O czym jest ten film
- Autor polemizuje z popularną narracją, że AI działa jak przypływ, który co kilka miesięcy „zabiera z plaży” kolejną ludzką umiejętność — uważa ją za fałszywą i popiera konkretnymi przykładami.
- Teza główna: pięć kompetencji — smak, sprawczość, koncentracja, zaradność i doprowadzanie do końca — zyskało na sile właśnie dlatego, że AI stało się zdolniejsze, a nie pomimo tego.
- Porównanie z czołówką branży: umiejętności, na których zespół budujący Muse oparł produkt, są omawiane publicznie i nadają się do samodzielnej nauki i ćwiczenia.
- Rada praktyczna na start: wrócić do projektów, które się odrzuciło, bo decyzje o ich odrzuceniu zapadały według wymagań, które AI już zmieniło.
- Smak autor definiuje jako działanie w sprawach, na których komuś zależy — osoby najbliżej problemu (obsługa klienta, operacje, eksperci merytoryczni) mogą dziś same tworzyć działające rozwiązania.
- Sprawczość: AI pomaga tam, co wcześniej blokowało, ale gotowość na poważną próbę pozostaje po stronie człowieka, a jasność wymagań rodzi się dopiero w iteracji.
- Koncentracja: skoro coraz mniej pomysłów odpada z powodu kosztów próby, rośnie wartość wyboru i trwałej uwagi; AI potrafi przy tym świetnie maskować rozproszenie pozorną produktywnością.
- Zaradność: społeczność budująca na systemie wiedzy autora wymieniała narzędzia na własne (Discord, Obsidian, MacWhisper), zachowując intencję systemu — skład jest wymienny, cel nie.
- Doprowadzanie do końca: efektowne pierwsze wersje przestaną robić wrażenie; zaufanie innego rodzaju zyska ten, kto dowozi rezultat do odbiorcy, zamiast umywać ręce po wypuszczeniu.
- Wniosek zbiorczy: droga od pomysłu do użytecznego efektu staje się dostępna dla każdego, kto rozumie problem i chce przy nim zostać — niezależnie od branży i stanowiska.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Wróć do projektów, które wcześniej odrzuciłeś
Na czym polega: Decyzje typu „nie stać nas na specjalistę”, „nie mamy czasu”, „potrzebny nam programista” zapadały według wymagań, które AI już zmieniło. Coraz więcej pracy, która kiedyś wymagała kilku osób, jedna osoba uniesie dziś samodzielnie.
Jak stosować: Przejrzyj własny backlog i wypisz trzy–pięć rzeczy odrzuconych z powodu braku ludzi lub kompetencji technicznych. Przy każdej zapytaj: które z tamtych wymagań nadal obowiązują? Część potwierdzi się, ale któreś sprawy okażą się nagle realne.
Na co uważać: Nie każda odrzucona inicjatywa wraca do gry — wymagania trzeba ocenić na nowo, a nie zakładać z góry, że „AI zrobi wszystko”.
2.Smak zaczyna się od tego, co cię uwiera — działaj na tym
Na czym polega: Autor definiuje smak inaczej niż większość: nie jako zdolność rozpoznawania dobrej roboty, lecz jako działanie w sprawach, na których komuś naprawdę zależy. Osoba najbliżej problemu — na przykład z obsługi klienta — ma często najlepsze wyczucie, co jest nie tak.
Jak stosować: Wybierz jedną konkretną rzecz, która drażni cię od lat: wyjaśnienie, które plącze ludziom w głowach, raport, który nigdy nie odpowiada na pytanie. Zrób z pomocą AI alternatywę — przewodnik, wstępną wersję, prototyp. To uruchamia pętlę zwrotną, która wyostrza twój gust.
Na co uważać: Opinia to jeszcze nie wartość — dopiero konfrontacja z próbą pokazuje, ile z twojej oceny ma pokrycie. Sam prototyp też nie jest końcem drogi (patrz wniosek 10).
3.Traktuj AI jako partnera do szlifowania smaku, nie tylko wykonawcę
Na czym polega: AI może podsunąć podejście, którego nie brałeś pod uwagę, i wyjaśnić, czemu działa projekt, który podziwiasz. Uczysz się przy tym szybciej — zarówno z pracy, którą robisz, jak i z narzędzia, które pomaga ją robić.
Jak stosować: Gdy podziwiasz czyjś wytwór, poproś model o rozbicie go na części i wyjaśnienie kluczowych decyzji. Gdy tworzysz własny, proś o warianty alternatywne i porównuj je, ćwicząc rozróżnienia.
Na co uważać: Gust atrofuje się, gdy akceptujesz pierwszą lepszą propozycję modelu. Zasada „antytandety”: podnoś poprzeczkę zamiast godzić się na byle co.
