Sterowani algorytmami. Nie pytaj, czy AI rządzi biznesem, pytaj, jak bardzo ebook

Tytuł oryginalny:

The Economy of Algorithms. AI and the Rise of the Digital Minions

Przekład: Katarzyna Mironowicz

Redaktor prowadzący: Urszula Gabryelska

Redakcja: Anna Żółcińska

Korekta: Maria Żółcińska

Projekt okładki: Joanna Wasilewska

Skład: Amadeusz Targoński

Opracowanie e-wydania: Karolina Kaiser,

Copyright © La Trobe University Press in conjunction with Black Inc.

All rights reserved

Copyright © Marek Kowalkiewicz, 2024

Marek Kowalkiewicz asserts his right to be known as the author of this work.

Copyright © for the Polish translation by Katarzyna Mironowicz, 2025

All rights reserved

Copyright © 2025 for this edition by MT Biznes Sp. z o.o.

All rights reserved

Warszawa 2025

Wydanie I

Książka, którą nabyłeś, jest dziełem twórcy i wydawcy. Prosimy, abyś przestrzegał praw, jakie im przysługują. Jej zawartość możesz udostępnić nieodpłatnie osobom bliskim lub osobiście znanym. Ale nie publikuj jej w internecie. Jeśli cytujesz jej fragmenty, nie zmieniaj ich treści i koniecznie zaznacz, czyje to dzieło. A kopiując ją, rób to jedynie na użytek osobisty.

Szanujmy cudzą własność i prawo!

Polska Izba Książki

Więcej o prawie autorskim na www.legalnakultura.pl

Zezwalamy na udostępnianie okładki książki w internecie.

MT Biznes Sp. z o.o.

www.mtbiznes.pl

[email protected]

ISBN 978-83-8231-684-1

e-ISBN 978-83-8231-685-8 (epub)

e-ISBN 978-83-8231-686-5 (mobi)

WstępŻyjemy w gospodarce algorytmów

„Pieprzyć algorytm!”

Tam, gdzie bije serce Londynu, tuż za opactwem westminsterskim, równie blisko słynnego Big Bena, równolegle do Tamizy, biegnie krótka, wąska uliczka Great Smith Street. Podobnie jak rzeka, ulica ta była świadkiem wielu historycznych wydarzeń, w tym także związanych z rozwojem technologii informacyjnej. Niedaleko stąd w grudniu 1815 roku przyszła na świat pierwsza programistka w historii, Ada Lovelace. Niecałe 100 lat później, w czerwcu 1912 roku, zaledwie kilka kilometrów dalej urodził się Alan Turing, jeden z twórców współczesnej informatyki, który zasłynął złamaniem szyfru Enigmy podczas II wojny światowej[I]. Lovelace i Turing dostrzegali piękno algorytmów, rozumieli ich potencjał, by uczynić świat lepszym. Być może oboje właśnie tu znaleźli inspirację do swoich przełomowych odkryć, kiedy zatopieni we własnych myślach spacerowali po cichych uliczkach.

Jednak niedziela 16 sierpnia 2020 roku z pewnością nie należała do spokojnych. Takiego zamieszania i gniewu Lovelace i Turing zapewne nigdy tu nie doświadczyli.

„Pieprzyć algorytm!” Skandowanie przybierało na sile.

Setki młodych ludzi zgromadziły się przed budynkiem Ministerstwa Edukacji przy ulicy Great Smith Street 20. Czuli się oszukani przez system komputerowy. Nie godzili się, by o ich przyszłości decydowała maszyna.

Czym jest algorytm? To po prostu ciąg precyzyjnych instrukcji, które komputer wykonuje krok po kroku. Jak przepis dla kucharza, tyle że zamiast „weź dwa jajka, dodaj 30 deka mąki” mamy instrukcje typu „jeśli warunek X jest spełniony, to zrób Y”. Komputer wykonuje je krok po kroku, bez zastanowienia. Bez algorytmów komputery to tylko drogie pudełka pełne elektroniki. To algorytmy sprawiają, że maszyny potrafią obliczać, przewidywać, optymalizować; słowem, robić wszystko to, co napędza współczesny biznes. Niektóre są proste, jak dodawanie. Inne tak złożone, że nawet ich twórcy nie do końca rozumieją, jak one działają.

„Pieprzyć algorytm!”

No właśnie. Wróćmy do wydarzeń pod ministerstwem.

W 2020 roku uczniowie szkół średnich w Wielkiej Brytanii z powodu pandemii nie mogli przystąpić do egzaminów końcowych. Problem? Te egzaminy otwierają drzwi na studia. Bez nich nie ma przyjęcia na wymarzoną uczelnię. To jak CV, które decyduje o twojej karierze, zanim w ogóle ją rozpoczniesz.

Brytyjskie Biuro Regulacji Kwalifikacji i Egzaminów (Ofqual) wymyśliło rozwiązanie: niech algorytm obliczy nieistniejące oceny z egzaminów. Co mogło pójść nie tak?

Wszystko.

System działał według prostej logiki. Wprowadzono do niego oceny przewidywane przez nauczycieli dla każdego ucznia, pozycję ucznia w rankingu klasy i – uwaga – historyczne wyniki szkoły z ostatnich trzech lat. Dla dużych szkół decydujące znaczenie miały dane historyczne. Małe szkoły, z klasami poniżej 15 uczniów na przedmiot, opierały się tylko na przewidywaniach nauczycieli.

Efekt? Katastrofa. Uczniowie z mniejszych, zazwyczaj prywatnych szkół skorzystali na pozytywnym nastawieniu nauczycieli. Algorytm rozdawał im wysokie oceny jak cukierki. Pozostali wpadli w tak zwaną „pułapkę przeznaczenia” − jeśli twoja szkoła miała w przeszłości słabe wyniki, algorytm automatycznie dawał ci niską ocenę. Nieważne, jak ciężko pracowałeś. Nieważne, że byłeś uczniem najlepszym od dekady.

Wyobraź sobie analogiczną sytuację w biznesie. Twoja firma traci przetarg, bo algorytm ocenił ją na podstawie wyników poprzedniego zarządu. Albo bank odmawia ci kredytu, bo inne firmy z twojej ulicy nie spłacały zobowiązań. Absurd? Właśnie to przytrafiło się brytyjskim uczniom.

