Co szóste zadanie w Polsce może przejąć AI. Największa zmiana dopiero przed nami

17,5% zadań nie oznacza automatycznego zniknięcia 17,5% etatów

Najbardziej nośne sformułowanie raportu mówi, że automatyzacją zagrożone jest mniej więcej co szóste miejsce pracy w Polsce. W sensie analitycznym trafniejsze jest jednak stwierdzenie, że około jedna szósta treści pracy może być technicznie wykonywana przez agentową sztuczną inteligencję. Różnica między tymi dwoma ujęciami jest zasadnicza.

Stanowisko pracy jest pakietem bardzo różnych czynności. Analityk finansowy może zbierać dane, porządkować arkusze, przygotowywać komentarze, sprawdzać zgodność dokumentów, rozmawiać z zarządem, oceniać wyjątki i brać odpowiedzialność za rekomendację. AI może szybko przejąć pierwsze cztery elementy, lecz nie musi od razu przejąć całego zawodu. Efektem będzie najpierw zmiana proporcji między zadaniami, a dopiero później potencjalna zmiana liczby etatów.

W praktyce automatyzacja może działać przez kilka kanałów jednocześnie: ograniczenie rekrutacji, nieodtwarzanie wakatów po odejściu pracowników, łączenie stanowisk, zwiększenie liczby klientów lub procesów obsługiwanych przez jedną osobę, spłaszczenie hierarchii oraz przenoszenie części pracy do wyspecjalizowanych centrów technologicznych. Dlatego pierwszym widocznym skutkiem nie musi być fala zwolnień. Może nim być stopniowe kurczenie się popytu na pracę, szczególnie na stanowiska juniorskie.

Dlaczego obecna fala automatyzacji jest inna niż robotyzacja fabryk

W poprzednich dekadach technologia najmocniej uderzała w zadania powtarzalne, manualne i oparte na jednoznacznych regułach. Roboty przemysłowe zastępowały pracę na liniach produkcyjnych, a klasyczne oprogramowanie i RPA automatyzowały wprowadzanie danych, księgowanie prostych operacji czy obsługę standardowych formularzy. Największa presja skupiała się zwykle na pracownikach o średnich kwalifikacjach.

Agentowa AI przesuwa granicę w stronę pracy poznawczej. Jej naturalnym środowiskiem są procesy, w których zarówno materiał wejściowy, jak i rezultat mają postać cyfrową: dokument, e-mail, tabela, kod, raport, projekt, analiza, umowa, formularz, prezentacja lub zapis rozmowy. Im mniej kontaktu z fizycznym światem i im łatwiej ustandaryzować rezultat, tym większy potencjał automatyzacji.

Raport porządkuje zadania według tego, na czym praca operuje i w jakiej postaci tworzy wartość. Najniższą podatność mają czynności typu „materia–materia”: budowanie, naprawianie, instalowanie, przemieszczanie i obsługa niestabilnego otoczenia fizycznego. Najwyższą – czynności typu „dane–dane”: redagowanie, klasyfikowanie, streszczanie, tłumaczenie, porównywanie, restrukturyzowanie i przetwarzanie informacji. Zadania oparte na relacjach z ludźmi znajdują się pośrodku, ponieważ język można automatyzować, ale zaufanie, odpowiedzialność, opieka, autorytet i reakcja na nieprzewidywalne zachowania pozostają trudniejsze do zastąpienia.

Najbardziej narażone nie są zawody proste, lecz inżynierowie, finansiści, prawnicy i twórcy treści

Najwyższą ekspozycję wykazują profesje inżynieryjne i obliczeniowe, gdzie zagrożonych jest 29% zakresu zadań. Po 27% przypada na zawody prawne i finansowe oraz na role kreatywne i związane z tworzeniem treści. W zarządzaniu i administracji wskaźnik wynosi 24%, w zawodach handlowych 19%, w opiece i edukacji 14%, w rzemiośle i produkcji przemysłowej 8%, a w manualnych usługach wykonywanych osobiście 7%.

