O czym jest ten film
- Gość, działający w AI od 1990 roku po obu stronach Pacyfiku (Intel, MIT, Stanford HAI, waszyngtoński think tank), główną bolączką branży uznaje przekonanie o „wyścigu zbrojeń AI” — bo nie ma mety, jednego zwycięzcy ani gry o sumie zerowej.
- Jak z elektryfikacją: nikt nie wygrał „wyścigu o prąd”, wszyscy go dostali; otwartoźródłowe modele o malejących rozmiarach czynią inteligencję wszechobecną i praktycznie darmową.
- Do konkretnych zastosowań (np. odkrywanie leków) wystarczają małe, wyspecjalizowane modele, a nie bilionowe giganty — za to rynek zaniósł kapitał w centra danych.
- Gość ostrzega przed bańką: ok. 3 bln USD zobowiązań pozabilansowych hiperskalerów wobec 1,6 bln długu subprime w 2008 r., 45% indeksu S&P 500 w spółkach AI, wskaźnik Buffetta na poziomie 240%.
- Młodzi (20–25 lat) w branżach eksponowanych na AI tracą ok. 19% wynagrodzeń względem starszych roczników; radzi profil „w kształcie litery T” i przejście pełnych cykli życia produktu.
- Prawdziwym zagrożeniem nie są państwa, lecz aktorzy niepaństwowi — w cyberbezpieczeństwie, biotechnologii i chemii (małe modele potrafią projektować broń chemiczną na laptopie).
- Branża AI stosuje według gościa „podręcznik” kompleksu wojskowo-przemysłowego: wzbudź strach przed wielkim wrogiem, a potem sprzedaj siebie jako jedyne rozwiązanie — stąd setki milionów dolarów na lobbing.
- Dwa scenariusze dekady: mroczny (wojny jako „zatrudnienie” przesiedlonych, krach bańki) i jasny (kryzys ekonomiczny jako katalizator współpracy USA–Chiny, „plan Marshalla” dla Globalnego Południa, więcej czasu na życie rodzinne).
- Robotyka najpierw zdominuje fabryki — i wcale nie musi być humanoidalna (Unitree sprzedaje więcej konstrukcji półkorpusowych niż pełnych).
- Wniosek o obfitości: korzyści z AI w dużej mierze nie mieszczą się w PKB (darmowy „prawnik najwyższej klasy”), a wzorcem społecznym może być ekonomia daru znana z Burning Man i wizja „Star Treka”.
Redakcyjne tłumaczenie
Zapowiedź odcinka
Alvin: Zdumiewa mnie, jak wielką barierą jest zwykła niechęć. Rozmawiam z wieloma ludźmi w korporacjach i słyszę: „Inżynierowie niech się cieszą swoim Codexem — to ich sprawa. Ale ja nie zamierzam zamieniać całej firmy w programistów, mam w biznesie inne rzeczy na głowie”.
Nate: Spójrz na najbliższe dziesięć lat i nakreśl mi dwie drogi: tę pomyślną, prowadzącą do sprawniej działającego społeczeństwa — i tę ciemniejszą.
Alvin: Wiesz… wyścigu o elektryczność nikt nie wygrał, prawda?
Nate: Wszyscy dostaliśmy prąd.
Alvin: No właśnie. I właśnie dlatego mam mroczne przeczucia: jeśli wasz produkt jest aż tak dobry, to po co wam aż tyle lobbingu?
Nate: Brzmi jak samo AI, które tworzymy. W zasadzie nie musimy czekać na życzliwość obcej cywilizacji — sami budujemy jedyną obcą cywilizację, jaką znamy.
Nate: Mam dziś coś wyjątkowego. Od dawna szukałem kogoś, kto porozmawia o USA, Chinach i AI, nie stając po żadnej ze stron — i wreszcie takiego człowieka znalazłem. Mój gość działa w branży AI od 1990 roku, po obu brzegach Pacyfiku. Takiej perspektywy nie spotkałem nigdzie indziej — i twierdzi on, że wyścig zbrojeń wcale nie istnieje. Zostańcie z nami, będzie ciekawie.
(Informacja dodatkowa: transkrypt automatyczny zniekształcił nazwisko rozmówcy — chodzi o Alvina Graylina, wieloletniego menedżera branży technologicznej działającego w USA i w Chinach, komentatora relacji amerykańsko-chińskich w obszarze AI.)
Kim jest gość
Nate: Alvin, jesteś u nas po raz pierwszy. Zacznij od tego, kim jesteś, jak trafiłeś do AI i czym zajmujesz się dziś.
Alvin: Dzięki za zaproszenie. W technologii siedzę od 1980 roku i od tamtej czasu programuję. Z AI związałem się około 1990 roku — budowałem sieci neuronowe, lutowałem własne płytki, zajmowałem się przetwarzaniem języka naturalnego. Przeszedłem w sumie cały stos technologiczny: od centrów danych, przez projektowanie chipów i urządzenia, po aplikacje i modele. Sporo więc widziałem. W Intelu pracowałem przy chipie, który jako pierwszy realizował schemat „jedna instrukcja, wiele danych” — SIMD, czyli technologię, na której opierają się dzisiejsze GPU. Nazywał się MMX.
(Informacja dodatkowa: SIMD — single instruction, multiple data — sposób przetwarzania danych równolegle, po kluczu jednej instrukcji; fundament nowoczesnych układów graficznych.)
Alvin: Działałem po obu stronach Pacyfiku. Studiowałem na University of Washington, informatykę skończyłem w MIT, a niedawno zrobiłem tam także MBA. Właśnie przeszedłem z przemysłu do akademii: prowadzę badania w Stanford, w Instytucie Human-Centered AI, a od zimy będę wykładał na University of Washington o polityce AI i technologii. Poza tym pracuję w waszyngtońskim think tanku, doradzając rządowym decydentom, jak podejmować w tych obszarach lepsze decyzje.
Największe nieporozumienie: „wyścig zbrojeń”
Nate: W świecie, w którym się obracasz, jakie jest — twoim zdaniem — największe nieporozumienie wokół AI, z którym walczysz, żeby wyjaśniać ludziom rzecz po rzeczy?
Alvin: Myślę, że problem numer jeden, sedno całego zamieszania, z którego wynikają obecnie złe decyzje, to przekonanie o istnieniu wyścigu zbrojeń AI. I towarzysząca mu fantazja, że gdzieś tam jest meta, że będzie jeden zwycięzca, który zabierze wszystko, i że świat działa według logiki gry o sumie zerowej. Nic z tego nie jest prawdą. Gdy ludzie to w końcu pojmą, okaże się, że wszystko, co robiliśmy — zarówno w przemyśle, jak i w bezpieczeństwie narodowym — to marnotrawienie zasobów. Ta rywalizacja uniemożliwia nam też uczynienie tych produktów i technologii bezpieczniejszymi.
