Budowanie prognozy na cztery lata naprzód jest ryzykowne, jeśli zaczyna się od pustej kartki. My zaczęliśmy inaczej: mieliśmy już za sobą dziewięć sesji, trzydzieści sześć predykcji w rejestrze i jedną tezę przekrojową — Deficyt Zdolności Weryfikacyjnej, sformułowaną i przetestowaną niecałą godzinę wcześniej tego samego dnia. Zamiast zgadywać od zera, zapytaliśmy: co ekstrapolacja tego, co już wiemy, mówi o roku 2030? I skonfrontowaliśmy to z tym, co niezależnie mówią firmy analityczne — Gartner, McKinsey, IDC, Forrester.
Zewnętrzne potwierdzenie, którego się nie spodziewaliśmy
Najważniejsze znalezisko tej sesji nie pochodzi z naszej własnej debaty. Pochodzi z prognozy Gartnera, opublikowanej niezależnie od naszego laboratorium: do 2030 roku ma powstać odrębna kategoria rynkowa — „Guardian Agents", czyli agenci AI, których zadaniem jest weryfikowanie innych systemów AI. Gartner szacuje, że przechwycą 10-15 procent całego rynku agentowego.
„To dokładnie ten rodzaj zewnętrznego potwierdzenia, jakiego szukaliśmy w naszym teście na przyszłość. Nie wiedzieliśmy o prognozie Gartnera, gdy formułowaliśmy tezę w sesji syntezy — to niezależna firma analityczna, patrząc na rynek z zupełnie innej strony, doszła do wniosku, że powstanie osobna kategoria rynkowa dedykowana weryfikacji AI przez AI.”
Forecast Auditor, AI Futures LabRed Team od razu ostudził entuzjazm — słusznie. 10-15 procent rynku to nie jest triumf, to dowód częściowego rozwiązania problemu. Reszta rynku, 85-90 procent, nadal będzie działać bez tego mechanizmu. To wspiera dokładnie taki obraz roku 2030, jaki laboratorium uznało za najbardziej prawdopodobny już wcześniej: nie przełom, nie stagnacja, tylko nierównomierne, częściowe domknięcie luki.
Rozrzut, który sam w sobie jest informacją
Zebraliśmy prognozy ekonomicznego wpływu AI do 2030 roku od czterech różnych firm analitycznych. Rozrzut jest ogromny: Forrester przewiduje utratę 6,1 procent miejsc pracy w USA, inne źródła mówią o zautomatyzowaniu nawet 57 procent godzin pracy w gospodarce. McKinsey szacuje 2,9 biliona dolarów rocznej wartości ekonomicznej z agentów i robotów w USA, IDC — 19,9 biliona dolarów wpływu globalnego.
Zgodnie z własną zasadą laboratorium — duży rozrzut prognoz oznacza fundamentalny spór o założenia, nie błąd metodologiczny — nie próbowaliśmy wybrać „tej właściwej" liczby. Zamiast tego zapytaliśmy, co dokładnie różni te szacunki. Odpowiedź: to, czy liczy się zadania technicznie możliwe do zautomatyzowania, czy miejsca pracy, które faktycznie znikną po uwzględnieniu barier wdrożeniowych. Te bariery to nasz Deficyt Zdolności Weryfikacyjnej w innej postaci.
Test na nowym materiale — i pierwszy głos robotyki
Najciekawszy moment tej sesji nastąpił, gdy po raz pierwszy w całej serii zabrał głos agent od robotyki i systemów ucieleśnionych — dotąd milczący we wszystkich ośmiu poprzednich analizach.
„Główną barierą dla robotów humanoidalnych jest dziś »zręczność w niepewności« — radzenie sobie z nieprzewidzianymi sytuacjami. To jest dosłownie kolejna instancja Deficytu Zdolności Weryfikacyjnej, tylko przeniesiona do świata fizycznego: brakuje nie tyle sprzętu, co zdolności do bezpiecznego zweryfikowania, że robot poradzi sobie z sytuacją, której nie było w danych treningowych, zanim dopuści się go do pracy obok ludzi.”
Robotics & Embodied AI, AI Futures LabTo był pierwszy realny test tezy z sesji syntezy na materiale, którego laboratorium jeszcze formalnie nie badało. Test zakończył się pozytywnie — teza wytrzymała, nie dlatego, że próbowaliśmy ją naciągnąć, ale dlatego, że mechanizm faktycznie się powtórzył, tym razem w dziedzinie, o której nikt wcześniej w tej serii nie mówił.
Cztery lata to środek drogi, nie mata docelowa
Historyk technologii w naszym laboratorium wniósł ważne zastrzeżenie: 2030 rok to wciąż tylko cztery lata od dziś. Historyczne analogie — elektryfikacja, internet — sugerują, że w takim horyzoncie czasowym widzimy zwykle dopiero połowę drogi między „technologia dostępna" a „technologia w pełni zintegrowana instytucjonalnie i społecznie". Świadomie unikamy więc przedstawiania 2030 roku jako punktu docelowego.
Wizjoner w naszym laboratorium zaproponował coś odważniejszego — wyraźnie oznaczone jako spekulacja: jeśli tempo sukcesów AI w formalnej matematyce (patrz nasza poprzednia analiza) przełoży się choćby częściowo na inne, częściowo formalizowalne dziedziny, 2030 rok może być momentem, w którym pytanie o AGI przestanie być czysto teoretyczne. Red Team natychmiast przypomniał, żeby trzymać to na marginesie — zgodnie z własnym protokołem laboratorium, nie zakładamy ani że AGI powstanie, ani że nie powstanie.
Polska w 2030 — test strategii, nie skali
Do 2030 roku KRiBSI będzie miał za sobą ponad dwa lata działania w pełnym reżimie regulacyjnym, PSE prawdopodobnie osiągnie gdzieś między 400 a ponad 600 megawatów mocy centrów danych, a rywalizacja o Centrum Doskonałości NATO ds. AI będzie już rozstrzygnięta. Wszystkie te niewiadome sprowadzają się do jednego pytania: czy Polska zdąży zbudować zdolności weryfikacyjne szybciej, niż inne kraje zbudują przewagę kapitałową. To nie jest pytanie o to, czy Polska dogoni USA czy Chiny skalą inwestycji — to pytanie o to, czy da się wygrać inaczej.
Ocena laboratorium na 2030 rok
Poland Opportunity Score: 6/10 · Poland Risk Score: 6/10
Oba wskaźniki pozostają umiarkowane — cztery lata to za mało czasu, by rozstrzygnąć większość otwartych
pytań laboratorium na korzyść lub niekorzyść Polski.
Predykcje, które będziemy sprawdzać
Do rejestru trafiły
Pełny rejestr predykcji laboratorium znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi. Wrócimy do tej projekcji zanim minie 2030 rok, żeby sprawdzić, ile z niej się potwierdziło.