O czym jest ten film
- Nie musisz zostać ekspertem od AI, żeby pozostać konkurencyjnym — wystarczy być dobrym w tym, w czym AI sobie nie radzi.
- Firmy zatrudniają i utrzymują ludzi nie za konkretny pakiet umiejętności, lecz za przekonanie, że rozwiążą przyszłe, jeszcze niezdefiniowane problemy.
- Raporty Deloitte/LinkedIn i Gallupa przewidują, że w ciągu pięciu lat zmieni się 30–50% kompetencji przydatnych w pracy — według Sunga to szacunek ostrożny, bo badania powstały przed boomem na AI.
- Człowiek i AI „uczą się” według różnych mechanizmów: AI czeka, aż dojrzeje technologia; człowiek ma już mózg zdolny do złożonego myślenia, kwestią jest tylko kierunek.
- Przyspieszanie własnej pracy za pomocą AI podnosi wydajność, ale nie bezpieczeństwo zawodowe — to ta sama logika, którą firma zastosuje, żeby Cię zastąpić.
- AI najsłabiej radzi sobie z pracą głęboko osadzoną w kontekście, wieloczynnikową i pełną wzajemnych uwarunkowań: z krytycznym rozwiązywaniem problemów i decyzjami, w których wiele na szali.
- Myślenie wyższego rzędu (wszystko ze sobą powiązane) i niższego (izolowane fakty, odtwarzanie z pamięci) to dwa odrębne zestawy nawyków — biegłość w jednym nie prowadzi do drugiego.
- Wartość rynkowa umiejętności niższego rzędu ma sufit i spada, bo przejmuje je AI; wartość myślenia wyższego rzędu rośnie wraz z biegłością — podobnie jak zarobki.
- Trzy praktyczne nawyki: natychmiastowe stosowanie nowej wiedzy (zrozumienie przychodzi samo), porządkowanie wiedzy w głowie zamiast w notatkach oraz myślenie na papierze bez parcia na perfekcję.
- Zmęczenie mapowaniem i odkrywanie w jego trakcie nowych czynników to normalne objawy aktywnego myślenia — mapa myśli ma być wielokrotnie przerabiana.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Konkuruj tam, gdzie AI przegrywa
Na czym polega: AI szybko opanowuje zadania izolowane i powtarzalne. Przewaga człowieka leży w pracy głęboko osadzonej w kontekście, wieloczynnikowej, o gęstej sieci wzajemnych uwarunkowań — w krytycznym rozwiązywaniu problemów i decyzjach, w których wiele na szali.
Jak stosować: przejrzyj swoje obowiązki i rozdziel je na te wykonywane według schematu oraz te wymagające łączenia kontekstu, interesariuszy i kompromisów. Świadomie przenoś ciężar pracy na tę drugą kategorię — tam buduj portfolio i reputację.
Na co uważać: biegłość w narzędziach AI to nie to samo co bezpieczeństwo zawodowe. Jeśli cała Twoja wartość sprowadza się do „szybszego wykonywania”, te same narzędzia pozwolą Cię zastąpić.
2.Twoją realną kwalifikacją jest tempo uczenia się
Na czym polega: firmy zatrudniają i utrzymują ludzi za przekonanie, że rozwiążą przyszłe, jeszcze niezdefiniowane problemy. Skoro 30–50% umiejętności zmieni się w kilka lat, liczy się nie to, co wiesz, ale jak szybko opanujesz to, co będzie potrzebne.
Jak stosować: w rozmowach o awans czy nową rolę pokazuj nie tylko kompetencje, ale konkretne przypadki, gdy szybko opanowałeś coś nowego i rozwiązałeś problem, którego nikt wcześniej nie potrafił nazwać.
Na co uważać: certyfikaty i ukończone kursy dokumentują wiedzę z przeszłości — nie są dowodem, że poradzisz sobie z problemem, który dopiero powstanie.
3.Człowiek i AI biegną po różnych torach
Na czym polega: AI robi postęp, gdy dojrzewa technologia — kolejne generacje modeli. Człowiek nie musi czekać na żaden przełom: jego mózg już ma wbudowaną zdolność do złożonego myślenia. Trzeba ją tylko uruchomić i ćwiczyć.
Jak stosować: przestań mierzyć się z tempem rozwoju modeli (to nie Twoja liga) i zaczynaj mierzyć własny postęp poziomem złożoności zadań: czy rozwiązujesz trudniejsze problemy niż rok temu?
Na co uważać: porównywanie się z AI bywa paraliżujące. Sung zakłada, że do poziomu ludzkiego eksperta w pracy kontekstowej modelom wciąż brakuje zasadniczych przełomów technologicznych — ale nie twierdzi, że nigdy ich nie będzie.
4.Oszczędność czasu dzięki AI to nie bezpieczeństwo zawodowe
Na czym polega: jeśli to, na co firma wydawała 40 godzin, robisz w 10 z pomocą AI, nie ma powodu dalej płacić za 40. Argumentacja, którą uzasadniasz wdrażanie AI do własnej pracy, jest identyczna z argumentacją, którą firma uzasadni Twoją wymianę na AI.
Jak stosować: wykorzystuj odzyskany czas świadomie — przeznaczaj go na to, czego AI samo nie podejmie: rozpoznawanie problemów, integrowanie kontekstu, decyzje o wysokiej stawce, pracę z ludźmi.