Nate: Bo wyścigu o elektryfikację nikt nie wygrał, prawda? Prąd dostali wszyscy. I w wielu wymiarach mechanizm jest ten sam: nie da się zabronić ludziom korzystania z elektryczności — i nie da się zabronić im korzystania z AI.
Alvin: To w końcu oprogramowanie, a oprogramowania nie da się zamknąć w sejfie. Z natury rozchodzi się wszędzie i nie ma sposobu, by powstrzymać jego dystrybucję — zwłaszcza teraz, gdy mamy modele open source i modele o otwartych wagach. Taki model jest mały, ma nową architekturę i działa na jednym Macu Studio, podczas gdy zamknięce odpowiedniki chodzą na szafach rackowych, z których każda kosztuje miliony dolarów. To komodytyzuje wysoką jakość inteligencji — i uważam to za rzecz dobrą. Chyba że jest się jedną z kilku spółek żyjących z grubych marż; dla wszystkich pozostałych to zysk.
Nate: Wierzysz w przyszłość, w której inteligencja jest wszechobecna…
Alvin: …i w zasadzie darmowa. Dziś wystarczy do niej komputer — Mac Studio. Za kilka miesięcy ktoś skwantyzuje ten model i pójdzie na laptopie; jeszcze pół roku i uruchomi się na telefonie. A poziom tych systemów już dziś jest zdumiewający — wyższy, niż większość ludzi potrafi wykorzystać przez większość czasu.
(Informacja dodatkowa: kwantyzacja — zmniejszenie precyzji zapisu wag modelu, dzięki czemu staje się on lżejszy i da się go uruchamiać na zwykłym sprzęcie.)
Nate: Czyli będzie wszędzie…
Alvin: I nie da się jej zgromadzić ani zmonopolizować, choć kilka firm próbowałoby — ale to działa wbrew naturze rzeczy. Wtedy pytanie brzmi: masz tę inteligencję — co z nią zrobisz? To pytanie stanie przed każdym z nas, tylko w różnym nasileniu. I wracamy do tego, o czym mówiliśmy wcześniej: użyjemy jej jako broni, czy jako narzędzia, które społeczeństwu coś daje? Pozwolimy jej pomagać w poszukiwaniu nowych materiałów, oszczędzaniu energii, lepszej edukacji dzieci, diagnozowaniu chorób? Kilka miesięcy temu byłem w Chinach i rozmawiałem z jednym z czołowych przedsiębiorstw zajmujących się odkrywaniem leków. Powiedzieli mi: „Owszem, używamy AI bez przerwy — ale nie modelu z bilionem parametrów, tylko dziesięciomiliardowego, wyspecjalizowanego w chorobie, nad którą właśnie pracujemy”.
Za duże modele, za wielkie zakłady
Alvin: I tu dochodzimy do kolejnego błędnego przekonania: ludzie myślą, że wyścig polega na budowaniu największego modelu, superinteligentnego, i że właśnie on wyleczy raka. Tymczasem prawdziwe pytanie brzmi: czy potrafimy wykorzystywać efektywnościowe skoki, które pojawiają się co rusz, żeby lepiej spożytkować to, co już mamy — i część pieniędzy wpompowywanych dziś w centra danych skierować na lepsze szpitale, drogi i elektrownie? Tego społeczeństwo potrzebuje. Obecny układ to nadmierna koncentracja i nadmierne uzależnienie od jednego obszaru. A co, jeśli rentowność nie zmaterializuje się w skali, jakiej oczekują inwestorzy? Jak wtedy spłaci się te zobowiązania? Kilka tygodni temu „Wall Street Journal” opublikował materiał o około 3 bilionach dolarów pozabilansowych długów i zobowiązań samych największych amerykańskich hiperskalerów. W szczycie bańki kredytów subprime było tego 1,6 biliona. Mam wrażenie, że strzelamy sobie w kolano i czynimy gospodarkę wyjątkowo kruchą. To mnie dziś przeraża — i o tym właśnie mówię decydentom.
Młodzi pierwsi płacą cenę
Nate: Do tego dochodzą przemieszczenia na rynku pracy — nie wiem, czy w pełni zgadzamy się co do tempa, miejsc i szybkości, z jaką sytuacja się rozwiąże…
Alvin: A w Ameryce nie mamy w zasadzie żadnej sieci bezpieczeństwa socjalnego. Zasiłek dla bezrobotnych istnieje, ale szybko się kończy i nie wystarcza na życie. Widać to już dziś u młodych. Według badania Stanfordu z zeszłego roku, niedawno odświeżonego, trend się utrzymuje: osoby w wieku 20–25 lat w branżach eksponowanych na AI mają wynagrodzenia o jakieś 19 procent niższe, niż wynikałoby z porównania z innymi grupami wiekowymi. Starsi pracownicy rosną w dotychczasowym tempie, a juniorzy są cięci — albo wcale nie zatrudniani. Firma myśli: po co nam młodzi, skoro AI zrobi dużą część tego, co dawniej robili oni.
Nate: Ciekawe, co się stanie, gdy zestawimy te dane z tym, co pokazują firmy pokroju Stripe — z lawinowo rosnącą liczbą zakładanych przedsiębiorstw. Przedsiębiorczość przeżywa rozkwit. Jak ten obraz się dla ciebie składa?
Alvin: Przypomnij sobie lata 1998–2000 i skok zatrudnienia. Pamiętasz „koderów HTML”, którzy po tygodniowym kursie dostawali sześciocyfrowe pensje? A potem zobacz, co działo się w latach 2001–2005 — większość tych miejsc zniknęła. To nie znaczy, że zapotrzebowania nie ma. AI realnie wdrożyło dotąd około 20 procent firm, a dobrze zrobiło to może 5 procent. Jest więc przestrzeń do wprowadzania AI do procesów biznesowych. Większość nie umie jeszcze wydobywać z tego wartości, dlatego zwolnień grupowych na razie nie widać. Za to spółki, które to umożliwiają — odważę się wskazać „sprzedawców łopat” — przeżywają dziś pierwszy boom. I faktycznie: jeśli porównamy kapitalizację giełdową z łącznymi wynagrodzeniami w gospodarce, płace spadają nieprzerwanie od 2023 roku. Suma wynagrodzeń w Ameryce idzie w dół, giełda w górę. Po raz pierwszy w historii te dwie krzywe nie biegną razem.
Nate: Dla mnie to sygnał realnego problemu. Do tego wskaźnik aktywności zawodowej spada…
Alvin: Spadał jeszcze przed AI, ale trend trwa. To po prostu obraz automatyzacji — i w produkcji, i w pracy biurowej.
Czego radzić młodym: szerokość plus głębokość
Nate: Mając ten kontekst — co mówisz młodym ludziom? Przecież uczysz studentów, a to już pokolenie Z.
