Trzy lata temu przewidywali przyszłość AI. Sprawdzamy, kto miał rację

„Każdy jest teraz programistą”. „Nie będziesz musiał używać różnych aplikacji do różnych zadań”. Sztuczna inteligencja może wpłynąć na pracę 80 proc. zatrudnionych. AGI? Być może zostało nam tylko kilka lat.

W 2023 roku podobnych prognoz było mnóstwo. ChatGPT miał wówczas zaledwie kilka miesięcy, GPT-4 właśnie zadebiutował, a generatywna sztuczna inteligencja w ciągu jednego kwartału przeszła drogę od technologicznej ciekawostki do jednego z najważniejszych tematów biznesowych na świecie.

Jedni zapowiadali rewolucję na rynku pracy. Inni koniec programowania w znanej nam formie. Bill Gates przewidywał zmianę sposobu, w jaki korzystamy z komputerów. Demis Hassabis z DeepMind sugerował, że od sztucznej inteligencji ogólnej mogą dzielić nas już tylko lata. Minęły trzy lata.To dobry moment, żeby zrobić coś, co w dyskusji o AI zdarza się zaskakująco rzadko: zamiast pytać, co wydarzy się za trzy lata, sprawdzić, co zostało z prognoz sprzed trzech lat.

„Każdy jest programistą”

Pod koniec maja 2023 roku Jensen Huang, założyciel i CEO Nvidii, wystąpił na targach Computex w Tajpej. Nvidia właśnie stawała się największym beneficjentem gorączki związanej z generatywną AI, a Huang mówił o początku nowej ery komputerów.

Padło wtedy zdanie, które brzmiało niemal prowokacyjnie:

„Everyone is a programmer now — you just have to say something to the computer.”

„Każdy jest teraz programistą — wystarczy, że powiesz coś komputerowi”.

W 2023 roku łatwo było uznać to za marketingową hiperbolę prezesa firmy sprzedającej układy niezbędne do trenowania modeli AI. Z perspektywy 2026 roku wypowiedź Huanga wygląda jednak znacznie ciekawiej. Programowanie bowiem rzeczywiście zaczęło zmieniać się z czynności polegającej wyłącznie na ręcznym pisaniu kodu w proces, w którym człowiek coraz częściej opisuje pożądany rezultat. Modele nie ograniczają się już do podpowiadania następnej linijki. Systemy agentowe potrafią analizować repozytorium, modyfikować wiele plików, uruchamiać kod, wykonywać testy i poprawiać własne błędy.

To jakościowo inny sposób pracy z komputerem. Huang miał więc rację w jednym bardzo istotnym sensie: język naturalny rzeczywiście stał się warstwą programowania. Nie oznacza to jednak, że każdy domyślnie został programistą.

Paradoksalnie jedno z najciekawszych badań pokazujących granice tej wizji pochodzi z 2025 roku. Organizacja METR przeprowadziła randomizowany eksperyment z doświadczonymi programistami pracującymi nad dobrze znanymi sobie projektami open source. Programiści spodziewali się, że narzędzia AI skrócą czas wykonywania zadań o około 24 proc.Stało się odwrotnie.Z AI wykonywali zadania średnio o 19 proc. dłużej. Co jeszcze ciekawsze, nawet po eksperymencie byli przekonani, że sztuczna inteligencja ich przyspieszyła.

To ważne ostrzeżenie przed prostym równaniem:

AI potrafi napisać kod = AI zwiększa produktywność programisty.

Nie zawsze. W dojrzałym projekcie trzeba rozumieć architekturę, zależności, konsekwencje zmian i wymagania, których nie da się łatwo wyrazić w jednym poleceniu. Huang bardzo trafnie przewidział więc obniżenie bariery wejścia, ale „każdy jest programistą” nadal jest przesadą.

Werdykt: 4/5

Kierunek został przewidziany znakomicie. Język naturalny naprawdę staje się interfejsem tworzenia oprogramowania. Nie zniknęła jednak różnica między wygenerowaniem programu a profesjonalną inżynierią oprogramowania.