Na co uważać: gdy cała branża używa tych samych narzędzi, sama biegłość w nich przestaje być wyróżnikiem. Pytanie „co wnoszę ponad narzędzia?” warto zadawać sobie regularnie.
5.Najpierw zastosuj, zrozumienie przyjdzie samo
Na czym polega: rozumienie nie powinno być głównym celem czytania. Gdy od razu próbujesz zastosować nową informację we własnym kontekście, zrozumienie pojawia się jako efekt uboczny — a mózg, który wie, „po co” coś uczy, dłużej tę wiedzę utrzymuje. Okno jest wąskie: 5–10 minut od kontaktu z informacją do pierwszej myśli o jej użyciu.
Jak stosować: przy każdym tekście, raporcie czy kursie zaczynaj od pytania: „co z tego wynika dla mojego projektu lub decyzji?” — i natychmiast, jeszcze w trakcie lektury, notuj odpowiedź.
Na co uważać: strategia „najpierw przeczytam i zrozumiem całość, potem zastosuję” to — jak ujmuje to Sung — niezwykle skuteczny sposób na zapomnienie materiału.
6.Porządek w głowie zamiast porządku w aplikacjach
Na czym polega: dopracowane notatki, tagi i szablony to organizacja fizyczna — daje poczucie kontroli, ale nie zbliża do umiejętności łączenia wiedzy. Porządek mentalny polega na grupowaniu i wiązaniu pojęć tak, by widzieć całość, jak ułożony obraz z puzzli.
Jak stosować: skróć czas porządkowania notatek do niezbędnego minimum; zamiast tego rysuj proste mapy pokazujące, co z czym się łączy i co od czego zależy.
Na co uważać: perfekcyjny system notatek bywa formą prokrastynacji w produktywnym przebraniu — wygodnym substytutem trudniejszej pracy umysłowej.
7.Mapa myśli ma być przerabiana w kółko
Na czym polega: jeśli w trakcie mapowania odkrywasz nowe czynniki i wychodzisz na to, że pierwotny układ był błędny — to znak, że metoda działa. Mapa jest zapisem Twojego myślenia, a więc ma się zmieniać razem z nim.
Jak stosować: po każdej porcji nowej wiedzy wracaj do mapy i ją poprawiaj. Zamiana schematu „A prowadzi do B, B do C” na „A i B razem prowadzą do C, a wszystko do D” to postęp, nie porażka.
Na co uważać: nie porzucaj mapowania z powodu „za dużej złożoności” — to sygnał, że temat wymaga właśnie ćwiczenia, a nie że metoda zawodzi.
8.Myśl na papierze, nie doskonale
Na czym polega: zamiast zastanawiać się w głowie, jak elementy się łączą, rysuj kolejne warianty. Rysunek można obejrzeć, ocenić i poprawić; myśl zostającą w głowie — nie. W warsztatach Sunga około 70% uczestników przechodzi od blokady do sensownych map właśnie dzięki temu.
Jak stosować: gdy masz listę czynników, naszkicuj dwa lub trzy różne sposoby ich powiązania, porównaj je i wybierz ten, który robi większy sens — z możliwością późniejszej zmiany.
Na co uważać: notatka nie musi być prawdziwa ani ładna. To asystent procesu myślenia, a nie dokument końcowy.
9.Perfekcjonizm blokuje naukę złożoności
Na czym polega: w nowej, złożonej dziedzinie będziesz się mylić znacznie częściej, niż mieć rację — gdyby od razu było widać, jak wszystko pasuje, temat nie byłby skomplikowany. Paraliż decyzyjny („łączyć A z B? czy z C, D, E?”) świadczy o aktywnym myśleniu, nie o braku kompetencji.
Jak stosować: wybierz pierwszy sensowny wariant połączeń i zacznij z niego korzystać; koryguj po drodze, zamiast czekać na jedyną słuszną wersję.
Na co uważać: nie myl staranności z postępem — szybkie, błędne mapy uczą więcej niż jedna dopracowana i niepodważalna wersja.
10.Myślenie wyższego rzędu wymaga świadomego treningu
Na czym polega: doskonalenie zapamiętywania nie prowadzi samo z siebie do złożonego myślenia — to dwa odrębne zestawy nawyków. Wartość pierwszego ma sufit i spada, bo przejmuje je AI; wartość drugiego rośnie z każdym poziomem biegłości.
Jak stosować: potraktuj to jako osobny trening, np. cotygodniowe mapowanie jednego zawodowego problemu — a nie jako coś, co „przyjdzie z doświadczeniem”.
Na co uważać: ta praca wymaga wysiłku i koncentracji. Ludzie porzucają ją nie dlatego, że ścieżka nie istnieje, ale dlatego, że jest wymagająca — największym ryzykiem jest wygodny powrót do starych nawyków.
Redakcyjne tłumaczenie
Nie musisz zostać ekspertem od AI
Wszyscy wokół uczą się o sztucznej inteligencji. Kto nie śledzi, co się dzieje, ma wrażenie, że dobrowolnie siedzi w ciemnościach. Tymczasem żeby pozostać konkurencyjnym, wcale nie trzeba zostać ekspertem od AI. Wystarczy być dobrym w tym, w czym AI sobie nie radzi. Właśnie to chcę dziś pokazać: gdzie sztucznej inteligencji naprawdę brakuje tchu i jak uczyć się w swojej dziedzinie na tyle szybko, by AI nie zdołało Cię dogonić.
Zacznijmy od kilku podstaw — nie tylko o samej technologii, ale o roli, jaką pełnisz, i o tym, dlaczego w ogóle ktoś płaci Ci za pracę.
