Odroczone zatrudnienie to nie utrata pracy
10 listopada 2026 Gartner stawia 1,3 mln odroczonych stanowisk obok 2,2 mln utraconych i 1,6 mln nowych miejsc pracy. To trzy osobne rachunki.
Christian Kosiek•Opublikowano •14 min czytania

Puste miejsce nie pojawia się w liczbie zwolnień. Nikt nie dostaje wypowiedzenia, a żadne nazwisko nie trafia na listę redukcji. 10 listopada 2026 roku w Barcelonie Gartner powiedział, że jednym z wyraźniejszych skutków dla rynku pracy w 2026 roku były decyzje osób zarządzających, by odroczyć tworzenie i obsadzanie 1,3 miliona stanowisk, obok 2,2 miliona utraconych miejsc pracy i 1,6 miliona miejsc zyskanych. John Lovelock, Distinguished VP Analyst i Chief of Research w Gartnerze, stawia granicę, której komunikat potrzebuje: odroczona praca to nie utracona praca, bo stanowisko nie powstaje. Taki jest jego sens w ogłoszeniu. Zdanie jest tu oddane opisowo, a nie cytowane słowo w słowo, bo w komunikacie jest angielski skrót. Te liczby nie są spisem wakatów, które pracodawcy wycofali, ani listą osób zwolnionych. Publiczny komunikat nie podaje szczegółowej metody. Gartner odsyła klientów do osobnego raportu. Tego raportu nie otwarto na potrzeby tego artykułu.1
Odroczone stanowisko jest trzecią kolumną
Zwolnienie zabiera kogoś z pracy, która istnieje. Zamrożenie rekrutacji zostawia ogłoszony wakat bez osoby. Odroczone zatrudnienie to stanowisko, które pracodawca mógłby utworzyć, a potem go nie tworzy. Żaden z trzech rachunków na 2026 rok nie zastępuje pozostałych. Badacz nie widzi też każdej pracy, której nigdy nie ogłoszono. Pytanie kontrfaktyczne, czy stanowisko istniałoby bez AI, jest trudne, a komunikat nie odpowiada na nie firma po firmie.
| Linia Gartnera na 2026 rok | Co komunikat potwierdza | Czego nie potwierdza |
|---|---|---|
| 1,3 miliona stanowisk, których utworzenie i obsadzenie odroczono | Szacunek stanowisk, które nie powstały | Liczbę wypowiedzeń |
| 2,2 miliona utraconych miejsc pracy | Osobny szacunek, postawiony obok odroczenia | Te same 1,3 miliona, policzone jeszcze raz jako zwolnienia |
| 1,6 miliona zyskanych miejsc pracy | Osobny szacunek miejsc zyskanych w 2026 roku | Ustalenie, że osoby z utraconych miejsc przeszły do nowych |
Do 2030 roku, według Gartnera, AI utworzy 10,6 miliona nowych miejsc pracy i usunie 8,9 miliona na świecie, co daje przyrost netto 1,7 miliona. Różnica między 10,6 a 8,9 to 1,7 i taka jest arytmetyka komunikatu. Przyrost netto nie znaczy, że zyskuje każdy pracownik, ani że nowe stanowiska pojawią się w tym samym regionie, tej samej branży albo tym samym przedziale płac co te, które znikają. Helen Poitevin, Distinguished VP Analyst w Gartnerze, powiedziała: "The worst mistake that a business and IT executive can make is to apply lessons from one industry or role to another which can lead to poor errors in judgment and missed targets." Brzmienie jest jej, łącznie ze słowami "poor errors". Powiedziała też, że organizacje najbardziej zaawansowane we wdrażaniu AI nie widzą AI jako zastępstwa pracy, lecz jako bodźca do przeprojektowania działań, i że dbają, by wartość ekonomiczna AI wykraczała poza zastępowanie pracy. To nie jest metoda czytania zatrudnienia u jednego pracodawcy.1