4.Pilnuj wskaźnika słowo–czyn
Na czym polega: Sprawczość to odległość między obietnicą a działaniem. AI pomaga w tym, co wcześniej zatrzymywało — w planowaniu, w dostępie do specjalistów — ale gotowość na realną próbę pozostaje wyłącznie twoją sprawą.
Jak stosować: Policz projekty, o których „rozmawiasz” od miesięcy. Zanim dołożysz nowy temat, wybierz jeden z nich i zrób pierwszy namacalny krok — plik, szkic, rozmowę z odbiorcą — w ciągu 48 godzin.
Na co uważać: AI dostarcza planów bez ograniczeń, więc planowanie łatwo staje się nową formą zwlekania. Plan nie jest próbą.
5.Buduj, żeby znaleźć plan — jasność przychodzi w iteracji
Na czym polega: Nie musisz umieć opisać całego systemu z góry. Przykład z filmu: zgrubna pierwsza wersja agenta (transakcje bez aktywności przez 14 dni) wydobyła z szefa sprzedaży wiedzę, jakiego sygnału naprawdę szuka — umowy leżące u prawników bez kolejnego kroku.
Jak stosować: Zamiast czekać na pełną specyfikację, poproś AI o najprostszą zgrubną wersję i czytaj ją jak lustro: co mnie w tym drażni? co nie jest tym, czego chcę? Każda odpowiedź to kawałek wymagań, których nie umiałeś wyrazić słowami.
Na co uważać: Pierwsza wersja będzie błędna — i taka jest jej rola. Irytacja prototypem to nie porażka, tylko mechanizm odkrywania, czego tak naprawdę chcesz.
6.Skoro próbowanie tanieje, podnoś poprzeczkę
Na czym polega: Coraz mniej pomysłów odpada z powodu kosztu próby, więc wybór staje się cenniejszy niż wykonalność. Skupienie pozwala włożyć w jedno przedsięwzięcie więcej siły, zamiaru i pasji — rozproszenie tego nie umożliwia.
Jak stosować: Gdy czujesz pokusę rozpoczęcia piętnu projektów naraz, wybierz jeden problem — najlepiej kliencki — i postanów przy nim zostać także wtedy, gdy zrobi się trudno i niewygodnie. Uwaga kumuluje się tylko wtedy, gdy ma się gdzie kumulować.
Na co uważać: AI potrafi sprawić, że rozproszenie wygląda na produktywność: do końca dnia masz prototypy i plany, ale ile z tego pracy zaszło dostatecznie daleko, by cokolwiek komuś zmienić?
7.Pytaj nie tylko „co robię”, ale i „co zostawiam w spokoju”
Na czym polega: Jeśli dokładasz kolejne projekty, bo każdy wygląda coraz łatwiej, pochłoniesz cały nadmiar mocy, który daje AI — i wciąż zostawisz najważniejszą robotę niedokończoną. Decydowanie o koncentracji staje się rdzeniem przywództwa.
Jak stosować: Przy każdej nowej okazji zadaj trzy pytania: co zasługuje na moją uwagę? przy czym będę pracować dalej, gdy przestanie być ekscytujące? na co przystaję, żeby to w ogóle było możliwe? Odpowiedzi zapisuj — to decyzje o twoim czasie i czasie zespołu.
Na co uważać: Zespół przyniesie w przyszłym roku więcej wiarygodnych propozycji niż kiedykolwiek. Umiejętność mówienia „nie” stanie się węższym gardłem niż umiejętność mówienia „tak”.
8.Trzymaj się intencji systemu, nie jego składu
Na czym polega: Osoby budujące na systemie wiedzy autora (Slack, Notion, Zapier, model AI) wymieniały elementy na własne — Discord, Obsidian, MacWhisper czy oprogramowanie dozwolone w firmie — bo rozumiały, po co system istnieje: zbierać informacje i oddawać je do użycia w momencie potrzeby.
Jak stosować: Przed wdrożeniem jakiegokolwiek systemu zapisz jednym zdaniem jego cel. Gdy narzędzie odpada — licencja, polityka firmy, upadek dostawcy — pytaj, co jeszcze spełni tę funkcję. Skład jest wymienny, intencja nie.
Na co uważać: Narzędzia będą się zmieniać dalej; model z 2027 roku będzie lepszy, ale inny. Przywiazanie do konkretnego zestawu to krótkoterminowa wygoda i długoterminowe ryzyko.
9.Ucz się na moment potrzeby — i oceniaj innych po radzeniu sobie z nieznanym
Na czym polega: AI zmienia doświadczenie bycia początkującym: zagadkowy komunikat błędu staje się lekcją, bo wiedza ma gdzie „wylądować” — w czymś, na czym ci zależy. Lista umiejętności w CV mówi coraz mniej o czyjejś przydatności.
