Przez większą część ludzkiego życia towarzyszy nam pytanie: kim chcesz zostać?

Zaczynają je zadawać jeszcze dziecku. Potem nastolatek wybiera profil, uniwersytet, specjalizację. Zakłada się, że gdzieś istnieje odpowiednie dla niego miejsce: trzeba wystarczająć dobrze zrozumieć siebie, zdobyć niezbędną wiedzę, znaleźć to miejsce i je zająć.

W tym modelu wybór zawodu jest jedną z najważniejszych decyzji początku życia. Błąd dużo kosztuje, dlatego do wyboru radzi się podchodzić poważnie.

Ale co, jeśli samo postawienie pytania powoli się starzeje?

Nie dlatego, że zawody znikną. I nie dlatego, że edukacja przestanie być potrzebna.

Lecz dlatego, że okres życia szansy ekonomicznej może stać się znacznie krótszy niż okres ludzkiej kariery.

Dobry zawód dziś niczego nie obiecuje na jutro

W różnych okresach niespodziewanie opłacalne stają się zupełnie różne zajęcia.

Wzrost handlu elektronicznego generuje ogromny popyt na kurierów. Płace rosną, wejście prawie nic nie kosztuje, a człowiek bez wieloletniego przygotowania nagle uzyskuje dochód porównywalny z dochodami ludzi uczących się przez wiele lat.

Potem podaż pracowników rośnie, technologie się zmieniają, rynek nasyca się – i ta sama praca przestaje być tak atrakcyjna.

Napływ produkcji zagranicznej tworzy inną możliwość. W regionie przemysłowym młody człowiek po szkole może zatrudnić się w nowoczesnej fabryce, przeszkolić wewnątrz firmy i zacząć zarabiać wcześniej niż rówieśnik, który spędzi kolejne pięć lat na uniwersytecie.

Kilka lat później pojawia się nowa fala.

Dzisiaj praktycznie uczeń szkoły może znaleźć w internecie setki działających firm ze przestarzałymi stronami internetowymi, za pomocą AI w ciągu kilku godzin zrobić nowoczesny wariant i rozesłać oferty właścicielom. Dziewięćdziesiąt siedem firm zignoruje e-mail. Dwie lub trzy się zgodzą – i eksperyment okaże się zyskowny.

Ale i ta możliwość nie jest wieczna.

Kiedy tę samą metodę zaczną stosować tysiące ludzi, cena spadnie. Kiedy tworzenie nowej strony stanie się niemal automatyczne, zniknie sama przewaga.

Problem nie w tym, że człowiek wybrał zły zawód.

Świat po prostu się zmienił.

Dlatego być może za dużo myślimy o wyborze

Wyobraźmy sobie dwóch osiemnastolatków i dajmy każdemu sześć lat.

Pierwszy wybiera zawód.

Idzie na uniwersytet, przechodzi spójny program, zdaje egzaminy i w wieku dwudziestu czterech lat otrzymuje poważny zasób wiedzy specjalistycznej oraz uznany dyplom.

Drugi nie wybiera niczego ostatecznie.

Zatrudnia się w jednej pracy. Po pół roku rozumie, że mu nie odpowiada. Próbuje innej. Próbuje coś sprzedać. Ponosi porażkę. Opanowuje nowe narzędzie. Robi mały projekt. Znajduje pierwszych klientów. Nisza znika. Przechodzi w inny obszar. Znowu czegoś się uczy.

W wieku dwudziestu czterech lat życiorys pierwszego wygląda na jasny.

Życiorys drugiego – na chaotyczny.

O pierwszym mówią, że inwestował w swoją przyszłość przez sześć lat.

O drugim łatwo powiedzieć, że przez sześć lat nie mógł się zdecydować.

Ale być może oni po prostu gromadzili różne rodzaje kapitału.

Pierwszy stawał się coraz lepiej przygotowany do określonej działalności.

Drugi stawał się coraz lepiej przygotowany do konieczności zmiany działalności.

Dobrze umiemy mierzyć to pierwsze. Dla drugiego nie mamy nawet powszechnie przyjętej jednostki miary.

Błąd również produkuje wiedzę

Jeśli ktoś uczył się na uniwersytecie przez dwa lata i zrozumiał, że chce robić coś innego, te dwa lata są często postrzegane jako strata.