Za co ktoś tak naprawdę Cię płaci
Popularne spojrzenie brzmi tak: dostajesz wynagrodzenie, bo wnosisz do roli zestaw umiejętności i wiedzy, pakiet kompetencji przydatnych dla firmy. To ujęcie jest w sumie dość trafne — ale niepełne.
Firma ma pewne problemy do rozwiązania. Musi się z nimi uporać, bo z tych rozwiązań powstaje to, co przynosi jej pieniądze. Jeśli więc Cię zatrudnia, to dlatego, że wierzy, iż pomożesz jej problem rozwiązać. A umiejętności i wiedza, które wnosisz, to tylko kawałek tej układanki. Głębsza prawda jest następująca: firma zatrudnia Cię i utrzymuje, bo wierzy, że poradzisz sobie z problemami, które dopiero nadejdą. I to jest kluczowe — te przyszłe problemy są częściowo niezdefiniowane. Nie wiadomo dokładnie, jak będą wyglądać. Firma musi więc pokładać wiarę w to, że niezależnie od ich ostatecznego kształtu dasz sobie radę. Innymi słowy: nawet jeśli dziś brakuje Ci odpowiedniej wiedzy i umiejętności, nauczysz się ich wtedy, gdy problem się pojawi.
Trzydzieści do pięćdziesięciu procent umiejętności zmieni się w pięć lat
Teraz uderzę w Ciebie danymi, które mogą zaskoczyć. W ostatnich latach ukazało się kilka raportów dużych organizacji — jeden przygotowały Deloitte i LinkedIn, drugi, jeśli dobrze pamiętam, Gallup. Ich wspólny wniosek: w ciągu najbliższych pięciu lat od 30 do 50 procent umiejętności potrzebnych, by być użytecznym i konkurencyjnym na rynku pracy, ulegnie zmianie. Innymi słowy: to, co dziś jest dla Ciebie najbardziej wartościowe — kompetencje, za które trzymasz etat i dostajesz awanse — w ciągu kilku lat w jednej trzeciej, a może i połowie się zestarzeje.
I najciekawsze: jestem dość pewien, że te badania powstały jeszcze przed wielkim boomem na AI. Czyli realne odsetki są dziś zapewne wyższe.
Z perspektywy uniwersytetu to porażające tempo. Między momentem, gdy rozpoczynasz studia, a pierwszą pracą po dyplomie około jedna trzecia tego, czego się nauczyłeś, zdąży się zdezaktualizować. Oczywiście nie dotyczy to każdej branży w takim samym stopniu, ale trend jest wyraźny.
I mimo wszystko ludzie nadal będą dostawać pracę, awanse i utrzymanie. Będą to ci, w których firmy pokładają wiarę, że rozwiążą problemy, których dziś nawet nie umiemy nazwać. A jeden z Twoich największych konkurentów w najbliższych latach zada proste pytanie: kto nauczy się rozwiązywać dany problem szybciej — Ty czy AI?
Człowiek i AI nie biegną w tym samym wyścigu
Na pierwszy rzut oka wygląda to jak wyścig: ludzie uczą się rozwiązywać problemy i AI też się uczy. AI będzie zdecydowanie tańsze, a kiedy samo będzie już umieło coś zrobić, kariera oparta na tym zadaniu to słaby grunt.
Trzeba sobie jednak powiedzieć coś istotnego: człowiek nie biegnie w tym samym wyścigu co AI. To zupełnie inna konkurencja, według innych zasad.
Gdy AI staje się w czymś lepsze, dzieje się tak dlatego, że rozwija się technologia, na której ono stoi. Zdolność modelu musi osiągnąć pewien poziom, żeby poradził sobie z danym rodzajem problemów. U człowieka sprawa wygląda inaczej: masz już mózg i chodzi wyłącznie o to, żeby skierować go we właściwą stronę.
Brzmi to oczywiste, a niesie poważne konsekwencje. Jedna z nich dotyczy ludzi, którzy dziś uczą się AI po to, żeby „nadążyć”. Typowe pytania, które słyszę od specjalistów, brzmią: jak przyspieszyć mój obecny przepływ pracy za pomocą AI? Jak zwiększyć osobistą produktywność, korzystając z nowych narzędzi? I tak — jest tu bezpośrednia korzyść wydajnościowa, śmiało z niej korzystaj. Ale ona nie czyni Twojej pozycji zawodowej znacząco bezpieczniejszej w dłuższej perspektywie. Bo jeśli to, na co ktoś płacił Ci czterdzieści godzin, teraz robisz w dziesięć czy dwadzieścia — dlaczego miałby nadal płacić za czterdzieści? A gdy AI się poprawi, dlaczego miałby w ogóle utrzymywać człowieka?
Rozumowanie, którym uzasadniasz AI we własnej pracy, jest dokładnie tym rozumowaniem, którym firma uzasadni Twoją wymianę na AI.
Trzeba więc zadać sobie inne pytanie: gdy AI przejmie część moich zadań — żmudne, proste, niskopoziomowe wykonawstwo — i czas mi się uwolni, co będę z nim robił? Przecież nikt nie będzie Ci płacił jak dotychczas za kręcenie kciukami. A skoro niemal wszyscy w Twojej dziedzinie będą wzmacniać swoje przepływy pracy AI — co już na naszych oczach staje się normą — to czym Ty się wyróżnisz? Ta dodatkowa wartość jest właśnie tym, co czyni Cię konkurencyjnym. I zazwyczaj będzie się mieścić w tym, czego AI samo z siebie robić nie umie.