Jak stosować: Dla siebie: wybierz coś wartościowego, trudnego i jeszcze niezrozumiałego, i naucz się tyle, by czynić postęp. Jako lider: zamiast czytać CV, patrz, czy ktoś zadaje użyteczne pytania, przeformułowuje problem i wraca z kolejną próbą podjętą samodzielnie.
Na co uważać: Możliwość zadania pytania AI to nie to samo, co zadanie dobrego pytania — jego jakość zależy od zamiaru. Każdy dokończony projekt otwiera kolejny; to spirala, nie jednorazowy trik.
10.Zanim zaczniesz, odpowiedz: „dla kogo to jest?” — i zostań do końca
Na czym polega: Pierwsze wersje powstają szybko i świetnie wyglądają, więc w 2027 roku przestaną robić wrażenie. Zaufanie innego rodzaju zyska ten, kto wielokrotnie doprowadza taki start do realnego efektu dla odbiorcy — i pyta, czy naprawdę pomogło.
Jak stosować: Przed startem zapisz: kto jest odbiorcą? co będzie mógł dzięki temu robić lepiej? co muszę zrobić, żeby wykonać całą robotę? Po wypuszczeniu wracaj do problemu — często trzeba zmienić moment pokazania, sposób przekazania sprawy albo jedno mylące założenie.
Na co uważać: „Weszło na produkcję — koniec mojej roboty” to pułapka. W świecie, w którym AI coraz częściej zastępuje troskę (maile, których nikt nie czyta), decyzja, by naprawdę zależeć na skutkach własnej pracy, ma największą dźwignię — ale wymaga wysiłku także wtedy, gdy ekscytacja już minęła.
Redakcyjne tłumaczenie
Sprzedano ci zły obraz przyszłości
Sprzedano ci pewien obraz tego, dokąd zmierza AI: przypływ, który co kilka miesięcy zabiera z plaży kolejną z twoich umiejętności, i wszystko zmierza donikąd. Uważam, że ten obraz jest fałszywy — i mam na to dowody.
Kusi, żeby powiedzieć, że produkty AI, które naprawdę się liczą, potrafią tworzyć wyłącznie geniusze i superzespoły. Taką historię słyszymy ciągle o Alexandrze Wangu, Nacie Friedmanie i zespole budującym Muse. A jednak umiejętności, na których oparli swoją pracę, to kompetencje, o których sami mówią publicznie — i o których od roku mówię na tym kanale. Da się ich nauczyć i da się je ćwiczyć. Wiem to, bo rozmawiałem z setkami z was i widziałem te umiejętności w działaniu.
(Informacja dodatkowa: Alexandr Wang — założyciel Scale AI; Nat Friedman — były dyrektor generalny GitHuba. Muse to produkt AI tworzony przez ich zespół.)
Porozmawiamy więc o pięciu umiejętnościach, których dźwignia wzrosła w epoce AI w ciągu ostatniego roku — mimo że AI zrobiło w tym czasie ogromny postęp. To dokładnie odwrotność opowieści, którą słyszysz na co dzień. A jeśli planujesz przyszły rok w oparciu o historię o traceniu kompetencji, stawiasz na niewłaściwego konia. Czas to naprawić.
Zakład na 2027 rok
Jeśli układasz plany na 2027 rok, spójrz jeszcze raz na projekty, które już wcześniej skreśliłeś. Usługa, której nie dało się wystartować bez nowych zatrudnień. Problem, który twój zespół rozumiał, ale nigdy nie miał czasu naprawić. Pomysł wymagający specjalisty technicznego, na którego nie było budżetu. Te decyzje zapadały według tego, czego praca wtedy wymagała — a wiele z tych wymagań AI zmieniło. O tym właśnie rozmawiamy na tym kanale.
Moja prognoza na 2027 rok: coraz więcej z nas uniesie w całości pracę, która kiedyś wymagała pomocy kilku osób. Skoro tak, musimy rozwijać umiejętności pozwalające korzystać z tej praktycznej siły. Dostaniesz pięć wniosków — po jednym na każdą z umiejętności: smak, sprawczość, koncentracja, zaradność i doprowadzanie do końca. Przy każdym powiążę to, czego nauczył nas ten rok, z czymś, nad czym możesz pracować w następnym. Na końcu będziesz umiał zdecydować, które projekty z twojej listy czekają na drugie spojrzenie — i co trzeba, żeby powstało z nich coś naprawdę użytecznego.
