Zmiana paradygmatu: Sztuczna inteligencja nie celuje w pracę fizyczną, lecz w waszych najlepiej opłacanych ekspertów

Praca fizyczna nie jest bezpieczna, po prostu przyjdzie na nią kolej później. Najpierw dojdzie do ludzi, którym firmy płacą najwięcej, oraz do budżetu, z którego są szkoleni.

Zapytajcie kierownictwo, gdzie w firmie automatyzacja pojawi się najpierw. Usłyszycie: magazyn, produkcja albo fakturowanie. Miejsca, gdzie wykonuje się rutynę za najniższą pensję.

Tak wyglądało to przy każdej dotychczasowej fali automatyzacji. Od maszyny parowej po roboty przemysłowe automatyzacja celowała w ręce i powtarzalny ruch, później w prostą administrację. Firma kupowała maszynę lub system i dopiero potem decydowała, co stanie się z ludźmi.

Teraz jest inaczej.

W tym artykule omówię trzy rzeczy, które dzieją się równolegle. Dane pokazują, że AI już dziś wkracza w dużą część pracy dobrze opłacanych specjalistów. Pracownicy wdrażają ją szybciej, niż firmy są w stanie nią zarządzać. A wartość eksperckiej wiedzy przesuwa się od tworzenia do weryfikacji wyników. Wszystkie trzy zjawiska prowadzą do tego samego pytania: jak w takiej sytuacji planować pracę i rozwój ludzi?

Najbardziej dotknięci są ci najlepiej opłacani

Anthropic (twórca Claude AI) opublikował w marcu tego roku analizę, która zamiast prognoz mierzy, które zadania zawodowe AI już rzeczywiście wykonuje. Na szczycie znajdują się programiści komputerowi, u których takie zadania stanowią 74,5 procent czasu pracy.

Magazynu tam nie znajdziecie. Produkcji ani fakturowania też nie. Całą górną połowę rankingu zajmują eksperci, którym firmy słono płacą.

Ekspozycja nie oznacza jednak zwolnień. Badanie mierzy, przy których zadaniach model bierze udział, a nie ile miejsc pracy przez to zniknęło ani ilu juniorów firmy nie zatrudniły.

Udział czasu pracy przypadający na zadania, przy których model faktycznie bierze udział. Dane pochodzą z działania Claude w drugiej połowie 2025 roku. Źródło: Anthropic, Labor market impacts of AI, marzec 2026.

Do tej tabeli trzeba dodać jedno zastrzeżenie. Liczby powstały na podstawie działania jednego narzędzia (Claude AI), które jest szeroko wykorzystywane do programowania, więc programiści są na szczycie także dlatego, kto z Claude korzysta. Zawody, których zadania w tym zbiorze danych prawie się nie pojawiają, mają w tabeli zero.

Moim zdaniem nie ma powodu przypuszczać, że przy innych narzędziach AI wyszłaby zasadniczo inna grupa zawodów. Używają ich bowiem podobni ludzie do podobnych zadań. Zmieniłaby się kolejność na czołowych miejscach, ale nie to, kto trafia do górnej części tabeli.

Ta sama analiza Anthropic śledzi jeszcze jedną rzecz — ile zarabiają ludzie w poszczególnych zawodach. Najbardziej dotknięta ćwiartka zarabiała o 47 procent więcej niż zawody, które w danych w ogóle się nie pojawiły.

Użyte wynagrodzenia pochodzą z jesieni 2022 roku, czyli sprzed premiery ChatGPT. Przez te cztery lata pensje wprawdzie się zmieniły, ale nie zmienia to istoty argumentu. Były to najlepiej opłacane zawody jeszcze zanim generatywna AI w ogóle weszła na rynek komercyjny.

Od automatyzacji jesteśmy przy tym przyzwyczajeni do czegoś odwrotnego. Wcześniej taniała prostsza praca, a ludziom z wykształceniem dopłacano, bo obsługiwali maszynę, przez którą inni tracili pracę. Teraz model radzi sobie właśnie z tą pracą, za którą dopłacano.

Pracownicy wdrożyli AI sami

Wcześniej automatyzacja trafiała do firmy wyłącznie poprzez zakup. Linia produkcyjna, dźwig czy system księgowy przechodziły przez plan inwestycyjny i zatwierdzanie, więc firma z wyprzedzeniem wiedziała, co kupuje i kiedy to dotrze. Jednocześnie mogła zaplanować, jak zmiana wpłynie na pracowników. Ktoś musiał określić, kto stanie przy nowej maszynie, czego się do tego musi nauczyć i po czym poznać, że robi to dobrze.

AI takiej bariery czasowej i proceduralnej nie ma. Wdraża się przez przeglądarkę, płaci się miesięcznie i często z jej powodu w ogóle nie trzeba przebudowywać firmy. Pracownik nie ma więc powodu czekać, aż zdecyduje firma. Otwiera narzędzie, które odejmuje mu z pracy to, co najbardziej go spowalnia, i nikogo o to nie pyta.

