Microsoft zrobił coś, czego duże firmy technologiczne praktycznie nigdy nie robią wprost, choć często robią to po cichu. Zamiast zapowiadać kolejną rewolucję, zamiast dokładać kolejne warstwy funkcjonalności i przekonywać, że „tym razem to już naprawdę zmieni wszystko”, zdecydował się na krok w tył. Zaczął wycofywać Copilota z miejsc, w których jeszcze niedawno był obecny niemal wszędzie, jakby jego obecność sama w sobie miała stanowić wartość.
To nie jest tylko korekta produktu ani optymalizacja doświadczenia użytkownika. To jest moment, w którym jedna z największych firm technologicznych świata zaczyna dostrzegać, że granica została przekroczona. I choć nikt nie powie tego wprost, coraz trudniej nie zadać pytania: czy przypadkiem nie przesadziliśmy z AI?
Kilka lat temu postawiłem tezę, która wtedy mogła brzmieć jak publicystyczna prowokacja, a dziś zaczyna wyglądać jak opis rzeczywistości. Dzisiejsze AI przypomina rakietę kosmiczną ofiarowaną myszom. Nie dlatego, że jest niepotrzebne, ale dlatego, że skala technologii kompletnie rozmija się z naszymi aktualnymi sposobami jej wykorzystania.
Problem nie polega na tym, że sztuczna inteligencja nie działa. Problem polega na tym, że zaczęliśmy ją implementować wszędzie, gdzie tylko było to możliwe, często bez realnej refleksji nad tym, czy w danym kontekście rzeczywiście wnosi wartość. AI zaczęło pojawiać się w systemach operacyjnych, w aplikacjach biurowych, w narzędziach kreatywnych, w wyszukiwarkach i w setkach mikroprocesów, które wcześniej funkcjonowały sprawnie bez jego udziału.
W pewnym momencie doszło jednak do zjawiska, które trudno było zignorować. Zamiast zwiększać użyteczność, zaczęliśmy zwiększać poziom szumu. Zamiast wspierać użytkownika, zaczęliśmy go obciążać dodatkowymi decyzjami, dodatkowymi komunikatami i dodatkowymi funkcjami, które w teorii miały pomagać, a w praktyce często przeszkadzały.
Decyzja Microsoftu nie jest więc wycofaniem się z AI. Jest przyznaniem, że jego obecność przestała być proporcjonalna do jego użyteczności.
To zjawisko nie ogranicza się do jednego produktu ani jednej firmy. Ono ma charakter systemowy i obejmuje cały ekosystem cyfrowy, w którym funkcjonujemy. Dane, które jeszcze niedawno mogły wydawać się alarmujące, dziś zaczynają układać się w spójną narrację. Prawie połowa ruchu w internecie generowana jest przez boty, ponad połowa publikowanych artykułów powstaje przy udziale modeli AI, a znacząca część treści w mediach społecznościowych nie jest już wynikiem ludzkiego doświadczenia, lecz efektem działania algorytmów.
To prowadzi do bardzo konkretnej zmiany jakościowej. Internet przestaje być przestrzenią, w której dominują ludzkie perspektywy, a zaczyna przypominać środowisko produkcji treści. Teksty są poprawne, strukturalnie uporządkowane i często dobrze zoptymalizowane, ale coraz częściej brakuje im głębi, kontekstu i autentycznego doświadczenia.
Teoria martwego internetu, która jeszcze kilka lat temu funkcjonowała na marginesie dyskusji technologicznych, dziś przestaje być teorią, a zaczyna pełnić rolę opisu rzeczywistości. Nie chodzi o to, że internet „umiera”, ale o to, że zmienia swoją naturę w sposób, który znacząco wpływa na jego użyteczność.
W tym kontekście szczególnie istotne staje się zjawisko określane jako „model collapse”, czyli sytuacja, w której modele sztucznej inteligencji zaczynają trenować się na danych wygenerowanych przez inne modele, zamiast na danych pochodzących z rzeczywistego, ludzkiego doświadczenia. W efekcie dochodzi do stopniowej degradacji jakości, ponieważ system przestaje odnosić się do rzeczywistości, a zaczyna operować na własnych uproszczeniach.
Zjawisko to jest dodatkowo wzmacniane przez coś, co badacze zaczynają określać jako „brain rot”, czyli poznawczą degradację modeli trenowanych na treściach zoptymalizowanych pod zaangażowanie. Jeśli dane wejściowe są uproszczone, skrócone i podporządkowane logice kliknięć, to modele uczą się właśnie takiego sposobu przetwarzania informacji.