Wniosek 1. Smak — działaj tam, gdzie cię uwiera
Smak często sprowadza się w dyskusjach do definicji, które mówią wszystko i nic, a ma on ogromne znaczenie. Smak to działanie w sprawach, na których ci naprawdę zależy. Mało kto tak go ujmuje. Większość powie: to umiejętność rozpoznania, jak wygląda dobra robota i czego wymaga dana sytuacja. To prawda, ale nie cała prawda.
Kiedy we wrześniu zeszłego roku pisałem o smaku, podkreślałem, że osoba na początku kariery może mieć wyjątkowe wyczucie w konkretnej dziedzinie. Obserwowała ją uważnie, bo ją pasjonuje. Próbowała, porównywała i wyrobiła sobie poczucie, co znaczy „dobre”. Od tamtej pory poznałem wiele takich osób — i przekonałem się, że wieloletnie doświadczenie w wielu obszarach nie gwarantuje dobrego gustu. W listopadzie pisałem też o osądzie, który tutaj łączę ze smakiem: chodziło m.in. o umiejętność obrony decyzji, co odłożyć na bok, i ustalania, co powinno być zrobione najpierw.
W tym roku możliwość, by działać na podstawie takiego rozeznania, znacznie wzrosła. Pomyśl o fragmencie swojej pracy, w którym wciąż zauważasz ten sam problem. Może nowi klienci gubią się zawsze w tym samym miejscu na stronie. Może wyjaśnienie jest zrozumiałe dla zespołu, który je napisał, ale po tylu rozmowach z klientami wiesz, że dla nich nie będzie — prawie potrafisz przewidzieć, jakie zadadzą pytanie. Od takiej uwagi zaczyna się smak: zależy ci dość, by dostrzegać różnice, które inni po prostu przeskakują.
Weź przykład z klientem. Kiedyś napisałbyś notkę opisującą problem, odesłał ją innemu zespołowi i umył ręce. Dziś możesz sięgnąć po AI i zbudować interaktywny przewodnik albo wstępną wersję lepszego wprowadzenia dla nowych użytkowników. Możesz coś z tym zrobić — masz coś, czego współpracownik albo klient może spróbować. Wyjawiają się przy tym szczegóły, których nie było w samej skardze: może klient rozumie wyjaśnienie, ale nie wie, który wariant go dotyczy; może kolejność kroków jest zła. Kiedy coś trafia przed oczy odbiorcy, twoje rozumienie ma szansę się sprecyzować. Możesz wcielić swój gust i zamiar w czyn i zobaczyć, co z tego wyjdzie.
AI bywa w tym pomocne. Podpowie podejście, o którym nie pomyślałeś. Wyjaśni, czemu działa projekt, który podziwiasz. Twój własny smak może się rozwinąć dzięki tej współpracy — i ten wątek jest moim zdaniem niedoceniany, kiedy rozmawiamy o guście. Uczysz się szybciej zarówno z pracy, którą robisz, jak i z inteligencji, która pomaga ci ją robić.
Moje oczekiwanie na 2027 rok: coraz więcej osób najbliżej problemu będzie mogło powiedzieć „do diabła, zrobię to sam” i stworzyć działające rozwiązanie. Osoba z obsługi klienta, z operacji, ekspert merytoryczny, który od lat powtarza, że coś można by zrobić lepiej — wszyscy będziecie mieli więcej sposobów, by pokazać, co macie na myśli. Po prostu zrobicie to.
To zmienia też to, co warto pielęgnować w zespole. Gdy kogoś szczerze uwiera frustrujący fragment pracy, dajcie mu szansę pokazać lepszą wersję. Jego pierwsza próba może ujawnić okazję, której żadne spotkanie poświęcone problemowi nie odkryje — bo ta osoba jest do niego najbliżej. A jeśli to jesteś ty — a większość z nas ma coś, do czego jest tak blisko — wybierz coś konkretnego. Wyjaśnienie, które zawsze plątało ludziom w głowach. Raport, który nigdy nie odpowiada na pytanie. Cokolwiek doprowadza cię do szału, spróbuj zrobić alternatywę. Zobaczysz, ile z twojej opinii ma realną wartość, uruchomisz pętlę zwrotną i wyostrzysz swój gust. Tak właśnie rozwinąłbym smak w 2027 roku: podeprzyj się pasją, przenieś swoje standardy na konkrety i zapętl informację zwrotną, którą da się podtrzymywać.
Wniosek 2. Sprawczość — przejrzyj to, co uznajesz za możliwe
Sprawczość to zdolność do inicjatywy — do działania w sprawach, na które masz wpływ. W styczniu, kiedy pisałem o wysokiej sprawczości, podkreślałem odległość między obietnicą, że coś zrobisz, a faktycznym zrobieniem tego. Nazwałem to wskaźnikiem słowo–czyn (ang. say-do ratio). Możesz spędzić mnóstwo czasu na zafascynowaniu projektem, rozmowach o nim, zbieraniu materiałów i przygotowaniach do startu — i nic nie zrobić. AI pomaga w tych fragmentach, które wcześniej cię zatrzymywały, i dostarcza niemal nieograniczonej liczby planów (one uwielbiają planować). Ale gotowość na poważną próbę? To już wyłącznie twoja spraca.
