Myśl na własny użytek. Jak pracować z AI i nie oddać kontroli nad własnym umysłem

Czy jesteś w stanie sobie przypomnieć, co udało Ci się napisać wczoraj rano? Nie ogólny sens, ale dokładne zdania? Jeśli tekst powstał przy użyciu ChatGPT (a raczej dowolnego narzędzia AI), jest duża szansa, że nie. I to nie dlatego, że masz słabą pamięć, ale dlatego, że twój mózg nigdy nie potraktował tego tekstu jako swojego. Zresztą – trudno mu się dziwić.

W czerwcu 2025 r. w MIT Media Lab przeprowadzono eksperyment, w którym 54 osoby podłączono do 32-elektrodowego EEG i poproszono o napisanie esejów. Jedna grupa korzystała z ChatGPT, druga – z Google’a, a trzecia pisała samodzielnie. Po wszystkim poproszono uczestników o zacytowanie choćby jednego zdania z tekstu, który właśnie oddali. W grupie korzystającej z ChatGPT 83% osób nie było w stanie tego zrobić. Połączenia neuronowe w tej grupie były słabsze o 55% względem grupy piszącej samodzielnie. A gdy w kolejnej turze osoby przyzwyczajone do pracy z ChatGPT musiały pisać bez niego, ich mózg dalej odpuszczał. Nauczyły się, że myślenie jest… opcjonalne¹.

Autorzy badania nazwali to cognitive debt, czyli długiem poznawczym – przez analogię do długu technologicznego. Narasta on stopniowo i często pozostaje niewidoczny, ale spłata przychodzi w momencie, gdy trzeba polegać na własnym myśleniu. Wtedy okazuje się, że jego sprawność nie jest już taka jak wcześniej.

Słuchaj „Marketer+” Podcast

Nie jestem przeciwna AI! Wręcz przeciwnie 

Zacznijmy od ustawienia ram naszej rozmowy i rozważań. Używam AI codziennie, a mój stack narzędziowy kosztuje mnie co miesiąc minimum 1,6 tys. zł, a przy tym się zwraca. Noy i Zhang w „Science” dowiedli, że ChatGPT skraca czas wykonania pisemnych zadań zawodowych o 40% i podnosi ich ocenianą jakość o 18%². 

Problem leży gdzie indziej. Dane o produktywności mówią o ilości i jakości outputu. Nie mówią o tym, co dzieje się z głową, która ten output wypuszcza. A tam, jeśli wierzyć obserwacjom z ostatnich dwóch lat, dzieje się coś, co powinno zainteresować każdego marketera myślącego o karierze w perspektywie dłuższej niż kwartał. Jak mówi Nicholas Carr: „Uzbrojony w generatywną AI uczeń na poziomie B może tworzyć prace na poziomie A, a jednocześnie samemu stać się uczniem na poziomie C”⁴.

Mój codzienny stack narzędziowy, czyli za co konkretnie płacę

Ułożyłam narzędzia od tych, których używam najczęściej, po te, które uruchamiam tylko okazjonalnie. Każde z nich ma swoje konkretne zastosowanie, ale też własne ograniczenia (tabela 1).

Na koniec jedna uczciwa uwaga: to, że mój stack rośnie, niewiele o mnie mówi. Co jakiś czas pytam samą siebie, czy naprawdę potrzebuję każdego z tych narzędzi, czy po prostu kolekcjonuję subskrypcje. W researchu do tego tekstu trafiłam na pojęcie collector’s fallacy – złudzenie, że samo zgromadzenie materiałów jest nauką. Dokładnie to samo dotyczy narzędzi AI. Płacenie za dziesięć subskrypcji nie czyni nikogo lepszym marketerem. Lepszym marketerem czyni to, co z tych narzędzi wyciągasz, i co wciąż robisz samodzielnie.

Efekt Google’a, wersja 2026

W 2011 r. Betsy Sparrow, Jenny Liu i Daniel Wegner opublikowali w „Science” pracę o tym, co znamy jako Google effect. Uczestnicy spodziewający się późniejszego dostępu do informacji zapamiętywali gorzej samą treść, a lepiej lokalizację – folder, ścieżkę, źródło. Pamiętali „gdzie”, ale nie „co”⁵. Późniejsze prace pokazały dodatkowo, że użytkownicy Google’a mylą wiedzę zewnętrzną z własną⁶ – czują się mądrzejsi, niż są.

