A mesterséges intelligencia megállíthatatlan terjeszkedése megváltoztatja a munkavégzés, a tanulás és a döntéshozatal módját. Egyre gyakoribb, hogy a jelentésírást chatbotra bízzuk, egy asszisztensre bízzuk az alkalmazáskód generálását, vagy egy algoritmusra bízzuk az összetett dokumentumok szintetizálását. Ennek a mindennapi gyakorlatnak, hogy hagyjuk, hogy a gépek gondolkodjanak helyettünk, kezdenek költségei lenni, amelyeket a tudomány egyre pontosabban mér.
Ami egészen a közelmúltig egyszerű időmegtakarításnak tűnt, most mélyreható változásként jelenik meg a gondolkodásmódunkban. A legújabb európai, amerikai és latin-amerikai kutatások ugyanerre a jelenségre mutatnak rá: amikor az agy hozzászokik a mesterséges intelligencia általi problémamegoldáshoz, a memória, a kreativitás és a kritikai gondolkodás területének aktivitása csökken. És ez a csökkenés, ha továbbra is fennáll, új társadalmi szakadékot teremthet azok között, akik állandó mankóként használják a mesterséges intelligenciát, és azok között, akik eszközként integrálják azt saját ítélőképességük alátámasztására.
Új megosztottság: a gondolkodás delegálása kontra a mesterséges intelligencia általi felhatalmazás
A Possibility Institute kutatóinak Vivienne Ming tudós vezetésével egy aggasztó változást írnak le az automatizálás korában: a mesterséges intelligencia ahelyett, hogy egyenlővé tenné a versenyfeltételeket, szélesíti az emberek és a régiók közötti szakadékot. Nem annyira arról van szó, hogy ki fér hozzá a technológiához, hanem arról, hogy az egyes emberek hogyan használják azt.
E tanulmány szerint a legtöbb felhasználó passzív megközelítést választ: feltesz egy kérdést, és a nyelvi modell által generált választ fogadja el végső megoldásként anélkül, hogy megkérdőjelezné vagy átdolgozná azt. Ez a minta helyes, de szabványosított eredményeket hoz, amelyek gyakorlatilag azonosak bárki számára, aki hasonló kérdést tesz fel. Amikor mindenki ugyanazt a választ kapja, a megkülönböztető érték eltűnik , különösen a versenyképes munkakörnyezetben.
A spektrum másik végén egy kisebbség áll, amely stratégiailag, gondolkodásuk kiterjesztéseként használja a mesterséges intelligenciát . Ez a csoport nem delegálja a teljes feladatot a mesterséges intelligenciára, hanem a technológiát hipotézisek tesztelésére, nagy mennyiségű adat szintetizálására vagy ötleteik további vizsgálatára használja. A gondolkodási folyamat továbbra is emberi, míg a gép együttműködőként működik, perspektívát és sebességet biztosítva.
Ennek a különbségnek a gazdasági hatásai már érezhetők. A PwC globális mesterséges intelligencia állásbörzéjének adatai azt mutatják, hogy a vállalatok akár 56%-kal többet fizetnek azoknak a szakembereknek, akik képesek fejlett módon integrálni a mesterséges intelligenciát a munkájukba, összehasonlítva azokkal, akik csak szövegek, jelentések vagy kód gyors, kritikus felügyelet nélküli előállítására használják. A nagymértékben automatizálható ágazatokban azok a pozíciók tapasztalják a legnagyobb béremelést, amelyek ötvözik a józan emberi ítélőképességet az eszközök elsajátításával.
Kognitív atrófia és a saját ítélőképesség „feladása”
A tudományos közösség egyik fő aggodalma a gondolatok eme hatalmas átruházásának az agyműködésre gyakorolt hatása . A BBC Mundo által idézett legújabb tanulmányok néhány aggasztó nyomra vezetnek: amikor az írást vagy a problémamegoldást egy chatbotra bízzuk, az idegi aktivitás zuhanásszerűen csökken azokhoz képest, akik ugyanazt a feladatot technológiai segítség nélkül végzik el.