Jeśli zmienił pięć prac, może to wyglądać jeszcze gorzej.

Ale nie każda nieudana próba jest straconym czasem.

Człowiek nie zna siebie z góry.

Może wyobrażać sobie, że lubi programowanie, dopóki nie spróbuje zajmować się nim osiem godzin codziennie. Może uważać się za złego sprzedawcę, dopóki przypadkowo nie znajdzie się w sprzedaży. Może marzyć o dużej korporacji i po miesiącu zrozumieć, że nie znosi takiego środowiska.

Pewnej wiedzy nie da się uzyskać z książki.

Nie można przeczytać wystarczająco szczegółowego opisu zawodu, aby dowiedzieć się, czy tobie będzie się podobało zajmowanie się nim przez kolejne dziesięć lat.

Do tego potrzebny jest eksperiment.

W takim przypadku osoba, która spróbowała pięciu zajęć i odrzuciła cztery, niekoniecznie poniosła porażkę cztery razy.

Odrzuciła cztery hipotezy na temat własnego życia.

A przy okazji dowiedziała się czegoś o rynkach, ludziach, pieniądzach i własnych zdolnościach.

Rynek sam może stać się programem nauczania

Ktoś, kto próbuje zarobić na tworzeniu stron internetowych dla firm, nie ma wcześniej ułożonego curriculum.

Ale bardzo szybko pojawia się jego funkcjonalny odpowiednik.

Jeśli nie potrafi znaleźć potencjalnych klientów – musi nauczyć się poszukiwań.

Jeśli nikt nie odpowiada na maile – musi nauczyć się formułować ofertę.

Jeśli klient jest zainteresowany, ale nie kupuje – musi wgłębić się w sprzedaż.

Jeśli strona wychodzi słaba – musi opanować design i technologie.

Jeśli praca zajmuje trzy dni, a konkurent robi ją w trzy godziny – musi opanować AI.

Jeśli klientów jest wielu, a pieniędzy nadal nie ma – musi zrozumieć ustalanie cen.

Nikt wcześniej nie zdecydował, że człowiek musi studiować akurat te tematy.

Konieczność pojawiła się wcześniej niż wiedza.

Jest to odwrotna kolejność w porównaniu z większością edukacji formalnej.

Tradycyjny model często wygląda tak:

najpierw wiedza → potem szukanie miejsca, gdzie się przydaje.

Eksperymentalny:

najpierw zadanie → potem odkrycie brakującej wiedzy → nauka → natychmiastowa weryfikacja.

Drugi model nie znosi edukacji. Zmienia moment, w którym ona się pojawia.

Czasami lepiej iść na uniwersytet nie wcześniej, a później

Wyobraźmy sobie człowieka, który przez kilka lat próbował różnych zajęć i w wieku dwudziestu jednego lat zrozumiał, że chce projektować mosty.

Teraz naprawdę potrzebuje poważnej matematyki, fizyki, przygotowania inżynierskiego i formalnych kwalifikacji.

Idzie się uczyć.

Ale jego sytuacja zasadniczo różni się od sytuacji siedemnastoletniego nastolatka, który wybrał specjalizację prawie na oślep.

On już wie, po co mu ta wiedza.

Edukacja przestaje być zakładem o nieznaną przyszłość i staje się narzędziem do osiągnięcia odkrytego celu.

To nie jest argument przeciwko uniwersytetom.

Lekarzy, inżynierów, badaczy i wielu innych specjalistów nie da się przygotować kilkoma rozmowami z AI i serią małych projektów.

Ale z tego nie wynika, że ta sama kolejność pasuje każdemu:

najpierw wybierz zawód → przygotowuj się przez kilka lat → dopiero potem zweryfikuj swój wybór z rzeczywistością.

Czasami bardziej racjonalne może okazać się odwrotność:

spróbuj → odkryj kierunek → zrozum ograniczenia → ucz się tego, bez czego dalej naprawdę nie da się przejść.

AI drastycznie obniża koszt próby

Wcześniej eksperymentowanie było znacznie droższe.

Jeśli ktoś chciał spróbować stworzyć produkt programistyczny, musiał nauczyć się programować lub znaleźć programistę.

Aby zrobić design – projektanta.

Aby zbadać rynek – czas i kompetencje.

Aby napisać ofertę handlową – kolejną umiejętność.