Do 2030 roku Gartner szacuje, że od 0,4 procent do 1,8 procent pracujących doświadczy utraty pracy bezpośrednio przypisanej AI. Do 2030 roku nieco ponad 20 procent pracujących (435,5 miliona zatrudnionych na świecie) będzie musiało dostosować się do nowego kształtu pracy: co robią, jak to robią i gdzie kończy się ich odpowiedzialność. "Nieco ponad 20 procent" oddaje "just over 20%". Nie jest to wydrukowane jako "więcej niż 20 procent" w innym brzmieniu. 435,5 miliona to liczba w nawiasie, a nie przybliżenie dodane tutaj. Przedział od 0,4 do 1,8 procent to udział pracujących, którzy tracą pracę. To nie jest 1,3 miliona, 2,2 miliona ani 10,6 miliona.1
Trzy branże i procenty, które nie wędrują
Gartner szkicuje trzy typy branż. Komunikat nie przedstawia tych linii jako części, które sumują się do światowych 10,6 miliona utworzonych i 8,9 miliona usuniętych miejsc. Dodanie opublikowanych milionów nie daje tych sum: 6,4 + 1,9 + 0,4 to 8,7, a 6,0 + 0,9 + 0,4 to 7,3. Ten artykuł nie wymusza sumy i nie wymyśla brakującej branży, żeby domknąć różnicę.
Branże zasobochłonne, które zajmują się produktami fizycznymi albo świadczą usługi w kapitałochłonnej infrastrukturze fizycznej, są opisane jako największa część miejsc pracy na świecie. Do 2030 roku prognoza to 6,4 miliona utworzonych miejsc i 6 milionów utraconych. Straty pracy związane z AI mają dotknąć 0,4 procent światowej siły roboczej w tej branży do 2030 roku.1
Sektor publiczny to druga linia. Komunikat mówi, że inwestycje w AI raczej nie wystarczą, by złagodzić przyszłe poważne niedobory kompetencji wynikające z innych czynników. Do 2030 roku prognoza to 0,4 miliona przyrostów i 0,9 miliona strat oraz straty związane z AI na poziomie 0,4 procent światowej siły roboczej sektora publicznego. Niedobory "wynikające z innych czynników" to nie to samo zdanie co 0,9 miliona.1
Technologia to trzecia linia. Blisko 70 procent tej siły roboczej opisano jako silnie wystawione na AI. Do 2030 roku sektor ma zobaczyć 1,9 miliona utworzonych miejsc i 0,4 miliona utraconych. Skutek utraty pracy związanej z AI ma stanowić 1,8 procent światowej siły roboczej technologii do 2030 roku. To 1,8 procent jest udziałem strat prognozowanym dla właśnie tej siły roboczej. Leży na górze światowego przedziału od 0,4 do 1,8 procent i nie pozwala położyć 1,8 procent na szpital, urząd albo warsztat. 0,4 procent branż zasobochłonnych i 0,4 procent sektora publicznego dotyczy tych sił roboczych. Ostrzeżenie Poitevin jest powodem, by ich nie mieszać.1
Do 2030 roku łącznie 5 milionów osób doświadczy opóźnionego zatrudnienia, ponieważ osoby zarządzające biznesem i IT odroczyły tworzenie nowych stanowisk. Komunikat mówi "a total of 5 million" i wymienia osoby zarządzające biznesem oraz IT. Nie mówi "skumulowane pięć milionów" jako innej statystyki i nie ogranicza zdania do samych osób z biznesu. 5 milionów to suma opóźnionych zatrudnień do 2030 roku. To nie jest 1,3 miliona z 2026 roku policzone drugi raz i nie jest to 8,9 miliona usuniętych miejsc.1
Pierwszy szczebel to mechanizm, nie wynik
Weźmy hipotetyczne sześcioosobowe biuro rachunkowe, które chciało zatrudnić asystenta na starcie do uzgodnień i korespondencji z klientami. Po procesach wspieranych przez AI właściciel odkłada zatrudnienie o rok. Osoby już zatrudnione sprawdzają wyniki. Nikt nie traci pracy. Zespół może zrobić więcej. Absolwent traci możliwy pierwszy szczebel, a biuro możliwą przyszłą osobę prowadzącą. Przykład jest hipotetyczny. To nie jest firma z komunikatu Gartnera i nie jest dowodem, że tak już się stało w nazwanym biurze. Koszt oprogramowania, popyt klientów, stopy procentowe, płace i zaufanie też kształtują zatrudnienie. Nieobsadzone stanowisko samo w sobie nie jest ofiarą AI.