To odwraca klasyczną intuicję, według której wyższe wykształcenie automatycznie zapewnia bezpieczeństwo zawodowe. Formalna wiedza przestaje być wystarczającą barierą, ponieważ modele mogą uzyskać dostęp do ogromnych zasobów wiedzy, analizować dokumenty i generować fachowe rezultaty na skalę niemożliwą dla pojedynczego pracownika. Ochronę daje nie tyle sam poziom specjalizacji, ile połączenie wiedzy z odpowiedzialnością, oceną niejednoznacznych sytuacji, relacją z klientem, dostępem do kontekstu organizacyjnego oraz zdolnością rozwiązywania wyjątków, których nie da się odtworzyć na podstawie typowych przypadków.

Wysoka ekspozycja zawodów kreatywnych nie oznacza, że zniknie potrzeba tworzenia treści. Oznacza raczej gwałtowny spadek kosztu produkcji pierwszej wersji tekstu, grafiki, prezentacji, analizy lub projektu. Wartość przesunie się z samego wykonania w stronę selekcji, koncepcji, pozycjonowania, weryfikacji, odpowiedzialności za wynik i znajomości odbiorcy. Im bardziej standardowy rezultat, tym silniejsza presja cenowa. Im większe znaczenie reputacji, trafności decyzji i konsekwencji błędu, tym większa przestrzeń dla człowieka.

120 zawodów czeka głęboka przebudowa, ale skala ryzyka jest różna

Autorzy raportu przyjmują próg 30% jako poziom wskazujący na możliwość głębokiej transformacji zawodu. Nie jest to próg likwidacji etatu, lecz moment, w którym zmienia się rdzeń pracy, zapotrzebowanie na kompetencje, organizacja zespołu i ekonomika zatrudnienia. W scenariuszu Special Agent próg ten przekracza 120 spośród 923 zawodów, czyli 13% analizowanej puli.

Najwięcej takich profesji znajduje się w informatyce i matematyce oraz architekturze i inżynierii – po 19 zawodów. W biznesie i finansach jest ich 18, a w administracji biurowej 17. Kolejne miejsca zajmują nauki przyrodnicze i społeczne – 13 oraz edukacja i bibliotekoznawstwo – 12. Ta struktura pokazuje, że ryzyko nie jest ograniczone do kilku medialnych przykładów, takich jak copywriter, tłumacz czy grafik. Obejmuje szeroki ekosystem zawodów analitycznych, technicznych, administracyjnych i eksperckich.

Jednocześnie sam licznik zawodów nie mówi jeszcze wszystkiego. W sprzedaży tylko trzy profesje przekraczają próg 30%, ale ich przeciętna ekspozycja jest bardzo wysoka. Z kolei w informatyce, matematyce i inżynierii liczba objętych zawodów jest większa, jednak wiele z nich zostanie raczej przeprojektowanych niż usuniętych. Programista korzystający z agentów może tworzyć więcej kodu, lecz wzrośnie znaczenie architektury, kontroli jakości, bezpieczeństwa, integracji i rozumienia celu biznesowego.

Po drugiej stronie znajduje się 136 zawodów, w których ekspozycja nie przekracza 5%. Aż 84 z nich należą do produkcji, budownictwa, wydobycia, instalacji i napraw. To prace wymagające precyzyjnego działania w fizycznym świecie, poruszania się w zmiennym otoczeniu, integracji bodźców sensorycznych i dostosowania do warunków, których nie da się w pełni opisać w instrukcji. Bez szybkiego przełomu w robotyce sama AI nie wystarczy, aby je zastąpić.

Polska w europejskiej czołówce ekspozycji

Po rozszerzeniu analizy na większą grupę państw europejskich najwyższy wynik osiąga Luksemburg – około 21%. Wysoką ekspozycję wykazują również Wielka Brytania, Niderlandy, Szwajcaria, Norwegia, Dania i Irlandia. Najniższe wskaźniki dotyczą Turcji i Rumunii, gdzie większą część zatrudnienia tworzą zawody manualne, rolnictwo, budownictwo, transport, handel rozdrobniony i usługi lokalne.

Wyniki ujawniają ogólną zależność: im zamożniejsza gospodarka i im większy udział pracy opartej na informacji, tym wyższa ekspozycja. PKB na mieszkańca działa w raporcie jako użyteczny przybliżony wskaźnik struktury zatrudnienia. Nie jest to jednak prosta zależność między bogactwem a zagrożeniem. Ostateczny wynik zależy od udziału centrów korporacyjnych, usług finansowych, IT, administracji, inżynierii, przemysłu, budownictwa, opieki, turystyki i drobnych usług.

