Uciec z pułapki wygody. Jak nie ulec iluzji kompetencji w dobie AI?

To niesamowite, jakie poczucie mocy daje kontakt z generatywną AI. Człowiek nagle zyskuje dostęp do źródła wiedzy tak potężnego, jak żadne inne dotąd. Można ulec wrażeniu, że nie istnieją już pytania bez odpowiedzi, a nauka przychodzi z niespotykaną lekkością. Jaka szkoda, że to z reguły tylko iluzja.

Pozór wszechwiedzy idealnie ilustruje żart rysunkowy: użytkownik pyta AI o trzymanego w ręku muchomora. „Tak, to grzyb jadalny” – słyszy w odpowiedzi. Na kolejnym kadrze, już w szpitalu, ten sam smartfon oznajmia: „Masz rację, to był grzyb trujący. Czy chcesz dowiedzieć się więcej o grzybach trujących?”.

Według ekspertów, w świecie natychmiastowych odpowiedzi udzielanych przez GenAI, kluczową kompetencją staje się umiejętność właściwego formułowania pytań. Sztuka ich zadawania to zarazem jedna z najprostszych definicji nauki. Newton czy Kopernik dokonywali przełomów nie dzięki gotowym odpowiedziom, lecz dzięki odwadze, by pytać: „dlaczego?” i „co, jeśli?”. Dziś, gdy świat podaje rozwiązania na tacy, to właśnie dociekliwość pozwala człowiekowi zachować poznawczą samodzielność.

Ślepa uliczka

Zanim smartfon stał się centrum kontaktu z modelami AI, służył nam jako „pamięć zewnętrzna” do zapisywania przypomnień, alarmów, imienin bliskich czy terminów spotkań. Żyjemy w czasach, w których trudno funkcjonować bez swoistego outsourcingu pracy mózgu do zewnętrznych narzędzi. Pozytywne efekty poznawczego offloadingu (odciążenia poznawczego) kończą się tam, gdzie w pracy i rozwoju zaczynamy nadmiernie polegać na możliwościach GenAI. Wpadamy w pułapkę wygody, zaczynając „outsourcować” sam proces myślenia. Niczym miraż wygranej na loterii, AI kusi ułudą nieograniczonego dostępu do zewnętrznego, genialnego rozumu, który błędnie bierzemy za własny. Gdy rzeczywiste poszerzanie wiedzy zostaje zastąpione przez iluzję kompetencji, rozwój przestaje być realny – staje się jedynie symulacją postępu.

Nowa anatomia pracy z wiedzą

Krystyna Jarek, ekspertka ds. AI i założycielka Booster of Innovation, zauważa, że w świecie GenAI nie tylko wyszukujemy informacje, ale i współtworzymy je wraz z systemem generującym statystycznie najprawdopodobniejsze treści. Kiedyś bibliotekarz pomagał wybrać książkę z poszukiwanymi przez nas treściami, dziś AI wskazuje źródła i od razu tworzy ich podsumowanie. Ta radykalna zmiana przenosi ciężar z „co wiem” na „jak pytam”. Ekspertka podkreśla, że kluczową metakompetencją staje się projektowanie interakcji – umiejętność tak precyzyjnego sformułowania problemu, by system wygenerował wartościową odpowiedź. AI premiuje precyzję i iteracyjność. Wymaga od nas myślenia strukturalnego, jeszcze zanim położymy ręce na klawiaturze i zaczniemy dialog z technologią. Samodzielnie musimy określić kontekst, zakres i kryteria jakości. Choć GenAI może nas wyręczyć w stawianiu hipotez czy budowaniu struktury rozwiązania, delegowanie tych zadań osłabia głębię rozumienia. Jarek podkreśla, że przerzucenie pracy na maszynę z pominięciem etapu własnego zastanowienia to prosta droga do utraty orientacji w tym, co w danym projekcie jest najważniejsze.

Uciec przed powierzchownością

W dobie AI eksploracja przestała kojarzyć się ze żmudnym przeglądem książek, porównywaniem autorów i teorii, tworzenia własnych notatek czy analizą źródeł. Wszystko to zastępuje dziś jedna sesja z chatbotem. Takie wsparcie wzbogaca analizę pod warunkiem, że rzeczywiście sięgamy głębiej. – Pułapka tkwi w powierzchowności. Przyspieszenie może oznaczać zapoznanie się wyłącznie z tym, co wygenerowane, bez zrozumienia i analizy dokumentów źródłowych – zauważa ekspertka. Zmienił się też proces weryfikacji danych. Gdy wiedza była drukowana, o rzetelność informacji dbał autor i wydawca. Dziś ta odpowiedzialność spoczywa wyłącznie na użytkowniku - umiejętność walidacji źródeł staje się kompetencją krytyczną.