Gdyby wzorzec był powszechny, koszt narastałby. Role na starcie często dają nadzorowane powtórzenia, w których ludzie uczą się zobaczyć błąd, zrozumieć klienta i ćwiczyć ocenę. Jeśli rutynowe zadania przechodzą do narzędzia i nic nie zastępuje tej praktyki, zespołowi może później brakować osób zdolnych nadzorować narzędzie. Ten akapit jest argumentem redakcyjnym. Gartner nie opublikował go jako wyniku. Pokrewne pytanie, gdy ktoś już jest w roli, jest w tekście kto uczy oceny po pierwszym szkicu. Ogłoszenia na start, które już wymagają oceny osoby doświadczonej, to inny artykuł i inne źródła: ogłoszenie juniora, które wymaga oceny seniora.
Dokument roboczy MFW nie pozwala czytać przykładu jako zmierzonego efektu "najpierw juniorzy". W podzbiorze ogłoszeń, które podają minimalne doświadczenie, autorzy wskazują, że w dużej mierze nie ma statystycznie istotnej różnicy popytu na pracę między rolami juniorskimi a seniorskimi. To zdanie dotyczy ogłoszeń z polem doświadczenia. Nie jest ustaleniem o każdym absolwencie i nie jest biurem rachunkowym.2
Blisko 10 procent to względna luka ogłoszeń
Ten sam dokument nie jest prognozą Gartnera i nie szacuje miejsc pracy, które nigdy nie powstały. Working Paper 2026/220 MFW, autorstwa Sakai Ando, Divyi Kirti, Willi Lin i Assyify Szami Ilman, ukazał się 18 października 2026 roku. Streszczenie mówi, że autorzy korzystają z ponad 700 milionów ogłoszeń o pracę online obejmujących 110 gospodarek. Część o danych opisuje panel Lightcast liczący około 700 milionów ogłoszeń w tych 110 gospodarkach, od listopada 2021 do kwietnia 2026. "Ponad 700 milionów" i "około 700 milionów" to dwa sformułowania dokumentu dla tego panelu. Ten artykuł nie wybiera trzeciej liczby. Lightcast zbiera wakaty ściągane z dużych platform rekrutacyjnych. Zawody to 342 czterocyfrowe kody ISCO-08. Ekspozycja korzysta z miary ekspozycji zawodowej na AI skorygowanej o komplementarność, Pizzinelliego i współautorów (2023).2
Układ to różnica w różnicach: zawody bardziej wystawione wobec mniej wystawionych, przed i po starcie ChatGPT w listopadzie 2022, w tej samej gospodarce, tej samej branży i tym samym miesiącu, z kontrolą tego, jak bardzo zawód nadaje się do pracy zdalnej. Ogłoszenia spadły o blisko 10 procent w zawodach bardziej wystawionych na AI względem zawodów mniej wystawionych. To nie jest spadek o 10 procent wszystkich wakatów i nie jest spadek zatrudnienia o 10 procent. Szacunki dynamiczne mówią, że różnica była najpierw niewielka, a w 2023 i 2024 roku bardziej ujemna. Pod koniec próby szacowany spadek wynosi blisko 10 procent. To "blisko 10 procent" jest późnym punktem badania zdarzeń. Nie jest średnią zagregowaną.2
Tabela zagregowana to inne cięcie. W zależności od specyfikacji wpływ na zawody silnie wystawione względem mniej wystawionych mieści się od spadku o 5 procent do spadku o 8 procent. W preferowanej specyfikacji efekt zagregowany dla połączonego okresu po AI to około 6 procent spadku. Nie wolno zastąpić blisko 10 procent liczbą 6 procent ani odwrotnie.2