Wielka Brytania i Niderlandy wpadają w opisaną przez autorów „pułapkę centrali”. Skupienie funkcji zarządczych, finansowych, prawnych, technologicznych i medialnych przez lata zwiększało produktywność i płace, lecz teraz podnosi także podatność na agentową automatyzację. Niemcy wyróżnia skala inżynierii i przemysłowych prac badawczo-rozwojowych. Kraje nordyckie łączą technologie z dużym sektorem opieki i edukacji. Polska ma profil mieszany: część gospodarki jest podobna do zachodnioeuropejskiego sektora usług profesjonalnych, a część pozostaje zakotwiczona w produkcji, budownictwie, logistyce i rzemiośle.

Polski paradoks: przemysł chroni zatrudnienie, ale może ograniczać tempo wzrostu produktywności

Struktura polskiej gospodarki działa dziś jak amortyzator. Duży udział przemysłu, budownictwa, transportu, instalacji i zawodów technicznych wymagających obecności w konkretnym miejscu obniża średni poziom ekspozycji. Bez tego bufora wynik Polski byłby prawdopodobnie wyższy, ponieważ usługi prawne, finansowe, administracyjne i zarządcze mają w naszym kraju znaczącą skalę oraz wysoką podatność na automatyzację.

Ten amortyzator nie jest jednak jednoznaczną przewagą. Sektory mniej podatne na AI mają często mniejszy potencjał szybkiego wzrostu produktywności bez inwestycji w robotykę, maszyny, organizację produkcji i kapitał. Polska może więc znaleźć się między dwoma presjami. W usługach opartych na wiedzy AI ograniczy zapotrzebowanie na część pracy, natomiast w tradycyjnych sektorach niski poziom cyfrowej automatyzacji może utrwalać wolniejsze tempo zwiększania wartości dodanej.

„Tradycyjne sektory, takie jak budownictwo i przemysł, które obecnie obniżają średni poziom ekspozycji na AI, mają jednocześnie ograniczony potencjał dalszego wzrostu produktywności”.dr Mateusz Dadej, Główny Ekonomista Coface w Polsce i Regionie Europy Środkowo-Wschodniej

Najważniejsze pytanie dla polskiej gospodarki brzmi zatem nie tylko, ile etatów zostanie zagrożonych, lecz gdzie powstanie nowa wartość. Jeżeli polskie firmy wykorzystają AI głównie do zakupu zagranicznych usług chmurowych, modeli i licencji, część wzrostu produktywności może zostać przejęta przez dostawców technologii. Jeżeli natomiast automatyzacja zostanie połączona z rozwojem własnych produktów, kompetencji branżowych, danych, integracji, cyberbezpieczeństwa i procesów decyzyjnych, większa część korzyści pozostanie w krajowej gospodarce.

Sektor usług biznesowych może odczuć zmianę wcześniej niż reszta gospodarki

Polska zbudowała silną pozycję w europejskich usługach biznesowych dzięki dużej podaży wykształconych pracowników, kompetencjom językowym, relatywnie konkurencyjnym kosztom oraz zdolności obsługi procesów finansowych, księgowych, administracyjnych, IT, prawnych, zakupowych i analitycznych. Dokładnie te procesy składają się jednak z dużej liczby cyfrowych, mierzalnych i dokumentowych zadań, które dobrze pasują do możliwości agentowej AI.

Najbardziej narażony jest model oparty na dużej liczbie pracowników wykonujących transakcyjne czynności według opisanych procedur. Agent potrafiący korzystać z poczty, systemu ERP, CRM, arkuszy, baz danych i narzędzi komunikacyjnych może przejąć nie pojedynczy etap, ale cały przepływ: odebrać dokument, sklasyfikować go, sprawdzić kompletność, uzupełnić dane, porównać z polityką firmy, poprosić o brakujące informacje, przygotować decyzję i przekazać wyjątek człowiekowi.

To nie oznacza końca polskich centrów usług. Oznacza koniec przekonania, że przewagę można utrzymywać wyłącznie dzięki skali zatrudnienia i kosztowi jednostkowemu pracy. Wartość przesunie się w stronę właścicielstwa procesów, zarządzania ryzykiem, integracji systemów, nadzoru nad AI, wiedzy branżowej, odpowiedzialności regulacyjnej, projektowania doświadczenia klienta i rozwiązywania wyjątków. Centra, które pozostaną wykonawcami prostych operacji, będą pod największą presją. Te, które przejmą odpowiedzialność za rezultat biznesowy, mogą wykorzystać AI do awansu w łańcuchu wartości.

