AI zmienia zadania szybciej niż nazwy stanowisk

Pracownik administracyjny może zachować to samo stanowisko, tego samego przełożonego i ten sam przedział wynagrodzenia, a jego praca może się zmienić niemal nie do poznania. Pisanie pierwszej wersji e-maila zamienia się w sprawdzanie szkicu przygotowanego przez AI. Zbieranie danych liczbowych zamienia się w weryfikowanie, czy automatyczne podsumowanie nie pominęło czegoś ważnego. Odpowiedzialność za wynik pozostaje po stronie człowieka, nawet jeśli znaczna część samego wytwarzania przenosi się gdzie indziej.

To scenariusz ilustracyjny, a nie opisany przypadek. Opisuje jednak zmianę, którą trudno dostrzec, jeśli śledzi się wyłącznie rekrutacje, zwolnienia i nowe nazwy stanowisk, a dwa badania opublikowane w tym miesiącu pomagają wyjaśnić, dlaczego tak jest.

Nasza teza: najważniejszym skutkiem AI dla większości pracodawców nie jest dziś to, które stanowiska znikną, lecz to, jak zmienia się treść istniejących stanowisk, choć nikt formalnie tego nie odnotowuje. Ma to konsekwencje dla szkoleń, dla młodszych pracowników i dla sposobu mierzenia narażenia na AI.

Większość zmierzonych zmian zachodzi wewnątrz zawodów

AI Labor Market Tracker firmy Revelio Labs za wrzesień 2026 r., opublikowany 1 października, rozkłada roczną zmianę w czynnościach wykonywanych przez ludzi na dwie części: zmiany wynikające z innej struktury zawodów oraz zmiany w tym, co ludzie robią w ramach tego samego zawodu. Wynik: 90% zmierzonej zmiany w czynnościach zachodzi wewnątrz zawodów, a 10% wynika ze zmian w strukturze zawodów.¹

Ta liczba robi wrażenie, ale jej znaczenie jest węższe, a zarazem bardziej użyteczne, niż sugerowałby nagłówek w rodzaju „AI zmieniła 90% stanowisk pracy”. To rozkład zmierzonej zmiany w czynnościach, a nie liczba pracowników, których praca uległa przekształceniu, i nie dowodzi on, że każdą zmianę spowodowała AI.

Revelio podaje przykład asystenta zarządu: w tej roli większy nacisk kładzie się na strategiczne kierowanie programami i koordynację projektów, a mniejszy na obsługę zobowiązań i przetwarzanie faktur.¹ Nazwa stanowiska jest ta sama, praca już nie.

Dlatego stabilne statystyki zatrudnienia mogą ukrywać rzeczywiste zmiany. Jeśli organizacja nadal zatrudnia księgowych, rekruterów i kierowników obsługi klienta, ale zmienia to, czemu poświęcają czas, liczba etatów wygląda na stałą, choć praca się przesuwa. Analityk, który wcześniej zestawiał raporty, więcej czasu poświęca na badanie wyjątków. Specjalista ds. komunikacji przestaje pisać każdy akapit, a zaczyna sprawdzać źródła, poprawiać automatycznie wygenerowane szkice i decydować, czego nie należy publikować.

Dlaczego dane o zatrudnieniu wciąż wyglądają spokojnie

14 października Budget Lab Uniwersytetu Yale zaktualizował swoje monitorowanie wpływu AI na amerykański rynek pracy. Najważniejsze ustalenia: struktura zawodów „nie zmienia się jeszcze w sposób wyraźnie związany z wprowadzeniem AI”, wskaźniki korzystania z AI nie wykazują związku ze zmianami zatrudnienia ani bezrobocia, a analiza przyczynowa „nie wskazuje jeszcze wyraźnie na ślad AI na rynku pracy”. Autorzy zamierzają nadal aktualizować tę analizę.²

Nie jest to sprzeczne z wynikami Revelio. Yale bada głównie efekty w zatrudnieniu i strukturę zawodów; liczba 90% z Revelio dotyczy tego, gdzie zachodzą zmiany w czynnościach. Oba wnioski mogą być prawdziwe jednocześnie: nazwy stanowisk pozostają dość stabilne, a zadania są przesuwane w ich obrębie. Żaden z tych wyników nie dowodzi, że to AI jest główną przyczyną zmian w zadaniach.

Dane mają ograniczenia, o których warto wiedzieć. Revelio opiera się na setkach milionów publicznych profili zawodowych i ogłoszeniach o pracę, a w opisie metodologii samo zaznacza, że pracownicy umysłowi i mieszkańcy dużych miast są w tych danych reprezentowani częściej; aby ograniczyć to zniekształcenie, firma waży wyniki względem rządowych statystyk rynku pracy.¹ Zmienione ogłoszenie o pracę może też świadczyć raczej o oczekiwaniach pracodawcy niż o przeprojektowaniu stanowiska, które faktycznie nastąpiło.