Bill Gates przewidział świat bez aplikacji. Prawie

9 listopada 2023 roku Bill Gates opublikował tekst zatytułowany „AI is about to completely change how you use computers”. Jego prognoza była znacznie bardziej konkretna niż typowe stwierdzenia, że AI „zmieni świat”. Gates zauważył w niej, że sposób korzystania z komputerów od dekad jest właściwie taki sam. Jeśli chcemy napisać dokument, otwieramy odpowiedni program. Jeśli chcemy wysłać wiadomość, przechodzimy do innej aplikacji. Do kupowania biletów służy kolejna. Do planowania podróży następna. Według Gatesa miało się to zmienić.

„In the next five years, this will change completely.”

A następnie:

„You won’t have to use different apps for different tasks.”

Zamiast wybierać program, użytkownik miał po prostu powiedzieć komputerowi, co chce osiągnąć, a agent AI miał sam zająć się resztą.

To jedna z najbardziej interesujących prognoz z 2023 roku, ponieważ w 2026 roku jednocześnie wygląda na trafną i przedwczesną. Gates bardzo dobrze przewidział kierunek rozwoju. Współczesny agent AI zdecydowanie może dostać zadanie, korzystać z narzędzi i wykonywać kolejne operacje prowadzące do jego realizacji. Coraz częściej człowiek nie wydaje więc komputerowi serii instrukcji typu „kliknij tutaj, otwórz to, skopiuj tam”, lecz definiuje rezultat.

Z tym, że świat aplikacji bynajmniej nie zniknął. Co więcej, wdrożenie agentów w gospodarce jest znacznie wolniejsze, niż sugerowałby technologiczny entuzjazm. Stanford AI Index 2026 podaje, że sztuczną inteligencję wykorzystywało już 88 proc. badanych organizacji, a generatywną AI w przynajmniej jednej funkcji biznesowej — 70 proc.

Brzmi jak rewolucja. Ale wykorzystanie agentów AI w poszczególnych funkcjach biznesowych pozostawało w większości przypadków na poziomie jednocyfrowym. To doskonale pokazuje różnicę między demonstracją możliwości technologii a jej faktycznym wdrożeniem.

Agent może potrafić wykonać zadanie. Firma musi jednak jeszcze zdecydować, czy może mu zaufać, do jakich danych dać mu dostęp, kto odpowiada za jego błędy i co powinno się wydarzyć, gdy system wykona niewłaściwą operację.

A problem niezawodności wciąż istnieje. Stanford AI Index zwraca uwagę, że wyniki agentów na benchmarku OSWorld wzrosły z około 12 do około 66 proc. poprawnie wykonywanych zadań. To gigantyczny postęp, ale oznacza jednocześnie, że nawet w ustrukturyzowanym teście systemy nadal zawodzą mniej więcej w jednej trzeciej prób. W codziennym życiu 66-procentowa skuteczność może być imponująca. Jeśli jednak agent ma wysłać pieniądze, zmienić rezerwację albo zmodyfikować produkcyjny system firmy, wygląda już znacznie mniej atrakcyjnie.

Werdykt: 3/5

Gates bardzo dobrze przewidział nowy model interakcji człowiek–komputer. Nie docenił jednak, jak dużą przeszkodą okaże się niezawodność i jak długo potrwa przejście od „agent potrafi to zrobić” do „pozwalam agentowi robić to samodzielnie”. Jest jeszcze jedno zastrzeżenie: Gates dawał swojej prognozie pięć lat. Termin upływa dopiero w 2028 roku. Werdykt pozostaje więc tymczasowy.

AI miała dotknąć pracy 80 proc. ludzi

17 marca 2023 roku badacze OpenAI i University of Pennsylvania opublikowali analizę, która szybko trafiła do nagłówków mediów.Jej najbardziej zapamiętana liczba brzmiała: 80 proc.

Autorzy oszacowali, że około 80 proc. amerykańskich pracowników może mieć przynajmniej 10 proc. swoich zadań zawodowych dotkniętych przez rozwój modeli GPT. Około 19 proc. pracowników mogło natomiast zobaczyć wpływ technologii na co najmniej połowę swoich zadań. Łatwo było przetłumaczyć takie liczby na wizję masowego bezrobocia. Tyle że autorzy nie napisali, że 80 proc. ludzi straci pracę. Pisali o zadaniach wykonywanych w ramach pracy. Ta różnica okazuje się fundamentalna.