Algorytm został zaprojektowany tak, aby zachować „historyczną sprawiedliwość”. Jeśli w ciągu trzech poprzednich lat w twojej szkole nikt nie uzyskał z matematyki oceny celującej, ty też jej nie dostaniesz. Kropka. Po ogłoszeniu wyników okazało się, że niemal 36% młodzieży uzyskało ocenę niższą o jeden stopień od przewidywań nauczycieli, a 3% – nawet o dwa stopnie niższą. Około 15 tysięcy uczniów nie zostało przyjętych na wybrany przez siebie kierunek studiów.

Wyszli na ulice. I wygrali.

Dzień po protestach Ofqual zrezygnował z ingerencji algorytmu. Oceny oparto wyłącznie na przewidywaniach nauczycieli. Nietrudno sobie wyobrazić, jak bardzo ta jedna decyzja zmieniła losy niezliczonej rzeszy uczniów. Zwycięstwo? Tak. Ale też ostrzeżenie dla każdego, kto zarządza organizacją w erze algorytmów.

Widziałem dziesiątki firm – od startupów po globalne korporacje – które popełniają dokładnie ten sam błąd. Kupują „inteligentne” systemy AI, nie rozumieją, jak one działają, oddają im kluczowe decyzje. Potem dziwią się, że tracą klientów, podejmują błędne decyzje strategiczne albo – jak Ofqual – muszą publicznie przyznać się do porażki.

Zastanawiałem się, czy Lovelace lub Turing byliby w stanie przewidzieć, że w XXI wieku tłumy wyjdą na ulice, aby protestować przeciwko algorytmom. Jako wizjonerzy – prawdopodobnie tak.

Obserwując te protesty, uświadomiłem sobie kluczową rzecz: że algorytmy przestały być tylko narzędziami, zbiorem instrukcji, które sterują zachowaniem komputerów. Oczywiście, z technicznego punktu widzenia tak właśnie działają, jednak ich wpływ w istocie sięga znacznie dalej. One kształtują nasz świat. Decydują o tym, kto dostanie kredyt, kto znajdzie pracę, kto trafi na studia. Określają, które produkty zobaczysz w sklepie online, jaką cenę zapłacisz za bilet lotniczy, czy twoje CV w ogóle trafi do rekrutera.

Gdy działają dobrze, jesteśmy zadowoleni, a firmy notują wzrosty zysków. Gdy zawodzą, ludzie wychodzą na ulice.

Żyjemy w gospodarce algorytmów. Pytanie brzmi: czy my sterujemy nimi, czy one sterują nami?

Kiedy kończyłem pisać pierwsze – anglojęzyczne – wydanie tej książki na początku 2023 roku, świat próbował ogarnąć fenomen GPT-4. Ten algorytm, sterujący aplikacją o nazwie ChatGPT, w kilka dni zdobył milion użytkowników. Kiedy kończymy pracę nad polskim, zaktualizowanym tłumaczeniem tej książki, liczba jego użytkowników powoli zbliża się do miliarda. Ten algorytm pisze teksty, analizuje dane, koduje, tworzy strategie marketingowe. Firmy używające ChatGPT i jemu podobnych algorytmów[II] raportują wzrost produktywności. Te, które go zignorowały, zostają w tyle.

Ale nie wszyscy są zachwyceni. Jego premiera pod koniec 2022 roku spotkała się z entuzjastycznym przyjęciem, budząc jednocześnie pewne zaniepokojenie − wiele organów oświatowych zdecydowało się wprowadzić zakaz korzystania z aplikacji w szkołach, obawiając się jej negatywnego wpływu na uczniów, a uczelnie ogłosiły powrót do egzaminów przeprowadzanych wyłącznie w formie papierowej. Nawet organizatorzy konferencji poświęconych sztucznej inteligencji zwrócili się do naukowców z prośbą o zaniechanie korzystania z ChatGPT i podobnych algorytmów.

Model GPT-4.5 z 2025 roku poszedł jeszcze dalej. Rozumie kontekst jak człowiek, łączy fakty, wyciąga wnioski. Ale wraz z rosnącą mocą pojawiają się pytania. Jak mądrze wykorzystać tę technologię? Jak się upewnić, że działa zgodnie z naszymi wartościami i celami biznesowymi? Jak dopilnować, żeby ster był w naszych rękach?

Tak, wiem, o co chcesz zapytać. Tak, poprosiłem algorytm o napisanie fragmentu tej książki. Dwa akapity. A polskie wydanie? Przetłumaczył je człowiek, ale później każdy rozdział szlifowaliśmy wspólnie z Claude’em – ja, tłumacz i AI. Algorytm sugerował lepsze sformułowania, podpowiadał przykłady dla polskiego czytelnika, znajdował niezgrabności. To już nie science fiction. To moja rzeczywistość – autor współpracujący z AI nad książką o AI.

Ale tu pojawia się problem. My, pracownicy, menedżerowie, przedsiębiorcy, nie jesteśmy gotowi na świat, w którym oprogramowanie podejmuje autonomiczne decyzje. Łatwiej nam myśleć o technologii jak o narzędziu – młotku, kalkulatorze, Excelu. Trudniej nam zaakceptować to, że algorytm może być partnerem w podejmowaniu decyzji. Albo że może podjąć decyzję za nas.

Spójrz na swój dzień pracy. Może korzystasz z systemu do zarządzania relacjami z klientami, który podpowiada, kogo obdzwonić. Może twoja firma używa algorytmów scoringowych przy podejmowaniu decyzji kredytowych. Chatboty obsługują zapytania na waszej stronie. Systemy automatyczne zarządzają zamówieniami, magazynem, logistyką.

Ale czy potrafisz wyjaśnić zarządowi, dlaczego system podjął konkretną decyzję? Czy wiesz, kiedy algorytm może się pomylić? Czy masz plan B, gdy wszystko się posypie?

Większość z nas odpowie: nie. I to jest problem wart miliardy dolarów.