Właściwy wniosek nie brzmi więc „AI po cichu zautomatyzowała dziewięć stanowisk na dziesięć”. Brzmi tak: same dane o utracie miejsc pracy dają niepełny obraz, a dane na poziomie zadań, choć niedoskonałe, wskazują menedżerom, jakich zmian szukać we własnych zespołach.

Nowa praca związana z AI rzadko pojawia się pod nową nazwą

Zwykle wyobrażamy sobie, że AI tworzy miejsca pracy poprzez nowe stanowiska: inżynier AI, specjalista ds. ewaluacji modeli, specjalista ds. automatyzacji. Takie role istnieją i mają znaczenie. Jest jednak cichsza droga: znane stanowisko przejmuje nowe obowiązki, narzędzia i uprawnienia decyzyjne. Organizacja nie ogłasza rekrutacji na „kontrolera jakości AI”; oczekuje, że kierownik zespołu obsługi klienta będzie weryfikował automatyczne odpowiedzi, a kierownik finansowy sprawdzał, czy liczbom przygotowanym z pomocą AI można ufać.

To spostrzeżenie koncepcyjne, a nie twierdzenie, że takie obowiązki są już powszechne. Rodzi jednak pytanie o pomiar: czy liczymy stanowiska wprost oznaczone jako związane z AI, czy pracę związaną z AI rozproszoną po istniejących rolach?

Dane po obu stronach wymagają ostrożnej lektury:

• Role związane z AI rosną szybciej. Według Revelio zatrudnienie w rolach związanych z AI wzrosło od listopada 2022 r. o 19%, wobec 3% w pozostałych rolach. Definicja jest szeroka, „od inżynierów AI po pracowników budujących centra danych”. To porównanie tempa wzrostu; nie mówi, ile miejsc pracy netto stworzyła AI.¹
• Firmy wdrażające AI rosły już wcześniej. Firmy, które Revelio identyfikuje jako wdrażające AI, zwiększały zatrudnienie szybciej niż pozostałe, ale rosły szybciej także przed wdrożeniem, więc proste wnioski o związku przyczynowo-skutkowym są ryzykowne.¹
• Wymagane kompetencje zmieniają się szybciej w zawodach narażonych na AI. Według raportu PwC 2026 Global AI Jobs Barometer, opartego na ponad miliardzie ogłoszeń o pracę, kompetencje wymagane na stanowiskach narażonych na AI zmieniają się ponad dwa razy szybciej niż w rolach mniej narażonych.³ To dowód dotyczący wymagań w ogłoszeniach, a nie bezpośredni pomiar tego, co robi każdy pracownik.

Prawdziwe ryzyko: wydrążenie ścieżki nauki

Zadanie może być rutyną dla doświadczonego pracownika i zarazem kluczowym etapem dla kogoś, kto dopiero uczy się zawodu. Przygotowywanie prostych raportów, sprawdzanie podstawowego kodu czy wstępna selekcja prostych spraw wydają się łatwe do automatyzacji właśnie dlatego, że są ustrukturyzowane. To jednak także sposób, w jaki młodsi pracownicy budują umiejętność rozpoznawania wzorców, której potrzebują, zanim zaczną podejmować trudniejsze decyzje.

Badacze z Digital Economy Lab Uniwersytetu Stanforda, korzystając z danych płacowych ADP obejmujących miliony pracowników w USA do czerwca 2026 r., ustalili, że zatrudnienie osób w wieku 22-25 lat w zawodach narażonych na AI jest obecnie o 19% niższe, niż byłoby, gdyby rosło w tym samym tempie co wśród rówieśników w zawodach mniej narażonych. Nie znaleźli przy tym dowodów na powszechne, ogólnogospodarcze wypieranie miejsc pracy.⁴ Względna różnica nie dowodzi, że to AI odpowiada za każdą niezatrudnioną osobę, a próba z USA nie opisuje automatycznie Europy, organizacji pozarządowych ani każdego sektora. Wskazuje jednak na realny paradoks organizacyjny: pracodawcy potrzebują ludzi zdolnych do samodzielnego osądu, a jednocześnie eliminują część pracy, na której ten osąd dawniej się kształtował.

Trzy możliwe zmiany w organizacji pracy, przedstawione jako ilustracje, a nie opisy konkretnych pracodawców:

• Specjalista ds. grantów w organizacji pozarządowej pozwala AI przygotować szkic wniosku, a potem więcej czasu poświęca na sprawdzanie kwalifikowalności, dowodów i wymagań darczyńców.
• Kierownik zespołu wsparcia opiera się na automatycznych pierwszych odpowiedziach, a sam zarządza jakością eskalacji i nietypowymi przypadkami.
• Młodszy analityk finansowy poświęca mniej czasu na konsolidowanie arkuszy, a więcej na wyjaśnianie anomalii.

