Więcej treści nie oznacza więcej wiedzy. Coraz więcej firm przekonuje się, że skuteczny rozwój pracowników wymaga kuratorstwa, a nie szkoleniowego „bufetu”.

Przez lata w wielu działach HR obowiązywało niepisane przekonanie, że im więcej szkoleń otrzymają pracownicy, tym lepiej dla organizacji. Dziś, gdy platformy e-learningowe oferują tysiące kursów, a narzędzia generatywnej sztucznej inteligencji potrafią stworzyć moduł szkoleniowy w kilka minut, ta logika przestaje działać. Firmy nie mają już problemu z dostępem do wiedzy. Coraz częściej mierzą się natomiast z nadmiarem treści i trudnością w ocenie ich jakości. A przeciążony pracownik nie uczy się więcej – uczy się mniej.

Bufet, przy którym nikt nie je do syta

Wyobraźmy sobie stół szwedzki z setką potraw. Paradoksalnie, im większy wybór, tym trudniej podjąć decyzję, a w efekcie zamiast satysfakcji pojawia się frustracja. Podobnie funkcjonuje dziś wiele firmowych platform szkoleniowych. Pracownicy otrzymują dostęp do setek mikrokursów, webinariów i materiałów wideo, które mają realizować „w wolnym czasie”. W praktyce często nie kończą żadnego z nich lub przyswajają jedynie niewielką część dostępnych treści, ponieważ brakuje im jasnej ścieżki rozwoju i wsparcia w wyborze właściwych materiałów.

Skala tego problemu jest znacząca. Firmy na całym świecie wydają rocznie ponad 130 mld dolarów na szkolenia i rozwój. Mimo to, jak wynika z analiz Deloitte, zaledwie 5% organizacji uważa, że skutecznie zarządza treściami i technologiami niezbędnymi do prowadzenia efektywnego kształcenia online.

Dług poznawczy i dług cyfrowy

Zjawisko przeciążenia informacyjnego coraz częściej analizowane jest w kontekście tzw. digital debt (długu cyfrowego), który narasta wtedy, gdy tempo dostarczania treści przewyższa zdolność człowieka do ich przyswojenia i wykorzystania. W edukacji i rozwoju kompetencji jego odpowiednikiem staje się dług poznawczy.

Termin ten spopularyzowało badanie zespołu MIT Media Lab pod kierunkiem dr Nataliyi Kosmyny (2025). Za pomocą elektroencefalografii (EEG) porównano w nim aktywność mózgu osób piszących eseje przy wsparciu ChatGPT, wyszukiwarki internetowej oraz bez użycia jakichkolwiek narzędzi cyfrowych. Osoby korzystające z AI wykazywały najsłabszą i najmniej zróżnicowaną łączność neuronalną spośród wszystkich badanych grup. Co więcej, gdy uczestnicy mieli później wykonać zadanie bez wsparcia narzędzi AI, trudniej było im odzyskać samodzielność poznawczą. Efekty wcześniejszego korzystania z technologii utrzymywały się nawet po zaprzestaniu jej używania.

Dług poznawczy pojawia się wtedy, gdy dostęp do gotowych analiz, odpowiedzi i treści rośnie szybciej niż zdolność do ich samodzielnej interpretacji, oceny i krytycznej refleksji. Problem nie dotyczy samej technologii, lecz sposobu jej wykorzystywania. Wsparcie poznawcze zaczyna zastępować proces rozumienia. W efekcie powstaje pozór kompetencji. Pracownik ukończył kurs, obejrzał materiał lub przeczytał podsumowanie wygenerowane przez AI, ale niewiele z tego rzeczywiście zapamiętał i jeszcze mniej potrafi zastosować w praktyce.

AI-slop w szkoleniowym obiegu

Problem dodatkowo pogłębia masowa produkcja treści generowanych przez sztuczną inteligencję. Jak zauważa „Rzeczpospolita”, w organizacjach coraz częściej pojawia się zjawisko określane mianem workslop. Są to materiały stworzone przez AI, które sprawiają wrażenie profesjonalnych i wartościowych, ale w rzeczywistości zawierają niewiele użytecznych informacji.

Badanie przeprowadzone przez BetterUp we współpracy ze Stanford Social Media Lab wykazało, że aż 40% pracowników umysłowych otrzymało w ciągu miesiąca co najmniej jeden taki materiał. Jego analiza, weryfikacja i poprawianie zajmowały średnio około dwóch godzin.

To samo ryzyko dotyczy treści szkoleniowych. Dziś bardzo łatwo wygenerować estetyczny, poprawnie napisany kurs e-learningowy, który jednak – podobnie jak workslop – nie wnosi realnej wartości. 

Ścieżki zamiast bufetu

Odpowiedzią na problem nie jest ograniczanie dostępu do wiedzy, lecz jej świadome porządkowanie i kuratorstwo. Skuteczność szkoleń zależy przede wszystkim od dopasowania treści oraz formy kształcenia do rzeczywistych potrzeb uczestników, a nie od liczby dostępnych materiałów cyfrowych.

W praktyce oznacza to:

• Tworzenie ścieżek edukacyjnych zamiast rozbudowanych katalogów kursów. Zamiast stawiać pracownika przed setkami opcji, warto wskazać trzy lub cztery kolejne kroki prowadzące do konkretnego celu zawodowego. Kluczowe znaczenie ma związek szkolenia z codzienną pracą, a nie liczba ukończonych modułów.
• Wzmocnienie roli kuratora treści. Zadaniem specjalisty ds. rozwoju i szkoleń (L&D) nie powinno być już przede wszystkim tworzenie kolejnych materiałów, lecz selekcjonowanie, weryfikowanie i rekomendowanie tych, które mają największą wartość praktyczną.
• Traktowanie AI jak stażysty, a nie eksperta. Narzędzia generatywnej sztucznej inteligencji mogą znacząco przyspieszać przygotowanie materiałów, ale ich efekty powinny być weryfikowane, poprawiane i uzupełniane przez specjalistów lub ekspertów.
• Ustalenie jasnych zasad wykorzystywania GenAI w procesie tworzenia szkoleń. Organizacje powinny określić, które elementy można automatyzować, a które wymagają doświadczenia eksperta dziedzinowego, znajomości kultury organizacyjnej oraz specyfiki stanowisk pracy.

Mniej znaczy więcej

Nadmiar szkoleń nie buduje kompetencji. Często buduje jedynie zmęczenie, pozorne poczucie rozwoju i statystyki, które nie przekładają się na wyniki biznesowe. W świecie, w którym wiedza jest dostępna na wyciągnięcie ręki, przewagę konkurencyjną daje już nie sam dostęp do treści, lecz umiejętność odróżniania informacji wartościowych od tych, które jedynie sprawiają takie wrażenie.

Źródła:

• Deloitte, Corporate Learning Redefined: Prepare for a Revolution, 2019.
• Kosmyna N. i zespół MIT Media Lab (2025), badania nad wpływem AI na procesy poznawcze.
• „Masowa produkcja treści AI zalewa nie tylko social media, ale i firmy”, Rzeczpospolita, 13.04.2026.
• BetterUp Labs i Stanford Social Media Lab, badania dotyczące zjawiska workslop.