(@Getty Images)
Kluczowe dla przyszłej wartości ludzkiej pracy okaże się to, czy decydenci i giganci technologiczni wybiorą drogę augmentacji – uzupełniania ludzkich zdolności – czy też utrwalą obecny trend automatyzacji, prowadzący do głębszych nierówności ekonomicznych.
Historia jako przestroga
Współczesne debaty na temat zagrożeń, jakie sztuczna inteligencja (artificial intelligence, AI) niesie dla rynku pracy, często przybierają ponury ton, jednak historyczna analiza zjawiska bezrobocia technologicznego sięga głęboko w przeszłość. Fenomen ten prawdopodobnie istniał od wynalezienia koła. Już Arystoteles w swoim dziele „Polityka” spekulował, że gdyby maszyny mogły stać się wystarczająco zaawansowane, ludzka praca przestałaby być potrzebna. Choć fale zmian technologicznych zawsze powodowały krótkoterminowe wstrząsy i redukcje zatrudnienia w poszczególnych sektorach, w długim okresie prowadziły do bilansowania rynku, napędzając postęp gospodarczy oraz zwiększając zarówno liczbę, jak i jakość dostępnych miejsc pracy.
Jak wskazuje ekonomista Carl Benedikt Frey, autor książki „How Progress Ends: Technology, Innovation, and the Fate of Nations”, postęp rzadko bywa jednak liniowy i bezbolesny. W swojej wcześniejszej pracy „The Technology Trap: Capital, Labor, and Power in the Age of Automation”, Frey szczegółowo analizował Pierwszą Rewolucję Przemysłową. Okres ten, charakteryzujący się wprowadzeniem mechanicznego krosna i maszyny parowej, był dla większości pracowników okresem bolesnym i długotrwałym. Pomimo gwałtownego wzrostu produktywności, płace realne dla większości robotników uległy stagnacji, rosły też nierówności ekonomiczne, co skutkowało masowymi protestami, takimi jak ruch luddystów. Frey podkreśla, że technologia z tego okresu była głównie zastępująca (replacing), skupiona na automatyzacji istniejących zadań i eliminowaniu wykwalifikowanych rzemieślników. Dopiero dziesięciolecia później, w dobie Drugiej Rewolucji Przemysłowej, elektryfikacja i masowa produkcja zaczęły być technologiami „dającymi możliwości” (enabling), które tworzyły całkowicie nowe sektory i komplementarne zawody, prowadząc do powszechnego wzrostu dobrobytu.
Frey postrzega obecną rewolucję AI jako bliższą analogię do Pierwszej Rewolucji Przemysłowej. Jego zdaniem, wiele współczesnych zastosowań sztucznej inteligencji (pisanie, programowanie, generowanie obrazów) koncentruje się na automatyzacji zadań, które ludzie już wykonują, a nie na tworzeniu nowych, komplementarnych procesów. Jeśli ten model technologii zastępującej stanie się dominujący, to społeczeństwa może czekać powtórzenie bolesnego okresu, w którym mikroekonomiczne oszczędności czasu i wydajności nie przekładają się natychmiast na makroekonomiczny wzrost płac dla większości. Już po Rewolucji Komputerowej, która miała miejsce w latach 80. i 90. XX w., analitycy rynku pracy odnotowali szybki wzrost nierówności płacowych, co zrodziło koncepcję Skill-Biased Technical Change (SBTC). Wzrost nierówności był wówczas interpretowany jako efekt zmian technologicznych, które sprzyjały pracownikom posiadającym wyższe kwalifikacje, stanowiąc preludium dla jeszcze głębszej polaryzacji, jaką może przynieść AI.
Nowa ekonomia kognitywna
GenAI, oparta na dużych modelach językowych (large language models, LLM), stanowi unikalne wyzwanie, ponieważ celuje w zadania tradycyjnie zarezerwowane dla zawodów o wysokich kwalifikacjach. W przeciwieństwie do robotyki przemysłowej, która automatyzowała prace manualne, czy wczesnej informatyzacji, która zastąpiła proste prace biurowe, obecna fala technologii koncentruje swoje możliwości na zadaniach poznawczych i przetwarzaniu informacji.