Ważna zmiana dotyczy nie tego, co cię ogranicza — właśnie to się w tym roku przesunęło. Rozumiesz problem, ale jego rozwiązanie wymagało pół roku czyjejś pracy? Może już nie wymagać. Potrzebowałeś dostępu do jakiegoś specjalisty? Może już nie potrzebujesz. Gdy AI pomaga ci wykonać dość dużo samodzielnie, dźwignia spoczywa na tobie. Twoja gotowość do działania ma dziś znacznie bardziej bezpośredni wpływ na to, czy problemy zostaną rozwiązane, niż miała rok temu. Właśnie to mam na myśli, mówiąc, że AI poszerza zasięg i siłę tych umiejętności: ta sama inicjatywa ma dziś o wiele większy zapas mocy za sobą. Przełożenie zamiaru na skutek to już twoje zadanie.
Ten rok zmienił też moje myślenie o gotowości. W sierpniu posłużyłem się przykładem szefa sprzedaży, który chciał lepiej rozumieć, które transakcje wymagają uwagi. Nie umiał z góry opisać całego systemu — jak większość ludzi na tym stanowisku. Agent może przygotować zgrubną pierwszą wersję: na przykład oznaczyć transakcje bez żadnej aktywności od czternastu dni. I patrzysz na to, a tu nagle zdajesz sobie sprawę: nie, to nie jest sygnał, którego szukam. Naprawdę martwi mnie ta umowa, która od dziesięciu dni leży u prawników bez wyznaczonego kolejnego kroku — to mnie frustruje. Inaczej mówiąc: pierwsza wersja wydobywa z ciebie wiedzę, o której nie wiedziałeś, że ją masz — była w tobie, tylko nie umiałeś jej wyrazić. Widok niedoskonałej próby może więc paradoksalnie pomóc ci zacząć działać.
Dużo akcentowałem, jak trudno powiedzieć dokładnie, czego się chce. Ale ten rok nauczył mnie, że taką jasność można rozwijać w trakcie iteracji z AI. Budowanie pomaga odnaleźć plan. Działaj — to ważne zwłaszcza, jeśli czekałeś, aż zrozumiesz każdy krok. Nie rób tego. Pierwsza użyteczna próba jest na wyciągnięcie ręki.
Mój apel na 2027 rok: pozwól sobie poszerzyć zakres tego, co próbujesz zrobić. Uświadom sobie, że to, co dla ciebie możliwe, będzie w nadchodzącym roku rosnąć z miesiąca na miesiąc. Masz szansę to dostrzec i powiedzieć: podnoszę poprzeczkę. Celuję wyżej. Idę po coś większego. Mogę wpływać na biznes bezpośrednio, jak nigdy dotąd. Niezależnie od tego, czy działasz samodzielnie, czy prowadzisz zespół, sprawczość będzie się dla ciebie skalować. Wróć do projektów, które leżą odłogiem, i zapytaj: co mnie blokuje? Dlaczego nie mogę zacząć? Dlaczego nie mogę zacząć? — a plan dopracujesz po drodze. Masz tu okazję ćwiczyć sprawczość z realnymi konsekwencjami, która rośnie z każdym miesiącem. Spróbuj, zobacz, co ta próba ci ujawni, i pozwól, by to doświadczenie zmieniło twoją następną decyzję.
Wniosek 3. Koncentracja — im więcej możliwości, tym ostrzejszy wybór
Skup wysiłek wtedy, gdy mnożą się możliwości. Wiem, że to trochę pod prąd. Znamienite nazwiska ze świata AI powtarzają, że możemy próbować wielu rzeczy naraz, bo AI nam na to pozwala. I rzeczywiście można — ale to nie znaczy, że mnożąc przedsięwzięcia, maksymalizujesz swoją dźwignię. W świecie, który przekonuje cię, że wszystko jest osiągalne, skupienie ma ogromną wartość. Koncentracja i determinacja pozwalają włożyć w jedno przedsięwzięcie więcej siły, więcej zamiaru, więcej pasji.
