AI a rynek pracy: co realnie się zmienia

AI a rynek pracy to w większości tekstów historia o znikaniu zawodów. Dane pokazują coś nudniejszego i bardziej użytecznego: zmienia się głównie skład zadań w istniejących stanowiskach, a nie liczba stanowisk. Raport NASK i ILO „Generatywna sztuczna inteligencja a polski rynek pracy” szacuje, że 30,3% miejsc pracy w Polsce, czyli około 5,08 mln stanowisk, jest podatnych na wpływ generatywnej AI. „Podatne” znaczy w tym raporcie tyle: część zadań na takim stanowisku można zautomatyzować lub przekształcić, czyli wykonywać inaczej, z udziałem narzędzia. To dwie zupełnie różne rzeczy i cała reszta tego tekstu wynika z tej różnicy.

Pięć milionów stanowisk to nie pięć milionów zwolnień

Najczęstszy błąd w czytaniu tej liczby polega na sklejeniu podatności, czyli tego, że zadania da się przekształcić, z zagrożeniem, czyli utratą etatu. W omówieniu raportu przez SGH te 5,08 mln jest rozbite na przedziały, a do najwyższego przedziału podatności trafiło około 817,5 tys. stanowisk. W obiegu obie liczby bywają używane zamiennie, tak jakby znaczyły to samo. Różnica między nimi jest sześciokrotna i to ona decyduje, czy panikujesz, czy planujesz.

Druga rzecz, która studzi emocje: rzeczywiste wdrożenia są dużo wolniejsze niż nagłówki. W badaniu ankietowym opisanym przez NASK, ze stanem na grudzień 2024, tylko 9,4% badanych powiedziało, że generatywna AI została wdrożona w ich miejscu pracy, a 44,5% odpowiedziało, że pracodawca tego nie planuje.

Ciekawsze od strachu jest tam co innego: duża część badanych w ogóle nie potrafiła ocenić, czy zjawisko jest dla nich pozytywne czy negatywne. Ludzie nie tyle się boją, ile nie mają danych o własnej sytuacji.

Pytanie, które sam sobie zadaję, nie brzmi: czy AI zabierze pracę w ogóle. Brzmi: jaki procent mojego tygodnia to zadania, które ktoś mógłby opisać w trzech zdaniach instrukcji.

Czy AI zabierze pracę: dlaczego nie podaję tu liczb z ogłoszeń

Najchętniej cytowanym dowodem w tej dyskusji są zestawienia spadków liczby ofert dla juniorów w poszczególnych branżach i omówienia raportów o rynku IT. Świadomie nie przytaczam z nich ani jednego procentu. Są to opracowania wtórne, bez opisu metody liczenia, a daty, do których odnoszą się poszczególne liczby, nie składają się w spójny obraz. Przy takim materiale nie wiadomo nawet, czy porównywane okresy są tym samym typem okresu.

To samo dotyczy krążących po sieci liczb o tym, ilu kandydatów przypada na jedno ogłoszenie. Nie dotarłem do badania źródłowego ani do opisu metody, a bez tego nie wiadomo, czy to średnia, mediana, czy pojedynczy przypadek. Wolę mieć w tekście o jedną efektowną liczbę mniej niż jedną, której nie umiem obronić przed kimś, kto zapyta o metodologię.

Dwa raporty, dwa różne pytania: jak je czytać obok siebie

Te same źródła krążą po polskim internecie sklejone w jeden komunikat, choć każde mierzy co innego. Poniżej rozbicie, żeby wiedzieć, kiedy które ma sens.

Źródło	Co właściwie mierzy	Kluczowa liczba
NASK i ILO	Podatność polskich stanowisk na wpływ generatywnej AI, czyli to, ile zadań da się zautomatyzować lub przekształcić	30,3% miejsc pracy, ok. 5,08 mln stanowisk
WEF Future of Jobs 2025	Prognoza globalnego bilansu miejsc pracy do 2030	+170 mln nowych, −92 mln zlikwidowanych, netto +78 mln

Liczby WEF pochodzą z raportu Future of Jobs 2025. Autorzy szacują, że 22% etatów czeka strukturalna przemiana, czyli zmiana zakresu obowiązków, powstanie nowych ról i zniknięcie części dotychczasowych. Te 22% odnosi się do szacunkowej liczby 1,2 mld zatrudnionych w gospodarce formalnej, która jest bazą odniesienia dla wyliczeń, a nie próbą badawczą ani liczbą przeanalizowanych etatów. To znów nie jest liczba zwolnień.

Przyszłość pracy z AI zaczyna się od jednego procesu, nie od strategii

Najbardziej praktyczna rzecz, jaką możesz zrobić, nie wymaga decyzji o przebranżowieniu. Wymaga jednego popołudnia i kartki.

