Logo hilighterLogo hilighter
PL
Zacznij terazZaloguj się

ArtykułPrzyszłość pracy

Produktywność AI to nie wskaźnik adopcji

Raport PA Consulting z 9 listopada 2026 oddziela deklarowaną wartość AI od codziennego użycia. Kohorty nie są tym samym cięciem.

Christian Kosiek•Opublikowano •16 min czytania

Młodsza pracownica w zielonym fartuchu czyta małą kartkę i sięga do skrzynki z papryką, a starsza koleżanka trzyma sałatę i czerwoną paprykę w sklepie spożywczym
Ilustracja dołączona do tego artykułu: dwie osoby pracują wśród skrzynek z warzywami w sklepie. To nie jest osoba badana przez PA Consulting, uczestniczka dzienniczka, organizacja charytatywna, sklep z raportu ani ekran hilighter. Plik nie był oznaczony jako zdjęcie prawdziwych osób ani jako obraz wygenerowany przez AI. Kartka nie jest ankietą, a sklep nie jest statystyką branżową.

Można otwierać narzędzie AI każdego dnia i nadal nie być osobą, która wyciąga z niego więcej. To rozróżnienie jest sensem raportu PA Consulting The capability paradox, ogłoszonego 9 listopada 2026. Strona prasowa nazywa PA Consulting spółką Jacobs. Linia produkcyjna raportu podaje październik 2026. Badanie terenowe, pisze raport, odbyło się w dużej części w pierwszej połowie 2026. To trzy daty, nie jedna.12

Badanie połączyło ankietę 2 000 pracowników w Zjednoczonym Królestwie, dwutygodniowy dzienniczek online z 20 uczestnikami i 13 wywiadów z liderami, specjalistami AI i ekspertami przedmiotu. Kwestionariusz dotyczył narzędzi takich jak ChatGPT, Claude, Gemini, Microsoft Copilot i innych aplikacji generatywnej AI. Raport pisze, że syntetyczne persony wygenerowane przez AI służyły tylko do szukania luk w perspektywach, a ustalenia, odczyty i cytaty pochodzą od prawdziwych uczestników. Ten artykuł nie przypisuje każdego odsetka poniżej dzienniczkowi ani 13 wywiadom. Raport nie drukuje osobnej podstawy dla każdej liczby.2

Dwie etykiety, których nie wolno zamieniać

Dla większości ustaleń raport używa dwóch kohort. Individual contributors to osoby na stanowiskach wejściowych, juniorskich i średniego szczebla bez funkcji kierowniczej. Senior leaders obejmują senior managerów i szefów działów, dyrektorów i senior leadership oraz role executive/C-suite. Raport pisze, że tych grup nie używa tam, gdzie nazywa konkretną rolę.2

Strona prasowa z 9 listopada drukuje odsetki z nagłówka przy węższej etykiecie: pracownicy na rolach wejściowych i juniorskich, a w jednej linii "entry-level or junior". Strona docelowa drukuje "non-leadership roles". Ten artykuł nie traktuje tych trzech formuł jako jednej grupy. Liczby poniżej idą za raportem, chyba że zdanie mówi, że pochodzą ze strony prasowej albo ze strony docelowej.13

Co deklarują senior leaders

70 procent senior leaders mówi, że AI pozwala im robić rzeczy, których wcześniej nie mogli, wobec 38 procent individual contributors. 72 procent senior leaders deklaruje poprawę jakości swoich wyników z AI, wobec 43 procent individual contributors. Raport dodaje, że dopiero od szczebla management więcej niż 50 procent respondentów deklaruje poprawę jakości dzięki AI. "Więcej niż 50 procent" to ten próg. To nie jest 72 procent i nie jest to wskaźnik dla każdego menedżera.2

To deklarowane doświadczenia. To nie jest eksperyment, który pokazuje, że staż powoduje lepsze wyniki z AI. Nie pokazuje, że AI uczyniła pracowników juniorskich mniej zdolnymi. Wstęp pisze, że senior leaders deklarują wyraźnie większe zyski produktywności, zdolności i jakości niż osoby na rolach juniorskich, wejściowych i niekierowniczych. Zdanie używa słowa "deklarują".2

