Dlaczego zaawansowani użytkownicy AI wyprzedzą wszystkich innych

David Rice: Większość pracowników wykorzystuje około 1% tego, co jest możliwe dzięki AI. Nie dlatego, że są leniwi. Nie dlatego, że nie mają dostępu. Po prostu nikt nie pokazuje im, co mogliby robić i że powinni używać AI od 5 do 10 razy na godzinę: do analizowania wszystkiego, co robią, podsumowywania dnia i wyszukiwania luk w swoim rozumowaniu.

Dzisiejszym gościem jest Kevin Surace, dyrektor generalny Appvance.ai, który występuje na około 40–50 wydarzeniach firmowych rocznie na całym świecie. Kiedy zadaje pogłębione pytania o to, jak ludzie faktycznie korzystają z AI, podnosi rękę zaledwie jeden lub dwa procent uczestników. Wszyscy pozostali używają odrobiny Copilota do poprawiania zdań i myślą: „Wow, spójrzcie na AI”.

Tymczasem 23-latek w startupie z Doliny Krzemowej korzysta z niego tak, jakby miał obok siebie osobę z doktoratem i 28 innymi doktoratami — za grosz na minutę. A tych 10 osób odpowiada wydajnością mniej więcej setce pozostałych. Kevin chce więc, żebyś zrozumiał, że nie chodzi tu o lukę w możliwościach. Każdy rok, w którym nie uczysz się tej technologii, sprawia, że zostajesz coraz bardziej w tyle, aż pewnego dnia przestajesz być potrzebny.

Tak było z komputerem osobistym w latach 80. Tak było z internetem. Tak było z Excelem. Ludzie albo dołączali do tego trendu, albo byli wypierani. Ta fala porusza się znacznie szybciej niż wszystkie poprzednie. Dziś omawiamy, dlaczego twoje polecenia powinny mieć trzy akapity, a nie pięć słów; jak strategicznie myśleć o tym, co chcesz powiedzieć, zamiast wpisywać słowo po słowie; dlaczego dzisiejszy dzień jest najgorszym momentem, jaki kiedykolwiek nastąpi w odniesieniu do tej technologii, i co to oznacza dla twojego zawodu; zmianę na poziomie tożsamości, która zachodzi w całych branżach; oraz dlaczego opór — cytując „Star Trek” — jest daremny.

Nazywam się David Rice. To jest People Managing People. Jeśli w zeszłym tygodniu użyłeś AI raz, podczas gdy osoba obok używa go 10 razy na godzinę, ta rozmowa będzie twoim ostatnim ostrzeżeniem. Zaczynajmy.

Kevin, witaj. Jak się dziś masz?

Kevin Surace: Bardzo się cieszę, że tu jestem.

David Rice: Chciałem zacząć od tego, że kiedy rozmawialiśmy przed nagraniem, wspomniałeś o luce, której doświadcza wiele osób — większość pracowników wykorzystuje być może 1% tego, co jest możliwe dzięki AI. Zastanawiam się, dlaczego twoim zdaniem tak się dzieje i jaki jest koszt utrzymywania takiego tempa.

Kevin Surace: To bardzo interesujące zjawisko. Mam okazję przemawiać na dużych wydarzeniach firmowych i branżowych 40–50 razy w roku, praktycznie na całym świecie. Widać wtedy, że bardzo niewiele osób podnosi rękę, gdy zaczynasz zadawać pogłębione pytania o to, jak korzystają z generatywnej AI. Może jeden lub dwa procent mówi: „Tak, robię to”.

Piszę agentów, robię różne rzeczy, ale większość osób nie robi nic. Używają odrobiny Copilota. Pomaga im poprawić kilka zdań, więc mówią: „Wow, AI”, i nie mają pojęcia, że powinno się używać go pięć albo dziesięć razy na godzinę: do analizowania wszystkiego, co robisz, podsumowywania wszystkiego i wyszukiwania luk we wszystkim, co robisz.

Jeśli piszę prezentację, mówię: „Wyszukaj luki w tym”. Potem: „Jak mogę to poprawić?”. Następnie: „Czy możesz pomóc mi to ulepszyć?”. Dalej: „Czy możesz narysować ten obraz?”. Potem: „Czy możesz przeanalizować ten arkusz kalkulacyjny? Co on oznacza? Co oznacza karta trzecia?”.

Możesz robić to w każdej minucie każdego dnia. To jak posiadanie obok siebie osoby z doktoratem i 28 innymi doktoratami. A kosztuje ona grosz za minutę albo grosz za godzinę. Dlaczego nie miałbym chcieć z tego korzystać? Co godzinę, wiele razy w ciągu godziny. Myślę, że ludzie po prostu nie wiedzą. Wielu korzysta wyłącznie z Copilota, który jest bardzo prostym narzędziem pomagającym w pracy, i nie wykorzystuje wszystkich modeli w sposób, w jaki można je wykorzystać.

Korzystam ze wszystkich różnych modeli, zależnie od tego, co chcę zrobić. Gemini jest lepszy w pewnych zadaniach niż GPT 5.2, ten z kolei jest lepszy od Anthropic w innych zadaniach, a Claude jeszcze w innych. Korzystasz więc ze wszystkich.