1. Rozpisz swój tydzień na zadania i przy każdym zapisz liczbę godzin. Bez zaokrągleń w dół.
2. Zaznacz te, które dałoby się opisać komuś nowemu w trzech zdaniach. To są kandydaci do automatyzacji.
3. Zaznacz drugim kolorem te, w których płacą Ci za decyzję, kontekst albo odpowiedzialność. To Twoja część odporna.
4. Weź jedno zadanie z pierwszej grupy, najnudniejsze, i spróbuj je przerobić z narzędziem AI od początku do końca. Zmierz czas przed i po.
5. Jeśli oszczędność jest mniejsza niż 20 minut tygodniowo, odpuść to zadanie i weź następne.

Przypis do punktu 5: te 20 minut to mój własny próg z praktyki, a nie liczba z żadnego badania. Chodzi o to, żeby mieć jakikolwiek moment odcięcia, bo bez niego dłubie się tygodniami w procesie, który się nie opłaca.

Punkt piąty jest ważniejszy, niż wygląda. Większość ludzi zaczyna od zadania najbardziej efektownego, a nie najbardziej powtarzalnego, i po dwóch tygodniach wraca do starych nawyków. Rozpisałem tę arytmetykę dokładniej w poradniku o automatyzacji firmy z AI, gdzie liczysz proces przed zakupem czegokolwiek.

Czego ten obraz nie obiecuje i dla kogo to nie zadziała

Piszę to z pozycji praktyka, nie badacza. Nie mam wykształcenia programistycznego, a zbudowałem, rozmawiając z Claude Code, serwis ogłoszeń o pracę fractio.pl, narzędzie do stron dla firm usługowych i stronę kursu, który prowadzę. Masz prawo czytać moje rekomendacje z tym zastrzeżeniem.

Uczciwie: przeskok „nauczę się AI, więc będę bezpieczny” nie ma pokrycia w danych, do których dotarłem. Przy fractio.pl najwięcej czasu zajmowało mi nie wygenerowanie kodu, tylko sprawdzanie, czy to, co wyszło, robi dokładnie to, co miało robić. Kilka razy wynik wyglądał poprawnie, przechodził pobieżny przegląd i dopiero ręczne przeklikanie ścieżki użytkownika pokazywało, że działa inaczej, niż zakładałem.

Kilka rzeczy, które w praktyce irytują i o których marketing narzędzi milczy:

• Pierwsze dwa tygodnie są wolniejsze niż praca po staremu. Uczysz się formułować zadanie, a nie je wykonywać.
• Koszty narzędzi bywają zmienne, a plany i limity dostawcy zmieniają się w czasie. Sprawdzaj aktualne warunki, zamiast opierać budżet na tym, co ktoś napisał kiedyś.
• Jeśli Twoja praca to w 90% relacje, negocjacje i obecność fizyczna, ten cały temat dotyczy Cię głównie na poziomie narzędzi biurowych.

Dla kogo to naprawdę nie jest: dla osoby, która chce jednorazowej zmiany zamiast ciągłego dostrajania. U mnie żaden z tych trzech projektów nie zamknął się w jednym podejściu, każdy wymagał wracania do tego samego procesu po kilka razy.

Co zrobić z lękiem, jeśli masz mniej niż 25 lat

Według zestawienia PARP, powołującego się na dane LinkedIn Economic Graph Research Institute, 52% osób w wieku 18–24 lata obawia się negatywnego wpływu AI na rynek pracy. Te same materiały mówią o 1,3 mln stanowisk związanych z AI, które przybyły w latach 2023–2025. Zastrzeżenie jest istotne: to dane o profilach i ogłoszeniach w serwisie LinkedIn, a nie pomiar całego światowego rynku pracy.

Te dwie liczby nie są ze sobą sprzeczne. Lęk jest faktem i nie ma sensu przekonywać kogoś, że jest bezpodstawny. Ale reakcją, która coś zmienia, nie jest wybór „bezpiecznej branży”, tylko posiadanie czegoś własnego do pokazania.

W praktyce działa najprostsza rzecz: mały, działający projekt, który ktoś może kliknąć. Nie portfolio ćwiczeń z kursu, tylko coś, co rozwiązuje czyjś konkretny problem. Zebrałem takie pomysły na aplikacje możliwe do zrobienia w jeden wieczór, żeby nie zaczynać od wyboru tematu przez trzy tygodnie.

Zamiast czekać na kolejny raport, otwórz kalendarz z ostatnich dwóch tygodni i policz, ile godzin poszło na zadania, których nikt by nie zauważył, gdyby zrobiła je maszyna. Ta liczba powie Ci o Twojej sytuacji więcej niż wszystkie prognozy do 2030 razem wzięte.