Przenieśmy ten mechanizm o poziom wyżej. Google pozwalał przestać pamiętać treść. Generatywne AI pozwala natomiast przestać tworzyć. Dawniej wiadomo było, gdzie szukać insightu; dziś pamiętasz, jakim promptem go wytworzyć. Własny tok rozumowania – od briefu do wniosku – przestał być praktykowany. Bo po co, skoro można szybciej? A to, czego nie praktykujesz, nie jest Twoim atutem. Jest Twoim… wspomnieniem.

Jagged frontier, czyli kiedy AI Cię zawiedzie

W 2023 r. Fabrizio Dell’Acqua, Ethan Mollick i zespół przeprowadzili eksperyment na 758 konsultantach Boston Consulting Group. W zadaniach z kompetencji modelu konsultanci z AI byli 25% szybsi, wykonywali 12% więcej zadań, a jakość była wyższa o ponad 40%. Najsłabsi zyskiwali 43%, najlepsi – 17%⁷. To zjawisko nosi nazwę demokratyzacji kompetencji.

A teraz część, o której rzadziej się mówi – zadania wykraczające nieco poza zakres kompetencji modeli (tzw. jagged frontier, czyli „poszarpaną granicę”). Ci sami konsultanci byli o 19 punktów procentowych mniej trafni niż grupa kontrolna pracująca bez AI. Bez AI – lepiej. Z AI –  gorzej o prawie jedną piątą.

Czy AI ich sabotowało? Po prostu pisało bardzo pewnie, a uczestnicy, przyzwyczajeni do wysokiej trafności w poprzednich zadaniach, częściej rezygnowali z własnej weryfikacji. Który Twój brief jest po tej stronie frontieru, a który po drugiej? Nie dowiesz się inaczej niż poprzez zrobienie paru rzeczy bez AI, żeby mieć punkt odniesienia, gdy intuicja zaczyna kłamać.

Problem w marketingu – uśrednienie

Anil Doshi i Oliver Hauser opublikowali w 2024 r. w „Science Advances” jedno z najważniejszych (może przesadzam, ale niech będzie dla dramatyzmu) badań dla naszej branży⁸. 300 autorów pisało opowiadania, 600 ewaluatorów je oceniało, część autorów miała dostęp do pięciu podpowiedzi z AI, część – nie. 

Na poziomie indywidualnym wyniki były jednoznaczne: osoby korzystające z AI tworzyły teksty oceniane jako bardziej oryginalne (+8,1%) i lepiej napisane (+9%). W przypadku słabszych autorów wzrost sięgał nawet 26,6%. Ale na poziomie zbiorowym teksty z AI były do siebie bardziej podobne o 4,1–4,3%, a różnorodność semantyczna całej puli spadła o 10,7%. 

Autorzy odwołują się tu wprost do tragedii dóbr wspólnych – z perspektywy jednostki użycie AI jest racjonalne i poprawia wynik, z perspektywy rynku jako całości: wszyscy piszą podobniej. Jak wspomina Rory Sutherland, „Istnieje ryzyko, że sztuczna inteligencja utrwala myślenie stadne. Przejmuje je i skutecznie utrwala⁹”.

Junior, który nigdy nie poprowadzi strategii

Najcichsza, a być może najpoważniejsza konsekwencja rozegra się na poziomie kadry. Badanie Brynjolfssona z 2025 r. pokazało, że AI podnosi produktywność agenta obsługi klienta głównie dzięki temu, że dystrybuuje tacit knowledge – milczącą wiedzę weteranów, której nikt nigdy nie spisał – do nowicjuszy. Brzmi pięknie. Gorzej wygląda, gdy zadasz pytanie: „Skąd weźmiemy weteranów za dziesięć lat?”.

Matt Beane z UCSB w „The Skill Code” nazywa to naruszeniem pętli uczenia się¹². Dotychczasowa ścieżka była prosta – junior robi żmudną robotę (research, pierwszy draft, tabelka, streszczenie), w tej robocie mimochodem nabywa wyczucie, a z wyczucia w miarę upływu czasu rodzi się poziom ekspercki. Po dwudziestu latach masz seniora. AI wyjmuje z tej pętli środek. Żmudną robotę robi teraz model, junior od razu dostaje gotowe. Rola „edytora outputu” jest pozornie trudniejsza, ale tylko pod warunkiem, że masz już kompetencje, aby ocenić, co jest dobre. Junior ich nie ma i coraz rzadziej będzie miał, skąd je wziąć.

Co właściwie tracimy, gdy oddajemy myślenie 

Pora nazwać po imieniu to, co AI odbiera, jeśli nie pilnuje się podziału pracy. 

