Debata o wpływie sztucznej inteligencji na rynek pracy jest dziś zdominowana przez jedno pytanie: czy AI doprowadzi do masowego zaniku miejsc pracy. Najnowsze badania empiryczne pokazują jednak znacznie bardziej złożony obraz.

Raport „Labor market impacts of AI: A new measure and early evidence” (2026) autorstwa Maxima Massenkoffai Petera McCrory’ego analizuje rzeczywiste wykorzystanie generatywnej AI w pracy oraz jej potencjalny wpływ na zatrudnienie. Autorzy wprowadzają nowe podejście do pomiaru ekspozycji zawodów na AI, łącząc teoretyczne możliwości modeli językowych z rzeczywistymi danymi o ich użyciu w pracy.

Wnioski z raportu są istotne nie tylko dla rynku amerykańskiego, który był przedmiotem badania. Pokazują także kierunek zmian, który z dużym prawdopodobieństwem będzie widoczny również w Europie, w tym w Polsce. 

Luka między potencjałem AI a jej rzeczywistym wykorzystaniem

Jednym z najważniejszych ustaleń raportu jest istnienie wyraźnej luki między technologicznymi możliwościami AI a jej realnym zastosowaniem w pracy.

Modele językowe mogłyby teoretycznie przyspieszyć wykonywanie dużej części zadań w wielu zawodach. Jednak w praktyce wykorzystanie AI obejmuje dziś tylko fragment tych możliwości. Przykładowo w zawodach z obszaru IT i analizy danych mogłaby wspierać nawet większość zadań, podczas gdy rzeczywiste wykorzystanie dotyczy znacznie mniejszego zakresu pracy.

Przyczyną tej luki jest splot kilku czynników. Z jednej strony mamy ograniczenia regulacyjne i konieczność kontroli jakości pracy przez człowieka, z drugiej – brak pełnej integracji narzędzi AI z systemami organizacyjnymi oraz naturalną inercję firm w adaptacji nowych technologii. W efekcie technologia rozwija się szybciej niż jej wdrożenie.

Dla firm oznacza to jedno: największe zmiany są dopiero przed nami, a tempo transformacji będzie zależeć bardziej od zdolności organizacji do adaptacji niż od samego rozwoju technologii.

AI automatyzuje zadania, a nie całe zawody

Raport potwierdza także istotną prawidłowość dotyczącą wpływu AI na pracę. Sztuczna inteligencja rzadko zastępuje całe zawody, znacznie częściej przejmuje pojedyncze zadania w ich obrębie.

Każde stanowisko składa się z wielu czynności, które różnią się poziomem złożoności i stopniem podatności na automatyzację. Generatywna AI najlepiej radzi sobie z tymi zadaniami, które polegają na przetwarzaniu informacji, analizie danych i tworzeniu treści. W rezultacie część pracy operacyjnej może zostać zautomatyzowana, ale pozostałe elementy roli pozostają w gestii człowieka.

To prowadzi do stopniowej zmiany charakteru pracy. Maleje znaczenie zadań rutynowych, a rośnie rola interpretacji, podejmowania decyzji oraz łączenia wiedzy z różnych obszarów.

Najbardziej narażone są zawody oparte na pracy z informacją

Raport wskazuje wyraźnie, że najwyższa ekspozycja na AI dotyczy zawodów opartych na pracy z informacją. Chodzi o role, w których podstawą działania jest analiza danych, praca z tekstem, dokumentacją lub kodem. To szeroka grupa stanowisk związanych z IT, analizą biznesową, finansami, obsługą klienta czy marketingiem. To właśnie w tych obszarach AI znajduje dziś najwięcej zastosowań i najszybciej zwiększa swoją obecność.

Widzimy tu pewne odwrócenie logiki wcześniejszych fal automatyzacji, które koncentrowały się głównie na pracy fizycznej. Tym razem transformacja obejmuje przede wszystkim pracę biurową i analityczną, czyli obszary uznawane dotąd za mniej podatne na automatyzację.

Czy AI zwiększa bezrobocie?

Jednym z najbardziej istotnych wniosków raportu jest brak wyraźnych dowodów na wzrost bezrobocia w zawodach najbardziej narażonych na AI. Analiza danych z rynku pracy w USA pokazuje, że po upowszechnieniu generatywnej AI poziom bezrobocia w tych grupach pozostaje stabilny.

Nie oznacza to jednak braku zmian. Zamiast gwałtownych zwolnień obserwujemy bardziej subtelne przesunięcia, które dotyczą przede wszystkim struktury zatrudnienia. Szczególnie widoczny jest sygnał spowolnienia zatrudniania młodych pracowników w zawodach najbardziej narażonych na wpływ AI. Może to wynikać z faktu, że część zadań typowych dla osób rozpoczynających karierę jest dziś wspierana lub częściowo przejmowana przez narzędzia AI. W efekcie zmienia się sposób wchodzenia na rynek pracy.

Co to oznacza dla rynku pracy w Polsce?

Choć raport opiera się na danych z USA, jego wnioski są w dużym stopniu uniwersalne i mają bezpośrednie znaczenie dla Polski.

Polska gospodarka w ostatnich latach silnie rozwinęła sektor usług biznesowych, obejmujący centra usług wspólnych, analitykę, procesy finansowe oraz wsparcie IT. Są to dokładnie te obszary, które w świetle raportu należą do najbardziej podatnych na wykorzystanie AI. Oznacza to, że wpływ generatywnej AI w Polsce może być szczególnie widoczny właśnie w tych segmentach rynku pracy. Jednocześnie nie należy oczekiwać prostego scenariusza redukcji zatrudnienia. Bardziej prawdopodobna jest transformacja ról, polegająca na ograniczeniu pracy operacyjnej i wzroście znaczenia kompetencji analitycznych oraz decyzyjnych.

Zmiana ta może również wpłynąć na modele biznesowe oparte na przewadze kosztowej, które przez lata stanowiły fundament rozwoju sektora usług w Polsce. Wraz z rosnącą automatyzacją większego znaczenia nabiorą kompetencje eksperckie i zdolność tworzenia wartości dodanej.

Największa zmiana: transformacja pracy, nie znikanie zawodów

Najważniejszy wniosek płynący z raportu jest paradoksalny. Wbrew powszechnym obawom największą zmianą nie musi być masowe znikanie zawodów, lecz zmiana sposobu ich wykonywania. AI przejmuje część zadań operacyjnych, co prowadzi do stopniowej transformacji pracy specjalistów. W wielu przypadkach rola człowieka przesuwa się w stronę nadzoru, interpretacji i podejmowania decyzji. Organizacje staną więc przed koniecznością przemyślenia sposobu działania zespołów oraz redefinicji ról, pracownicy natomiast – rosnącego znaczenia kompetencji analitycznych, interdyscyplinarnych i zdolności współpracy z technologią.

Wpływ AI na rynek pracy nie ma charakteru gwałtownej rewolucji. Jest to proces ewolucyjny, którego tempo będzie zależeć przede wszystkim od tego, jak szybko organizacje nauczą się wykorzystywać potencjał tej technologii.