Jak uczyć się AI? Poziomy kompetencji od 0 do 5
Na tej stronie wybierzesz poziom, nie “całe AI”
Dział zatytułowany „Na tej stronie wybierzesz poziom, nie “całe AI””Po tej lekcji masz na kartce numer od 0 do 5 i jedno zadanie na najbliższe 7 dni, które ten numer przesuwa o najwyżej jeden stopień. Nie planujesz doktoratu z sieci neuronowych, jeśli celem jest lepszy mail.
Jedna rzecz do zapamiętania: najpierw po co, potem poziom. Nie odwrotnie.
“Nauczyć się AI” to źle postawione zadanie
Dział zatytułowany „“Nauczyć się AI” to źle postawione zadanie”AI ma za dużo odnóg, żeby połknąć je naraz. Jak się w siebie zawierają - od najszerszej dziedziny po generatywną AI i chatboty - pokazałem w lekcji Czym jest AI?.
Stąd wniosek praktyczny: ktoś, kto “zna się na AI”, może znać się na zupełnie różnych rzeczach. Inny zestaw umiejętności ma osoba, która chce bezpiecznie pytać chatbota, inny ta, która buduje automatyzacje, inny ta, która trenuje modele. Dlatego zamiast pytać “czy umiem AI”, pytamy: na którym stopniu jestem i co jest następne.
Trzy składniki kompetencji - i ten, którego zwykle brakuje
Dział zatytułowany „Trzy składniki kompetencji - i ten, którego zwykle brakuje”Na każdym poziomie mierzysz trzy rzeczy naraz:
- Wiedza - jak to mniej więcej działa i gdzie się psuje.
- Umiejętność - potrafię wykonać zadanie i powtórzyć wynik.
- Osąd - wiem, kiedy nie używać modelu.
Osądu brakuje najczęściej i to boli najbardziej. Przydaje się jedna twarda zasada, do której będę wracał przy każdym stopniu:
Zasada kosztu weryfikacji: deleguj modelowi zadanie tylko wtedy, gdy sprawdzenie odpowiedzi kosztuje mniej niż zrobienie zadania samodzielnie.
Streszczenie własnej notatki spełnia ten warunek - rzucisz okiem i wiesz. “Podaj mi orzecznictwo do tej sprawy” nie spełnia, bo weryfikacja każdej sygnatury zajmuje więcej czasu niż napisanie akapitu od zera.
Sześć stopni - mapa, nie drabina obowiązku
Dział zatytułowany „Sześć stopni - mapa, nie drabina obowiązku”Nie trzeba dojść na 5. Większość osób zostaje na 2 albo 3 i to jest sukces, nie porażka.
| Poziom | Rola | Potrafisz | Następny ruch |
|---|---|---|---|
| 0 | Nieświadomość | AI działa wokół, bez nazwy | Zauważyć jeden przypadek dziennie |
| 1 | Operator | Proste pytanie do chatbota, ostrożność z danymi | Regularna rozmowa + sprawdzanie oczywistych bzdur |
| 2 | Współpracownik | Lepsze prompty, redakcja, burza mózgów | Jedno powtarzalne zadanie z pracy w czacie |
| 3 | Praktyk | AI poza oknem czatu (low-code, API) | Pierwsza automatyzacja albo decyzja, że wystarczy skrypt bez AI |
| 4 | Lider | Tłumaczysz bez straszenia, z etyką | Jedno krótkie przekazanie umiejętności komuś |
| 5 | Twórca | Modele, kod, infrastruktura | To już inna kariera, nie “kolejna lekcja kursu” |
Poniżej każdy stopień w tym samym układzie: co realnie potrafisz, co musisz rozumieć, czym się posługujesz, jak sprawdzić, że naprawdę tu jesteś, typowy błąd i ruch w górę.
Poziom 0 - nieświadomość
Dział zatytułowany „Poziom 0 - nieświadomość”Co się dzieje: narzędzia już pracują wokół Ciebie, tylko nie mają nazwy. Autokorekta i podpowiedzi klawiatury, filtr spamu, odblokowywanie telefonu twarzą, przewidywany czas dojazdu w mapach, kolejność postów w social mediach, wykrywanie nietypowej transakcji na karcie.
Co musisz rozumieć: że część decyzji o Tobie podejmują systemy statystyczne - w rekrutacji, w bankowości, w moderacji treści. Poziom 0 nie jest niewiedzą o technologii, tylko niewiedzą o tym, że jest się jej stroną.