Strona prasowa powtarza 70 procent wobec 38 procent pracowników na rolach wejściowych i juniorskich oraz 72 procent wobec 43 procent pracowników wejściowych i juniorskich. Pisze, że senior leaders deklarują pracę wyższej jakości dzięki AI. Raport pisze "quality improvements in their outputs with AI" i porównuje z individual contributors. Przyklejenie etykiety prasowej "wejściowi i juniorzy" do 38 procent z raportu pominęłoby role średniego szczebla bez kierowania, które metodologia włącza do individual contributors.12

Użycie nazywa konkretne role, więc grupa senior leaders nie jest właściwą linią. Raport pisze, że użycie AI rośnie ze stażem, od 1.8x dziennie na rolach wejściowych i juniorskich do 6.9x dziennie na poziomach executive/C-suite. Strona prasowa pisze, że senior leaders używają AI częściej niż trzy razy dziennie w porównaniu z pracownikami wejściowymi i juniorskimi, średnio 6.9 użyć dziennie. Ten artykuł nie traktuje "senior leaders" i "executive/C-suite" jako tego samego zdania i nie dzieli 6.9 przez 1.8. Linia 1.8x dotyczy ról wejściowych i juniorskich. To nie jest cała kohorta individual contributors.12

Co jest wydrukowane Liczba Czym to nie jest
Senior leaders, którzy mówią, że AI pozwala im robić to, czego wcześniej nie mogli, wobec individual contributors 70 procent wobec 38 procent Dowód, że staż powoduje wynik. Etykieta prasowa "wejściowi i juniorzy"
Senior leaders, którzy deklarują poprawę jakości, wobec individual contributors 72 procent wobec 43 procent Osobna linia: poprawa jakości przekracza 50 procent dopiero od management
Użycia dziennie: role wejściowe i juniorskie, potem executive/C-suite 1.8x, potem 6.9x Średnia senior leaders. "6.9 użyć dziennie" ze strony prasowej to inne zdanie
Strona prasowa: senior leaders wobec wejściowych i juniorskich Częściej niż trzy razy dziennie, średnio 6.9 użyć Linia raportu od 1.8x do 6.9x

Wykres o pewności siebie i o standardzie pracy wyłącza odpowiedzi oznaczone jako ani jedno, ani drugie albo nie wiem. Wysokości słupków nie wyszły jako tekst, więc nie są tu drukowane.2

Kate Spencer jest na stronie prasowej nazwana ekspertką PA od people and change. Cytat używa angielskich skrótów, więc ten artykuł go parafrazuje. Mówi, że AI często jest widziana jako wyrównywacz, a badanie sugeruje, że obecnie może dziać się odwrotnie: osoby, które już mają większą ekspertyzę i osąd, czerpią największe korzyści, a osoby wcześniej w karierze ryzykują utratę części okazji do rozwoju umiejętności. Strona raportu nazywa ją ekspertką od transformacji siły roboczej. Ten artykuł nie łączy obu tytułów. Zdanie jest jej odczytem. To nie jest zmierzona utrata umiejętności.12

Szybciej nie znaczy to samo co wartość

Raport pisze, że 60 procent pracowników we wszystkich kohortach uważa, że AI pomaga im pracować szybciej, a 79 procent mówi, że AI czyni ich bardziej efektywnymi. To dwie odpowiedzi. Ten artykuł ich nie uśrednia.2

37 procent mówi, że poświęca tyle samo czasu na przegląd i dopracowanie pracy, ile poświęciłoby na jej samodzielne wytworzenie. 34 procent powiedziało, że AI nie zmieniła ich obciążenia. 14 procent powiedziało, że AI zwiększyła obciążenie. Prawie jedna trzecia, 32 procent, pracowników nie zgłosiła jeszcze istotnej korzyści z AI. "Nie zgłosiła jeszcze" to formuła raportu. To nie jest "nie otrzymała żadnej korzyści". Tych czterech linii się nie dodaje. Mogą się nakładać, a raport nie pisze, że dzielą próbę.2

