GSE Learning Objectives dla GenAI: nowy raport Pearson i co z niego wynika dla firm

Pearson opublikował 37 nowych celów nauczania Global Scale of English poświęconych wyłącznie interakcjom z generatywną AI: pisaniu promptów, ocenie odpowiedzi i redagowaniu tekstów wygenerowanych przez maszynę. Cele są zmapowane na skalę CEFR od A1 do C2 i powstały w badaniu z udziałem nauczycieli z 12 krajów. choices® było jedną z instytucji, które konsultowały publikację, a wypowiedź naszego założyciela znalazła się w raporcie. W tym tekście wyjaśniamy, skąd wziął się ten dokument, co dokładnie opisuje i dlaczego dla działów HR pytanie „jaki poziom angielskiego ma zespół” właśnie przestało wystarczać.

Skąd ten raport: rozdźwięk między akceptacją AI a jej nauczaniem

Dyskusja o AI w nauczaniu języków przeszła w ciągu dwóch lat drogę od „czy zakazać” do „jak uczyć mądrego użycia”. Problem w tym, że akceptacja wyprzedziła praktykę. Pearson przebadał 500 nauczycieli angielskiego z ponad 60 krajów i uzyskał obraz, który dobrze znamy z własnych grup firmowych.

Autorzy raportu, Mike Mayor i Agata Wiśniewska z zespołu GSE, nazywają to rozdźwiękiem między deklaracjami a praktyką i wskazują jego dwie przyczyny: brak pewności siebie u nauczycieli oraz brak wspólnego standardu i gotowych materiałów. Wytyczne UNESCO, OECD czy Komisji Europejskiej opisują kompetencje AI ogólnie, ale żadne z nich nie bierze pod uwagę tego, że rozmowa z modelem językowym w obcym języku jest sama w sobie zadaniem językowym. Osoba na poziomie A2 nie napisze precyzyjnego prompta po angielsku bez wsparcia i gotowego wzoru, a osoba na B1 nie oceni wiarygodności odpowiedzi bez odpowiedniego zasobu słownictwa i strategii czytania. Raport wypełnia dokładnie tę lukę.

Jak powstały cele: metodologia, nie marketing

Global Scale of English to numeryczna skala biegłości od 10 do 90 punktów, zsynchronizowana z poziomami CEFR, którą opisywaliśmy w tekście o tym, czym jest CEFR i jak przeliczać poziomy. Jej przewagą nad CEFR jest precyzja: zamiast sześciu szerokich poziomów mamy osiemdziesiąt punktów, a każdy cel nauczania ma przypisaną konkretną wartość. Dzięki temu lektor może planować progresję w obrębie jednego poziomu, a nie tylko między poziomami.

Nowe cele dla GenAI powstały według tej samej procedury, którą Pearson stosował przy budowie oryginalnych ram GSE w 2016 roku. Najpierw zespół napisał robocze cele dla dorosłych uczących się. Następnie 35 nauczycieli z 12 krajów wzięło udział w badaniu metodą porównawczą (comparative judgment): dostawali pary celów i decydowali, który opisuje trudniejszą umiejętność. W zestawie znalazły się także tak zwane kotwice, czyli już opublikowane cele GSE o znanej wartości, które służyły jako punkty odniesienia. Każda sprawność (mówienie, pisanie, czytanie) była oceniana osobno.

Dane przeszły trzy etapy analizy: sprawdzenie spójności oceniających (kilku sędziów usunięto za niekonsekwencję), sprawdzenie, czy cele układają się w statystycznie stabilny ranking trudności (odrzucono dziesięć celów, które wyraźnie odstawały od reszty), a na koniec przegląd ekspercki pod kątem logiki pedagogicznej, po którym odpadło kolejnych jedenaście celów. Z roboczej listy zostało 37 celów, które bronią się zarówno statystycznie, jak i dydaktycznie. Warto to podkreślić, bo w dyskusji o AI w edukacji rzadko widzimy dokumenty, za którymi stoi tak sformalizowany proces.

