Kompetencje przyszłości: czego uczyć się, gdy AI robi coraz więcej

Listy kompetencji przyszłości powtarzają zwykle ten sam zestaw haseł: kreatywność, adaptacyjność, myślenie krytyczne, uczenie się przez całe życie. Trudno się z tym spierać i równie trudno cokolwiek z tym zrobić. Nikt nie potrafi powiedzieć, co konkretnie należy zrobić w poniedziałek rano, żeby stać się bardziej adaptacyjnym. Zamieniamy więc tę listę na umiejętności, które da się przećwiczyć na własnym zadaniu, sprawdzić i powtórzyć.

Czym są kompetencje przyszłości i dlaczego popularne listy zawodzą

Kompetencje przyszłości to umiejętności, które pozostają przydatne, gdy narzędzia i sposób pracy zmieniają się szybciej niż przez ostatnie dekady. Kłopot z popularnymi zestawieniami polega na tym, że sporą ich część stanowią cechy, a nie czynności. Cechy trudno ćwiczyć w sposób zaplanowany, więc lista robi wrażenie, ale nie prowadzi do żadnej zmiany.

Cecha charakteru a umiejętność, której można się nauczyć

Umiejętność to coś, co da się opisać czasownikiem, wykonać i ocenić. „Potrafię rozbić swój proces na kroki i opisać go tak, żeby narzędzie je wykonało” jest umiejętnością, bo można to zrobić dobrze albo źle.

Cecha charakteru działa inaczej. „Jestem kreatywny” nie mówi, co dokładnie zrobić jutro, ani po czym poznać postęp.

Różnica ma praktyczne znaczenie przy planowaniu nauki. Umiejętność zamienia się w ćwiczenie, cecha zostaje deklaracją w życiorysie.

Dlaczego „adaptacyjność” nie jest planem nauki

Adaptacyjność opisuje wynik, a nie drogę do niego. Ludzie uznawani za elastycznych zwykle mają za sobą wiele sytuacji, w których musieli nauczyć się nowego narzędzia pod presją czasu.

Elastyczność jest więc skutkiem powtarzalnej praktyki, a nie postanowieniem. Rozsądniej zaplanować kilka takich sytuacji samodzielnie, niż czekać, aż wymusi je pracodawca.

Dlatego dalej mówimy o czterech konkretnych umiejętnościach. Każdą da się ćwiczyć na własnym zadaniu i każdą widać po efekcie.

Cztery umiejętności, które realnie zmieniają pracę z AI

Cztery umiejętności decydujące dziś o skutecznej pracy z narzędziami AI to: rozbijanie procesu na kroki, formułowanie polecenia, sprawdzanie odpowiedzi i łączenie narzędzi w jeden przepływ. Łączy je precyzja w opisywaniu tego, co ma się wydarzyć. Żadna nie wymaga wykształcenia informatycznego.

Rozbijanie procesu na kroki

Rozbicie procesu na kroki polega na wypisaniu, co dokładnie dzieje się od początku do końca zadania, razem z wyjątkami. Brzmi banalnie, dopóki nie spróbujemy zrobić tego dla czegoś, co robimy codziennie od lat.

Przy rozpisywaniu procesu szybko okazuje się, że część decyzji podejmujemy odruchowo. Właśnie te odruchy trzeba nazwać, żeby narzędzie mogło je powtórzyć.

To umiejętność przydatna niezależnie od AI. Ułatwia przekazanie pracy nowej osobie, opisanie procedury i znalezienie miejsca, w którym proces się zacina.

Formułowanie polecenia tak, żeby dało powtarzalny wynik

Dobre polecenie dla modelu językowego zawiera cel, materiał wejściowy, format odpowiedzi i przykład poprawnego wyniku. Bez tych elementów trudniej o wynik porównywalnej jakości przy kolejnych uruchomieniach.

Sprawdzianem nie jest to, czy odpowiedź się podoba. Sprawdzianem jest to, czy kilkanaście uruchomień daje rezultat podobnie użyteczny.

Ta umiejętność najszybciej odróżnia osobę, która „korzysta z AI”, od tej, która buduje z niego coś użytecznego.

Weryfikacja odpowiedzi, której nie da się sprawdzić na oko

Weryfikacja polega na ustaleniu z góry, po czym poznamy, że odpowiedź jest dobra. Może to być zgodność z dokumentem źródłowym, poprawność wyliczenia albo obecność wszystkich wymaganych elementów.

Odpowiedź modelu brzmi równie pewnie wtedy, gdy jest poprawna, i wtedy, gdy jest zmyślona. Ocena „na oko” premiuje ładny styl, a nie prawdziwość.

Kto potrafi zaprojektować własny test poprawności, zyskuje przewagę większą niż z jakiegokolwiek kursu obsługi narzędzia.

Łączenie narzędzi w jeden przepływ

Łączenie narzędzi oznacza ułożenie kilku kroków w jedną ścieżkę, która uruchamia się sama: coś przychodzi, coś zostaje przetworzone, wynik trafia tam, gdzie ma trafić.

Na tym etapie pojawia się realna oszczędność czasu. Pojedyncza rozmowa z modelem pomaga raz, a działający przepływ pomaga codziennie.

