Jakie zawody zastąpi AI? Co naprawdę mówią badania

Przez dekadę ostrzeżenie brzmiało zawsze tak samo: roboty przyjdą po kierowców ciężarówek, ludzi przy taśmie i kasjerki. Potem nadeszła końcówka 2022 roku, pojawił się ChatGPT i grunt zaczął się usuwać najpierw spod copywriterów, ilustratorów i juniorów w programowaniu. Dokładnie tych zawodów, które według science fiction miały trzymać się najdłużej.

Sam ten zwrot sporo mówi. Pokazuje, jak zawodne bywają prognozy dotyczące tego, co technologia "zabierze", i podpowiada, dlaczego pytanie "czy AI zastąpi moją pracę?" jest niemal zawsze źle postawione.

Co więc mówią liczby? Od słynnego oksfordzkiego badania z 2013 roku po dane płacowe z 2025 obraz odwrócił się już kilka razy. A sposób, w jaki się odwracał, prowadzi do zaskakująco praktycznych wniosków dla Twojej własnej kariery.

Przepowiednie, które się nie ziściły

W 2013 roku ekonomiści Carl Benedikt Frey i Michael Osborne z Oksfordu opublikowali badanie, które obiegło świat. Ich wniosek: mniej więcej 47% amerykańskich zawodów znajduje się w grupie "wysokiego ryzyka" automatyzacji w perspektywie dziesięciu, dwudziestu lat. Liczba trafiła na czołówki gazet, do przemówień polityków i do niejednego eseju o końcu pracy.

Metoda miała rysy. Autorzy ręcznie oznaczyli jako podatne na automatyzację zaledwie 70 z ponad 700 zawodów, a potem na tej garstce wytrenowali model, który dopisał całą resztę. W grupie zagrożonych wylądowali wizażyści, kierowcy autobusów szkolnych i fryzjerzy. Wystarczy przez chwilę pomyśleć o tym, co realnie dzieje się przy fotelu u fryzjera, żeby poczuć, że coś tu nie gra.

Głębszy problem był pojęciowy. Frey i Osborne rozumowali w kategoriach całych zawodów, a nie części, z których te zawody są poskładane. A części okazały się kluczowe.

Trzy lata później Melanie Arntz, Terry Gregory i Ulrich Zierahn poszli dla OECD inną drogą. Zamiast całych profesji rozebrali je na pojedyncze zadania. Wynik dla 21 krajów OECD: średnio tylko około 9% miejsc pracy było w wysokim stopniu podatnych na automatyzację (Arntz, Gregory i Zierahn, 2016). Różnica między 47% a 9% to nie pomyłka rachunkowa. To różnica między pytaniem "czy ten zawód zniknie?" a "ile jego zadań udźwignie maszyna?".

Sceptyczni byli też sami specjaliści. W jednym z sondaży eksperci od AI i robotyki oszacowali liczbę zagrożonych zawodów o mniej więcej jedną piątą niżej niż ludzie spoza branży. Entuzjazm dla apokaliptycznych liczb zawsze był największy tam, gdzie nikt nie widział tej technologii z bliska.

A co wydarzyło się naprawdę? Masowe znikanie pracy nie nastąpiło. Analitycy think tanku ITIF odnotowali sucho w 2022 roku, że zapowiadana utrata 47% miejsc pracy nie doszła do skutku, a bezrobocie w USA właśnie siedziało na historycznie niskim poziomie. Automatyzacja przebudowywała pracę, nie kasowała jej.

Zwrot, którego nikt nie obstawiał

Długo obowiązywała niepisana zasada: maszyny zabierają pracę rąk, nie głowy. Zadania manualne i rutynowe da się zautomatyzować, praca twórcza i analityczna jest bezpieczna. Generatywna AI postawiła tę regułę niemal na głowie.

W 2023 roku Tyna Eloundou i współpracownicy (w pracy o trafnym tytule "GPTs are GPTs") oszacowali, że u około 80% amerykańskich pracowników modele językowe mogą dotknąć co najmniej 10% zadań. U mniej więcej 19% w grę wchodziła ponad połowa. Najciekawsze było jednak co innego: najbardziej odsłonięte okazały się wykształcone, dobrze płatne stanowiska biurowe, a nie te najgorzej opłacane.

Tu właśnie następuje przewrotna zamiana miejsc. Copywriter, analityk, junior developer czy projektant robią rzeczy, z którymi model językowy radzi sobie zaskakująco dobrze, bo tekst i kod to dokładnie to, na czym się uczył. Hydraulik, opiekunka i kucharz robią rzeczy, które w tekst w ogóle się nie mieszczą.

Wyobraź sobie grafika, który w 2022 roku wciąż utrzymywał się z drobnicy: bannery, proste ilustracje, retusz zdjęć. Sporą część tego dziś wypluje generator obrazów za kilkanaście złotych. A elektryk, do którego dzwonisz, gdy w połowie mieszkania padają gniazdka, ma wolny termin za tydzień, o ile masz szczęście. Dekadę temu większość ludzi obstawiłaby dokładnie odwrotnie. Nie chodzi przy tym o to, że grafik przestał być komukolwiek potrzebny. Wyparowała najniższa półka jego zleceń, ta, na której początkujący zwykle się uczyli fachu.

