Bill Gates wystraszony rozwojem. „Jesteśmy przerażająco nieprzygotowani”

Najciekawsze w nowym eseju Billa Gatesa nie jest to, że współzałożyciel Microsoftu zachwyca się sztuczną inteligencją. To byłoby banalne. Naprawdę istotne jest to, że jeden z architektów świata, w którym technologia stała się podstawową infrastrukturą codzienności, twierdzi, że tym razem możemy nie zdążyć dostosować społeczeństwa do narzędzia, które sami zbudowaliśmy.

W opublikowanym na swoim blogu tekście Gates pisze o AI jak człowiek, który zna smak technologicznego optymizmu, ale przestał wierzyć, że sam optymizm jest planem. W rozmowie z „The New York Times” idzie jeszcze dalej: zarzuca branży, że świadomie zaniża wagę ryzyk, bo na szali leżą kolejne biliony dolarów inwestycji. To mocna teza, zwłaszcza z ust człowieka, którego życiorys był przez dekady podręcznikowym przykładem wiary w to, że więcej komputerów oznacza automatycznie lepszy świat.

Czytaj też:

I może właśnie dlatego warto go potraktować poważnie. Nie bezkrytycznie, jak proroka schodzącego z góry z tablicami prawdy - ale poważnie. To, że wielkie korporacje kierują się interesem, to akurat raczej truizm. Gates twierdzi coś innego, bardziej konkretnego: w przypadku AI interes firm może zacząć zbyt brutalnie rozmijać się z interesem społecznym, zanim społeczeństwo w ogóle zorientuje się, że gra toczy się o znacznie więcej niż wygodniejszy chatbot i lepsze podsumowanie spotkania w Teamsach.

Od kilku lat jesteśmy karmieni tą samą opowieścią. Generatywna AI to kolejny etap cyfrowej ewolucji: po komputerze osobistym, Internecie, smartfonie i chmurze przychodzi asystent, który szybciej napisze maila, zmontuje prezentację, wygeneruje tapetę i być może podpowie przepis na makaron. Przyjemnie, produktywnie, czasem nawet użytecznie.

Tylko że ta narracja jest wygodna przede wszystkim dla firm sprzedających infrastrukturę, modele i abonamenty. W ich wersji wydarzeń AI przypomina elektryczną szczoteczkę do zębów: urządzenie, które robi znaną czynność trochę sprawniej. Problem w tym, że duże modele językowe, narzędzia do generowania obrazu, kodu i wideo oraz coraz bardziej autonomiczne systemy agentowe nie są po prostu nową funkcją w pakiecie biurowym. To technologia, która ma ambicję przejąć fragmenty ludzkiego myślenia: analizę, syntezę, planowanie, komunikację, programowanie, wyszukiwanie informacji, ocenę dokumentów i tworzenie treści.

Gates podkreśla, że poprzednie przełomy technologiczne rozciągały się na pokolenia. Fabryki nie powstały z dnia na dzień, komputery osobiste potrzebowały dziesięcioleci, aby zmienić sposób pracy, a Internet musiał najpierw zbudować swoje sieci, urządzenia i biznesowe modele działania. AI jest inna, bo trafia na gotowy grunt. Ma centra danych, światłowody, smartfony w kieszeniach, miliardy użytkowników przyzwyczajonych do usług w chmurze i interfejs tak prosty, że wystarczy napisać zdanie w naturalnym języku.

To właśnie naturalny język jest tu najbardziej zwodniczy. Kiedy komputerowe narzędzie wymagało szkolenia, procedur i specjalistycznej wiedzy, to firma musiała przygotować pracowników na zmianę. Gdy narzędzie działa po wpisaniu „zrób analizę tego arkusza”, „napisz kod”, „odpisz klientowi” albo „wygeneruj reklamę”, to bariera wdrożenia dramatycznie spada. A skoro spada bariera, skraca się też czas między demonstracją technologii a decyzją księgowego, że z pięciu etatów można zrezygnować.