Najbardziej prawdopodobna ścieżka zmian w usługach biznesowych

1. Najpierw spadnie liczba nowych rekrutacji. Firmy będą zwiększały wolumen obsługiwanych procesów bez proporcjonalnego wzrostu zatrudnienia.
2. Następnie zmniejszy się udział prostych stanowisk juniorskich. Zadania szkoleniowe i przygotowawcze będą wykonywane przez AI albo z jej intensywnym wsparciem.
3. Wzrośnie rozpiętość kontroli. Jeden specjalista lub menedżer będzie nadzorował większą liczbę procesów, klientów i agentów.
4. Zmieni się model rozliczeń. Klienci coraz częściej będą płacili za wynik, jakość, zgodność i czas realizacji, a nie za liczbę etatów przypisanych do procesu.
5. Przewagę uzyskają centra posiadające dane i wiedzę dziedzinową. Sama biegłość w obsłudze narzędzia stanie się szybko powszechna.

Największe zagrożenie dotyczy początku kariery zawodowej

Pierwsze sygnały zmian widoczne w Stanach Zjednoczonych i Francji koncentrują się wśród młodych pracowników oraz na stanowiskach wejściowych. Jest to logiczne: zadania wykonywane przez juniorów są zwykle bardziej ustandaryzowane, częściej podlegają kontroli i mają niższy poziom odpowiedzialności. Obejmują zbieranie danych, przygotowanie pierwszej wersji dokumentu, research, klasyfikację, formatowanie, podsumowanie i sprawdzanie podstawowej zgodności.

Problem jest głębszy niż sama liczba miejsc pracy. Zadania juniorskie pełnią funkcję edukacyjną. To podczas przygotowywania prostych analiz, dokumentów, modeli, projektów i odpowiedzi pracownik poznaje branżę, błędy, wyjątki oraz sposób myślenia bardziej doświadczonych osób. Jeżeli AI przejmie większość tych czynności, firmy mogą za kilka lat odkryć, że mają mniej specjalistów zdolnych zastąpić seniorów.

Powstaje więc ryzyko przerwania drabiny kompetencyjnej. Organizacja oszczędza dziś na stanowiskach wejściowych, ale równocześnie ogranicza własny dopływ przyszłych ekspertów i menedżerów. Rozwiązaniem nie jest utrzymywanie niepotrzebnych czynności tylko po to, aby szkolić ludzi. Potrzebny jest nowy model rozwoju: praca na symulacjach, obowiązkowa analiza błędów AI, rotacje między procesami, szybszy kontakt z klientem, uczenie podejmowania decyzji oraz świadome przekazywanie odpowiedzialności.

AI może ścisnąć rozkład płac od góry

Poprzednie fale automatyzacji osłabiały przede wszystkim środek rynku pracy: zawody rutynowe o średnich płacach traciły znaczenie, podczas gdy rosło zapotrzebowanie zarówno na wysoko kwalifikowanych specjalistów, jak i na nisko opłacane usługi osobiste. Agentowa AI może naruszyć ten układ, ponieważ po raz pierwszy silnie wchodzi w zadania wykonywane przez najlepiej opłacanych pracowników.

Według raportu w zawodach należących do najwyższego decyla wynagrodzeń od 20% do 25% treści zadań jest technicznie podatne na automatyzację. To nie znaczy, że jedna czwarta najlepiej opłacanych osób straci pracę. Oznacza jednak możliwość znacznego zwiększenia ich produktywności, zmniejszenia liczby stanowisk potrzebnych do wykonania tej samej pracy oraz przejęcia części wartości przez właścicieli technologii i przedsiębiorstwa.

W krótkim okresie najlepsi specjaliści mogą nawet zyskać. Osoba potrafiąca łączyć wiedzę dziedzinową z AI będzie obsługiwać większy zakres odpowiedzialności i generować więcej wartości. Jednocześnie liczba stanowisk pośrednich może maleć, a wzrost wynagrodzeń nie musi nadążać za wzrostem produktywności. Rynek może premiować wąską grupę osób podejmujących decyzje i kontrolujących systemy, podczas gdy wykonawcza część pracy eksperckiej ulegnie kompresji.