Sprawdzian: potrafisz wskazać trzy miejsca z ostatniej doby, w których zadziałał model, a Ty tego nie nazwałeś.
Typowy błąd: wstyd. “Za późno, nie rozumiem tego”. Ten przewodnik istnieje po to, żeby wyjść z 0 bez wstydu.
Ruch w górę: przez tydzień zauważ jeden przypadek dziennie i nazwij go. To wszystko.
Poziom 1 - operator
Dział zatytułowany „Poziom 1 - operator”Co potrafisz: założyć konto, zadać proste polecenie, przeczytać odpowiedź krytycznie. Streszczenie, przeformułowanie maila, wyjaśnienie pojęcia, pomysły na tytuł.
Co musisz rozumieć - trzy rzeczy, bez nich to nie jest poziom 1:
- To nie jest baza wiedzy, tylko przewidywanie. Model językowy generuje odpowiedź token po tokenie - token to kawałek tekstu, zwykle mniejszy niż słowo. Każdy kolejny token jest wybierany jako statystycznie prawdopodobna kontynuacja. Nigdzie w środku nie ma sprawdzania “czy to prawda”.
- Halucynacje są cechą, nie awarią. Skoro celem jest prawdopodobna kontynuacja, model potrafi napisać płynnie i pewnie rzecz nieistniejącą. Ryzyko rośnie tam, gdzie liczy się dokładność szczegółu: liczby, daty, ceny, przepisy i paragrafy, cytaty, przypisy, linki, nazwiska, dane kontaktowe. Pewny ton nie jest dowodem.
- Dane wychodzą z Twojego komputera. Nie wklejasz PESEL-u, numeru karty, dokumentacji medycznej, danych klientów ani kodu objętego umową. Prosty test: czy wkleiłbym to na otwarty czat firmowy, na którym są wszyscy? W zależności od planu i ustawień rozmowy z darmowych kont bywają wykorzystywane do dalszego rozwoju modeli - to jest do sprawdzenia w ustawieniach konkretnego narzędzia, nie do zgadywania.
Narzędzia: jeden chatbot, wyszukiwarka do weryfikacji, telefon. Nic więcej.
Sprawdzian: po otrzymaniu odpowiedzi umiesz wskazać w niej konkretne zdanie, które trzeba potwierdzić u źródła - i faktycznie je potwierdzasz.
Typowy błąd: traktowanie czatu jak wyszukiwarki i przenoszenie liczb do dokumentu bez sprawdzenia.
Ruch w górę: regularność, nie maraton. Trzy razy w tygodniu jedno realne zadanie, każde z weryfikacją.
Poziom 2 - współpracownik
Dział zatytułowany „Poziom 2 - współpracownik”Co potrafisz: prowadzić rozmowę, a nie wydawać pojedyncze rozkazy. Poprawiasz odpowiedź dopowiedzeniem zamiast zaczynać od nowa. Wiesz, które zadania warto oddać modelowi, a które szybciej zrobić samemu.
Co musisz rozumieć:
- Kontekst to wszystko, co jest w tej rozmowie. Model nie pamięta Cię z wczoraj (o ile nie włączyłeś pamięci) i nie widzi pliku, którego nie pokazałeś. Rozmowa mieści się w oknie kontekstowym o skończonym rozmiarze; w bardzo długich wątkach wcześniejsze fragmenty tracą wpływ na odpowiedź. Wniosek: gdy wątek się rozjeżdża, zacznij nowy i wklej podsumowanie ustaleń.
- Dobry prompt ma strukturę, nie magiczne słowa: rola i cel → odbiorca → kontekst (Twój materiał!) → ograniczenia (długość, czego unikać) → format wyjścia → przykład.
- Przykład bije opis. Jeden do trzech przykładów “wejście → oczekiwane wyjście” (tzw. few-shot) poprawia zgodność formatu bardziej niż dwa akapity instrukcji.
- Największy skok jakości daje własny materiał. Wklejona notatka, transkrypcja, cennik, poprzedni raport. Model przestaje zgadywać Twoją rzeczywistość.
Narzędzia: ten sam chatbot plus mechanizmy zapisywania promptów - własne instrukcje (custom instructions) i Projekty w Claude, dostępne także na koncie darmowym. Własne GPT w ChatGPT można dziś tworzyć tylko w przestrzeniach Business, Enterprise i Edu; na koncie osobistym korzystasz z gotowych, nie tworzysz nowych. To są reużywalne prompty, a nie nowa technologia, dlatego są tutaj, a nie na starcie.