Najbardziej nośna część diagnozy Gatesa dotyczy rynku pracy. Nie chodzi nawet o prostą wizję, w której robot zabiera komuś śrubokręt, a chatbot księgowej Excela. Chodzi o zniszczenie zawodowej drabiny.

W wielu branżach wejście do zawodu oznaczało wykonywanie zadań rutynowych, powtarzalnych i względnie tanich: junior sprawdzał kod, aplikant analizował dokumenty, młodszy analityk przygotowywał zestawienia, początkujący dziennikarz zbierał informacje, pracownik obsługi klienta odpowiadał na najczęstsze pytania. To nie były czynności chwalebne ani szczególnie romantyczne. Były jednak treningiem. Pozwalały nauczyć się fachu, zrozumieć kontekst, popełnić pierwsze błędy pod okiem bardziej doświadczonych osób i stopniowo zacząć robić rzeczy, których algorytm jeszcze nie umiał.

Jeżeli AI przejmie znaczną część tych zadań to firmy mogą otrzymać krótkoterminowy bonus kosztowy, ale gospodarka dostanie problem z dopływem nowych specjalistów. Kto za dziesięć lat zostanie seniorem, architektem, redaktorem prowadzącym, prawnikiem procesowym czy inżynierem, jeśli dziś zlikwidujemy większość stanowisk, na których ci ludzie zdobywają praktyczne doświadczenie? Gates szczególnie ostrzega przed losem młodych ludzi wchodzących na rynek, a „The New York Times” opisuje jego przekonanie, że tym razem nie należy automatycznie zakładać, iż nowe sektory bez problemu wchłoną pracowników wypchniętych przez automatyzację.

To zresztą pytanie istotne także w Polsce. Często lubimy opowiadać sobie historię, że krajowa gospodarka ma jeszcze wiele do nadrobienia w automatyzacji, więc skutki AI przyjdą do nas później. Tyle że w technologii „później” rzadko oznacza „bezpieczniej”. Gdy model pracy zostanie przetestowany w Stanach Zjednoczonych, Wielkiej Brytanii czy Indiach, narzędzia do jego kopiowania dotrą do polskich firm w formie gotowych produktów SaaS, integracji w CRM-ach, pakietach biurowych, call center i systemach dla e-commerce.

Równocześnie skala firmowego wdrożenia AI w Polsce pozostaje niska. Według Eurostatu w 2025 r. technologie AI wykorzystywało 8,4 proc. polskich przedsiębiorstw zatrudniających co najmniej 10 osób, wobec 20 proc. średnio w Unii Europejskiej. To nie musi być powód do samozadowolenia w stylu „jeszcze mamy czas”. Może oznaczać coś znacznie gorszego: że będziemy kupować gotową automatyzację od zewnętrznych dostawców, nie budując równolegle własnych kompetencji, instytucji i zasad jej używania.

Warto od razu odciąć się od wygodnej karykatury tej dyskusji. Krytyka obecnego wyścigu AI nie oznacza postulatu, by wyrzucić chatboty, zamknąć laboratoria i wrócić do przepisywania dokumentów na maszynie. To byłoby równie nierozsądne jak twierdzenie, że Internet należy wyłączyć, ponieważ istnieją phishing i propaganda.

Gates sam przedstawia imponującą listę potencjalnych korzyści. AI może przyspieszyć odkrywanie leków, pomóc lekarzom w analizie badań i koordynowaniu opieki, wspierać rolników prognozami oraz diagnozowaniem chorób upraw, ograniczać biurokrację i umożliwiać małym firmom korzystanie z kompetencji, które dotąd wymagały dużego działu analitycznego, prawnego albo marketingowego. To nie są puste obietnice, część tych zastosowań już jest rzeczywistością, a część jest bardzo prawdopodobnym rozszerzeniem obecnych narzędzi.

Pytanie nie brzmi więc: „AI czy ludzie?”, a kto będzie właścicielem produktywności dostarczanej przez AI i kto poniesie koszt jej wdrażania.