David Rice: To trochę tak, jakby posadzić mnie w całkowicie wyposażonym kokpicie, bez żadnego szkolenia lotniczego. Wiesz, o co mi chodzi?

Kevin Surace: To prawda. Częściowo interesujące jest to, że pokazuję na scenie demonstracje rzeczy, które faktycznie zrobiłem dla danej firmy. Mówię: „Nie mam żadnych poufnych informacji o waszej firmie, ale pokażę wam, co udało mi się zrobić”. Oto zupełnie nowy produkt, który moim zdaniem dobrze by sobie poradził. Oto wielkość rynku, jego całkowity potencjał i wyjaśnienie, skąd to wiem.

A oni pytają: „Co? Wydalibyśmy 5 miliardów dolarów, żeby się tego dowiedzieć”. Ja poświęciłem pięć minut. Może dziesięć. Nie mają pojęcia, że AI potrafi to zrobić, bo nikt im wcześniej tego nie pokazał. Nikt ich tego nie nauczył. Większość ludzi wpisuje prompt składający się z pięciu słów. Moje prompty mają trzy akapity i są starannie skonstruowane pod kątem odbiorców, celu, grupy docelowej i tego, co próbuję powiedzieć.

Co chcę powiedzieć? Dlaczego chcę to powiedzieć? Jakie mam na ten temat opinie? Jest wiele informacji, które muszę tam umieścić, aby uzyskać coś wartościowego. Nie wystarczy napisać: „Napisz akapit o X”, bo nie wiesz, co robisz. Niewłaściwie używasz narzędzia. Myślę więc, że ludzie potrzebują szkolenia.

Muszą nabrać swobody. Muszą mieć dostęp do większej liczby modeli i narzędzi, a nie tylko do Copilota. Wtedy wszystko się zmienia. I wreszcie: jeśli pracujesz w startupie z Doliny Krzemowej, robisz te wszystkie rzeczy dziesięć razy częściej. To właśnie robisz. Ludzie w takich firmach słuchają tego i mówią: „Oczywiście, że tak robimy, Kevin”. Jeśli pracujesz w dużej firmie na Środkowym Zachodzie, mówisz: „Mam tu tylko Copilota. Zadałem pytanie w Wordzie i poprawił moje zdanie”. I myślisz: „Wow, to zastępuje Grammarly”.

Powstaje więc rozłam. To duży problem dla dużej firmy, ponieważ startupy działają teraz z dziesięciokrotnie większą prędkością przy tej samej liczbie osób.

Dziesięć osób odpowiada setce, ponieważ korzystają z AI, różnych modeli generatywnej AI i narzędzi AI do marketingu, sprzedaży, analiz, wyszukiwania luk i prowadzenia dyskusji. Każda osoba korzysta z tego dziesięć razy na godzinę, a ty użyłeś AI raz w zeszłym tygodniu. To koniec. Po prostu zostaniesz wyparty.

David Rice: Dużo mówi się o lukach w możliwościach, ale tutaj wygląda to trochę jak luka w pewności siebie. Nie sądzę, żeby ludzie unikali AI, ponieważ nie widzą jego potencjału. Po prostu wiele osób nie wie, od czego zacząć. Czy twoim zdaniem taki powolny początek się nawarstwia? Bo jeśli nie zaczniesz teraz, to za 12 miesięcy będziesz po prostu…

Kevin Surace: Mówię to wprost: tak. Będziesz coraz bardziej zostawać w tyle, potem zacznie być to krępujące, nie będziesz wiedzieć, co robić, a w pewnym momencie przestaniesz być potrzebny. Kiedy to nastąpi?

Komputer osobisty pojawił się w karierach niektórych osób w połowie lub pod koniec lat 80. Jeśli należałeś do tych, którzy mówili: „Nie chcę tego na moim biurku”, każdy kolejny rok sprawiał, że zostawałeś coraz dalej w tyle, aż w końcu nie mogłeś już uczestniczyć w pracy i musiałeś przejść na emeryturę. Dosłownie nie było nadziei. Jak można było bez tego funkcjonować? Potem pojawił się internet.

Wiele osób mówiło: „Nie potrzebuję tego w pracy. W ogóle tego nie potrzebuję. Nie zamierzam nic z tym robić”. Albo dołączyłeś do tego trendu, albo również przechodziłeś na emeryturę. To samo wydarzyło się z Excelem. Excel pojawił się w działach finansowych pod koniec lat 80. i na początku lat 90.

Wiele osób powiedziało: „To zmienia zasady gry. Będę używać Excela we wszystkim, co robię”. Inni mówili: „Nie chcę się tego uczyć. Mam tutaj księgi i ołówki, wszystko działa dobrze”. Przeszli na emeryturę. Nie było innej drogi wyjścia.

Najważniejszy wniosek jest taki: jeśli nie uczysz się najnowszych, powszechnie stosowanych technologii, zmierzasz na emeryturę. To w porządku, jeśli właśnie tego chcesz, ale powinieneś wiedzieć, dokąd zmierzasz. Jeśli przechodzisz na emeryturę za rok lub dwa, kogo to obchodzi? To jak lekarz, który nie chce korzystać z najnowszego urządzenia medycznego i mówi: „Za dwa lata przechodzę na emeryturę, nie muszę się tego uczyć”. Masz rację — z pewnością przejdziesz na emeryturę za dwa lata.

