Mesterséges intelligencia és a munkahelyek - mit vesz el és mit nem

Egy évtizeden át mindig ugyanaz volt a figyelmeztetés: a robotok a kamionsofőrökért, a futószalag melletti dolgozókért és a pénztárosokért jönnek. Aztán megérkezett 2022 vége, megjelent a ChatGPT, és a talaj először a szövegírók, az illusztrátorok és a kezdő programozók alatt mozdult meg. Pont azok alatt a szakmák alatt, amelyekről a tudományos fantasztikum azt ígérte, hogy a legtovább maradnak biztonságban.

Ez a fordulat önmagában tanulságos. Megmutatja, mennyire megbízhatatlanok az arról szóló jóslatok, mit fog „elvenni” a technológia, és sejteti, miért szinte mindig rossz kérdés az, hogy „elveszi-e az MI a munkámat?”.

Mit mondanak tehát valójában a számok? A 2013-as híres oxfordi tanulmánytól a 2025-ös bérszámfejtési adatokig a kép többször is megfordult. És az, ahogyan megfordult, meglepően gyakorlatias tanácsokra mutat a saját karriereddel kapcsolatban.

A jóslatok, amik soha nem váltak be

Carl Benedikt Frey és Michael Osborne oxfordi közgazdászok 2013-ban olyan tanulmányt publikáltak, ami bejárta a világot. A következtetésük: az amerikai munkahelyek nagyjából 47%-a „magas kockázatú” az automatizálás szempontjából a következő tíz-húsz évben. A szám megjelent a főcímekben, politikai beszédekben, és nem egy esszében a munka végéről.

A módszertanon repedések látszottak. A szerzők több mint 700 foglalkozásból mindössze 70-et címkéztek fel kézzel automatizálhatóként vagy nem automatizálhatóként, majd erre a kis mintára tanítottak egy modellt, ami kitöltötte a többit. A sminkesek, az iskolabusz-sofőrök és a fodrászok mind veszélyeztetett jelölést kaptak.

A mélyebb probléma fogalmi volt. Frey és Osborne egész foglalkozásokban gondolkodott, nem azokban a részekben, amelyekből felépülnek. Márpedig kiderült, hogy a részek óriási mértékben számítanak.

Három évvel később Melanie Arntz, Terry Gregory és Ulrich Zierahn más utat választott az OECD számára. Egész szakmák helyett a bennük lévő egyes feladatokat vizsgálták. Az eredmény 21 OECD-országban: átlagosan csak nagyjából a munkahelyek 9%-a volt erősen automatizálható (Arntz, Gregory és Zierahn, 2016). A 47% és a 9% közti szakadék nem számtani hiba. Ez a különbség aközött, hogy „eltűnik-e ez a szakma”, és aközött, hogy „hány feladatát tudja elvégezni egy gép”.

A szakemberek is szkeptikusak voltak. Amikor egy felmérés MI- és robotikakutatókat kért meg a kitettség megbecslésére, nagyjából egyötöddel kevesebb veszélyeztetett munkahelyet tippeltek, mint a területen kívüliek. Az apokaliptikus számok iránti lelkesedés mindig ott volt a legnagyobb, ahol senki nem látta közelről a technológiát.

És mi történt valójában? A munka tömeges eltűnése soha nem következett be. Az ITIF agytröszt elemzői 2022-ben szárazon jegyezték meg, hogy a munkahelyek 47%-ának megjósolt elvesztése nem valósult meg; az amerikai munkanélküliség épp történelmi mélyponton állt. Az automatizálás átalakította a munkát, nem törölte.

A fordulat, amire senki nem számított

Sokáig tartotta magát egy íratlan szabály: a gépek a kéz munkáját veszik el, nem a fejét. A kétkezi és a rutinfeladatok automatizálhatók, a kreatív és az elemző munka biztonságban van. A generatív MI ezt a szabályt majdnem a feje tetejére állította.

Tyna Eloundou és munkatársai 2023-ban (egy találóan „GPTs are GPTs” című tanulmányban) azt becsülték, hogy az amerikai dolgozók nagyjából 80%-ánál a nyelvi modellek a munkafeladatok legalább 10%-át érinthetik. A dolgozók körülbelül 19%-ánál a feladatok több mint fele érintett. A feltűnő megállapítás viszont máshol volt: a leginkább kitett munkák a képzett, jól fizetett irodai szerepek voltak, nem a legrosszabbul fizetettek.