Dziś odpowiedź rynku jest brutalnie prosta. Firma inwestuje w model lub automatyzację, obniża koszty, poprawia marżę i próbuje wyprzedzić konkurencję. Jeśli konkurencja nie odpowie, przegrywa. Jeśli odpowie, wszyscy zaczynają ciąć koszty podobnie. W tym mechanizmie nie ma miejsca na troskę o to, czy zwolniony pracownik znajdzie nową pracę, czy miasto oparte na jednym pracodawcy ma alternatywę, ani czy firma w ogóle wychowa następne pokolenie kompetentnych ekspertów.

Rynek świetnie alokuje wiele rzeczy. Nie ma jednak wbudowanego modułu „nie rozmontuj społeczeństwa, z którego klientów będziesz czerpać przez kolejne trzy dekady”.

Najbardziej kontrowersyjną propozycją Gatesa jest podatek od tokenów i robotów. Idea jest prosta: pracodawca zatrudniający człowieka płaci nie tylko pensję, lecz także podatki i składki, które finansują usługi publiczne oraz system bezpieczeństwa socjalnego. Kiedy zastępuje pracę człowieka maszyną to może tę inwestycję zaliczyć do kosztów, a zarazem ogranicza wpływy, z których państwo finansuje wsparcie dla osób wypchniętych z rynku.

„Token tax” brzmi technicznie i z początku nawet kuriozalnie, ale sam problem jest realny. Token jest podstawową jednostką przetwarzania tekstu przez model językowy; w uproszczeniu, im więcej model czyta, generuje i rozumuje, tym więcej tokenów zużywa, a więc tym większy jest koszt obliczeniowy jego działania. Opodatkowanie takiego użycia miałoby podnieść ekonomiczną cenę masowego zastępowania pracy ludzkiej oraz zasilić fundusze na przekwalifikowanie, wsparcie dochodowe i lokalne programy osłonowe.

Oczywiście diabeł tkwi w szczegółach. Opodatkowanie każdego użycia AI byłoby absurdalne. Nie chcemy przecież karać szpitala za model analizujący badanie obrazowe, naukowca szukającego kandydatów na lek ani ucznia korzystającego z narzędzia edukacyjnego. Nie chcemy też tworzyć groteskowej sytuacji, w której polska mała firma płaci za wygenerowanie opisu produktu, a wielki gracz przenosi obliczenia do jurysdykcji, gdzie nikt o takie rzeczy nie pyta.

Ale można projektować rozwiązania celowane. Można opodatkować nie samą technologię, lecz korzyść z automatyzacji konkretnych procesów przy jednoczesnym zmniejszeniu zatrudnienia. Można wprowadzać ulgi za użycie AI zwiększające możliwości człowieka, a nie likwidujące jego stanowisko. Można finansować publiczną infrastrukturę obliczeniową, edukację i programy zmian kwalifikacji z części nadzwyczajnych zysków firm, które na automatyzacji zarabiają najwięcej.

Najważniejsze jest co innego: Gates wymusza pytanie, którego branża nie chce słyszeć. Skoro AI ma być wielką maszyną do wzrostu produktywności, to dlaczego cały zysk z tej produktywności miałby trafiać wyłącznie do właścicieli modeli, układów GPU, centrów danych i firm zdolnych kupić tysiące licencji?

Druga propozycja Gatesa brzmi jeszcze bardziej prowokacyjnie: część zawodów powinna pozostać „Human Reserved”, czyli zastrzeżona dla ludzi. Łatwo parsknąć śmiechem. Czy naprawdę ktoś ma ustawowo zagwarantować człowiekowi prawo do wykonywania pracy gorzej, wolniej i drożej niż maszyna?

Ale zadajmy uczciwsze pytanie: czy we wszystkich sytuacjach maksymalna efektywność jest jedynym kryterium, które powinno decydować?