Jeśli ktoś słucha tego i mówi: „Nie muszę się tego uczyć. Mam 45 lat i jeszcze 20 lat pracy w branży”, odpowiadam: nie, nie masz. Masz jeszcze trzy lata. Nikt nie będzie chciał cię zatrudnić, jeśli nie będziesz mistrzem tych narzędzi.

David Rice: Innym terminem, który często dziś słyszymy, jest ukryta AI.

Jej użycie jest wszędzie — i z dobrego powodu. Ludzie są sfrustrowani wieloma narzędziami korporacyjnymi, które często wydają się okrojone albo długo wdrażane. Jak z twojej perspektywy zamknąć lukę między tym, czego ludzie potrzebują, a tym, co faktycznie otrzymują?

Kevin Surace: Mówię przedsiębiorstwom, że muszą udostępnić wszystkie najważniejsze modele. Nie wszystkim w całej korporacji, ale w wersjach prywatnych, na kontach firmowych, z dostępem dla osób, które potrzebują ich w określonych działach.

Jeśli ktoś z działu, powiedzmy, produkcji wideo mówi: „Muszę analizować nagrania i oto dlaczego”, odpowiadasz: „Świetnie, do tego służy Gemini. Otrzymujesz do niego dostęp w ramach naszego konta firmowego”. Trzeba mieć dostęp do wszystkich narzędzi.

W wielu firmach wygląda to dziś tak: idziesz do działu IT i mówisz: „Chcę używać większej liczby narzędzi AI”. Odpowiedź brzmi: „Daliśmy ci Copilota”. „Chcę robić więcej”. „Copilot poprawił to zdanie”. Oczywiście Copilot potrafi robić więcej, ale wiadomo, o co chodzi. Firma mówi: „Nie pozwalamy ci korzystać z niczego innego”. Wtedy pracownicy robią to w domu albo potajemnie, a później w pracy są blokowani.

Jeśli chcesz odnieść sukces, musisz naprawdę wzmocnić wszystkich pracowników. Nie masz wyboru.

David Rice: Często słyszę, że zatwierdzone narzędzia wydają się stworzone po to, żeby cię spowalniać, a nie przyspieszać. Ludzie działają więc na własną rękę — nie z buntu, lecz z konieczności. Oczekuje się od nich, że zrobią więcej i szybciej, a wdrażane narzędzia nie odpowiadają rzeczywistym potrzebom ich pracy. Wydaje mi się, że nie chodzi tu o zgodność, lecz o użyteczność.

Kevin Surace: Dziś łatwo jest skonfigurować firmowe konta dla dziesięciu różnych narzędzi: częściowo do sprzedaży, częściowo do marketingu, kilka ogólnych modeli i tak dalej. Następnie dodajesz tylko osoby, które potrzebują ich w poszczególnych działach. Powiadom jednak całą firmę, że dostępnych jest wiele narzędzi i że trzeba o nie poprosić.

Nie wdrożymy tego dla 40 tysięcy pracowników, jeśli potrzebuje tego 200 osób. Ale jeśli potrzebuje tego 200 osób, zrobimy to, ponieważ zwiększy to ich produktywność. To właśnie jest kluczowe.

Podczas wielu moich prezentacji słyszę: „To było niesamowite, ale firma nie daje nam dostępu do tych narzędzi”. Dlatego zawsze zaznaczam, że ich firma może nie zapewniać dostępu do wszystkiego, co pokazuję. Na mojej stronie z narzędziami znajduje się około 40 różnych narzędzi użytych w prezentacji, a uczestnicy mówią: „Nie mamy dostępu do wszystkich”. Odpowiadam: „Tak, ale kto jest na sali? Wasz dyrektor generalny. To już wasza rozmowa”.

Jestem tu, żeby pokazać wam możliwości i potencjał generatywnej AI, a do tego potrzebny jest dostęp do wielu różnych rzeczy. Powinniście pytać zespół wykonawczy, kierownictwo i dział IT o to, czego waszym zdaniem potrzebujecie, a następnie wspólnie to uporządkować. Nie korzystajcie z narzędzi na własną rękę. Ukryta AI i ukryte IT są złym rozwiązaniem. Nie da się ich śledzić. Ludzie używają narzędzi bez konta.

Jeśli masz konto w większości z nich, dane są prywatne. Wiele osób nie ma jednak płatnego konta i zakłada, że wszystko jest w porządku. Nie jest. Wszystko, co robią, jest publiczne, a dostawcy mogą trenować na tych danych. To złe rozwiązanie. Tak właśnie działają środowiska pracy: próbują blokować adresy IP i adresy URL, żeby powstrzymać ludzi przed obchodzeniem zasad.

David Rice: Jesteś bardzo stanowczy w kwestii agentów. Uważasz, że firmy nie posuną się z nimi naprzód, dopóki nie rozwiążą problemów bezpieczeństwa i kontroli. Co jednak tracimy, jeśli będziemy czekać zbyt długo? Czy powstrzymujemy kolejny wielki krok tylko dlatego, że sytuacja jest skomplikowana?