W kwietniu zeszłego roku pisałem do firm o strategii: musicie zrozumieć problem, wybrać miejsce koncentracji, podejmować działania, które wzajemnie się wzmacniają. To się wszystko zgadza. Ale im dłużej myślę o strategii w czasach AI, tym wyraźniej widzę, że do każdego planu strategicznego musi dojść intensywność skupienia. Trzeba rzucić się na coś — jak w baseballu, kiedy obsadza się kolejne bazy — i być zdecydowanym doprowadzić właśnie tę jedną rzecz do końca. W rozmowach o AI ten element jest moim zdaniem niedoceniany. Ile trwałej uwagi potrafisz poświęcić problemowi? Jak długo utrzymasz zainteresowanie czymś trudnym i nudnym? Jak bardzo ci zależy, by doprowadzić to do samego końca? Będziesz mieć do dyspozycji najlepsze narzędzia świata: to, czym dziś dysponują wyłącznie OpenAI i Anthropic, za rok zmieści się nam w kieszeni.
Dlatego moja rada: stawaj się bardziej wymagający, skoro coraz mniej pomysłów odpada z powodu kosztu próby. Miej wyższe standardy. Bądź nieprzejednany wobec byle jakich wytworów, z pasją przepychaj rzeczy do końca, z pasją doprowadzaj do tego, żeby powstało dokładnie to, co trzeba — i odcisnął swoje piętno, bo maniakalnie skupiasz się na jednym i nie spuszczasz go z oka. To rzadkość.
(Informacja dodatkowa: w oryginale pojawia się określenie „anti-slop” — „slop” to żargonowa nazwa masowo generowanych przez AI treści niskiej jakości.)
Rozważ dwie osoby z tymi samymi narzędziami AI — choć tak naprawdę nie musisz, bo mamy je dziś wszyscy. Jedna spędzi miesiąc, zaczynając piętna projektów i porzucając każdy, gdy robi się niewygodnie: to znany syndrom porzuconych projektów z klimatów „vibe codingu”. Druga wybierze problem klienta i skupi się na nim jak laser. U tej drugiej uwaga ma się gdzie kumulować i na czym budować: lepiej rozumie problem, a inni zdążają już odczuwać korzyści z jej pracy i przekazują jej uwagi.
Możesz mieć szerokie zainteresowania i mimo to wybrać skupienie. Eksploracja wielu kierunków bywa dobra, żeby w ogóle znaleźć problem — ale kiedy już coś wybierzesz, korzyści z koncentracji będą w 2027 roku nieproporcjonalnie duże. To będzie miało znaczenie.
(Informacja dodatkowa: „vibe coding” — tworzenie oprogramowania głównie poprzez rozmowę z modelem AI, bez wgłębiania się w kod; termin spopularyzował Andrej Karpathy.)
AI potrafi też sprawić, że rozproszenie wygląda na niezwykle produktywne. Mogę ci zagwarantować, że do końca dnia możesz mieć całą stertę prototypów, trzy plany i bardzo dopracowaną wersję testową pomysłu, o którym rano nie myślałeś. Wszystko zrobione „poprawnie”. Tylko ile z tej pracy zaszło wystarczająco daleko, by cokolwiek komuś zmienić?
Oczekuję, że w 2027 roku decydowanie, gdzie się skoncentrować, będzie coraz większą częścią przywództwa. Zespół może przynieść ci w przyszłym roku więcej wiarygodnych propozycji niż kiedykolwiek — i niezależnie od tego, czy działasz indywidualnie, czy inspirujesz innych, czy zarządzasz ludźmi, wybór punktu skupienia będzie miał coraz większe znaczenie. Jeśli będziesz stale dokładać projekty, bo każdy wygląda coraz łatwiej, łatwo pochłoniesz cały nadmiar mocy, który daje AI — i wciąż zostawisz najważniejszą pracę niedokończoną.
Rozważając więc nową okazję, pytaj: co zasługuje na moją uwagę? Przy czym będę pracować dalej, kiedy przestanie być ekscytujące? Co jestem gotów zostawić w spokoju, żeby skupić się na tym, co ważne? To decyzje o tym, jak spędzisz życie i jak zespół spędzi swój czas. AI nadaje im o wiele większą wagę, bo z tą praktyczną siłą można zrobić o wiele więcej.
Wniosek 4. Zaradność — oswój się z całością projektu
Zaradność to umiejętność znalezienia drogi, kiedy nie wiesz, jak iść dalej. To kombinatorska odwaga, zakasywanie rękawów i grzebanie w szczegółach. Zeszłego roku, pisząc o smaku, opisywałem ludzi jako elastycznych użytkowników narzędzi — i uważam to za świetny opis nas jako gatunku.
