Równolegle do prowokacji Karpa dzieje się bowiem rzecz znacznie mniej widoczna. W działach HR uruchamiane są właśnie narzędzia do screeningu CV oparte na dużych modelach językowych. System odrzuca aplikacje z lukami w zatrudnieniu, niespójną strukturą czy nietypowym językiem. Procent odsiewu rośnie, a statystyki rekrutacji wyglądają lepiej.

Czego jednak statystyki nie pokazują: te luki, niespójności i nietypowe struktury są silnie skorelowane z autyzmem, ADHD i dysleksją. Jak dowodzą najnowsze badania nad dyskryminacją algorytmiczną, screening oparty na GPT odrzuca CV ze wzmiankami o niepełnosprawności znacząco częściej niż CV identyczne, ale neutralne.

Czyli: ta sama technologia, o której Karp mówi, że potrzebuje neuroatypowych umysłów, równolegle filtruje je już na wejściu. To uderzający paradoks. I to jest właściwy temat tej rozmowy.

Co Alex Karp zobaczył naprawdę?

Twierdzenie, że ktokolwiek jest „lepszy” od kogokolwiek, to tani nagłówek, który można pominąć. Za prowokacją Karpa stoi jednak rzecz, której nie powinniśmy ignorować: AI zmienia to, które profile poznawcze stają się ekonomicznie nie do zastąpienia.

W praktyce wygląda to tak: profil neurotypowy jest statystycznie profilem względnie „płaskim”. Cechują go umiarkowane mocne strony, umiarkowane słabości i kompetencje rozłożone w miarę równo po wszystkich domenach (IQ oscylujące wokół 100). AI podnosi ten profil równomiernie i delikatnie w każdej z domen. Zysk może być oczywiście prawdziwy, ale stosunkowo niewielki.

Profile kolczaste (spiky profiles) – najczęściej neuroatypowe (czyli m.in. autyzm, ADHD, dysleksja) – wyglądają w testach poznawczych zupełnie inaczej. To mózgi z wysokimi szczytami i głębokimi dołkami (w niektórych obszarach IQ mocno powyżej 100, a w innych mocno poniżej). Pamięć robocza, szybkość procesowania informacji, funkcje wykonawcze, czytanie liniowe czy komunikacja konwencjonalna to najczęściej typowe dołki. Rozpoznawanie wzorców, myślenie wizualno-przestrzenne, myślenie dywergencyjne i głęboki fokus to z kolei typowe szczyty (ekstremalnie upraszczając kompleksowość profili neuroatypowych dla zrozumienia sedna przekazu).

AI wypełnia dołki znakomicie. Pisze za Ciebie maile, robi podsumowania, strukturyzuje kalendarz i tłumaczy żargon na język potoczny. Ale szczytów dotknąć nie umie. LLM jest z konstrukcji konwergentny i konwencjonalny. Generuje statystyczne centrum tego, co już istnieje w danych treningowych. Nie jest zdolny do dywergencji, nie generuje pomysłów rzadkich w populacji i nie przeskakuje swobodnie między odległymi kategoriami konceptualnymi.

Co to znaczy ekonomicznie? Wartość rynkowa „szczytów” rośnie. Dołki przejmuje teraz tania, skalowalna technologia, dlatego praca, którą ostatecznie zostawia ona ludziom, jest pracą wyłącznie szczytów.

Co widzi mózg, czego AI nie widzi?

