Dyskusja o wpływie sztucznej inteligencji na zatrudnienie przez lata opierała się głównie na teoretycznych prognozach. Najnowszy raport opublikowany w marcu 2026 roku przez ekonomistów firmy Anthropic, twórców modelu Claude, zmienia zasady tej debaty. Maxim Massenkoff i Peter McCrory w dokumencie „Labor market impacts of AI: A new measure and early evidence” nie spekulują – analizują twarde dane z własnych platform, pokazując, jak AI realnie zmienia strukturę zatrudnienia.
Teoria kontra praktyka: Gdzie AI realnie przejmuje zadania
Kluczem do zrozumienia raportu jest pojęcie „zaobserwowanej ekspozycji” (observed exposure). Autorzy zestawili teoretyczny potencjał sztucznej inteligencji z jej faktycznym wykorzystaniem w środowisku zawodowym. Różnice są uderzające. W informatyce i matematyce modele językowe mogłyby teoretycznie wykonać 94% zadań, jednak w praktyce poziom ich automatyzacji wynosi obecnie 33%.
Podobnie wygląda sytuacja w innych sektorach:
- Administracja biurowa: 90% teoretycznego potencjału vs 25% rzeczywistego wykorzystania.
- Finanse i biznes: 85% vs 20%.
- Prawo: 80% vs 15%.
Z powyższych danych płynie jasny wniosek: to, że dana profesja jest „podatna” na AI, nie oznacza automatycznego zastąpienia człowieka. Decyduje o tym realna efektywność narzędzi w codziennych, powtarzalnych procesach.
Zawody z najwyższą ekspozycją: Kogo AI dotyka najbardziej?
Raport Anthropic identyfikuje osiem grup zawodowych, w których wpływ AI jest już wyraźnie odczuwalny. Na szczycie listy znajdują się programiści komputerowi, w przypadku których AI pokrywa już około 75% zadań. Obok nich, w grupie wysokiego ryzyka, znaleźli się specjaliści ds. dokumentacji medycznej, analitycy inwestycyjni, analitycy badań rynku oraz pracownicy obsługi klienta i wsparcia technicznego.
Co zaskakujące, na przeciwległym biegunie znajdują się zawody wymagające pracy fizycznej i bezpośredniej obecności: kucharze, mechanicy, ratownicy czy pracownicy sektora gastronomicznego. AI, przynajmniej na obecnym etapie rozwoju, nie jest w stanie przejąć tych ról, co czyni je paradoksalnie bardziej odpornymi na cyfrową automatyzację.
Kryzys dla „białych kołnierzyków”? Zmiana w rekrutacji
Choć raport nie odnotował gwałtownego wzrostu bezrobocia wśród specjalistów, zidentyfikował istotny problem strukturalny: spadek liczby ofert dla juniorów. Od końca 2022 roku zaobserwowano 14-procentowy spadek nowo zatrudnianych pracowników w wieku 22-25 lat w branżach o wysokiej ekspozycji na AI.
Firmy nie dokonują masowych zwolnień doświadczonych ekspertów, ale coraz rzadziej decydują się na kształcenie młodych kadr na stanowiskach asystenckich czy juniorskich. To zjawisko, które ekonomiści określają mianem potencjalnej „wielkiej recesji białych kołnierzyków”. Jeśli luka między teoretycznym potencjałem AI a jej praktycznym wdrożeniem będzie się szybko zmniejszać, sytuacja na rynku pracy może stać się znacznie trudniejsza dla osób wchodzących dopiero w świat zawodowy.
Jak przygotować się na zmiany? Praktyczna checklista
W obliczu tych danych, kluczowe jest świadome zarządzanie własną karierą. Oto kroki, które warto podjąć:
- Audyt własnych zadań: Przeanalizuj, ile Twojej codziennej pracy polega na przetwarzaniu tekstu, danych czy generowaniu raportów. To te obszary zostaną zautomatyzowane najszybciej.
- Budowanie kompetencji hybrydowych: Nie walcz z technologią, lecz naucz się ją wykorzystywać. Specjalista, który potrafi efektywnie zarządzać narzędziami AI, staje się bardziej wydajny i cenniejszy dla pracodawcy.
- Plan B: Jeśli planujesz ścieżkę zawodową, rozważ zawody wymagające silnej regulacji prawnej, odpowiedzialności osobistej lub fizycznej obecności (np. sektor medyczny, specjalistyczne rzemiosło, prawo), które pozostają poza zasięgiem algorytmów.
- Monitorowanie rynku: Obserwuj ogłoszenia o pracę w swojej branży. Spadek liczby stanowisk juniorskich to pierwszy sygnał ostrzegawczy, że rynek w Twoim sektorze ulega trwałej transformacji.
Sztuczna inteligencja nie eliminuje pracy jako takiej, ale zmienia jej naturę. Kluczem do sukcesu w 2026 roku i kolejnych latach będzie zdolność do szybkiej adaptacji i łączenia specjalistycznej wiedzy z możliwościami, jakie dają nowoczesne modele językowe.