Ez a meglepő fordulat. Egy szövegíró, egy elemző, egy kezdő programozó vagy egy tervező olyasmit csinál, amit egy nyelvi modell meglepően jól megtanult kezelni, mert a szöveg és a kód pont az, amin tanult. Egy vízvezeték-szerelő, egy gondozó vagy egy szakács olyasmit csinál, ami egyáltalán nem fér bele szövegbe.

Képzelj el egy grafikust, aki 2022-ben még kis munkákból élt: bannerek, egyszerű illusztrációk, fotóretus. Ennek egy részét ma pár dollárért elvégzi egy képgenerátor. Közben az a villanyszerelő, akit akkor hívsz, amikor a házban leáll a konnektorok fele, jó esetben egy hétre előre be van táblázva. Tíz éve a legtöbben az ellenkezőjére fogadtak volna.

A feladat nem ugyanaz, mint a munkakör

Szinte minden munkakör különböző feladatok csomagja. Egy könyvelő nem csak számokat visz be; el is magyarázza az ügyfélnek, miért annyi lett az adó, kezeli a kivételeket, és kiáll az aláírása mellett. Az MI az első részt le tudja faragni, a többivel megküzd. Ezért beszélnek a komoly becslések ma már inkább átalakulásról, mint kihalásról.

A Nemzetközi Munkaügyi Szervezet 2025-re frissített indexében arról számol be, hogy világszerte nagyjából minden negyedik dolgozó olyan munkakörben van, amit valamilyen mértékben érint a generatív MI, ugyanakkor csak körülbelül a foglalkoztatás 3,3%-a esik a legmagasabb kategóriába. Egy részlet kiugrik: a nőknél ez az érték 4,7%, a férfiaknál 2,4%. Az ügyviteli és adminisztratív munka, amit továbbra is aránytalanul nők végeznek, kitettebb.

Íme egy kérdés, amivel érdemes leülni. Abból, amit egy nap alatt csinálsz, mennyi valójában szöveg, táblázat vagy kód, amit le lehetne diktálni egy gépnek? És mennyi az ítélőképesség, a bizalom, és az, hogy jelen vagy valakinek, akinek szüksége van rád? Ez az arány többet mond a jövődről, mint a névjegykártyádra nyomtatott titulus.

A munkaerőpiac egésze sem szűkül az MI miatt. A Világgazdasági Fórum a Future of Jobs 2025 jelentésében azt becsüli, hogy 2030-ra körülbelül 170 millió új szerep jelenik meg, és 92 millió tűnik el, ami nagyjából 78 millió munkahely nettó nyereséget jelent. Hozzáteszi, hogy a munkáltatók által keresett készségek közel 40%-a öt éven belül átalakul. A munka nem tűnik el. Elmozdul.

Hol ütközik még falba az MI

A robotikából származik egy régi megfigyelés, ami ma szinte próféciának hat. Hans Moravec az 1980-as években észrevett egy paradoxont: egy számítógépet megtanítani logikára, matematikára vagy sakkra viszonylag könnyű, de megadni neki egy egyéves gyerek érzékelési és mozgáskészségét ördögien nehéz.

Ken Goldberg robotikakutató ezt a „100 000 éves szakadéknak” nevezte. Egy nyelvi modell néhány terabájtnyi szövegből tanul, és felnőttként ír. Egyetlen robot sem közelíti meg azt az adatmennyiséget a fizikai világról, amit egy ember hároméves koráig összegyűjt, amikor egy kisgyerek már ki tudja kerülni a szétszórt játékokat anélkül, hogy megbotlana a küszöbben.

Ebből elég világos ellenállóképességi térkép következik. A legjobb helyzetben azok a munkák vannak, amelyek a kiszámíthatatlan környezetben végzett fizikai ügyességet kombinálják a közvetlen emberi kapcsolattal. Az alábbi táblázat egyszerűsít, a valóság persze kuszább.

Mindebből nem következik, hogy az MI érintetlenül hagyja ezeket a munkákat. Egy ápoló használhatja a dokumentáció legépeléséhez, egy szakember a munkák beosztásához. A munka magja viszont a modell hatókörén kívül marad: a jelenlét a beteg ágya mellett, vagy az a kéz, ami megjavítja a kirepedt csövet egy szűk aknában.

Az első figyelmeztető jelek

Hogy ez több elméletnél, azt az első kemény adatok mutatják. Erik Brynjolfsson, Bharat Chandar és Ruyu Chen stanfordi közgazdászok (2025) amerikaiak millióinak bérszámfejtési adatait fésülték át, amelyeket az ADP bocsátott rendelkezésre. A legfiatalabb, 22 és 25 év közötti dolgozóknál a leginkább kitett foglalkozásokban a foglalkoztatás nagyjából 13%-kal esett 2022 vége után. Az ugyanezekben a foglalkozásokban dolgozó idősebbeknél stabil maradt vagy tovább emelkedett.