W każdym z tych przypadków część pracy wykonywana przez człowieka staje się bardziej interpretacyjna. Otwarte pozostaje pytanie, jak nowa osoba ma się nauczyć dobrze tej interpretacji. Jedną z praktycznych odpowiedzi jest włączenie weryfikowania i poprawiania wyników AI do szkolenia juniorów, z informacją zwrotną od doświadczonych współpracowników, zamiast zostawiania tego wyłącznie seniorom.

Lepsze pytanie niż „Które stanowiska znikną?”

Ocena narażenia na AI wyłącznie na podstawie nazwy stanowiska ukrywa praktyczne wybory. Bardziej użyteczny punkt wyjścia jest konkretny: z czego składa się praca, które kroki można rzeczywiście wspomóc, kto sprawdza wynik i co się dzieje, gdy system się myli? Jedna rola może obejmować zadania łatwe do automatyzacji obok takich, w których kluczowe są odpowiedzialność prawna, zaufanie lub wiedza ukryta.

Pomagają trzy rozróżnienia:

To zmienia rozmowę o kompetencjach. Pytanie nie brzmi, czy każdy pracownik musi zostać specjalistą od promptów. Brzmi: które istniejące role potrzebują teraz silniejszych umiejętności weryfikacji, osądu opartego na wiedzy branżowej, komunikacji, eskalowania i odpowiedzialności za wyniki przygotowane z pomocą AI, i jak te kompetencje będą rozwijane w praktyce. Więcej o tym, które zadania zmieniają się najpierw, przeczytasz w naszym artykule o tym, jak agenci AI zmieniają miejsce pracy.

Dla małych firm, organizacji pozarządowych i poszczególnych działów w większych przedsiębiorstwach najbardziej prawdopodobne ryzyko jest raczej zwyczajne niż dramatyczne: schemat organizacyjny się nie zmienia, a nikt nie zauważa, że praca już się zmieniła. Zanim nazwa stanowiska nadąży za rzeczywistością, szkolenia mogą być opóźnione o lata.

Najczęściej zadawane pytania

Czy AI zmienia stanowiska pracy, czy je zastępuje?

Obecne dane wskazują głównie na zmiany wewnątrz stanowisk. Revelio Labs przypisuje 90% zmierzonej zmiany w czynnościach przesunięciom wewnątrz zawodów, a Budget Lab Uniwersytetu Yale nie stwierdza dotąd wyraźnego wpływu AI na ogólne zatrudnienie.

Dlaczego statystyki zatrudnienia nie pokazują wpływu AI?

Ponieważ liczą ludzi według zawodów. Jeśli ludzie zachowują tę samą nazwę stanowiska, ale inaczej spędzają czas pracy, zatrudnienie wygląda na stabilne, choć sama praca się zmieniła.

Których pracowników to dotyczy najbardziej?

W danych z USA najbardziej dotknięte wydają się osoby na początku kariery w zawodach narażonych na AI: badacze ze Stanforda ustalili, że ich zatrudnienie jest o 19% niższe od poziomu, jaki osiągnęłoby, gdyby rosło w tym samym tempie co wśród rówieśników w zawodach mniej narażonych.

Jak może pomóc hilighter

Gdy praca zmienia się wewnątrz ról, nazwy stanowisk przestają być wiarygodną wskazówką. hilighter pomaga utrzymać aktualny obraz sytuacji: mapować kompetencje według stanowiska, poziomu i zespołu, widzieć mocne strony i luki w całej organizacji, porównywać kompetencje ludzi z tym, czego dziś wymaga każde stanowisko, oraz prowadzić każdego pracownika spersonalizowaną ścieżką rozwoju. Analiza AI Job Impact daje orientacyjny obraz tego, jak AI może zmienić Twoje stanowiska i kompetencje. Dostępny jest plan bezpłatny, a ceny planów zależą od liczby stanowisk, przy nieograniczonej liczbie pracowników.

Źródła

1. Revelio Labs, AI Labor Market Tracker, United States, September 2026, opublikowano 1 października 2026 r., wraz z załącznikiem metodologicznym. Na podstawie publicznych profili zawodowych i ogłoszeń o pracę.
2. The Budget Lab at Yale, Tracking the Impact of AI on the Labor Market, 14 października 2026 r.
3. PwC, 2026 Global AI Jobs Barometer, czerwiec 2026 r. Analiza ponad miliarda ogłoszeń o pracę.
4. E. Brynjolfsson, B. Chandar i R. Chen, Stanford Digital Economy Lab, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, working paper, wersja poprawiona 12 sierpnia 2026 r.

Data ostatniej weryfikacji źródeł: 18 października 2026 r.