Paradoks med uspešnostjo in učenjem v dobi UI — in kaj to pomeni za razvoj vaših zaposlenih

OECD je 19. januarja 2026 objavila 247-stranski pregled tega, kako se generativna umetna inteligenca dejansko uveljavlja v učilnicah in na univerzah po vsem svetu — ne marketinško različico, temveč dokaze.

Napisano je bilo za ministrstva za šolstvo. Toda če odstranimo šolski jezik, ostane ena najjasnejših zbirk dokazov o tem, kako se ljudje učijo — ali pa se ne uspejo naučiti — medtem ko delajo ob UI. Ta razlika je enako pomembna na prodajnem oddelku ali v regulatorni ekipi kot v predavalnici.

Raziskano in pripravljeno s pomočjo UI; pregledal, preveril dejstva in uredil Primož Verbič.

Na kratko

• UI lahko izboljša, kako dobro nekdo opravi nalogo, medtem ko njegovo dejansko pridobljeno znanje ostane nespremenjeno ali celo upade — raziskava, na katero se sklicuje OECD, je pokazala 17-odstotno vrzel v uspešnosti, ko je bila pomoč UI odstranjena.
• Vzrok je “kognitivno razbremenjevanje“: prepustitev naloge UI preskoči korake diagnoze, ovrednotenja in ponavljanja, ki gradijo trajno razumevanje.
• Dobro konfigurirana orodja UI, izdelana za določen namen, pomagajo veliko bolj kot dostop do splošnega klepetalnega robota — in največ koristijo najnovejšim zaposlenim (v eni študiji je bilo pri najmanj izkušenih uporabnikih zabeleženo 9-odstotno povečanje uspešnosti).
• Najmočnejši model sodelovanja med človekom in UI je “nadgradnja“ (augmentation) — ponavljajoča se kritika in izpopolnjevanje skupaj, ne neposredna zamenjava nalog.
• Za razvoj kadrov: delo zaporedite kot najprej poskus, nato pomoč UI, prednostno dostopnost UI namenite novim zaposlenim in kompetence merite z zamaknjenimi preverjanji brez orodja.

Paradoks med uspešnostjo in učenjem v dobi UI

Osrednja ugotovitev poročila je neskladje med uspešnostjo in učenjem. Generativna UI lahko nekoga trenutno opazno izboljša pri neki nalogi, medtem ko njegovo temeljno znanje ostaja povsem nespremenjeno ali celo upade.

17 % slabše. Randomizirano preskušanje z okoli 1.000 turškimi srednješolci je pokazalo, da so tisti, ki so matematiko vadili s splošnim klepetalnim robotom GPT-4, med vajo pravilno rešili veliko več nalog — toda ko so klepetalnega robota odstranili za izpit brez pripomočkov, so dosegli za 17 % slabši rezultat kot dijaki, ki UI sploh niso uporabljali.

Raziskovalci ta mehanizem imenujejo “kognitivno razbremenjevanje“. Ko orodje ponudi dokončan odgovor, ljudje preskočijo korake, ki dejansko gradijo razumevanje: diagnosticiranje problema, tehtanje možnosti, ponavljanje. Ločena študija, ki je uporabila slikanje možgan, je pokazala, da so si dijaki, ki so esej napisali s pomočjo ChatGPT, komaj eno uro pozneje zapomnili lastno vsebino — le 12 % jih je lahko navedlo stavek iz njega, v primerjavi z 89 % tistih, ki so pisali brez pomoči. Pisanje najprej in vključitev UI kasneje je ohranilo spomin; začetek z UI tega ni. O izidu ni odločala zgolj uporaba, temveč zaporedje.

Poročilo ni proti UI — je natančno glede tega, kaj UI naredi koristno namesto škodljive. Orodja, konfigurirana okoli resnične pedagoške prakse, so dosledno prekašala neposreden dostop do splošnega klepetalnega robota.

Vrzel 9 odstotnih točk. Asistent za inštrukcije, ki ga je razvila univerza Stanford, je povprečno dvignil uspešnost dijakov za 4 % — toda povečanje je bilo neenakomerno: +9 odstotnih točk pri najmanj izkušenih inštruktorjih, skoraj nič pri najbolj izkušenih. Bolje kot je bilo orodje zasnovano, bolj je zmanjšalo vrzel za tiste, ki so potrebovali največ podpore.

Glede tega, kako naj se UI umesti ob človeško strokovnost, poročilo pretehta tri modele: zamenjavo, dopolnjevanje in nadgradnjo, pri kateri človek in UI iterativno kritizirata in izboljšujeta rezultat drug drugega. Nadgradnja je prinesla najboljše rezultate in najmanjšo izgubo strokovnega znanja; zgolj avtomatizacija nalog je bila dosledno najslabša izbira.

Vredno je iz učilnice prenesti še eno ugotovitev: povratne informacije, ki jih ustvari UI, so zdaj po natančnosti in poglobljenosti enakovredne človeškim. Vendar jim ljudje manj zaupajo in po njih manj ravnajo, kadar vedo, da jih je napisal stroj — tudi kadar so objektivno enako dobre. Vrzel v verodostojnosti se ne zapre le zato, ker se zapre vrzel v kakovosti.