Trzecie cięcie używa progów zdolności METR, organizacji non-profit, która ocenia modele graniczne, zamiast miesięcy kalendarza. Szacowany wpływ staje się bardziej ujemny, gdy systemy zbliżają się do progu zadań trwających godzinę, a potem w dużej mierze się stabilizuje. Dokument mówi, że linia łącząca okres po tym godzinnym progu wskazuje efekt około 8 procent. Te 8 procent to nie przedział od 5 do 8 procent z tabeli i nie blisko 10 procent z badania zdarzeń. Własne zaskoczenie dokumentu polega na tym, że względny spadek nie pogłębiał się dalej, gdy modele stawały się zdolniejsze. Gdy streszczenie mówi, że wpływ się ustabilizował, chodzi o ten wzorzec.2
Szacunki opisują przepływ nowych ogłoszeń. Dokument mówi, że wpływ na zasób zatrudnienia będzie narastał powoli i zależeć będzie od odejść, rotacji i faktycznych zatrudnień. Ogłoszenie może też być zdublowane, pozostać nieobsadzone albo służyć do sprawdzenia rynku. Ta ostatnia granica jest ogólną cechą zbiorów wakatów. Granica, którą dokument nazywa własnymi słowami, to przepływ, a nie stan osób już pracujących.2
Firmy z silniejszym popytem na kompetencje AI pokazują szybszy wzrost ogłoszeń, także w zawodach bardziej wystawionych. Autorzy budują ten popyt z 51 wyłaniających się kompetencji AI: ogólna znajomość, na przykład ChatGPT albo Copilot; biegłość, na przykład projektowanie promptów albo agenci AI; oraz umiejętność połączenia AI z danymi wewnętrznymi. Popyt na te kompetencje rósł szybko od 2023 roku i skupia się w zawodach o wyższej ekspozycji. Szybszy wzrost ogłoszeń w firmach, które tych kompetencji wymagają, nie jest liczbą Gartnera 1,6 miliona zyskanych miejsc i nie jest dowodem, że każdy wystawiony zawód zatrudnia.2
Dwa inne artykuły na tej stronie używają innych danych i mają zostać osobno. Mniejszy zespół startupu nie jest dowodem cięcia przez AI to porównanie LinkedIn kohort założycieli. AI tworzy pracę i to nie jest plan przejścia dla wszystkich dotyczy nowej pracy, która nie wchłania automatycznie osób tracących rolę. Gdy praca naprawdę się kończy, kolejne szukanie może trwać dłużej i to znów inny przedmiot: dłuższe szukanie po utracie pracy związanej z AI. Żaden z tych tekstów nie jest 1,3 miliona i żaden nie jest względnymi 10 procentami.
Co zapisać, zanim wakat zniknie
Dla małej firmy albo organizacji społecznej użyteczne pytanie nie brzmi, czy AI zwiększy zatrudnienie na świecie. Brzmi, która praca zmienia się w tym zespole i co dzieje się ze sposobem, w jaki ludzie się jej uczą. Lista poniżej jest listą redakcyjną. Gartner i MFW nie opublikowali jej jako metody.
- Zanim odroczysz wakat, zapisz pierwotny powód: zadania, godziny, zapotrzebowanie na usługę i cel szkoleniowy roli.
- Potem zapisz, czy narzędzie zdejmuje ten ciężar, przenosi sprawdzanie na osoby bardziej doświadczone, czy tworzy nową pracę, na przykład kontrolę jakości danych.
- Patrz na wskaźniki błędów, czas weryfikacji wyników, skutki dla klientów, nadgodziny i to, czy ktoś wciąż uczy się pracy.
- Jeśli pisanie jest szybsze, a poprawianie wolniejsze, oszczędność pracy może nie wystąpić. Napisz to w notatce.
- Jeśli wakat na starcie znika, nazwij, co zastępuje tę praktykę: rotację, nadzorowany przegląd sprawy, towarzyszenie albo węższą płatną naukę zawodu.