Alvin: Jest im trudno — nawet na MIT, Stanford czy University of Washington, czyli bardzo dobrych uczelniach, młodzi ledwo znajdują zajęcie. Mówię im: nie koncentrujcie się na konkretnym stanowisku, które chcecie zdobyć. Zbierajcie możliwie szerokie doświadczenie — budujcie profil w kształcie litery T: wiedzcie trochę o wielu rzeczach, a jedną róbcie naprawdę głęboko — i to nie „teoretycznie”, lecz tak, żebyście coś zbudowali. Bo gdy przejdziecie cały proces — projektowanie, budowa, wdrożenie, a na końcu nawet wycofanie produktu z rynku — zrozumiecie, jak rzeczy działają w prawdziwym świecie, niezależnie od branży. Nawet za darmo: oddajcie wakacje na wolontariat, żeby przejść pełne cykle życia produktu. I czytajcie historię, filozofię, psychologię, socjologię, zarządzanie — wszystko, co daje szerokość rozumienia i pozwala dostrzegać związki między rzeczami. Tego niestety odebrał nam system edukacji: kazano nam się specjalizować. A dziś wąski specjalista wnosi niewiele ponad to, co daje AI. Nawet odpowiedzi modelu nie umiesz ocenić ani skrytykować — więc je po prostu przyjmujesz. A jeśli tak, to po co w ogóle jesteś?
Nate: Jesteś tylko pieczątką przyklejaną do wydruków AI.
Alvin: Właśnie. Są i tacy, którzy mówią, że stajesz się wartością ujemną: firma płaci ci za parafowanie tego, co zrobił model. W końcu ktoś to zauważy — i ciebie już nie będzie.
Nate: To się zgadza z tym, co widzę w firmach i o czym rozmawiam z młodymi. Potrzebna jest umiejętność szybkiego porządkowania i rozpoznawania wzorców na bardzo szerokim materiale — ta twoja szeroka lektura — a zarazem głębokie zrozumienie, jak coś zbudować, uruchomić, zoptymalizować, na końcu wycofać i wynieść wnioski gdzie indziej. Praca, która to łączy — wielowymiarowa, wymagająca wiązania wielu wątków — wydaje się trendem odpornym na rosnącą inteligencję modeli.
Alvin: Doświadczenie „z ulicy” wnosi dziś więcej wartości. Jest taki żart: jak najszybciej przeskocz do drugiego startupu, bo pierwszy i tak zmarnujesz okropnie — to startup uczący.
Nate: Albo w pierwszym startupie ucz się od kogoś, kto już to robił, zamiast popełniać wszystkie błędy samemu. Wolę tę wersję — nie każdy przecież musi być prezesem.
Alvin: I nie każdy się na prezesa nadaje.
Nate: Często mówię: jeśli tego naprawdę chcesz, to wszystkie te wymieniane cechy przywódcze niewiele znaczą bez odporności na lata przykrości, bólu i porażek — a tej trzeba mieć po za skalą.
Alvin: I właśnie tego młodym Amerykanom brakuje — zostali zbyt rozpieszczeni. Sam robię to samo własnym dzieciom, więc i mnie to dotyczy. Wyrastali w zbyt spokojnych czasach: wszystko rosło, wszystko mieli pod dostatkiem, nigdy nie zaznali cierpienia. Ja pochodzę z kultury azjatyckiej, a tam jest takie powiedzenie: umieć „jeść gorycz” — to znak wzrastania. Trzeba się nauczyć przełykać gorzkie. Dzisiejsza młodzież, zwłaszcza ta, która nie podróżowała po świecie, nie wie, jak żyje reszta globu.
Nate: Bardzo to do mnie trafia. W latach 90. byłem w Indonezji, w samym środku azjatyckiego cudu gospodarczego. Widziałem ludzi, którzy poświęcali wszystko, by posłać dzieci do szkoły, którzy jechali do Dżakarty za pracą i brali nadgodziny. Przeciętne gospodarstwo nie miało telewizora ani motocykla, kurczaka jedzono najwyżej raz w tygodniu — a nagle to wszystko zaczęło przychodzić, bo gospodarka odpowiadała na wysiłek milionów ludzi, którzy chcieli sobie poradzić lepiej.
Alvin: Człowiek jest niezwykle odpornym zwierzęciem. Działając razem — i nie tocząc wojen — zdziałaliśmy niesamowite rzeczy. Wojny braku też pomagają: istnieje dywidenda pokoju, a w ostatnich latach, niestety, zdajemy się w niej cofać.
Nate: Ta ludzka odporność to część mojej nadziei. Nie wiem, co przyniesie przyszłość, ale jako gatunek wielokrotnie udowodniliśmy, że potrafimy spojrzeć na nowe wyzwanie, obejrzeć swoje narzędzia i zapytać: jak zareagować inaczej?
Alvin: W długim terminie jesteśmy całkowicie zgodni. Krótkoterminowo ludzie zmieniają się dopiero, gdy zobaczą kryzys. Mam tylko jedno pytanie: jak wielki kryzys jest potrzebny, żeby ludzie się obudzili i zmienili postępowanie?
Na czym świat powinien się porozumieć
Nate: Zejdźmy poziom niżej. Załóżmy, że machnęliśmy czarodziejską różdżką i nagle chcemy współpracować. Na jakich konkretnych sprawach w przestrzeni AI warto się porozumieć międzynarodowo — na tym drugim, trzecim poziomie głębi?
Alvin: Mówimy dziś de facto o rywalizacji USA–Chiny i już wokół niej toczą się rozmowy — miałem szczęście uczestniczyć w części wstępnych przygotowań. Od tego bym zaczął, bo ryzyko jest wspólne i interes także jest wspólny. Nawet w szczycie zimnej wojny USA i ZSRR usiadły do stołu i stwierdziły: może nie budujmy już tylu nowych rakiet balistycznych — skoro 70–80 tysięcy głowic wystarcza, żeby kilkadziesiąt razy zniszczyć świat, zacznijmy je redukować. To była technologia, która służyła wyłącznie jako broń. Tutaj mamy tym więcej powodów, by dbać o bezpieczeństwo — właśnie po to, by korzyści cywilne realnie trafiały do społeczeństw. Jeśli uzgodnimy standardy bezpieczeństwa i protokół komunikacji na wypadek incydentów — coś w rodzaju czerwonego telefonu…
Nate: …a to działało. Było parę momentów w stylu: „to rakieta czy spadający satelita?”. Jeden telefon i sprawa wyjaśniona. Telefon może ratować świat — i zdecydowanie taniej jest zadzwonić niż wystrzelić rakietę, a potem się tłumaczyć.