Przesunięcie dochodu od pracy do kapitału może uderzyć w finanse publiczne

Raport zwraca uwagę na makroekonomiczny skutek, który łatwo przeoczyć w dyskusji o produktywności. Dochody z pracy są w dużej mierze opodatkowane i oskładkowane w kraju, w którym pracownik jest zatrudniony. Dochody kapitałowe, opłaty za chmurę, licencje, modele, moc obliczeniową i własność intelektualną mogą znacznie łatwiej przepływać za granicę.

Jeżeli automatyzacja ograniczy liczbę dobrze wynagradzanych etatów, a wzrost wartości dodanej przypadnie głównie firmom korzystającym z AI i globalnym dostawcom infrastruktury, pojawią się dwa problemy jednocześnie. Państwo może uzyskiwać mniej wpływów z opodatkowania pracy, a równocześnie ponosić większe koszty świadczeń, przekwalifikowania i aktywizacji. Autorzy określają ten mechanizm jako fiskalne „nożyce”.

Długookresowo jeszcze trudniejsza byłaby zmiana struktury zatrudnienia z wysoko opłacanych zawodów opartych na wiedzy w stronę usług osobistych, turystyki, budownictwa, rzemiosła i opieki. Są one społecznie potrzebne i trudniejsze do automatyzacji, ale przeciętnie generują niższe płace, a więc także mniejszą bazę podatkową. Dla systemów finansowanych głównie przez opodatkowanie pracy może to oznaczać konieczność przebudowy sposobu finansowania usług publicznych i zabezpieczenia społecznego.

W polskich warunkach szczególnie ważne będzie to, czy wzrost produktywności zostanie zakotwiczony w krajowych przedsiębiorstwach. Firmy posiadające własne dane, produkty, procesy, relacje z klientami i kompetencje integracyjne będą w stanie zatrzymać większą część korzyści. Firmy ograniczające się do zakupu gotowych narzędzi mogą poprawić marże, ale jednocześnie zwiększyć zależność od zagranicznej infrastruktury.

Wyższe wykształcenie pozostanie ważne, ale przestanie być polisą bezpieczeństwa

Dane dla Kanady, Szwecji, Niemiec, Niderlandów i Japonii pokazują wyraźną zależność między poziomem edukacji a ekspozycją na AI. Najbardziej narażone są zawody wykonywane przez osoby z wyższym wykształceniem. Nie wynika to z mniejszej wartości wiedzy, lecz z cyfrowego charakteru ich pracy. Dokumenty, analizy, modele, przepisy, kod i komunikacja są łatwiej dostępne dla systemu niż obiekt fizyczny, pacjent wymagający bezpośredniej opieki czy awaria w niestandardowym miejscu.

Dyplom nadal będzie sygnałem zdolności poznawczych i przygotowania, ale jego funkcja może się zmienić. Mniej wartościowe stanie się samo odtwarzanie wiedzy, a bardziej wartościowe: rozumienie skutków decyzji, umiejętność zadawania właściwych pytań, krytyczna ocena danych, odpowiedzialność, etyka, współpraca z ludźmi, projektowanie procesów i kontrolowanie systemów AI.

Najlepszą odpowiedzią systemu edukacji nie będzie więc proste dodanie kursu obsługi kolejnego narzędzia. Interfejsy szybko się zmieniają, a podstawowe funkcje stają się powszechne. Trwalszą wartość daje łączenie wiedzy dziedzinowej z metodami ilościowymi, rozumieniem danych, krytyczną oceną źródeł i umiejętnością podejmowania decyzji w warunkach niepewności.

Agentowa AI nie jest zwykłym chatbotem

Scenariusz „Special Agent” nie zakłada powstania sztucznej inteligencji dorównującej człowiekowi we wszystkich dziedzinach. Opiera się na obecnych modelach językowych połączonych z pamięcią roboczą, narzędziami, bazami danych, aplikacjami i innymi agentami. Przełomem jest zdolność wykonania całego przepływu pracy, a nie tylko udzielenia odpowiedzi na pojedyncze polecenie.

