Gdy AI zabiera pracę, następnej szuka się dłużej

Krajowy raport o zatrudnieniu odpowiada na pytanie krajowe. Osoba, której stanowisko właśnie zniknęło, potrzebuje innego: jak długo do stabilnej następnej pracy i czy ta praca użyje kompetencji już zbudowanych? Nowe badanie Goldman Sachs sugeruje, że samo czekanie zasługuje na tyle samo uwagi co suma z nagłówka.

Oddzieliliśmy już zadania, które zmieniają się wewnątrz stanowiska, od stanowiska, które znika, oraz cięcie etatów od dowodu, że AI zastąpiło każdą rolę. Ten artykuł jest następnym pytaniem. Gdy rola zniknęła, jak długo trwa powrót?

Suma etatów nie odpowiada tej osobie

30 października 2026 Fortune opisało notę dla klientów Goldman Sachs ekonomisty Pierfrancesco Mei. Osoby wyparte ze stanowisk narażonych na AI od 2025 roku szukały nowej pracy około miesiąca dłużej niż inni wyparci pracownicy. Były też o około 10 punktów procentowych bardziej narażone na to, że rok później nadal pozostaną bez pracy. Mei opisał te efekty jako porównywalne co do skali z wcześniejszymi falami zmiany technologicznej i nazwał szkodę tamtych fal długotrwałą.¹

Axios 3 listopada podał wynik tego samego rzędu dla osób najpewniej wypartych przez AI w 2025 roku: około miesiąca dłużej niż inni zwolnieni i około 10 punktów procentowych większe prawdopodobieństwo, że rok po utracie pracy nadal będą bez niej.² Oba teksty nie nazywają okna tak samo (od 2025 albo w 2025). Opisują tę samą notę. Żaden nie jest urzędowym spisem osób, których pracodawca wykazał zastąpienie przez AI.

Różnica wieku jest częścią tego samego opisu. Osoby w wieku 35 lat i starsze wracały do pełnego etatu około pięciu tygodni dłużej niż inni wyparci. Osoby poniżej 35 lat - około trzech tygodni dłużej.¹² Mei napisał, że młodsi mogą elastyczniej przystosować się do zakłócenia przez AI. Fortune podało też, że Goldman nie znalazł istotnej różnicy między grupami punktowanymi przy utratach pracy sprzed 2023 roku.¹

Ostatni wiersz pochodzi z Axios. Wśród osób wypartych ze stanowisk narażonych na AI, które znalazły pracę w 2025 roku, około trzech czwartych trafiło do zawodów o podobnym lub większym narażeniu, w porównaniu z nieco ponad połową w 2023 roku.² Nowa praca może z powrotem umieścić osobę w tym samym rodzaju narażenia.

Dłuższe czekanie to wynik punktowy, nie spis

Dodatek o pracownikach wypartych w Current Population Survey nie pyta, czy AI spowodowało utratę. Fortune podaje, że Goldman przeanalizował ponad 15 000 wypartych pracowników, którzy stracili pracę między 2016 a 2025 rokiem, w tym nowy dodatek za lata 2023-2025. Goldman zbudował wynik z narażenia zawodu na AI, stopy przyjęcia technologii w branży i z tego, czy stanowisko zlikwidowano, a górne 30% uznał za prawdopodobnie wyparte przez AI.¹ Axios opisuje te same składniki: zawód, przyjęcie w branży i okoliczności utraty, w tym likwidację stanowiska.²

Ta metoda jest powodem, by wynik traktować poważnie, i powodem, by odrzucić hasło. „Prawdopodobnie wyparte przez AI” znaczy wysoki wynik skonstruowanej miary. Nie znaczy, że ktoś przeczytał każde pismo o zwolnieniu. Fortune pisze, że Goldman wciąż uważa za zbyt wcześnie ocenę skutku według wykształcenia i geografii.¹ Nota dla klientów nie jest dokumentem publicznym. Liczby powyżej to relacje prasowe.