Ennek a mintázatnak van értelme. Egy junior gyakran pont azt csinálja, amit az MI először elvesz: kutatómunkát, első verziókat, egyszerű kódot. Egy tapasztaltabb ember hozzáteszi az ítélőképességet és a felelősséget, amit nehezebb automatizálni. A szerzők azt is megjegyzik, hogy a visszaesés főleg ott jelenik meg, ahol az MI helyettesíti a munkát, nem ott, ahol kiegészíti.

A szabadúszó platformok hasonló történetet mesélnek. A ChatGPT megjelenése után az elemzések észrevehető visszaesést találtak az automatizálható írás és programozás iránti keresletben, míg a kétkezi és fizikai munkák iránti kereslet kitartott. Ez nem általános apokalipszis. Ez a peremeken kezdődő vándorlás, a legsérülékenyebb feladatok és a legkevesebb tapasztalattal rendelkezők között.

Az újabb számok ugyanerre mutatnak, csak árnyalják a képet. Az Anthropic Economic Index (2026. márciusi jelentés) azt követte, hogyan használják a rendszerét a gazdaságban, és azt találta, hogy az együttműködés még mindig megelőzi a teljes automatizálást, nagyjából 55% a 42% ellenében. A bökkenő: a modell hajlamos elnyelni egy szerep magasabb képzettséget igénylő, elemzőbb szeleteit, hátrahagyva az alacsonyabb képzettségű maradékot, és csendben leértékeli a munkakört. A feladatok elnyelése nem ugyanaz, mint az emberek elnyelése.

Mindezek mögött növekvő használat áll. Az amerikai adatok szerint 2024 végére a munkavállalók körülbelül 30%-a használt nyelvi modelleket a munkájában, egy évvel később pedig már inkább 38%. A generatív MI-vel töltött munkaidő aránya csak szerényen nőtt, nagyjából 4%-ról alig 6% alá. Másképp fogalmazva: az eszköz gyorsan terjed, de a legtöbben még mindig egy feladat egy szeletén használják segítőként, nem egy egész munkanap helyettesítőjeként. Pontosan ez a különbség a kiegészítés és a helyettesítés között.

Mit jelent ez a saját karrieredre nézve

A gyakorlati tanulság kényelmetlen, és a maga módján felszabadító: hagyd abba a munkakörökben való gondolkodást, és kezdj készségekben és feladatokban gondolkodni. A „szövegíró vagyok” törékeny állítás. Az, hogy „gyorsan meg tudom érteni egy idegen üzletét, és világosan el tudom magyarázni másoknak”, sokkal ellenállóbb, bármilyen szakmában is csinálod éppen.

A második pont a kiegészítő jelleg. A legbiztonságosabb hely nem az MI-től messze van, hanem közvetlenül mellette. Azok, akik jól tudják eligazítani a modellt, ellenőrizni a kimenetét, és felelősséget vállalni érte, keresettebbek lesznek, mint azok, akik figyelmen kívül hagyják, és azok is, akik vakon megbíznak benne. Ezért sorolja a Világgazdasági Fórum az MI-vel való munkát és az elemző gondolkodást a leggyorsabban növekvő készségek közé.

Mit kezdj hát ezzel? Néhány kiindulópont:

• Bontsd fel a saját munkádat feladatokra, és jelöld be, hány közülük tisztán szöveg, táblázat vagy kód.
• A kitett feladatoknál döntsd el, gyorsabban akarod-e elvégezni őket MI-vel, vagy inkább máshová helyezed a munkád súlypontját.
• Az fizetődik ki a legjobban, ami a gépből hiányzik: az emberekkel való bánásmód, az ítélőképesség zavaros helyzetekben, a fizikai ügyesség.
• Próbálj ki új eszközöket, mielőtt a munkáltatód vagy a piac kényszerít rá.

És ha tényleg fogalmad sincs, ezek közül az ellenállóbb területek közül melyikhez állsz a legközelebb, kezdd magaddal. A RIASEC személyiségteszt hatféle munkakörnyezetet térképez fel, a gyakorlatiastól és műszakitól a szociálisig, és javaslatot tesz arra, hol boldogulnál jól, függetlenül attól, hogy éppen minek hívják abban az évben a pozíciót.

A kérdés végül soha nem az volt, hogy az MI helyettesíti-e az embereket. Az volt, hogy azok, akik tudnak együtt dolgozni az MI-vel, helyettesítik-e azokat, akik nem. Erre pedig mindenki egyedül válaszol, azzal, amit a következő tizenkét hónapban eldönt.