Kevin Surace: Firmy wykorzystują agentów w pewnych miejscach, ale czasem niewłaściwie. Jedną z rzeczy, które je hamują, jest fakt, że przez 10 lat wdrażały automatyzację procesów robotycznych, czyli RPA. RPA jest rodzajem agenta, który działa na podstawie ściśle określonych reguł. Jest regulowany zestawem zasad. Nie jest oparty na AI, lecz na regułach.

Podejmowane decyzje trafiają do drzewa decyzyjnego, a system wykonuje kolejne działania zgodnie z zestawem reguł. To działa bardzo dobrze w przewidywalnych sytuacjach. Rozumiesz kwestie bezpieczeństwa i wszystko, co się z tym wiąże.

Skoro RPA działa i zautomatyzowałeś wiele przepływów pracy, agenci nie są cudownym rozwiązaniem. Możesz powiedzieć: „Zautomatyzuję ten przepływ pracy jeszcze lepiej, dodając więcej inteligencji”. Tak, ale przy jakim ryzyku dla bezpieczeństwa? Ile czasu zajmie usunięcie błędów?

Wdrożenie RPA zajęło dużo czasu. Fakt, że firmy już je wdrożyły, jest jednym z głównych powodów, dla których pytają: „Po co mi agent?”. Mają już agenta — agenta RPA — i on działa.

Przykład: musisz obsłużyć coś w ubezpieczeniach, a proces musi przejść przez 11 różnych systemów. RPA robi to już dziś. Uruchamiasz proces, a on działa jak agent: pobiera dane, przekazuje je między systemami, zapisuje je w odpowiednich miejscach, sprawdza informacje, przechodzi przez reguły i wraca z komunikatem: „Wystawię czek”. Świetnie. To już działa.

Mógłbym wdrożyć agenta, aby robił to samo, ale nie zaoszczędzę pieniędzy. Być może uzyskam lepsze decyzje przy mniejszej ingerencji człowieka, ale mogę też uzyskać złą decyzję, ponieważ pozwoliłem AI podejmować decyzje zamiast zestawu reguł, które sam stworzyłem.

Jako korporacja nie mam dziś tak wielu rzeczy do zautomatyzowania za pomocą agenta, ponieważ przez ostatnią dekadę wdrażałem RPA i wydałem na to dziesiątki milionów dolarów. Nie znaczy to, że nie ma miejsc, w których agenci mogą przejąć zadania. Wiele największych luk korporacje zamknęły jednak w ciągu ostatniej dekady.

Na komputerach pracowników sytuacja wygląda ciekawiej. Istnieją przepływy pracy unikalne dla kilku osób, których korporacja nie zautomatyzowała. To może być interesujące. Ale czy naprawdę pozwolisz pracownikom pisać własnych agentów? Jaki będzie wpływ na bezpieczeństwo? Agenci uzyskują dostęp do naszych najważniejszych systemów. Nie wiem, czy mają do tego prawo. Nie wiem też, czy faktycznie działa agent, czy może jakiś haker. To skomplikowane kwestie.

David Rice: Czy zastosowanie agentów może zaczynać się od najwyższego szczebla, a dopiero potem rozszerzać? Na przykład zespół kierowniczy ma agenta, ale początkowo nikt więcej?

Kevin Surace: Być może, ale to właśnie taki agent najbardziej zainteresowałby hakera, który chciałby się do niego włamać i przejąć nad nim kontrolę.

To naprawdę trudna kwestia. Firmy wdrożyły RPA w największych obszarach. System działa, oszczędza pieniądze i zwiększa produktywność. Teraz pojawia się nowsza technologia, która może go zastąpić. Pokaż mi oszczędności.

Zautomatyzowałem już wszystko, co można było zautomatyzować w ciągu ostatniej dekady. Czy dodatkowa oszczędność wyniesie 2%? Czy warto się tym zajmować? Firmy uzyskały już 80% możliwych oszczędności.

Za 10 lat agenci będą wdrażani wszędzie. Będą bardzo bezpieczni, a wszystkie problemy zostaną rozwiązane. Zastąpią RPA, a same firmy RPA będą wdrażać RPA ponownie jako inteligentnych agentów. To się wydarzy.

Mówimy jednak o dużych przedsiębiorstwach. Startup wdroży agentów do wszystkiego, co się da, ponieważ są tańsi od ludzi, a startup nie ma RPA ani starszej technologii, która już automatyzuje procesy. Zaczyna od zera i może korzystać z agentów.

David Rice: Właśnie o to chciałem zapytać. Startupy wydają się idealnym miejscem do eksperymentowania. Tam się uczymy i rozwijamy tę kompetencję.

Kevin Surace: Dokładnie.

David Rice: Powiedziałeś, że prawdziwą supermocą nie jest sam model, lecz osoba, która wie, jak dobrać właściwy model do właściwego zadania. Wspomniałeś, że używasz różnych modeli do różnych celów. Widzę to cały czas na X: ludzie publikują ogromne infografiki, na których wszystko jest rozpisane. Większość osób nie wie jednak nawet, czego nie wie. Jakie kompetencje są potrzebne?