Nataliya Kosmyna , az MIT Media Lab kutatója 54 diákkal végzett kísérletet, akiket három csoportra osztottak: az egyik a ChatGPT-vel dolgozott, a másik egy hagyományos keresőmotort használt automatikus összefoglalók nélkül, a harmadik pedig digitális támogatás nélkül készítette el az esszéit. Írás közben figyelték az agyhullámaikat, hogy megmérjék, mely agyterületek aktiválódtak és milyen intenzitással.
Az előzetes eredmények azt mutatják, hogy a technológiát nem használó csoport az agyi aktivitás széles mintázatát mutatta, különösen a kreativitással és az összetett információfeldolgozással kapcsolatos területeken. Azok, akik chatbotot használtak, ezzel szemben akár 55%-os csökkenést is regisztráltak ebben az aktivációban . Az agy nem állt le, de sokkal kevésbé intenzíven működött, mintha az intellektuális erőfeszítés jelentős részét kiszervezték volna.
A hatások nem korlátozódtak az írás folyamatára. A szövegek tartalmának felidézésekor a mesterséges intelligenciát használó diákok nehezebben idézték fel saját gondolataikat, és gyakrabban fejezték ki azt az érzést, hogy a munka „nem az övék”. Ez a szubjektív elszakadás az úgynevezett kognitív tehermentesítéssel függ össze : minél többet delegálunk külső rendszerekre – korábban naptárakra vagy keresőmotorokra, most generatív modellekre –, annál kevésbé rögzülnek az információk az emlékezetünkben.
Ezt az aggodalmat erősíti a Pennsylvaniai Egyetem és más központok kutatása, amely nyíltan tárgyalja a „kognitív megadás” fogalmát : sok felhasználó kevés elemzéssel fogadja el a mesterséges intelligencia válaszait, még akkor is, ha azok ellentmondanak saját ítéletének. Érzékeny területeken, például az orvostudományban, feltűnő eseteket dokumentáltak. Egy, a BBC Mundo által idézett multinacionális tanulmány megfigyelte, hogy azok a szakemberek, akik több hónapon keresztül mesterséges intelligencia eszközöket használtak a vastagbélrák kimutatására, később, miután a technológiai segítséget megvonták, csökkent képességet fejlesztettek ki a daganatok önálló azonosítására.
A gondolkodás „triszisztémája”: gyors agy, lassú agy... és gép
A kognitív pszichológiának már volt egy jól bevált keretrendszere, amelyet Daniel Kahneman tett népszerűvé , és amely különbséget tesz a gyors, intuitív és tapasztalatalapú, valamint a lassú, analitikus és erőfeszítés-igényesebb rendszer között. A mesterséges intelligencia fejlődése azonban arra késztet egyes kutatókat, hogy javaslatot tegyenek egy frissítésre: egy harmadik gondolkodási rendszerre, amely a technológiából áll, amelyre egyre inkább delegáljuk a döntéseket és az érvelést.
Ebben az összefüggésben Fabián Bergero kommunikátor és elemző népszerűsítette a gondolkodás „triszisztémájának” ötletét: az intuitív és racionális rendszerhez most hozzáadódik a mesterséges intelligencia, mint harmadik szereplő, amely beavatkozik a problémamegoldás módjába. Megközelítésében a kényes kérdés nem ennek az új komponensnek a létezése, hanem az, hogy hogyan viszonyulunk hozzá.
Amikor ahelyett, hogy összehasonlítási eszközként használnánk a mesterséges intelligenciát, átadjuk neki az egész folyamat feletti irányítást , egyértelmű jelenség történik: felhagyunk az emlékezetünk, az elemzésünk és a független ítélőképességünk gyakorlásával. Bergero itt a „kognitív megadás” fogalmához fordul, hogy leírja azt a pillanatot, amikor szinte észrevétlenül felhagyunk annak szűrésével, amit korábban gondoltunk, értékeltünk vagy emlékeztünk volna magunkra.
