Partea care rămâne a mea

În cele mai multe zile lucrez cu un model deschis într-o a doua fereastră. Scrie drafturi, îmi dă opțiuni, îmi aduce lucrul de care îmi aduc aminte pe jumătate, iar eu îmi țin mâinile libere pentru partea care contează cu adevărat pentru mine, care e să decid ce e bun și ce nu. Pare o împărțire curată a muncii, și în mare parte chiar e. Dar din când în când prind ceva mai mic și mai puțin confortabil: un draft pe care l-am aprobat prea repede, o direcție pe care am luat-o pentru că era deja scrisă, nu pentru că era cea corectă. Nimic dramatic. Doar o senzație vagă că un mușchi pe care îl foloseam înainte s-a mai muiat un pic.

M-am apucat să caut ce spune știința despre mușchiul ăsta și am descoperit că nu e un mușchi, ci patru, fiecare studiat de zeci de ani sub numele lui. Ce urmează e harta pe care am construit-o și argumentul cu care m-a lăsat. Teza e simplu de spus și mai greu de trăit: valoarea durabilă în lucrul cu AI nu e execuția pe care a preluat-o modelul. E atenția, intuiția, insight-ul și judecata pe care le aduc eu în a decide la ce a folosit execuția. Să dai prima mai departe e în regulă. Să o dai pe a doua e felul în care încetezi, pe tăcute, să mai fii demn de augmentat.

Partea ieftină și partea scumpă

Într-un articol mai vechi am argumentat că intuiția e partea ieftină, iar testarea e cea care o face cunoaștere. Ăsta e același argument, întors invers. Dacă un model poate genera draftul, opțiunile de layout, prima trecere prin research, atunci generarea a devenit ieftină și pentru mine. Ce rămâne scump e încadrarea care decide ce draft să cer și judecata care decide dacă cel primit e bun. Așa că întrebarea interesantă a încetat să fie „ce poate face" și a devenit „care e partea scumpă pe care nu o poate face în locul meu, și o țin ascuțită?".

Știința cognitivă răspunde în straturi. Concentrarea e substratul pe care rulează tot restul. Intuiția e felul în care se simte recunoașterea rapidă din interior, atunci când a fost câștigată. Insight-ul e schimbarea bruscă de reprezentare care te trece de un zid. Iar metacogniția, practic gândirea despre propria gândire, e stratul care le supraveghează pe toate trei și decide în care să ai încredere. Ai putea citi toată literatura ca pe o descriere a părții scumpe, scrisă înainte să existe o parte ieftină cu care să o compari.

Concentrarea e lucrul care trebuie să supraviețuiască primul

Tot ce vine după depinde de protejarea unui set mic de resurse, așa că întâi vine concentrarea. Memoria de lucru e sever limitată când se ocupă de ceva cu adevărat nou, ăsta e miezul teoriei încărcării cognitive a lui John Sweller (1988). Expertiza, în acest cadru, e mai ales acumularea de scheme care îți permit să tratezi ce erau înainte zece lucruri separate ca pe un singur chunk, așa că încărcarea scade. De-asta o problemă familiară pare ușoară și una nouă pare grea, și de-asta să-ți externalizezi memoria în notițe și diagrame nu e o cârjă, ci o practică bună.

Descoperirea mai inconfortabilă e despre comutare. Munca lui Sophie Leroy a numit reziduul de atenție, „persistența activității cognitive despre un Task A chiar și după ce ai încetat să lucrezi la Task A", și a arătat că reziduul e cel mai puternic când Task A a fost lăsat neterminat (2009). O parte din mintea ta rămâne agățată de lucrul pe care nu l-ai închis. O zi de lucru condusă de notificări e scumpă dintr-un motiv pe care îl poți măsura. Cal Newport a construit argumentul popular pentru protejarea concentrării în Deep Work (2016), iar Mihaly Csikszentmihalyi a descris capătul opus, starea absorbită pe care a numit-o flow (1990), unde provocarea și abilitatea sunt la același nivel și conștiința de sine se estompează.