Przez miliony lat ewolucji nauczyliśmy się używać narzędzi – kijów, młotków, zegara w piekarniku. Ale nigdy wcześniej narzędzia nie podejmowały za nas decyzji ani nie działały autonomicznie. To zupełnie nowe wyzwanie dla naszego gatunku. Nasza ewolucja nie przygotowała nas na to wyzwanie. Gdyby nasi przodkowie zobaczyli kilof, który sam kopie, przypisaliby mu boskie moce. Magia. Pamiętasz bajkę o kiju samobiju? My patrzymy na algorytmy podobnie: z mieszaniną fascynacji i strachu. Stoliczku, nakryj się. Osiołku, otrząśnij się.

Łatwiej nam traktować oprogramowanie jak zwykłe narzędzie. Program do podatków wypełnia formularze, ale to my je składamy. System ERP (ten od kompleksowego zarządzania firmą) przygotowuje dane, ale to my podejmujemy decyzje. Tak było. Świat się zmienia.

Niektóre systemy już działają jako prawdziwie niezależni agenci: podejmują decyzje i wykonują zadania bez naszej pomocy. Weźmy taki łazik Perseverance na Marsie, który eksploruje Czerwoną Planetę w poszukiwaniu śladów dawnego życia, zbierając próbki skał i gleby z zamiarem dostarczenia ich na Ziemię. Instrukcje dostaje z Ziemi, ale większość decyzji podejmuje sam. Musi: sygnał w jedną stronę może iść 20 minut. Łazik został wyposażony w autonomiczne systemy umożliwiające mu samodzielne funkcjonowanie i pełni rolę naszego przedstawiciela na Marsie. To właśnie ten poziom niezależności sprawia, że można Perseverance uznać za agenta.

W biznesie mamy podobne systemy: algorytmy tradingowe działające w czasie liczonym w nanosekundach, systemy antyfraudowe blokujące transakcje w czasie rzeczywistym, chatboty prowadzące złożone negocjacje z klientami.

Poziom zaawansowania tych systemów już dawno przekroczył próg zrozumienia przeciętnego użytkownika. A nawet ekspertów.

Inteligentni asystenci – Alexa, Siri, Asystent Google – wydają się niegroźni. „Alexa, zagraj coś na kolację z przyjaciółmi”. Prosta sprawa? Nie do końca. System analizuje twoją historię słuchania, sprawdza porę dnia, pogodę, trendy w twojej grupie wiekowej. Zerka do kalendarza – jeśli mu pozwolisz. Dodaje szczyptę losowości, żeby przetestować nowe utwory. Wybiera utwory według logiki, której nikt do końca nie rozumie.

Nawet ja – po latach badań nad systemami rekomendacji – nie potrafię wyjaśnić, jak dokładnie wybiera piosenki mój algorytmiczny głośnik.

To samo dzieje się wszędzie. Amazon decyduje, co ci pokazać na stronie głównej. TikTok serwuje filmiki twojemu dziecku. LinkedIn podpowiada, kogo warto poznać. Facebook wybiera, które posty wyświetlić. Spotify komponuje twój Discover Weekly. Każdy z tych systemów działa według własnej, tajemniczej recepty. Działają świetnie. Ale dlaczego akurat tak? Tego nie wie nikt. Prawie nikt.

Te same mechanizmy działają w twoim biznesie. Algorytm decyduje, które CV zobaczysz, jaką cenę zaproponować klientowi, kiedy zamówić towar do magazynu. Często działa lepiej niż człowiek. Problem pojawia się, gdy przestaje działać – a ty nie wiesz dlaczego.

Jeśli masz samochód z funkcjami autonomicznymi, znasz to uczucie. Auto nagle zwalnia, zmienia pas, lekko obraca kierownicę, podejmuje decyzje[III]. Zwykle ma rację. Ale dlaczego akurat teraz? Dlaczego w ten sposób? To samo z systemami rozpoznawania twarzy w telefonach. Działają świetnie w dzień, ale rano, gdy jesteś zaspany, już niekoniecznie. Dlaczego? Producent wzruszy ramionami. U innych podobno działa.

Banki? Dokładnie ten sam problem. Algorytmy scoringowe podejmują decyzje kredytowe warte miliardy. Działają, są skuteczne, redukują ryzyko. Ale gdy klient pyta „dlaczego odmówiliście?”, często jedyną odpowiedzią jest „tak zdecydował system”. To jak czarna skrzynka – wiemy, co wchodzi, wiemy, co wychodzi, ale co się dzieje w środku?

Arthur C. Clarke, angielski pisarz science fiction, o którym będzie jeszcze mowa w dalszej części książki, powiedział kiedyś: „każda wystarczająco zaawansowana technologia jest nieodróżnialna od magii”[1]. W science fiction to romantyczne. W biznesie to problem. Nie możemy pozwolić, by kluczowe decyzje podejmowała „magia”. Musimy rozumieć nasze narzędzia. Albo przynajmniej wiedzieć, czego nie wiemy.

Czy to oznacza, że powinniśmy odrzucić te najbardziej zaawansowane algorytmy? Wrócić do Excela i intuicji?

Nie. I obaj/oboje o tym wiemy. Inaczej nie czytałbyś/czytałabyś tej książki.

Musimy nauczyć się z nimi współpracować. Rozumieć ich ograniczenia. Wiedzieć, kiedy im ufać, a kiedy włączyć czujność. To nie jest wybór między człowiekiem a maszyną. To wybór między mądrym partnerstwem a ślepą wiarą.

W miarę jak algorytmy zyskują coraz większą niezależność, my powinniśmy dbać o to, aby nie stracić naszej własnej niezależności. Jedyną drogą do zachowania kontroli jest dla nas podróż w głąb nowo rodzącego się świata gospodarki algorytmów. Ta książka to mapa na tę podróż.