Mechanizmy, które budują pamięć i uczenie się

Robert Bjork z UCLA sformułował w latach 90. koncepcję desirable difficulties – warunków spowalniających naukę w krótkim terminie, ale budujących trwalszą pamięć i lepszy transfer wiedzy¹⁶. Łatwe nie znaczy skuteczne. Płynność jest iluzją uczenia się. 

Z kolei Benjamin Baird pokazał, że przerwy wypełnione mało angażującym zadaniem zwiększają wyniki w testach kreatywności¹⁷. Każdy prompt typu „daj mi 20 pomysłów” zabija fazę, w której pomysły faktycznie przychodzą.

Pisanie jako forma myślenia

Paul Graham pisze wprost: „Pisanie to myślenie. Istnieje rodzaj myślenia, który można wykonywać tylko poprzez pisanie”¹⁸. Leslie Lamport, laureat Nagrody Turinga, posuwa tę tezę jeszcze dalej: „Jeśli myślisz bez pisania, to tylko wydaje ci się, że myślisz”¹⁹. Sönke Ahrens dodaje, że pisanie nie jest tym, co następuje po researchu, ale jest medium tej pracy²⁰. I to są nie metafory, tylko opis tego, co robi dla Ciebie i Twojej głowy pusta strona. Zderzenie z nią ujawnia luki, których wcześniej nie było widać. 

Nie ma sensu kończyć lamentem, bo to nikomu nic nie da. Badacze i praktycy, którzy zjedli na AI zęby i wciąż myślą samodzielnie, mają kilka zbieżnych praktyk (ramka).

Co dalej z Twoją głową

Wracam do Kosmyny i tych 83% badanych, którzy nie potrafili zacytować zdania z eseju napisanego pół godziny wcześniej. Esej zaistniał, został oddany. Wszystko się zgadza, oprócz tego, że w głowie autora nie zostało nic. W marketingu wartość nie leży w tekście, który oddajesz w środę. Leży w tym, co zostaje z Tobą później – w tym, że za pół roku, przy innym briefie i innej marce, uruchamia się odruch, który tamten tekst wytrenował. Przypomnienie case’u z 2022 r. Skojarzenie łączące kulturowy sygnał z mechaniką kategorii. Te odruchy biorą się z setek godzin, w których udało Ci się coś poskładać lub napisać samodzielnie. 

Podział pracy z AI, czyli co komu oddać

Nie każdy etap pracy nad projektem wymaga tego samego zaangażowania człowieka. W jednych AI odciąża z żmudnej pracy, w innych trzeba ją trzymać na krótkiej smyczy. W tabeli 2 znajdziesz praktyczny podział, jak można o tym myśleć w codziennej pracy.

Zasada ogólna, która działa w każdym z tych wierszy, brzmi: „Oddawaj AI to, co jest skalą. Zatrzymaj u siebie to, co jest osądem”. Skalę można outsource’ować, bo jej jakość nie zależy od tego, kto ją wykonuje. Osądu nie można – bo to Ty odpowiadasz za decyzję, a klient zapłacił nie za Twoją subskrypcję, tylko za Twoją głowę.

Najważniejsze wnioski z artykułu:

• AI naprawdę przyspiesza pracę, ale… Badania opublikowane w „Science” i „Quarterly Journal of Economics” pokazują wzrost produktywności między 14 a 40%. Problem w tym, że mówią o tym, co wychodzi z Twoich rąk, a nie o tym, co zostaje w Twojej głowie. A właśnie to drugie decyduje o tym, kim będziesz za pięć lat.
• Dług poznawczy istnieje i da się go zmierzyć. Badanie MIT Media Lab z 2025 roku pokazało, że 83% użytkowników ChatGPT nie potrafiło zacytować ani jednego zdania z eseju, który właśnie napisało pół godziny wcześniej. Ich mózg po prostu nie potraktował tego tekstu jako swojego.
• Google nauczył nas pamiętać tylko „gdzie”, a teraz AI uczy, jak przestać tworzyć. Dawniej było wiadomo, gdzie szukać insightu. Dziś pamiętasz, jakim promptem go wytworzyć. Przestaje się praktykować własny tok rozumowania: od briefu do wniosku. A to, czego nie ćwiczysz, nie jest Twoim atutem. Staje się co najwyżej wspomnieniem.
• AI jest świetne dokładnie do granicy swoich możliwości, a zaraz za nią staje się niebezpieczne. W badaniu Boston Consulting Group konsultanci z AI wypadali o 19 punktów procentowych gorzej niż ich koledzy bez AI w zadaniach, które tylko o włos wykraczały poza kompetencje modelu. I co najgorsze nie wiedzieli, że właśnie tę granicę przekroczyli.
• Masowo używane AI uśrednia rynek, a to nie pomaga w marketingu. Doshi i Hauser w „Science Advances” pokazali, że każdy z osobna pisze lepiej, ale wszyscy razem piszą do siebie podobniej o prawie 11%. W branży, w której, jak uczył Byron Sharp, jedynym źródłem wzrostu jest wyróżnialność, to stanowi sygnał alarmowy.
• Pętla juniorska się kończy (bo kończą się juniorzy) i to jest cicha, ale najpoważniejsza konsekwencja. Stanford w 2025 r. i Harvard w 2026 r.
  pokazują spadek zatrudnienia młodych o 9 do 13% przy stabilnym poziomie zatrudnienia seniorów. Agencja, która dziś cieszy się z oszczędności, za pięć lat nie będzie miała kogo wysłać do klienta.
• Ratunek to proste cztery nawyki, a nie porzucenie narzędzi. Myśl, zanim zaczniesz promptować. Traktuj AI jak partnera do sparingu, a nie jak ghostwritera. Raz w tygodniu pisz samodzielnie. I pamiętaj, że AI zawsze Ci przyklaśnie, nawet gdy nie powinno.