Alvin: Właśnie. Są to rzeczy, które powinniśmy zrobić po prostu dlatego, że nauczyła nas ich historia. Trzeba też ludziom uświadomić jedno: realne zagrożenie nie leży w relacjach państwo–państwo. Przez 80 lat nikt nie użył broni jądrowej, bo wszyscy rozumieją, że to droga do globalnego zniszczenia — istnieje naturalna równowaga. A z AI? Nawet gdybyś doszedł do superinteligencji, to co z nią zrobisz? Wyłączysz sieci energetyczne, centra danych i system bankowy Chin? I oni będą siedzieć bez ruchu i na to patrzeć? Nie. Skoro tak, to nie to jest zagrożeniem. Zagrożeniem są źli aktorzy — niepaństwowi, którzy każdego dnia planują działania na całym świecie, czy to dla zysku, czy z ideologii. To istnieje i wiemy o tym. A skoro — jak mówiliśmy — modele stają się na tyle małe, że chodzą na laptopie, to nie jest siła państwowa. To siła jednostki. I wobec siły jednostki potrzebne są inne narzędzia. Musimy szybko zrobić z tą technologią to, co robiliśmy z tamtymi: zdolność małych grup do wyrządzenia wielkich szkód, które potrafią destabilizować całe społeczeństwa, albo już istnieje, albo wkrótce będzie. To się dzieje i będzie narastać — i to mówiłem tylko o cyberbezpieczeństwie.
Nate: Nie mówiąc o wymiarze biologicznym i chemicznym…
Alvin: Właśnie — wysłałem ci moją pracę „Większe modele nie są największym zagrożeniem”…
Nate: Tak, dotarła.
Alvin: Pokazujemy w niej, że modele chemiczne liczone w milionach parametrów potrafią w kilka godzin, na laptopie, zaprojektować broń chemiczną. Jak to powstrzymać? Te rzeczy są już publicznie dostępne w otwartym źródle — można je pobrać albo kupić za grosze. Zatem pytanie brzmi: jak pilnować prekursorów chemicznych i jak prowadzić rejestry klientów, by wyłapywać tych, którzy robią coś złego. Robiliśmy to z materiałami wybuchowymi i nawozami…
Nate: …farmacją, opioidami.
Alvin: Dokładnie. Podobnie w biotechnologii: istnieje światowe konsorcjum, dzięki któremu firmy wykonujące syntezę DNA przyglądają się potencjalnie groźnym sekwencjom wirusowym, oznaczają je i nie syntetyzują. Ten mechanizm działa od lat. Ale jeśli teraz powiemy: „nasze maszyny nie będą rozmawiać z waszymi” — Chiny znajdą groźny wzorzec wirusa i nie podzielą się z Ameryką, Ameryka znajdzie i nie podzieli się z Chinami — to nie wygra nikt. Przegramy wszyscy. Bo właśnie wtedy trzeba rozmawiać więcej. Rozdwój systemów tworzy więcej ciemnych nisz, w których chowają się przestępcy.
Nate: A te szczeliny rosną z każdym dniem.
Alvin: Dlatego od tego bym zaczął: nie ma na świecie scenariusza, w którym odmowa współpracy opłaca się bardziej niż współpraca.
Fabryka strachu: podręcznik przemysłu zbrojeniowego
Nate: To prawda. Wokół tego jest mnóstwo nieporozumień — jest sobie przyjęta narracja konfliktu, która sama się napędza i sama wzmacnia. A nie jest wcale tak naturalna, jak wygląda. Scenariusz gry, którym posługuje się dziś branża AI, to podręcznik kompleksu wojskowo-przemysłowego, wypróbowany przez 60–70 lat, od czasów Eisenhowera: znajdź wroga, wykalibruj go na wielkiego i przerażającego, a potem przedstaw siebie jako rozwiązanie tego problemu. Wtedy wszyscy się z tobą solidaryzują, cię wspierają, zdejmują z ciebie regulacyjne ograniczenia — i pozwalają ci dużo zarobić. To w zasadzie to, co działo się w branży AI przez ostatnie cztery–pięć lat. Jeśli wasz produkt jest tak dobry, to po co wam tyle lobbingu?
Alvin: Setki milionów dolarów płyną dziś na lobbystów i komitety PAC, żeby przeforsować własne polityki. Kto jeszcze utrzymuje armię lobbystów? Ubezpieczycze, tytoń, ropa i przemysł zbrojeniowy. Bo wszyscy oni muszą przekonać cię do czegoś, czego sam z siebie byś nie zrobił.
Dwa scenariusze dekady
Nate: Przełączmy nieco bieg. Mówiliśmy o wszechobecnej inteligencji i długoterminowym dobru dla społeczeństwa, ale też o krótkoterminowym bólu — miejsca pracy, jednostkowe wyzwania. Nakreśl mi dwie drogi na najbliższe dziesięć lat: jasną, w której dojdziemy do lepiej funkcjonującego społeczeństwa, i mroczną.
Alvin: Od której zaczynamy?
Nate: Jak chcesz.
Alvin: Zacznijmy od mrocznej — najpierw ból, na koniec radość. Zresztą większość prognoz i tak maluje tę ciemną. Wersja pierwsza: jakieś państwo zbliża się do AGI, ta wymyka się spod kontroli i zaczyna wojny albo zamienia nas w baterie. Wersja druga: państwa rwą się nawzajem na strzępy. Wersja trzecia: kilka spółek zyskuje taką potęgę, że światem rządzą prywatne koncerny. Ale wariant bardziej prawdopodobny? Będą wojny — bo gdy masz miliony ludzi bez perspektyw, najszybszym sposobem ich „zatrudnienia” jest wcielenie do armii. Żołd daje im utrzymanie na jakiś czas, część z nich w ten sposób znika, a resztę społeczeństwa rozprasza się codzienną niedolą i jednoczy przeciwko wspólnemu wrogowi. Ten scenariusz odgrywany jest od dwóch tysięcy lat.
Nate: Dosłownie dwóch tysięcy.
Alvin: Nie chcę jednak biernie przyjąć, że któryś z tych wariantów musi się spełnić. Na trajektorii, na której jesteśmy, trafimy raczej na drogę pośrodku. Nie wierzę w ekonomię, w której to laboratorium AI przechwytuje całą wartość. Jeśli AI zrobi to, czego się spodziewamy, wartość rozproszy się po społeczeństwie w formach niemonetarnych — i jednocześnie odejmie wartość wielkim, bilionowym inwestycjom, bo inteligencję dostanę za darmo, na własnym laptopie. Ale wojny i pęknięcie bańki uważam za wysoce prawdopodobne. I wiecie co? To może nie być najgorsza rzecz. Wraca pytanie, które zadałeś na początku: co musi się stać, żebyśmy zmienili myślenie i zaczęli robić słuszne rzeczy? Kryzys. Najmniejszy kryzys, jaki przychodzi mi do głowy, odwracalny i przebolewalny w rozsądnym czasie, to kryzys ekonomiczny. Czasem trwa rok, czasem dekadę — ale jest odwracalny, a ludzie nie umierają, przynajmniej nie bezpośrednio. Budzi, zmienia umysły, pokazuje, że można robić rzeczy inaczej. Spójrzcie na giełdę: 45 procent indeksu S&P 500 to dziś spółki AI. Sto procent! A wskaźnik Buffetta, czyli relacja kapitalizacji rynku do PKB — on za zdrową równowagę uznaje okolice 100 procent, gdy wartość giełdy mniej więcej równa się produktowi krajowemu. Zgadnij, ile wynosi dziś.