Ennek a változásnak mélyreható következménye van: az intellektuális autonómia elvesztése . Átláthatatlan, ismeretlen adatokkal táplált és potenciálisan elfogult, mégis nehezen nyomon követhető rendszerekre támaszkodunk. Ha ezt az átlátszatlanságot a felhasználó kritikátlan hozzáállása súlyosbítja, akkor a hibák, elfogultságok vagy manipulációk észlelésének képessége csökken, és ezzel együtt a korrekció lehetősége is.
Több szakértő is egyetért abban, hogy ebben a forgatókönyvben a kulcs az emberi intelligencia minden eddiginél nagyobb megerősítésében rejlik: az ésszerű kétely ápolásában, az összetett kérdések megfogalmazásának szokásának életben tartásában , és a mesterséges intelligencia válaszainak munkahipotézisként , nem pedig végleges igazságként való kezelésében.
Oktatás és kritikai gondolkodás: a szellemi erőfeszítések kiszervezése
A gondolkodás mesterséges intelligenciára való átruházásáról szóló vita különösen intenzív az oktatásban, főként a tantermekben, ahol az empátia és a technológia együtt létezik. A tanárok és az oktatási szakemberek azzal a kihívással szembesülnek, hogy olyan környezetben tanítsanak, ahol egy esszé megírása, egy matematikai feladat megoldása vagy egy könyv összefoglalása másodpercek alatt elvégezhető egy chatbot segítségével. Az alapvető kérdés az, hogy mi történik azokkal a kognitív készségekkel, amelyeket az iskoláknak fejleszteniük kellene, ha a munka egy részét szisztematikusan kiszervezik.
Carolina Leppe , az O'Higgins Egyetem akadémikusa elmagyarázza, hogy számos tanulmány hasonló mintázatra mutat, mint amit az idegtudományi laboratóriumokban megfigyeltek: amikor a diákok mesterséges intelligenciát használnak feladatok elvégzésére anélkül, hogy megértenék az alapjául szolgáló folyamatot, kevesebb agyi kapcsolat aktiválódik, mint amikor önállóan hozzák létre a tartalmat. Idővel ez a „használat hiánya” gyengítheti az olyan készségeket, mint a kreativitás, az elemzőkészség és az önálló problémamegoldás.
A gyakorlatban ez olyan helyzetekhez vezet, amelyek nagyon is ismerősek a tanárok számára. Nem ritka, hogy olyan diákokkal találkozunk, akik tökéletesen megírt beszámolókat adnak be, de nem tudják hangosan elmagyarázni az állítólag tanult alapfogalmakat. Ez a különbség a végeredmény és a tényleges készségek között az értékelési és tanítási stratégiák újragondolását kényszeríti ki.
Leppe hangsúlyozza, hogy a cél nem a mesterséges intelligencia betiltása, hanem az, hogy olyan egyértelmű szabályokkal integrálják, amelyek ösztönzik a stratégiai és kritikai használatot . Például lehetővé téve a diákok számára, hogy ezeket az eszközöket kezdeti ötletek generálására vagy egy szöveg szerkezetének áttekintésére használják, de megkövetelve, hogy a törzsanyagot automatizálás nélkül, szóbeli magyarázatokkal vagy személyes prezentációkkal kísérve fejlesszék ki.
Ennek megfelelően a tanár ragaszkodik ahhoz, hogy az oktató munka magában foglalja az intellektuális függetlenség erősítését: segíteni a fiataloknak kérdések megfogalmazásában, források összehasonlításában és annak megértésében, hogy egy automatikusan generált válasz hasznos lehet, de nem helyettesíti a tudás megértésének, megvitatásának és a saját jelentésük megadásának folyamatát. Ez magában foglalja a mesterséges intelligencia etikai és deontológiai dimenzióinak kidolgozását is , hogy a diákok tisztában legyenek a használatával járó felelősséggel.