1. N. Kosmyna i in., „Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”.
2. S. Noy, W. Zhang, „Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence”, „Science” 2023, 381 (6654), s. 187–192.
3. E. Brynjolfsson, D. Li, L. R. Raymond, „Generative AI at Work”, „Quarterly Journal of Economics” 2025, 140 (2).
4. N. Carr, „The Myth of Automated Learning”, „New Cartographies” 2024 [tłum. własne „Armed with generative AI, a B student can produce A work while turning into a C student”].
5. B. Sparrow, J. Liu, D. M. Wegner, „Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips”, „Science” 2011, 333 (6043), s. 776–778.
6. A. F. Ward, „People mistake the internet’s knowledge for their own”, „PNAS” 2021, 118 (43).
7. F. Dell’Acqua i in., „Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”, „Harvard Business School Working Paper” 2023, 24-013.
8. 8 A. R. Doshi, O. P. Hauser, „Generative AI enhances individual creativity but reduces the collective diversity of novel content”, „Science Advances” 2024, 10 (28).
9. R. Sutherland, wywiad dla podcastu „Making Sense”, IPA, 2025 [tłum. własne „There’s a danger that what AI is doing is enshrining groupthink. It’s taking groupthink and effectively engraving it”].
10. B. Sharp, „How Brands Grow: What Marketers Don’t Know”, Oxford University Press, 2010.
11. „Word of the year 2025 »slop«” – Merriam Webster, zob. także omówienia kampanii Coca-Coli, McDonald’s Netherlands i Spotify Wrapped w „Campaign” i „Marketing Week”, 2024–2025.
12. M. Beane, „The Skill Code: How to Save Human Ability in an Age of Intelligent Machines”, HarperCollins, 2024.
13. E. Brynjolfsson, B. Chandar, R. Chen, „Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab, sierpień 2025.
14. Raport Harvard Business School o wpływie GenAI na zatrudnienie juniorów, luty 2026.
15. M. Ritson, „The Great Stay: why hiring is hollowing out”, „The Drum”, 2026.
16. R. A. Bjork, E. L. Bjork, „Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning”, w: „Psychology and the Real World”, Worth Publishers, 2011.
17. B. Baird i in., „Inspired by Distraction: Mind Wandering Facilitates Creative Incubation”, „Psychological Science” 2012, 23 (10), s. 1117–1122.
18. P. Graham, „Writes and Write-Nots” [tłum. własne „Writing is thinking. There is a kind of thinking that can only be done by writing”].
19. L. Lamport, „Thinking Above the Code” [tłum. własne „If you’re thinking without writing, you only think you’re thinking”].
20. S. Ahrens, „How to Take Smart Notes”, CreateSpace, 2017.
21. E. Mollick, „Co-Intelligence: Living and Working with AI”, Nowy Jork 2024.
22. H-P. Lee, A. Sarkar i in., „The Impact of Generative AI on Critical Thinking”, CHI ‘25 Conference Proceedings, Microsoft Research, Carnegie Mellon, Cambridge, 2025.
23. S. Godin, wypowiedź w podcaście Motley Fool, czerwiec 2025.
24. M. Sharma i in., „Towards Understanding Sycophancy in Language Models”, Anthropic, ICLR 2024.