Nate: O, jesteśmy daleko ponad.
Alvin: 240 procent.
Nate: Właśnie chciałem typować „koło dwustu”.
Alvin: Wiemy więc, że bańka jest. Pytanie, kiedy pęknie. Spółki internetowe spadały wtedy nawet o ponad 90 procent — Amazon ledwo uszedł z życiem, Cisco straciło 86 procent i dopiero 26 lat później wróciło do poziomów z 2000 roku. Takie wstrząsy — i zmiana w postrzeganiu własnego majątku — skłonią ludzi do przemyślenia, czy w ogóle idziemy w dobrą stronę. I wraca pytanie z początku rozmowy: gdy zaczynasz myśleć o własnym przetrwaniu, przestajesz myśleć o walce z kimś. Ratujesz siebie. I to właśnie będzie katalizatorem jakiegoś poziomu współpracy USA–Chiny. A te dwa kraje, gdy sobie coś postanowią, to najpotężniejsze, najbogatsze i najbardziej zaawansowane technologicznie państwa świata — mają moc wyprostowania kursu.
Sojusz, który już się kiedyś zdarzył
Alvin: W drugiej wojnie światowej USA i Chiny były sojusznikami — razem przeciwko Japonii. Moja babka pojechała w 1937 roku z Berkeley do Chin jako korespondentka wojenna; próbowała w jakiś sposób łączyć te kraje. W pewnym sensie próbuję dokończyć to, czego ona nie zdążyła — kilkadziesiąt lat później. A w 2008 roku, w szczycie kryzysu finansowego, Chiny dalej kupowały amerykańskie obligacje — i było nam to bardzo potrzebne. Gdyby tego nie robiły, koszt obsługi długu mógł wystrzelić i stworzyć realny problem niewypłacalności. Przybiegły nam z pomocą. Dziś Chiny są zresztą mniej wystawione na bańkę AI: wydają na infrastrukturę około 80 miliardów dolarów rocznie, my — ponad bilion. Ich ekspozycja i zadłużenie są mniejsze. I to może zadziałać na plus: przestańmy się ścigać, przekierujmy wydatki tam, gdzie naprawdę trzeba, zajmijmy się swoimi obywatelami zamiast walczyć. Wtedy też nie będziemy musieli stawiać tylu centrów danych, koszty zaczną schodzić, a niedobór pamięci stanie się łatwiejszy do opanowania — bo dziś wszyscy kupują to samo, w tym samym momencie. Gdy przywrócimy równowagę w łańcuchu dostaw, pojawi się inne pytanie: skoro mamy ogromne moce produkcyjne w chipach, komu jeszcze je sprzedawać? Globalnemu Południu. Zrobilibyśmy to, co w 1946 roku — plan Marshalla. Osiemnaście miliardów dolarów w cztery lata odbudowało sporą część Europy i stworzyło na 70–80 lat rynek zbytu dla towarów amerykańskich. To samo możemy zrobić teraz: pozwolić tym krajom nadrobić zaległości technologiczne. Wzrosną — i staną się klientami amerykańskiej technologii, urządzeń i chipów. To samo chcą Chiny, interesy się pokrywają. Podnosimy globalne Południe, pomagamy sobie, a dywidenda pokoju rośnie, bo nie wydamy półtora biliona dolarów na zbrojenia. Bo z kim niby walczyć, gdy wszyscy walczą o przetrwanie? Produkcja większej ilości broni w niczym ci nie pomoże.
Alvin: I jeszcze jedno: człowiek jest zwierzęciem społecznym. W ostatnich dekadach — a szczególnie od 2020 roku, od pandemii — odcięliśmy się od siebie. Zamykamy się w domach, nie rozmawiamy z sąsiadami, a nawet z własnymi dziećmi. Dzieci zamykają się w pokojach i wchodzą do sieci: nie gadają z przyjaciółmi ani z rodzicami, wychodzą tylko po jedzenie. To nie jest zdrowy sposób życia. Jeżeli potrafimy wykorzystać oszczędności pracy, jakie daje wzrost produktywności dzięki AI — pozwolić ludziom spędzać więcej czasu w domu zamiast rywalizować o wygraną — zostanie nam więcej czasu twarzą w twarz: z sąsiadami, dziećmi, rodziną, wspólnotą parafialną, kimkolwiek. I znów staniemy się bardziej ludźmi. AI pozwoli nam być bardziej ludzkimi. To jest ta jasna droga.
Robotyka: najpierw fabryki, potem domy
Nate: To przełomowy moment w historii. Są ludzie o nietypowym wpływie — szefowie korporacji i rządów — ale my, wszyscy razem, też kształtujemy przyszłość. Ogromne środki poszły w centra danych; może za dużo. A jeśli prawdziwa okazja jest gdzie indziej — bliżej małego robocika, takiego jak ten „kaczusiowy” projekt Hugging Face? Małych robotycznych doświadczeń w domu, gdzie moc obliczeniowa jest po prostu pod ręką i dyskretnie pomaga? Biznesy tam oczywiście są. Ale jest też mnóstwo wartości trudnej do ujęcia w PKB, którą poczujemy w domach i społecznościach.
Alvin: Bez dwóch zdań. Robotyka będzie z roku na rok ważniejsza, a postępy z ostatnich lat widać gołym okiem. Z perspektywy USA–Chiny: Chiny są dziś zdecydowanie przed nami w wszystkim, co produkcja — mają cały łańcuch dostaw i talenty. Dwa miesiące temu byłem w fabryce Unitree: kobiety siedzą i ręcznie nawijają zwoje drutu na magnesy — wciąż ręcznie. Ale pokazywali mi też automaty, nad którymi pracują. Tempo zmian w robotyce w najbliższych latach będzie takie, jakie w oprogramowaniu widzieliśmy w ostatnich. Do domów wejdą kolejne urządzenia — zaczynając od takich zabawnych rzeczy, o których mówisz. Doradzam jednej z firm trenujących roboty: nauczenie robota składania prześcieradeł trwa wieki. Bo w każdym domu jest inaczej — inne łóżka, inne tkaniny, inne kolory, inne światło. To zupełnie inna liga niż zapasy na płaskiej macie o ustandaryzowanym kształcie — to dla AI i robotów łatwizna.
Nate: Rzeczywistość jest zaskakująco szczegółowa. Robotyka musi opanować masę detali, żeby wejść do domu — ale jesteśmy na dobrej drodze.