Strona prasowa pisze, że więcej niż jedna trzecia, 37 procent, przyznaje, że następnie poświęca tyle samo czasu na przegląd i dopracowanie pracy wygenerowanej przez AI. Punkt raportu nie mówi "następnie" i nie mówi "wygenerowanej przez AI". Ten artykuł nie traktuje 37 procent jako podzbioru 60 procent.1

68 procent senior leaders mówi, że AI pozwala im skupić się na zadaniach o wyższej wartości, wobec 38 procent individual contributors. Te 38 procent odpowiada na inne pytanie niż 38 procent obok 70 procent. Strona docelowa pisze, że 68 procent senior leaders może skupić się na pracy o wyższej wartości, wobec 38 procent pracowników w rolach non-leadership. "Zadania" to nie "praca", a "individual contributors" to nie "role non-leadership".23

Wyobraźmy sobie małą organizację, która przygotowuje wniosek o grant. W tym hipotetycznym przykładzie juniorska koordynatorka szybko pisze szkic, a potem spędza popołudnie na sprawdzaniu zasad kwalifikacji, liczb beneficjentów i warunków finansowania. Dyrektorka, która już zna fundatora, wcześniej widzi słaby punkt. Liczenie szkicu pochlebiałoby narzędziu. Liczenie sprawdzonego wniosku już nie. Ta scena nie jest uczestniczką dzienniczka, żadnym z 13 wywiadów ani statystyką branżową. Sprawdzenia są ilustracją redakcyjną.

Inny artykuł już oddziela zaoszczędzony czas od pytania, kto odzyskuje godziny, na innych źródłach: AI zaoszczędziła czas. Kto odzyska godziny?. Te źródła nie są tym raportem.

Zaufanie, gdy odpowiedzi się rozmijają

Podpis wykresu w raporcie mówi, że jeden na ośmiu pracowników ufa osądowi AI bardziej niż własnemu. Strona prasowa drukuje jednego na ośmiu pracowników (12 procent), którzy mówią, że ufają osądowi AI bardziej niż własnemu. Ten artykuł nie zamienia "jeden na ośmiu" w liczbę, którą sam przeliczył.12

Gdy wynik AI rozmijał się z ich osądem, 18 procent częstych użytkowników powiedziało, że wybrało zaufanie AI. Częsty oznacza pięć lub więcej użyć dziennie. Porównanie to 11 procent użytkowników średnich, od jednego do czterech razy dziennie, i 7 procent użytkowników rzadkich, rzadziej niż codziennie. Strona prasowa pisze, że użytkownicy częstego użycia byli 1.5x bardziej skłonni ufać AI ponad własny osąd niż użytkownicy o średniej częstości. Ten mnożnik jest mnożnikiem strony prasowej. Ten artykuł nie liczy go z 18 i 11.12

Drugie cięcie to staż, nie częstość. Senior leaders byli bardziej skłonni niż individual contributors ufać AI ponad własny osąd, gdy oba się rozmijały: 17 procent wobec 9 procent. Ta para to nie 18, 11 i 7 i nie jest to jeden na ośmiu.2

Zależność to trzecie pytanie. 20 procent respondentów przyznaje się do nadmiernej zależności od AI. Użytkownicy częstego użycia deklarują wskaźniki zależności 28 procent, wobec 10 procent użytkowników rzadkich. 20 procent to nie 28 procent. Żadna z tych liczb nie jest wskaźnikiem zaufania.2

Ten sam wykres pokazuje udziały, które ufają własnemu osądowi, i udziały neutralne. Te udziały nie wyszły jako czysty tekst, więc ten artykuł ich nie drukuje.

Kto nadal jest właścicielem wyniku

66 procent pracowników uważa, że odpowiedzialność zostaje przy właścicielu wyniku, niezależnie od udziału AI. 13 procent czuje się mniej odpowiedzialne za jakość, gdy AI wytwarza większość pracy. 21 procent nie wie, gdzie leży odpowiedzialność. 26 procent czuje się nieswojo, zatwierdzając pracę ukształtowaną przez AI.2

Strona prasowa pisze, że odpowiedzialność zostaje przy osobie odpowiedzialnej za wynik, niezależnie od udziału AI. "Właściciel wyniku" i "osoba odpowiedzialna za wynik" to nie ta sama formuła. Strona prasowa stawia też "a further" przed 13 procent. Raport wymienia 13 procent jako własny punkt. Ten artykuł nie dodaje 66, 21 i 13 i nie pisze, że sumują się do 100.12

Ustalenia pokazują niepewność co do własności. Nie są dowodem, że pracownicy rutynowo unikają odpowiedzialności.