Wyobraźmy sobie diagnozę nieuleczalnej choroby przekazywaną przez system automatyczny. Technicznie da się to zrobić. Można stworzyć awatara o idealnie spokojnym głosie, który przedstawi wyniki, odpowie na podstawowe pytania i przypomni o kolejnych procedurach. Tyle że medycyna to nie tylko przesył danych. W chwili, gdy człowiek słyszy wiadomość zmieniającą jego życie nie potrzebuje wyłącznie poprawnie wygenerowanych zdań. Potrzebuje obecności, odpowiedzialności i relacji z kimś, kto może spojrzeć mu w oczy, zauważyć reakcję i nie działa według metryki czasu obsługi.

Podobnie jest z edukacją, opieką nad dziećmi, terapią, pracą socjalną czy opieką nad seniorami. AI może być tam kapitalnym wsparciem. Może uwolnić nauczyciela od żmudnego sprawdzania części zadań, pomóc terapeucie uporządkować notatki, wspierać opiekuna w monitorowaniu stanu pacjenta albo dać osobie starszej przypomnienie o lekach. Nie musi jednak automatycznie dostać prawa do zastąpienia relacji.

„Human Reserved” nie powinno znaczyć: zakazujmy technologii, aby ochronić nostalgiczny obraz pracy. Powinno znaczyć: w pewnych obszarach człowiek ma pozostać odpowiedzialnym gospodarzem procesu, nawet gdy maszyna jest wydajniejsza w pojedynczych zadaniach. To istotna różnica. AI może analizować, sugerować, porządkować i ostrzegać. Ale decyzja, odpowiedzialność oraz kontakt z drugim człowiekiem nie muszą być traktowane jako zbędny koszt operacyjny.

Dla fanów elektroniki użytkowej najbardziej namacalna jest dziś AI w telefonie, telewizorze, laptopie, słuchawkach czy konsoli. Widzimy funkcje upscalingu, generowanie obrazów, tłumaczenie rozmów na żywo, retusz zdjęć, asystentów głosowych i lokalne modele działające na NPU. To są widowiskowe gadżety, czasem bardzo praktyczne, czasem dodane po to, by na pudełku pojawiło się modne logo.

Tyle że najpoważniejsze ryzyka nie siedzą w smartfonie, który zasugeruje nam lepsze kadrowanie fotografii. Siedzą w niewidocznej warstwie infrastruktury: w systemach automatyzujących decyzje kredytowe, kwalifikację kandydatów do pracy, wykrywanie oszustw, zarządzanie ruchem, moderowanie informacji, analizę danych medycznych oraz cyberbezpieczeństwo.

Gates ostrzega, że ta sama AI, która pozwala obrońcy szybciej znaleźć lukę w oprogramowaniu, może dać napastnikowi łatwiejszy sposób jej wykorzystania. W cyberbezpieczeństwie nie ma komfortowej granicy między „dobrą” i „złą” zdolnością. Model, który umie analizować kod, rozumieć dokumentację, pisać skrypty, prowadzić dialog i wyszukiwać kombinacje błędów, może służyć zespołowi bezpieczeństwa albo komuś, kto chce sparaliżować firmę, szpital czy urząd.

Jeszcze trudniejszy jest temat biologii. Modele zdolne przyspieszać projektowanie leków, interpretowanie literatury naukowej i analizę cząsteczek mogą zarazem obniżać próg wiedzy koniecznej do działań szkodliwych. Gates argumentuje, że systemy mające potencjał projektowania niebezpiecznych molekuł powinny przechodzić obowiązkowe kontrole, a nie opierać się wyłącznie na dobrowolnych deklaracjach firm. Trudno uznać to za ekstremizm. Gdyby producent samochodu powiedział, że hamulce sprawdza wewnętrznie, bo zewnętrzny nadzór spowalnia innowację, nikt rozsądny nie uznałby tego za wizjonerską odwagę.

