Japonia uczy się AI po godzinach. Małe meetupy wypełniają lukę edukacyjną

W Japonii edukacja dotycząca sztucznej inteligencji nie kończy się na uczelniach, rządowych programach ani kursach firmowych. Coraz ważniejszą rolę odgrywają małe spotkania organizowane po pracy: kilka lub kilkadziesiąt osób przynosi laptopy, słucha krótkich wystąpień, wspólnie programuje i porównuje doświadczenia z narzędziami AI. Wydarzenie w Fukuoce z 10 lipca 2026 roku, w którym uczestniczyłem, było dobrym przykładem tego zjawiska: na jednej sali spotkali się użytkownicy Claude Code i Codex, lokalni praktycy oraz zaproszony z Tokio twórca internetowy.

Przegląd wydarzeń zarejestrowanych w serwisie connpass między 30 czerwca a 13 lipca 2026 roku pokazuje, że nie był to odosobniony przypadek. W tym samym czasie podobne inicjatywy pojawiały się w Tokio, Osace, Fukuoce, Narze i na Okinawie. Różniły się skalą i poziomem zaawansowania, ale łączył je jeden model: mniej jednostronnego wykładu, więcej demonstracji, samodzielnej pracy, krótkich prezentacji i rozmów o tym, co naprawdę działa.

Fukuoka: od krótkich prezentacji do pracy przy laptopach

Punktem wyjścia jest AI-Driven Development Study Group – Fukuoka Edition + Enjoy AI Developing, zorganizowane 10 lipca w Engineer Cafe w Fukuoce. Strona wydarzenia odnotowała 92 uczestników. Udział był bezpłatny, a program trwał dwie i pół godziny.

Spotkanie zaczęło się od sześciu krótkich wystąpień. Tematy dotyczyły między innymi projektowania agentów Copilot, budowy serwera MCP dla 200 pracowników, wykorzystania „pracowników AI” przez osobę nietechniczną oraz funkcji Claude Desktop i aplikacji Codex. Potem nastąpił godzinny hands-on z Claude Code i Codex, a na końcu czas na prezentację rezultatów, dyskusję i pytania.

Gościem głównym był Oikon, znany w japońskiej społeczności użytkownik Claude Code i agentów programistycznych. Organizatorzy zaprosili go z Tokio nie po to, by wygłosił ogólną opowieść o przyszłości, lecz żeby pracował z uczestnikami nad konkretnym problemem: jak zbudować własne środowisko i reguły pracy dla agenta, zamiast ograniczać się do polecenia „napisz mi kod”.

To ważna cecha tej formy edukacji. Twórca działający w mediach społecznościowych staje się nauczycielem nie dlatego, że ma formalny tytuł, ale dlatego, że regularnie testuje narzędzia, pokazuje warsztat i potrafi przełożyć szybko zmieniającą się technologię na ćwiczenie, które inni mogą powtórzyć. Lokalni uczestnicy wnoszą z kolei problemy z własnej pracy. Wiedza płynie w obie strony.

Dwa tygodnie, wiele wersji tej samej szkoły

W okresie w którym przebywałem w Japonii można znaleźć zarówno wydarzenia dla początkujących, jak i spotkania dotyczące bardzo wąskich problemów inżynierskich. To nie jeden centralny program, ale sieć społeczności dostosowanych do miasta, zawodu i poziomu uczestników.

Zestawienie jest próbką wydarzeń, a nie kompletnym spisem wszystkich spotkań AI w Japonii.

Skala nie zawsze jest imponująca i właśnie to jest interesujące. Planowane na 4 lipca w Fukuoce ośmioosobowe spotkanie z vibe codingu zostało odwołane z powodu braku frekwencji. Oddolna edukacja jest nierówna i czasem krucha, ale niski próg organizacji pozwala szybko próbować nowych formatów. Nieudane wydarzenie nie wymaga zamykania programu wartego miliony; udane można powtórzyć miesiąc później.

AI nie tylko dla programistów

Drugim mocnym wnioskiem jest poszerzanie grupy odbiorców. Spotkanie online organizowane przez Singularity Lab prowadziło osoby początkujące przez budowę strony internetowej za pomocą rozmowy z ChatGPT, Claude lub Gemini. Uczestnik nie musiał znać składni języka programowania. Celem było zrozumienie procesu: opisać intencję, zobaczyć rezultat, poprosić o zmianę i nauczyć się rozpoznawać moment, w którym wynik AI trzeba sprawdzić.

Jeszcze lepiej zmianę tę pokazuje wydarzenie CDLE Fukuoka z 8 lipca. Jego bohaterką była Shinko Makino, pracowniczka administracji medycznej, która zaczęła uczyć się AI po pięćdziesiątce bez wcześniejszego doświadczenia w programowaniu. Shinko stworzyła narzędzie pomagające obsługiwać 45 rodzajów dokumentów, a następnie uruchomiła wewnętrzne spotkania na których pracownicy uczyli się bezpiecznego korzystania z AI. Jej prezentacja przyciągnęła duże grono zainteresowanych.