Jak wygląda progresja od A1 do C2

Cele dzielą się na trzy sprawności: 13 dla mówienia (prompty głosowe), 17 dla pisania i 7 dla czytania. Kilka przykładów pokazuje, jak rośnie wymagana kompetencja językowa. Wszystkie cytujemy za raportem, w oryginale, bo tak funkcjonują w GSE Teacher Toolkit.

Zwróć uwagę, że dopiero na poziomie B2 pojawiają się cele związane z oceną i weryfikacją. Poniżej tego progu uczący się potrafi zadać pytanie i zrozumieć prostą odpowiedź, ale nie ma jeszcze narzędzi, by ją zakwestionować. To ważna informacja dla każdego, kto planuje wdrożenie narzędzi AI w zespole, w którym część osób pracuje po angielsku na poziomie A2 lub B1.

Pełną listę znajdziesz w darmowym GSE Teacher Toolkit. Ścieżka: Learning Objectives, następnie Adult Learners, Choose Skill, Communicative Categories, Online Interaction, Generative AI Interactions.

Nasz głos w raporcie

Pearson poprosił nas o opinię o publikacji jeszcze przed jej wydaniem. Fragment tej opinii znalazł się na stronie 9 raportu.

Kilka słów komentarza od autora tej wypowiedzi.

Dlaczego zgodziliśmy się na tę wypowiedź? Bo od dwóch lat obserwujemy w grupach firmowych dokładnie to, co pokazują dane Pearson. Uczestnicy naszych kursów korzystają z ChatGPT, Copilota czy Gemini codziennie. Piszą z ich pomocą maile, streszczają dokumenty, przygotowują prezentacje. Ale gdy prosimy, żeby wyjaśnili, dlaczego zaakceptowali jedną poprawkę modelu, a odrzucili inną, zapada cisza. Nie dlatego, że nie myślą krytycznie po polsku. Dlatego, że nie mają jeszcze języka, by tę myśl wyrazić po angielsku, a często także słownictwa, by w ogóle zauważyć, że model coś zmienił.

Sformułowanie „critically fluent GenAI user” wybrałem świadomie. Biegłość w obsłudze narzędzia to kwestia kilku godzin. Biegłość krytyczna, czyli umiejętność zadania precyzyjnego pytania, oceny odpowiedzi i jej przeredagowania pod konkretnego odbiorcę, to kompetencja językowa, której uczymy się stopniowo, jak każdej innej. Rekruterzy już dziś o nią pytają, choć rzadko wprost. Pytają: „jak przygotowałbyś ten raport w godzinę” albo „jak sprawdziłbyś, czy ta odpowiedź jest wiarygodna”. Cele GSE dla GenAI po raz pierwszy pozwalają tę kompetencję nazwać, zmierzyć i zaplanować jej rozwój.

I wreszcie fragment o „przeciążonych nauczycielach”. Lektor prowadzący kurs Business English w firmie logistycznej w Poznaniu i lektor w kancelarii prawnej w Warszawie do tej pory musieli sami wymyślać, jak wprowadzić AI do zajęć, w jakiej kolejności i na jakim poziomie. Teraz mają wspólny punkt odniesienia. To dokładnie ten rodzaj dokumentu, którego brakowało: nie kolejny manifest o przyszłości edukacji, tylko lista 37 konkretnych umiejętności z przypisanym poziomem.

Co to oznacza dla działów HR i L&D

Według GUS w 2025 roku technologie AI wykorzystywało 8,7% polskich przedsiębiorstw, w tym 5,3% technologie generatywne, a wśród dużych firm odsetek ten sięgnął 42% (Społeczeństwo informacyjne w Polsce w 2025 r.). Rok wcześniej było to 5,9%. Tempo wdrożeń rośnie, a wraz z nim rośnie liczba pracowników, którzy z narzędziami AI pracują po angielsku, bo w takim języku są modele, dokumentacja i większość materiałów, na których pracują zespoły w Krakowie, Wrocławiu czy Gdańsku obsługujące klientów zagranicznych.