Alvin: W fabrykach robotyka po prostu się wydarzy — i szybciej. I wcale nie musi być humanoidalna! To założenie, które każdy przyjmuje, nie wiem czemu. Rozmawiałem z szefem Unitree: sprzedają więcej humanoidów półkorpusowych niż pełnych. Bateria dłużej trzyma, konstrukcja stabilniejsza, się nie przewracają. Same zalety braku nóg. W fabryce podłoga jest przecież płaska — po co chodzić? Chodzenie to marnotrawstwo energii: całą wydajność tracisz na utrzymywanie równowagi, a i tak te maszyny są wciąż dość kruche.
(Informacja dodatkowa: Unitree — chiński producent robotów, m.in. popularnych czworonogów i humanoidów.)
Od pomysłu na X do produktu na TikToku
Nate: Jedno z moich ulubionych obserwatorium postępu technicznego: tempo, w jakim pomysł wędruje od projektu opublikowanego na X do reklamy gotowego produktu na TikToku. To okno skraca się bez przerwy. Dwa miesiące temu widziałem projekt open source: mały ekran wieszasz na ścianie i — jeśli jesteś entuzjastą lotnictwa — widzisz samoloty przelatujące nad twoim domem, na podstawie danych lotniczych. Uroczy projekt hobbystyczny. Nie minęło 60 dni, a na TikToku widzę dokładnie ten produkt, jako reklamę: „dla miłośnika samolotów w twoim życiu”. To jest dziś tempo rzeczywistości: masz pomysł, znajdujesz producenta ODM w Shenzhen, po kilku tygodniach masz działające demo, a po miesiącu–dwóch linię montażową. Prototypowanie sprzętu i czas wejścia na rynek — to, co możliwe, wręcz nie mieści się w głowie.
Alvin: Widziałem to na własnej skórze. Nie wiem, czy wspominałem — zajmowałem się kiedyś produkcją sprzętową, w branży kawowej. Skonstruowałem rodzaj stalowego filtra do ekspresów. Prototypy robiłem spawarkami jubilerskimi — mam do dziś blizny na rękach. Próbowaliśmy produkować w Stanach, w końcu znaleźliśmy fabrykę w Pensylwanii, ogrom pracy. I widziałem z bliska, jak szybko — gdy już wypuściliśmy produkt — idea się rozeszła. Pomysły chcą być wolne: nagle zalał nas potok urządzeń łudząco podobnych, a ja, kupując kolejne, widziałem, że spawają coraz lepiej. To, co mnie jako przedsiębiorcę wówczas dołowało, ostatecznie wychodzi na dobre wszystkim — bo innowacja się rozprzestrzenia.
Wartość, której nie widać w PKB
Alvin: Największym zwycięzcą tego całego „wyścigu AI” jest koniec końców konsument — użytkownik i firmy, które z tej technologii skorzystają. I wróćmy do twojej uwagi o PKB: trzeba na nowo zdefiniować wartość. Dziś wszystko sprowadza się do tego, ile produkujesz i za ile sprzedasz. A technika obniża ceny dóbr. Krążył w ostatnich latach ten głośny wykres: usługi — edukacja, mieszkania — ciągle drożeją, a telewizor, komputer i telefon tanieją; krzywe rozjeżdżają się w przeciwnych kierunkach. A AI czyni automatyzowalnym w zasadzie wszystko: usługi umysłowe, pracę biurową, ale też dobra fizyczne — bo projektowanie, testowanie i produkcję również przejmą maszyny. Ceny będą schodzić. W surowym PKB można wręcz zobaczyć spadek: firma wyprodukuje to, co kosztowało tysiąc dolarów, za sto, a to, co sto — za dziesięć. A o usługach nie trzeba nawet mówić: mam przyjaciół w McKinsey i bankach — perspektywa dla IPO zajmowała im tygodnie i zespoły po kilkanaście osób, dziś robią to w weekend we dwójkę, za ułamek kosztu. I co wtedy z pozycją cenową?
Nate: Jak w ogóle coś takiego wyceniać?
Alvin: PKB tego nie uchwyci, a to jest dodatkowa wartość. Weź prawnika: każdy z nas ma dziś u palca prawnika najwyższej klasy. Kiedyś nie dzwoniłem do swojego, bo wiedziałem, że każda rozmowa to co najmniej kwadrans po tysiąc dolarów — za pięć minut rozmowy. A umowa? Setki godzin i dziesiątki tysięcy dolarów. Dziś wysyłam ją do AI: „Spójrz na to jak mój prawnik: czego nie widzę? O jakie zmiany powinienem prosić?”. To jest wartość — tyle że nie w PKB.
Nate: Trudno zmierzyć wpływ technologii ogólnego przeznaczenia — ona po prostu przenika wszystko. Mamy teraz zespół ekspertów na wyciągnięcie ręki: uraz sportowy, medycyna, prawo — cokolwiek.
Alvin: To, co dziś mamy, było niedostępne nawet najbogatszym — jeszcze kilka lat temu. A my to mamy i nawet się nad tym nie zastanawiamy.
Burning Man i ekonomia daru
Nate: I właśnie to mnie ciekawi: masz rację, że nadchodzi okazja do prawdziwych, „offline’owych” więzi, jakiej dawno nie było — i którą trzeba wykorzystać. Zestawiając to z miniaturyzacją AI, zmierzamy ku światu, w którym technologia będzie pod ręką zawsze, gdy jej zechcemy — a my będziemy mogli budować lepsze relacje między sobą. Bo ludzie pozostają zaciekawieni sobą nawzajem. To nie zniknie.
Alvin: Tydzień temu wróciłem z pustyni — spędziłem cały tydzień na playa — i to był mój najważniejszy wniosek: człowiek jest zwierzęciem społecznym. Na Burning Man zabierasz na pustynię wszystko, co masz, i tylko tym dysponujesz. I nagle widzisz, że potrzebujesz niewiele: trochę wody, jedzenia i towarzystwa. Możesz być bardzo szczęśliwy. Wszyscy tam pracują — nikt za to nie bierze pieniędzy — a ludzie harują: gotują dla siebie, opiekują się sobą, stawiają niesamowite instalacje, grają sobie nawzajem. To wszystkich uszczęśliwia, choć nie przepływa tam ani jeden dolar. Co więcej — status działa tam na opak: jeśli przyleciałeś odrzutowcem jako miliarder, a ktoś postawił ci namiot i masz obsługę, ludzie patrzą z góry. „Ten to nie jest burner”.
Nate: Jesteś w hierarchii niżej.
Alvin: Będziemy potrzebowali nowych mierników statusu. W „świecie domyślnym” — tak burners nazywają naszą codzienność — liczą się pieniądze i władza. Na playa liczą się kreatywność, służba innym i wspólnota. A tego nie da się zmonopolizować — to tworzy znacznie większą równość, a równość pozwala ludziom się ze sobą wiązać. Prowadzę na ten temat badanie w Stanford: czy ekonomia daru i zasady działania tej kultury są zwiastunem społeczeństwa, w którym znika niedostatek, praca zarobkowa i pieniądz. Bo ludzie oszczędzają przecież cały rok, żeby spędzić tydzień w miejscu, gdzie pieniędzy nie ma. A jeśli AI i roboty zrobią całą pracę — przez te pozostałe 51 tygodni w roku — to czy możemy żyć niekoniecznie na pustyni, ale w naszym świecie, z dużo mniejszą presją finansową i dużo większym naciskiem na wspólnotę, twórczość i służenie innym?
