
Na cudzej przędzy. Czy Polska w epoce sztucznej inteligencji podzieli los indyjskich tkaczy?
Suwerenność cyfrowa Polski zależy od tego, czy potrafimy pracować także wtedy, gdy zagraniczne systemy przestają odpowiadać. Maciej ŚWIRSKI porównuje uzależnienie od cudzej sztucznej inteligencji z losem indyjskich tkaczy wypartych przez brytyjski przemysł. Ostrzega, że wraz z oddawaniem maszynom kolejnych zadań możemy utracić ludzi zdolnych samodzielnie sprawdzać i naprawiać systemy, na których opiera się państwo.
Gdy cudzy model przestaje odpowiadać
W połowie czerwca 2026 r. chciałem wypróbować Fable, nową wersję modelu Claude, zapowiadaną jako przełomowa. Używam Claude’a do badań źródłowych przy pracach pisarskich i zbudowałem sobie agenta, który przez API przeszukuje katalogi i zasoby cyfrowe wielu bibliotek świata, a znalezione pozycje mogę potem ściągnąć i przeczytać na komputerze albo zarezerwować. Kiedy w sobotę rano usiadłem do pracy, Fable był niedostępny, i to, jak się wkrótce okazało, na całym świecie.
Departament Handlu USA zażądał licencji eksportowej na dostęp cudzoziemców do dwóch modeli, Fable i Mythos, tak jak przy wywozie towarów o znaczeniu strategicznym. Publicznego uzasadnienia urząd nie podał, powołał się tylko na bezpieczeństwo narodowe. Producent sądził, że chodzi o sposób obejścia części zabezpieczeń, zgłoszony, jak podawała prasa, przez Amazon, i uważał tę podatność za wąską. Ponieważ nie potrafił na bieżąco weryfikować obywatelstwa użytkowników, w ciągu kilku godzin wyłączył oba modele wszystkim, także Amerykanom. Narzędzie, na którym firmy i laboratoria całego świata dopiero zaczynały opierać swoją pracę, znikło z dnia na dzień, bez uprzedzenia. Fable wrócił po osiemnastu dniach, a Mythos dostały tylko wybrane organizacje amerykańskie. Mnie została nauczka, że w najnowocześniejszych technologiach świat zależy od decyzji jednego państwa.
Dla ludzi, którzy od lat pracują w branży nowych technologii, ziściło się ryzyko, o którym mówiono od dawna i przed którym nikt nie zdołał się zabezpieczyć. Wynika ono z natury przemysłu wyrosłego w Dolinie Krzemowej: w Stanach Zjednoczonych znajdują się główne zasoby infrastruktury i oprogramowania, z których korzysta cały świat, a poza Chinami nikt nie ma środków, żeby zbudować przemysł podobnej skali. Jak daleko to sięga, widać było 12 listopada 2026 r. Wieczorem doszło do awarii Microsoft 365, a usługi pozostawały niedostępne przez cały następny dzień. Nie działały poczta ani kalendarze, więc stanęło wszystko, czego działanie od nich zależało, od banków po sądy i szkoły. Po godzinie zgłoszenia szły już z 74 krajów i terytoriów. Microsoft wyjaśniał potem, że część jego serwerów nagle zniknęła z sieci, a ruch przerzucony na pozostałe po prostu je zadławił.
Podobna awaria spotkała w 1996 roku jedną z firm internetowych na Grochowie: sprzątaczka wyłączyła wieczorem prąd w serwerowni, żeby komputery nie świeciły się po nocy na darmo. Stanęła jedna firma. Wtyczka, którą można dziś wyciągnąć, zasila cały świat naraz.