To praktyczna odpowiedź na pytanie, które często pojawia się również w Polsce: jak zacząć edukację AI, gdy technologia zmienia się szybciej niż program kursu. Japońskie społeczności często nie zaczynają od kompletnej teorii. Zaczynają od małego problemu, pokazują działający przykład, a dopiero potem wspólnie ustalają zasady i ograniczenia.

Szkoły i uczelnie także zmieniają podejście

Nie oznacza to, że Japonia pozostawiła edukację AI wyłącznie społecznościom. Ministerstwo Edukacji, Kultury, Sportu, Nauki i Technologii (MEXT) opublikowało w grudniu 2024 roku drugą wersję wytycznych dotyczących generatywnej AI w szkołach podstawowych i średnich. Dokument przyjmuje zasadę użycia zorientowanego na człowieka i wzmacniania kompetencji informacyjnych. Nauczyciele mają rozumieć mechanizm oraz ograniczenia narzędzia, a uczniowie korzystać z niego z uwzględnieniem wieku, przygotowania i ryzyka. MEXT prowadzi także szkoły pilotażowe oraz materiały szkoleniowe dla nauczycieli. Więcej o wcześniejszym etapie tej polityki pisaliśmy w tekście o japońskich wytycznych dla szkół.

Na uczelniach działa państwowy system certyfikacji programów z matematyki, data science i AI. Obejmuje poziom podstawowej alfabetyzacji oraz poziom zastosowań w danej dziedzinie. MEXT opisuje te kompetencje jako współczesny odpowiednik czytania, pisania i liczenia. Z kolei Ministerstwo Gospodarki prowadzi Manabi DX Quest, gdzie uczestnicy uczą się na danych firmowych i współpracują z regionalnymi przedsiębiorstwami.

Powstaje więc system warstwowy: szkoła ma budować krytyczne i bezpieczne podstawy, uczelnia dostarczać uporządkowaną wiedzę, programy publiczne łączyć ją z biznesem, a społeczności błyskawicznie testować nowe narzędzia i metody.

Dlaczego małe spotkania są potrzebne mimo programów państwa

Problem wciąż jest duży. Według analizy japońskiej agencji IPA 85,1 proc. badanych firm deklarowało niedobór ludzi zdolnych prowadzić transformację cyfrową. Materiały do raportu DX Trends 2025 wskazują również, że generatywną AI wdrożyła lub planowała wdrożyć niewiele ponad połowa japońskich firm, podczas gdy w USA i Niemczech było to około 80 proc. Jeszcze większa różnica dotyczyła włączenia AI bezpośrednio w procesy działu: około 10 proc. w Japonii wobec niespełna 40 proc. w dwóch pozostałych krajach.

To nie jest wyłącznie problem dostępu do narzędzia. Potrzebni są ludzie, którzy potrafią rozpoznać dobre zastosowanie, przygotować dane i zasady pracy, ocenić rezultat, zadbać o bezpieczeństwo, a potem przekonać do nowego procesu kolegów. Właśnie takich mikrokompetencji uczą spotkania o błędach Claude Code, ochronie kluczy API, projektowaniu agentów czy automatyzacji konkretnego zestawu dokumentów. Dyskusja o tym, jak AI zmienia pracę programistów, przestaje być abstrakcyjna, gdy uczestnik może pokazać własny kod i usłyszeć krytykę pięciu osób siedzących przy tym samym stole.

Meetupy nie zastąpią szkoły, dobrego kursu ani polityki firmy. Nie gwarantują też jakości: prowadzący mogą się mylić, a przykład działający podczas demonstracji nie musi nadawać się do produkcji. Ich przewagą jest jednak szybkość korekty. Uczestnik może natychmiast zapytać o koszt, prywatność, błąd w kodzie albo ograniczenie licencji. Może też zobaczyć, jak z tym samym problemem radzi sobie ktoś z innej branży.

Japoński model: uczyć się publicznie i małymi krokami

Z dwutygodniowej próbki wydarzeń wyłania się obraz kraju, który nie tyle „opanował edukację AI”, ile buduje wiele równoległych dróg uczenia się. Obok oficjalnych wytycznych i certyfikowanych programów istnieje gęsta warstwa spotkań organizowanych przez użytkowników, lokalne grupy, firmy i twórców internetowych. Jedne gromadzą prawie sto osób, inne mieszczą się przy jednym stole.

Najcenniejsza nie jest liczba wydarzeń, lecz ich praktyczna konstrukcja: krótka prezentacja, pokaz, czas na samodzielną próbę, rozmowa o porażkach i możliwość pozostania w społeczności po zakończeniu spotkania. Dzięki temu wiedza o AI nie płynie wyłącznie z góry, od ministerstwa lub dużej firmy. Krąży między miastami, zawodami i pokoleniami.

Japonia nadal zmaga się z niedoborem kompetencji i ostrożnym wdrażaniem AI w przedsiębiorstwach. Jednocześnie jej lokalne społeczności pokazują, jak można zmniejszać tę lukę bez czekania na idealny podręcznik: spotkać się po pracy, otworzyć laptop, pokazać, co się udało i uczciwie powiedzieć, co nie zadziałało