Kevin Surace: Tak się uczysz. Każdego nowego narzędzia uczysz się, używając go. Poświęcasz godzinę lub dwie, sprawdzasz, co działa lepiej w danym miejscu, a co lepiej gdzie indziej.

Jeśli jest to model transformatorowy, duży model językowy albo model multimodalny, możesz zacząć i nauczyć się: „Jeśli prowadzę tego typu badania, skorzystam z Perplexity, ponieważ podaje źródła”. Jeśli analizuję wideo, użyję Gemini. Jeśli generuję muzykę albo pracuję w branży muzycznej, wybiorę inne narzędzie. Wszystko zależy od tego, co próbujesz zrobić.

Jeśli nie poświęciłeś czasu na wykupienie subskrypcji i poznanie tych narzędzi, masz problem. Infografiki pokazują czyjąś perspektywę. Dopóki sam nie użyjesz narzędzia, nie będziesz wiedzieć, co z nim zrobić.

Jeśli jesteś muzykiem i przywykłeś do cyfrowej stacji roboczej, a teraz chcesz korzystać z separacji ścieżek i eksportu MIDI, możesz szybko zrozumieć, jak to działa. Jeśli nigdy nie używałeś takich narzędzi, nie możesz po prostu wejść i powiedzieć: „Będę korzystać z tego programu”, kiedy nie wiesz, czym jest separacja ścieżek, co oznaczają poszczególne instrumenty ani jak nimi manipulować.

Potrzebujesz pewnego przygotowania. Jeśli nigdy w życiu nie montowałeś wideo, prawdopodobnie nie stworzysz filmu przy użyciu dowolnego narzędzia. Nie masz odpowiednich umiejętności. Jeśli jednak zaczniesz używać tych narzędzi przez kilka dni lub tygodni, nawet bez wcześniejszego doświadczenia, prawdopodobnie zrozumiesz, jak uzyskać konkretny efekt, połączyć elementy, wydłużyć scenę albo dodać napisy.

Musisz nauczyć się wszystkich tych elementów. Nie wchodzisz do programu i od razu nie jesteś gotowy do pracy. Możesz jednak używać go przez kilka dni i poświęcić wiele godzin na poznanie różnych modeli, a następnie stać się zaawansowanym użytkownikiem.

To zależy od kierunku twojej kariery i tego, co próbujesz osiągnąć w pracy lub w domu. Co chcę zrobić? Jakie narzędzia są dostępne? Jak mogę się ich nauczyć?

Jeśli pracuję w marketingu, korzystam z różnych narzędzi AI zaprojektowanych właśnie do marketingu. Nie mam na myśli publikowania wpisów na blogu, lecz kierowanie wiadomości e-mail, kampanie na LinkedIn, spersonalizowane wiadomości i tym podobne. Istnieje dziś wiele narzędzi opartych na AI. Są bardzo potężne i niezwykłe.

Oglądałem dziś rano seminarium internetowe dotyczące Zapiera i narzędzia do pracy ze skryptami, a także przepływów agentowych, które można tworzyć w Zapierze. To naprawdę ciekawe. Jeszcze z tego nie korzystałem, więc mam tam wiele do nauczenia się. Zawsze jest coś nowego. Staraj się zachować ciekawość.

David Rice: Rozwijanie globalnego zespołu nie powinno oznaczać żonglowania pięcioma różnymi systemami HR, płacowymi i informatycznymi. Deel łączy wszystko w jednym miejscu, dzięki czemu możesz zatrudniać, wdrażać, opłacać i wyposażać pracowników w dowolnym miejscu bez typowego chaosu. Niezależnie od tego, czy zatrudniasz pracowników w 10 krajach, czy zarządzasz kontraktorami w różnych strefach czasowych, Deel obsługuje zgodność z przepisami, świadczenia i płace w jednym miejscu. Oznacza to mniej rozproszonych narzędzi, mniej problemów i więcej czasu na skupienie się na ludziach.

Chcesz zobaczyć, jak naprawdę wygląda zatrudnianie bez granic? Odwiedź deel.com/pmp. Powtarzam: deel.com/pmp, aby umówić demonstrację. Deel.com/pmp. Deel — zatrudniaj, zarządzaj i płać każdemu, wszędzie.

Nie wydaje mi się, żeby chodziło tu o techniczne czary. Eksperymentowałem już z wieloma narzędziami i czuję, że budowanie ekosystemu narzędzi polega przede wszystkim na myśleniu systemowym i ocenie, które rozwiązanie jest najlepsze.

Tradycyjnie szkoliliśmy ludzi, aby rozwiązywali dobrze zdefiniowane problemy. Teraz wartość przesuwa się w stronę pytań, które zadajesz.

Kevin Surace: Zdecydowanie. Możesz nawet pisać agentów, którzy pomagają koordynować cały zestaw narzędzi. To fascynujące. Definiujesz przepływ pracy i tworzysz agenta, który go wykonuje: przechodzi z jednego narzędzia do drugiego, przenosi plik, dodaje elementy i wykonuje kolejne kroki.