Ta architektura jest szczególnie groźna dla procesów biurowych, ponieważ usuwa dotychczasową barierę integracyjną. Chatbot mógł przygotować tekst, ale pracownik nadal musiał znaleźć dane, otworzyć system, skopiować wynik, sprawdzić zgodność i wysłać dokument. Agent może wykonać te kroki samodzielnie. Ekonomiczna wartość automatyzacji rośnie więc nieliniowo: firma nie oszczędza kilku minut na jednym zadaniu, lecz może przebudować cały proces.

Techniczny potencjał nie gwarantuje opłacalnego wdrożenia

Raport jednocześnie podkreśla ograniczenia systemów agentowych. Modele pozostają trudne do audytowania, ponieważ ich decyzje nie wynikają z przejrzystego zestawu reguł. Błędy mogą propagować się między agentami, a wieloetapowe procesy zwiększają ryzyko skumulowanych pomyłek. Nadal problematyczne są halucynacje, rozumowanie przyczynowe, sytuacje spoza danych treningowych, bezpieczeństwo, kontrola uprawnień i odpowiedzialność prawna.

Istotna jest też ekonomika. Architektura wieloagentowa zwiększa zużycie modeli, koszty mocy obliczeniowej, monitoringu, utrzymania, aktualizacji, cyberbezpieczeństwa i nadzoru człowieka. Proces może być technicznie automatyzowalny, lecz biznesowo nieopłacalny, jeśli ma niski wolumen, duże ryzyko błędu, nieuporządkowane dane albo wymaga częstych interwencji eksperta.

Dlatego firmy nie powinny utożsamiać ekspozycji z gotowym biznesplanem redukcji zatrudnienia. Największe zwroty pojawią się tam, gdzie proces jest powtarzalny na dużą skalę, dane są dostępne, wynik można mierzyć, błąd jest wykrywalny, a wyjątki można bezpiecznie eskalować. W procesach wrażliwych koszt pojedynczej pomyłki może przewyższyć oszczędności z tysięcy poprawnych automatycznych operacji.

Co zmieni się w zarządzaniu przedsiębiorstwem

Wdrożenie AI nie jest projektem informatycznym polegającym na zakupie licencji. Jest zmianą modelu operacyjnego. Firma musi zdecydować, które zadania wykonuje człowiek, które agent, gdzie znajdują się punkty zatwierdzenia, kto odpowiada za wynik, jakie dane mogą zostać użyte i w jaki sposób rejestrowane są działania systemu.

Największy błąd polega na automatyzowaniu istniejącego chaosu. Jeżeli proces zawiera sprzeczne zasady, niejasne odpowiedzialności i nieuporządkowane dane, agent będzie wykonywał go szybciej, ale niekoniecznie lepiej. Przed wdrożeniem potrzebna jest standaryzacja, usunięcie zbędnych etapów i określenie mierników jakości.

1. Mapować zadania, nie stanowiska. Analiza powinna zejść do poziomu konkretnych czynności, częstotliwości, czasu, danych i kosztu błędu.
2. Liczyć pełny koszt automatyzacji. Oprócz licencji trzeba uwzględnić integracje, moc obliczeniową, nadzór, utrzymanie, bezpieczeństwo i obsługę wyjątków.
3. Budować kontrolę i ślad audytowy. Każda istotna decyzja systemu powinna być możliwa do odtworzenia, zweryfikowania i przypisania do odpowiedzialnej osoby.
4. Chronić dane oraz przewagę procesową. Najcenniejszym aktywem nie jest sam model, lecz kontekst firmy, dane, polityki, relacje z klientami i wiedza o wyjątkach.
5. Przeprojektować rozwój pracowników. Automatyzacja zadań wejściowych wymaga nowej ścieżki uczenia się i szybszego przekazywania odpowiedzialności.
6. Mierzyć podział korzyści. Wzrost produktywności powinien być analizowany razem z wpływem na zatrudnienie, płace, jakość usług, ryzyko i zdolność organizacji do budowania kompetencji.

Które firmy zyskają najwięcej

Największą przewagę uzyskają przedsiębiorstwa posiadające skalę procesów, dobre dane, silną markę, dostęp do kapitału i zdolność integracji. AI obniża koszt wykonania wielu czynności, ale nie usuwa znaczenia dystrybucji, relacji z klientem, reputacji i dostępu do rynku. Może więc wzmacniać liderów bardziej niż wyrównywać szanse.