W branży technologicznej bardzo lubimy słowo „odpowiedzialność”. Odpowiedzialny rozwój AI, odpowiedzialne innowacje, odpowiedzialne wdrożenia. Brzmi dobrze, dopóki nie zauważymy, że zwykle oznacza to, iż firma sama wyznacza standard bezpieczeństwa, sama sprawdza jego spełnienie, a następnie sama publikuje raport tłumaczący dlaczego wszystko jest pod kontrolą.

Gates nazywa takie podejście wprost niewystarczającym. W rozmowie z „NYT” krytykuje pomysł polegania na dobrowolnych środkach ostrożności przy technologiach o największym potencjale destrukcyjnym. I ma rację, choć trzeba dodać ważne zastrzeżenie: regulacja AI też nie może być dekoracją. Unia Europejska bardzo dobrze umie pisać przepisy, gorzej bywa z budowaniem zdolności do ich egzekwowania oraz technicznego rozumienia tego, co właściwie jest regulowane.

W Unii Europejskiej obowiązki dla dostawców modeli ogólnego przeznaczenia zaczęły obowiązywać 2 sierpnia 2025 r., a od 2 sierpnia 2026 r. Komisja Europejska uzyskała uprawnienia do egzekwowania zgodności, w tym nakładania kar. To ważny krok, ale sam AI Act nie jest magiczną tarczą. Nie powstrzyma modelu rozwijanego poza UE, nie rozwiąże problemu koncentracji mocy obliczeniowej i nie zastąpi instytucji zdolnych do audytowania faktycznych możliwości systemów.

Największym ryzykiem regulacyjnym jest bowiem stworzenie systemu, w którym małe europejskie firmy utkną w gąszczu dokumentacji, natomiast globalni giganci zatrudnią armię prawników, odhaczają compliance i dalej będą dominować dzięki dostępowi do kapitału, danych oraz układów graficznych. Dobre przepisy muszą więc jednocześnie ograniczać szkody i obniżać barierę wejścia dla podmiotów, które nie mają budżetu porównywalnego z gospodarką średniego państwa.

Gates zwraca też uwagę na temat, który producenci urządzeń wolą traktować jako efekt uboczny innowacji: AI jako substytut relacji międzyludzkich. To nie jest wyłącznie sprawa nastolatków rozmawiających z wirtualnym partnerem. To pytanie o produktowy model biznesowy, w którym algorytm ma maksymalizować czas, uwagę i emocjonalne zaangażowanie użytkownika.

W klasycznych mediach społecznościowych produktem był feed, powiadomienie i nieskończony scroll. W przypadku asystenta konwersacyjnego produktem może stać się coś znacznie silniejszego: poczucie, że po drugiej stronie jest ktoś, kto zawsze rozumie, nigdy nie jest zmęczony, nie ocenia, dopasowuje się do naszego nastroju i natychmiast odpowiada. Brzmi komfortowo. A komfort, jak wiadomo, jest znakomitym paliwem dla uzależniającego interfejsu.

Nie chodzi o demonizowanie każdego cyfrowego towarzysza. Dla osoby samotnej, chorej, z ograniczoną mobilnością albo zmagającej się z dostępem do specjalisty rozsądnie zaprojektowane narzędzie może być realnym wsparciem. Problem zaczyna się wtedy, gdy firma ma finansową motywację, by to wsparcie przekształcić w emocjonalną zależność. Jeżeli system zaprojektowano tak, aby nie stawiał granic, nie kwestionował użytkownika i subtelnie prowadził go do kolejnych rozmów, nie jest neutralnym narzędziem. Jest produktem optymalizowanym pod retencję.

Dla technologicznie zaawansowanego odbiorcy to powinno być szczególnie czytelne. Już dawno nauczyliśmy się patrzeć podejrzliwie na „darmowe” usługi opłacane reklamą i profilowaniem. Czas nauczyć się podobnej ostrożności wobec AI, która będzie sprzedawać nie tylko naszą uwagę, ale też iluzję relacji.

