to, że istnieje między nimi przepaść. Poruszamy się naprzód, jakby podjęcie tego ryzyka gwarantowało spełnienie marzeń. To nadzieja, że przyspieszenie doprowadzi nas do lepszego miejsca, i wiara, że nie zniszczy ono ludzkiego pierwiastka, który sprawia, że warto dotrzeć do celu. Historia jednak przypomina nam, że nawet udane zakłady mogą pozostawić wielu w tyle. „Nieuporządkowana” transformacja, która obecnie trwa, to nie tylko nieunikniony efekt uboczny. To bezpośredni rezultat tego, że prędkość przytłacza ludzkie i instytucjonalne możliwości skutecznej i ostrożnej adaptacji. Na razie migracja poznawcza trwa, tyleż na podstawie wiary, co przekonania.

Wyzwaniem jest nie tylko tworzenie lepszych narzędzi, ale także zadawanie trudniejszych pytań o to, dokąd nas one prowadzą. Nie migrujemy po prostu do nieznanego celu; robimy to tak szybko, że mapa zmienia się w trakcie biegu, poruszając się po krajobrazie, który wciąż się rysuje. Każda migracja niesie ze sobą nadzieję. Ale nadzieja, niesprawdzona, może być ryzykowna. Czas zapytać nie tylko, dokąd zmierzamy, ale także, kto będzie miał swoje miejsce, gdy dotrzemy na miejsce.

Gary Grossman jest wiceprezesem wykonawczym ds. technologii w firmie Edelman i globalnym dyrektorem Centrum Doskonałości Sztucznej Inteligencji Edelman.