Raport rozdziela właściciela systemu, właściciela przebiegu, właściciela wyniku i właściciela decyzji. Pisze, że mówienie pracownikom, iż pozostają odpowiedzialni, jest konieczne i niewystarczające, bo ludzie mogą musieć używać systemów, których nie wybrali, nie skonfigurowali i nie wytrenowali. To argument raportu. To nie jest przetestowana metoda zgodności.2

Jedna osoba z wywiadu zasugerowała, że senior leaders powinni "dedicate roughly 25% of their time to intentional mentoring and coaching to ensure knowledge transfer and judgement skills are passed down". To jedna sugestia. To nie jest zmierzony udział kalendarzy i nie jest to odsetek z ankiety.2

Raport zawiera historie klientów, w tym BT Enterprise, ABN AMRO, National Highways i Schiphol. Ten artykuł nie używa ich jako ustaleń ankiety i nie importuje ich liczb użytkowników. Liczba użytkowników w historii klienta to nie ankieta 2 000.2

Gdzie deklarowana korzyść jest szersza

Strona prasowa drukuje odsetki branżowe, których treść raportu, w postaci czytanej do tego artykułu, nie powtarza w prozie. Mogą być na wykresie. Ten artykuł przypisuje je stronie z 9 listopada.12

Pracownicy, którzy deklarują istotne korzyści: technologia, media i telekomunikacja, 87 procent; usługi finansowe, 77 procent; energia i usługi komunalne, 75 procent; ochrona zdrowia i nauki o życiu, 55 procent; sektor publiczny, 53 procent; organizacje charytatywne i non-profit, 39 procent.1

Lista branż raportu jest szersza niż te sześć linii. Nazywa sektor publiczny; usługi profesjonalne; usługi finansowe; tech, media i telekomunikację; handel, hotelarstwo i czas wolny; energię, usługi komunalne i infrastrukturę; produkcję, inżynierię i budownictwo; ochronę zdrowia i nauki o życiu; oraz trzeci sektor, non-profit i charity. Strona prasowa nie drukuje odsetka dla handlu, produkcji ani usług profesjonalnych. Ten artykuł go nie wymyśla. Nie traktuje też "charities and not-for-profit organizations" jako dowodu, że etykieta trzeciego sektora w raporcie jest tym samym cięciem, choć obie wskazują pracę non-profit. Ankieta nie pokazuje, że ci pracownicy są mniej zdolni albo że ich narzędzia są gorsze. Budżet, układ pracy, wrażliwość danych, mieszanka zadań i dostęp do szkoleń to możliwe wyjaśnienia. To nie są wnioski, które ankieta ustala.12

Cztery przesunięcia i lista, której raport nie sprawdził

Raport stawia cztery przesunięcia: odbudować ścieżki do ekspertyzy; zamienić szybszą pracę w lepsze wyniki; zdecydować, gdzie należy ludzki osąd; wyrównać odpowiedzialność z kontrolą. Strona prasowa podaje cztery priorytety w tej samej kolejności: okazje, by się uczyć, sprawdzać wyniki, ćwiczyć osąd i rozwijać umiejętności; mierzyć wartość biznesową, a nie samą adopcję albo częstość; utrzymać nadzór tam, gdzie błędy niosą większe ryzyko; określić odpowiedzialność tak, by leżała u właściwych osób. "Practise" to pisownia strony prasowej.12

To rekomendacje firmy. Raport nie przedstawia ich jako interwencji, o której pokazałby, że zamyka zmierzoną lukę.

Dla małego zespołu obok stoi lista redakcyjna i nie jest to ustalenie PA. Mierz cały przebieg, łącznie z przeglądem i poprawkami, nie tylko prompty albo licencje. Połącz mniej doświadczoną osobę z kimś, kto potrafi wyjaśnić, dlaczego odpowiedź jest zła. Zostaw praktykę na zadaniu głównym, żeby osąd nie był tylko zatwierdzeniem szkicu. Daj nadzorowaną własność na poziomie ryzyka, który osoba może sprawdzić. Zapytaj, jakiego wsparcia ludzie potrzebują, zanim niechęć uznasz za lukę kompetencji. PA Consulting nie sprawdziło tej listy.