Trzy przykłady:

• Autyzm i słabe priors
  Badania neurologiczne dowodzą, że mózg autystyczny znacznie mniej polega na konwencji i założeniach kontekstowych. Dosłownie: widzi świat dokładniej, bo nie nakłada na niego tylu wewnętrznych szablonów. To dokładnie ta operacja, której LLM zrobić nie potrafi. LLM jest w całości zbudowany z priors. Mózg autystyczny zobaczy więc to, co AI z definicji by przepuściło.
• ADHD i myślenie dywergencyjne
  Profil ADHD generuje więcej pomysłów w jednostce czasu, swobodniej przeskakuje między kategoriami konceptualnymi i produkuje pomysły wysoce oryginalne statystycznie. To wymiary dywergencji, w których LLM wypada strukturalnie bardzo słabo.
• Dysleksja i myślenie wzorcowe
  Badania kognitywne wskazują, że osoby z dysleksją potrafią o blisko 30% szybciej rozróżniać figury możliwe od niemożliwych w zadaniach globalnego rozumowania przestrzennego. Szybciej wykrywają też struktury w ogromnych zbiorach danych (np. astronomicznych) niż naukowcy neurotypowi. Nie bez powodu szacuje się, że dyslektycy stanowią aż 35% amerykańskich przedsiębiorców.

Każde z tych badań to zaledwie pojedynczy kawałek mozaiki. Razem dają jednak spójny obraz, w którym pewne typy ludzkiego poznania są prostopadłe wobec tego, co potrafi AI. Są niezastąpione nie dlatego, że są „lepsze”. Po prostu nie pochodzą z tej samej dystrybucji informacji.

Supremacja, która patrzy w drugą stronę

Choć nauka tak wyraźnie udowadnia wartość profili kolczastych, korporacyjna rzeczywistość wydaje się całkowicie tego nie dostrzegać.

Twoje narzędzie do screeningu CV faworyzuje konwencjonalne życiorysy. Twój system performance review premiuje szybkość reakcji i pamięć roboczą – czyli uderza dokładnie w te dołki, w których spiky brain wypada gorzej. Twoje narzędzia do współpracy nagradzają płynną, neurotypową komunikację, a kalendarz tnie dzień na półgodzinne sloty, co skutecznie zabija hyperfocus, stanowiący główny kapitał poznawczy osób w spektrum autyzmu i z ADHD.

W każdym z tych miejsc podejmowana jest decyzja tania, niewidoczna i wystandaryzowana. W każdym z tych procesów selekcjonuje się ludzi pod kątem mózgu, który myśli „średnio”.

I tu zaczyna się właściwa „supremacja technologiczna”. Maszyny nie pokonują ludzi, lecz ich standaryzują na swój własny obraz. Na obraz konwergencji, średniej i predykcji. Organizacja, która absorbuje tę standaryzację bez głębszego zastanowienia, otrzymuje na końcu zespół myślący dokładnie tak samo jak model językowy. I który, podobnie jak algorytm, zwraca tanie, uśrednione, konwencjonalne odpowiedzi.

Zgodnie z danymi Drexel National Autism Indicators Report pełnoetatowe zatrudnienie dorosłych w spektrum w USA wynosi zaledwie ok. 14%. Bezrobocie w populacji neuroatypowej szacuje się na 30–40%. To ośmiokrotnie więcej niż w populacji bez niepełnosprawności.

Karp przewiduje rynkową dominację, podczas gdy algorytm z sukcesem odfiltrowuje te talenty już przy samych drzwiach.

Pytanie do organizacji

Nie chcę zostawiać tego w tonie zawodu, bo z natury jestem optymistką. Jeśli zarządzasz zespołem, dwie rzeczy są dzisiaj absolutnie warte weryfikacji.

Pierwsza: jakie założenia ma narzędzie, którego używasz do rekrutacji, ewaluacji i screeningu pracy? Jakiego typu mózg ono nagradza, a jakiego karze? To pytanie, którego żaden dostawca oprogramowania nie zada za Ciebie.

Druga: czy w Twoim zespole ktoś dostarcza wartość, której nie umiesz do końca zrozumieć? Bo jeśli tak, prawdopodobnie masz na pokładzie profil kolczasty. To profil, którego wartość rośnie z każdą kolejną iteracją AI. I profil, który warto chronić przed sztywnym kalendarzem, procedurami performance review i narzędziami do współpracy projektowanymi wyłącznie pod statystyczne centrum.