Dawniej mogliśmy robić podobne rzeczy za pomocą skryptów w Windowsie i na Macu. Teraz jest to znacznie inteligentniejsze. System może przeanalizować treść filmu trwającego półtorej godziny i automatycznie podzielić go na 20 różnych wpisów do mediów społecznościowych, bez konieczności ręcznej edycji. Robi to na podstawie tego, co zostało powiedziane, także w tym podcaście.

David Rice: Tak, robię to cały czas. Wspominałeś wcześniej o świetnym przykładzie: coś, co kiedyś zajmowało McKinsey sześć miesięcy i kosztowało miliony dolarów, można dziś zrobić w godzinę przy użyciu AI. Nie chodzi jednak tylko o narzędzia. Kluczowe jest to, jak dostarczasz im informacje. Jaki jest twój proces, aby AI myślała razem z tobą, a nie tylko za ciebie?

Kevin Surace: Podstawą są zawsze długie, przemyślane i wyrażające opinię prompty. Kto jest moim odbiorcą? Co myślę o tym temacie? Mogę poświęcić 10 minut na napisanie kilku akapitów. To jest mój prompt.

Wartość, którą otrzymuję, jest wtedy ogromna. Trzeba pomyśleć o odbiorcach, danych wejściowych, źródłach materiałów, własnej opinii i własnym stylu. Wszystko ma znaczenie.

Mogę przeprowadzić bardzo złożone badanie rynku, na przykład pojazdów w Ameryce Południowej. Gdybym zatrudnił McKinsey, wydałbym 5 milionów dolarów. Zespół prowadziłby badania, umieszczał ludzi na miejscu, analizował dokumenty i raporty rządowe, a po trzech miesiącach przedstawiłby wyniki.

Mogę jednak zrobić to teraz w około godzinę. Narzędzie przeprowadzi badania, a ja będę z nim rozmawiać i korzystać z trybu rozumowania. Następnie pomagam mu przygotować wykresy i raporty oraz umieścić je w prezentacji PowerPoint. W godzinę otrzymuję coś, co wcześniej kosztowało 5 milionów dolarów — za dolara mojego czasu.

Niedawno firma powiedziała mi, że w ciągu kilku lat otrzymała 82 tysiące zgłoszeń gwarancyjnych. Zapytała, co może zrobić, aby zmniejszyć ich liczbę. Ponieważ zgłoszenia były wpisywane po angielsku, trudno było je posegregować i przeprowadzić tradycyjną analizę w bazie danych. Wszystko znajdowało się w Excelu.

Generatywna AI mogła przyjąć cały arkusz, przeczytać znajdujący się w nim tekst i przedstawić pięć rekomendacji zmian, które można było wdrożyć w produkcji od następnego dnia. Zrobiłem to dla firmy na żywo. Spojrzeli na mnie i powiedzieli: „Chyba żartujesz. Od kilku lat siedzimy na tych danych i nie wiemy, co z nimi zrobić, bo jest ich tak dużo. Zamierzaliśmy zatrudnić firmę konsultingową, a ty zrobiłeś to w pięć minut”.

Właśnie o tym ludzie nie myślą. AI może przyjąć ogromne ilości danych, o ile nie przekroczysz jej zakresu. Może analizować ogromne zbiory danych, nawet jeśli nie zostały wcześniej oczyszczone. W tradycyjnej AI trzeba oczyścić dane. W generatywnej AI, jeśli model wie, że dane są nieuporządkowane, może je przeczytać i wyciągnąć z nich wnioski.

Wnioski i rekomendacje były niezwykłe. O ile wiem, firma je wdrożyła. Dlaczego miałaby tego nie zrobić?

Miałem również przypadek dotyczący wypadków w fabryce. Firma przekazała mi tysiące raportów i zapytała, jak ograniczyć liczbę obrażeń. Po kilku minutach otrzymałem rekomendacje. „Zróbcie te rzeczy, a ograniczycie liczbę wypadków o 80%”. Oczywiście dokładność można potwierdzić dopiero po wdrożeniu, ale analiza była właściwie ukierunkowana. Ludzie nie mogliby dojść do takich wniosków. McKinsey zrobiłby to za 5 milionów dolarów.

To pokazuje, co się dziś zmienia. Masz do dyspozycji bardzo potężne narzędzia, jeśli wiesz, jak ich używać.

David Rice: Uwielbiam ten przykład. Wraca do tego, o czym rozmawialiśmy na początku — ludzie wykorzystują może 10% tego, co jest możliwe. Pokazuje też, że AI działa szybko, ale nie jest magią. Wynik odzwierciedla jakość danych wejściowych. Łatwo pomylić szybkość z wglądem. Podoba mi się jednak to, że mówisz o współtworzeniu i wspólnym myśleniu, a nie tylko delegowaniu. Właśnie wtedy zaczynają się problemy.

Kevin Surace: AI jest partnerem do dyskusji, który może być od ciebie mądrzejszy. Musisz z nim dyskutować i pytać: „Dlaczego?”. Czasem mówię mu: „To jest błędne. Nie uwzględniłeś tego”. Dobre modele odpowiadają: „Masz rację, nie wziąłem tego pod uwagę. Po uwzględnieniu tej informacji odpowiedź wygląda tak”. Wtedy mówię: „To ma większy sens”.