Idegtudomány és a „kognitív adósság”: mi vész el, amikor a mesterséges intelligencia végzi el a nehéz munkát?
A legújabb idegtudományi tanulmányok egy egyre népszerűbb elméletre mutatnak rá: a „kognitív adósságra ”. Ahogy a szoftverek világában is, a technikai adósság a sebesség minőség elé helyezését és a problémák későbbre halmozását jelenti, a kutatók is ezt a kifejezést használják a komplex mentális feladatok mesterséges intelligenciára delegálásának kumulatív költségeinek leírására.
Olyan szervezetek jelentései, mint például a Spanyol Királyi Orvosi Akadémia, arra figyelmeztetnek, hogy a generatív rendszerek túlzott használata e-mailek írásához, dolgozatok fogalmazásához vagy szövegek összefoglalásához csökkenti a memorizálással és a kritikai gondolkodással járó neurológiai erőfeszítést . Rövid távon a feladatok gyorsabban elkészülnek; közép- és hosszú távon az ezekben a funkciókban részt vevő agyi áramkörök veszíthetnek hatékonyságukból, ahogyan egy izom is elgyengül, ha már nem használják.
Egy 2025-ben végzett elektroencefalogramos (EEG) vizsgálatban két résztvevői csoportot hasonlítottak össze: az egyik csoport mesterséges intelligencia eszközöket használt az íráshoz, a másik csoport pedig teljes egészében kézzel végezte el a feladatot. A mesterséges intelligencia által támogatott csoport gyorsabb eredményeket ért el, de kevesebb neurális kapcsolatot mutatott a kreativitással és a végrehajtó kontrollal összefüggő frekvenciatartományokban. Továbbá kevesebb munkával való elégedettséget és gyengébb kapcsolatot mutattak a szöveg szerzőségével.
Szakértők, mint például María de la Paz Scribano neuropszichológus, elmagyarázzák, hogy a mesterséges intelligencia, ha passzívan használják, hajlamos homogenizálni a nyelvet és gyengíteni az eredeti ötletek generálásával kapcsolatos agyi pályákat. Ha azonban irányított módon használják – például olyan javaslatok felajánlására, amelyeket a felhasználó aztán kritikusan rekonstruál –, olyan keretrendszerként működhet, amely szélesíti a gondolkodás horizontját anélkül, hogy helyettesítené a belső feldolgozást.
Néhány longitudinális vizsgálat már vizsgálja a lehetséges hosszú távú hatásokat. A Kosmyna csapata által vezetett nyomon követéses vizsgálatban, hónapokkal a mesterséges intelligenciával való munka után, az eszközre nagymértékben támaszkodó diákok csökkent neurális konnektivitást mutattak , amikor hasonló feladatokkal szembesültek ismét technológiai támogatás nélkül. Bár a kutatás folyamatban van, és nem tesz lehetővé végleges következtetéseket, megerősíti azt a hipotézist, hogy a mentális erőfeszítések szisztematikus delegálásának szokása nyomot hagy az agy szerveződésében.
Mérnökök és fejlesztők: látszólagos termelékenység kontra valódi verseny
A sebesség és a szövegértés közötti feszültség különösen szembetűnő a szoftverfejlesztés területén , amely az egyik olyan ágazat, ahol a mesterséges intelligencia a legnagyobb előretörést éri el. A becslések szerint 2028-ra a vállalati szoftvermérnökök mintegy 90%-a generatív kódasszisztenseket fog használni, szemben a 2024 elején még mindig viszonylag kis százalékkal.