Sąsiednie pytania mają już własne źródła na tej stronie: szkolenie AI trafia do szefów, nie do początkujących, dlaczego czas szkolenia staje się luką kariery, kto uczy oceny po szkicu AI i ogłoszenia junior, które proszą o ocenę seniora. Ten artykuł nie używa ponownie ich liczb.

Ogłoszenia o pracę to inne badanie

Global AI Jobs Barometer PwC z 15 czerwca 2026 przeanalizował ponad miliard ogłoszeń w 27 krajach i terytoriach. Komunikat pisze, że AI zwiększa nacisk na ludzkie umiejętności, takie jak osąd, kreatywność i przywództwo. Pisownia "judgement" jest pisownią komunikatu. To zdanie o umiejętnościach, które pracodawcy opisują w ogłoszeniach. To nie dowód, że konkretny pracownik je zdobył, i nie jest to ta ankieta PA.4

Ten sam komunikat ma porównanie stanowisk wejściowych w USA, premię płacową oraz liczby zatrudnienia i produktywności firm. Nie są tu przedrukowane. Porównanie stanowisk wejściowych jest już rozłożone w ogłoszeniu junior, które prosi o ocenę seniora. Formuła szkicu wejściowego, "stronger demand for human-intensive skills", jest luźniejsza niż komunikat, więc nie jest ustaleniem tego artykułu.

Obowiązek alfabetyzacji to nie ta brytyjska ankieta

Dla organizacji w Unii Europejskiej najbliższy spisany obowiązek dotyczy uczenia się i nie jest ustaleniem 2 000 pracowników z Wielkiej Brytanii. Biuro obsługi Komisji dotyczące aktu w sprawie AI pokazuje tekst, który opiera na skonsolidowanej wersji EUR-Lex według stanu na 27 lipca 2026. Artykuł 4 jest tam oznaczony jako zmieniony. Dostawcy i podmioty stosujące systemy AI podejmują środki, by wspierać rozwój alfabetyzacji AI swojego personelu i innych osób zajmujących się obsługą i użyciem tych systemów w ich imieniu, z uwzględnieniem wiedzy technicznej, doświadczenia, wykształcenia i szkolenia oraz kontekstu użycia, a także osób lub grup, wobec których systemy są używane. Ten sam ustęp mówi, że obowiązek nie wymaga od dostawców ani podmiotów stosujących gwarancji określonego poziomu alfabetyzacji AI żadnej osoby. Obowiązek wspierania uczenia się nie jest obietnicą, że każdy pracownik osiągnie ten sam poziom.5

To nie jest porada prawna. EUR-Lex nie został otwarty do tego artykułu, podobnie jak rozporządzenie Digital Omnibus. Brzmienie jest brzmieniem biura obsługi, czytanym 22 listopada 2026.

Nadzór człowieka w artykule 14 i obowiązki podmiotów stosujących w artykule 26 są napisane dla systemów AI wysokiego ryzyka. Artykuł 26 ustęp 2 mówi, że podmioty stosujące powierzają nadzór człowieka osobom fizycznym, które mają niezbędne kompetencje, przeszkolenie i uprawnienia oraz niezbędne wsparcie. Artykuł 14 ustęp 4 litera b mówi, że osoby wyznaczone do nadzoru systemu wysokiego ryzyka mają mieć możliwość pozostawania świadomymi możliwej tendencji do polegania albo nadmiernego polegania na jego wyniku, co ten artykuł nazywa błędem automatyzacji, zwłaszcza gdy system dostarcza informacji lub rekomendacji do decyzji. Ogólne narzędzie do pisania w ankiecie PA nie jest automatycznie systemem wysokiego ryzyka. Ten artykuł nie stosuje tych dwóch artykułów do każdego szkicu. Nie podaje też, kiedy każdy artykuł zaczyna obowiązywać. FAQ o rozpoczęciu stosowania nie zostało otwarte w tym przebiegu.67

Jak hilighter może pomóc

hilighter nie czyta pliku PA, nie ocenia, kto korzysta z AI, i nie decyduje, kto jest odpowiedzialny.