Badania wskazują, że ekspozycja na automatyzację AI jest silnie skoncentrowana w zawodach wymagających wysokich umiejętności i wykształcenia, takich jak analitycy, specjaliści finansowi i stanowiska w usługach profesjonalnych (np. adwokaci). Szacuje się, że około 42 proc. obecnych miejsc pracy jest potencjalnie narażonych na automatyzację, a co istotniejsze, około 40 proc. bieżącego dochodu z pracy (a tym samym PKB) jest powiązane z zadaniami, które mogą zostać w znacznym stopniu zmienione lub zautomatyzowane. Z kolei zawody na dole drabiny płacowej, często wymagające pracy manualnej lub usług osobistych, są najmniej narażone na bezpośrednią automatyzację przez GenAI.
Pomimo obaw o natychmiastową destrukcję zatrudnienia, wstępne dowody empiryczne sugerują, że makroekonomiczny wpływ AI na rynek pracy dopiero zaczyna się materializować. Badania ankietowe przeprowadzone pod koniec 2024 r. wykazały, że użytkownicy GenAI oszczędzają średnio 5,4 proc. godzin pracy tygodniowo. Jest to wymierny, mikroekonomiczny zysk na poziomie pojedynczego pracownika lub firmy, który może przełożyć się na wzrost produktywności.
Aby jednak te mikro-efekty przekształciły się w trwały wzrost produktywności (mierzonej wskaźnikiem TFP), konieczna jest reorganizacja procesów pracy na skalę całej gospodarki. Prognozy ekonomiczne wskazują, że chociaż AI doprowadzi do trwałego wzrostu poziomu aktywności gospodarczej (o 1,5 proc. do 2035 r. i 3,7 proc. do 2075 r.), największy roczny wkład we wzrost TFP ma nastąpić dopiero w 2032 r. Taka długoterminowa perspektywa, z odłożonym w czasie szczytem wzrostu produktywności, przypomina argumenty Freya dotyczące Drugiej Rewolucji Przemysłowej – upłynęły bowiem dziesiątki lat, zanim przedsiębiorstwa nauczyły się optymalnie integrować silnik elektryczny z procesami produkcyjnymi i łańcuchami dostaw.
Opóźnienie makroekonomicznych zysków z zastosowania GenAI oznacza, że wyzwaniem nie jest tylko sama technologia, ale zdolność organizacji – przedsiębiorstw i instytucji – do adaptacji i wykorzystania GenAI w sposób wzmacniający ludzką pracę (augmentacja), a nie tylko ją zastępujący.
Mechanizmy automatyzacji i augmentacji
Klucz do zrozumienia wpływu GenAI na wartość pracy tkwi w rozróżnieniu jej podwójnej roli: substytutu i uzupełnienia. Każda nowa technologia oddziałuje na krańcowy produkt pracy (marginal product of labor, MPL). AI może obniżać MPL i popyt na pracę w przypadku zadań rutynowych i podatnych na automatyzację, jednocześnie podnosząc MPL i popyt na pracowników, którzy potrafią efektywnie korzystać z tych narzędzi (augmentacja).
Najnowsze badania empiryczne potwierdzają te zależności. Analiza wpływu rozwoju AI w latach 2015–2022 wykazała, że automatyzacja (technologie zastępujące pracę) negatywnie wpływa na powstawanie nowych miejsc pracy, zatrudnienie i płace w zawodach nisko wykwalifikowanych. Z kolei augmentacja (technologie zwiększające wydajność pracowników) sprzyja powstawaniu nowych miejsc pracy i podnosi płace w zawodach wysoko wykwalifikowanych. Mechanizm ten jest silnym czynnikiem napędzającym wzrost nierówności płacowych. Nawet w przypadku zawodów, które wydają się najbardziej narażone, takich jak usługi profesjonalne, efektem może być polaryzacja: spadek popytu na pracowników wykonujących rutynowe czynności administracyjne i gwałtowny wzrost popytu na specjalistów z unikalnymi umiejętnościami analitycznymi i etycznymi.
