AI a rynek pracy to pytanie o własną przyszłość: czego się uczyć, które zadania powierzać narzędziom i jak zachować zawodową samodzielność? Badania pomagają odróżnić możliwość automatyzacji od zapowiedzi zwolnień. Dla pracownika i właściciela małej firmy dobrym punktem wyjścia jest przegląd codziennych czynności, zamiast szukania jednego „zawodu odpornego na AI”.
Co naprawdę oznacza „zawód narażony na AI”
W badaniu ILO i NASK opublikowanym 20 maja 2025 r. około jedna czwarta pracujących na świecie wykonywała zawody z pewnym stopniem ekspozycji na generatywną AI. Najwyższa kategoria obejmowała 3,3% światowego zatrudnienia. Ekspozycja oznacza tu potencjalną podatność zadań na technologię, a nie odsetek ludzi, którzy stracą pracę.
Autorzy połączyli oceny pracowników, ekspertów i modeli AI. Wykorzystali polską klasyfikację zawodów i zadań, a następnie opracowali szacunki globalne. Najwyższą ekspozycję nadal miały zawody biurowe; wzrosła też podatność części silnie cyfrowych prac specjalistycznych. To model możliwości technologii, nie pomiar liczby dokonanych zwolnień. Jedno stanowisko zwykle łączy czynności o różnym stopniu podatności.
To samo stanowisko może oznaczać inną pracę
Nowsza publikacja ILO i Banku Światowego z 17 marca 2026 r., obejmująca 135 krajów, pokazuje dodatkowy problem: identyczna nazwa zawodu nie oznacza identycznych obowiązków. Znaczenie mają infrastruktura cyfrowa, dostęp do internetu i rzeczywista organizacja pracy. Autorzy wskazują, że pomijanie różnic w zadaniach może zawyżać ocenę wpływu AI w krajach rozwijających się.
Z tego wynika praktyczna wskazówka: zagranicznego rankingu zawodów nie należy traktować jako osobistej prognozy. Pracownik niewielkiego sklepu, który jednocześnie odpowiada klientom, przyjmuje dostawy i rozwiązuje nietypowe problemy, ma inny zestaw obowiązków niż osoba zatrudniona wyłącznie do redagowania odpowiedzi.
Gdzie zmierzono korzyść, a gdzie zaczyna się prognoza
Erik Brynjolfsson, Danielle Li i Lindsey Raymond opisali w „Generative AI at Work”, opublikowanym 4 lutego 2025 r., wdrożenie asystenta w obsłudze klienta. Analiza danych 5172 konsultantów wykazała średnio 15-procentowy wzrost liczby rozwiązanych spraw na godzinę. Korzyści różniły się między pracownikami; mniej doświadczeni zyskiwali więcej.
Było to stopniowe wdrożenie w jednej firmie, a nie losowy test całego rynku. Narzędzie podpowiadało odpowiedzi, ale konsultanci prowadzili rozmowy. Autorzy zastrzegają, że badanie nie rozstrzyga o wpływie AI na ogólny poziom zatrudnienia i płac. Wynik nie uzasadnia obietnicy, że każda mała firma zwiększy wydajność o 15%.
Jakie umiejętności warto rozwijać
Poniższe propozycje są naszymi wnioskami praktycznymi, a nie rankingiem gwarantującym zatrudnienie. Pierwszą umiejętnością jest precyzyjne określenie zadania: co ma powstać, na podstawie jakich danych i po czym poznamy poprawną odpowiedź. Polecenie „przygotuj ofertę” zostawia wiele luk. Doprecyzowanie odbiorcy, zakresu usługi i ograniczeń pozwala przynajmniej ocenić, czy wynik odpowiada zleceniu.
Drugą jest kontrola jakości. Warto umieć samodzielnie sprawdzić obliczenie, odszukać dokument źródłowy i zauważyć brakujący warunek. Własna wiedza branżowa daje kryteria oceny. Bez nich łatwo pomylić płynny język z poprawną odpowiedzią.
Trzecią jest organizowanie współpracy: kto sprawdza rezultat, kto podejmuje decyzję i kiedy sprawa wymaga rozmowy z człowiekiem. Przykładowo przygotowanie projektu wiadomości do klienta można oddzielić od zgody na zwrot pieniędzy. To propozycja podziału odpowiedzialności, nie opis przeprowadzonego przez redakcję wdrożenia.
Co studiować i czego uczyć się na kursach
Przy wyborze studiów warto sprawdzić program zajęć, projekty i praktyki, zamiast kierować się samym hasłem „AI” w nazwie. Pomocne pytania brzmią: czy nauczę się rozumieć dane, uzasadniać decyzje i sprawdzać wyniki? Czy powstanie projekt, którego założenia i ograniczenia potrafię wyjaśnić bez pomocy narzędzia?
Dla osoby już pracującej dobrym ćwiczeniem może być mały projekt związany z jej specjalizacją: uporządkowanie publicznej dokumentacji, porównanie wariantów oferty albo analiza przykładowych danych. Warto zachować własne rozwiązanie i porównać je z odpowiedzią AI. Sam certyfikat ukończenia kursu nie pokazuje jeszcze, czy potrafimy wykryć błąd.
Mała firma: zacznij od jednego procesu
Proponujemy prosty pilotaż: wybierz dziesięć podobnych, mało ryzykownych zadań i zmierz czas wykonania razem z kontrolą oraz poprawkami. Porównaj rezultat z dotychczasowym sposobem pracy. Zapisuj błędy rzeczowe, pominięcia i przypadki wymagające ponownego wykonania. Nie oceniaj narzędzia wyłącznie po szybkości pojawienia się pierwszej odpowiedzi.
Do ćwiczenia użyj materiałów publicznych lub przygotowanych specjalnie w tym celu, bez danych klientów. Jeśli sprawdzasz opisy promocji, osoba zatwierdzająca powinna znać ich zasady — pomocny będzie nasz poradnik jak sprawdzić rabat przed Black Friday. Wygenerowany tekst wymaga takiej samej kontroli informacji jak każdy materiał sklepu.
Po pilotażu zapytaj, czy oszczędność czasu pozostała także po poprawkach i czy wynik da się powtórzyć. Dopiero wtedy rozważ rozszerzenie zastosowania. Własny, opisany pomiar powie o przydatności AI w konkretnym procesie więcej niż ogólna obietnica, że technologia zmieni wszystkie zawody.
Źródła i zakres opracowania
ILO–NASK, „Generative AI and Jobs: A Refined Global Index of Occupational Exposure”, 20 maja 2025 r.; Paweł Gmyrek, Mariana Viollaz i Hernan Winkler, „Disruption without dividend?”, 17 marca 2026 r.; Erik Brynjolfsson, Danielle Li i Lindsey Raymond, „Generative AI at Work”, „The Quarterly Journal of Economics”, publikacja online 4 lutego 2025 r.
Źródła sprawdzono 4 listopada 2026 r. Tekst zestawia badania z różnych okresów; nie jest testem aktualnie dostępnego produktu ani prognozą losów konkretnego pracownika.
