Jak zdobywać doświadczenie, gdy AI wykonuje coraz więcej pracy?
Na szkoleniu uczestnicy dostają trudny problem architektoniczny. Próbują go rozwiązać, omawiają skutki swoich decyzji, a potem trener pokazuje rozwiązanie, które wygląda na oczywiste. Wszyscy kiwają głowami. Tyle że sami nie wiedzieliby, jak do niego dojść.
Sławomir Sobótka, założyciel Bottega IT Minds, opowiada o tym jak o wyciąganiu królika z kapelusza. Jego zespół postawił sobie trudniejsze zadanie: rozłożyć sposób pracy ekspertów na kroki, których można nauczyć innych. Dziś to pytanie wraca w nowej postaci. Skoro AI podaje rozwiązanie w kilka sekund, czy przy okazji nie odbiera nam okazji do zrozumienia problemu?
Odpowiedź to początek pracy
Sobótka mówi przede wszystkim o tworzeniu złożonego oprogramowania, bo tym zajmuje się jego firma. W takim systemie decyzja o kodzie ma konsekwencje dla innych części produktu, jego wydajności i możliwości późniejszych zmian. Odpowiedź wygenerowana przez AI może wyglądać przekonująco, a jednocześnie wprowadzić problemy, których początkująca osoba jeszcze nie potrafi rozpoznać.
W jego ujęciu ekspert rozumie konsekwencje decyzji i ma do wyboru więcej niż jeden sposób działania. Nie chodzi więc wyłącznie o to, czy rozwiązanie działa teraz. Trzeba jeszcze umieć zapytać, kiedy przestanie wystarczać i jakie będą koszty jego zmiany.
To również powód, dla którego sam staż bywa mylący. Ktoś może przez dwadzieścia lat stosować ten sam zestaw narzędzi do podobnych problemów. Nabiera wprawy, ale ma niewiele okazji do porównania innych podejść.
Od instrukcji do własnego osądu
W pracy ze szkolonymi zespołami Sobótka korzysta z modelu rozwoju umiejętności braci Dreyfus. Wyjaśnia go na przykładzie nauki jazdy. Początkujący potrzebuje instrukcji: w którym momencie skręcić kierownicę i jak wykonać manewr. Z czasem potrafi sam dobrać kroki, a później rozpoznaje powtarzające się sytuacje i koryguje własne błędy.
Dalszy rozwój wymaga spojrzenia szerzej. Osoba biegła zaczyna pytać, dlaczego znana reguła działa w jednej sytuacji, a w innej zawodzi. Ekspert rozpoznaje więcej aspektów problemu jednocześnie, choć nie zawsze potrafi od razu wyjaśnić drogę, która doprowadziła go do odpowiedzi.
Właśnie tę lukę Sobótka i jego współpracownicy próbowali zmniejszyć na szkoleniach. Uczestnicy najpierw mierzą się z zadaniem, następnie analizują konsekwencje i poznają pojęcia pomagające nazwać to, co się wydarzyło. Zespół pracował też nad metodami, które pozwalają przejść od problemu do rozwiązania, zamiast jedynie pokazać gotowy rezultat.
Szybciej nie znaczy, że więcej się nauczyliśmy
Na pytanie, jak powszechne użycie modeli językowych wpłynie na zdobywanie ekspertyzy, Sobótka nie ma pewnej odpowiedzi. Zastrzega, że narzędzia są stosunkowo nowe, a on sam nie wie, czy istnieją wystarczająco rzetelne badania dotyczące ich wpływu na ten proces.
W zespołach, z którymi pracuje, widzi jednak AI jako przyspieszenie pracy osób mających już podstawy. To przyspieszenie może dotyczyć także błędów. Jeśli ktoś nie rozumie problemu i nie potrafi ocenić wyniku, szybciej otrzyma rozwiązanie, ale niekoniecznie zauważy jego słabości.
Pytanie o początkujących pozostaje otwarte. Kiedy część zadań wykonywanych dawniej przez juniorów przejmuje narzędzie, organizacje muszą zastanowić się, gdzie młodsze osoby zdobędą praktykę. Sobótka zauważa, że niektóre firmy nadal inwestują w rozwój młodych pracowników, choć wiele zespołów oczekuje szybkiej samodzielności. Nie przedstawia jednej recepty na całą branżę.
Zobaczyć skutki własnych decyzji
Doświadczenie wymaga różnorodnych sytuacji i czasu na przyjrzenie się ich następstwom. Sobótka opisuje napięcie: osoba, która szybko zmienia projekty, widzi wiele środowisk, ale może nie zobaczyć długofalowych skutków swoich decyzji. Ktoś pracujący długo w jednym miejscu ma szansę obserwować te skutki, lecz może nie mieć z czym ich porównać.
Jego konsultanci trafiają do różnych firm, często wtedy, gdy rozwijany latami system stał się trudny do dalszej rozbudowy. Mogą zobaczyć zarówno rozwiązania, które sprawdziły się w jednym kontekście, jak i ograniczenia, które ujawniły się po latach. To perspektywa, do której nie każdy ma dostęp, ale dobrze pokazuje, czego brakuje, gdy doświadczenie mierzymy wyłącznie liczbą lat.
Pisanie i skupienie w pracy z AI
W rozmowie wraca też umiejętność formułowania myśli. Przy pracy z agentami AI trzeba opisać wymagania i ograniczenia na tyle jasno, by dało się ocenić rezultat. Sobótka zwraca uwagę, że pisanie jest dla wielu osób trudne, jeśli nie ćwiczą go regularnie.
Równie ważne staje się miejsce na skupienie. Równoległe uruchamianie kolejnych agentów może oznaczać częste przełączanie się między zadaniami. Sobótka mówi o zmęczeniu zgłaszanym przez część programistów i o utracie czasu na głęboką pracę. Zadaje pytanie, ile wysiłku wymaga ćwiczenie koncentracji, jeśli przez wiele godzin dziennie przyzwyczajamy się do rozproszenia.
Na koniec proponuje jeszcze inny sposób patrzenia na rozwój. Ekspert może zacząć uczyć się nowej dziedziny od zera, mimo że oznacza to powrót do roli nowicjusza. Nie przedstawia tego jako rady dla każdego. Raczej jako możliwość ponownego znalezienia się w sytuacji, w której trzeba pytać, próbować i uważnie obserwować skutki.
Artykuł powstał na podstawie rozmowy Krzysztofa Kosmana ze Sławomirem Sobótką w podcaście EdTech Dots.