Największa słabość dzisiejszej debaty o AI polega na tym, że mylimy możliwość z koniecznością. Skoro można zastąpić człowieka botem, to rzekomo trzeba. Skoro można wygenerować pięćset reklam w minutę, to rzekomo należy. Skoro można postawić centrum danych zużywające potężne ilości energii i wody, bo model potrafi produkować niezliczone warianty treści, to rynek sam już podjął decyzję.

Nie. Rynek podjął wyłącznie decyzję, że w określonych warunkach ktoś może na tym zarobić.

To wcale nie przesądza, czy taka automatyzacja poprawia jakość życia, czy zwiększa produktywność całej gospodarki, czy tylko przesuwa koszty na ludzi bez kapitału i na publiczną infrastrukturę. Nie przesądza, czy mamy do czynienia z narzędziem wspierającym pracownika, czy mechanizmem pozwalającym jednemu menedżerowi nadzorować pracę, którą jeszcze wczoraj wykonywał zespół. Nie przesądza nawet, czy „tańsza” usługa jest naprawdę tańsza, jeśli ceną staje się gorsza obsługa, większe ryzyko błędów, utrata prywatności i mniej stabilny rynek pracy.

Gates proponuje, by państwa stworzyły krajowe i międzynarodowe mechanizmy zarządzania skutkami AI, zamiast oddawać temat w ręce oddzielnych resortów, które będą widzieć wyłącznie swój wycinek problemu. To brzmi jak marzenie o sprawnym państwie, a więc w polskich realiach może budzić odruchowy uśmiech. Ale alternatywa jest jeszcze mniej zabawna: reagowanie dopiero po fakcie, gdy oszustwa z wykorzystaniem deepfake’ów staną się codziennością, stanowiska juniorskie znikną, a systemy automatycznej selekcji zaczną podejmować nieprzejrzyste decyzje o pracy, kredycie czy dostępie do usług.

W świecie elektroniki użytkowej przyzwyczailiśmy się, że nowe technologie warto oceniać przez doświadczenie używania. Nie przez keynote, nie przez render promocyjny i nie przez marketingowe hasło wydrukowane na pudełku. Smartfon może mieć „AI” w nazwie, ale pytanie brzmi: czy robi dla mnie coś lepiej, szybciej albo bezpieczniej? Czy funkcja działa lokalnie, czy wysyła moje dane do chmury? Czy mam kontrolę nad rezultatem? Czy mogę ją wyłączyć? I czy producent będzie wspierał ją dłużej niż do premiery następnego modelu?

Tę samą zasadę warto zastosować do AI w skali społecznej. Nie pytajmy wyłącznie, czy model umie. Pytajmy, kto kontroluje model, na jakich danych go zbudowano, jakie ma zabezpieczenia, kto odpowiada za błąd, jakie miejsca pracy zmienia, komu przynosi oszczędności i czy część tej wartości wraca do społeczeństwa.

Nie ma powodu, by bać się każdego narzędzia generatywnego. Jest za to wiele powodów, by bać się świata, w którym decyzje o sposobie wdrażania takich narzędzi podejmują wyłącznie firmy walczące o kolejny wzrost wyceny. Bill Gates nie jest idealnym posłańcem tej wiadomości; sam przyznaje, że jego technologiczna przeszłość i majątek mogą skłaniać odbiorców do sceptycyzmu. Paradoksalnie właśnie ten biograficzny zgrzyt czyni jego niepokój interesującym.

Człowiek, który pomógł uczynić komputer narzędziem masowym, mówi dziś, że tym razem nie wystarczy po prostu szybciej zainstalować aktualizacji. Jeśli AI rzeczywiście ma stać się infrastrukturą pracy, edukacji, zdrowia, bezpieczeństwa i relacji społecznych, potrzebujemy czegoś więcej niż kolejnego przycisku „Akceptuję regulamin”. Potrzebujemy instrukcji obsługi dla całego społeczeństwa. Na wczoraj.

*Ilustracja otwierająca: Dan G/Flickr/Malwina Kuśmierek