A tech cégek és startupok számára ez kétélű fegyver. Egyrészt a programozóasszisztensek lehetővé teszik a fejlesztők számára, hogy percek alatt több ezer sornyi kódot generáljanak, automatizálják a tesztelést és felgyorsítsák a fejlesztést. Másrészt fennáll annak a veszélye, hogy különösen a junior fejlesztők a sebességet a valódi szakértelemnek fogják tekinteni , az eszközre támaszkodva anélkül, hogy teljesen megértenék, mit csinál a kód, miért működik, vagy hogyan hibásodhat meg extrém körülmények között.
Különböző elemzések azt mutatják, hogy a mesterséges intelligencia a meglévő rendetlenség sokszorozójaként működik . Ha egy csapatnak nincsenek szilárd architektúrai kritériumai és egyértelmű legjobb gyakorlatai, az automatizálás egyszerűen felgyorsítja a káoszt: több kód keletkezik, de több technikai adósság, több meghibásodási pont és több homályos függőség is keletkezik. A Gartner például a generatív mesterséges intelligencia rendszerekkel kapcsolatos hibák jelentős növekedését jósolta az elkövetkező években.
Ez a forgatókönyv egy új típusú függőséget teremt: amikor a kódasszisztens nem kínál közvetlen megoldást, egyes mérnökök elakadnak, mivel hiányzik a szükséges fogalmi alap ahhoz, hogy a problémát az alapelveiből rekonstruálják. Ezekben az esetekben a mesterséges intelligencia nemcsak hogy nem bővíti a képességeket, hanem valójában gyengíti azokat , mivel megakadályozza, hogy a szakember azt a tanulási utat kövesse, amely lehetővé tenné számára, hogy mankók nélkül szembenézzen a jövőbeli kihívásokkal.
Paradox módon az egyik terület, ahol a mesterséges intelligencia egyértelműen fejlődik, az automatizált tesztelés . A tesztesetek generálása jól meghatározott és ismétlődő szabályokat követ, így az automatizálás rendkívül hatékonnyá válik anélkül, hogy a tervezési folyamat alapvető kritikai gondolkodását felborítaná. Ez a különbség világosan szemlélteti a határt azon feladatok között, ahol a gépre való delegálásnak van értelme, és azok között, ahol az emberi kezdeményezés megtartása előnyösebb.
Alapítók és műszaki vezetők: a mesterséges intelligencia irányítása az ítélőképesség feladása nélkül
A startupok vagy műszaki csapatok vezetői számára a gondolkodás mesterséges intelligenciára való átruházásának kérdése nem elméleti vita, hanem működési kockázat . Az eszközök felépítése jelentheti a különbséget egy szilárd alapokon álló, vagy egy gyorsan nehezen korrigálható technikai és kognitív adósságot felhalmozó vállalat között.
Különböző szakértők azt javasolják, hogy már a kezdetektől fogva egyértelmű mesterséges intelligencia irányítást kell létrehozni : meghatározni, hogy milyen típusú kód generálható emberi felülvizsgálat nélkül, mely komponensek tervezését kell teljes mértékben mérnökök irányítani, hogyan dokumentálják a géppel generált tartalmat, és ki viseli végső soron a felelősséget a minőségért. Hangsúlyozzák, hogy az utolsó kérdésre mindig egy embernek kell a válasznak lennie, soha nem az eszköznek.
Egy másik fontos ajánlás, hogy először az architektúrába és a kontextusba kell befektetni . Minél jobban meghatározottak a tervezési elvek, korlátok és üzleti célok, annál hasznosabb lesz a mesterséges intelligencia a vezetői feladatokhoz. Ilyen keretrendszer nélkül a generatív asszisztensek olyan megoldásokat hozhatnak létre, amelyek bár rövid távon működőképesek, eltérnek a stratégiai iránytól, vagy szükségtelen bonyolultságot okoznak.