Am scris un articol întreg despre cum se comportă de fapt propria mea atenție, așa că nu-l reiau aici. Ideea pentru argumentul de față e mai îngustă. Un model nu-mi fragmentează atenția așa cum o fac notificările, dar oferă o versiune mai subtilă a aceluiași cost: face foarte ușor să nu duc gândul până la capăt eu, să pasez mijlocul greu al unei probleme fix în clipa în care se îngreunează. Reziduul atunci nu vine din comutarea între task-uri. Vine din faptul că nu am ținut niciodată problema în întregime în cap.

Intuiția e recunoaștere, iar recunoașterea are condiții

Lucrul pe care designerii îl numesc gust, senzația rapidă că o opțiune e cea bună înainte să poți spune de ce, are o explicație plictisitoare și liniștitoare. Munca de teren a lui Gary Klein cu pompieri și asistente a produs modelul deciziei bazate pe recunoaștere (Sources of Power, 1998), în care oamenii experimentați mai ales nu compară opțiuni. Un comandant i-a spus: „Eu nu iau decizii." Vedea situația ca pe o instanță a unui tipar pe care îl știa deja, recunoștea o mișcare care funcționează întâi, și o simula mental înainte să acționeze. Intuiția, în acest cadru, e recunoaștere, nu magie.

Recunoașterea are un substrat de memorie. Studiul pe șah al lui Chase și Simon90004-2) a arătat că maeștrii puteau reconstrui poziții reale de joc mult mai bine decât începătorii, dar nu aveau niciun avantaj la pozițiile aleatorii (1973). Maeștrii nu vedeau mai mult, vedeau în chunk-uri, tipare cu sens stocate cu miile. Expertiza e o bibliotecă mare din aceste chunk-uri, ceea ce face recunoașterea și rapidă, și, în condițiile potrivite, corectă.

În condițiile potrivite e tot jocul. Kahneman și Klein, un sceptic și un susținător, au făcut o colaborare adversarială și au căzut de acord asupra momentului în care poți avea încredere într-o decizie din instinct: doar într-un mediu suficient de regulat cât să conțină indicii valide, și doar după destulă practică cu feedback real cât să le fi învățat (2009). Concluzia lor cea mai ascuțită e cea pe care o țin lipită pe interiorul capului. Încrederea subiectivă nu e un indicator sigur al acurateței. O senzație caldă de certitudine nu e o dovadă că ai dreptate. Ăsta e fix testul de care am nevoie când un model îmi întinde ceva plauzibil: nu „mi se pare corect?", ci „e ăsta un domeniu în care senzația mea și-a câștigat dreptul de a fi crezută, și chiar am verificat?". (O precizare cinstită pe partea de practică: afirmația din 1993 despre practica deliberată, că experții sunt făcuți mai ales prin practică susținută, a fost parțial nuanțată de o replicare din 2019, care a găsit că e importantă, dar explică mai puțină variație decât se pretindea. Practica construiește biblioteca. Nu e singurul lucru care o face.)

Sclipirea dinaintea răspunsului

Partea care mi se pare cea mai frumoasă e și cea mai bună dovadă că o parte din gândirea mea se întâmplă fără mine. Când o soluție e aproape, o poți simți înainte să o poți formula? Răspunsul depinde de tipul de problemă. Metcalfe și Wiebe au pus oamenii să-și noteze „căldura", apropierea resimțită de o soluție, la fiecare cincisprezece secunde. Pentru problemele pas cu pas, căldura creștea lin pe măsură ce se apropiau de răspuns, deci simțul lor de progres era corect (1987). Pentru problemele de insight, căldura rămânea plată și apoi sărea în ultima clipă. Răspunsul sosea ca un fulger pe care nu-l vedeau venind.