Kamila Kierzek-Mechło, dyrektor zarządzająca  BUZZCenter i współautorka książki „Zatrudnij AI, odzyskaj czas”, ostrzega: często mylimy łatwość generowania odpowiedzi z własnym zrozumieniem. – To iluzja kompetencji: potrafimy rozpoznać poprawną odpowiedź, ale nie umiemy jej samodzielnie odtworzyć ani zastosować w nowym kontekście. W praktyce zawodowej prowadzi to do błędnych decyzji, nadmiernej pewności siebie i spadku jakości pracy w sytuacjach niestandardowych – tłumaczy. Ekspertka zaznacza, że proces uczenia się jest skuteczny tylko wtedy, gdy traktujemy AI jako partnera w dialogu, a nie generator gotowych rozwiązań.

Nowa norma profesjonalizmu

Czy bycie specjalistą z modelami AI pod ręką to nowa norma profesjonalizmu? Krystyna Jarek sugeruje, że tak, o ile zachowamy właściwe proporcje. – Kluczowe jest rozgraniczenie: gdzie kończy się wsparcie AI, a zaczyna nasza odpowiedzialność. Musimy wiedzieć, na ile wygenerowana treść mieści się w naszej domenie, a na ile AI wykonuje zadania, w których brakuje nam kompetencji – mówi.

Nikt przy zdrowych zmysłach nie pozwoliłby operować chirurgowi tylko dlatego, że ten ma dostęp do AI i może sprawdzić, jak przeprowadzić zabieg. Podobnie wyszukanie paragrafu nie czyni nikogo prawnikiem. – To granica, której musimy strzec. Stąd tak ważne są formalne certyfikaty, staże i lata praktyki potwierdzające faktyczne zdolności. Wiedza dostępna natychmiast nie zastąpi kompetencji bazowych. Specjalista musi umieć zinterpretować dane i wykryć nonsens w odpowiedziach modelu. W tym procesie AI jest wyłącznie narzędziem, nigdy źródłem ostatecznego autorytetu – podkreśla Jarek. Akceptacja wsparcia AI jest możliwa tylko pod warunkiem, że profesjonalista w pełni rozumie ograniczenia technologii i ryzyko błędu. Dzięki lepszej analityce czy pogłębionym symulacjom AI zwiększa szybkość i jakość pracy –– lecz tylko w rękach eksperta.

Kiedy lekarz przestaje rozumieć wyniki

Gdy AI rozwiązuje za specjalistę problemy, generuje analizy i formułuje argumenty, a człowiek przestaje ćwiczyć własne struktury poznawcze, następuje regres kompetencyjny. Problem pojawia się zwłaszcza wtedy, gdy profesjonalista przestaje rozumieć mechanizm działania rozwiązania, które sam rekomenduje. – Gdy lekarz nie potrafi zinterpretować wyników badań bez wsparcia systemu, analityk nie rozumie danych bez modelu, a menedżer nie umie podjąć decyzji bez rekomendacji z AI, to sygnał alarmowy — oznacza utratę kompetencji bazowych.– mówi Krystyna Jarek. Kiedy zanika krytycyzm, a argument „skoro system tak mówi, to tak jest” staje się ostateczny, kończy się profesjonalizm, a zaczyna bezmyślne delegowanie myślenia. Właśnie dlatego przed podjęciem decyzji opartej na AI warto przeprowadzić szybki „rachunek sumienia” i zapytać:

• Czy rozumiem mechanizm tej rekomendacji?
• Czy potrafię ją obronić przed innym ekspertem?
• Czy widzę jej ograniczenia?
• Czy ta decyzja może realnie komuś zaszkodzić?
• Czy biorę za nią pełną odpowiedzialność, nawet jeśli AI się myli?

– Jeśli choć raz odpowiesz „nie”, oznacza to, że granica bezpiecznego wsparcia została przekroczona – kwituje Jarek.

Jak pytać, by się uczyć?

Kamila Kierzek-Mechło radzi, by dokumentować nie tylko odpowiedzi AI, ale przede wszystkim własne hipotezy sprzed interakcji. Jak twierdzi, to najlepsza odtrutka na iluzję kompetencji. Kluczem jest zmiana sposobu pytania. Choć pytania zamknięte zwiększają efektywność, to właśnie te otwarte – „dlaczego?”, „co, jeśli?” czy „na jakich założeniach to się opiera?” – budują realną wiedzę. Ekspertka sugeruje, by prosić AI o krytykę naszego rozumowania, a nawet odwrócić role: poprosić model, by to on zadawał pytania nam, sprawdzając nasz poziom zrozumienia tematu. Poleca też przyswojenie sobie nawyku: „Najpierw odpowiedz sam, potem sprawdź z AI”.