Dlatego między myślą „ciekawe, czy się uda?” a rzeczywistą weryfikacją mogły znajdować się miesiące pracy i znaczne pieniądze.

AI zaczyna skracać ten dystans.

Jedna osoba jest już w stanie używać maszyny jako programisty, badacza, tłumacza, projektanta, analityka i asystenta sprzedaży – nawet jeśli na razie niedoskonałego.

I to zaczyna odzwierciedlać się w realnej gospodarce.

W 2026 roku Stripe informuje, że odsetek solo founders wśród firm tworzonych przez Stripe Atlas osiągnął historyczne maksimum. Jednocześnie rośnie liczba jednoosobowych przedsiębiorców z niezwykle wysokimi przychodami. AI nie dowodzi, że każdy będzie w stanie zbudować biznes w pojedynkę, ale zmniejsza liczbę różnych specjalistów, którzy są potrzebni człowiekowi, aby przynajmniej sprawdzić pomysł.

To fundamentalna zmiana.

Jeśli wcześniej nieudany eksperiment mógł kosztować rok i dużo pieniędzy, jutro niektóre eksperymenty mogą kosztować tydzień.

A to oznacza, że człowiek może pozwolić sobie na znacznie więcej błędów.

Ale możliwość łatwo pomylić z zawodem

Tutaj pojawia się kolejna pułapka.

Załóżmy, że dzisiaj tworzenie stron internetowych przy użyciu AI przynosi człowiekowi kilka tysięcy dolarów miesięcznie.

Można wyciągnąć wniosek:

„Znalazłem zawód”.

Ale właśnie to może okazać się błędem.

Jeśli wejście w niszę stało się tanie dla jednej osoby, stało się tanie także dla tysiąca jej konkurentów.

Dzisiejszy wysoki dochód niczego nie gwarantuje.

Dlatego wartość konkretnej możliwości polega nie tylko na tym, ile udało się na niej zarobić.

Może ona pozostawić po sobie coś innego:

człowiek nauczył się znajdować klientów;

zrozumiał, jak weryfikować popyt;

nauczył się sprzedawać;

opanował kilka narzędzi;

zobaczył, jak szybko kopiowana jest przewaga;

nauczył się zamykać niedziałający projekt;

i co najważniejsze – zdobył doświadczenie w szukaniu kolejnej możliwości.

Wtedy zniknięcie niszy przestaje być katastrofą.

Ona i tak nie miała istnieć przez całe życie.

Być może głównym aktywem staje się umiejętność przebudowywania samego siebie

Jesteśmy przyzwyczajeni do opisywania kapitału ludzkiego poprzez akumulację.

Człowiek zna matematykę.

Umie programować.

Ma dziesięć lat doświadczenia w logistyce.

Zdobył wykształcenie medyczne.

Ale w szybko zmieniającym się środowisku pojawia się inny rodzaj zdolności:

zobaczyć → zrozumieć → nauczyć się → spróbować → uzyskać informację zwrotną → przebudować się.

Można dużo wiedzieć i słabo przechodzić ten cykl.

A można mieć stosunkowo niewielkie wykształcenie formalne, ale umieć w ciągu kilku miesięcy wejść w nowy obszar na tyle głęboko, aby zacząć tworzyć w nim wartość.

Tę zdolność można nazwać kapitałem adaptacji.

To nie jest zapas konkretnej wiedzy.

To zdolność ponownego tworzenia niezbędnego zapasu wiedzy po zmianie środowiska.

I tu pojawia się niewygodne pytanie do edukacji

Badania rynku pracy już pokazują, że dyplom i zdolność wykonywania pracy to nie to samo.

Pracodawcy przez dziesięciolecia dodawali wymagania bachelor's degree nawet do wakatów, których treść nie zmieniała się znacząco. Później pojawił się ruch odwrotny – skills-based hiring, w ramach którego część firm zaczęła usuwać formalne wymagania dotyczące dyplomu i dokładniej opisywać niezbędne umiejętności.

Ale nawet ta zmiana przebiega powoli: ogłoszenie rezygnacji z degree requirements jest znacznie prostsze niż faktyczna przebudowa rekrutacji.

Równolegle OECD w 2026 roku zwraca szczególną uwagę na informal learning – wiedzę i umiejętności, które człowiek nabywa poprzez pracę, codzienne czynności i naukę autonomiczną. Taka forma nauki szczególnie dobrze pasuje do środowiska, w którym wymagania dotyczące umiejętności szybko zmieniają się pod wpływem cyfryzacji i AI.