To prowadzi do sytuacji, w której odpowiedzi stają się coraz bardziej przewidywalne, generyczne i pozbawione niuansu. I choć może to brzmieć jak problem wyłącznie technologiczny, w rzeczywistości jest to efekt decyzji, które podejmowaliśmy przez lata jako użytkownicy, twórcy i organizacje.
Najwygodniejszą narracją byłoby stwierdzenie, że AI zaczyna się psuć. Problem polega na tym, że to nie jest prawda. To nie modele ulegają degradacji same z siebie. To środowisko, w którym funkcjonują, zostało przez nas przekształcone w sposób, który tę degradację przyspiesza.
Zalaliśmy internet treściami tworzonymi pod algorytmy. Zoptymalizowaliśmy komunikację pod szybkość i efektywność, często kosztem jakości i głębi. Skróciliśmy formy, uprościliśmy przekaz i zaczęliśmy premiować to, co działa natychmiast, a nie to, co działa dobrze.
A następnie wprowadziliśmy modele AI do tego środowiska i oczekiwaliśmy, że będą generować wartość na podstawie danych, które sami wcześniej zdegradowaliśmy.
To nie jest problem technologii. To jest problem ekosystemu.
Jest jednak jeszcze jeden aspekt tej sytuacji, który rzadziej pojawia się w publicznej dyskusji. Doszliśmy do momentu, w którym rozwój AI zaczyna napotykać ograniczenia nie tylko koncepcyjne, ale również fizyczne i infrastrukturalne.
Modele wymagają coraz większej mocy obliczeniowej, coraz większych zasobów energetycznych i coraz bardziej zaawansowanych systemów chłodzenia. Każdy kolejny krok do przodu wiąże się z wykładniczo rosnącymi kosztami, które coraz trudniej uzasadnić w kontekście realnych korzyści.
Jednocześnie postęp, choć nadal obecny, przestaje mieć charakter przełomowy. Zamiast skoków jakościowych obserwujemy raczej stopniowe udoskonalenia, które nie zmieniają fundamentalnie sposobu działania systemów.
W tym sensie dzisiejsze AI przypomina samochód parowy. Jest imponujące, pokazuje potencjał i otwiera nowe możliwości, ale jednocześnie wszyscy intuicyjnie czujemy, że to jeszcze nie jest technologia docelowa.
Jeśli mamy zobaczyć kolejny prawdziwy przełom, będzie on musiał nastąpić na poziomie fundamentów, porównywalnym z wynalezieniem mikroprocesora. Coraz częściej pojawia się w tym kontekście hipoteza, że takim przełomem może być dopiero rozwój technologii kwantowych.
W ciągu zaledwie kilku lat przeszliśmy pełen cykl charakterystyczny dla przełomowych technologii. Od euforii, w której AI miało zmienić wszystko, przez fazę histerii, w której zaczęliśmy obawiać się jego konsekwencji, aż po moment, w którym zaczynamy dostrzegać zarówno jego potencjał, jak i jego ograniczenia.
To, co dzieje się teraz, przypomina moment otrzeźwienia. Zaczynamy rozumieć, że choć potencjał jest ogromny i wciąż w dużej mierze niewykorzystany, to jego realne zastosowanie wymaga czegoś więcej niż tylko skalowania istniejących rozwiązań.
Decyzja Microsoftu jest jednym z pierwszych wyraźnych sygnałów tej zmiany. Zamiast eskalować obecność AI, firma zaczyna ją ograniczać i porządkować. Nie jest to przyznanie się do błędu, ale jest to wyraźna zmiana kierunku.
Internet nie zniknie i nie przestanie być użyteczny, choć prawdopodobnie będzie musiał się na nowo zorganizować. Użytkownicy nauczą się filtrować treści, wybierać źródła i odróżniać wartość od szumu. Być może wrócimy do bardziej zamkniętych i zaufanych przestrzeni komunikacji, w których jakość będzie ważniejsza niż ilość.
Sztuczna inteligencja również nie zniknie. Jej potencjał jest zbyt duży, aby go zignorować. Jednak to, co mamy dziś, najprawdopodobniej nie jest jeszcze tym AI, które rzeczywiście zmieni zasady gry.
Dzisiejsze systemy, choć imponujące, są raczej etapem przejściowym niż punktem docelowym. Różnica między nimi a tym, co może nadejść, może być porównywalna do różnicy między samochodem parowym a bolidem Formuły 1.
I być może właśnie zaczynamy rozumieć, że na ten bolid będziemy musieli jeszcze trochę poczekać.
Wszystkie prawa zastrzeżone.
Cytowanie dozwolone z podaniem źródła.