Nazywa się to kolonializmem cyfrowym. Dane firm, a także państw, leżą w chmurze, czyli na serwerach i w sieciach amerykańskich dostawców, i od dobrej woli wielkich firm technologicznych oraz władz USA zależy, czy dostęp do własnych danych zostanie utrzymany. W takim położeniu są polskie firmy i polskie państwo. Ponad 70 procent krajowego rynku chmury należy do firm amerykańskich, głównie do Microsoftu, Amazona i Google’a, a fundacja Instrat ustaliła, że w 2025 r. 99 procent przetargów administracji na oprogramowanie biurowe wprost albo pośrednio wykluczało produkty inne niż Microsoftu.
W dobie sztucznej inteligencji do zależności od sprzętu i oprogramowania dochodzi nowa. Wielkie modele językowe, pod koniec 2022 r. traktowane niemal jak zabawka, w cztery lata stały się narzędziem, bez którego trudno dziś prowadzić prace informatyczne, i przejęły zadania, które dotąd wykonywali ludzie. Ubywa stanowisk programistycznych, poczynając od tych dla początkujących, bo znikają stanowiska dla początkujących i ich pracę przejmują modele z Doliny Krzemowej albo z Hangzhou. Ta nowa zależność może zrobić z Polski Indie XXI wieku.
W XIX wieku wyroby brytyjskich fabryk wyparły indyjskie rękodzieło tkackie, a kraj, który sam wytwarzał tkaniny i sprzedawał je światu, stał się dostawcą surowca i odbiorcą cudzych wyrobów. Popadł w zależność od metropolii i zubożał na długie pokolenia.
Że chodzi akurat o Stany Zjednoczone, ma znaczenie drugorzędne. W świecie wojen i zrywanych łańcuchów dostaw taka zależność naraża Polskę na wstrząsy, nad którymi nie ma ona żadnej kontroli, a im głębiej sięgnie cyfryzacja państwa i gospodarki, tym ta podatność będzie większa. Do tego dochodzi możliwość sporu politycznego między Warszawą a Waszyngtonem: rządy się zmieniają i każda ekipa w Waszyngtonie, której nie spodoba się kierunek obrany przez Polskę, dostaje do ręki gotowe narzędzie nacisku w postaci odcięcia od zasobów cyfrowych.
Kto sprawdzi kod napisany przez AI?
Do niedawna oprogramowanie powstawało w ustalonym porządku. Zamawiający mówił, czego potrzebuje, analitycy i architekci systemów przekładali to na język zrozumiały dla programistów, a ci dzielili się na początkujących i doświadczonych, w żargonie branży na juniorów i seniorów. Początkujący pisali prostsze rzeczy, doświadczeni sprawdzali ich kod i tak z jednych z czasem wyrastali drudzy.
Sztuczna inteligencja ten porządek rozbiła. Pisanie kodu przejmuje model, a człowiekowi pozostaje zlecić zadanie i zatwierdzić rezultat. W kwietniu 2026 r. szef Google’a podał, że 75 procent nowego kodu w firmie wytwarza AI, a inżynierowie go zatwierdzają; pół roku wcześniej była to mniej więcej połowa. Praca, na której uczyli się początkujący, znika więc pierwsza.
Skutek przyjdzie z opóźnieniem. Najpierw ubędzie ludzi, którzy umieją pisać kod, potem tych, którzy umieją go sprawdzić, bo sprawdzać uczy się ten, kto wcześniej pisał. Podobnie potoczyło się to w Indiach: po 1813 r., gdy Kompania Wschodnioindyjska straciła monopol na tamtejszy handel, na rynek indyjski weszły fabryczna przędza i tkaniny z Lancashire. Indyjski historyk Amiya Bagchi, porównując spisy z początku XIX wieku ze spisem ludności z 1901 r., wyliczył, że w Biharze odsetek ludności utrzymującej się z rzemiosła, przede wszystkim z przędzenia i tkania, spadł w ciągu stulecia z 18,6 do 8,5 procent. Udział Indii w światowej produkcji przemysłowej skurczył się z blisko jednej czwartej w 1750 r. do niespełna 3 procent w 1880 r. Tkactwo ręczne przetrwało, tyle że już na cudzej przędzy, i podobny los czeka programowanie: zaniknie umiejętność pisania kodu, a zostaną ci, którzy sprawdzają kod napisany przez AI, jak tkacze pracujący na przędzy przywiezionej z Anglii.