W tym roku osoby budujące na OpenBrain, systemie zarządzania wiedzą, który udostępniłem, dały mi konkretny przykład, jak ta elastyczność wygląda w praktyce. Polecałem połączenie Slacka, Notion, Zapiera i modelu AI. Ludzie zaczęli przysyłać własne warianty i integracje: jeden użył Discorda, drugi wplótł wszystko w Obsidian, trzeci w MacWhisper, jeszcze ktoś działał w ramach oprogramowania dozwolonego w jego organizacji. Niezależnie od wyboru, każdy rozumiał, po co system istnieje: zbierać informacje i oddawać je do użyciu wtedy, kiedy są potrzebne. To zrozumienie pozwoliło im podmieniać elementy tak, by pasowały do ich warunków. A gdy utykali, pytali w społeczności innych, którzy mierzyli się z podobnymi przeszkodami, i wspólnie z AI wdrażali kolejny krok. Ja dałem tylko punkt startowy — oni znaleźli sposoby, by dopasować pomysł do własnych okoliczności.
(Informacja dodatkowa: OpenBrain to system zarządzania osobistą wiedzą, opisany wcześniej przez autora — wariant popularnej metody „drugiego mózgu”.)
To doświadczenie dobrze pokazuje, dlaczego stawiam na zaradność w 2027 roku. Narzędzia będą się zmieniać dalej. Nie powiem ci, jak będzie wyglądał model w 2027 roku — poza tym, że będzie lepszy. Umiejętność przeprowadzenia się przez nieznany teren pozostanie użyteczna niezależnie od tych zmian. Spodziewam się, że więcej ludzi podejmie projekty z fragmentami, których jeszcze nie znają — bo wiedzę będzie można zdobywać niemal na moment przed tym, jak stanie się potrzebna. Każdy z nas tak może. Kolejny projekt staje się możliwy częściowo dzięki temu, czego nauczyło nas dokończenie poprzedniego. AI fundamentalnie zmienia też to, jak wygląda bycie początkującym: wklej zagadkowy komunikat błędu z projektu, nad którym pracujesz, poproś o wyjaśnienie, co się dzieje, zapytaj, czy nie ma prostszego podejścia. Wyjaśnienie ma się gdzie zatrzymać, bo masz przed sobą coś, na czym ci zależy. To znów spina się ze skupieniem i zamiarem: jeśli ci zależy, będziesz kombinować i użyjesz AI, żeby dojść do celu.
Dla lidera wynika z tego rzecz niewygodna: lista umiejętności w czyimś CV powie coraz mniej o tym, jak pomocna ta osoba będzie w 2027 roku. Zwracaj uwagę na to, jak ludzie podchodzą do nieznanych problemów. Czy trafiają w użyteczne pytanie? Czy zmieniają ujęcie problemu? Czy wracają z kolejną próbą, podjętą samodzielnie? Jak przesuwają pracę do przodu, gdy nic nie jest jasne? Możesz to ćwiczyć także na sobie: wybierz coś wartościowego, trudnego dla ciebie i jeszcze niezrozumiałego. Naucz się tyle, by móc to obgryzać i posuwać naprzód. Za każdym razem zbierasz dowody, co działa, a co nie — i możesz zacząć podnosić aspiracje.
Wniosek 5. Doprowadzanie do końca — zostań, aż ktoś odniesie korzyść
Dokończ pracę tak, żeby ktoś na niej naprawdę zyskał. Koniec z prototypami. Doprowadzenie do końca oznacza zrobienie tego, co przyrzekłeś, i upewnienie się, że pomaga to osobie, dla której było przeznaczone. We wrześniu zeszłego roku pisałem o wdrażaniu AI w kontekście ulepszania firmy — ta zasada nadal obowiązuje. Zmieniło się natomiast to, jak dużą użyteczną część roboty jest w stanie unieść jedna osoba. Mówiłem o podnoszeniu poprzeczki ambicji. Jesteśmy coraz lepsi w rozpoczynaniu rzeczy z AI: pierwsza wersja pojawia się błyskawicznie, dobrze wygląda i daje przedsmak finalnego efektu — to właśnie „vibe coding”. A potem trzeba zostać przy tym wystarczająco długo, żeby zaczęło naprawdę znaczyć dla kogoś.
Wróćmy do przykładu z obsługą klienta. Zależało ci na usunięciu zamieszania, zrobiłeś lepszy przewodnik. Teraz nowy klient musi faktycznie przejść przez fragment, który wcześniej go gubił. Może przewodnik powinien pojawiać się wcześniej. Może współpracownik powinien zmienić sposób przekazania sprawy. Może wyjaśnienie wciąż opiera się na założeniu, którego klient nie ogarnia. Byłem w takich pokojach i wiem, jak to wygląda. W takiej sytuacji doprowadzenie do końca to powrót do problemu i pytanie: dobrze, coś wypuściłem — ale czy klient naprawdę rozumie? Czy to naprawdę pomogło? To właśnie dokończenie łączy rzecz, którą zrobiłeś, z czymś, na czym odbiorcy naprawdę zależy.