Duża firma może rozłożyć koszty budowy i kontroli systemu na miliony operacji. Ma też więcej danych do uczenia i oceny. Mały podmiot może korzystać z gotowych narzędzi, lecz trudniej mu zbudować własną infrastrukturę, audyt i ochronę przed błędami. Z drugiej strony mniejsze firmy mogą szybciej zmieniać procesy i wykorzystywać AI do wejścia w nisze wcześniej zdominowane przez większych graczy.

Kluczowe będzie posiadanie czegoś, czego nie da się łatwo skopiować: własnych danych, zaufania klienta, wiedzy regulacyjnej, dostępu do kanału sprzedaży, zdolności ponoszenia odpowiedzialności albo integracji cyfrowego wyniku z fizycznym światem. Sama umiejętność generowania treści, kodu lub analizy szybko stanie się towarem.

Polska może zyskać, ale nie dzięki samej redukcji kosztów

Dla Polski AI może być narzędziem nadrabiania luki produktywności, łagodzenia niedoboru pracowników i zwiększania skali eksportu usług. W gospodarce z presją demograficzną automatyzacja części zadań może kompensować wolniejszy wzrost podaży pracy. Warunkiem jest jednak przesunięcie ludzi do zadań o wyższej wartości, a nie wyłącznie eliminacja stanowisk.

Strategia oparta tylko na oszczędnościach płacowych prowadzi do krótkoterminowej poprawy marż, ale nie musi tworzyć trwałej przewagi. Konkurenci otrzymają dostęp do podobnych modeli i narzędzi. Trwałą przewagę zbudują firmy, które połączą AI z przebudową produktu, szybszym wprowadzaniem innowacji, lepszą obsługą klienta, nowymi modelami cenowymi i własnością procesu.

Polska ma szczególną szansę w obszarach łączących kompetencje technologiczne z przemysłem: automatyzacji produkcji, utrzymaniu ruchu, energetyce, logistyce, cyberbezpieczeństwie, systemach wbudowanych, analizie danych przemysłowych i cyfrowych bliźniakach. Są to dziedziny, w których sama warstwa językowa nie wystarcza, a przewagę daje integracja z fizycznymi aktywami i wiedzą inżynieryjną.

Geografia ryzyka: metropolie mogą być bardziej wystawione niż regiony przemysłowe i turystyczne

Analiza francuskich lokalnych rynków pracy pokazuje większą ekspozycję w dużych ośrodkach skupiających zawody oparte na wiedzy. Ten mechanizm można ostrożnie odnieść do Polski. Warszawa, Kraków, Wrocław, Trójmiasto i Poznań skupiają znaczną część finansów, IT, konsultingu, usług biznesowych, mediów i funkcji zarządczych, dlatego prawdopodobnie byłyby bardziej narażone na zmianę struktury pracy niż regiony o większym udziale budownictwa, turystyki, produkcji lokalnej czy usług manualnych.

Nie oznacza to, że duże miasta stracą przewagę. Mają kapitał ludzki, uczelnie, infrastrukturę, klientów i zdolność tworzenia nowych firm. Mogą jednak doświadczyć szybszego spadku popytu na tradycyjne powierzchnie biurowe, większej konkurencji o zaawansowane role i silniejszej presji na przekwalifikowanie pracowników. Regiony o mniejszym udziale pracy poznawczej będą bardziej odporne na bezpośrednią automatyzację, lecz mogą wolniej korzystać ze wzrostu produktywności.

Powstaje więc możliwość nowego podziału terytorialnego: metropolie zachowają wysoką wartość dodaną, ale będą bardziej podatne na reorganizację zatrudnienia; regiony fizycznej produkcji i usług osobistych będą bardziej stabilne pod względem liczby zadań, lecz mogą mieć słabszą dynamikę płac i inwestycji.

Dalsze scenariusze pokazują, że ekspozycja może rozszerzać się na kolejne grupy zawodowe

Scenariusz Special Agent jest najważniejszy z perspektywy najbliższych lat, ponieważ nie wymaga przełomu w podstawowych zdolnościach modeli. Raport analizuje jednak również dalsze fazy rozwoju. W scenariuszu Conductor systemy uzyskują trwałą pamięć epizodyczną, potrafią utrzymywać kontekst przez długi czas, planować i koordynować wiele zależnych zadań. Średni poziom ekspozycji rośnie wtedy do 26,3%, a próg 30% przekracza 375 z 923 zawodów, czyli 40,6%.