Sprawdzania wymaga każdy program. Program to tysiące, a czasem miliony linijek poleceń, i jedna pomyłka w jednej linijce potrafi sprawić, że bank wyśle przelew dwa razy, a szpital pomyli wyniki pacjentów. Dlatego każdy kod, zanim zacznie działać, czyta drugi człowiek. Kod pisany przez maszynę wymaga tego samego, bo maszyna też się myli: w badaniu firmy Veracode z 2025 r. blisko połowa kodu wytworzonego przez modele zawierała znane luki bezpieczeństwa.
Umiejętność sprawdzania zdobywa się przez lata samodzielnego pisania kodu i wyszukiwania w nim błędów, a podręcznik niewiele tu pomoże. Co się dzieje, gdy ten etap przejmuje maszyna, zbadali na początku 2026 r. badacze firmy Anthropic, producenta modelu Claude. Pięćdziesięciu dwóch programistów, w większości początkujących, uczyło się posługiwać nieznaną im biblioteką, czyli gotowym zestawem części do wstawienia we własny program. Połowa uczyła się z pomocą AI, reszta samodzielnie. Zadania wszyscy wykonali w podobnym czasie, ale w sprawdzianie ze zrozumienia własnej pracy korzystający z AI uzyskali średnio 50 procent, a pracujący sami 67. Największą różnicę między grupami wykazał test wyszukiwania błędów, czyli umiejętności, na której opiera się sprawdzanie cudzego kodu. Próba liczyła pięćdziesiąt dwie osoby, a sprawdzian zrobiono zaraz po zadaniu. Wynik ogłosił sam producent narzędzia, któremu taki wniosek nie służy.
Rynek pracy mówi to samo. W Polsce udział ofert dla początkujących w ogłoszeniach branży informatycznej spadł z około 20 procent w latach 2021 i 2022 do niespełna 5 procent w 2025 r. i na tym poziomie utrzymał się w pierwszym półroczu 2026 r. Ofert dla juniorów było w 2025 r. o 61 procent mniej niż w szczytowym 2022 r., a chętnych nie brakuje: latem 2026 r. na jedno takie ogłoszenie przypadało blisko półtorej setki zgłoszeń. W Stanach Zjednoczonych ekonomiści ze Stanfordu policzyli na danych płacowych, że zatrudnienie osób w wieku od 22 do 25 lat w zawodach, w które AI wchodzi najgłębiej, jest o 19 procent niższe, niż gdyby rosło tak jak u rówieśników w innych zawodach. Inny zespół ustalił, że w rok po udostępnieniu ChatGPT liczba ofert dla młodszych programistów spadła o 14 do 15 procent w stosunku do ofert dla starszych, a pracodawcy zaczęli wymagać od juniorów dłuższego doświadczenia. Do zawodu wejść jest coraz trudniej.
Ekonomiści nie rozstrzygnęli, w jakim stopniu ten spadek wynika z rozwoju sztucznej inteligencji. Polskie raporty obwiniają przede wszystkim korektę po pandemicznym boomie i ostrożność firm, Duńczycy, którzy połączyli rejestry z ankietami 25 tysięcy pracowników, nie znaleźli wpływu czatbotów na zarobki i zatrudnienie, a różnica w zatrudnieniu wykazana przez badaczy ze Stanfordu maleje po uwzględnieniu wykształcenia i zaczęła się częściowo jeszcze przed ChatGPT. Badacze z Danmarks Nationalbank wykazali za to, że małe firmy po wdrożeniu AI przyjmują mniej młodych, niż wynikałoby z ich dotychczasowego trendu. Nie zmienia to jednak opisanego problemu zanikania stanowisk dla początkujących, bo cokolwiek usunęło dolny szczebel drabiny, sztuczna inteligencja odbiera powód, żeby go odbudować, skoro zadania, na których uczył się początkujący, model wykonuje taniej i od ręki.
