Kolaps poznania

Prvého júna 2009 zmizol z radarov let Air France 447 z Ria do Paríža. Keď sa po dvoch rokoch našli čierne skrinky, vyšetrovanie ukázalo niečo znepokojivejšie než technickú poruchu. V búrke namrzli rýchlostné sondy a autopilot sa (správne, podľa dizajnu) vypol a odovzdal riadenie ľuďom. Lietadlo bolo v poriadku. Stačilo ho pár minút riadiť ručne. Posádka, zvyknutá, že drvivú väčšinu letu vedie automat, v zmätku ťahala stroj do stúpania, až ho dostala do pádu, z ktorého sa nespamätal. Dvestodvadsaťosem ľudí zomrelo pri nehode, ktorej príčinou nebola chyba automatizácie, ale to, čo dlhé roky automatizácie potichu spravili so zručnosťou ľudí, ktorí mali byť poistkou.

Letectvo tomu hovorí atrofia manuálnych zručností a rieši ju tvrdo: povinnými hodinami ručného lietania, simulátormi, drilmi. Prečo o tom píšem v knihe o biznise? Lebo ekonómia práve dostala model, ktorý hovorí, že to isté čaká firmy – a nie po kvapkách, ale so zlomom.

Acemogluov zlom

Daron Acemoglu z MIT, nositeľ Nobelovej ceny za ekonómiu, publikoval začiatkom roka 2026 prácu s názvom, ktorý netreba prekladať opatrne: AI, ľudská kognícia a kolaps poznania. Jeho model je formálny, ale jadro sa dá povedať ľudsky.

Poznanie v spoločnosti aj vo firme je zásoba, ktorá sa obnovuje tým, že sa ľudia učia. A učenie je investícia s odloženým výnosom. Oplatí sa, kým je okamžitá cena nevedomosti vysoká: keď neviem, musím sa doučiť, inak zle rozhodnem. AI túto cenu potichu ruší. Načo sa učiť, keď dobrá rada je na jeden dopyt? Pre jednotlivca je to racionálne: dnes, zajtra, každý deň zvlášť. Lenže zásoba zdieľaného poznania, z ktorej čerpá aj samotná AI, sa obnovovať prestane. A Acemogluov výsledok znie: nie je to pozvoľné. Kým je AI priemerná, ľudia sa učia ďalej, lebo sa jej neoplatí slepo veriť. Keď prekročí prah spoľahlivosti, učiť sa prestane oplácať naraz – a systém sa preklopí do rovnováhy, v ktorej sú rady výborné, ľudia spokojní a spoločná zásoba poznania sa rozpúšťa. Blahobyt v jeho modeli nerastie s presnosťou AI donekonečna; najlepšia AI nemusí byť tá najpresnejšia, ale tá, pri ktorej sa ešte oplatí rozmýšľať.

Ak ti to znie povedome, správne: je to tá istá premenná, na ktorej stojí architektúra učenia z rovnomennej kapitoly, len s opačným znamienkom. Choudary hovorí: kto vlastní učiacu slučku, vyhráva. Acemoglu odpovedá: pri dosť dobrej AI slučku bezbolestne odovzdáš von a nevšimneš si, že sa zrútila. Oba výroky sú pravdivé. Rozhoduje dizajn – a to je dobrá správa, lebo dizajn je voľba.

Ako kolabuje firma

V malom sa ten prechod dá pozorovať už dnes a začína vždy rovnako: nenápadne a s výbornými metrikami.

Podpora prestane eskalovať ťažké prípady, lebo agent ich „nejako vybaví“, a o rok niet človeka, ktorý by vedel, ako sa vlastne riešia. Vývojári prestanú čítať kód, ktorý za nich stroj píše. Funguje, testy svietia nazeleno. A keď príde porucha, ktorú model nechápe, hľadá sa posledný, kto systému ešte rozumie. Analytické oddelenie roky odovzdáva reporty z modelu a nikto si nevšimne, že otázku, na ktorú report odpovedá, už nevie nikto položiť inak. Všimni si spoločný vzorec: v každom prípade metriky najprv stúpnu. Kolaps poznania sa neprejavuje ako kríza, prejavuje sa ako efektivita. Kríza príde až s prvou situáciou, ktorú stroj nepozná, s namrznutou sondou – a vtedy sa ukáže, či za automatom ešte sedí posádka, ktorá vie lietať.

A tu sa spája celá táto časť knihy. Rozpustený rebrík je kolaps poznania v prvom štádiu: firma prestala vyrábať ľudí, ktorí sa učia. Slepý šéf z kapitoly o manažmente je jeho druhé štádium: ľudia, ktorí riadia, čo nevedia posúdiť. Tretie štádium je systém, ktorému už nerozumie nikto (a beží výborne až do dňa, keď prestane).

Pamäť nie je záloha

K firemnej verzii kolapsu patrí ešte jedna ilúzia, ktorú treba rozbiť: „veď to máme zdokumentované.“ Nemáš. Dokumentácia zachytáva čo a ako; poznanie, ktoré kolabuje, je prečo. Prečo je limit nastavený práve takto, prečo sa tento typ zákazky odmieta, prečo model v tomto segmente prehodnocujeme ručne. Odpovede na prečo nesedia v príručkách, sedia v ľuďoch, ktorí boli pri rozhodnutí, a odchádzajú s nimi. Firma, ktorá chce mať poistku, si musí písať rozhodnutia, nie postupy: krátky záznam pri každej významnej voľbe – čo sme zvolili, čo sme zavrhli a prečo. Nie je to byrokracia; je to jediný formát pamäti, ktorý prežije výmenu ľudí aj výmenu modelov. A mimochodom, je to aj jediné, z čoho sa budúca AI vo firme naučí tvoje prečo namiesto všeobecných právd internetu.