Dla działu HR wynika z tego jedna praktyczna konsekwencja. Ocena poziomu językowego zespołu, którą do tej pory sprowadzano do pytania o poziom CEFR, powinna objąć także pytanie, czy pracownicy potrafią efektywnie i bezpiecznie pracować z AI po angielsku. Cele GSE dla GenAI dają do tego gotową miarę: wiemy, że ocena wiarygodności odpowiedzi to GSE 67, a więc B2+, i wiemy, że osoba na B1 tej umiejętności jeszcze nie ma, niezależnie od tego, jak sprawnie obsługuje samo narzędzie.

W praktyce oznacza to, że audyt językowy zespołu może dziś odpowiadać na dwa pytania jednocześnie: na jakim poziomie CEFR/GSE pracują poszczególne osoby i które z celów GSE dla GenAI są dla nich osiągalne, a które wymagają najpierw podniesienia ogólnej biegłości. To zmienia sposób planowania szkoleń. Zamiast oddzielnego kursu „AI dla pracowników” i oddzielnego kursu językowego, można zaprojektować jeden program, w którym praca z AI jest kontekstem nauki angielskiego, a nie dodatkiem.

Podobną perspektywę przedstawia w raporcie Nelly Segura z Bridge Education, która odpowiada za projektowanie kursów korporacyjnych w Chile. Jej zdaniem pracownicy są dziś oceniani nie tylko z tego, jak komunikują się po angielsku z ludźmi, ale też z tego, jak instruują narzędzia AI, oceniają ich wyniki i dostosowują komunikaty, a cele GSE pozwalają połączyć te umiejętności z jasnymi celami językowymi.

Jak choices® wdraża cele GSE dla GenAI w kursach firmowych

Od bieżącego sezonu cele GSE dla GenAI stają się częścią standardu, według którego projektujemy kursy Business English dla firm. W praktyce oznacza to cztery rzeczy.

• Cele w programie, nie w ogólnikach. Program grupy na poziomie B1 zawiera konkretne cele z zestawu, na przykład GSE 49 (prompt o korektę gramatyki) i GSE 52 (prompt do zebrania informacji na znany temat), z przypisanymi lekcjami, w których są wprowadzane i sprawdzane.
• Praca na realnych zadaniach uczestników. Prompty ćwiczymy na dokumentach i sytuacjach z pracy kursantów, nie na przykładach z podręcznika. Dla zespołu finansowego będzie to prośba o streszczenie raportu kwartalnego, dla działu obsługi klienta o zmianę tonu odpowiedzi na reklamację.
• Zasada „najpierw samodzielnie, potem AI”. Przejmujemy listę kontrolną dla nauczyciela z raportu: kursant najpierw wykonuje zadanie sam, potem prosi model o pomoc, a na końcu wyjaśnia po angielsku, co zaakceptował, co odrzucił i dlaczego. Ten ostatni krok jest dla nas najważniejszy, bo to on rozwija język.
• Stopniowo, nie skokowo. Nie uczymy „obsługi AI” jako osobnego modułu. Cele z zestawu pojawiają się w rytmie kursu, w miarę jak rośnie poziom grupy, tak jak każda inna umiejętność w naszych programach Business English.

Dla lektorów oznacza to mniej improwizacji i wspólny język z działem HR klienta: raport z postępów może zawierać informację, które cele GSE dla GenAI grupa osiągnęła, w tej samej skali, w której raportujemy pozostałe umiejętności.

Pobierz raport

FAQ

Łukasz Pakuła

Lingwista, nauczyciel akademicki i założyciel choices®. Jako Head of Studies odpowiada za jakość nauczania i dobór lektorów. Specjalizuje się w Business English i komunikacji międzykulturowej. Adjunct Assistant Professor na UMGC, wykładowca HM Business School w Monachium i Hochschule Kempten, absolwent studiów doktoranckich z językoznawstwa stosowanego, autor publikacji w wydawnictwach Springer i Equinox. Konsultant raportu Pearson „Bridging the AI-readiness gap” (2026). Poznaj zespół choices®