(Informacja dodatkowa: Burning Man — coroczny festiwal na pustyni Black Rock w Nevadzie, oparty na ekonomii daru i braku transakcji pieniężnych; „playa” to potoczna nazwa jego pustynnego terenu.)
Star Trek: budujemy własnych „Vulcan”
Nate: To częściowo dlatego wyobrażona przyszłość „Star Treka” jest tak trwale pociągająca. Picard nie myśli o pomnażaniu majątku…
Alvin: …myśli o badaniu wszechświata.
Nate: I mówi wprost: pracujemy dla dobra naszego gatunku. To nim motywuje — i cały jego zespół.
Alvin: Mam nawet ciekawostkę trekkową: wiesz, co wydarza się w uniwersum „Star Treka” w 2026 roku?
Nate: Nie mam pojęcia. Co?
Alvin: Trzecia wojna światowa.
Nate: O nie…
Alvin: Ale właśnie ta wojna obudziła wtedy ludzi i ich zjednoczyła. Potem potrzebowali kilku dekad na odbudowę, skonstruowali napęd warp — i kto przyleciał? Vulkanianie. Zaawansowana cywilizacja obca: przynieśli swoje technologie, dały zasoby obfitości — i ludzie przestali walczyć, zaczęli się łączyć i odkrywać galaktykę. Jak ci to brzmi?
Nate: Jak świat, w którym żyjemy.
Alvin: Jak AI, które właśnie tworzymy. Nie musimy liczyć na życzliwość obcej cywilizacji — sami tworzymy własną obcą cywilizację. I jeśli zrobimy z AI to, co ludie sprzed Federacji zrobili z technologią Vulcan — użyjemy jej dla wspólnego dobra — możemy zbudować świat na wpół utopijny, w którym ludzie bardziej niż o własne wzbogacenie dbają o służbę innym i rozwój ludzkości.
Bonobo zamiast szympansów
Nate: I wracając do pokolenia Z, o którym mówiliśmy na początku: właśnie ta motywacja pada od nich sama, bez żadnego podjudzania — to jest to, co ich naprawdę interesuje.
Alvin: Mam na to teorię. Szympansy i bonobo rozeszły się kiedyś z wspólnego pnia. Na północ od rzeki Kongo żyły szympansy — w klimacie sezonowym: raz był pokarm, raz go nie było. Tam przetrwała strategia siłowa, zdominowana przez samce alfa, bo dawała dostęp do zasobów i lepsze życie. Na południe od Kongo żyły bonobo — w świecie zasobów zawsze pod dostatkiem. A tam lepiej działa spójność modelu matriarchalnego, kierowanego przez samice, nieprzemocowego — konflikty rozwiązywanego, powiedzmy, przywiązaniem zamiast agresją. Bo po co walczyć, skoro masz wszystko? Lepiej się dogadywać. Jedna strona to reakcja na niedostatek, druga — na obfitość. I wróć myślą do młodych: wyrastali w tak osłoniętym świecie, że zawsze mieli pod dostatkiem. Nie znają głodu rywalizacji, nie czują, że muszą walczyć o przetrwanie. A ja urodziłem się na farmie reedukacyjnej w trakcie rewolucji kulturalnej. Dostawaliśmy kartki: „tyle i tyle uncji cukru na tydzień na waszą rodzinę” — i powodzenia, to wszystko. Niedostatek czuło się zawsze. Nasze pokolenie — i wcześniejsze — pochodzi ze świata, w którym o wszystko trzeba było walczyć. Tamto pokolenie to bonobo tego świata. I mam nadzieję, że pokolenie po nich — alfa czy jak je tam zwać — będzie jeszcze bardziej „bonobo”: jeszcze bardziej pokojowe i jeszcze sprawniejsze w współpracy niż w konflikcie.
Nate: Kocham ten akcent, bo to jedna z rzeczy, które do mnie wracają, gdy patrzę na społeczność, jaką zbudowałem na YouTube i Substacku. Setki i tysiące historii ludzi, którzy zmienili życie dzięki AI — i ani jedna z tych zmian nie dokonuje się kosztem drugiego człowieka. Przyszłość jest przyszłością obfitości. Jeśli to kupimy i zaczniemy traktować poważnie, zmienia to absolutnie wszystko.
Alvin: Właśnie dlatego dałem ci tę przypinkę — „abundance”. Wiem, że ten sposób myślenia już masz, ale świat musi o nim myśleć częściej, żeby zobaczyć, że już dziś żyjemy w świecie obfitości — zwłaszcza w Ameryce.
Nate: Zaskakującej obfitości.
Alvin: Tylko nierówno rozdzielonej. Większość ludzi nie zdaje sobie sprawy z tego, co już ma. Dlatego właśnie wyjazd na pustynię pomaga: obfitość już tu jest — po prostu nie jest równomiernie podzielona.
Nate: Znów parafrazujemy Gibsona.
(Informacja dodatkowa: nawiązanie do słynnego zdania Williama Gibsona: „Przyszłość już nadeszła, tylko nie jest równomiernie rozdzielona”.)
Alvin: No właśnie.
Nate: Dziękuję, że przyszedłeś i z nami porozmawiałeś.
Alvin: Trzeba to kiedyś powtórzyć — świetna rozmowa i dużo nas łączy. Dobra była perspektywa.
Nate: Na tej rozmowie czekałem właśnie dlatego: twoje doświadczenie znad obu wybrzeży Pacyfiku to potrzebny głos w momencie, gdy większość głosów utknęła na jednym wybrzeżu albo na drugim.
Alvin: Z pokoju przychodzi po prostu więcej dobra niż z wojny.
Nate: Najzupełniej się zgadzam. Dzięki, Alvin.
Alvin: Dzięki, Nate.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nie buduj strategii na „wyścigu zbrojeń AI”
Na czym polega: Gość przekonuje, że w AI nie ma mety, jednego zwycięzcy ani logiki sumy zerowej — tak jak nikt nie wygrał „wyścigu o elektryfikację”, bo prąd trafił do wszystkich.
Jak stosować: Planując wdrożenia i inwestycje, zakładaj różnorodność modeli i dostawców oraz systematyczny spadek cen inteligencji, a nie wygraną jednego gracza. Czytając o „przewadze” Chin lub USA, pytaj zawsze, kto finansuje daną analizę i kto na niej zarabia.
Na co uważać: Narracja zagrożenia bywa narzędziem presji na deregulację i kontrakty obronne — nie przenoś jej bezkrytycznie na decyzje budżetowe własnej organizacji.
