Три обрасца за учење уз АИ: Како да задржите своје расуђивање у доба алгоритама

Постоје три начина за учење уз помоћ вештачке интелигенције. Већина људи не користи ниједан од њих. Једно истраживање тестирало је како програмери уче нове вештине уз помоћ АИ. Већина је постала лошија него на старту, а три групе су постале боље. Сви су користили исти АИ алат, али је начин коришћења био различит за сваку групу.

Ова студија тестирала је 52 програмера који су требали да науче нову вештину. Половина је користила АИ, половина није. АИ група је постигла 17% лошији резултат у разумевању новог концепта. Међутим, три групе унутар АИ сегмента постигле су једнако добре резултате као и људи који уопште нису користили АИ.

У овом тексту ћу:

• Анализирати шест образаца интеракције са АИ које је студија идентификовала и објаснити шта раздваја оне који чувају процес учења од оних који га елиминишу.
• Објаснити зашто је највећи јаз у вештинама био у дебаговању (отклањању грешака): управо оној вештини која вам је потребна да бисте приметили када АИ погреши.
• Дати три вежбе засноване на обрасцима са високим учинком, плус једно дијагностичко питање које вам говори да ли вам АИ помаже да учите или вам помаже да заборављате.

Научна студија

У јануару 2026. године, два истраживача из програма стипендиста компаније Anthropic објавила су рад „Како АИ утиче на формирање вештина” (How AI Impacts Skill Formation). Џуди Ханвен Шен и Алекс Тамкин спровели су контролисано истраживање са 52 програмера који су учили нову Python библиотеку под називом Trio. Половина је користила АИ асистента за кодирање, половина није.

Група са АИ асистентом је постигла 17% лошији резултат на тесту концептуалног разумевања, читања кода и дебаговања. Постигнути ефекат писања кода је био значајан, али у просеку није било битног добитка у продуктивности. То је наслов који ће већина људи извући из овог рада. Али то није најважније откриће. Најважније је оно што се догодило унутар саме АИ групе.

Три обрасца која су сачувала учење

Истраживачи су идентификовали шест различитих образаца интеракције са вештачком интелигенцијом међу програмерима. Три су донела ниске резултате, а три високе. Обрасци са високим резултатима су разлог зашто је овај рад важан:

• Концептуални упит (Conceptual Inquiry): Седам програмера је АИ-ју постављало само концептуална питања. Сав свој код су писали сами. Они су били друга најбржа група у студији и имали су најбоље резултате: брзина рада и разумевање заједно.
• Хибрид кода и објашњења (Hybrid Code-Explanation): Три програмера су истовремено тражила и код и објашњења. Третирали су АИ као тутора, а не као писца кода.
• Генерисање, па разумевање (Generation-Then-Comprehension): Два програмера су пустила АИ да генерише код, а затим су постављала додатна питања док нису разумели шта је АИ произвео и зашто.

Приметите шта их повезује. У сваком обрасцу са високим резултатом, програмер је задржао когнитивни напор. Нису дозволили алату да мисли уместо њих. Користили су га да подрже сопствено размишљање.

Три обрасца која су елиминисала учење

Обрасци са ниским резултатима деле заједничку особину: задржали су брзину уз одбацивање разумевања:

• АИ делегирање (AI Delegation): Четири програмера су све препустила АИ-ју. Били су најбржи у студији, али нису ништа научили.
• Прогресивно ослањање на АИ (Progressive AI Reliance): Четири програмера су почела са једним или два питања, а затим постепено препуштала све више, док на крају нису препустила све АИ-ју. Путања сазнања је са препуштањем ишла надоле.
• Итеративно АИ дебаговање (Iterative AI Debugging): Четири програмера су користила АИ као алат за отклањање грешака, copy/paste поруке о грешкама и прихватали су поправке без читања и провере. Поставили су много упита, али је резултат био: нула разумевања.

Највећи јаз између АИ групе и контролне групе био је у вештинама дебаговања. Ово је важно јер је дебаговање вештина која вам је потребна да бисте ухватили грешке саме вештачке интелигенције. Коришћење алата нам умањује способност провере тог истог алата.

Продуктивна борба коју АИ уклања

Контролна група (без АИ) је наилазила на више грешака. Проводили су више времена заглављени са проблемима и пријавили су више фрустрације. Такође су пријавили веће уживање у процесу и да су више научили.

Ово је добро утемељена педагогија. Борба је место где се учење дешава. Роберт Бјорк то назива „пожељним потешкоћама” (desirable difficulties): препреке које успоравају учинак, али продубљују задржавање знања. Када АИ уклони ове препреке и потешкоће њиховог савладавања, он уклања механизам помоћу којег се формира разумевање.

Учесници у АИ групи су сами пријавили да се осећају „лењо”. Након завршетка тестирања, коментар им је био да је требало да обраћају више пажње на код. Неки су провели преко 30% времена састављајући промптове уместо да пишу код. Нису добили повећање брзине колико су се надали, али је губитак разумевања био значајан.

Један детаљ из студије ми је посебно привукао пажњу. Учесници који су копирали АИ генерисан код у поређењу са онима који су га ручно прекуцавали нису показали никакву разлику у исходима учења. Физички чин куцања уопште није био зависна варијабла. Когнитивни напор јесте. Можете копирати код и онда се потрудити да га разумете, али само ако га анализирате. Можете откуцати сваки карактер и даље да не разумете ништа, ако се нисте запитали „зашто”.