A junior mérnökök szerepe is változik. Ahelyett, hogy kizárólag a kódírásra koncentrálnának, egyre inkább elvárják tőlük az auditálási készségek fejlesztését : a mesterséges intelligencia által javasolt javaslatok felülvizsgálatának, validálásának és megkérdőjelezésének képességét, a potenciális finom hibák vagy problémás architekturális döntések észlelését. A kiválasztási folyamatokban ez nemcsak a programozási sebesség, hanem a műszaki érvelés minőségének és annak a képességének értékelését is jelenti, hogy az egyik megoldás miért előnyösebb a másiknál.
A műszaki vezetők a maguk részéről kulturális kihívással néznek szembe: olyan csapatokat kell építeniük, amelyek a mélyreható megértést jutalmazzák, nem csak a látszólagos termelékenységet. Ez azt jelenti, hogy időt kell szánni a részletes kódáttekintésre, bizonyos döntések mögött meghúzódó indokok megvitatására, és arra, hogy a kevésbé tapasztalt tagok gyakorolhassanak anélkül, hogy automatizált gyorsbillentyűkre hagyatkoznának. Végső soron a mesterséges intelligencia azokat fogja kiszorítani, akik nem tudják, hogyan kell körültekintően használni, nem pedig azokat, akik átgondoltan beépítik a munkájukba.
A mesterséges intelligencia mindennapi használata: az erősítő tükörtől az erőfeszítés helyettesítéséig
A technikai vagy tudományos területeken túl a mesterséges intelligencia hatása a gondolkodásunkra áthatja a mindennapi életünket: azoktól, akik megkérnek egy chatbotot egy összetett e-mail megírására, egészen addig, akik megbízzák egy utazás megszervezésével, tanulmányok tervezésével vagy személyes döntések meghozatalával. Mindezen esetekben az eszköz tükörként működik, amely átalakítja az ötleteket , de szűrőként is, amely túlzottan leegyszerűsítheti a világ összetettségét.
Fontos megjegyezni, hogy a mesterséges intelligencia, ahogyan ma ismerjük, nem úgy gondolkodik, mint egy ember. Nincsenek tapasztalatai, nincs tudata és nincs saját belső párbeszéde. Amit tesz, az az, hogy hatalmas mennyiségű információt dolgoz fel, koherenciamintákat keres, és olyan válaszokat generál, amelyek statisztikailag megfelelnek annak, amire kérték. Látszólagos "eredetisége" a már létező anyagok kifinomult kombinációinak eredménye.
Ez nem csökkenti az eszköz hasznosságát, de óvatosságra int a képernyő túloldalán megjelenő emberi szintű intelligencia illúziójával kapcsolatban. Amit kritériumként érzékelünk, az nagyrészt a formai koherencia . Ezért írhat a mesterséges intelligencia úgy, mint egy költő, érvelhet, mint egy akadémikus, vagy reagálhat úgy, mintha megértené a konkrét helyzetünket, miközben a valóságban egyszerűen emberek millióinak verbális nyomait szervezi át.
A gyakorlatban a gyors és látszólagos bizonyossággal való reagálási képessége felerősíti használatának legjobb és legrosszabb aspektusait egyaránt. Szigorú kezekben segít új nézőpontok meglátásában, érvek tisztázásában vagy szétszórt információk leszűrésében. Gondatlan kezekben felgyorsíthatja a felszínességet , a félretájékoztatást, vagy az előre gyártott megoldásokra való támaszkodást, amelyeket alig kérdőjelezünk meg.
Ez az ambivalencia végső soron a felhasználóra hárítja a felelősséget. A válasz könnyű megszerzése már nem garantálja a tanulást; sőt, elfedheti a nagyon gyenge megértést, ha azt nem kíséri összehasonlítás, reflexió és ellenőrzés. A feladat nem annyira az, hogy több kérdést tegyünk fel, hanem inkább az, hogy jobbakat tegyünk fel , és időt szánjunk annak átgondolására, hogy mit kezdjünk a válaszokkal.