- Oddziel próbę ograniczoną w czasie, z datą i kryteriami przeglądu, od linii, która po cichu wychodzi z budżetu.
Próba na sześć miesięcy, którą można cofnąć, to inna decyzja niż skreślenie roli. Organizacja społeczna może zastosować tę samą notatkę do koordynacji wolontariatu, wniosków o dotacje i prowadzenia spraw, a i tak musi chronić poufność i wskazać, kto odpowiada. Te sceny są ilustracjami. Nie ma ich w komunikacie Gartnera ani w dokumencie MFW. Warsztat stolarski na obrazie nie jest biurem rachunkowym.
Liczba netto nie mówi, kto się dostosowuje
Publiczna debata często zestawia miejsca utworzone z miejscami zniszczonymi. Listopadowy komunikat Gartnera jest powodem, by zachować trzecią kolumnę: stanowiska, których utworzenie odroczono. Ta kolumna nie ustala, że AI już usunęła miliony szans, które statystyk potrafi policzyć. Pokazuje, dlaczego liczba netto 1,7 miliona nie może powiedzieć, kto ponosi dostosowanie. Wynik MFW dotyczy względnego popytu na ogłoszenia, nie tej trzeciej kolumny. Użycie jednego badania, by dowieść drugiego, powtórzyłoby błąd, który nazywa Poitevin: przeniesienie lekcji z jednego przedmiotu na inny.
Dla publicznego czytelnika warto obserwować wejście młodych, miejsca nauki zawodu i przejścia między zawodami obok zwolnień. Ten artykuł nie podaje tych szeregów. Dla pracodawcy praktycznym testem jest to, czy zysk wydajności jest realny, zanim zniknie rola na starcie. Dla osoby pracującej przydatne zostają wiedza o dziedzinie, którą da się pokazać, umiejętność sprawdzenia wyniku i umiejętność dostosowania się. Ostatnie zdania są sądami redakcyjnymi. Nie są wynikami Gartnera.
Jak hilighter może pomóc
hilighter nie szacuje, ile miejsc pracy nigdy nie otwarto. Nie odtwarza liczby Gartnera ani MFW i nie decyduje, czy wakat należy odroczyć.
Zespół może zapisać pracę, zanim miejsce zniknie. Mapuj kompetencje według roli, łącznie z kontrolami, które osoba wciąż musi wykonać. Porównaj osoby z tymi wymaganiami w analizie kompetencji i talentów. Zapisz poprawkę albo ukończone ćwiczenie w uznawaniu osiągnięć. Ustal indywidualne ścieżki rozwoju, żeby nauka nie była tylko wakatem, którego nie otwarto. Przegląd tych dowodów przez osobę zarządzającą jest w ocenach przełożonych. Widok wpływu AI na pracę jest wskazujący. To nie jest prognoza Gartnera i nie jest luka ogłoszeń MFW. Plan bezpłatny obejmuje do trzech ról. Liczba pracowników nie ma limitu.
Źródła
- Gartner, Gartner Forecasts AI Will Drive a Net Increase of 1.7 Million Jobs by 2030, Barcelona, 10 listopada 2026. Liczby z tekstu komunikatu, nie z obrazu wykresu: w 2026 roku odroczenie tworzenia i obsadzania 1,3 miliona stanowisk, obok 2,2 miliona utraconych miejsc i 1,6 miliona zyskanych. Do 2030 roku 10,6 miliona nowych miejsc i 8,9 miliona usuniętych, przyrost netto 1,7 miliona. Łącznie 5 milionów osób doświadczy opóźnionego zatrudnienia, bo osoby zarządzające biznesem i IT odroczą nowe stanowiska. Od 0,4 do 1,8 procent pracujących do 2030 roku doświadczy utraty pracy bezpośrednio przypisanej AI. Do 2030 roku nieco ponad 20 procent pracujących (435,5 miliona zatrudnionych) dostosuje się do nowego kształtu pracy. Branże zasobochłonne: 6,4 miliona utworzonych i 6 milionów utraconych, straty związane z AI dotyczą 0,4 procent światowej siły roboczej w tej branży. Sektor publiczny: 0,4 miliona przyrostów i 0,9 miliona strat, straty związane z AI na poziomie 0,4 procent światowej siły roboczej sektora publicznego; inwestycje w AI opisano jako mało prawdopodobne, by zrównoważyć poważne niedobory z innych czynników. Technologia: blisko 70 procent siły roboczej z wysoką ekspozycją na AI; 1,9 miliona utworzonych i 0,4 miliona utraconych; skutek utraty pracy 1,8 procent światowej siły roboczej technologii. Rozróżnienie Lovelocka między pracą odroczoną a utraconą jest opisowe, bo komunikat używa skrótu. Poitevin jest cytowana w sprawie przenoszenia lekcji z jednej branży albo roli na inną. Raport dla klientów wymieniony w komunikacie nie został otwarty. Miliony trzech branż nie są dodawane do sum światowych. Wykres "AI Cumulative Job Impact Forecast, Worldwide, 2025-2030" jest wspomniany na stronie; wartości nie czytano z obrazu.