Jak to wygląda od środka, pokazała w listopadzie 2026 r. rozmowa na polskim forum internetowym, gdzie ktoś zapytał programistów, co sztuczna inteligencja zmieniła w ich zespołach. Odpowiedzi układają się w jeden obraz, choć są anonimowe i nie stanowią podstawy do wniosków statystycznych. Jeden z uczestników pisze o firmie produktowej na tysiąc osób, która prowadzi rekrutację, ma ponad pięćdziesiąt otwartych stanowisk i nie przyjmuje ani jednego początkującego. Inny widzi, jak w jego dziale jednej z dziesięciu największych korporacji świata ze stu czterdziestu osób zostało około sześćdziesięciu. Z firmy programistycznej, która nikogo nie zwolniła, pochodzi relacja, że zakazano ręcznego pisania kodu: programista wpisuje numer zadania i patrzy, jak pracuje maszyna.
Najwięcej mówi jedna relacja. Przy awaryjnej poprawce systemu model uznał, że część z około stu pięćdziesięciu wyjątków od reguły się powtarza, a resztę można uprościć. Zasady firmy wymagały, żeby zmianę przejrzał człowiek, i człowiek ją zatwierdził, nie wnikając w szczegóły. Pięć minut po wdrożeniu zaczęły przychodzić skargi użytkowników. Testy, które miały wyłapać błąd, także napisała maszyna i wszystkie przeszły. Ludzi, którzy dawniej sprawdzali program ręcznie, w projekcie nie było od roku. Wąskim gardłem stało się sprawdzanie, dodał ktoś inny, bo zmian przybywa tak szybko, że brakuje czasu i chęci na ich czytanie. System jeszcze jednego rozmówcy, dawniej podobny do sera z pojedynczymi małymi dziurami, przypomina dziś ementaler. Ten obraz zna każdy inżynier bezpieczeństwa: wypadek zdarza się wtedy, gdy dziury w kolejnych plastrach zabezpieczeń ustawią się w jednej linii.
Bharat Chandar, jeden z autorów badania ze Stanfordu, ujął stawkę prosto: seniorzy biorą się z juniorów i kto nie zatrudnia juniorów, nie doczeka się seniorów. Innego źródła doświadczonych programistów nie ma.
Na programistach się nie kończy. W maju 2025 r. szef Anthropic Dario Amodei przewidywał w rozmowie z serwisem Axios, że w ciągu od roku do pięciu lat AI może zlikwidować nawet połowę stanowisk dla początkujących pracowników umysłowych, przede wszystkim w informatyce, finansach, prawie i doradztwie. Był to głos sprzedawcy sztucznej inteligencji, ale w sierpniu 2026 r. Bank Korei opisał to, co już da się zmierzyć. Od czerwca 2022 do czerwca 2026 r. zatrudnienie młodych Koreańczyków spadło o 285 tysięcy, z czego 268 tysięcy przypadło na branże, w których AI robi najwięcej, a w części z nich równocześnie przybywało pracowników starszych. Ekonomiści banku nazwali to postępem technicznym, który faworyzuje starszych stażem, i przyznali, że całego spadku nie da się przypisać AI, bo swoje zrobiła też koniunktura.