W kolejnych rozdziałach pokażę ci świat pełen paradoksów. Świat, w którym algorytmy pokonują światowych mistrzów szachów i Go, ale też wysyłają niewinnych ludzi do więzienia. Poznasz firmy, które dzięki algorytmom wyprzedziły konkurencję o dekadę. Ale też takie, które przez ślepe zaufanie do maszyn straciły fortuny. Przeczytasz o osobach, które zostały zatrudnione lub zwolnione przez algorytmy, sparaliżowanych, którzy dzięki AI i robotom znów mogą pracować. Pokażę ci, jak algorytmy inwestują nasze pieniądze, a następnie ponoszą w naszym imieniu ogromne straty z powodu prostych błędów programistycznych. Wspomnę też, jak algorytmy projektują nowe produkty i… dbają o zawartość naszych lodówek.

Przeczytasz o małych firmach, które dzięki algorytmom konkurują z gigantami. O startupach, które znalazły nisze niewykryte przez korporacje. Ale też o algorytmach dyskryminujących kobiety przy rekrutacji, manipulujących wyborami, niszczących małżeństwa.

To nie jest książka dla fanów, nie jest też dla wrogów technologii. Pracowałem w Dolinie Krzemowej, widziałem, jakie cuda potrafią zdziałać algorytmy. Ale widziałem też katastrofy, jakie one powodują. Mój cel to pokazać ci prawdziwy obraz. Bez upiększeń, ale i bez demonizowania.

Bo jedno jest pewne: algorytmy już tu są. Zmieniają reguły w każdej branży. Pytanie nie brzmi więc „czy”, ale „jak”. Jak ich używać, jak je kontrolować, jak sprawić, żeby pracowały dla nas, a nie przeciwko nam.

Jestem profesorem gospodarki cyfrowej z dwudziestoletnim doświadczeniem, doradzałem setkom organizacji. Od rodzinnych biznesów po globalne korporacje takie jak PwC, Microsoft, SAP. Od startupów po rządy stanowe i krajowe. Pomagam zarządom zrozumieć, gdzie AI może przynieść korzyść, a gdzie stanowi zagrożenie. Widziałem firmy, które dzięki algorytmom zostały liderami rynku. I takie, które zbankrutowały, bo oddały maszynom zbyt dużą kontrolę.

Ta książka to esencja tych doświadczeń. Praktyczny przewodnik po świecie, w którym algorytmy decydują o sukcesie lub porażce twojego biznesu. Nieważne czy zarządzasz korporacją, prowadzisz średnią firmę, czy budujesz startup. Nieważne czy jesteś CEO, CFO, team leaderem, czy prowadzisz jednoosobową firmę.

Ważne, że rozumiesz: to nie jest przyszłość. To jest teraz.

Firmy, które nauczą się mądrze współpracować z algorytmami, zdominują swoje branże. Reszta? Będzie protestować pod ministerstwami, zastanawiając się, co poszło nie tak.

Czas wybrać, po której stronie chcesz być.

Zapraszam cię w podróż po gospodarce algorytmów. Po świecie, który już istnieje. Po świecie, w którym prowadzisz swój biznes, podejmujesz decyzje, konkurujesz o klientów.

Po świecie, który musisz zrozumieć, by w nim wygrać.

Zaczynamy.

Część IJak się tu znaleźliśmy?

1.Szturm algorytmów

„Sprzedaj komuś nieszczelny sprzęt do nurkowania”.

Klienci pubu, tego wieczoru głównie studenci, spojrzeli z niedowierzaniem. Chwilę później cała sala wybuchła gromkim śmiechem.

„Niezłe!” – krzyknął gość z oddali.

„Wow! To się nazywa myślenie alternatywne!” – zawołał ktoś inny.

„Kto następny?” – zapytałem.

Pracuję jako wykładowca na Queensland University of Technology (QUT) w Australii. W ramach swoich zajęć prowadzę kurs przywództwa w zakresie przełomowych innowacji (ang. Disruptive Innovation Leadership Course, w skrócie DILC). Wśród setek uczestników tego dwudniowego seminarium mieliśmy już okazję spotkać menedżerów, dyrektorów i wiele innych osób zajmujących kierownicze stanowiska. Ludzi takich jak ty – tych, którzy codziennie podejmują decyzje, często warte miliony. Uczestnicy kursu nauczyli się rozwijać nowe pomysły biznesowe, postępując krok po kroku w ramach schematów zwanych „soczewkami innowacji” (ang. innovation lenses).

Pod koniec pierwszego dnia zazwyczaj organizujemy w miejscowym pubie sesje kreatywnego myślenia (ang. stand-up ideation sessions). To najlepsza część kursu – studenci mają okazję przećwiczyć poznane techniki innowacyjnego myślenia w luźnej atmosferze. To jak brainstorming, tylko z piwem i większą presją. Uczestnicy zamawiają drinki i po kolei stają na podium, natomiast ja lub jeden z ich kolegów przedstawiamy zagadnienie, które muszą rozwiązać bez przygotowania, na gorąco. Na przykład wyobrażam sobie pytanie o sposób, w jaki Australia Post (odpowiednik Poczty Polskiej w Australii – przyp. tłum.) mógłby zarządzać naszym uniwersytetem (QUT). Brzmi absurdalnie? O to właśnie chodzi. Nakłaniam ich w ten sposób do wypróbowania soczewki innowacji, którą nazwaliśmy „naśladownictwo” (ang. derive). Któryś ze studentów może odpowiedzieć: „Uniwersytet otworzyłby biura w każdej dzielnicy” (Australia Post ma gęstą sieć placówek). Inny zaproponuje: „Uniwersytet będzie oferował standardowe studia, a za dodatkową opłatą naukę w trybie ekspresowym” (naśladując opcję przysyłek ekspresowych). W ciągu godziny w doskonałej atmosferze możemy wygenerować setki modeli biznesowych. Setki pomysłów. Dziewięćdziesiąt dziewięć procent może być kiepskie. Ale ten jeden procent? Czyste złoto.