Sprawdzian: masz co najmniej jeden zapisany prompt, którego użyłeś powtórnie, i potrafisz powiedzieć, dlaczego druga wersja jest lepsza od pierwszej.
Typowy błąd: kolekcjonowanie list “100 najlepszych promptów” zamiast dopracowania trzech własnych.
Ruch w górę: przenieś do czatu jedno powtarzalne zadanie z pracy i opisz je jako procedurę: co wklejam, o co proszę, co sprawdzam.
Poziom 3 - praktyk
Dział zatytułowany „Poziom 3 - praktyk”Co potrafisz: wyprowadzić AI poza okno czatu i połączyć je z innymi programami.
Co musisz rozumieć:
- API i koszty. Zamiast klikać w czacie, program wysyła zapytanie do modelu. Płacisz za tokeny - osobno za wejście (to, co wysyłasz) i za wyjście (to, co dostajesz). Dlatego “przepuśćmy wszystkie maile przez model” trzeba najpierw policzyć, a nie tylko zaprojektować.
- Low-code. Make, n8n, Zapier, Power Automate - łączenie usług bez pisania kodu. Model jest jednym z klocków, zwykle tym najdroższym i najmniej przewidywalnym.
- RAG (odpowiadanie na podstawie dokumentów). Zamiast liczyć na wiedzę modelu, wyszukujesz fragmenty własnych dokumentów i doklejasz je do promptu. Jakość zależy wtedy głównie od wyszukiwania, nie od modelu. RAG ogranicza halucynacje, ale ich nie usuwa - jeśli wyszukiwarka poda zły fragment, model pewnym tonem streści zły fragment.
- Ustrukturyzowane wyjście. Model może zwracać dane w ściśle określonym formacie (np. JSON), co jest warunkiem podłączenia go do innego systemu.
- Agent = model w pętli z narzędziami, sam decydujący o kolejnym kroku. Tu pojawia się arytmetyka, o której się rzadko mówi: jeśli pojedynczy krok jest poprawny w 95%, to dziesięciokrokowe zadanie kończy się sukcesem w ok. 60% przypadków (0,95¹⁰ ≈ 0,60). Stąd krótkie łańcuchy, punkty kontrolne i człowiek zatwierdzający kroki nieodwracalne (wysłanie maila, płatność, usunięcie danych).
- Nowe ryzyka. Brak determinizmu (to samo wejście, inne wyjście), opóźnienie, dane wychodzące poza organizację oraz prompt injection: treść ze strony WWW lub maila, którą model potraktuje jak polecenie od Ciebie.
Najcenniejsze pytanie tego stopnia: czy to zadanie w ogóle potrzebuje modelu, czy wystarczy reguła? Reguła jest tańsza, powtarzalna i łatwo sprawdzić, dlaczego zadziałała tak, a nie inaczej. Model bierz tam, gdzie wejście jest w języku naturalnym, niejednoznaczne i zmienne. Wpychanie AI wszędzie jest drogie.
Sprawdzian: potrafisz oszacować miesięczny koszt swojej automatyzacji i odpowiedzieć, co się stanie, gdy model odpowie błędnie - kto to zauważy i po czym.
Typowy błąd: “jestem na 3”, bo ktoś raz otworzył Zapiera. Otwarcie narzędzia to nie to samo co utrzymywanie działającego procesu.
Ruch w górę: jedna automatyzacja, która działa co najmniej tydzień i ma zapis błędów - albo świadoma decyzja, że w tym przypadku wystarczy zwykły skrypt bez AI. To drugie też zalicza poziom.
Poziom 4 - lider
Dział zatytułowany „Poziom 4 - lider”Co potrafisz: przekazać umiejętność dalej - bez straszenia i bez hype’u - oraz ustawić ramy, w których zespół korzysta z narzędzi bezpiecznie.
Co musisz rozumieć:
- Uczenie to przekazywanie osądu, nie listy trików. Trik starzeje się z każdym modelem; nawyk weryfikacji nie.
- Zasady użycia w organizacji: które narzędzia są dopuszczone, jakie dane wolno w nie wkleić, kto odpowiada za treść, czy oznaczamy materiały tworzone z pomocą AI.