Najmocniej rośnie ryzyko dla ról opartych na koordynacji. Dotychczasową przewagą menedżera było utrzymywanie obrazu sytuacji, pamiętanie wcześniejszych decyzji, rozdzielanie zasobów, kontrola terminów i reagowanie na zależności. Jeżeli system potrafi zachować pełny kontekst procesu, część tej pracy może zostać przejęta. Nie musi to oznaczać końca zarządzania, ale może ograniczyć liczbę szczebli i zwiększyć liczbę procesów nadzorowanych przez jednego człowieka.

W scenariuszu Prometheus Bound następuje dojrzałość agentów i robotyki bez przełomu w rozumowaniu przyczynowym. Średnia ekspozycja rośnie do 29,1%, a próg 30% przekracza 412 zawodów, czyli 44,6%. Automatyzacja rozszerza się wtedy z pracy informacyjnej na instalacje, naprawy i zadania fizyczne.

Najbardziej spekulacyjny scenariusz Superhuman zakłada przekroczenie ludzkich możliwości poznawczych. Średnia ekspozycja wynosi w nim 49,5%, a co najmniej 30% zadań podlega automatyzacji w 93,7% zawodów. Ten wariant nie jest prognozą, lecz granicznym testem pokazującym, że długookresowo ochrona wynikająca z samej złożoności poznawczej może zniknąć. Najdłużej pozostają odporne zadania fizyczne, relacyjne i ucieleśnione.

Najbardziej prawdopodobny obraz: mniej rutyny, mniejsze zespoły i większa odpowiedzialność

W perspektywie kilku lat bardziej prawdopodobna od masowego, jednorazowego bezrobocia jest stopniowa reorganizacja. Firmy będą zatrudniały mniej osób do przygotowywania pierwszych wersji dokumentów, analiz i kodu. Wzrośnie znaczenie osób weryfikujących wynik, rozstrzygających wyjątki, komunikujących się z klientem i ponoszących odpowiedzialność. Jedna osoba będzie w stanie wykonać pracę, która wcześniej wymagała kilkuosobowego zespołu, ale jednocześnie będzie musiała kontrolować więcej ryzyk.

Nie wszystkie oszczędności przełożą się na redukcję zatrudnienia. Część firm wykorzysta niższy koszt pracy do zwiększenia skali, obsługi nowych klientów i tworzenia produktów wcześniej zbyt drogich. Efekt zatrudnieniowy będzie zależał od elastyczności popytu: jeżeli tańsza usługa wywoła bardzo duży wzrost zapotrzebowania, liczba pracowników może pozostać stabilna mimo automatyzacji. Jeżeli popyt jest ograniczony, wzrost produktywności przełoży się przede wszystkim na mniejszą liczbę etatów.

Największa niepewność dotyczy nowych zadań. Historia technologii pokazuje, że innowacje tworzą zawody, których wcześniej nie było. AI różni się jednak tym, że nowe zadania mogą również szybko zostać poddane automatyzacji. Dlatego samo pojawienie się nowych specjalizacji nie gwarantuje pełnego wyrównania utraconego popytu na pracę.

Wnioski dla polskiej gospodarki

Wynik 17,5% lokuje Polskę blisko najbardziej wystawionych gospodarek rozwiniętych. Nie wynika to z nadmiernej cyfryzacji całego rynku pracy, lecz z połączenia dwóch struktur: dużego segmentu usług prawnych, finansowych, administracyjnych i zarządczych oraz rozbudowanej bazy przemysłowej i budowlanej. Pierwsza część podnosi ekspozycję, druga ją ogranicza.

Największe ryzyko nie polega na tym, że maszyny nagle zastąpią co szóstego pracownika. Polega na szybszym niż dotąd kurczeniu się stanowisk wejściowych, presji na dobrze opłacane role poznawcze, przesunięciu dochodu od pracy do kapitału, wzroście zależności od zagranicznej infrastruktury oraz osłabieniu tradycyjnych ścieżek awansu zawodowego.

Największa szansa również nie sprowadza się do redukcji kosztów. AI może podnieść produktywność polskich firm, zwiększyć eksport usług, złagodzić niedobory kadrowe i umożliwić rozwój nowych produktów. Warunkiem jest przejście od roli użytkownika zagranicznych narzędzi do roli integratora, właściciela procesów, twórcy rozwiązań i posiadacza wiedzy branżowej.