Ten sam mechanizm działa w kancelariach. Młody prawnik uczył się rozumowania prawniczego, przeglądając akta i szukając orzeczeń, a pierwsze wersje pism pisał sam. Dziś robi to model, a aplikant zatwierdza wynik. Za kilkanaście lat z takich aplikantów wyrosną adwokaci i sędziowie, którzy umieją przyjąć opracowanie maszyny, a sami nigdy nie przeszli drogi do rozstrzygnięcia od pierwszego kroku do ostatniego. Biegły rewident, który na początku kariery nie szukał błędów w księgach, będzie miał kłopot z rozpoznaniem błędu popełnionego przez system. Młodzi dziennikarze uczyli się kiedyś fachu przy depeszach i krótkich notkach. Dziś część z nich pracuje w firmach, które szkolą modele. Uczą maszyny, które kiedyś mogą ich zastąpić.
Najostrzej ostrzegał przed tym ktoś z samego środka branży. Matt Garman, prezes Amazon Web Services, największego dostawcy chmury na świecie, powiedział w 2025 r., że zastępowanie młodych pracowników przez AI to jeden z najgłupszych pomysłów, jakie słyszał. Zapytał, co firmy zrobią za dziesięć lat, kiedy nikt w nich niczego się nie nauczy. Jego zdaniem bez młodych, których się szkoli i prowadzi w górę, cały ten układ prędzej czy później rozpadnie się od środka.
Jak w Biharze, gdzie najpierw ubyło prządek, tak teraz w każdym zawodzie umysłowym ubywa dolnego szczebla, z którego wyrastał górny. Dzisiejsi mistrzowie zawodu popracują jeszcze dwadzieścia, może dwadzieścia pięć lat i jeśli nikt za nimi nie idzie, przyjdzie dzień, w którym kod działający w bankach i szpitalach będzie umiała przeczytać już tylko maszyna, która go napisała. Zależność sięgnie wtedy aż do zdolności państwa do weryfikowania wiedzy i systemów, od których zależy jego funkcjonowanie. To samo grozi każdemu zawodowi, w którym mistrzostwo zdobywa się latami praktyki, na przykład prawnikom i kierownikom projektów.
Dostęp do sztucznej inteligencji jako narzędzie nacisku
Kto trzyma w ręku cudzą umiejętność, ten trzyma dźwignię. W niespełna dwa lata pokazano ją światu cztery razy, choć do końca naciśnięto tylko raz.
W styczniu 2025 r. odchodząca administracja amerykańska ogłosiła regułę o rozprzestrzenianiu sztucznej inteligencji, która dzieliła świat na trzy kategorie. Pierwsza miała bez ograniczeń dostawać najbardziej zaawansowane układy scalone, czyli wyspecjalizowane procesory, bez których dużego modelu nie da się ani zbudować, ani uruchomić; znalazły się w niej Niemcy i Francja. Polska trafiła do drugiej, z limitem około 50 tysięcy układów do 2027 r. Reakcja w Warszawie przebiegła według znanego wzoru. Władza protestowała, a jej przeciwnicy winili ją za złe stosunki z Waszyngtonem. Uspokajano przy tym, że przydział kilkakrotnie przekracza polskie potrzeby. Nikt nie zapytał, dlaczego państwo tej wielkości potrzebuje tak niewiele i nie ma własnych zdolności, o które nie musiałoby nikogo prosić. W maju następna administracja amerykańska regułę cofnęła, dwa dni przed terminem, od którego miała obowiązywać.
W tym samym roku amerykańskie sankcje objęły prokuratora Międzynarodowego Trybunału Karnego w Hadze. W maju agencja AP podała, że prokurator stracił dostęp do służbowej poczty, obsługiwanej przez Microsoft, i przeniósł się do szwajcarskiego Protona. Microsoft zapewniał, że usług dla Trybunału nigdy nie wstrzymał, a odłączenie objętego sankcjami urzędnika uzgadniał z Trybunałem od lutego. Nowej skrzynki pocztowej musiał tak czy owak szukać prokurator międzynarodowego sądu, bo tak postanowiono za oceanem.
W czerwcu 2026 r. przyszła kolej na dwa modele, od których zacząłem, i tym razem odcięto wszystkich, razem z Amerykanami.
