Rychlé odpovědi, pomalý úpadek: temná stránka AI v práci
vytvořeno v Dall-e
Myslíte si, že jste díky AI lepší v práci? Možná je to přesně naopak
Umělá inteligence zrychluje práci, zvyšuje produktivitu a mění způsob, jakým lidé řeší problémy. Zároveň ale nenápadně oslabuje samotné dovednosti, na nichž tato produktivita stojí. Tento paradox — vyšší výkon při současném úpadku schopností — začíná podle výzkumníků formovat novou realitu práce.
msk
Josh Anderson, softwarový konzultant s 25 lety zkušeností, si tento posun vyzkoušel na vlastní kůži. Během léta veřejně streamoval vývoj aplikace, kterou nechal téměř kompletně vytvářet umělou inteligencí. Bez jediného řádku vlastního kódu vznikl projekt Road Trip Ninja — nástroj, který rodinám pomáhá plánovat zastávky na dlouhých cestách podle kvality zázemí, jídla či prostoru pro děti.
Zpočátku to podle něj působilo jako zázrak. Funkce přibývaly během minut a projekt rychle rostl. Jak se však kódová základna rozšířila zhruba na 100 tisíc řádků, tempo se zpomalilo. Komunikace s chatbotem se protahovala z minut na hodiny, návrhy se začaly odchylovat od původních standardů a opravy se proměnily v „nekonečný zápas“.
Když Anderson nakonec znovu převzal kontrolu nad vývojem, narazil na nečekaný problém — vlastní nejistotu. „Nebylo to tak, že bych úplně zamrzl,“ popsal. „Ale u každého kroku jsem váhal.“ Právě tento moment podle něj ukazuje riziko, kterému firmy i zaměstnanci zatím nevěnují dostatečnou pozornost: postupnou ztrátu dovedností.
Iluze schopností
Podobné zkušenosti nejsou ojedinělé. Výpadek modelu Claude od společnosti Anthropic nedávno ukázal, jak rychle se může závislost na AI projevit. Někteří vývojáři přiznali, že bez nástroje nedokázali pokračovat v práci, kterou dříve zvládali rutinně. „Došlo mi, že jsem si outsourcoval polovinu mozku,“ napsal jeden z uživatelů na Redditu.
John Nosta, zakladatel technologického think-tanku NostaLab, tento jev označuje jako „AI rebound effect“. Lepší výkon podle něj maskuje klesající schopnosti. „Skutečná úroveň dovedností klesá pod původní základ,“ říká. Rizikem přitom není jen závislost, ale i regres.
Problém umocňuje způsob, jakým AI pracuje. Nabízí rychlé a hotové odpovědi, čímž narušuje přirozený proces lidského uvažování. Zatímco člověk obvykle postupuje od nejistoty přes zkoumání k porozumění a teprve poté k jistotě, AI tento proces obrací. „Dostat se k odpovědi jako první je inverze lidského myšlení,“ upozorňuje Nosta. Výsledkem je nadhodnocené sebevědomí a iluze kompetence.
Rebecca Hinds z Work AI Institute upozorňuje, že právě tato iluze je v pracovním prostředí obzvlášť zrádná. „Je čím dál těžší rozlišit, kde končí znalosti člověka a kde začíná technologie,“ říká. Pokud je AI používána cíleně, může podle ní přinášet „kognitivní dividendu“ — šetřit čas a zlepšovat úsudek. Pokud se ale stane automatickou zkratkou, vytváří „kognitivní dluh“: lidé pracují rychleji, ale jejich schopnosti se vytrácejí.
Generace bez základu
Největší riziko přitom hrozí těm, kteří si teprve budují kariéru. Juniorní pozice tradičně sloužily jako tréninkové prostředí — místo, kde se lidé učí rozkládat problémy, hledat řešení a obhajovat vlastní postupy. Pokud tuto fázi přeskočí, mohou působit kompetentně, aniž by si skutečné dovednosti kdy osvojili.
„Dnešní profesionálové si vybudovali základ ještě před nástupem AI,“ říká Jan Tegze, autor knih o hledání práce a práci s AI. „Riziko je u těch, kteří si tento základ nikdy nevytvoří.“ Podle Bena Eubankse z Lighthouse Research & Advisory AI prohlubuje rozdíl mezi teoretickými znalostmi a jejich praktickým využitím. „Nemusíte se problémem skutečně zabývat. Stačí se zeptat AI a dostanete hotové řešení,“ popisuje.
Tento posun zároveň mění i způsob hodnocení zaměstnanců. Některé firmy začínají sledovat, jak často pracovníci AI využívají, a odměňují rychlost a objem výstupu. Ashley Herd z Manager Method upozorňuje, že tento trend v posledních měsících zesílil, zejména v technologických firmách.
Mentální posilovna
Problém se naplno projeví ve chvíli, kdy se něco pokazí — nebo když je třeba řešit úkol bez pomoci AI. „Pak se ukáže, kdo skutečně rozumí tomu, co dělá,“ říká Sara Gutierrez ze společnosti SHL. Anderson tuto zkušenost popisuje velmi konkrétně: „Věděl jsem, jak to funguje. Ale za ty tři měsíce jsem nezískal ty potřebné ‚opakování‘.“
Právě proto někteří experti začínají mluvit o potřebě takzvaných „mentálních posiloven“. Mehdi Paryavi z International Data Center Authority navrhuje vytvářet prostředí, kde zaměstnanci vědomě řeší problémy bez AI — podobně jako se v tělocvičně buduje fyzická kondice.
Anderson svůj experiment přirovnává ke golfu. Můžete sledovat techniku, chápat principy a přesně vědět, jak má pohyb vypadat. To ale neznamená, že ho dokážete provést. „Můj švih byl mimo,“ říká. „Věděl jsem, jak na to, ale nedokázal jsem tělo přimět, aby to udělalo správně.“
Jeho zkušenost naznačuje, že největší změna, kterou AI přináší, nemusí být v tom, co lidé dokážou vytvořit — ale v tom, co postupně přestávají umět