Gdzie AI się gubi — i gdzie człowiek też
Czym jest ta praca w realnym kontekście zawodowym? Mamy już na ten temat całkiem solidną wiedzę. AI najgorzej radzi sobie z zagadnieniami głęboko osadzonymi w kontekście, wieloczynnikowymi, o wysokim poziomie wzajemnych uwarunkowań i złożoności. To sytuacje, w których nie ma jednej poprawnej odpowiedzi, a informacje bywają bardzo świeże i pełne niuansów. To krytyczne rozwiązywanie problemów, decydowanie, w którym wiele jest na szali, i umiejętność zobaczenia, jak wszystkie elementy układają się w całość.
Dla AI jest to bardzo trudne. Szczerze mówiąc — dla ludzi też. Człowiek szybko się przytłacza, gdy elementów jest za dużo, gdy wpływają one na siebie nawzajem, a jakość decyzji zależy od zrozumienia tego wszystkiego razem wziętego. Ludzie ogólnie nie są w tym dobrzy.
I tu wracamy do sedna: to nie jest ten sam bieg. Żeby AI osiągnęło w tej klasie zadań poziom ludzkiego eksperta, potrzebne są zasadnicze zmiany w technologii, na której stoi. A jeśli mówimy o AI — pomijając artystów, dla których chodzi głównie o modele generatywne — to w całym tym hype’ie mamy na myśli przede wszystkim duże modele językowe: ChatGPT, NotebookLM, Claude, Gemini i tym podobne. Modele te opierają się na architekturze transformera, a ona ma pewne ograniczenia. Żeby dorównały człowiekowi-ekspertowi w tej robocie, musiałyby nastąpić poważne przełomy technologiczne.
(Informacja dodatkowa: duże modele językowe, w skrócie LLM, to systemy takie jak ChatGPT czy Claude; ich fundamentem jest architektura „transformera”, opisana w 2017 roku, która do dziś pozostaje podstawą większości komercyjnych modeli.)
Czy kiedyś tam dojdą? Prawdopodobnie tak. Czy szybko? Nie sądzę. A czego jestem pewien, to że osoby, które zachowają zatrudnienie, będą dostawać awanse i pozostaną konkurencyjne, to te, które będą to wszystko robić bardzo dobrze. Jeśli AI kiedyś osiągnie odpowiedni poziom, mogą stracić pracę one także — ale będą ostatnimi, których to spotka, przynajmniej wśród pracowników wiedzy.
Dla człowieka zwycięstwo w tym wyścigu nie wymaga rozwijania żadnej technologii. Mózg — ten „fabryczny”, w standardowej konfiguracji — ma już wbudowaną zdolność do pracy na tym poziomie. Po prostu u części z nas ta funkcja nie została jeszcze aktywowana. I właśnie w tym chcę Ci pomóc: żebyś jasno widział, gdzie powinien być Twój cel.
Wyższy rząd myślenia: wszystko jest ze sobą powiązane
Gdy myślisz o nauce i podnoszeniu kwalifikacji po to, by wyprzedzać AI, myśl przede wszystkim o doprowadzaniu się do biegłości w tym poziomie myślenia. Jeśli nauczysz się na tyle szybko, że będziesz pracować z głęboko kontekstowymi informacjami i sytuacjami oraz złożonymi problemami, firma będzie wierzyć, że rozwiążesz przyszłe wyzwania — z AI czy bez. Jeśli natomiast będziesz zdobywać rozmaite inne umiejętności, ale nie opanujesz tego głębszego poziomu, będziesz biegł w tym samym wyścigu, w którym biegnie AI.
Żeby to dobrze zakotwiczyć, wprowadzę kilka pojęć. Ten poziom myślenia, o którym mówimy — kontekstowy, wieloczynnikowy, o dużej złożoności i gęstej sieci powiązań — nazywa się myśleniem wyższego rzędu. Gdy uczysz się w tym trybie, mówimy o nauce wyższego rzędu; gdy rozwiązujesz w nim problemy — o rozwiązywaniu problemów wyższego rzędu. Wszystko to zawiera się w ogólnym terminie myślenia wyższego rzędu.
(Informacja dodatkowa: podział na czynności poznawcze „wyższego” i „niższego rzędu” wywodzi się z taksonomii celów kształcenia Benjamina Blooma — Sung często ilustruje ją w formie piramidy, o czym mówi dalej.)
Warunkiem koniecznym tego stylu pracy umysłowej jest widzenie wszystkiego jako połączonego. Zamiast postrzegać każdą rzecz jako osobny punkt, trzeba dostrzegać wzory i sieci. W tym trybie każdy fakt, pojęcie, czynnik czy zmienna ma znaczenie wyłącznie dzięki relacjom i wpływom, jakie wywiera na inne punkty. Rzeczy nie mają wartości same w sobie, w izolacji. Z tego wynika praktyczna konsekwencja: ucząc się i myśląc, większość czasu, uwagi i wysiłku poświęcaj na rozplątywanie relacji. Oto punkt — co oznacza dla pozostałych? Jak na nie wpływa?