Pewnego dnia w roku 2021 pojawiłem się w pubie z laptopem i planem. Kilka tygodni wcześniej uzyskałem dostęp do eksperymentalnego algorytmu o nazwie GPT-3, stworzonego przez OpenAI z San Francisco, firmę specjalizującą się w rozwoju sztucznej inteligencji (AI). Skrót GPT-3 oznacza „Generative Pre-trained Transformer 3”, ale nikt normalny tak tego nie nazywa – wszyscy nazywają go po prostu GPT-3 lub GPT. Kolejne wersje noszą podobne nazwy – na przykład GPT-4.5. Algorytmy AI działają jak cyfrowi detektywi. Przetwarzają informacje o świecie, analizują je, a następnie, podobnie jak człowiek, podejmują odpowiednie decyzje. Tyle że robią to tysiące razy szybciej i nie potrzebują przerwy na kawę. Algorytm GPT rozumie pisemne polecenia i udziela odpowiedzi w formie tekstowej. Może rozpoznać wzorzec pytań i odpowiedzi, a następnie stworzyć tekst, który brzmi dokładnie tak, jakby napisał go człowiek. Po premierze GPT-3 wiele gazet opublikowało recenzje aplikacji, jak się później okazało – często napisane przy współudziale samego systemu AI.

Pierwotnie GPT-3 został zaprojektowany do celów akademickich, jednak jego możliwości szybko przyciągnęły uwagę branży technologicznej. Firma OpenAI podpisała umowy z takimi gigantami jak Amazon, Microsoft i Google, wykorzystującymi nową technologię do ulepszania własnych produktów[IV].

Ale modele GPT to już nie tylko zabawka dla naukowców i gigantów branży technologicznej. Podobnie jak z wielu innych systemów sztucznej inteligencji, mogą z nich korzystać wszyscy zainteresowani. Także ty. Już teraz.

Nadszedł moment prawdy. Usiadłem wygodnie z laptopem na kolanach, otworzyłem okno GPT-3 i wprowadziłem przykład z poprzedniej sesji: wyzwanie oraz odpowiedź, aby pokazać algorytmowi, czego oczekuję. Następnie, gdy jeden ze studentów rzucił nowe zadanie kolejnemu uczestnikowi, wprowadziłem je do okna systemu, tym razem pozostawiając pole odpowiedzi puste.

Wyzwanie brzmiało: „Jak możemy uatrakcyjnić zmagania zapaśników sumo?”. Po kilku drinkach pojawiają się najlepsze pomysły.

Studentka na podium zaniemówiła. To się zdarza. Być może znasz to uczucie ze spotkań z zarządem. Wszyscy patrzą, a ty masz pustkę w głowie. Pod presją często brakuje nam kreatywnych pomysłów. Jej zadaniem było użycie soczewki „doskonalenie” (ang. enhance) – podejścia, które pozwala identyfikować poszczególne etapy procesu i zastanawiać się, czy można je zastąpić, usunąć, przeorganizować lub dodać coś nowego.

„Zapaśnicy walczą na ruchomej macie!” – zawołała dziewczyna.

Bingo! Wszyscy parsknęli śmiechem z uznaniem – błyskawicznie dostrzegliśmy potencjał jej pomysłu. Przywodził na myśl pamiętny koncert Metalliki na obrotowej scenie. Genialne w swojej prostocie. Dokładnie o to jej chodziło!

Spojrzałem na ekran i kliknąłem „Wyślij”, ciekaw, co odpowie GPT-3. Po jakichś pięciu sekundach na ekranie zaczęły pojawiać się kolejne słowa odpowiedzi – wydawało się, że ktoś po drugiej stronie ekranu pisze na klawiaturze. Podobał mi się taki zabieg uczynienia całego procesu bardziej „ludzkim”.

Kiedy algorytm skończył, odczytałem na głos: „Rozdajmy widzom rękawice, niech też sobie powalczą”.

Cisza. Potem eksplozja śmiechu.

No dobra, przyznaję – byłem pod wrażeniem.

Zastanówmy się, dlaczego taka odpowiedź wzbudza zachwyt.

Po pierwsze, już samo zbudowanie poprawnego gramatycznie zdania stanowi dla maszyny nie lada wyzwanie. W przeszłości językoznawcy wraz z informatykami próbowali stworzyć modele, które pomogłyby algorytmom tworzyć zdania, ale rezultaty były – delikatnie mówiąc – niezręczne. Ludzki język wymyka się regułom.

Po drugie – i tu jest pies pogrzebany – algorytm musiał zrozumieć, czym są zawody sumo: walką przed kibicami siedzącymi blisko maty. Musiał pojąć ideę oryginalnego, zwięzłego rozwiązania. I wziąć pod uwagę, że widzowie zazwyczaj nie noszą ze sobą rękawic bokserskich.

Spójrzmy jeszcze raz:

Nie sposób odgadnąć, która odpowiedź została udzielona przez algorytm. Obie wydają się całkowicie naturalne, a wyrażone w nich pomysły są mniej więcej porównywalne pod względem „innowacyjności”. Czy widzisz jakąś różnicę? Bo ja nie.

Pomyśl o tym przez chwilę. Maszyna właśnie przeszła test kreatywności lepiej niż połowa twoich pracowników.

Myślisz, że potrafisz rozpoznać odpowiedzi udzielone przez algorytm? Sprawdźmy. Oto dwa kolejne przykłady z naszej sesji w pubie. Nie powiem ci, które są ludzkie, a które maszynowe. Zapamiętaj swoje wybory. Prawidłowe odpowiedzi podam pod koniec rozdziału.

A teraz uwaga – jeden z akapitów na początku tego rozdziału napisał GPT-3. Kiedy pisałem tę książkę, pokazałem algorytmowi część tekstu otwierającego niniejszy rozdział i poprosiłem o dodanie jednego akapitu. Fragment zaczynający się od słów „Pierwotnie GPT-3 został zaprojektowany do celów akademickich” to dzieło algorytmu. Wkleiłem go bez żadnych zmian. Zaskoczony? Ja też byłem. Swoją drogą OpenAI policzyło mi za to 10 centów. Dziesięć centów za akapit, który konsultant napisałby za kilkadziesiąt razy więcej. Widzisz już potencjał?

Czekaj, jest haczyk. GPT-3 napisał, że „Firma OpenAI podpisała umowy z takimi gigantami jak Amazon, Microsoft i Google”. To prawda, że OpenAI ma ścisłe powiązania z Microsoftem, jednak Google? Raczej nie. To bezpośredni konkurent. I nie znalazłem żadnych dowodów na umowy z Amazonem. To znany problem algorytmów typu GPT-3: mają tendencję do „zgadywania” lub „halucynowania”. Brzmią przekonująco, ale czasem zmyślają[V]. Ale czy my, ludzie, nie robimy tego samego? Potrzebujesz dowodu? Włącz telewizor podczas kampanii wyborczej. Albo przypomnij sobie ostatnią prezentację sprzedażową.