Prawie dziewięć na dziesięć firm zainwestowało w AI, a mierzalny efekt zgłasza niecałe cztery na dziesięć. Trzy czwarte osób w zawodach biurowych korzysta już z niej przy pracy. Duża część z nich pracuje z narzędziami, które znalazła sama, a firma ich formalnie nie wdrożyła.

Praca przesuwa się od tworzenia do weryfikacji wyników

Ponieważ ludzie sami wdrożyli AI, przesunęło się też miejsce, w którym firma potrzebuje eksperckiej wiedzy.

Nikt jednak nie ustalił, jak ma wyglądać dobry wynik. Każdy więc sam określił, co jest wystarczająco dobre, na podstawie tego, co mu uchodziło na sucho. Zmieniła się przez to forma pracy, a razem z nią miara, po której wcześniej poznawało się, że ktoś wykonuje ją dobrze.

Ocena wyniku i stwierdzenie, że jest zły, pozostaje w gestii człowieka. Poradzi sobie z tym jednak tylko ten, kto potrafiłby wykonać tę pracę sam.

Zakazać ludziom korzystania z AI można; niczego to jednak nie rozwiąże. Firma i tak jej z pracy swoich ludzi nie usunie, a jedynie straci orientację w tym, kto jak z niej korzysta. Tylko sama siebie przez to opóźni.

Rozwój ludzi trzeba planować jak inwestycję

Firmy znają odpowiedź. Szkolenia. Według Światowego Forum Ekonomicznego 77 procent z nich planuje uruchomić programy podnoszenia lub zmiany kwalifikacji. OECD śledzi zarazem, ilu dorosłych rzeczywiście uczestniczy w dalszej edukacji, a ta liczba w wielu krajach się nie zmienia albo spada.

To jednak też mówi jedynie tyle, ilu ludzi dotarło na kurs. Czy coś z niego przeniosło się na sposób pracy, sprawdza niewiele firm. Wiedza staje się doświadczeniem dopiero w pracy i dopiero wtedy zainwestowane pieniądze zaczynają się gdzieś przekładać na efekty.

Widzą to też ludzie odpowiedzialni w firmach za AI. McKinsey zapytało około 500 organizacji, co przeszkadza im bezpiecznie i z zaufaniem korzystać z AI. Prawie 60 procent osób zarządzających w nich AI i jej ryzykiem odpowiedziało, że ludziom brakuje wiedzy i przeszkolenia, jak się z nią obchodzić. Rok wcześniej było to około połowy.

Moim zdaniem wynika to stąd, że nikt w firmach nie zarządza rozwojem ludzi jak inwestycją. Budżet na szkolenia ustala się, często według liczby z zeszłego roku, a potem trzeba go wydać. Szkoli się więc, co popadnie, żeby na koniec roku z budżetu nic nie zostało (żeby nikt za rok budżetu nie okroił). Pierwszeństwo ma ten, kto sam zgłosi się o kurs. Liczy się przepracowane godziny szkoleń.

Nikt przy tym nie pyta, gdzie w ciągu ostatniego roku zmieniła się treść pracy. Firma, która nie potrafi odpowiedzieć na to pytanie, nie ma planu rozwoju. Ma budżet i ofertę kursów.

Gdy praca staje się przede wszystkim weryfikacją cudzego wyniku, trzeba rozwijać zwłaszcza dwie umiejętności. Ludzie muszą rozumieć, co technologia potrafi i gdzie są jej granice. I muszą umieć zakwestionować odpowiedź, która brzmi przekonująco.

Tekst wygląda na gotowy, nawet jeśli model AI część danych zmyślił. Wykryć to można jedynie w ten sposób, że człowiek sprawdzi, skąd dane pochodzą, i skontroluje, czy wynik odpowiada rzeczywistości. Ta druga umiejętność to myślenie krytyczne i jest równie ważna. Dopiero z obiema z nich niepewność zamienia się w konkretne zadanie, z którym da się coś zrobić.

Co z tego wynieść dla planu rozwoju

AI na razie nie zabiera firmom ekspertów. Zabrała im pewność, że dobry wynik powstał dzięki wiedzy fachowej osoby, która go oddała. Plan rozwoju opiera się dziś więc na tym, czy firma wie, w których rolach zmienia się treść pracy, kto kontroluje wyniki AI i czy ma wystarczającą wiedzę oraz przestrzeń, by powiedzieć, że są błędne.

Gdy następnym razem będziecie zatwierdzać budżet na rozwój, zadajcie sobie dwa pytania. Czy wiemy, w których rolach treść pracy zmieniła się w ciągu ostatniego roku? I ile z tego budżetu trafia właśnie do nich?