W październiku Pekin ogłosił projekt kontroli eksportu 23 technologii sztucznej inteligencji, od dużych modeli po agentów i klastry obliczeniowe. Kontrola ma objąć samą technologię, czyli to, co pozwala zbudować model i uruchomić go u siebie. Kontrola nie obejmie korzystania z chińskich modeli przez internet ani modeli udostępnionych na otwartych zasadach.
Chiny wypróbowały ten sposób działania wcześniej, w Afryce. Huawei zbudował tam, według szacunków powtarzanych od lat, około 70 procent sieci 4G, a część kontraktów finansowały chińskie banki państwowe kredytem udzielanym pod warunkiem zakupu u chińskiego dostawcy. Na początku jest tanio, a potem wszystko, od serwisu po szkolenie inżynierów, trzeba brać z jednego źródła, a dług zostaje.
Z modelami językowymi jest tak samo, tylko szybciej. Chińskie modele można pobrać za darmo i postawić na własnych serwerach, a amerykańskie zakazy eksportu układów nie przeszkodzą nikomu za granicą w ich ściąganiu. Płatny dostęp do nich bywa wielokrotnie tańszy. W lipcowym teście Bloomberga amerykański Claude Fable 5, ten sam, od którego zacząłem, zbudował stronę sklepu internetowego za 49 dolarów, a chiński DeepSeek zrobił to samo za niecałe 4. Na OpenRouterze, jednej z dużych giełd dostępu do modeli, chińskie modele obsługiwały na początku 2025 r. niecałe 10 procent ruchu firm amerykańskich, a latem 2026 r. już rekordowe 58 procent, przez moment nawet 63. W lipcu 2026 r. w Szanghaju 29 państw podpisało umowę o powołaniu Światowej Organizacji Współpracy w dziedzinie AI, a krajom rozwijającym się Pekin obiecał pięć tysięcy miejsc szkoleniowych w ciągu pięciu lat.
Państwu, które Waszyngton przestraszył albo odciął, Pekin może więc dać to samo narzędzie za ułamek ceny albo za darmo i z jednej pułapki wprowadzi je w następną. Za darmo dostaje się wyrób gotowy, bo umiejętność jego wytwarzania Chiny zatrzymują dla siebie. Pobrany model starzeje się w kilka miesięcy, a od darczyńcy zależy, czy następny będzie równie tani. Kto taki prezent przyjmie, pozostaje na łasce dawcy. Dwie z tych decyzji cofnięto. Regułę uchylono jeszcze przed jej wejściem w życie, a Fable wrócił po osiemnastu dniach. Cofnęła je ta sama ręka, która je podjęła, kiedy jej to odpowiadało. Państwo, którego praca zależy od tego, czy ktoś inny zmieni zdanie, ma tyle suwerenności, ile mu zostawiono.
Dlaczego Polska potrzebuje własnego modelu AI
Polska ma własne modele językowe. Bielik powstał z inicjatywy oddolnej, PLLuM w konsorcjum instytutów naukowych finansowanym przez państwo i oba uczono na polskich tekstach, żeby lepiej rozumiały polszczyznę i polskie realia.
Żaden z nich nie zaczynał od zera. Duży model przypomina dom, w którym najdroższy jest fundament, czyli model bazowy, przez miesiące czytający biliony słów na tysiącach procesorów. Ściany i wnętrze to douczanie na tekstach w danym języku i nauka wykonywania poleceń. Największy Bielik stoi na fundamencie francuskiego Mistrala, najmniejsze z serii v3 na chińskim Qwenie, czyli na tym samym darmowym narzędziu, o którym mowa wyżej. PLLuM stoi na fundamentach amerykańskiej Mety, Google’a i francuskiego Mistrala, a część przykładowych rozmów, na których uczył się odpowiadać, napisały inne modele, francuski Mixtral i chiński DeepSeek.