Je tu ešte širší dôvod, prečo sa neučiaca spoločnosť týka aj majiteľa firmy, ktorý „len“ nasadzuje nástroje: modely sa učia z ľudského poznania. Ak ho ľudia prestanú vyrábať, ak prestanú písať, skúmať a dokumentovať omyly, budúce modely nebudú mať z čoho rásť. Acemogluov kolaps má teda aj druhé poschodie: AI, ktorá odnaučí ľudí učiť sa, si postupne vysuší vlastný prameň. Nie je to argument proti AI; je to argument za svet, v ktorom sa oplatí rozmýšľať aj vedľa nej.

Zámerne neefektívne

Čo s tým? Letectvo ukazuje smer, ktorý znie kacírsky pre každého, kto túto knihu číta ako návod na efektivitu: niektoré učebné slučky treba nechať zámerne neefektívne, čiže ľudské, práve preto, že sú učebné.

Prakticky to znamená vyhradiť vo firme miesta, kde sa rozmýšľa ručne, aj keď to stroj vie. Rotácie, pri ktorých ľudia riešia eskalácie bez asistenta, ako pilot na simulátore. Pravidlo, že kritické systémy má vždy dvojica ľudí, ktorá im rozumie do hĺbky – nie „vie ich obsluhovať“, rozumie im. Kontroly strojových výstupov nastavené nie na minimum potrebné pre kvalitu, ale o stupeň hlbšie, pre učenie kontrolóra. A ešte jedna vec, ktorú letectvo nemá: rozhodnutie, ktoré poznanie je pre firmu identitné. Nie všetko treba chrániť; väčšinu rutiny pokojne nechaj atrofovať, tak ako nikto neplače za počítaním spamäti. Ale to, na čom stojí tvoja vzácnosť (doména, z ktorej rámcuješ, remeslo, z ktorého posudzuješ), sú tvoje rýchlostné sondy. Keď namrznú, autopilot sa vypne v najhoršej chvíli.

Zostáva rozpor, ktorý táto kapitola vyrába s kapitolou o manažmente, a je namieste vyriešiť ho nahlas, lebo pre jednotlivca s jedným kalendárom to nie je akademická otázka. Kapitola o manažmente radí delegovať na agentov najhlbšie práve tam, kde máš doménu. Táto radí doménu chrániť ručnou prácou. Obe platia, len hovoria o dvoch rôznych činnostiach vnútri tej istej domény. Deleguj vyrábanie, teda to, čo vieš spraviť a čoho výsledok vieš na prvý pohľad zvážiť v ruke. Chráň si posudzovanie: schopnosť rozoznať, že výsledok je zlý, aj keď vyzerá dobre. Prvé je práca, o ktorú neprídeš tým, že ju odovzdáš. Druhé je sval, ktorý atrofuje presne vtedy, keď ho prestaneš používať, a jeho strata sa prejaví až v deň, keď stroj po prvý raz sebavedome klame. Prakticky: nechaj model písať, počítať a navrhovať, koľko chce – ale nikdy si nedaj vysvetliť, prečo je jeho výsledok správny. To si musíš vedieť povedať bez neho, inak už nerozhoduješ, len podpisuješ.

Obhájiť tieto „neefektivity“ pred tabuľkou nákladov je ťažké a bude to ťažšie každým rokom, lebo ich výnos je neviditeľný presne dovtedy, kým nie je životne dôležitý. Pomáha jediné: nazvať ich pravým menom. Nie sú to náklady na nostalgiu. Je to poistné na poznanie – a platí sa, kým je lacné.

Samoaudit

Čo sa u vás za posledné dva roky prestal učiť človek, lebo to „vie model“? Sprav zoznam a pri každej položke si polož otázku: čo sa stane pri situácii, ktorú model nepozná?
Ktoré poznanie je pre firmu identitné – to, z ktorého rámcuješ a posudzuješ? Kto konkrétne ho dnes nesie a kto ho ponesie o päť rokov?
Kde metriky stúpli po tom, čo ľudia prestali rozumieť procesu? (Toto je najťažšia otázka kapitoly – efektivita a kolaps vyzerajú spočiatku rovnako.)

Ak firmu nevlastníš: to isté cvičenie sa dá spraviť na sebe a je nepríjemnejšie. Vyber úlohu zo svojho odboru, ktorú za teba posledný rok robil model, a sprav ju raz ručne. Čas, ktorý ti to zaberie navyše, je poistné; miesto, kde sa zasekneš, je odpoveď na otázku, čo z tvojej odbornosti je ešte tvoje.

Krok na tento týždeň: vyber jeden kritický proces a zorganizuj „let bez autopilota“: nech ho tím raz prejde ručne, bez asistenta, ako cvičenie. Sleduj, kde sa zasekne. Každé zaseknutie je namrznutá sonda – a lepšie je nájsť ju na simulátore než v búrke.