Kaj to pomeni za razvoj vaših zaposlenih

Nič od zgoraj navedenega ni bilo napisano z mislijo na izkaz poslovnega izida. Toda vsaka ugotovitev se neposredno prevede v to, kako naj rastoče podjetje — in kako naj ne — vgradi UI v razvoj svojih zaposlenih.

1. Merite kompetence, ne hitrosti dela. Če vaše metrike razvoja kadrov merijo, kako hitro nov zaposleni s pomočjo UI pripravi prvi osnutek ali e-pošto stranki, merite prav tisto številko, pred katero opozarjajo podatki OECD — tisto, ki lahko naraste, medtem ko dejanska sposobnost ostaja nespremenjena. Dodajte zamaknjeno preverjanje: ali lahko ta oseba nekaj tednov pozneje nalogo opravi brez orodja? To je izpit brez pripomočkov, uporabljen na vaši ekipi.

2. UI najprej usmerite k najnovejšim zaposlenim. Rezultat inštrukcij — največji dobiček za najmanj izkušene, najmanjši za najbolj izkušene — je tu najbolj uporaben podatek. Dobro konfiguriran pomočnik UI za uvajanje ali obravnavo ugovorov bo v prvem mesecu naredil več za novega zaposlenega kot za vašega najbolj izkušenega specialista. Prednost pri uvajanju naj sledi tej krivulji, ne delovni dobi.

3. Določite zaporedje: najprej poskus, nato pomoč. Naj zaposleni osnutek ponudbe ali načrta za stranko pripravijo, preden odprejo orodje UI — čeprav gre le za grob petminutni poskus. Vključitev UI pozneje za izpopolnitev ohranja lastno razmišljanje; začetek z UI in poznejše urejanje tega ne omogoča. To je politika dodeljevanja dela, ne točka na usposabljanju.

4. Orodje konfigurirajte; ne podelite le licence in tega imenujte usposabljanje. Razlika med splošnim mestom za UI in orodjem, konfiguriranim okoli dejanskih priročnikov in jezika vašega podjetja, je ista razlika, ki jo poročilo najde med splošno in za izobraževanje posebej zasnovano UI. Notranjega pomočnika UI obravnavajte kot zasnovan izdelek, ne kot postavko nabave — najprej preslikajte delovne procese, šele nato kupujte licence.

5. Naj UI pripravi osnutek povratne informacije; podpiše naj jo človek. UI uporabite za pripravo prvega osnutka opombe za coaching ali pregleda klica — to je hitro in dobro. Vendar naj vodja to prebere, prilagodi in poda. Ljudje nasvet, za katerega vedo, da prihaja od stroja, upoštevajo manj, ne glede na njegovo kakovost.

6. Zaposlene naučite delati z UI, ne le dostopati do nje. Najboljši rezultati v poročilu so prihajali od uporabnikov, ki so razumeli, kaj orodje počne — kako oblikovati poizvedbe, kdaj ne zaupati samozavestno zvenečemu odgovoru. To je veščina, ki se jo da naučiti. Zgradite jo prav tako namensko kot usposabljanje za pogajanja ali izdelke, pri čemer je nadgradnja ciljno vedenje.

Avtorji poročila izziv za oblikovalce politik opredelijo kot zagotoviti, da je UI partner pri učenju, ne bližnjica do učenja. To je isto oblikovalsko vprašanje za vsako ekipo, ki trenutno vlaga v UI — in prav to vprašanje vgrajujemo neposredno v to, kako pri strankah oblikujemo uvajanje UI.

Pogosta vprašanja

Kako hitro se pokaže izguba kompetenc zaradi uporabe UI? Hitro. Najjasnejši dokaz prihaja iz izpita brez pripomočkov, opravljenega takoj po kratkem obdobju vadbe z UI, kjer je bil učinek že merljiv. Zato naj se zamaknjeno preverjanje kompetenc izvede v podobnem časovnem okviru — v tednih, ne v letnem ciklu ocenjevanja.

Kakšna je razlika med tem, da zaposlenim date licenco za UI, in usposabljanjem za pismenost na področju UI? Licenca pomeni dostop; pismenost pomeni presojo — vedeti, kdaj zaupati rezultatu, prepoznati samozavestno zvenečo halucinacijo in učinkovito oblikovati poizvedbe. Najboljši rezultati v temeljni raziskavi so prihajali od uporabnikov, ki so razumeli omejitve orodja, ne zgolj od tistih, ki so imeli dostop do njega.

Ali to velja tudi za netehnična delovna mesta ali tista brez stika s strankami? Da. Osnovni mehanizem, kognitivno razbremenjevanje, ni vezan na določeno delovno mesto — pojavi se povsod, kjer lahko orodje ustvari dokončan rezultat namesto podpiranja lastnega razmišljanja osebe. Izvorne študije zajemajo vadbo matematike, pisanje esejev in inštrukcije — nič od tega niso delovna mesta s stikom s strankami, zato se vzorec dobro posploši tudi zunaj pisarniškega, znanjsko intenzivnega dela.

---

Vir: OECD (2026), OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education, OECD Publishing, Paris.