Siła ustrukturyzowanego promptowania

To, w jaki sposób ludzie rozumują podczas pracy z AI w różnych warunkach, bada prof. dr Michael Gerlich z SBS Swiss Business School. Naukowiec wykazał, że bezrefleksyjne użycie technologii prowadzi do niebezpiecznego outsourcingu myślenia. Zastosowanie ustrukturyzowanego promptowania utrzymuje natomiast użytkowników w stanie aktywnego zaangażowania poznawczego i prowadzi do wyraźnie lepszych rezultatów. Naukowiec sam przyznaje, że wyniki te korelują z badaniami MIT, według których przy bezkrytycznym używaniu generatywnej sztucznej inteligencji aktywność mózgu może spaść nawet o 40%.

W eksperymencie opisanym w październiku 2025 roku prof. Gerlich porównał grupy użytkowników stosujących AI na różne sposoby. Wyniki są uderzające: „swobodne” korzystanie z AI dawało poprawę jakości o zaledwie 10–15%. Grupa stosująca metodę „najpierw samodzielne myślenie, potem konsultacja z AI” odnotowała skok jakości aż o 60%.

Kluczem jest unikanie tzw. efektu zakotwiczenia – jeśli najpierw zobaczysz odpowiedź maszyny, twój umysł traci obiektywizm. Profesor radzi: najpierw samodzielnie zakończ proces myślowy, a dopiero potem użyj AI jako sparingpartnera do podważenia własnych tez. Ważne, by na początku nie zdradzać modelowi celu zapytania – algorytmy mają tendencję do „potakiwania”, co zamyka nas w bańce własnych założeń (tak, masz rację, to grzyb jadalny!). Badanie wykazało ponadto, że nawet osoby o wysokich kompetencjach krytycznego myślenia wykazywały tendencje do poznawczego offloadingu. Często były przekonane, że nie przenoszą procesu myślenia na AI – dopóki nie pokazano im dowodów.

Szansa dla firm rozwojowych – ćwiczenia praktyczne

Jak przekuć tę wiedzę w praktykę? Krystyna Jarek wskazuje, że nowoczesne szkolenia muszą uczyć „myślenia z AI”, a nie tylko obsługi narzędzi. Proponuje trzy ćwiczenia wzmacniające „mięsień poznawczy”:

• Zasada 3 słabości: po każdej odpowiedzi AI znajdź trzy jej ograniczenia. To buduje nawyk krytycyzmu.
• Test białej kartki: spróbuj odtworzyć kluczowe idee z pamięci tuż po sesji z czatem. To weryfikuje, czy rzeczywiście zrozumiałeś temat.
• Dziennik sprawczości: zapisuj, co w danym projekcie było twoim wkładem, a co wygenerowała maszyna. To pozwala świadomie kontrolować proporcje współpracy.

Ekspansja GenAI to potężny sygnał zmian dla branży szkoleniowej. Kamila Kierzek-Mechło zauważa, że etap prostych kursów z obsługi narzędzi już się skończył. – Prawdziwą przewagę zyskają firmy, które nauczą ludzi, jak myśleć z AI, a nie tylko jak z niej korzystać – podkreśla. W tej nowej układance technologia jest dopiero czwartym lub piątym krokiem; fundamentem pozostaje zdefiniowanie problemu, wybór strategii i zaprojektowanie procesu. Zmienia się też paradygmat rekrutacji prowadzonych przez organizacje. – Ciężar oceny musi przesunąć się z testów wiedzy w stronę zadań problemowych i obrony podjętych decyzji – mówi Kierzek-Mechło. W świecie, w którym wynik może wygenerować maszyna, jedyną rzetelną miarą talentu staje się proces myślowy kandydata.

Komfortowe niemyślenie

W erze algorytmów specjalista przestaje być „chodzącą encyklopedią”. Staje się strategiem, który potrafi zadać właściwe pytanie, zweryfikować odpowiedź i wziąć za nią pełną odpowiedzialność. – To wyższy poziom profesjonalizmu. AI pozwala nam widzieć szerszy kontekst i redukować błędy, pod warunkiem, że korzystamy z niej świadomie – podsumowuje Krystyna Jarek. Badania prof. Gerlicha są tu jasnym ostrzeżeniem: „pułapka wygody” realnie degraduje nasze myślenie krytyczne - ten element, którego technologia nam nie odbierze i którego rynek pracy zawsze będzie pożądać. To dziś najbardziej luksusowa i pożądana kompetencja. Pytanie brzmi: czy zechcemy o nią zadbać, zanim nasz mózg na dobre przyzwyczai się do „komfortowego niemyślenia”.