Zespół może zapisać pracę. Mapować kompetencje według roli, łącznie z przeglądem, który osoba nadal robi. Porównać ludzi z tymi wymaganiami w analizie kompetencji i talentów. Zapisać poprawkę albo ukończone sprawdzenie w uznawaniu osiągnięć. Ustawić indywidualne ścieżki rozwoju, żeby praktyka nie została przypadkowi. Przegląd tych dowodów przez przełożonego jest w ocenach kompetencji przez przełożonych. Widok wpływu AI na zawody jest wskazujący. To nie jest 70 procent i nie jest to linia 6.9x. Plan bezpłatny obejmuje do trzech ról. Liczba pracowników nie jest ograniczona.

Źródła

  1. PA Consulting, AI risks widening the workplace divide, new report finds, strona prasowa, 9 listopada 2026. PA Consulting, spółka Jacobs. Ankieta 2 000 pracowników w Zjednoczonym Królestwie. 70 procent senior leaders wobec 38 procent pracowników wejściowych i juniorskich w sprawie rzeczy, których wcześniej nie mogli. 72 procent wobec 43 procent przy pracy wyższej jakości. Senior leaders średnio 6.9 użyć dziennie, częściej niż trzy razy w porównaniu z pracownikami wejściowymi i juniorskimi. 60 procent uważa, że AI pomaga im pracować szybciej. 37 procent następnie poświęca tyle samo czasu na przegląd pracy wygenerowanej przez AI. 32 procent nie zgłosiło jeszcze istotnej korzyści. 20 procent nadmiernie zależnych. Jeden na ośmiu (12 procent) ufa osądowi AI bardziej. Użytkownicy częstego użycia 1.5x bardziej skłonni niż użytkownicy o średniej częstości. 66 procent, osoba odpowiedzialna za wynik; 21 procent niepewnych; "a further" 13 procent mniej odpowiedzialnych, gdy AI wytworzyła większość; 26 procent nieswojo przy zatwierdzeniu. Korzyści branżowe: technologia, media i telekomunikacja 87 procent; usługi finansowe 77; energia i usługi komunalne 75; ochrona zdrowia i nauki o życiu 55; sektor publiczny 53; organizacje charytatywne i non-profit 39. Cztery priorytety. Kate Spencer sparafraseowana z powodu skrótów. Czytane 22 listopada 2026.
  2. PA Consulting, The capability paradox (PDF, 32 strony), linia produkcyjna październik 2026, kod 9_571400. Strona: The capability paradox. Ankieta 2 000 pracowników z Wielkiej Brytanii, dzienniczek 20 osób przez dwa tygodnie, 13 wywiadów. Badanie terenowe w dużej części w pierwszej połowie 2026. Narzędzia: ChatGPT, Claude, Gemini, Microsoft Copilot i inne aplikacje generatywnej AI. Persony syntetyczne tylko jako pomoc badawcza. Individual contributors: role wejściowe, juniorskie i średniego szczebla bez kierowania. Senior leaders: senior managerowie i szefowie działów, dyrektorzy i senior leadership, executive/C-suite. Grup nie używa się, gdy nazwana jest konkretna rola. 70 procent wobec 38 procent individual contributors. 72 procent wobec 43 procent. Poprawa jakości powyżej 50 procent dopiero od management. Użycie 1.8x dziennie dla ról wejściowych i juniorskich do 6.9x dziennie dla executive/C-suite. 60 procent szybciej i 79 procent efektywniej. 37 procent tyle samo czasu przeglądu, bez "następnie" i bez "wygenerowanej przez AI". 34 procent bez zmiany obciążenia. 14 procent wyższe obciążenie. 32 procent nie zgłosiło jeszcze istotnej korzyści. 