Produktivitás, szakmai siker és a „mentális erő” kimerülésének kockázata
Az európai és a globális munkaerőpiacon elterjedt mantrává vált az a gondolat, hogy akik nem használják a mesterséges intelligenciát, azok elkerülhetetlenül lemaradnak. Különböző hangok azonban arra figyelmeztetnek, hogy ez a kijelentés, szó szerint értelmezve, ugyanolyan félrevezető lehet, mint az ellentéte. Az igazi vitapont nem az, hogy használjunk-e mesterséges intelligenciát vagy sem, hanem az, hogy milyen készségek áldozódnak fel, amikor a kognitív feladatokat szisztematikusan ezekre az eszközökre delegálják.
Néhány vállalkozó és elemző már „kognitív adósságban szenvedő alapítókról” beszél: olyan szakemberekről, akik annyira támaszkodnak a generatív modellekre a javaslatok írásában, a prezentációk tervezésében vagy a stratégiák meghatározásában, hogy idővel elveszítik a képességüket arra, hogy mindezt önállóan is megtegyék. Ez a veszteség nem egyik napról a másikra észrevehető; akkor válik nyilvánvalóvá, amikor improvizálniuk kell egy megbeszélésen, váratlan kérdésekre kell válaszolniuk, vagy nyomás alatt kell döntéseket hozniuk anélkül, hogy közvetlen hozzáférésük lenne a technológiához.
Ezen a területen az idegtudomány és a gyakorlati tapasztalatok számos egyszerű ajánlásban egyeznek meg. Az egyik az, hogy bizonyos kritikus feladatokhoz – például egy projekt víziójának meghatározásához vagy egy összetett probléma elemzéséhez – mesterséges intelligencia nélküli tereket kell fenntartani , és az eszközt csak egy második fázisban, a már tervezettek áttekintésének vagy bővítésének támogatására kell használni. A másik az, hogy a használatát azokra a területekre kell korlátozni, ahol a hitelesség és a személyes hang elengedhetetlen, például a csapattal vagy a befektetőkkel folytatott kulcsfontosságú kommunikációban.
Azt is javasoljuk, hogy figyeljünk a függőség jeleire: ha valaki úgy érzi, hogy nem tud szöveget írni, érvelést strukturálni vagy alapvető függvényeket programozni varázsló megnyitása nélkül, akkor valószínűleg gyengeség alakult ki a „mentális izmaiban”, amelyet erősíteni kell. A kézzel írás, a nyugodt olvasás vagy a digitális rövidítések nélküli problémamegoldás szokásának újra kialakítása továbbra is hatékony módja annak, hogy a mély koncentrációban részt vevő neurális hálózatok aktívak maradjanak.
Olyan kontextusokban, mint Spanyolország és más európai országok, ahol a magasan digitalizált vállalatok a kkv-kkal és a kevésbé automatizált szektorokkal együtt léteznek, ez a feszültség különösen láthatóvá válik. Azok, akik a technológiai jártasságot a jól képzett, önálló gondolkodással ötvözik , találják meg a legjobb pozíciókat, míg azok, akik egyszerűen csak mesterséges intelligencia által generált eredményeket hoznak létre anélkül, hogy saját nézőpontjukat hozzátennék, azt tapasztalják, hogy versenyelőnyük csökken.
A kutatások és a tapasztalatok által festett kép összetett, de egyértelmű irányba mutat: a mesterséges intelligencia központi szerepet játszott az érvelési folyamatainkban, és az, hogy hogyan delegálunk neki feladatokat, vagy nem, mind kognitív fejlődésünket, mind szakmai lehetőségeinket alakítja. Az önálló gondolkodásra, kérdezésre és megértésre való törekvés fenntartása minden technológiai fejlődés ellenére továbbra is a legjobb ellenszere annak a kockázatnak, hogy túl sok teret engedünk át a gépnek.