Dyskutuję z AI, mówię jej, że się myli, pytam o moje rekomendacje i opinie. Czy ta opinia jest uzasadniona? Czy jest trafna? Wczoraj analizowałem artykuł o tym, że AI nie może wydawać ocen moralnych. Pomyślałem: „Nie zgadzam się, bo moim zdaniem dziś potrafi”.

Przekazałem jej artykuł i poprosiłem: „Wyjaśnij, dlaczego autor uważa, że AI nie może dokonywać ocen moralnych. Wyjaśnij, dlaczego ty uważasz, że nie możesz tego robić”. Model odpowiedział, że nauczył się wszystkiego, co zrobili ludzie, rozumie więc, co ludzie uznaliby za moralne, i może dokonać oceny moralnej.

Nie może wydać oceny w twoim imieniu — to ty poniesiesz konsekwencje — ale może powiedzieć, co prawdopodobnie zostanie uznane za moralne w danej sytuacji. To była świetna dyskusja: „Broń swojego stanowiska. Powiedz mi, czy możesz dokonywać ocen moralnych”.

Zapytałem też: „Pomóż mi zrozumieć moralność ewentualnej inwazji Stanów Zjednoczonych na Iran. Nie pytam, czy powinniśmy to zrobić. Chcę zrozumieć moralne konsekwencje”. AI przedstawiła konsekwencje, obie strony równania i prawdopodobne reakcje Irańczyków oraz świata. To bardzo ciekawe.

Jeśli pracuję w CIA albo w rządzie, chcę zapytać maszynę: „Na podstawie wszystkiego, co przeczytałeś, jak to będzie wyglądać?”. Potem mogę dalej drążyć temat. Możesz pytać o każdą wojnę z ostatnich 30 lat, ryzyko, sprzęt i liczbę ludzi. Pentagon zatrudnia tysiące analityków, ale mogę zadać pytanie modelowi. Jest niewiarygodnie dobry.

David Rice: Rozmawialiśmy wcześniej o tym, że zmierzamy być może do sytuacji, w której zdominują nas trzy lub cztery modele. Gdy dokładność przekroczy pewien próg, różnice stają się dla większości osób niewidoczne.

Kevin Surace: Są prawie niewidoczne już teraz. Jeśli nie wiesz, że Gemini jest lepszy w jednym konkretnym zadaniu, użyjesz GPT 5.2 albo publicznego ChatGPT.

Modele coraz bardziej obejmują całą ludzką wiedzę. Trzy lata temu był właściwie jeden model — ChatGPT, w wersji 3.0 albo 2.5. Popełniał wiele błędów, ale był imponujący. Potem pojawiły się Claude, Gemini, X.ai, modele z Chin i Llama.

Wszystkie działają bardzo dobrze. Jeśli spojrzysz na testy, zobaczysz, że dzielą je dziś zaledwie pojedyncze punkty procentowe. Są bardzo dobre w większości pytań, interakcji i dyskusji. Różnice będą coraz mniejsze, ponieważ modele stają się coraz lepsze.

Żaden model nie może być lepszy od ludzkiej wiedzy, na której został wytrenowany. Koszty również będą spadać. Wnioskowanie stanie się tańsze, bo będzie to bardzo konkurencyjna branża. Być może nikt nie będzie płacił za te narzędzia albo będzie płacił dolara miesięcznie.

David Rice: Co to oznacza dla tego, jak firmy będą budować i kupować AI w 2026 roku, a także w dłuższej perspektywie?

Kevin Surace: Mam nadzieję, że przedsiębiorstwa nie budują własnych modeli generatywnej AI. Powinny korzystać z tego, co już istnieje.

Koszty będą nadal spadać, więc negocjujcie umowy rozsądnie. Za 10 lat koszty powinny wynosić 5% dzisiejszych. Spadną o 90–95%. Koszty obliczeniowe również spadną o taką wartość. Wszystko działa na krzemie, a koszty krzemu zmniejszają się o połowę co 12–18 miesięcy.

W ten sposób koszty będą się kumulacyjnie zmniejszać i za 10 lat wszystko będzie o 90–95% tańsze. Technologia już dziś jest dostępna niemal dla całego świata, a stanie się jeszcze bardziej dostępna, także w przypadku bardzo złożonych zadań.

David Rice: Mam wrażenie, że ta technologia jest inna. Wszyscy ciągle to powtarzamy.

Kevin Surace: Przy każdym cyklu technologicznym mówimy, że tym razem jest inaczej. Tak mówiliśmy o internecie, smartfonach i komputerach osobistych. Wszystkie były inne.

David Rice: Czy widzisz dziś jakiś sygnał, który mówi ci, że liderzy nie mogą pozwolić sobie na pozostawanie na uboczu?

Kevin Surace: Tak było z komputerem, Excelem i Wordem. Gdy pojawił się edytor tekstu, nie mogłeś siedzieć z boku, bo musiałeś przejść na emeryturę. To jeden z tych cykli.

Internet był większy niż wszystko, co pojawiło się wcześniej. Smartfon był większy, ponieważ łączył się z internetem i opierał się na wcześniejszych osiągnięciach. AI jest większa niż wszystko, co było wcześniej, ponieważ opiera się na internecie, smartfonach i komputerach osobistych.