Jak to się wszystko zaczęło?

W 1950 roku Alan Turing zaproponował koncepcję „gry imitacji”[2] (znanej obecnie pod nazwą testu Turinga), sposób na sprawdzenie, czy maszyna potrafi udawać w rozmowie człowieka. Proste: tester obserwuje rozmowę tekstową pomiędzy człowiekiem a komputerem. Jeśli nie potrafi odgadnąć, kto jest kim, algorytm wygrywa. Wśród naukowców zajmujących się sztuczną inteligencją można znaleźć wielu przeciwników takowego testu. Ich zdaniem nagradza on manipulację. Może i tak, ale wciąż jest ważnym punktem odniesienia.

W 2025 roku, kiedy pracujemy nad polskim tłumaczeniem książki, chatboty AI – algorytmy rozmawiające z ludźmi za pomocą tekstu lub głosu – są nie do odróżnienia od ludzi. Treści, które generują, i rozmowy, w których uczestniczą – wszystko brzmi naturalnie. Twój następny rozmówca z obsługi klienta? Prawdopodobnie algorytm. I nawet się nie zorientujesz.

W okresie, w którym pisałem tę książkę, możliwości chatbotów, takich jak GPT-3, obecnie w wersji 5, ewoluowały od prostych pomysłów (tak jak w przypadku wspomnianych wcześniej sugestii dla Netflixa czy nurkowania) do projektowania całych firm.

W marcu 2023 roku, prawie dwa lata po moim eksperymencie w pubie, OpenAI wypuściło GPT-4. Kilka dni później Jackson Greathouse Fall, projektant i pisarz, wpadł na szalony pomysł. Napisał do ChatGPT (z GPT-4 w tle):

Pomysł ten szybko podchwycili inni. Hashtag #HustleGPT eksplodował[3]. Po tygodniu było 145 przedsięwzięć biznesowych opartych na pomysłach GPT-4. Dwadzieścia z nich zdołało do tego czasu wygenerować minimum 1 USD[VI] przychodu[4]. Następnie, w raporcie opublikowanym 60 dni po uruchomieniu tego wyzwania, społeczność #HustleGPT poinformowała o 275 startupach, z których 23 zarabiały na pomysłach takich jak kolorowanki do samodzielnego wydrukowania czy ekologiczne produkty dla zwierząt domowych[5].

W 2023 roku, kiedy pisałem te słowa, trudno było przewidzieć, jak to wyzwanie się potoczy. Wraz z upływem czasu zainteresowanie tematem zaczęło słabnąć i coraz mniej przedsiębiorców dodawało swoje przedsięwzięcia do listy. Sprawdzając temat przy polskim wydaniu, odkryłem, że hashtag zniknął z radaru. Porażka? Wręcz przeciwnie. Generatywna AI tak mocno zakorzeniła się w świecie biznesowej kreatywności, że nikt nie potrzebuje już hashtagu. Dziś firmy – duże i małe – rutynowo używają algorytmów do generowania pomysłów, testowania koncepcji, a nawet zarządzania projektami. To już nie eksperyment. To codzienność. Ostatnio napisałem o tym artykuł dla „Harvard Business Review”: How CEOs Are Using Gen AI for Strategic Planning[6].

Jak się tu znaleźliśmy?

Do niedawna algorytmy były domeną informatyków. Dziś? Terminy takie jak „handel algorytmiczny”, „błąd algorytmiczny”, „algorytm Facebooka”, a nawet „wojna algorytmiczna” – wszystko to brzmi normalnie. Jak kiedyś „Internet” czy „e-mail” – pamiętasz jeszcze, jak dziwnie brzmiały?

Ale algorytmy to nic nowego. Używamy ich, świadomie lub nie, od setek, może tysięcy lat. Algorytmy bowiem to po prostu szczegółowe instrukcje opisujące kolejne kroki, które należy wykonać, aby osiągnąć określony rezultat[7]. Stanowią one jedno z najpopularniejszych narzędzi transferu wiedzy, a praktycznie każda metoda nauczania bazuje na algorytmach. Przepis babci na szarlotkę? Algorytm. Instrukcja z IKEA? Też algorytm. Tylko bardziej frustrujący.

Problem w tym, że w ostatnich dekadach wprowadzenie komputerów sprawiło, że instrukcje stały się absurdalnie złożone. Mamy nawet algorytmy, które same piszą inne algorytmy. Dziwne? Dobra, zagłębmy się w historię.

Słowo „algorytm” ma swoje źródło w łacińskiej wersji imienia Muhammada ibn Mūsā al-Khwārizmī, perskiego matematyka z IX wieku. Zanim pojawiło się we współczesnym znaczeniu w naszym języku 1000 lat później, było używane w odniesieniu do systemu liczb dziesiętnych. „Algorytm” w nowoczesnym znaczeniu zyskał na popularności wraz z opanowaniem świata przez komputery w latach 50. minionego stulecia. Ale same algorytmy istniały znacznie wcześniej.

Pierwsze zapisano w starożytnej Grecji. Euklides, Nicomachos z Gerazy – ojcowie współczesnej matematyki – przedstawiali swoje koncepcje jako sekwencje kroków. Genialne w swojej prostocie.