Czego nie zastąpi żadne narzędzie

Dwie rzeczy zostają po stronie człowieka niezależnie od tego, jak dobre będą narzędzia: ocena, czy wynik ma sens w danej sytuacji, oraz odpowiedzialność za decyzję podjętą na jego podstawie. Obie wymagają znajomości kontekstu, którego model nie dostanie, jeśli człowiek mu go nie opisze albo nie udostępni w danych.

Ocena, czy wynik w ogóle ma sens

Model rozpoznaje wzorce w danych, a człowiek ocenia zgodność wyniku z sytuacją. Poprawnie napisana odpowiedź bywa nie do przyjęcia, bo pomija coś, o czym wie tylko osoba znająca sprawę.

Ta ocena rośnie razem z doświadczeniem w konkretnej dziedzinie. To dobra wiadomość dla wszystkich, którzy boją się, że ich wiedza traci wartość.

Odpowiedzialność za decyzję

Odpowiedzialności nie da się przekazać narzędziu, bo narzędzie nie ponosi konsekwencji. Podpis pod decyzją zawsze należy do człowieka, nawet jeśli materiał przygotował model.

W praktyce oznacza to, że im większe konsekwencje, tym więcej uwagi trzeba poświęcić sprawdzeniu. Zasada jest ta sama co przy pracy z nową osobą w zespole.

Jak się tego uczyć bez wykształcenia technicznego

Nauki pracy z AI nie zaczyna się od kursu wideo o narzędziu, tylko od własnego zadania, które zabiera za dużo czasu. Teoria bez zastosowania szybko wyparowuje, a zbudowana rzecz zostaje razem z umiejętnością.

Zacznij od własnego, nudnego zadania

Najlepsze pierwsze zadanie jest nudne, powtarzalne i twoje. Porządkowanie notatek, przygotowanie tego samego zestawienia co tydzień, odpowiadanie na wiadomości o podobnej treści.

Nuda jest tu zaletą, ponieważ znasz każdy krok i od razu widzisz, gdy wynik jest zły. Przy zadaniu, którego nie rozumiesz, nie masz jak ocenić postępu.

Buduj małe rzeczy, które faktycznie uruchamiasz

Różnica między przeczytaniem a zbudowaniem jest taka jak między przepisem a ugotowanym obiadem. Dopiero przy uruchomieniu wychodzą wyjątki, których nie było w opisie.

Materiały i przewodniki krok po kroku publikujemy na blogu DevStock Academy. Jeśli pierwszym zadaniem ma być zadawanie pytań o treść własnych dokumentów, dobrym punktem startu jest przewodnik DevStock Academy o budowie asystenta AI. Naukę przez budowanie od zera, w bezpiecznym środowisku z natychmiastową informacją zwrotną, umożliwia natomiast polska platforma Kodożercy.

Najczęstsze pytania o kompetencje przyszłości

Pytania o kompetencje przyszłości najczęściej dotyczą ich definicji, znaczenia w perspektywie 2030 roku, roli programowania oraz sposobu rozpoczęcia nauki. Odpowiedzi sprowadzają się do umiejętności, które da się ćwiczyć i sprawdzać na własnych zadaniach.

Czym są kompetencje przyszłości?

Kompetencje przyszłości to umiejętności, które zachowują wartość mimo zmiany narzędzi i sposobu pracy. W praktyce chodzi o precyzyjne opisywanie procesów, formułowanie poleceń, sprawdzanie wyników oraz ocenę, czy dany wynik ma sens w konkretnej sytuacji.

Jakich kompetencji będą wymagać pracodawcy w 2030 roku?

Dokładnej listy nie da się dziś podać, bo zależy ona od tempa zmian w konkretnych branżach. Bezpieczniejszym założeniem jest to, że wartość zachowają umiejętności ogólne, nieprzywiązane do jednego narzędzia, oraz wiedza dziedzinowa pozwalająca ocenić poprawność wyniku.

Czy trzeba umieć programować, żeby pracować z AI?

Nie zawsze, ponieważ w wielu codziennych zastosowaniach AI programowanie nie jest potrzebne. Precyzyjny opis procesu zwiększa natomiast szansę, że narzędzie zrobi to, czego oczekujesz, a nie to, co samo sobie dopowie. Wynik i tak trzeba sprawdzić.

Od czego zacząć naukę bez zaplecza technicznego?

Zacznij od jednego własnego zadania, które powtarzasz co tydzień i którego wynik potrafisz ocenić. Opisz je w krokach, zbuduj najprostszą wersję i uruchom ją dziesięć razy, zanim dołożysz cokolwiek więcej.

Podsumowanie

Popularne listy kompetencji przyszłości zawodzą nie dlatego, że są nieprawdziwe, tylko dlatego, że nie da się ich zamienić na plan nauki. Kreatywności ani adaptacyjności nikt nie przećwiczy w czwartek wieczorem, za to rozbicie własnego procesu na kroki albo napisanie polecenia dającego powtarzalny wynik owszem. Cztery umiejętności opisane wyżej mają tę samą cechę: są czynnościami, więc widać po nich postęp. Człowiekowi zostają dwie rzeczy, których żadne narzędzie nie przejmie, czyli ocena sensu wyniku i odpowiedzialność za decyzję. Reszta jest kwestią jednego nudnego zadania, na którym da się to wszystko przećwiczyć bez wykształcenia technicznego. Zamiast pytać, jaki kurs wybrać, warto więc zapytać, jaki mały problem chcę rozwiązać w tym tygodniu.