To zupełnie inny sposób myślenia niż ten, w którym większość z nas została wychowana. Byliśmy trenowani głównie w tym, co nazywa się niższym rzędem — i w wielu programach nauczania do dziś jest podobnie. Nacisk kładziono na izolowane zapamiętywanie treści. Niższy rząd to widzenie rzeczy jako punktów w oderwaniu: zakuwanie, „zrozumienie” czegoś, egzamin sprawdzający, czy potrafisz to wyrecytować i odtworzyć. Cała wczesna edukacja uczyła nas, że wartość wiedzy mierzy się tym, czy umiesz ją odtworzyć.
Tymczasem w realnym życiu zawodowym odtwarzanie wiedzy ma bardzo ograniczoną wartość. Prawdziwy wkład powstaje ze stosowania tego, co wiesz — czego zresztą zwykle możesz w dwie minuty sprawdzić i nie musisz przypominać sobie z pamięci — w sposób głęboko kontekstowy i wieloczynnikowy. Im trudniejszy problem potrafisz rozwiązać, tym większą odpowiedzialność Ci powierzają i tym więcej Ci płacą.
Niestety, w dorosłość wnosimy nawyki niższego rzędu. Pojawia się nowy raport, ogłoszenie, coś, czego musisz się nauczyć, żeby ruszyć z zadaniem czy projektem. Czytasz — i naprawdę nikogo nie obchodzi, czy „zrozumiałeś”. Pytania, które się liczą, brzmią: widzisz, jak to wpływa na Twoje decyzje i sposób rozwiązywania problemów? Jak to się styka z resztą tego, nad czym pracujesz i co wiesz? Możesz rozumieć temat tak głęboko, że napisałbyś o nim doktorat — jeśli nie potrafisz łączyć i stosować w kontekście, ta wiedza jest nic nie warta.
A skoro AI ogarnia całe to niższe piętro — coraz lepiej radzi sobie z zadaniami w izolacji — nie wygrasz z nim wyścigu, ćwicząc dalej umiejętności izolowane. W pewnym momencie, a szczerze mówiąc nadejdzie on szybko, AI zrobi wszystko to lepiej niż jakikolwiek człowiek i cała wartość skoncentruje się na tych, którzy myślą wyższym rzędem. Uczę tego na życie — i powiem Ci: bardzo mały odsetek populacji jest w tym naprawdę dobry. Ale bardzo duży odsetek może być, pod warunkiem praktyki i potraktowania tego jako głównego celu.
Dwa zestawy nawyków, a nie jedna drabina
Teraz najważniejsze w moim optyce nastawienie — które, nawiasem mówiąc, moim zdaniem bywa przekręcane nawet w literaturze naukowej. Mówimy o myśleniu niższego i wyższego rzędu, a ja zwykle rysuję trójkąt: górne poziomy to wyższy rząd, dolne — niższy. I nasuwa się sugestia, że zaczynasz na dole i pięciesz się w górę. Wcześniejsze prace na ten temat mówiły wręcz wprost: najpierw opanuj dolne poziomy, a potem, krok po kroku, dojdziesz do górnych.
Nauczyłem tej umiejętności dziesiątkom tysięcy ludzi i mam sporo danych o tym, kto odnosi w niej sukces. I to przedstawienie jest — moim zdaniem — po prostu nieproduktywne. Dlaczego?
Myślenie niższego rzędu ma swoje wzorce i nawyki. Te nawyki utrzymują informacje w izolacji. Myślenie wyższego rzędu wymaga innych nawyków i innych wzorców — takich, które tworzą integrację: dzięki nim widzisz, że każdy punkt mieści się w większej sieci, wszystko łączy się ze wszystkim. I te dwa zestawy nawyków nie przechodzą jeden w drugi. Między nimi nie ma naturalnej progresji. Nieistotne, jak dobry jesteś w pierwszym — nie zaprowadzi Cię to do drugiego. To dwie całkowicie różne drogi.
W praktyce widzę natomiast, że ci, którzy konsekwentnie doskonalą wyłącznie niższy rząd, wjeżdżają na przegraną trajektorię. Osadźmy to na wykresie: na osi poziomej czas, na pionowej — tworzona wartość. Im lepiej opanowujesz niższy rząd, tym więcej wnosisz, ale tylko do pewnego momentu — dalej wykres łapie sufit. Przestaje mieć znaczenie, ile umiesz zapamiętać i jak sprawnie zakuwasz fakty w oderwaniu: praktyczna użyteczność tej umiejętności jest po prostu niska.
Sam opanowałem kiedyś techniki pamięciowe. Potrafię w dwadzieścia minut zapamiętać około stu pięćdziesięciu elementów — pałac pamięci, metoda historyjki, metoda łańcuchowa, systemy zaczepień i tak dalej. Gdy chodzi o masowe, mechaniczne zakuwanie w krótkim czasie, mam w tym solidną wprawę. I tę umiejętność wykorzystuję… praktycznie nigdy. Mniej niż jedna tysięczna procenta mojego czasu i tego, co przynosi wartość w moim życiu, pochodzi z tej biegłości. Maksymalnie — efektowny popis na imprezie. W szkole i na studiach przydawała się trochę bardziej; może 20 procent moich wyników zawdzięczałem właśnie jej. Ale nawet wtedy była mniejszością.
Na poziomie kariery z tego wynika coś poważniejszego: to, co potrafisz samym niższym rzędem, wyznacza sufit Twojego rozwoju. Jeśli umiesz tylko tyle, dlaczego ktoś miałby Ci więcej płacić — skoro nie rozwiążesz poważniejszych problemów? I jest gorzej: ta linia wartości nie stoi w miejscu, ona opada. AI wypełnia ten koszyk i w zadaniach niższego rzędu już dziś wyprzedza większość ludzi.