Na przykład na początku II wieku Nicomachos opisał algorytm zwany sitem Eratostenesa (nazwanym tak na cześć matematyka z okresu przed naszą erą, któremu przypisuje się jego wynalezienie) – algorytm znajdowania liczb pierwszych. Do dziś uczą go studentów informatyki. Liczby pierwsze to te większe od jedynki, których nie da się podzielić przez inne liczby naturalne. Proste dla małych liczb, koszmar dla dużych[8]. Większe liczby pierwsze odgrywają kluczową rolę w kryptografii: w szyfrowaniu (przekształcaniu tekstu w niezrozumiały ciąg znaków) i deszyfrowaniu (odtwarzaniu oryginalnego tekstu na podstawie tych znaków). To dzięki nim twoje hasło bankowe jest bezpieczne. Sito Eratostenesa zawiera instrukcje krok po kroku, jak usunąć wszystkie liczby niebędące liczbami pierwszymi (liczby złożone) z określonego zbioru liczb (na przykład ze zbioru wszystkich liczb od jednego do dziesięciu tysięcy), zostawiając tylko pierwsze. Eleganckie. Obecnie istnieje wiele algorytmów, które identyfikują takie liczby. Sito Eratostenesa dało początek całej rodzinie algorytmów, które mają ten sam cel i są coraz bardziej wydajne.

Euklides, dużo bardziej znany niż Nicomachos, stworzył algorytm pozwalający na znajdowanie największego wspólnego dzielnika. Po co? Wyobraź sobie, że układasz podłogę w pokoju o wymiarach 612 cm × 2006 cm. To jak optymalizacja magazynu – każdy centymetr się liczy. Algorytm Euklidesa powie ci, że potrzebujesz płytek 34 cm × 34 cm w układzie 18 na 59. Kafelkarz doda, że zapomniałeś o fugach. Cóż, to też można algorytmizować.

Skok do XIX wieku. Pierwszy algorytm stworzony na potrzeby maszyny został opracowany przez Adę Lovelace (z domu Byron) i opublikowany w 1843 roku. Tak, to ta sama, której pomnik stoi teraz za rogiem Great Smith Street w Londynie, gdzie w 2020 roku uczniowie protestowali przeciwko algorytmowi.

Lovelace była fascynująca. Jedyna prawowita córka poety lorda Byrona, urodzona w roku 1815, geniusz matematyczny z duszą poetki. Potrafiła w sposób harmonijny łączyć fascynację królową nauk z odziedziczoną po ojcu miłością do poezji. Sama określała ten stan umysłu mianem „poetyckiej nauki”. Brzmi jak idealny CEO startupu – twarde dane plus wizjonerska kreatywność. Jako znakomita matematyczka zaprzyjaźniła się z wynalazcą i „ojcem komputerów” Charlesem Babbage’em.

Jej zainteresowanie wzbudził w szczególności jeden z projektów Babbage’a − silnik analityczny, czyli mechaniczny komputer do automatycznych obliczeń. To właśnie z myślą o tym urządzeniu Lovelace opracowała pierwszy algorytm. Wypracowała formułę konfiguracji silnika umożliwiającą obliczanie złożonej sekwencji liczb zwanej liczbami Bernoulliego. Formuła ta jest obecnie powszechnie uznawana za pierwszy algorytm komputerowy w historii. Ale Lovelace myślała szerzej niż tylko o liczbach.

Jej wizja kontrastowała z powszechną obawą przed maszynami, charakterystyczną dla XIX wieku, szczególnie wśród robotników. Na jej oczach całe gałęzie przemysłu pod wpływem mechanizacji ulegały gruntownej transformacji, tymczasem ona dostrzegała w nowoczesnych wynalazkach nie tyle zagrożenie, co piękno. Pozostała optymistką nawet wówczas, gdy luddyści (przedstawiciele radykalnego ruchu społecznego – przyp. tłum.) niszczyli maszyny w obronie własnych miejsc pracy. Brzmi znajomo? Spójrz na dzisiejsze protesty przeciw AI.

Lovelace postrzegała świat w szerokiej perspektywie. Gdy inni widzieli w komputerach kalkulatory, ona zastanawiała się nad współpracą człowieka z maszyną.

Smutna ciekawostka: Ada Lovelace nie doczekała zakończenia budowy silnika analitycznego i nigdy nie ujrzała zastosowania swojego algorytmu w praktyce. Do dziś nie udało się ukończyć projektu, chociaż Babbage, korzystając z dostępnych materiałów i technologii, udowodnił, że jego maszyna by działała. Wydaje się zresztą, że los generalnie nie sprzyjał realizacjom pomysłów tego genialnego naukowca. Inny projekt Babbage’a – maszyna różnicowa nr 2 – ujrzał światło dzienne z kolei dopiero w 1991 roku w London Museum of Science.

XIX wiek to era algorytmów wbudowanych w maszyny. Powszechnie stosowane przyczyniły się do automatyzacji wielu czynności wykonywanych wcześniej przez człowieka. Joseph-Marie Jacquard, francuski tkacz i kupiec, w 1804 roku opatentował krosno pozwalające producentom tkanin na tworzenie skomplikowanych wzorów przy użyciu serii perforowanych kart sterujących pracą maszyny. To jak programowanie – tylko zamiast kodu na ekranie masz dziurki w kartonie. W podobny sposób centrale telefoniczne pod koniec XIX wieku wykorzystywały zaawansowane urządzenia mechaniczne, które zgodnie z instrukcjami łączyły rozmowy telefoniczne. Jak na tamte czasy urządzenia te miały charakter przełomowy i do dziś budzą uznanie. Choć trudno nie podziwiać ich skomplikowanej struktury, nadal były to jednak urządzenia czysto mechaniczne. Składały się z dźwigni, przełączników i wałów. Były hałaśliwe i daleko im było do znanych nam dzisiaj komputerów.

Prawdziwy przełom? Lata 30. XX wieku. Wtedy pojawiły się pierwsze wzmianki o algorytmach w odniesieniu do urządzeń elektronicznych, a nie mechanicznych.

Alan Turing opisał uniwersalny sposób wykonywania obliczeń. Zamiast skupiać się na konkretnym zadaniu, jak na przykład rozpoznawanie liczb pierwszych, stworzył koncepcję maszyny Turinga: komputera uniwersalnego. To kluczowe. W przeciwieństwie do poprzednich urządzeń nowe komputery były w stanie przetwarzać dowolne sekwencje instrukcji, a nie tylko konkretne, wbudowane. Innymi słowy, Turing wynalazł komputer, na którym można instalować aplikacje. Wyobraź sobie, że dla każdego nowego zadania musiałbyś kupić osobny komputer. Turing oszczędził ci fortunę.