Porównanie historyczne to inny tekst i musi zostać opisane jako historia. Goldman Sachs Research opublikował „How Automation Impacts the Lives and Careers of Displaced Workers” 11 września 2026, nie w październiku. Tekst patrzy na wcześniejsze fale automatyzacji. Osoby wyparte przez technologię szukały nowej pracy około miesiąca dłużej niż ludzie w zawodach stabilnych lub rosnących i przy ponownym zatrudnieniu, przechodząc z pełnego etatu na pełny etat, ponosiły straty realnych zarobków wyższe o trzy punkty procentowe. Dekadę później ich realne zarobki nadal były niższe niż u porównywalnych osób, które straciły pracę w zawodach niezakłóconych. Kto w ciągu trzech lat od utraty spędził co najmniej cztery tygodnie na przekwalifikowaniu, uzyskał w następnej dekadzie około dwóch punktów procentowych więcej skumulowanego wzrostu płacy realnej niż rówieśnicy bez przekwalifikowania i rzadziej wracał do bezrobocia.³

Ta liczba o przekwalifikowaniu to związek w danych historycznych. To nie losowy dowód, że konkretny kurs spowodował zysk. To nadal praktyczny powód, by wsparcie przejścia mierzyć, a nie traktować jak gest pożegnalny.

Mocny październik nie zamyka luki

Obie historie mogą być prawdziwe w tym samym tygodniu. 6 listopada 2026 Biuro Statystyki Pracy USA podało, że zatrudnienie poza rolnictwem wzrosło w październiku o 165 000, powyżej średniego miesięcznego przyrostu 48 000 z poprzednich 12 miesięcy. Stopa bezrobocia zmieniła się niewiele i wyniosła 4,1%. Liczba osób bez pracy, 7,1 miliona, też zmieniła się niewiele. Zatrudnienie wzrosło w usługach profesjonalnych i dla biznesu, w opiece zdrowotnej oraz w transporcie i magazynowaniu.⁴

Komunikat o płacach opisuje zatrudnienie w całej gospodarce. Porównanie Mei opisuje osoby, które już straciły pracę i zostały ocenione jako prawdopodobnie wyparte przez AI. Mocny miesiąc zbiorczy nie dowodzi, że AI stworzyło przyrosty, i nie obala dłuższego szukania w konkretnych zawodach. Nowe miejsca w opiece zdrowotnej albo magazynach nie są automatycznie następnym krokiem dla osoby od rozliczeń albo młodszego analityka.

Goldman już w kwietniowej nocie oddzielił substytucję od wzmacniania. Publiczny artykuł z 24 kwietnia 2026 mówi, że AI obniżyło miesięczny wzrost zatrudnienia w USA o około 16 000 miejsc w minionym roku i podniosło stopę bezrobocia o 0,1 punktu procentowego, a zawody z potencjałem wzmacniania dodały około 9 000 do miesięcznego wzrostu. Elsie Peng pisze, że łączny skutek był prawdopodobnie mniejszy niż te szacunki, bo nie obejmują w pełni zatrudnienia przy budowie centrów danych ani dodatkowego popytu z zysków produktywności.⁵ Relacja Fortune z 6 kwietnia o tej samej nocie dodaje podział, którego publiczna strona nie drukuje: substytucja około 25 000 miejsc miesięcznie, wzmacnianie oddaje około 9 000.⁶ Oba teksty mówią, że wynik pochodzi z modelu, nie ze spisu zwolnień spowodowanych przez AI.

Użyteczny przekaz to współistnienie utraty i nowych zatrudnień, nie dokładna reszta. Firma, która automatyzuje uzgadnianie faktur, może zatrudnić doradców klienta albo specjalistów od danych. Żaden wakat nie pasuje automatycznie do osoby, która znała wyjątki, klientów i regulacyjne przypadki graniczne. Ten sam punkt zrobiliśmy, gdy nowe miejsca przy infrastrukturze AI okazały się nie być planem przejścia.

Pominięte ryzyko to drabina zawodu

Przejście to nie samouczek oprogramowania. Asystent administracyjny może mieć osąd o wyjątkach, poufności i relacjach z klientem, podczas gdy rynek ogłoszeń reklamuje węższą rolę techniczną. Młodszy analityk może zobaczyć, jak znika redagowanie na starcie kariery, zanim było dość okazji, by nauczyć się kwestionować założenie. Doświadczona osoba może mieć wiedzę dziedzinową i nadal nie mieć dowodu, który nowy pracodawca przyjmie.