Porównaj to z wykresem myślenia wyższego rzędu. Rosnąca biegłość pociąga za sobą rosnącą wartość — bo poradzisz sobie z coraz bardziej złożonymi sytuacjami, weźmiesz na barki odpowiedzialność, której inni nie uniosą, rozwiążesz problemy, których inni nie wiedzą nawet, jak zacząć. Tam, gdzie inni czują przytłoczenie, Ty wiesz, jak się poruszać. I bez zaskoczenia rośnie to, ile ludzie są gotowi Ci zapłacić. Powiem wprost: ludzie płacą mi spore pieniądze za indywidualne konsultacje właśnie nad tą umiejętnością. Jeśli podniosę komuś ją o pięćdziesiąt procent, ta osoba zarabia o pięćdziesiąt procent więcej — to podwyżka, awans albo nowa, lepsza praca.
Dlaczego tyle czasu poświęcam temu punktowi? Bo droga do biegłości istnieje — są konkretne kroki. Ludzie nie osiągają mistrzostwa nie dlatego, że ścieżki nie ma, ale dlatego, że z niej schodzą. Nie docierają do nich, że w ogóle warto. O wiele łatwiej jest tej umiejętności nie rozwijać: wymaga czasu, wysiłku, skrupulatności, koncentracji — to prawdziwe zaangażowanie. O wiele łatwiej zostać tam, gdzie jest wygodnie, czyli na niższym piętrze. Ale to — moim zdaniem — nie jest gra, którą da się wygrać. I nie przyjmuj założenia, że „kiedyś samo przyjdzie”. To zupełnie inny zestaw umiejętności i nie staniesz się w nim lepszy, chyba że będziesz go używać świadomie i z własnej woli.
Trzy praktyki na start
Zanim przejdę do konkretów: to głęboki temat i nie zmieszczę tu wszystkiego. Więcej rozrysowuję w innych materiałach oraz w moim cotygodniowym newsletterze, w którym destyluję te pomysły i daję co tydzień coś do przećwiczenia (zapis w opisie filmu; newsletter jest darmowy i można z niego w każdej chwili zrezygnować).
Oto trzy rzeczy, które możesz zacząć robić już dziś, by częściej wchodzić w stan złożonego myślenia i szybciej je rozwijać.
Pierwsza praktyka: zastosuj nową wiedzę od pierwszych minut
Pamiętasz nawyki niższego rzędu z lat szkolnej kondycjonacji? Jednym z nich jest podejście: „otwieram nową książkę czy webinar i najpierw próbuję zrozumieć”. Brzmi intuicyjnie — cóż innego miałoby się robić, czytać i nie rozumieć? A jednak zrozumienie nie jest czymś, na co masz „próbować”. To nie ono powinno być Twoim głównym celem.
Gdy sięgasz po nowe informacje, gdy uczysz się czegokolwiek złożonego, Twoim celem powinno być natychmiastowe włożenie tego we własny kontekst — zastosowanie. Zapomnij o zapamiętywaniu. Zapomnij nawet o zrozumieniu. Zrozumienie przydarzy się samo. Jeśli natychmiast próbujesz coś zastosować, po prostu zmuszasz się do zrozumienia w trakcie procesu.
A między „zastosowaniem jako głównym celem” a deklaracją „najpierw zrozumiem, potem zastosuję” są subtelne, ale istotne różnice. Największa dotyczy nastawienia mózgu — w psychologii mówi się o ramie poznawczej. Gdy osadzasz nowy materiał w kontekście: „zaraz będziemy z tym wszystkim działać — składać w całość, łączyć, kombinować — a powód jest jeden: rozwiązujemy ten problem, dochodzimy do tego celu”, mózg wie, jak o tym myśleć. Widząc kolejny element, rozumie go nie „ogólnie”, lecz w odniesieniu do zastosowania. Naturalnie przychodzą pytania: jak to się ma do efektu, do którego zmierzam? Nauczyłem się tego i tego — jak te dwie rzeczy się łączą albo na siebie wpływają w drodze do celu? Mózg wchodzi w tryb aktywny i relacyjny.
Alternatywna, niższa droga wygląda tak: „dobra, mam tu kupę materiału, najpierw go ogarnę, a potem zobaczę, jak wszystko się składa”. I spędzamy godziny, czasem dni lub tygodnie, przecierając duże objętości informacji, często w zbędnym detalu, nie wiedząc, co i ile musimy wiedzieć i po co — z nadzieją, że z czasem samo się ułoży. A co się dzieje naprawdę? Mózg nie wie, co począć z tym strumieniem. Rzucasz mu rzeczy z komunikatem „trzymaj to, zrozum to”. Tymczasem nie wie jak; informacja nie ma znaczenia, bo na nic nie wpływa; nie ma też dokąd jej wpiąć — więc nie ma powodu jej trzymać. Mózg ją wycina.
Dlatego możesz spędzić tydzień na nauce, stwierdzić „materiał przerobiony, teraz zaprojektuję rozwiązanie, strategię, plan” — i nie wiedzieć, czego nie wiesz ani od czego zacząć. Wracasz do notatek, czytasz i myślisz: nie mam pojęcia, co z tym zrobić. Samo zrozumienie nie stawia Cię w lepszej pozycji do składania całości, bo to dwie różne umiejętności.