Creierul arată aceeași cusătură. Folosind sarcina compound-remote-associate, Kounios și Beeman au găsit că soluțiile de insight poartă o explozie de activitate gamma de înaltă frecvență, în jur de 40 Hz, deasupra girusului temporal superior anterior drept, cam cu 300 de milisecunde înainte ca persoana să apese butonul ca să spună că îl are, precedată de o liniștire în banda alfa deasupra cortexului vizual, ca și cum creierul întunecă pentru scurt timp lumea de afară ca să audă un semnal intern slab (2014). Explozia gamma apare la insight și lipsește la același răspuns ajuns analitic. Insight-ul e conștient abrupt, dar inconștient pregătit. Răspunsul e asamblat sub nivelul conștiinței și apoi predat în sus.

Două lucruri practice decurg de aici, în ambele am acum mai multă încredere decât înainte. Întâi, incubația e reală. Meta-analiza lui Sio și Ormerod a confirmat că să lași o problemă deoparte îmbunătățește soluțiile de mai târziu, cu o luptă prealabilă mai lungă producând un efect mai mare, și cu pauzele cu solicitare mică ajutând mai mult decât cele cu solicitare mare (2009). În liceul de artă, la orele de pictură, ne dădeam înapoi de la o pânză câteva zile intenționat, pentru că imersiunea prelungită te face să-ți pierzi priza pe ea și trebuie să te întorci cu ochi noi. Rezultatul de laborator e că pasul înapoi nu e evitare, e procesare. Al doilea, teoria schimbării de reprezentare a lui Stellan Ohlsson explică zidul în sine: un impas e cauzat de o reprezentare de start care exclude pe tăcute răspunsul, iar depășirea lui cere relaxarea unei constrângeri pe care ți-ai impus-o singur sau spargerea unui întreg în părți recombinabile. El numește și insight-ul parțial, unde spargi impasul exact cât să reiei mersul înainte. E cel mai apropiat lucru pe care l-am găsit de o descriere a ceea ce face de fapt o sclipire bună. Nu-ți dă răspunsul. Redeschide căutarea.

Asta e facultatea cea mai expusă la offloading, pentru că un model e foarte bun la a-ți încheia un impas înainte ca propria ta reprezentare să fi avut timp să se schimbe. Te deblochezi fără să fi restructurat vreodată ceva, ceea ce e mai rapid și, pentru genul de problemă unde restructurarea era tot rostul, mai rău.

Stratul de arhitect

Deasupra celorlalte trei stă stratul care alege între ele. John Flavell a numit metacogniția, „cogniția despre fenomenele cognitive", monitorizarea și reglarea propriei gândiri (1979). E capacitatea de a ști dacă o strategie funcționează, de a schimba când nu funcționează, și de a decide când să ai încredere într-o intuiție, când să insiști și când să lași un lucru jos ca să incubeze. Tot ce e mai sus e util doar dacă acest strat rulează, pentru că ăsta e stratul care aplică testul lui Kahneman și Klein în loc să aibă doar o senzație.

Lărgește aceeași mișcare de la o singură problemă la o practică întreagă și obții gândirea sistemică, disciplina lui Peter Senge de a vedea structuri în loc de evenimente și de a găsi punctele de levier unde o schimbare mică, bine plasată, produce una mare (The Fifth Discipline, 1990). Metodologia clasică stă sub amândouă: Newell și Simon au încadrat rezolvarea de probleme ca pe o căutare printr-un spațiu-problemă cu analiza mijloace-scopuri (1972), iar Gick și Holyoak au arătat cum analogia furnizează structuri candidate90013-4), arătând totodată că oamenii ratează în mod curent o analogie relevantă fără un indiciu (1980). Ce-mi place să numesc stratul de arhitect e fix asta: mutarea de la a executa fiecare instanță la a monitoriza procesul și a proiecta structura care produce instanțele. E și, nu întâmplător, exact stratul spre care migrează munca odată ce o mașină poate executa.

Mașina, și datoria

Există o justificare filosofică respectabilă pentru a trata un model ca parte din gândirea mea, nu ca pe o unealtă de lângă ea. Clark și Chalmers au argumentat în "The Extended Mind" că o resursă externă care e disponibilă fiabil, accesată ușor și crezută automat funcționează ca o parte autentică a sistemului cognitiv (1998). După standardul ăsta, un model la care întind mâna de o sută de ori pe zi nu e o căutare, e cogniție, extinsă. Mi se pare cinstit. E și motivul pentru care riscul e real, nu sentimental, pentru că dacă lucrul e parte din cogniția mea, atunci felul în care îl folosesc îmi schimbă cogniția.

