Programiści opisują sesje pracy z AI jako niezwykle produktywne — w ciągu godzin udaje się to, na co wcześniej potrzebne były tygodnie, równocześnie prowadząc kilka projektów. Jednak za tym uczuciem nadprodukcji kryje się niepokojąca statystyka: 83% pracowników biurowych wykonujących pracę intelektualną odnotowuje przynajmniej pewien stopień wypalenia emocjonalnego, a gromadzące się badania wskazują na to, że AI może zwiększać obciążenie — a tym samym zwiększać to ryzyko.
Rzeczywiste wyniki
Najpierw o plusach. W niektórych scenariuszach AI rzeczywiście przyspiesza pracę: +14% do wydajności w dużym wdrożeniu wsparcia klienta, +55% do szybkości realizacji zadań programistycznych w kontrolowanych warunkach. Przy czym największe korzyści odnoszą mniej doświadczeni pracownicy. Badanie opublikowane w grudniu 2025 roku w czasopiśmie Science stwierdziło, że wdrożenie modeli językowych doprowadziło do wzrostu liczby publikacji na arXiv o około jedną trzecią, a na innych platformach preprintowych - o ponad 50%. Model budżetowy Penn Wharton prognozuje, że generatywne AI doda 1,5% do PKB do 2035 roku i prawie 3% - do 2055 roku. Obraz makroekonomiczny wygląda naprawdę pozytywnie.
Jednak makroprognozy i szybkość realizacji poszczególnych zadań nie odzwierciedlają tego, co dzieje się w zespołach. I to tutaj obraz staje się niejednoznaczny.
Różnica między percepcją a rzeczywistością
W połowie 2025 roku organizacja METR opublikowała wyniki randomizowanego badania kontrolowanego. Szesnastu doświadczonych programistów oprogramowania open source zostało losowo przydzielonych do wykonywania rzeczywistych zadań - z narzędziami AI lub bez nich. Wynik był zaskakujący: uczestnicy, którzy korzystali z AI, spędzali o 19% więcej czasu. Przy tym subiektywnie czuli się około 20% szybciej i początkowo oczekiwali przyspieszenia o 24%. Różnica między percepcją a rzeczywistością wyniosła 39 punktów procentowych.
W lutym 2026 roku METR ogłosiła pełne przemyślenie badania - nie dlatego, że wyniki okazały się błędne, ale dlatego, że narastające efekty selekcji sprawiały, że pierwotny randomizowany projekt stawał się coraz trudniejszy do interpretacji. Od 30% do 50% uczestników wolało w ogóle nie zgłaszać zadań, byle tylko nie znaleźć się w grupie bez AI. Rekrutacja nowych uczestników znacznie się skomplikowała. Pomiar czasu stał się niepewny, ponieważ programiści uruchamiali kilka agentów jednocześnie.
Niewygodny wniosek: programiści tak bardzo zżyli się z narzędziami, że zbudowanie czystego eksperymentu - gdzie połowa uczestników po prostu nie korzysta z AI - może być już niemożliwe.
Ukryty koszt szybkości
Jeśli AI przyspiesza realizację zadań, dlaczego zespoły zgłaszają większe zmęczenie, a nie mniejsze? Ośmiomiesięczne badanie etnograficzne badaczy z Uniwersytetu Kalifornijskiego w Berkeley Aruny Ranganathan i Xingqi Maggie Ye, opublikowane w Harvard Business Review, wykazało: wdrożenie AI w 200-osobowej firmie technologicznej nie zmniejszyło obciążenia pracą - intensyfikowało je. Pracownicy podejmowali się szerszego zakresu zadań, pracowali szybciej i dłużej, doświadczali napięcia poznawczego i zwiększonego ryzyka wypalenia - nie pomimo narzędzi, a właśnie z ich powodu.
Modelowanie Fêna (Feng) z współautorami, obejmujące 442 programistów, wykazało: wdrożenie generatywnego AI zwiększa wymagania w pracy w sposób związany z wypaleniem. Ten efekt łagodniał tylko tam, gdzie zespoły miały wystarczające zasoby i wykształciły szczerze pozytywne - a nie narzucone z góry - podejście do technologii.
Wstępne badanie naukowców z MIT Media Lab, którzy używali EEG do śledzenia aktywności mózgu podczas pisania esejów, zarejestrowało: u uczestników pracujących z asystentami AI z czasem zmniejszała się neuronalna spójność i zaangażowanie. Autorzy nazywają to zjawisko „długiem poznawczym”: gdy narzędzie przejmuje wysiłek, aktywność poznawcza człowieka maleje.
To samo badanie Science, które zarejestrowało wzrost liczby publikacji, wskazało na poważniejszy problem: w miarę jak wypolerowany tekst staje się tańszy, coraz gorzej służy jako wskaźnik jakości - rośnie ryzyko pojawienia się prac przekonujących w formie, ale słabych w treści. Raport Google DORA potwierdził podobny wzorzec: szybsze pisanie kodu nie prowadzi automatycznie do lepszych wyników w rozwoju. AI wzmacnia to, co już istnieje: silne zespoły stają się silniejsze, słabe - słabsze.
Co to oznacza dla liderów
Zespoły, które robią największe wrażenie, to nie te, które najszybciej wydają wersje demo. To ci, którzy potrafią jasno wyjaśnić, czego dokładnie nie automatyzują - i dlaczego.
AI nie wyeliminował wąskich gardeł - przeniósł je: z realizacji do obszaru osądów, strategii, syntezy, rozwiązań architektonicznych i oceny jakości. Organizacje, które stawiają szybkość jako główną miarę, budują coś, co można nazwać kruchą szybkością: imponujące prototypy, które ukrywają niepewną podstawę. Przewaga teraz leży po stronie tych, którzy zachowują krytyczne myślenie i własną wizję w obliczu narastającej złożoności.
Dwie rzeczy mają zasadnicze znaczenie:
Zmieniaj zadania świadomie. Daj pracy z AI swoje przestrzenie - a następnie przemyślane zaplanuj to, co następuje. Najgorszym przejściem jest z szybkiego strumienia do pustego okresu lub powierzchownej pracy administracyjnej. Najlepszym - do zadań wymagających ludzkiej obecności: rozmowa-nauczanie, decyzje strategiczne, spacer bez ekranu. Same przejście staje się regeneracją. Organizacje, które pozostawią to na uznanie każdego pracownika, przegrają; te, które wbudują to w rytmy zespołowe, przetrwają.
Chroń pracę, która nie toleruje pośpiechu. Mentorstwo, strategia, głębokie słuchanie - działalność, która przynosi owoce po latach - odbywa się w ludzkim tempie. Nie można jej przyspieszyć i nie powinna konkurować w kalendarzu z szybkością AI. Utrwal ją w strukturze zespołu - w przeciwnym razie zniknie.
Narzędzia, które mogą odpowiadać szybkości myśli, już istnieją. Pytanie, które należy zadać liderom, brzmi - nie jak poruszać się szybciej, ale jak ochronić się przed pośpiechem.
#AI #AImodel #Write2Earn #BinanceSquare