- Uprzedzenia w danych. Model uczy się z tekstów napisanych przez ludzi, razem z ich stereotypami. Przy decyzjach dotyczących osób (rekrutacja, ocena, obsługa reklamacji) to nie jest ciekawostka, tylko ryzyko prawne i etyczne. Odpowiedzialność za decyzję zostaje po stronie człowieka.
- Kontekst regulacyjny w UE. Kompetencje w zakresie AI z art. 4 AI Act obowiązują dostawców i podmioty stosujące systemy AI od 2 lutego 2025 r. To obowiązek organizacji wobec swojego personelu - nie argument, że każdy obywatel musi zrobić bootcamp. Pozostały kalendarz AI Actu bywał zmieniany, więc szczegółowe terminy sprawdzaj u źródła.
Sprawdzian: ktoś po Twoim krótkim szkoleniu wykonał zadanie samodzielnie i poprawnie wskazał, co w wyniku wymagało sprawdzenia.
Typowy błąd: szkolenie w formie pokazu (“patrzcie, co potrafi”) bez pokazania granic i przypadków, w których narzędzie zawodzi.
Ruch w górę: jedno krótkie przekazanie umiejętności konkretnej osobie, z zadaniem do wykonania bez Ciebie.
Poziom 5 - twórca
Dział zatytułowany „Poziom 5 - twórca”Co potrafisz: budować, dostrajać i oceniać modele. Python, biblioteki uczenia maszynowego, przygotowanie danych, karty graficzne (GPU), chmura, wdrożenia i monitoring (MLOps).
Co musisz rozumieć - hierarchia interwencji od najtańszej do najdroższej:
- lepszy prompt,
- przykłady w prompcie (few-shot),
- RAG (własne dokumenty w kontekście),
- dostrajanie modelu (fine-tuning, w tym oszczędne metody typu LoRA),
- trenowanie modelu od zera.
Większość problemów kończy się na krokach 1-3. Fine-tuning uczy przede wszystkim formy, stylu i formatu, a nie nowej wiedzy faktograficznej - dlatego bywa przepalaniem budżetu tam, gdzie wystarczyłby RAG. Prawdziwą pracą tego poziomu nie jest sam trening, tylko ewaluacja: zbiór testowy, metryki, wychwytywanie pogorszenia jakości po zmianie.
Sprawdzian: potrafisz uzasadnić liczbami, dlaczego w danym przypadku dostrajanie jest lepsze niż RAG.
Typowy błąd: sięganie po trening, zanim zbudowało się porządną ewaluację.
Zostawiam ten stopień na mapie, żeby było widać, gdzie kończy się ten kurs. Większość czytelników tu nie idzie i nie musi - to osobna ścieżka zawodowa, licząca się w miesiącach matematyki i kodu.
Przejścia między stopniami
Dział zatytułowany „Przejścia między stopniami”- 0 → 1: konto i pierwsze pytanie - zaczęliśmy we Wstępie, domkniesz to w następnej lekcji (dopytanie i krytyczne czytanie odpowiedzi).
- 1 → 2: regularność, nie maraton.
- 2 → 3: wyjście poza czat.
- 3 → 4: nauczyć kogoś jednej umiejętności razem z tym, kiedy jej nie używać, i sprawdzić, czy poradzi sobie bez Ciebie.
- 4 → 5: miesiące matematyki i kodu, świadoma decyzja o zmianie zawodu.
Nie przeskakuj. Bez umiejętności złapania zmyślonej liczby nie puszcza się autonomicznego agenta. Poziom 3 bez poziomu 1 to automatyzacja, która masowo produkuje błędy - i nikt ich nie sprawdza.
Jak wybrać poziom: zacznij od “po co”, nie od ambicji
Dział zatytułowany „Jak wybrać poziom: zacznij od “po co”, nie od ambicji”| Twój cel | Wystarczający poziom |
|---|---|
| Lepsze maile, streszczenia, pierwsze wersje tekstów | 2 |
| Powtarzalny raport z wielu plików co tydzień | 3 |
| Wdrożenie narzędzi w zespole i szkolenie ludzi | 4 |
| Badanie architektur modeli, praca w ML | 5 |
Do tego rachunek uczciwy wobec kalendarza: jeśli masz trzy godziny tygodniowo, realnym celem na kwartał jest 2, ewentualnie wejście w 3 - nie 5. Mapa nie jest zobowiązaniem.