Partea bună e măsurată și mare. Experimentul de teren Harvard și BCG cu 758 de consultanți folosind GPT-4, acum publicat în *Organization Science*, a găsit că la sarcinile din raza modelului, consultanții au terminat cu 12,2% mai multă muncă, cu 25,1% mai repede, la o calitate cu 40% mai mare, cu cele mai mari câștiguri mergând la cei mai slabi performeri (Dell'Acqua et al., 2023/2025). Dar la o sarcină plasată intenționat în afara razei modelului, utilizatorii de AI au avut cu 19 puncte procentuale mai puține șanse să nimerească răspunsul corect, pentru că frontiera a ceea ce poate face modelul e ceea ce ei numesc zimțată: excelează la o sarcină și dă rateuri pe tăcute la una care arată foarte asemănător. Descriu două stiluri de lucru care reușesc și care se potrivesc curat peste propriile mele obiceiuri: Centaurii, care împart munca pe sarcini, și Cyborgii, care o întrepătrund mișcare cu mișcare. Oricum, treaba durabilă a omului e aceeași, și e stratul de arhitect. Încadrează problema, simte pe ce parte a marginii zimțate cade o sarcină, și judecă output-ul.

Partea proastă e acolo unde trebuie să fiu atentă, și unde dovezile sunt mai noi și mai moi, așa că o marchez ca atare. Un sondaj pe 319 knowledge workers a găsit că o încredere mai mare în AI prezicea mai puțină gândire critică, în timp ce o încredere mai mare în sine prezicea mai multă, și că oamenii raportau că gândirea critică cerea mai puțin efort cu un model în buclă (Lee et al., CHI 2025). Un studiu corelațional separat pe 666 de oameni a raportat o asociere asemănătoare între folosirea mai intensă a AI-ului și scoruri mai mici la gândire critică (Gerlich, 2025), cu precizarea de rigoare că o corelație nu e o cauză. Iar un studiu EEG de la MIT Media Lab a pus 54 de oameni să scrie eseuri cu un model, cu un motor de căutare sau cu nimic, și a găsit că cei care scriau doar cu creierul aveau cea mai puternică și mai distribuită conectivitate neuronală, iar utilizatorii de model cea mai slabă, că utilizatorii de model raportau cea mai mică senzație de proprietate asupra eseurilor lor, și că adesea nu puteau cita un rând pe care tocmai îl „scriseseră" (Kosmyna et al., 2025). Ultimul studiu e un preprint mic, ne-evaluat de colegi, iar un comentariu publicat a cerut o citire mai conservatoare, așa că îl țin ca sugestiv, nu ca stabilit. Autorii numesc tiparul datorie cognitivă, dobânda pe care o plătești mai târziu pentru un offloading pe care nu era nevoie să-l faci acum.

Pune la un loc partea bună măsurată și partea proastă moale și nu obții un verdict, obții o disciplină. Câștigurile sunt reale și trăiesc înăuntrul frontierei. Eroziunea e plauzibilă și vine din a trece frontiera fără să bagi de seamă, sau din a da mai departe partea scumpă pentru că partea ieftină era fix acolo.

Partea care rămâne a mea

Așa că am acum o regulă, și e mai mică decât lectura care a produs-o. Dă execuția mai departe, păstrează judecata. Folosește modelul pentru drafturi, opțiuni și căutare, și păstrează pentru tine încadrarea problemei, intuiția, insight-ul și metacogniția care le guvernează, intenționat, inclusiv părțile pe care ar fi mai rapid să le pasezi. Rulează testul lui Kahneman și Klein înainte să ai încredere fie în instinctul tău, fie în output-ul fluent al modelului: e ăsta un domeniu în care am câștigat feedback real, și chiar am verificat? Tratează un impas ca pe un semnal să-ți schimbi propria reprezentare, înainte să ceri să ți se întindă una de-a gata. Și urmărește singurul indicator care s-a dovedit că contează cel mai mult.