Liczba ponownego zatrudnienia z Axios należy tutaj. Jeśli około trzech czwartych osób opuszczających w 2025 roku stanowiska narażone na AI przeszło do zawodów o podobnym lub większym narażeniu, to „znalazł pracę” nie jest tym samym co „zostawił ryzyko”.² Badanie z września opisuje starszą wersję tego zejścia: osoby wyparte przez technologię częściej przechodziły do pracy bardziej rutynowej i mniej złożonej, bo zmiana, która ucięła stanowisko, ucięła też rynkową wartość kompetencji.³

Praktyczna odpowiedź to nie ogólna instrukcja, by zostać ekspertem AI. To krótka mapa: co osoba już umie, jaki dowód to pokazuje i czego naprawdę wymagają dwie albo trzy sąsiednie role.

Co mały pracodawca może zrobić najpierw

Wyobraź sobie organizację usługową liczącą około 70 osób, która wprowadza przetwarzanie dokumentów wspierane przez AI. Sześć osób koordynujących sprawdza zgłoszenia, poprawia rejestry, rozmawia z klientami i eskaluje nietypowe sprawy. Jeśli czas przetwarzania spada, kierownictwo może zmniejszyć obsadę, przyjąć większy popyt, skrócić czas realizacji albo przekwalifikować koordynację do kontroli jakości i wsparcia klienta. Lepszy wybór zależy od obciążenia, stopy błędów, pieniędzy i tego, czego chcą pracownicy. Ta scena jest ilustracją. To nie jest zbadana firma.

Zmierz zadania, zanim ogłosisz cel etatowy. Przez cztery do sześciu tygodni zapisuj wolumeny, stopy wyjątków, poprawki, czas eskalacji i wyniki dla klienta. Oddziel czas, który naprawdę zniknął, od pracy, która przeszła do innego zespołu. Szybsze przygotowanie dokumentu to nie to samo co szybsze zamknięcie sprawy.

Potem zbuduj mapę przejścia dla każdej dotkniętej roli. Wypisz pokazane kompetencje: walidacja danych, znajomość procesu, komunikacja z klientem, osąd regulacyjny. Porównaj je z zadaniami i dowodami, których wymagają dwie albo trzy realistyczne role docelowe. Rola kontroli jakości może wymagać próbkowania i notatek z audytu. Rola kliencka może wymagać negocjacji i doświadczenia konta. Zapisz luki. Nie nazywaj każdej luki „kompetencjami AI”.

Zaoferuj płatną praktykę na prawdziwej pracy, z nadzorem dopasowanym do ryzyka. Krótki warsztat promptów może podnieść pewność siebie. Nie pokazuje, że ktoś umie sprawdzić zapis wytworzony przez AI według siatki jakości, opisać powtarzający się błąd albo obsłużyć symulowany wyjątek klienta. Te wyniki to portfolio. Świadectwo obecności nim nie jest.

Patrz, czy nowa rola się utrzymuje. Śledź wewnętrzne umieszczenie, zatrzymanie po sześciu i dwunastu miesiącach, zmiany płacy, to, czy ruch był wyborem, i wyniki jakości. Przeniesienie kogoś na nowy tytuł na kilka tygodni nie jest dokończonym przejściem. Jeśli przesunięcie jest niemożliwe, pomoc w szukaniu pracy i czas na szkolenie nadal są realnym wsparciem. Powiedz jasno, czego pracodawca nie może obiecać.

Jeśli organizacja jest w UE i używa systemu AI, by wybrać, kto odchodzi, albo by filtrować, kto zostaje wybrany do pozostałej roli, ten cel może podpadać pod załącznik III, punkt 4, aktu w sprawie AI. Punkt 4(a) obejmuje rekrutację i selekcję, w tym filtrowanie aplikacji i ocenę kandydatów. Punkt 4(b) obejmuje decyzje wpływające na warunki stosunku pracy, w tym awans albo zakończenie, oraz monitorowanie wyników. Service desk Komisji podaje, że zasady wysokiego ryzyka z załącznika III stosują się od 2 grudnia 2027.⁷⁸ Ta data nie jest poradą prawną, a mapa kompetencji sama nie jest tym systemem. To powód, by zachować ludzki zapis tego, co ludzie umieją, zanim narzędzie ich uszereguje.