Douczenie modelu na tekstach we własnym języku to trudne rzemiosło i polskie zespoły wykonały je dobrze, na polskich superkomputerach, między innymi w krakowskim Cyfronecie. Pokazały w ten sposób, że umiemy przejść połowę drogi, bo mamy ludzi, którzy rozumieją, jak model działa, i maszyny, na których można go uczyć. Brakuje fundamentu, a ten należy do tego, kto go zbudował. Jeśli właściciel zmieni licencję albo przestanie wydawać nowe wersje, to on zdecyduje, na czym stanie następny polski model.
Polska potrzebuje więc własnego modelu bazowego, wytrenowanego na polskich maszynach i na polskich danych, z jawnym kodem i licencją ustaloną w Warszawie. Stać nas na to, skoro według październikowej prognozy Międzynarodowego Funduszu Walutowego polska gospodarka wyprzedzi w 2027 r. szwajcarską i stanie się dwudziestą na świecie, a Szwajcaria taki model już ma. Apertus został wytrenowany za publiczne pieniądze na superkomputerze Alps w Lugano; trening trwał trzy miesiące i objął 15 bilionów tokenów na ponad czterech tysiącach procesorów graficznych. Szwajcarzy opublikowali całość, od danych po kolejne etapy nauki. Ich model jest słabszy od najlepszych na świecie, ale budowla od pierwszej cegły należy do nich.
13 listopada 2026 r., w dniu, w którym przywódcy Unii rozmawiali w Dublinie o sztucznej inteligencji, szef polskiego rządu napisał w serwisie X, po angielsku, że następnym wyścigiem jest wyścig AI i że dwadzieścia siedem państw Unii powinno w nim połączyć siły. Odpowiedziałem, że polityka wymaga celu, budżetu, harmonogramu i kogoś, kto odpowiada za wykonanie, a w polskiej polityce wobec sztucznej inteligencji brakuje wszystkich czterech. To, co w Polsce w tej dziedzinie powstaje, powstaje dzięki uporowi naukowców i przedsiębiorców, obok państwa, a często wbrew niemu. Wspólny model europejski nie zastąpi fundamentu, który musi mieć właściciela odpowiadającego przed polskim wyborcą. Państwo, które za rok będzie dwudziestą gospodarką świata, stać na taki fundament, a jego brak może je kosztować znacznie więcej.
Suwerenność cyfrowa Polski zaczyna się od ludzi
Celem jest stan, który nazywam zdolnością do odmowy. Państwo ma ją wtedy, gdy odcięcie od cudzych modeli najwyżej spowalnia jego pracę, bo przelewy i wyniki badań docierają tam, dokąd mają, a ludzie, którzy rozumieją kod, potrafią go poprawić bez pomocy maszyny. Tylko takie państwo może powiedzieć „nie”, kiedy ktoś stawia mu warunki.
Tę zdolność zapewniają ludzie, których umiejętności trzeba stale podtrzymywać. Lotnictwo nauczyło się tego na własnej tragedii: autopilot prowadził samolot przez większość lotu lepiej od człowieka, więc piloci coraz rzadziej latali ręcznie, aż w 2009 r. nad Atlantykiem samolot Air France stracił odczyty prędkości, autopilot się wyłączył, a załoga nie poradziła sobie z ręcznym pilotażem i zginęło 228 osób. Od tamtej pory władze lotnicze zalecają regularne latanie ręczne, choć autopilot zrobiłby to wygodniej.
Zacząłbym od uprawnienia do zatwierdzania kodu. Kto zatwierdza kod w systemach państwa, banków i szpitali, powinien mieć na to uprawnienie, a żeby je utrzymać, co roku przepracować określoną liczbę godzin bez AI, pisząc i naprawiając kod własną głową. Człowiek zrobi w tym czasie mniej, niż zrobiłby z maszyną. Tylko tak państwo utrzyma ludzi, którzy za dwadzieścia lat będą umieli sprawdzić, co maszyna napisała. Firmy dostaną powód, żeby znów zatrudniać i uczyć początkujących, skoro uprawnienia nie zdobędzie się bez praktyki.