Do sierpnia 2026 roku nie nastąpiła katastrofa na rynku pracy, którą sugerowały najbardziej alarmistyczne interpretacje początku ery ChatGPT. Najnowsze dane nadal nie wskazują na masowe wypieranie pracowników z całej gospodarki przez AI. Ale pod powierzchnią zagregowanych statystyk zaczynają pojawiać się znacznie ciekawsze zmiany. Badacze Stanford Digital Economy Lab przeanalizowali dane administracyjne z rynku pracy i znaleźli szczególnie wyraźny efekt wśród osób dopiero rozpoczynających kariery.

W zawodach najbardziej narażonych na wpływ generatywnej AI zatrudnienie pracowników w wieku 22–25 lat spadło relatywnie o około 16 proc., nawet po uwzględnieniu zmian zachodzących na poziomie poszczególnych firm. Tymczasem zatrudnienie bardziej doświadczonych pracowników wykonujących podobne zawody pozostawało stabilne albo rosło.

AI Index 2026 pokazuje jeszcze bardziej obrazowy przykład: zatrudnienie programistów w wieku 22–25 lat spadło niemal 20 proc. względem 2024 roku. Trzeba zachować ostrożność z przypisywaniem całej odpowedzialności sztucznej inteligencji. Sami badacze ze Stanford podkreślają, że wcześniejsze zmiany mogły wynikać również z innych czynników, a silniejszy sygnał związany z ekspozycją na AI pojawia się od 2024 roku. Mimo tego pojawia się mechanizm, którego w 2023 roku nie dostrzegano wystarczająco często. AI nie musi „zabrać zawodu”, żeby radykalnie zmienić rynek pracy.Może najpierw zabrać najprostsze zadania wykonywane przez początkujących pracowników.

Jeżeli kiedyś starszy programista przekazywał juniorowi rutynowe zadanie, a dziś wykonuje je z agentem AI, firma nie musi zwalniać starszego programisty. Może po prostu zatrudnić mniej juniorów. Technologia nie likwiduje wtedy zawodu. Zmienia jego drabinę wejścia. I właśnie dlatego pierwotna prognoza OpenAI wygląda po trzech latach znacznie rozsądniej niż część nagłówków, które powstały na jej podstawie.

Werdykt: 4/5

Nie zobaczyliśmy likwidacji 80 proc. miejsc pracy, ale… taka prognoza nigdy nie padła. Widzimy natomiast coraz więcej dowodów na zmianę zadań, produktywności i struktury zatrudnienia w zawodach najbardziej podatnych na automatyzację.

A gdzie jest AGI?

Najtrudniej ocenić prognozę Demisa Hassabisa. W 2023 roku współzałożyciel DeepMind i jeden z najważniejszych badaczy sztucznej inteligencji na świecie mówił o tempie rozwoju AI:

„I don’t see any reason why this progress is going to slow down.”

Następnie stwierdził, że od sztucznej inteligencji ogólnej może dzielić nas „kilka lat, może dekada”.

Trzy lata później wydarzyło się coś osobliwego. Systemy AI zrobiły ogromny postęp. Potrafią wykonywać wieloetapowe zadania, programować, analizować obrazy, korzystać z komputerów i narzędzi oraz rozwiązywać problemy, które jeszcze niedawno uchodziły za bardzo trudne.

Stanford AI Index 2026 podaje przykład dobrze pokazujący skalę tego postępu: system AI osiągnął poziom złotego medalu Międzynarodowej Olimpiady Matematycznej. Jednocześnie ten sam raport pokazuje absurdalną drugą stronę współczesnej AI: najlepszy model w teście odczytywania zegara analogowego osiągał zaledwie 50,1 proc. poprawnych odpowiedzi. Model potrafi rozwiązywać niezwykle trudne problemy matematyczne. A jednocześnie może pomylić godzinę na zegarze.