Na stanowiskach pracy, które bezpośrednio wchodzą w interakcję z AI (np. specjaliści uczenia maszynowego), wzrasta zapotrzebowanie na umiejętności komplementarne, takie jak etyka algorytmiczna, umiejętność łagodzenia stronniczości i cyfrowa adaptacja. W miarę jak systemy AI stają się bardziej złożone, kluczowa pozostaje potrzeba ludzkiej ekspertyzy w celu weryfikacji danych, oceny wyników i utrzymywania kontroli nad systemem. Wskazuje to, że wartość pracy przesuwa się w stronę nadzoru i złożonego rozumowania kontekstowego.
Raporty instytucji międzynarodowych, takich jak Światowe Forum Ekonomiczne (WEF), dostarczają najnowszych prognoz dotyczących strukturalnej transformacji rynku pracy. Według raportu „Future of Jobs Report 2025”, globalne trendy makroekonomiczne, w tym AI i transformacja ekologiczna, doprowadzą do likwidacji około 92 mln miejsc pracy na świecie do 2030 r., przy jednoczesnym utworzeniu 170 mln nowych. W rezultacie przewiduje się wzrost zatrudnienia netto o 78 mln miejsc pracy.
Choć bilans zatrudnienia netto wydaje się pozytywny, ukrywa on strukturalne niedopasowanie umiejętności. Wzrost ten nie jest równomierny: największy popyt na pracowników dotyczy m.in. specjalistów od Big Data, specjalistów ds. AI, ale także pracowników rolnych (wspieranych zieloną transformacją) oraz pracowników logistyki. Najbardziej zagrożone są przy tym stanowiska administracyjne i front office (np. kasjerzy bankowi). Generalnie pracodawcy oczekują, że w ciągu najbliższych pięciu lat (2025–2030) aż 39 proc. podstawowych umiejętności ich pracowników ulegnie transformacji lub dezaktualizacji.
Oznacza to, że prawdziwym kryzysem nie jest masowe bezrobocie, ale brak dopasowania umiejętności: pracownik zlikwidowanego stanowiska administracyjnego nie posiada od razu umiejętności, które są wymagane na szybko rosnących stanowiskach technologicznych. Wyzwaniem dla polityki ekonomicznej jest zapewnienie odpowiednich programów przekwalifikowania i doskonalenia zawodowego, aby przepływ strukturalny pracowników mógł nastąpić efektywnie.
Pułapka technologiczna Freya
W swojej najnowszej książce, „How Progress Ends”, Frey analizuje, dlaczego niektóre cywilizacje przyspieszają postęp, podczas gdy inne ulegają stagnacji. Przedstawiona przez niego główna teza podważa deterministyczny pogląd na innowacje, wskazując, że postęp technologiczny nie jest nieunikniony, lecz zależy od dynamicznej równowagi instytucjonalnej. Klucz do długoterminowego wzrostu gospodarczego tkwi w znalezieniu „złotego środka” między decentralizacją (która sprzyja eksploracji nowych idei i innowacji) a biurokracją/centralizacją (niezbędną do efektywnego skalowania tych technologii na całą gospodarkę). Stagnacja następuje, gdy instytucje nie adaptują się do zmian technologicznych.
Wpływ sztucznej inteligencji na wzrost gospodarczy i zatrudnienie
W kontekście AI, instytucjonalne zaniechanie ma bezpośredni wpływ na kierunek rozwoju technologii. Obserwuje się rosnącą koncentrację kapitału i innowacji w rękach kilku gigantów technologicznych. Globalne dostawy zaawansowanych procesorów graficznych (GPU) są zdominowane przez jedną firmę, a komercyjny rynek dużych modeli językowych (LLM) jest kontrolowany przez przedsiębiorstwa, takie jak Microsoft i OpenAI.