Uczenie się z pomocą AI nie musi przy tym niszczyć umiejętności. W eksperymencie Anthropic dobrze wypadli ci, którzy pytali AI o pojęcia i sprawdzali, czy dobrze rozumieją, a kod pisali sami; najsłabiej ci, którzy kazali maszynie pisać za siebie. Od narzędzia ważniejszy okazał się sposób jego użycia, a tego da się uczyć w szkole i w pierwszej pracy.
Jeśli nadal będziemy uczyć młodych pisać kod własną głową, za kilkanaście lat Polska będzie miała ludzi, którzy potrafią przeczytać i naprawić program bez pomocy maszyny, a w innych krajach takich ludzi zabraknie. Im będzie ich mniej, tym drożej każdy z nich będzie kosztował. Wiosną 2020 r., gdy pandemia zasypała amerykańskie urzędy pracy wnioskami o zasiłki, gubernator New Jersey publicznie szukał programistów znających COBOL. W tym liczącym ponad sześćdziesiąt lat języku działały jeszcze systemy stanu, a ludzi, którzy potrafili w nim programować, prawie już nie było. Tak może wyglądać rynek sprawdzania kodu, kiedy odejdą jego mistrzowie. Państwa i firmy, które pozwoliły zaniknąć własnym kadrom, będą wynajmować cudze i zapłacą za nie słono. Polska mogłaby uczynić z tego narodową specjalność i sprzedawać światu ubezpieczenie od odcięcia, z którego sama korzystałaby przy okazji.
Mamy od czego zacząć. Uniwersytet Warszawski dwa razy wygrał światowy finał ICPC, najstarszego i najbardziej prestiżowego konkursu programistycznego studentów, i jako jedyna uczelnia na świecie awansował do niego trzydzieści jeden razy z rzędu. W klasyfikacji wszech czasów Międzynarodowej Olimpiady Informatycznej polscy licealiści zajmują piąte miejsce na świecie. Talentu nam nie brakuje, trzeba tylko dopilnować, żeby wygoda nie odebrała mu okazji do ćwiczenia.
Do uprawnień trzeba dołożyć coroczne ćwiczenie odcięcia. Polska trzyma zapasy paliw na wypadek przerwania dostaw i tak samo raz w roku wybrane instytucje powinny przez kilka dni pracować bez zagranicznych modeli i chmur. Wynik należałoby wyrażać liczbą dni samodzielnego działania, czyli w liczbie dni, przez które instytucja działa, zanim stanie. Liczbę tę można porównać z zeszłoroczną i ktoś musi za nią odpowiadać.
Wygodę, jaką daje AI, możemy zachować, jeśli część zysku z niej odłożymy na umiejętność, której na co dzień nikt nie potrzebuje, a od której w dniu odcięcia zależy wszystko.
.Tamta czerwcowa sobota była dla mnie tylko kłopotem. Model zniknął, wróciłem do pracy po staremu, a po osiemnastu dniach go przywrócono. Mogłem sobie na to pozwolić, bo umiałem pracować bez niego.
Za piętnaście lat przyjdzie inna sobota. Ktoś za oceanem albo w Pekinie podpisze pismo i cudze maszyny przestaną odpowiadać. Państwo będzie wtedy zależało od kodu, który przez te lata napisały za nas maszyny. Kod ten będzie obsługiwał przelewy, wystawianie recept i sieci energetyczne i wszystko będzie działało do pierwszej usterki, a ta przyjdzie, jak zawsze, w poniedziałek rano.
Kto w Polsce za piętnaście lat będzie umiał przeczytać kod, na którym działa państwo?
Maciej Świrski