I rzecz sprzeczna z intuicją: próba „tylko zrozumienia i zapamiętania” przy pierwszym kontakcie z materiałem to niezwykle skuteczny sposób na zapomnienie go. Po co rozumiemy i pamiętamy? Po to, żeby złożyć w całość. No to zacznij od tego końca. Jeśli między napływem informacji a pierwszą myślą o jej użyciu mija więcej niż pięć, może dziesięć minut, mózg już ją usuwa. To bardzo wąskie okno — więc musi nieustannie wracać do pytań: jak to zastosuję? jak się to łączy? co to znaczy dla rozwiązania problemu i dojścia do celu?
Istnieją inne schematy uruchamiające ten tryb — opisuję je w innych materiałach. Tu skupiam się na jednym, bo u profesjonalistów powód nauki jest zwykle konkretny: masz wykonać zadanie. To najskuteczniejszy sposób spięcia wiedzy z celem. U studentów albo przy nauce rzeczy abstrakcyjnych, bez wyraźnego odniesienia do praktyki, lepiej sprawdzają się inne techniki — ale o nich innym razem.
Druga praktyka: porządek w głowie, nie na dysku
Druga wskazówka: buduj organizację mentalną. Ważne, że mentalną — bo to nie to samo co organizacja fizyczna.
Przez lata uczyłem się rozmaitych rzeczy: biznesu, nauki o uczeniu, psychologii, edukacji, zatrudnialności, w końcu medycyny — przeszedłem studia medyczne. Jeśli zajrzysz do moich notatek, zobaczysz coś bardzo prymitywnego. Nie mam perfekcyjnie kolorowanych notatek w folderach, tagów spajających wszystko, idealnego szablonu w Notion. Nie mam tego i nie chcę — bo to szum, rozpraszacz odciągający mnie od tego, co istotne: od porządku w głowie.
Wielu ludzi tworzy porządek fizyczny jako substytut porządku mentalnego. Łatwiejszy — ale mniej wartościowy.
Porządek mentalny to sposób kategoryzowania, grupowania i wiązania elementów tak, by widzieć całościowy obraz. To oglądanie elementów układanki i składanie ich tak, żeby obraz faktycznie powstał. „Uporządkowane” oznacza tu: każdy element leży w swoim miejscu, bo tam jest jego miejsce; ma znaczenie, sens i pozycję dzięki temu, gdzie leży względem sąsiadów.
Przeniesione na decydowanie, rozwiązywanie problemów i naukę: myśląc o temacie, projekcie czy zadaniu, potrafisz powiedzieć — oto wielki obraz, oto kroki do wykonania; oto sprawy najważniejsze, w których nie wolno się pomylić; oto drobne szczegóły i to, jak układają się wokół tamtych; oto konteksty i niuanse. Potrafisz to prosto wytłumaczyć i przekazać zainteresowanym stronom. Widzisz, jak plan może się zmienić i co oznacza wbudowanie czegoś nowego do sieci.
Porządek fizyczny to co innego: wzięcie elementów układanki i rozłożenie ich do pudełek według rozmiaru, kształtu czy koloru. Tak, jest porządek — ale bez znaczenia. Poza przyjemnym uczuciem nic Ci to nie daje. W nauce porządek fizyczny to notatki, w których wszystkie nagłówki mają ten sam styl, punktory wyglądają identycznie, fiszki leżą w pudełeczkach, powstawiane są linki, wszystko trafia do menedżera bibliografii — i wiesz, gdzie czego szukać. Świetnie. Ale chodziło o to, żeby coś z tą wiedzą zrobić, a po kilku godzinach „organizowania” nie jesteś od tego celu o krok bliżej. To po prostu prokrastynacja w produktywnym przebraniu: zamiast trudnej, sensownej organizacji przez myślenie wyższego rzędu zadowalamy się uczuciem porządku z samego układania rzeczy w przestrzeni.
Szybki sposób na wyćwiczenie porządku mentalnego: mapowanie. Próbuj łączyć idee tak, żeby miało to sens; sprawdź, czy potrafisz zbudować czytelną strukturę i połączenia między punktami, które uważasz za ważne.
Niektórzy spróbują i powiedzą: „za trudne, za dużo czynników, które wpływają na siebie na różne sposoby — nie da się tego zmieścić w mapie”. Otóż ktoś, kto naprawdę rozumie, jak to wszystko się łączy, mapę stworzy. Co więcej — stworzy wiele różnych map, z powiązaniami ułożonymi na różne sposoby, zależnie od tego, z jakiej strony chce obejrzeć temat. A ktoś, kto nie ma tego poukładanego w głowie, będzie miał trudność z sensownym użyciem tych informacji i ze złożonymi problemami — poczuje po prostu „za dużo, nie dam rady” i nie zdoła wyjaśnić, jak wszystko się łączy, bo faktycznie nie wie.