Indicatorul ăla e proprietatea. Scriitorii de la MIT care se sprijiniseră cel mai tare pe model nu-și puteau cita propriile propoziții, și cred că ăsta e tot avertismentul într-o singură imagine. Dacă încrederea mea în unealtă crește în timp ce capacitatea mea de a-mi explica propria muncă scade, distanța aia e datoria care se scadențează, iar remediul e plictisitor și de încredere: mă întorc și fac un lucru greu neasistat până simt din nou mușchiul. Articolele despre proprietatea fișierelor mele și despre vocea mea erau amândouă, pe dedesubt, despre același instinct, și îl văd abia acum, când s-au făcut trei. Lucrul care merita protejat nu au fost niciodată fișierele și nici măcar vocea. A fost partea din gândire care rămâne a mea când mașina face restul, și disciplina de a observa clipa în care începe să plece.

Referințe

• Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1), 55–81. https://doi.org/10.1016/0010-0285(73)90004-2
• Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7
• Csikszentmihalyi, M. (1990). Flow: The psychology of optimal experience. Harper & Row.
• Dell'Acqua, F., McFowland, E. III, Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2025). Navigating the jagged technological frontier. Organization Science. https://doi.org/10.1287/orsc.2025.21838
• Ericsson, K. A., Krampe, R. Th., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3), 363–406. https://doi.org/10.1037/0033-295X.100.3.363
• Flavell, J. H. (1979). Metacognition and cognitive monitoring. American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
• Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006 (corelațional; cauzalitate nestabilită)
• Gick, M. L., & Holyoak, K. J. (1980). Analogical problem solving. Cognitive Psychology, 12(3), 306–355. https://doi.org/10.1016/0010-0285(80)90013-4
• Kahneman, D., & Klein, G. (2009). Conditions for intuitive expertise: A failure to disagree. American Psychologist, 64(6), 515–526. https://doi.org/10.1037/a0016755
• Klein, G. (1998). Sources of power: How people make decisions. MIT Press.
• Kosmyna, N., et al. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint. https://doi.org/10.48550/arXiv.2506.08872 (n = 54; preprint ne-evaluat; a se trata ca sugestiv)
• Kounios, J., & Beeman, M. (2014). The cognitive neuroscience of insight. Annual Review of Psychology, 65, 71–93. https://doi.org/10.1146/annurev-psych-010213-115154
• Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking. CHI 2025. https://doi.org/10.1145/3706598.3713778 (n = 319; auto-raportare)
• Leroy, S. (2009). Why is it so hard to do my work? Organizational Behavior and Human Decision Processes, 109(2), 168–181. https://doi.org/10.1016/j.obhdp.2009.04.002
• Macnamara, B. N., & Maitra, M. (2019). The role of deliberate practice in expert performance: Revisiting Ericsson, Krampe & Tesch-Römer (1993). Royal Society Open Science, 6(8), 190327. https://doi.org/10.1098/rsos.190327 (replicare; efect mai mic)
• Metcalfe, J., & Wiebe, D. (1987). Intuition in insight and noninsight problem solving. Memory & Cognition, 15(3), 238–246. https://doi.org/10.3758/BF03197722
• Newell, A., & Simon, H. A. (1972). Human problem solving. Prentice-Hall.
• Newport, C. (2016). Deep work: Rules for focused success in a distracted world. Grand Central.
• Ohlsson, S. (1992). Information-processing explanations of insight and related phenomena. In M. Keane & K. Gilhooly (Eds.), Advances in the psychology of thinking (Vol. 1, pp. 1–44). Harvester-Wheatsheaf.
• Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday/Currency.
• Sio, U. N., & Ormerod, T. C. (2009). Does incubation enhance problem solving? A meta-analytic review. Psychological Bulletin, 135(1), 94–120. https://doi.org/10.1037/a0014212
• Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4