Alex Karp, rzucając w eter tezę o nowej supremacji, przemycił jedną z najważniejszych prawd współczesnego biznesu: cechy poznawcze, które czynią neuroatypowych odmiennymi, są dokładnie tymi cechami, które czynią ich absolutnie wyjątkowymi w świecie napędzanym przez AI.

Pełne spektrum ludzkich umysłów zyskało wreszcie uzasadnienie ekonomiczne. To doskonała wiadomość. Pod warunkiem, że firmowe systemy informatyczne nie wyeliminują tych umysłów, zanim organizacja w ogóle zdąży zauważyć, że są jej potrzebne do przetrwania.

Źródła:

Algorytmiczna dyskryminacja w rekrutacji: Glazko, K., Mohammed, Y., Kosa, B., Potluri, V., Mankoff, J. (2024). Identifying and improving disability bias in GPT-based resume screening. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency, 687-700. DOI: 10.1145/3630106.3658933

Autyzm – słabe priors / przetwarzanie predykcyjne: Pellicano, E., Burr, D. (2012). When the world becomes 'too real': a Bayesian explanation of autistic perception. Trends in Cognitive Sciences, 16(10), 504-510. DOI: 10.1016/j.tics.2012.08.009

Sapey-Triomphe, L.-A., Pattyn, L., Weilnhammer, V., Sterzer, P., Wagemans, J. (2023). Neural correlates of hierarchical predictive processes in autistic adults. Nature Communications, 14, 3640. DOI: 10.1038/s41467-023-38580-9 (Uwaga: w decku imię autorki podane jako „Laurène" –  faktycznie jest to Laurie-Anne Sapey-Triomphe)

ADHD –  myślenie dywergencyjne: White, H.A., Shah, P. (2011). Creative style and achievement in adults with attention-deficit/hyperactivity disorder. Personality and Individual Differences, 50(5), 673-677.

Boot, N., Nevicka, B., & Baas, M. (2020). Creativity in ADHD: Goal-Directed Motivation and Domain Specificity. Journal of Attention Disorders, 24(13), 1857-1866. DOI: 10.1177/1087054717727352

Dysleksja - myślenie wizualno-przestrzenne: von Karolyi, C., Winner, E., Gray, W., Sherman, G.F. (2003). Dyslexia linked to talent: Global visual-spatial ability. Brain and Language, 85(3), 427-431.

Schneps, M.H., Brockmole, J.R., Sonnert, G., Pomplun, M. (2012). History of reading struggles linked to enhanced learning in low spatial frequency scenes. PLoS ONE, 7(4), e35724. DOI: 10.1371/journal.pone.0035724

Logan, J. (2009). Dyslexic entrepreneurs: the incidence; their coping strategies and their business skills. Dyslexia, 15(4), 328-346.

Monotropizm / hyperfocus: Murray, D., Lesser, M., Lawson, W. (2005). Attention, monotropism and the diagnostic criteria for autism. Autism, 9(2), 139-156. DOI: 10.1177/1362361305051398

Neuroróżnorodność a praca / bezrobocie: Doyle, N. (2020). Neurodiversity at work: a biopsychosocial model and the impact on working adults. British Medical Bulletin, 135(1), 108-125. DOI: 10.1093/bmb/ldaa021

Roux, A.M., Shattuck, P.T., Rast, J.E., Anderson, K.A. (2017). National Autism Indicators Report: Developmental Disability Services and Outcomes in Adulthood. Philadelphia, PA: Life Course Outcomes Research Program, A.J. Drexel Autism Institute, Drexel University.

Cytat Alexa Karpa: Fore, P. (2026, March 24). Palantir's billionaire CEO says only two kinds of people will succeed in the AI era. Fortune. (Wypowiedź na podcaście TBPN, wcześniej wygłoszona na konferencji Palantir AIPCon, marzec 2026)

Statystyka Gartnera (20% Fortune 500 do 2027): Gartner Press Release (29 lutego 2024); Gartner Top Predictions for IT Organizations and Users, 2024 and Beyond (17 października 2023). Statystyka cytowana w Fortune (Fore, 24 marca 2026).