Jeszcze jedna częsta intuicja — a właściwie błąd. Ktoś zaczyna mapę, po drodze zauważa nowe czynniki, nowe kąty i perspektywy, w połowie stwierdza: „to nie ten układ, trzeba wszystko zmienić” — i dochodzi do wniosku, że mapa mu nie działa. Jest dokładnie odwrotnie: działa. To, że wyłapałeś nowe czynniki, zmienne i perspektywy, jest właśnie celem. Świetnie! Teraz przejrzyj i przerób to, co narysowałeś. Mapa to żywy dokument, który odzwierciedla, jak myślisz i jak układasz wiedzę w głowie. Najpierw wydawało Ci się, że A prowadzi do B, a B do C. Uczysz się dalej — okazuje się, że D jest kluczowe. Uczysz się dalej — okazuje się, że wcale tak nie było: A i B razem prowadzą do C, a wszystko razem do D. I to jest nowy, zaktualizowany obraz po tym, jak naprawdę przeszedłeś przez temat i zmusił się do zobaczenia, jak się składa. O to chodzi: o rewizję własnego myślenia. Jeśli wychodzisz na to, że miałeś źle, i musisz rysować od nowa — też dobrze. Gdy myślenie o temacie robi się bardziej wyrafinowane, mapa robi się bardziej wyrafinowana.
Najważniejsze więc: jeśli mapowanie przychodzi Ci z wielkim trudem, to znak, że musisz robić tego więcej. Ludzie myślący wyższym rzędem potrafią mapować.
Trzecia praktyka: myśl na papierze i puść perfekcjonizm
Trzecia wskazówka, zwłaszcza dla tych, którzy mapowania nie znają: zapomnij o perfekcji. Ucząc się czegoś nowego i złożonego, będziesz się mylić znacznie częściej, niż mieć rację. Gdybyś od razu widział, jak wszystko do siebie pasuje, ten temat nie byłby dla Ciebie skomplikowany.
Prowadzę warsztaty dla grup specjalistów i proszę o zmapowanie czegoś z ich dziedziny. Kiedy widzę kogoś, komu mapowanie idzie naprawdę opornie, to zwykle nie jest najmniej lotna osoba w sali ani ta z najmniejszą wiedzą. Najczęściej powód jest inny: możliwych połączeń jest tak wiele, że nie wie, które wybrać. Mogę połączyć A z B — ale może z C, D, E albo F… opcji jest mnóstwo i nie wiadomo, od czego zacząć. To całkowicie normalne. Co więcej — dobrze: oznacza, że myślisz aktywnie.
Jak to uprościć? Myśl na papierze. Masz czynniki A, B, C, D, E, F i próbujesz zobaczyć powiązania. Pomyśl: może A prowadzi do B — może to wygląda tak, ale może też tak, albo jeszcze inaczej. Nie musisz znać właściwej odpowiedzi. Sam proces rysowania pomaga Ci myśleć. Zamiast zastanawiać się w głowie — zapisz i naszkicuj to, co masz w głowie. Skoro to już jest na papierze, możesz na to spojrzeć i ocenić, która wersja robi większy sens. Popatrzysz i pomyślisz: ciekawe, co będzie, jeśli zgrupuję te rzeczy, a E wplotę w D? Nie zgaduj — narysuj. Jeśli tak zrobię, A prowadzi do większej grupy złożonej z B i C; D prowadzi do niej, ale to też większa grupa, z D i E. Oto jak wyglądałoby to rozwinąć. I co o tym myślę? Czy mi to pasuje, czy to dla mnie sensowne? Napisane, możesz nagle zobaczyć: „moment — tego nie da się pogodzić, bo to przecież jest częścią A; co jeśli A powinno trafić tutaj?”. Rysuj i przemyśl. Gdy przywykniesz do myślenia na papierze, o wiele łatwiej i szybciej utrzymujesz produktywny przepływ myślenia.
Nie traktuj więc notatek jak ostatecznej wykładni. To asystent — proces, przy którego pomocy tworzysz porządek w głowie. I to właśnie myślenie na papierze jest statystycznie największą dźwignią dla największej liczby ludzi. Biorę sto, dwieście osób na warsztat, daję wszystkim to samo zadanie mapowania — siedemdziesiąt procent będzie się męczyć. Mają listę głównych punktów, wpatrują się w nią i zastanawiają, jak by to mogło się łączyć — i nie są pewni. Większość z nich przechodzi od stanu „nie umiem nawet zacząć” do czegoś, co wygląda naprawdę sensownie i użytecznie — wyłącznie dzięki myśleniu na papierze i odpuścieniu perfekcji na starcie.
Od luksusu do warunku bezpieczeństwa
Wracam do tego, od czego zaczęliśmy: jako człowiek biegniesz w innym wyścigu. Twój mózg już teraz ma zdolność takiego myślenia. Różnica polega tylko na tym, czy pozwalasz mu ten proces wykonywać — i czy przełamujesz mniej produktywne nawyki niższego rzędu, które mogły się w Tobie zasiedzieć.
Wypróbuj te wskazówki i naprawdę zmuszaj się do biegłości w myśleniu wyższego rzędu. Obiecuję: możesz nauczyć się myśleć i rozwiązywać problemy na tym poziomie szybciej, niż AI zdąży do niego dorosnąć. To umiejętność niesamowicie wartościowa — była nią zawsze i ludzie zawsze mieli z nią kłopot. Różnica jest taka, że kiedyś można było ugrzęznąć na pracy opartej głównie na niższym rzędzie i zawodowo przeżyć. Myślenie wyższego rzędu było luksusem. Dziś nie chodzi już tylko o konkurencyjność i wartość rynkową — to po prostu zmierza w stronę warunku bezpieczeństwa zatrudnienia. Wypchnij się więc na ten wyższy poziom. Nie będzie łatwo, ale wierzę, że dasz radę.
Jeśli chcesz wejść głębiej w naukę wyższego rzędu, zobacz mój materiał o tym, jak uczyć się uczenia i zbudować cały system nauki. Dzięki za obejrzenie — do zobaczenia w kolejnym.