- Sakai Ando, Divya Kirti, Willa Lin i Assyifa Szami Ilman, How is Labor Demand Changing as AI Improves? New Global Evidence, MFW Working Paper 2026/220, publikacja 18 października 2026, DOI 10.5089/9798229061551.001. Otwarto pełny tekst w eLibrary MFW. Streszczenie: ponad 700 milionów ogłoszeń online, 110 gospodarek; popyt spadł o blisko 10 procent w zawodach bardziej wystawionych na AI, a wpływ ustabilizował się, gdy AI stawała się zdolniejsza; firmy z silniejszym popytem na kompetencje AI mają szybszy wzrost ogłoszeń, także w zawodach bardziej wystawionych. Część o danych: Lightcast, około 700 milionów ogłoszeń, 110 gospodarek, od listopada 2021 do kwietnia 2026. Wstęp: różnica w różnicach, blisko 10 procent względem zawodów mniej wystawionych po ChatGPT w listopadzie 2022. Badanie zdarzeń: pod koniec próby blisko 10 procent. Tabela 1: od 5 do 8 procent zależnie od specyfikacji; preferowana specyfikacja około 6 procent w zagregowanym okresie po AI. Rysunek 1(b), progi zdolności METR: około 8 procent po progu jednej godziny, a względny spadek potem w dużej mierze stabilny. Te trzy procenty nie są wymienne. Aneks o stażu: w dużej mierze brak statystycznie istotnej różnicy między popytem juniorskim a seniorskim w ogłoszeniach z minimalnym doświadczeniem. Pięćdziesiąt jeden wyłaniających się kompetencji AI. Szacunki są przepływem ogłoszeń, nie zasobem zatrudnienia. Dokument nie szacuje odroczonych stanowisk Gartnera.
Źródła sprawdzone ostatnio 19 listopada 2026. 1,3 miliona odroczonych stanowisk, 2,2 miliona utraconych miejsc i 1,6 miliona zyskanych miejsc to trzy linie na 2026 rok, nie jedna. Przyrost netto 1,7 miliona do 2030 roku to 10,6 minus 8,9. Łączne 5 milionów opóźnionych zatrudnień do 2030 roku to nie 1,3 miliona. "Nieco ponad 20 procent" i 435,5 miliona zatrudnionych to para komunikatu dla zmiany zadań, nie dla utraty pracy. Przedział od 0,4 do 1,8 procent to udział pracujących, a linie branżowe 0,4 i 1,8 procent zostają przy siłach roboczych, które nazywa komunikat. Blisko 10 procent MFW jest względne wobec zawodów mniej wystawionych i nie jest około 6 procent preferowanej specyfikacji ani około 8 procent po progu zdolności jednej godziny. Biuro rachunkowe, lista i obraz warsztatu są ilustracjami. Raportu dla klientów Gartnera nie otwarto. Nie da się zagwarantować wyniku detektora AI ani braku kary Google. Tłumaczenie wymaga przeglądu osoby, dla której ten język jest ojczysty.