2.Projektuj pod taniejącą, lokalną inteligencję
Na czym polega: Modele o otwartych wagach, po kwantyzacji działające na laptopie (a wkrótce na telefonie), komodytyzują wysoką jakość — inteligencji nie da się zgromadzić ani zmonopolizować.
Jak stosować: W architekturze rozwiązania przewiduj ścieżkę „model lokalny”: offline, prywatność danych, koszt krańcowy bliski zeru. Testuj modele open-weight, zanim zawiążesz się długoterminowo z jednym dostawcą.
Na co uważać: Wysokie marże hiperskalerów zależą od podtrzymywania narracji o niedoborze mocy obliczeniowej — oceniaj realne potrzeby obliczeniwe osobno od marketingu deficytu.
3.Do konkretnego problemu — mały, wyspecjalizowany model
Na czym polega: Przykład z wywiadu: firma zajmująca się odkrywaniem leków używa modeli 10-miliardowych parametrów, nie bilionowych. Wyścig o „największy model” to źle postawiony cel.
Jak stosować: Do wąskich zadań (klasyfikacja, diagnostyka, dokumentacja branżowa) wybieraj model dopasowany rozmiarem i dotrenowany do dziedziny — tańszy w utrzymaniu, łatwiejszy do audytu i szybszy we wdrożeniu.
Na co uważać: „Większy znaczy lepszy” bywa wygodnym uzasadnieniem zakupu mocy obliczeniowej, a nie wnioskiem z analizy efektu biznesowego.
4.Traktuj hossę AI jako ryzyko finansowe
Na czym polega: Według gościa: ok. 3 bln USD zobowiązań pozabilansowych hiperskalerów (wobec 1,6 bln długu subprime w 2008 r.), 45% indeksu S&P 500 w spółkach AI i wskaźnik Buffetta na poziomie 240% — to klasyczne cechy bańki.
Jak stosować: Rozdzielaj w firmie tanie eksperymenty od wieloletnich zobowiązań kapitałowych (własne centra danych to lewar). Osobiście dywersyfikuj oszczędności, jeśli są skupione w sektorze technologicznym.
Na co uważać: Po raz pierwszy wynagrodzenia i giełda rozjeżdżają się w przeciwnych kierunkach — wskaźniki rynkowe mogą dłużej niż zwykleźle opisywać kondycję realnej gospodarki.
5.Kariera: profil w kształcie litery T i pełne cykle życia produktu
Na czym polega: Wąska specjalizacja traci wartość, bo AI robi to taniej; młodzi (20–25 lat) w branżach eksponowanych na AI tracą ok. 19% wynagrodzeń względem starszych roczników.
Jak stosować: Buduj szeroką wiedzę (historia, psychologia, zarządzanie) plus jedną kompetencję naprawdę głęboko — udokumentowaną własnym projektem od pomysłu, przez wdrożenie, po wycofanie. Staż czy wolontariat w realnym projekcie bywają lepszą inwestycją niż kolejny certyfikat.
Na co uważać: Rola „człowieka parafującego odpowiedzi AI” to z perspektywy pracodawcy wartość ujemna — nie buduj na niej stanowiska ani kariery.
6.Realne ryzyko bezpieczeństwa: aktorzy niepaństwowi
Na czym polega: Państwa powstrzymuje równowaga strachu; za to małe modele w rękach jednostek — w cyber, chemii (projektowanie broni na laptopie) i bio — to rosnące, rozproszone zagrożenie.
Jak stosować: W polityce bezpieczeństwa inwestuj w kontrolę dostępu do groźnych zasobów (prekursory chemiczne, synteza DNA), rejestry klientów i szybkie kanały wymiany informacji o incydentach — na wzór rozwiązań z branży nawozów i farmacji.
Na co uważać: Rozdwój systemów amerykańskiego i chińskiego („nasze maszyny nie rozmawiają z waszymi”) powiększa przestrzenie, w których przestępcy się kryją — współpraca jest tu czystym interesem własnym.
7.Rozpoznawaj „podręcznik strachu” w narracjach o AI
Na czym polega: Scenariusz znany z kompleksu wojskowo-przemysłowego: wzbudź lęk przed wielkim wrogiem, przedstaw siebie jako jedyne rozwiązanie, zbierz poparcie i zdjęcie regulacji — stąd wg gościa setki milionów dolarów lobbingu w branży AI.
Jak stosować: Analizując raporty o „przewadze rywala”, sprawdzaj finansowanie źródła i to, kto zarabia na forsowanej decyzji. Zadawaj pytanie kontrolne: „jeśli produkt jest tak dobry, po co tyle lobbingu?”.
Na co uważać: Strach zaraża i sam się napędza — decyzje podjęte w panice rzadko są tanie i rzadko są odwracalne.
8.Kryzys ekonomiczny jako najłagodniejszy możliwy wstrząt
Na czym polega: Ludzie zmieniają zachowania dopiero w kryzysie; krach finansowy jest odwracalny (rok–dekada) i nie zabija bezpośrednio — w odróżnieniu od wojny, którą gość uznaje za historyczny „sposób” na masowe bezrobocie.
Jak stosować: Buduj poduszkę finansową i scenariusze awaryjne „na pęknięcie bańni”; ustal z góry, które projekty AI przetrwają zacieśnienie kapitału, a które są oczywistą ozdobą.
Na co uważać: Bierność wobec przemieszczeń na rynku pracy otwiera drogę do najgorszego wariantu — politycznego handlu strachem i militaryzacji gospodarki.
9.Mierz wartość AI poza przychodem i PKB
Na czym polega: Technologia obniża ceny usług (analiza IPO z tygodni w weekend, „prawnik u palca”), a korzyść trafia do użytkownika bez śladu w statystykach makro.
Jak stosować: W firmie waliduj projekty AI wskaźnikami czasu, jakości i dostępu — nie tylko oszczędnościami. Osobiście korzystaj z „zespołu ekspertów” w kieszeni, niedostępnego jeszcze niedawno nawet najbogatszym.
Na co uważać: Modele biznesowe oparte na rozliczaniu godzin specjalistów tracą siłę cenotwórczą — przelicz to na własne cenniki zanim zrobi to konkurencja.
10.Obfitość jako rama decyzyjna
Na czym polega: Doświadczenie ekonomii daru (Burning Man) i porównanie szympansów z bonobo pokazują, że kreatywność, służba i wspólnota to niemonopolizowalne źródła statusu — a pokolenia wyrastające w dobrobycie naturalnie preferują współpracę.
Jak stosować: Priorytetyzując środki (kolejna moc obliczeniowa kontra relacje z klientami, edukacja, społeczność), pamiętaj, że obfitość jest już tu — tylko nierówno rozdzielona. Zwiększanie dostępu bywa tańsze i trwalsze niż walka o przewagę.
Na co uważać: Nie utożsamiaj obfitości z bezczynnością — w modelu gościa czas uwolniony przez AI ma wracać w relacje i twórczość, a nie znikać w pułapce porównań i konsumpcji.