Ово се поклапа са оним што су Дел'Аква (Dell’Acqua) и колеге открили на Harvard Business School 2023. године: пословни консултанти су завршили 12,2% више задатака уз помоћ АИ, али су подбацили на ономе што су назвали „назубљена граница” (jagged frontier), производећи лошије резултате на задацима који су захтевали суштинско размишљање. Поклапа се и са оним што су Ли (Лее) и колеге открили 2025. године: радници знања су пријавили нижи когнитивни напор и ниже самопоуздање када су користили АИ, чак и када је квалитет њиховог рада био задовољавајући. Рад им је постао лакши, али су радници постали мање сигурни у њега.

Вајлс (Wiles) и колеге описали су АИ као „егзоскелет”: он побољшава ваше способности док га носите, али мишићи испод њега се не развијају. Ако га скинете бићете слабији него када сте почели.

Шта ово значи за било кога ко користи АИ у свом раду

Ова студија се бавила Python програмерима, међутим наведени принцип се односи на све нас. Сваки пут када користимо АИ да саставимо имејл, а да га пажљиво не прочитамо, вежбамо то да не читамо пажљиво. Сваки пут када прихватимо сажетак без провере извора, вежбамо то да не проверавамо изворе. Сваки пут када залепимо грешку у четбот и прихватимо исправку, вежбамо то да не „дебагујемо“.

Герлих (Gerlich) је открио да је честа употреба АИ повезана са лошијим критичким размишљањем код радника знања, зато што образац употребе тренира когнитивну навику: делегирај, прихвати, крени даље. Та навика се акумулира. И то се дешава тихо, јер резултат и даље изгледа компетентно.

Зашто је ово важно изван писања кода

Ако водите тим, питајте их како користе АИ алате. Разлика између делегирања и упита је разлика између губљења вештина и развоја.

Ако сте којим случајем образовни радник, ова студија вам пружа доказ за оно што добри наставници и професори одувек знају: нелагодност и отпор су механизми учења.

Ако сами користите АИ алате, приметите који од шест образаца описује ваш подразумевани приступ. Будите искрени. Програмери који су имали најлошије резултате били су врло ефикасни у процесу писања кода, али нису ништа научили из тога. Сви ми који радимо са вештачком интелигенцијом, такође ћемо морати да је надгледамо и проверавамо какве нам одговоре даје. Да ли ћемо то моћи, зависиће искључиво од тога да ли смо ту вештину изградили или смо је само позајмили.

Како користити АИ алате без губљења способности размишљања

Три обрасца са најбољим резултатима из студије Шен и Тамкина су врло применљив оквир. Ево како да сваки од њих примените у сопственом раду, без обзира на област.

Образац 1: Концептуални упит (Conceptual Inquiry)

Користите АИ да поставите питања. Не користите га да добијете одговоре које ћете само „налепити” у свој рад.

• Вежба: Узмите задатак који бисте обично препустили АИ алату. Пре него што почнете, запишите три ствари које не разумете у вези са тим задатком. Поставите АИ-ју та три питања. Прочитајте одговоре. Затим сами урадите задатак, без помоћи АИ-ја.
• Зашто ово ради: Присиљава вас да идентификује сопствене празнине у знању пре него што их алат невидљиво попуни.

Образац 2: Хибрид кода и објашњења (Hybrid Code-Explanation)

Када користите АИ да произведе неки резултат, захтевајте образложење уз њега. Никада не прихватајте производ без процеса.

• Вежба: Узмите део рада генерисаног вештачком интелигенцијом који сте недавно користили (имејл, део извештаја, план). Залепите га назад у АИ алат и питајте: „Објасни сваку одлуку коју си донео приликом израде овога. Чему си дао приоритет? Шта си изоставио? Које си претпоставке направио?”
• Идентификујте разлику: Пронађите бар једну претпоставку коју бисте ви другачије поставили. Ту се налази ваше просуђивање.

Образац 3: Генерисање, па разумевање (Generation-Then-Comprehension)

Ако пустите АИ да прво генерише, онда га накнадно испитујте. Никада не шаљите оно што нисте разумели.

• Вежба: Узмите АИ генерисани резултат и означите сваку тврдњу, одлуку или препоруку у њему. За сваку од њих питајте АИ: „Зашто ово, а не нека алтернатива?” Питајте све док не будете у стању да објасните логику колеги без гледања у АИ одговоре.

Питање за проверу

Кроз сва три обрасца, једно питање служи као дијагностика: „Након што сам користио АИ за овај задатак, да ли бих следећи пут могао да га урадим без АИ?”

Ако је одговор да, користили сте АИ да бисте учили. Ако је одговор не, користили сте АИ да бисте избегли учење. Запишите ово питање на стикер и ставите га поред екрана. Поставите га себи сваки пут када затворите прозор четбота.

Студија Шен и Тамкина је открила да су најбржи програмери научили најмање. Али је такође открила да су најпромишљенији програмери научили највише док су и даље користили АИ. Алат је био исти за свакога, али је образац употребе био различит.

Зашто учење и даље захтева напор

Притисак да се усвоје АИ алате је стваран. Долази од послодаваца, институција, од самих алата који су дизајнирани да делегирање учине природним. Пут мањег отпора је пут који води до егзоскелета: побољшавамо учинак који скрива опадање наших способности.

На крају, остаје нам само наша способност да осмишљавамо свет око себе. Машине ће несумњиво постајати брже, прецизније и наизглед паметније, нудећи нам пречице за сваки интелектуални напор. Ипак, пристајање на те пречице значи полагано, тихо препуштање сопственог расуђивања туђим алгоритмима. Прихватање оног неопходног и често фрустрирајућег напора у раду је свесна одлука да останемо присутни у процесу сазнавања. Јер, границе онога што заиста разумемо уједно су и границе наше слободе мишљења.