68 procent senior leaders przy zadaniach o wyższej wartości wobec 38 procent individual contributors. Jeden na ośmiu pracowników w podpisie. Gdy wyniki się rozmijają: 18 procent częstych (pięć lub więcej użyć dziennie), 11 procent średnich (od jednego do czterech razy dziennie), 7 procent rzadkich (rzadziej niż codziennie). Senior leaders 17 procent wobec individual contributors 9 procent. Zależność 20 procent; użytkownicy częstego użycia 28 procent wobec rzadkich 10 procent. Odpowiedzialność: właściciel wyniku 66 procent; 13 procent mniej odpowiedzialnych; 21 procent niepewnych; 26 procent nieswojo przy zatwierdzeniu. Jedna osoba z wywiadu o około 25 procent czasu na mentoring. Historie klientów nieużyte jako ustalenia. Słupki wykresu oraz udziały zaufania własnemu osądowi i neutralne nie są drukowane, bo nie wyszły jako czysty tekst. Czytane 22 listopada 2026.
  3. PA Consulting, The capability paradox, strona docelowa. Karty czytane ze znaczników 22 listopada 2026: 70 procent senior leaders wobec 38 procent pracowników w rolach non-leadership przy rzeczach, których wcześniej nie mogli; 68 procent senior leaders wobec 38 procent w tych rolach przy pracy o wyższej wartości; jeden na ośmiu ufa AI bardziej niż własnemu osądowi; 21 procent nie widzi jasno, gdzie leży odpowiedzialność, a ponad jedna czwarta czuje się nieswojo przy zatwierdzeniu. "Non-leadership roles" i "higher-value work" to etykiety tej strony, nie raportu. Strona pisze też, że raport opiera się na ankiecie 2 000 pracowników, wywiadach i dzienniczku.
  4. PwC, AI reshapes global labour market into two distinct paths, komunikat, Londyn, 15 czerwca 2026. Ponad miliard ogłoszeń w 27 krajach i terytoriach. Większy nacisk na ludzkie umiejętności, takie jak osąd, kreatywność i przywództwo. Porównanie stanowisk wejściowych w USA, premia płacowa oraz liczby zatrudnienia i produktywności nie są tu użyte. Czytane 22 listopada 2026.
  5. Komisja Europejska, biuro obsługi aktu w sprawie AI, artykuł 4: alfabetyzacja AI. Biuro pisze, że tekst opiera się na skonsolidowanej wersji EUR-Lex według stanu na 27 lipca 2026 i oznacza artykuł 4 jako zmieniony. Obowiązek nie wymaga gwarantowanego poziomu dla żadnej osoby. Czytane 22 listopada 2026. EUR-Lex nie został otwarty.
  6. Komisja Europejska, biuro obsługi aktu w sprawie AI, artykuł 14: nadzór człowieka, ustęp 4 litera b, błąd automatyzacji, dla systemów wysokiego ryzyka. Czytane 22 listopada 2026. EUR-Lex nie został otwarty.
  7. Komisja Europejska, biuro obsługi aktu w sprawie AI, artykuł 26: obowiązki podmiotów stosujących, ustęp 2. Czytane 22 listopada 2026. FAQ o rozpoczęciu stosowania nie zostało otwarte, więc ten artykuł nie podaje dat stosowania. EUR-Lex nie został otwarty.

Źródła sprawdzone 22 listopada 2026. Individual contributors z raportu to nie pracownicy wejściowi i juniorzy ze strony prasowej i nie role non-leadership ze strony docelowej. Linia 6.9x to executive/C-suite, nie średnia prasowa 6.9 użyć dziennie dla senior leaders. Linii 1.8x nie dzieli się przez to 6.9. 37 procent nie jest podzbiorem 60 procent. Linie 79, 34 i 14 procent nie łączą się z 32 procent. Podział 18, 11 i 7 procent to nie jeden na ośmiu, nie 17 wobec 9 i nie mnożnik 1.5x. Zależność przy 20, 28 i 10 procent nie jest wskaźnikiem zaufania. Linii 66, 21 i 13 procent się nie dodaje. Odsetki branżowe są ze strony prasowej. 25 procent mentoringu pochodzi od jednej osoby z wywiadu. Historie klientów nie są ustaleniami ankiety. Scena organizacji i obraz sklepu są ilustracjami. Ani wyniku detektora AI, ani braku kar Google nie da się zagwarantować. Tłumaczenie wymaga przeglądu native speakera.