Wychodzi dziwna sytuacja.

Gospodarka coraz silniej wymaga zdolności ciągłej nauki.

Technologie coraz silniej pozwalają uczyć się bezpośrednio w momencie pojawienia się potrzeby.

Ale system społeczny nadal bardzo dobrze potrafi rozpoznawać tylko wcześniej ustandaryzowane ścieżki edukacyjne.

Być może problem nie w tym, że edukacja formalna jest bezużyteczna.

Problem w tym, że potrafimy mierzyć skumulowaną edukację znacznie lepiej niż zdolność człowieka do kontynuowania edukacji samego siebie.

Gotowa trajektoria jednocześnie pomaga i pozbawia treningu

Edukacja formalna ma ogromną zaletę.

Usuwa z człowieka konieczność ciągłego decydowania, co robić dalej.

Oto przedmiot.

Oto wykładowca.

Oto materiał.

Oto termin.

Oto kryterium sukcesu.

Oto egzamin.

Oto kolejny kurs.

Dla kogoś, kto jeszcze nie potrafi samodzielnie zbudować trajektorii, jest to niezwykle cenny system.

Ale ta zaleta może mieć drugą stronę.

Dopóki ktoś inny przez kilka lat odpowiada na pytanie „co masz robić dalej?”, człowiek nie musi uczyć się odpowiadać na nie sam.

Życie eksperymentalne zmusza do robienia tego ciągle:

Co się teraz dzieje?

Gdzie pojawiła się możliwość?

Dlaczego poprzednia próba zadziałała?

Czego nie potrafię?

Czy warto się tego uczyć?

Czy AI może zamknąć tę lukę?

Kontynuować czy rzucić?

Co spróbować jako następne?

To też jest nauka.

Tylko nie ma do dyplomu.

AI może uczynić samodzielność mniej elitarną

Ścieżka eksperymentalna zawsze miała poważny problem.

Wymaga samodzielności.

Nie każdy osiemnastolatek potrafi sam zbadać rynek, wybrać kierunek, ułożyć program nauczania, znaleźć klientów, ocenić wynik i zrozumieć, co robić po porażce.

Dlatego gotowe trajektorie nie były po prostu ograniczeniem. Rozwiązywały realny problem.

Ale AI może zmienić i to.

Człowiek nie musi już sam wiedzieć, jak zbudować każdy kolejny krok. Może dyskutować z maszyną o możliwych kierunkach, badać nieznany obszar, układać tanie eksperymenty, analizować błędy i szybko otrzymywać brakujące wyjaśnienia.

AI nie tworzy ciekawości i nie zmusza człowieka do działania.

Ale może obniżyć intelektualny koszt samodzielności.

Wtedy zdolność budowania własnej trajektorii przestaje być przywilejem nielicznych, którzy nauczyli się tego sami przypadkowo.

Ją również można rozwijać.

Być może zadajemy dzieciom niewłaściwe pytanie

„Kim chcesz zostać?” – to dobre pytanie dla świata, w którym odpowiedź pozostaje przydatna wystarczająwo długo.

Ale jeśli człowiek przeżyje osiemdziesiąt lat, a technologie, rynki i sposoby tworzenia wartości będą się kilkakrotnie radykalnie zmieniać w ciągu jego kariery, jedna odpowiedź może okazać się niewystarczająca.

Wtedy pytanie powinno brzmieć inaczej:

Czy będziesz w stanie zrozumieć, kim zostać jako następny?

Niekoniecznie przedsiębiorcą.

Niekoniecznie programistą.

Niekoniecznie zmieniając zawód co roku.

Sens nie tkwi w ciągłym ruchu dla samego ruchu.

Sens tkwi w braku założenia, że raz znalezione miejsce musi pozostać twoje.

Być może człowiek przyszłości będzie musiał kilka razy odkryć, gdzie jego zdolności są teraz potrzebne światu, uzupełnić braki i znów stać się specjalistą.

Wtedy ostatecznym wynikiem nauki nie jest człowiek przygotowany do jednego zawodu.

Ostatecznym wynikiem staje się człowiek zdolny ponownie uczynić z siebie specjalistę – tyle razy, ile będzie trzeba.