Dzięki temu dotarła do 3–4 miliardów ludzi w bardzo krótkim czasie. Gdyby nie było internetu, z tej technologii mogłoby korzystać pięć osób na uniwersytecie. Dziś możemy komunikować się niezależnie od miejsca na świecie, z dużą prędkością. Mogę przesyłać terabajty przez świat praktycznie za darmo.

Nie chcesz przegapić tej fali. Osoba obok ciebie, która używa AI pięć razy na godzinę, jest od ciebie dziesięć razy bardziej produktywna — czy ci się to podoba, czy nie.

W społeczności muzycznej trwają dziś duże spory na temat wykorzystywania AI do generowania muzyki, partii, aranżacji i orkiestracji. Część osób nie chce jej używać, a inni twierdzą, że dzięki niej stają się bardziej kreatywni, bo mogą tworzyć 10 utworów na godzinę.

Zwycięzcy zawsze korzystają z najnowszej technologii. Ludzie, którzy po pojawieniu się cyfrowych stacji roboczych i sampli mówili: „Nigdy tego nie użyję”, zostali w tyle za cyfrową rewolucją muzyczną.

Większość ścieżek filmowych i telewizyjnych powstaje cyfrowo. W studiu nie ma prawdziwego trębacza — słyszysz cyfrowe odwzorowanie trąbki i jest ono niemal idealne. Taka jest przyszłość. Wiele osób zostanie w tyle, choć rozumiem, że traktują te narzędzia poważnie i obawiają się utraty źródła utrzymania lub kreatywności.

Jeśli jesteś autorem blogów marketingowych i nadal piszesz jeden tekst co trzy dni, podczas gdy ktoś obok tworzy cały roczny plan treści w jeden dzień, jesteś skończony. Nikt nie będzie płacił ci za wpisywanie słów jedno po drugim. Będzie płacił za strategiczne myślenie o tym, co chcesz powiedzieć, zredagowanie tekstu i jego publikację. Zajmie to 15 minut, a nie 15 dni ani 15 godzin.

Tak jest z każdą technologią. Nie używamy już maszyn do pisania ani faksów, niezależnie od tego, jak dobrze ktoś potrafił się nimi posługiwać.

David Rice: W przypadku muzyków różnica polega na tym, że technologia wywołuje reakcję emocjonalną. To nie tylko inicjatywa biznesowa, ale zmiana na poziomie tożsamości. Dotyczy całych branż, takich jak marketing. Nic dziwnego, że pojawia się opór. Jeśli jednak nie nadążasz za tempem zmian, coraz trudniej będzie ci nadrobić zaległości.

Kevin Surace: Bez wątpienia. Technologia rozwija się szybko, ponieważ opiera się na wcześniejszych technologiach, a wszyscy mają natychmiastowy dostęp do wszystkiego przez internet i Wi-Fi.

W ciągu trzech lat zmieniła się niewiarygodnie szybko, a technologia staje się coraz lepsza. Pokazuję komuś wygenerowane wideo, a on mówi: „To nie do odróżnienia. Myślałem, że nagrano je kamerą”. Odpowiadam: „Tak, a dzisiejszy dzień jest najgorszym, jaki kiedykolwiek będzie”. Wtedy dociera do nich, że jutro będzie tylko lepiej.

Miałem siedem piosenek: część nagrana przez ludzi w studiu, część w pełni wygenerowana przez AI. Wysłałem je muzykom i poprosiłem, żeby wskazali, które są które. Poddali się. Powiedziałem: „Może wszystkie są wygenerowane przez AI, a może żadna”. Twierdzili, że AI nie ma duszy i że potrafią to rozpoznać. Nie potrafili. Dzisiejszy dzień jest najgorszym, jaki będzie. Jutro generacja będzie trochę lepsza.

Nie jesteś jednak skazany na porażkę. Naucz się korzystać z narzędzi i wykorzystaj swoje doświadczenie, aby stworzyć coś lepszego niż osoba bez doświadczenia.

Hollywood również się zmieni. Historie będą tworzone z udziałem cyfrowych ludzi i prawdziwych ludzi, z kamerami lub bez nich. Każdy znajdzie dla siebie miejsce. Nie ma jednak wątpliwości, że filmowy budżet wynoszący milion dolarów za minutę może spaść do dolara za minutę, a film nadal może odnieść sukces. W ciągu trzech lat, do 2030 roku, będzie wyglądał jak produkcja Hollywood.

Dyrektor generalny Roku powiedział niedawno na targach CES to samo: w ciągu trzech lat powstanie hit, którego produkcja będzie kosztować sto dolarów.

David Rice: Kevin, dziękuję za udział w programie. To była świetna rozmowa.

Kevin Surace: To ciekawy temat. Dobrze się bawiłem.

David Rice: Słuchacze, jeśli jeszcze tego nie zrobiliście, odwiedźcie peoplemanagingpeople.com/subscribe. Zapiszcie się do newslettera, aby otrzymywać informacje o nadchodzących wydarzeniach, podcastach, wszystkim, co robimy, oraz najnowszych artykułach.

Do usłyszenia następnym razem. Naucz się po prostu lepiej robić to, co robisz.