FOMO nie jest ścieżką nauki
Dział zatytułowany „FOMO nie jest ścieżką nauki”Umiejętności, które przenoszą się między modelami i latami, są nudne: precyzyjne formułowanie zadania, dostarczanie kontekstu, weryfikacja wyniku i ocena, czy zadanie w ogóle nadaje się dla modelu. Lista trików do konkretnej wersji narzędzia szybko się zestarzeje, a o tym, jak bronić się przed zalewem nowości (i czym jest FOMO), piszę w Nie dajmy się zwariować.
Jeden autor nie wystarczy na zawsze - stąd biblioteka w Zasobach. Na dziś wystarczy ten kurs plus jeden chatbot.
Ćwiczenie: 5 minut, numer i zadanie
Dział zatytułowany „Ćwiczenie: 5 minut, numer i zadanie”Nie “planujesz karierę”. Wybierasz stopień.
- Napisz jedno zdanie “po co” - konkretny efekt, nie hasło. Nie “chcę ogarnąć AI”, tylko “chcę skrócić pisanie ofert z 90 do 30 minut”.
- Zakreśl numer 0-5, który jest prawdziwy dziś, nie ten, który brzmi dumnie. Jeśli nigdy nie wysłałeś promptu - to 0 albo 1, nie 2. Użyj sprawdzianów z opisów stopni: jeśli nie zaliczasz sprawdzianu, jesteś niżej.
- Napisz jednym zdaniem zadanie na 7 dni, które rusza o jeden stopień w górę albo utrwala obecny. Przykład kształtu: “Poziom 1. Trzy razy w tym tygodniu streszczenie notatki ze spotkania, liczby sprawdzam.”
- Skonfrontuj z kalendarzem. Jeśli cel to 5, a tydzień ma 3 godziny wolnego - zejdź do 2.
Zaliczenie: kartka z jednym zdaniem “po co”, numerem i jednym zadaniem na 7 dni. Brak listy dwunastu kursów.
Typowy błąd: zawyżanie numeru. Jeśli nie zaliczasz sprawdzianu swojego poziomu, zejdź o stopień niżej, zrób zadanie i wróć do numeru za miesiąc.
Jeśli nic nie zgrzyta i zostaje czas: skreśl z listy “do nauczenia” jedną rzecz, która należy do poziomu o dwa stopnie wyżej niż Twój. Na nią przyjdzie czas później.
Teraz wiesz
Dział zatytułowany „Teraz wiesz”- Najpierw po co, potem numer. Większość osób potrzebuje 2 albo 3, nie 5.
- “AI” to kilka różnych dziedzin. ChatGPT to tylko jedno narzędzie z jednej gałęzi - generatywnej AI - a nie cała sztuczna inteligencja.
- Kompetencja to wiedza + umiejętność + osąd, a brakuje najczęściej osądu: wiedzy, kiedy modelu nie używać. Sprawdzasz to kosztem weryfikacji.
- Stopni nie wolno przeskakiwać. Automatyzacja bez AI bywa lepsza niż agent na siłę, a agent bez nawyku weryfikacji mnoży błędy.
- FOMO i “wszystko w miesiąc” to nie plan. Plan to jedno zadanie na 7 dni.
Następny krok: Pierwsza rozmowa z AI - założysz konto, wyślesz jeden prompt i jedną dopowiedź w tej samej rozmowie. Tam domykasz przejście z poziomu 0 na 1, zaczęte we Wstępie.
Częste pytania
Czy trzeba umieć programować, żeby uczyć się AI?
Nie, przynajmniej do poziomu 3. Połączenia z modelem (API) i automatyzacje da się budować w narzędziach low-code, czyli takich, w których łączysz klikane bloczki zamiast pisać kod (np. n8n, Make). Programowanie jest naprawdę potrzebne dopiero na poziomie 5, gdy celem jest budowanie własnych modeli, a nie korzystanie z gotowych.
Jaki poziom wystarczy?
Dla większości pracy biurowej i nauki - 2 (współpraca w czacie) albo 3 (integracje). 4 i 5 są po to, by uczyć innych albo budować systemy, nie po to, by "nie zostać w tyle".
Czy AI Act każe wszystkim robić kurs?
Artykuł 4 o kompetencjach w zakresie AI (AI literacy) dotyczy dostawców i podmiotów wdrażających systemy AI, nie każdego czytelnika tego przewodnika. Obowiązek stosuje się od 2 lutego 2025 r. - [FAQ Komisji](https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers). Jeśli wdrażasz AI w firmie, to już nie jest hobbystyczna ciekawostka.
made with ❤️ by aitomate.pl - Łukasz Podgórski