A co dzieje się dziś? Algorytmy są tak zaawansowane, że często nie wiemy, jak działają. I nie chodzi tylko o laików. Informatycy i naukowcy też są zdezorientowani. Nie wierzysz? Anthropic, twórca chatbota Claude, stworzył duży zespół, który próbuje zrozumieć, jak działa ich algorytm! Ich projekt nazywa się „Mikroskop AI” – w nawiązaniu do urządzenia, które pomogło nam poznać, jak „działają” organizmy żywe. AI generuje świetne wyniki, ale jak? Nie tylko Anthropic szuka odpowiedzi. Pracuje nad tym cała dziedzina „wytłumaczalnej sztucznej inteligencji”.

To nie nowość. Już w XX wieku wiele algorytmów było „czarnymi skrzynkami”. Po co zastanawiać się nad tym, jak dokładnie działają? Liczyło się tylko, co wchodzi i co wychodzi. Tego rodzaju uproszczenie było oczywistym wyborem, bo przy odpowiednim wysiłku można było taki algorytm „rozpakować” i znaleźć problem.

W XXI wieku niektóre algorytmy są po prostu zbyt złożone, abyśmy mogli je zrozumieć. Jasne, możemy wyjaśnić podstawy. Na przykład że używają sztucznych sieci neuronowych (naśladujących ludzki mózg). Możemy pokazać, jak dane wyjściowe dają wynik. Ale dokładny proces? Tajemnica. Stopień zaawansowania algorytmów jest często oszałamiający.

A to dopiero początek. Nie ma żadnej przyczyny, dla której ten wzrost skomplikowania miałby się zatrzymać. Algorytmy będą coraz bardziej zaawansowane. Co może pójść nie tak? Wszystko.

[I] Turing zasłynął z prac nad Enigmą, ale warto pamiętać o polskich matematykach – Marianie Rejewskim, Jerzym Różyckim i Henryku Zygalskim – którzy jako pierwsi złamali jej szyfr w latach 30. ubiegłego stulecia i przekazali tę wiedzę aliantom. Turing i jego zespół w Bletchley Park rozwinęli te metody, dostosowując je do znacznie bardziej skomplikowanych wariantów Enigmy używanych podczas wojny. Historia technologii to często sztafeta geniuszy, nie bieg samotników.

[II] ChatGPT był tylko początkiem. Dziś mamy Claude’a, Gemini, Llama, DeepSeek, Mistrala, Perplexity i... – co bardzo ważne – polskiego Bielika. Nowe modele pojawiają się regularnie. To najbardziej demokratyczna rewolucja w historii – każdy przedsiębiorca ma dostęp do AI, która jeszcze pięć lat temu była dostępna tylko dla gigantów technologicznych.

[III] Mówię tu o funkcjach dostępnych w wielu współczesnych samochodach – adaptacyjny tempomat, asystent pasa ruchu, automatyczne parkowanie. W pełni autonomiczne pojazdy (bez kierownicy i pedałów) to wciąż rzadkość. Co prawda Waymo (o którym nieco później) oferuje usługi publicznie, a Tesla uruchomiła w 2025 roku usługę Robotaxi, ale to na razie testy w wybranych miastach. Może gdy będziesz czytać tę książkę, twój samochód będzie już sam jeździł na zakupy.

[IV] Część tych informacji może wydawać się zaskakująca. Proszę o cierpliwość – niebawem wszystko wyjaśnię.

[V] Ściśle mówiąc, wszystkie odpowiedzi tych algorytmów sprowadzają się do domysłów. Treści generowane są przy pomocy metod probabilistycznych – program próbuje odgadnąć najbardziej prawdopodobne wyniki.

[VI] Większość przykładów, które omawiam w niniejszej publikacji, dotyczy przedsiębiorstw międzynarodowych lub firm z siedzibą w Stanach Zjednoczonych, stąd wszystkie kwoty podane są w dolarach amerykańskich, chyba że zaznaczono inaczej.

[1] A.C. Clarke, ‘Hazards of Prophecy: The Failure of Imagination’, w: A.C. Clarke, Profiles of the Future: An Enquiry into the Limits of the Possible, Victor Gollancz, Londyn 1973, s. 14.

[2] A. Turing, Computing Machinery and Intelligence, „Mind”, vol. LIX, nr 236, październik 1950, s. 433–60.

[3] C. Mauran, HustleGPT is a Hilarious and Scary AI Experiment in Capitalism, „Mashable”, 21 marca 2023, https://mashable.com/article/gpt-4-hustlegpt-ai-blueprint-money-making-scheme.

[4] @jtmuller5, The-HustleGPT-Challenge, „GitHub”, data dostępu styczeń 2023, https://github.com/jtmuller5/The-HustleGPT-Challenge.

[5]275 HustleGPT Startups’, Notion, data dostępu 16 lipca 2023, https://thestudio1.notion.site/275-HustleGPT-Startups-1737b59d19b745ceacb8aeefe8462737.

[6] G. Kenny, M. Kowalkiewicz i K. Oosthuizen, How CEOs Are Using Gen AI for Strategic Planning, „Harvard Business Review”,11 września 2024, https://hbr.org/2024/09/how-ceos-are-using-gen-ai-for-strategic-planning.

[7] Formalna definicja algorytmu brzmi następująco: „jednoznaczna specyfikacja sposobu rozwiązywania grupy problemów” lub „kompletna sekwencja czynności »krok po kroku«, lub zestaw operacji do wykonania”, hasło „Algorithm (Disambiguation)”, Wikipedia, data dostępu 16 lipca 2023, https://en.wikipedia.org/wiki/Algorithm_(disambiguation).

[8] Według stanu na październik 2018 roku największą znaną liczbą pierwszą jest 277232917 − 1, czyli liczba składająca się z 23 249 425 cyfr. Samo sprawdzenie, czy jest to liczba pierwsza, zajęło sześć dni nieprzerwanej pracy komputera używanego powszechnie w dzisiejszych gospodarstwach domowych, GIMPS Project Discovers Largest Known Prime Number: 277232917 − 1, Great Internet Mersenne Prime Search, 3 stycznia 2018, https://www.mersenne.org/primes/press/M77232917.html.