Podobnie jest z szefem sprzedaży: musi naprawdę zmienić sposób mierzenia lejka tak, żeby było mu z tego użytek. Sama burza mózgów z AI nie wystarczy. Zastanów się, co ta zasada znaczy dla zobowiązań, które składasz ludziom. Kiedyś mogłeś zaoferować analizę albo rekomendację. Teraz możesz pójść dalej: dostarczyć coś, co naprawdę działa i naprawdę pomaga ludziom zrobić coś, czego wcześniej nie potrafili — i pozostać w grze, gdy odkrywają, co jeszcze wymaga poprawy, przekazują ci uwagi i pomagają ci się doskonalić. Twoja możliwość wpływania na to, jak ludzie rozwiązują problemy, właśnie wzrosła — a to znaczy, że wzrosła też wartość doprowadzania spraw do końca.
Trzeba się przyłożyć, by zrozumieć, czego odbiorca twojej pracy naprawdę potrzebuje, i by utrzymać zainteresowanie także wtedy, gdy już wykazałeś, że pomysł jest wykonalny. Ten wysiłek uwagi i troski często rozstrzyga, czy ludzie cieszą się, że to ty wziąłeś projekt na siebie, czy jest to po prostu kolejna inicjatywa, która trafia na cmentarzysko porzuconych spraw.
Moje oczekiwanie na 2027 rok: efektowne pierwsze wersje przestaną robić wrażenie — będą czymś zwyczajnym. Ludzie będą mieli ich więcej, niż będą wiedzieli, co z nimi począć. Osoba, która wielokrotnie doprowadza taki start do szczęśliwego końca, zyska zaufanie zupełnie innego rodzaju. Jeśli prowadzisz zespół, wiesz, jak ono smakuje: ktoś bierze problem i naprawdę go kończy, i naprawdę rozwiązuje. To będzie bezcenne. Tego zaangażowania uczysz się, patrząc na innych — oraz z tego, że pozostajesz uważny i pełen pasji wobec problemów, na których ci zależy, i wybierasz działanie nawet wtedy, gdy jest nudne.
Zanim zaczniesz kolejny projekt, zapytaj siebie: dla kogo to jest? Co ta osoba będzie mogła dzięki temu robić lepiej? Co musiałbym zrobić, żeby mieć pewność, że wykonałem całą robotę? Nie wiem, jak to wygląda w twoim przypadku. Widziałem mnóstwo przykładów w programowaniu, w zarządzaniu produktem, w obsłudze klienta. Zwykle wyglądają tak, że wychodzi się poza granice swojego stanowiska. Rozmawiałem z inżynierami, którzy mówią: „wszedł na produkcję — koniec mojej roboty”. Lepsi inżynierowie wiedzą, że to nie koniec. Wiedzą, że mają stworzyć program, który jest ludziom naprawdę użyteczny. A taki zamiar jest dziś znacznie cenniejszy. Oznacza, że naprawdę ci zależy — w świecie, w którym mnóstwo ludzi używa AI jako zamiennika troski. To odwrotność e-maili pisanych przez AI, których nikt nie czyta. To wybór, by dbać o to, jak twoja praca wpływa na ludzi. To ma w 2027 roku największą dźwignię. Na tym się skup. To właśnie nazywam doprowadzaniem do końca.
Piątka, która działa jako całość
Te umiejętności łączą się w jedną całość: smak, sprawczość, koncentracja, zaradność i doprowadzanie do końca. Jeśli czujesz między nimi więź — słusznie. Razem pozwalają ci rozpoznać wartościowe ulepszenia, rzucić się na nie, dać im trwałą uwagę, po drodze nauczyć się tego, czego trzeba, i doprowadzić rezultat do samego końca. To zestaw kompetencji, który rozwinąłbym na 2027 rok.
Spodziewam się, że coraz większa część drogi między pomysłem a użytecznym rezultatem stanie się dostępna dla każdego z nas — dla każdego, kto rozumie problem i chce przy nim zostać, niezależnie od branży. Nie powiem ci, który konkretnie projekt stanie się dla ciebie wykonalny, ale mogę powiedzieć, że te pięć umiejętności zostanie z nami. Jestem tego głęboko pewien.
AI rozszerzyło nasze możliwości szybciej, niż wielu z nas zdążyło zmienić to, na co odważa się próbować. Poświęć więc chwilę: spójrz na plany i zawodowe marzenia na kolejny rok. Przypomnij sobie projekt, który nosiłeś w głowie od dawna, a potem pomyśl o tym zestawie kompetencji — o pięciu umiejętnościach, o których rozmawialiśmy. Daj sobie szansę odkryć, czy potrafisz więcej, niż myślałeś, i czy umiesz naprawdę przejść całą drogę i dostarczyć efekt. Daj znać, co planujesz zbudować — z ciekawością przeczytam komentarze.