To zjawisko określa się czasem mianem „jagged frontier” — poszarpanej granicy możliwości AI. Inteligencja modeli nie rozwija się równomiernie. System może być ponadludzki w jednej dziedzinie i zaskakująco zawodny w zadaniu, które dla człowieka jest banalne.

Czy zatem osiągnęliśmy AGI? Nie istnieje powszechnie zaakceptowany test, który pozwalałby jednoznacznie odpowiedzieć „tak”. Co więcej, samo pojęcie AGI pozostaje przedmiotem sporów.

Najbardziej interesujące jest jednak coś innego. Hassabis nadal mówi o AGI jako technologii znajdującej się przed nami. Oficjalne materiały Google DeepMind z 2026 roku opisują obecne systemy jako element drogi w kierunku AGI, a nie jako jej osiągnięcie.

Mamy więc sytuację niemal filozoficzną. W 2023 roku AGI miała być oddalona o kilka lat. W 2026 roku nadal jest oddalona o kilka lat. Być może Hassabis od początku miał rację, bo jego przedział sięgał nawet dekady. Być może jesteśmy rzeczywiście bardzo blisko przełomu.

Ale równie dobrze może działać tu mechanizm znany z innych technologicznych prognoz: im bardziej zbliżamy się do celu, tym bardziej zmienia się definicja tego, co właściwie uznamy za jego osiągnięcie.

Werdykt: 2/5

Hassabis trafnie przewidział dalsze niezwykle szybkie zwiększanie możliwości systemów AI. Prognozy dotyczącej AGI nie można jednak jeszcze uznać za spełnioną.

Największa pomyłka dotyczyła nie możliwości AI lecz czasu

Po trzech latach w tych prognozach widać zaskakujący wzór.

Jensen Huang powiedział, że każdy zostanie programistą. Nie został. Ale możliwość tworzenia oprogramowania za pomocą języka naturalnego przestała być futurystycznym pomysłem.

Bill Gates przewidywał agentów, którym będziemy mówić, czego chcemy, zamiast ręcznie obsługiwać aplikacje. Takie systemy już istnieją. Nie stały się jednak jeszcze dominującym sposobem korzystania z komputerów.

Badacze OpenAI przewidywali wpływ modeli językowych na ogromną część pracy wykonywanej przez ludzi. Nie nastąpiło masowe bezrobocie, ale pierwsze wyraźne zmiany zaczynają być widoczne szczególnie tam, gdzie AI może przejmować zadania wykonywane dotychczas przez najmłodszych pracowników.

Hassabis przewidywał dalsze szybkie zwiększanie możliwości AI i możliwe nadejście AGI w perspektywie kilku lat do dekady. Pierwsza część prognozy wygląda bardzo dobrze. Na drugą wciąż czekamy.

Wspólny błąd jest subtelniejszy niż „eksperci przecenili AI”. Przecenili szybkość, z jaką możliwości techniczne przekładają się na zmianę rzeczywistości. Między jednym a drugim znajduje się bowiem cały świat.

Firma musi zmienić procesy. Pracownik musi nauczyć się nowych narzędzi. Agent musi dostać dostęp do danych. Ktoś musi ponosić odpowiedzialność za jego decyzje. Technologia musi stać się wystarczająco niezawodna. Prawo, procedury bezpieczeństwa i organizacje muszą dostosować się do nowych możliwości. Historia komputerów zna ten mechanizm bardzo dobrze. Technologia może pojawić się szybko. Zmiana świata czyli podejścia (mentalności?) trwa dłużej. I być może właśnie to jest najważniejszą lekcją z pierwszych trzech lat generatywnej AI.

Kiedy następnym razem usłyszymy, że za dwa albo trzy lata sztuczna inteligencja zlikwiduje zawód, zastąpi aplikacje, będzie samodzielnie prowadzić firmy albo osiągnie inteligencję przewyższającą człowieka, warto zadać dwa osobne pytania.

Pierwsze: czy technicznie jest to możliwe?

Drugie: ile czasu potrzeba, żeby techniczna możliwość stała się codziennością?

W 2023 roku eksperci zaskakująco często dobrze odpowiadali na pierwsze pytanie. Znacznie trudniejsze okazało się drugie.