Kompetencje AI (AI literacy)

Kompetencje AI, po angielsku AI literacy, oznaczają wiedzę i umiejętności potrzebne do świadomego korzystania z systemów sztucznej inteligencji. Nie chodzi wyłącznie o obsługę czatu ani o to, czy ktoś zna modny prompt. Osoba używająca AI powinna rozumieć, do czego dany system jest przeznaczony, jakie informacje wykorzystuje, gdzie może popełnić błąd i kto odpowiada za decyzję podjętą na podstawie jego wyniku. Komisja Europejska wiąże to pojęcie z techniczną wiedzą, doświadczeniem, wykształceniem, szkoleniem oraz kontekstem użycia konkretnego systemu.

Dla solopreneura kompetencje AI są częścią warsztatu biznesowego, nie osobnym działem compliance. Gdy używasz modelu do konspektu newslettera, potrzebujesz innych nawyków niż wtedy, gdy automatyzacja klasyfikuje leady, odpowiada klientom albo przetwarza notatki z konsultacji. W pierwszym przypadku kluczowa jest jakość i głos marki. W drugim dochodzą dane osobowe, błędna kwalifikacja, reputacja oraz możliwość zatrzymania procesu. Dojrzałe użycie AI zaczyna się od pytania: jaki jest cel, co może pójść źle i kto sprawdzi wynik przed działaniem?

W Unii Europejskiej temat ma także wymiar organizacyjny. Artykuł 4 AI Act nakłada na dostawców i podmioty stosujące systemy AI obowiązek podejmowania działań wspierających wystarczający poziom kompetencji AI osób pracujących z tymi systemami w ich imieniu. Nie oznacza to jednej obowiązkowej szkolnej listy ani automatycznego wymogu certyfikatu dla każdej osoby. Sens jest kontekstowy: kompetencje powinny odpowiadać roli, narzędziu, ryzyku i skutkom jego użycia. Właściciel małej firmy nie powinien udawać prawnika, ale powinien umieć wykazać, że nie zostawił krytycznego procesu bez zasad.

Praktyczny minimum standard można rozpisać na pięć pytań. Po pierwsze, czy użytkownik rozumie zadanie systemu i jego granice. Po drugie, czy wie, jakie dane można przekazać, a jakich nie. Po trzecie, czy potrafi rozpoznać halucynację, stronniczość lub wynik niepewny. Po czwarte, czy zna punkt kontroli człowieka przed publikacją, wysłaniem lub decyzją. Po piąte, czy wie, gdzie zgłosić błąd i jak zatrzymać automatyzację. To jest użyteczniejszy standard niż jednorazowe szkolenie bez odniesienia do realnej pracy.

Przykład: ekspertka prowadzi program online i korzysta z AI do przygotowania odpowiedzi na pytania uczestników. Tworzy krótki playbook: AI może przygotować szkic na podstawie zatwierdzonej bazy wiedzy, nie może samodzielnie obiecywać efektów programu ani przetwarzać danych zdrowotnych uczestników, a każda odpowiedź o płatności lub zmianie warunków wymaga akceptacji człowieka. Raz w miesiącu zespół przegląda pięć rzeczywistych odpowiedzi i zapisuje błędy. Taki proces buduje kompetencje na konkretnych sytuacjach, zamiast na abstrakcyjnym haśle „używaj AI odpowiedzialnie”.

Kompetencje AI nie gwarantują, że model będzie poprawny. Model może zmyślić źródło, źle zinterpretować polecenie albo dać pewną siebie, lecz błędną odpowiedź. Dlatego nie wolno sprowadzać AI literacy do zaufania do narzędzia. Potrzebne są źródła prawdy, reguły dostępu do danych, testy reprezentatywnych przypadków i człowiek w pętli tam, gdzie błąd ma istotną konsekwencję. Równie ryzykowny jest drugi skraj: zakaz używania AI bez alternatywnego procesu. Wtedy ludzie zaczynają korzystać z narzędzi po cichu, bez ochrony i bez możliwości uczenia się na błędach.

Zacznij od inwentaryzacji trzech do pięciu powtarzalnych zastosowań AI w firmie. Przy każdym zapisz właściciela, cel, wejściowe dane, decyzję człowieka oraz sytuację, w której proces ma się zatrzymać. Następnie przygotuj krótkie ćwiczenie na prawdziwym przypadku: rozpoznanie błędnego cytatu, odrzucenie zbyt ogólnej odpowiedzi i poprawne przekazanie kontekstu. Dokumentuj wersję instrukcji oraz datę przeglądu. Dzięki temu kompetencje AI stają się częścią systemu pracy, a nie jednorazową prezentacją, po której nikt nie pamięta zasad.