W najnowszym artykule „The Overhang” Ethan Mollick zwraca uwagę na zjawisko, którego znaczenia jeszcze w pełni nie rozumiemy. Współczesne modele AI potrafią znacznie więcej, niż wynikałoby to ze sposobów, w jakie większość z nas je wykorzystuje. Między możliwościami AI a naszą zdolnością do ich rozpoznania i twórczego zastosowania powstała ogromna przestrzeń. Mollick nazywa ją „capability overhang” – nadwyżką możliwości.
Opisuje własne eksperymenty, w których AI rekonstruuje w środowisku 3D bibliotekę Umberta Eco, przekształca tekstową grę z 1977 roku w grę przestrzenną, a następnie samodzielnie przygotowuje zwiastun książki: tworzy scenariusz, animację, muzykę, głosy i montaż. Zadania, które wymagałyby pracy zespołu specjalistów, powstają w ciągu kilkudziesięciu minut.
Rzeczywistym tematem jego artykułu jest człowiek. Mollick stawia tezę, że nie powinniśmy konkurować z AI w produkowaniu rezultatów. To wyścig, którego człowiek nie wygra. Powinniśmy natomiast wykorzystać swoje ludzkie przewagi, aby wspólnie z AI tworzyć rzeczy, których żadna ze stron nie stworzyłaby samodzielnie.
Mollick wskazuje cztery ludzkie zasoby potrzebne w partnerstwie Human+AI, swoiste przewagi, ale też można nazwać je czterema zasobami ludzkiej podmiotowości. Są nimi głęboka wiedza, szeroka wiedza, poczucie jakości i sensu oraz sprawczość.
Głęboka wiedza pozwala ekspertowi szybko zauważyć, że w odpowiedzi AI coś się nie zgadza. Nie zawsze potrafi on od razu wyjaśnić przyczynę, ale dzięki doświadczeniu rozpoznaje błąd, uproszczenie albo niewłaściwy kierunek. Im bardziej zaawansowana staje się AI, tym bardziej potrzebujemy ludzi, którzy rozumieją dziedzinę na tyle dobrze, aby potrafili oceniać jej pracę.
Szeroka wiedza pozwala natomiast łączyć odległe perspektywy. AI dysponuje ogromnym zakresem informacji, ale nie zawsze zaproponuje właściwą koncepcję, dopóki człowiek nie rozpozna możliwości jej zastosowania. Trzeba coś wiedzieć o psychologii, filozofii, projektowaniu, kulturze czy zarządzaniu, aby dostrzec, że rozwiązanie z jednej dziedziny może być twórczo wykorzystane w innej.
Trzecią przewagą jest wyczucie jakości i sensu, które Mollick określa angielskim słowem taste. Jest to zdolność rozpoznawania, które rezultaty AI warto zachować, które odrzucić, a które potraktować jedynie jako materiał do dalszej pracy.
Czwartą przewagą pozostaje sprawczość – gotowość do próbowania, eksperymentowania i przekraczania dotychczasowych sposobów wykorzystania technologii. Mollick zachęca, aby nie czekać, aż ktoś powie nam, do czego można użyć AI. Trzeba samodzielnie badać tę nową przestrzeń.
Te cztery przewagi są bardzo bliskie filozofii IALE – Intentionally AI-Linked Education. Głęboka i szeroka wiedza wiążą się z architekturą wiedzy. Wyczucie jakości i sensu łączy hybrydową kreatywność z suwerennością etyczną. Sprawczość wymaga odporności relacyjnej, dzięki której człowiek potrafi korzystać z rosnących możliwości AI, nie tracąc własnego osądu, inicjatywy i odpowiedzialności.
W perspektywie IALE pojawia się jednak pytanie, którego Mollick nie rozwija: skąd mają się brać te cztery ludzkie przewagi?
Głęboka wiedza nie powstaje od samego otrzymywania poprawnych odpowiedzi. Rozwija się przez czytanie, rozwiązywanie problemów, popełnianie błędów, porównywanie stanowisk i wielokrotne mierzenie się z trudnością. Szeroka wiedza wymaga ciekawości i wychodzenia poza własną specjalizację. Wyczucie jakości i sensu kształtuje się w kontakcie z wartościowymi dziełami, mistrzami, kulturą i krytyką. Sprawczość rodzi się wtedy, gdy człowiek może samodzielnie działać, doświadczać konsekwencji własnych decyzji i brać za nie odpowiedzialność.
Z tej perspektywy ujawnia się jeden z najważniejszych paradoksów edukacji w epoce AI:
Kompetencje potrzebne do współpracy z AI powstają dzięki czynnościom, które najłatwiej jest AI przekazać.
Jeżeli zbyt wcześnie delegujemy AI czytanie, analizowanie, poszukiwanie argumentów, formułowanie sądów i rozwiązywanie problemów, możemy nie rozwinąć właściwości, które później będą nam potrzebne do oceny jej pracy.
Student może poprosić AI o znalezienie argumentów, uporządkowanie materiału, przygotowanie wariantów i zredagowanie tekstu. Jeżeli jednak nie rozumie problemu, nie potrafi ocenić argumentów i nie umie obronić przyjętego stanowiska, otrzymuje rezultat, który formalnie może wyglądać dobrze, ale nie jest świadectwem jego rozwoju. Powstaje epistemiczny dług: różnica między jakością wytworzonego rezultatu a rzeczywistym poziomem rozumienia jego autora.
Dlatego edukacja w epoce AI nie może ograniczyć się do uczenia skutecznego korzystania z narzędzi. Musi świadomie kształtować te właściwości, które Mollick uznaje za najważniejsze. Potrzebujemy zadań, w których AI rozszerza możliwości osoby uczącej się, ale nie odbiera jej konieczności rozumienia, oceniania, wybierania i ponoszenia odpowiedzialności.
Nie oznacza to obrony dawnej szkoły ani zakazu korzystania z AI. Przeciwnie, chodzi o projektowanie nowej kultury uczenia się, w której człowiek nie konkuruje z technologią, ale również nie znika za jej rezultatami.
Mollick przekonuje, że możliwości obecnych modeli pozostają w znacznej mierze niewykorzystane. IALE dodaje do tego jeszcze jedno ostrzeżenie: istnieje nie tylko nadwyżka możliwości AI. Może powstać także niedobór ludzkiej gotowości do odpowiedzialnego posługiwania się nimi.
Najważniejszym zadaniem edukacji jest przygotowanie uczących się do tego, aby mieli coś własnego do wniesienia do relacji Human+AI: wiedzę, osąd, wartości, wyobraźnię i odwagę działania.
Nie konkurujmy z AI na szybkość przetwarzania informacji. Uczymy się po to, aby pozostać zdolnymi do rozumienia, wybierania, nadawania sensu, współdziałania i ponoszenia odpowiedzialności za kierunek naszego rozwoju.
* * *
Tekst rozwija refleksję podjętą we wcześniejszym wpisie: „Po co się uczyć, skoro mamy internet i AI? O filozofii i kulturze uczenia się”, inspirowanym rozmową Tomasza Rożka oraz wypowiedzią prof. Macieja SysłyŹródło: Ethan Mollick, „The Overhang”, 18 września 2026