Frey argumentuje, że taka koncentracja władzy w branżach korzystających ze sztucznej inteligencji jest niebezpieczna. W środowisku oligopolistycznym, w którym dominujące firmy dążą do utrzymania i umocnienia swojej przewagi, kierunek postępu technologicznego jest wypychany silniej w stronę automatyzacji (redukcji kosztów pracy) niż w stronę innowacji produktowej (tworzenia nowych, ryzykownych rynków). Automatyzacja istniejących procesów jest często łatwiejsza i bardziej przewidywalna niż stworzenie nowej, nieistniejącej wcześniej wartości rynkowej.
Jeżeli instytucje administracyjne – poprzez politykę antymonopolową i regulacje – nie utrzymają otwartego i konkurencyjnego rynku, postęp będzie sterowany przez wąskie interesy dominujących graczy. Ta „pułapka technologiczna” automatyzacji zwiększa ryzyko, że społeczeństwa doświadczą paradoksu, przed którym ostrzega Daron Acemoğlu: wzrost PKB może następować, podczas gdy ogólny dobrobyt społeczny i położenie większości pracowników ulegają pogorszeniu. Korzyści ekonomiczne trafiają głównie do właścicieli kapitału i twórców technologii, a nie do pracowników.
Nierównomierny podział korzyści ekonomicznych stwarza również poważne zagrożenia pozaekonomiczne. Skupienie władzy i majątku, w połączeniu z nowymi wyzwaniami AI w sferze publicznej (np. masowa dezinformacja), może podważyć zaufanie do istniejących systemów demokratycznych i erodować podstawowe filary zarządzania gospodarkami.
Redefinicja umiejętności i strategiczne kształtowanie AI
Przełamanie historycznych wzorców nierówności i uniknięcie pułapki technologicznej wymagają skoordynowanych działań w obszarze edukacji, badań i rozwoju oraz polityki społecznej.
Żaden element postępu technologicznego nie jest ważniejszy niż zdolność pracowników do adaptacji do nowych narzędzi. Ze względu na to, że pracodawcy na świecie spodziewają się, że w ciągu najbliższych pięciu lat (2025–2030) niemal 40 proc. podstawowego zestawu umiejętności pracowników ulegnie dezaktualizacji lub transformacji, inwestycje w kapitał ludzki stają się kluczowym zadaniem gospodarczym. Najnowszy raport WEF z 2025 r. wskazuje, że chociaż techniczne kompetencje związane ze sztuczną inteligencją i Big Data są najszybciej rozwijającą się grupą umiejętności, to lista najważniejszych kompetencji podstawowych jest zdominowana przez te, które są inherentnie ludzkie i trudne do zautomatyzowania: na czele pozostają myślenie analityczne i kreatywne, a tuż za nimi plasują się odporność, elastyczność i zwinność (w kontekście umiejętności poznawczych).
Coraz częściej wskazuje się, że systemy edukacyjne muszą przesunąć akcent z gromadzenia wiedzy na rzecz rozwijania umiejętności miękkich i poznawczych, które są słabo naśladowane przez obecne narzędzia AI. Tylko pracownicy wyposażeni w te komplementarne umiejętności będą w stanie wykorzystać sztuczną inteligencję jako narzędzie wzmacniające, a nie zastępujące ich pracę.