Kurs nie wymyśla popytu

Organizacje społeczne, urzędy pracy i lokalni organizatorzy szkoleń mogą zrobić to, czego pojedyncza mała firma często nie może: zebrać pracodawców wokół wspólnego przejścia, sprawdzić krótkie pokazy kompetencji i połączyć ludzi z nadzorowanymi projektami. To ma znaczenie zwłaszcza dla osób, które nie mogą sfinansować miesięcy niepłatnego przekwalifikowania ani zmienić rynku pracy.

Dobrze ułożony kurs nadal nie wytworzy popytu na zawód, który się kurczy. Publikuj wskaźniki zatrudnienia, płace i prace, które absolwenci naprawdę dostają. Oceniaj kurs po tych wynikach, nie po liczbie modułów AI w katalogu.

Jak hilighter może pomóc

Decyzja, którą to badanie wspiera, jest węższa niż pytanie, czy AI stworzy więcej miejsc, niż zniszczy. Które zadania zmieniają się tutaj, kto niesie ryzyko, jaka sąsiednia praca istnieje i co uczyniłoby tych pracowników wiarygodnymi kandydatami?

hilighter pomaga zespołowi mapować kompetencje według roli, porównywać ludzi z tymi wymaganiami w analizie kompetencji i talentów, zachować dowód umiejętności w uznawaniu osiągnięć i ustawić indywidualne ścieżki rozwoju. Widok wpływu AI na zawody jest wskazujący. To nie wynik Mei i nie przewidywanie, że rola zniknie. Plan bezpłatny obejmuje do trzech ról, z nieograniczoną liczbą pracowników.

Źródła

1. Fortune, Nick Lichtenberg, Goldman says AI layoffs are starting to look long-lasting, 30 października 2026. Relacja z noty dla klientów Goldman Sachs Pierfrancesco Mei. Sama nota nie jest publiczna.
2. Axios, Courtenay Brown, AI job displacement is looking extra painful, 3 listopada 2026.
3. Goldman Sachs Research, How Automation Impacts the Lives and Careers of Displaced Workers, 11 września 2026. Historyczna automatyzacja, w tym porównanie przekwalifikowania. Czytane 9 listopada 2026.
4. U.S. Bureau of Labor Statistics, The Employment Situation, October 2026, komunikat USDL-26-1632, 6 listopada 2026. Zatrudnienie wzrosło o 165 000; stopa bezrobocia zmieniła się niewiele i wyniosła 4,1%.
5. Goldman Sachs Research, The Jobs AI Is Likely to Boost, and Those It May Disrupt, 24 kwietnia 2026. Szacunek netto i liczba wzmacniania. Czytane 9 listopada 2026. Oficjalny tytuł używa pauzy; to cytowanie jej nie powtarza.
6. Fortune, Nick Lichtenberg, AI is cutting 16,000 U.S. jobs a month, Goldman Sachs says, 6 kwietnia 2026. Liczba substytucji około 25 000 jest w tej relacji z noty Elsie Peng.
7. Komisja Europejska, AI Act Service Desk, załącznik III, punkt 4. Czytane 9 listopada 2026.
8. Komisja Europejska, AI Act Service Desk, When does enforcement start?. Zasady wysokiego ryzyka z załącznika III stosują się od 2 grudnia 2027. Czytane 9 listopada 2026.

Źródła sprawdzone 9 listopada 2026. Czasy z października to relacje prasowe z noty dla klientów, nie publiczne wydanie mikrodanych. Kwietniowe liczby zatrudnienia pochodzą z modelu. Organizacja licząca 70 osób jest ilustracyjna. To nie jest porada prawna. Tłumaczenie wspomagane przez AI: potrzebna jest weryfikacja native speakera.