Zasadnicza zmiana musi nastąpić w kierunku, w jakim są rozwijane innowacje AI. Daron Acemoğlu argumentuje, że ogromne zyski z GenAI pozostaną nieuchwytne, dopóki przemysł technologiczny nie zrezygnuje z obecnej strategii działania, która nadaje priorytet automatyzacji. Zamiast tworzyć ogólne narzędzia konwersacyjne (tj. np. ChatGPT), których głównym celem jest naśladowanie i zastępowanie ludzkiej pracy, konieczne jest przekierowanie wysiłków badawczo-rozwojowych na dostarczanie niezawodnych, kontekstowo zależnych systemów informacyjnych, realnie podnoszących krańcową produktywność szerokiego spektrum pracowników, zwłaszcza w sektorach usługowych. Przykładem są narzędzia, które pomagają pielęgniarce w podejmowaniu decyzji, hydraulikowi w diagnozowaniu złożonej awarii czy elektrykowi w rozwiązywaniu problemów sieciowych w czasie rzeczywistym. Takie technologie wzmacniające są kluczem do osiągnięcia powszechnego wzrostu dobrobytu, w przeciwieństwie do dominującej obecnie automatyzacji.
W dyskusji na temat łagodzenia nierówności często pojawia się koncepcja Universal Basic Income (UBI), czyli powszechnego dochodu podstawowego. Eksperci ostrzegają jednak przed postrzeganiem UBI jako panaceum. Argumentuje się, że powiązanie UBI z obawami przed AI może uczynić tę politykę podatną na krytykę i, co gorsza, UBI może posłużyć jedynie do legitymizacji oraz utrwalenia nierówności, tworząc system zależności od „elity AI”, która kontroluje kapitał i technologię. Bardziej efektywne podejście, wspierane przez ekonomistów, koncentruje się na wzmacnianiu istniejących sieci bezpieczeństwa socjalnego, progresywnym opodatkowaniu kapitału, zwiększonych wydatkach na opiekę zdrowotną i, potencjalnie, na skróceniu czasu pracy, które byłoby postrzegane jako wzrost czasu wolnego, a nie utrata zatrudnienia.
Na poziomie regulacyjnym obserwuje się globalne próby zarządzania ryzykiem związanym z AI. Przykładem są ramy prawne w Unii Europejskiej („EU AI Act”), Stanach Zjednoczonych („Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence”) czy Chinach („Interim Measures for Generative Artificial Intelligence Services”), które koncentrują się na zapewnieniu bezpieczeństwa systemów, określeniu odpowiedzialności za ich działanie oraz przestrzeganiu standardów etycznych. To zarządzanie ryzykiem, choć konieczne, musi być jednak uzupełnione przez politykę konkurencji, która promuje decentralizację oraz zapobiega kumulowaniu się innowacji i danych w rękach nielicznych graczy rynkowych.
Kluczowy spór w nadchodzącej dekadzie nie będzie dotyczył technicznych możliwości AI, lecz instytucjonalnej woli do zarządzania tymi możliwościami. Jeżeli globalna gospodarka ulegnie „pułapce technologicznej” Freya, pozwalając na dalszą koncentrację innowacji w rękach nielicznych i preferując ścieżkę automatyzacji zamiast augmentacji, zyski z postępu staną się wysoce skoncentrowane, a nierówności ekonomiczne pogłębią się, stwarzając ryzyko stagnacji społecznej, nawet przy rosnącym PKB.
Poprzez strategiczne ukierunkowanie polityki gospodarczej – w tym regulacje sprzyjające konkurencji w sektorze sztucznej inteligencji, inwestycje w umiejętności kognitywne i elastyczność pracowników, oraz reorientację badań AI (często sponsorowanych przez sektor Big Tech) na rzecz wzmacniania produktywności pracowników – społeczeństwa mogą zapewnić, że rewolucja sztucznej inteligencji doprowadzi do powszechnego i trwałego dobrobytu.
Autorka wyraża własne opinie, a nie oficjalne stanowisko NBP.
Polska chce zablokować umowę o wolnym handlu z krajami Ameryki Południowej. Powodem są głównie obawy rolników o konkurencyjność ich produktów. W jaki sposób realizacja umowy z Mercosur może wpłynąć na unijne rolnictwo i jakie mogą być też jej inne skutki?