Zadanie to nie to samo co zawód

Prawie każdy zawód jest wiązką różnych zadań. Księgowa nie tylko wklepuje liczby; tłumaczy też klientowi, dlaczego podatek wyszedł taki, a nie inny, ogarnia wyjątki od reguły i podpisuje się pod tym własnym nazwiskiem. AI potrafi zdjąć z niej pierwszą część i wykłada się na reszcie. Dlatego poważne szacunki mówią dziś raczej o przekształceniu niż o wymarciu.

W zaktualizowanym indeksie na 2025 rok Międzynarodowa Organizacja Pracy podaje, że mniej więcej co czwarty pracownik na świecie wykonuje zawód w jakimś stopniu wystawiony na generatywną AI, ale do najwyższej kategorii wpada tylko około 3,3% zatrudnienia. Jeden szczegół rzuca się w oczy: u kobiet to 4,7%, u mężczyzn 2,4%. Praca biurowa i administracyjna, wciąż nieproporcjonalnie kobieca, jest bardziej narażona.

Zatrzymaj się na chwilę przy jednym pytaniu. Ile z tego, co robisz w ciągu dnia, to naprawdę tekst, arkusz albo kod, który dałoby się podyktować maszynie? A ile to ocena sytuacji, zaufanie i bycie obok kogoś, kto Cię potrzebuje? Policz to na swoim wczorajszym dniu, nie na opisie stanowiska z ogłoszenia. Ta proporcja mówi o Twojej przyszłości więcej niż tytuł na wizytówce.

Rynek pracy jako całość też się przez AI nie kurczy. W raporcie Future of Jobs 2025 Światowe Forum Ekonomiczne szacuje, że do 2030 roku powstanie około 170 milionów nowych stanowisk, a zniknie 92 miliony, co daje na czysto mniej więcej 78 milionów miejsc pracy na plus. Dodaje przy tym, że blisko 40% kompetencji wymaganych przez pracodawców zmieni się w ciągu pięciu lat. Praca nie znika. Przemieszcza się.

Gdzie AI wciąż uderza w ścianę

Jest w robotyce stara obserwacja, która dziś brzmi niemal jak proroctwo. W latach 80. Hans Moravec zauważył paradoks: nauczyć komputer logiki, matematyki czy szachów jest dość łatwo, ale dać mu zmysły i motorykę rocznego dziecka jest diabelnie trudno.

Robotyk Ken Goldberg nazwał to "luką stu tysięcy lat". Model językowy uczy się z kilku terabajtów tekstu i pisze jak dorosły. Żaden robot nie zbliża się do ilości danych o świecie fizycznym, jaką człowiek zbiera do trzeciego roku życia, kiedy maluch potrafi już obejść rozrzucone klocki i nie zaryć w próg.

Wynika z tego dość czytelna mapa odporności. Najlepiej ustawione są zawody łączące sprawność fizyczną w nieprzewidywalnym otoczeniu z bezpośrednim kontaktem z ludźmi. Tabela poniżej upraszcza, rzeczywistość jest oczywiście bardziej pogmatwana.

Nic z tego nie znaczy, że AI omija te zawody szerokim łukiem. Pielęgniarka może jej użyć do przepisywania dokumentacji, fachowiec do układania grafiku zleceń. Rdzeń pracy zostaje jednak poza zasięgiem modelu: obecność przy łóżku pacjenta albo ręka naprawiająca pękniętą rurę w ciasnym szachcie. Zmienia się obudowa takiej pracy, nie jej środek.

Pierwsze sygnały ostrzegawcze

Że to więcej niż teoria, widać w pierwszych twardych danych. Ekonomiści Erik Brynjolfsson, Bharat Chandar i Ruyu Chen ze Stanfordu (2025) przeczesali dane płacowe milionów Amerykanów udostępnione przez firmę ADP. Wśród najmłodszych pracowników w wieku 22-25 lat, w zawodach najbardziej odsłoniętych, zatrudnienie spadło po końcu 2022 roku o mniej więcej 13%. Wśród starszych osób w tych samych zawodach utrzymało się albo dalej rosło.

Ten wzór ma sens. Junior robi często dokładnie to, po co AI sięga najpierw: research, pierwsze wersje, prosty kod. Ktoś z doświadczeniem dokłada ocenę i odpowiedzialność, a to trudniej zautomatyzować. Autorzy zwracają też uwagę, że spadek widać głównie tam, gdzie AI pracę zastępuje, a nie tam, gdzie ją uzupełnia.

Platformy dla freelancerów opowiadają podobną historię. Po premierze ChatGPT analizy pokazały wyraźny spadek popytu na pisanie i kodowanie nadające się do automatyzacji, podczas gdy zapotrzebowanie na zlecenia manualne i fizyczne trzymało się mocno. To nie jest apokalipsa na całym froncie. To migracja, która zaczyna się na obrzeżach, od najbardziej podatnych zadań i najmniej doświadczonych ludzi. Kto sprzedawał czyste godziny pisania, poczuł to jako pierwszy.

Nowsze liczby wskazują w tę samą stronę, dorzucając niuans. Indeks ekonomiczny firmy Anthropic (raport z marca 2026) prześledził, jak jej model bywa używany w gospodarce, i wyszło, że współpraca wciąż wygrywa z pełną automatyzacją, mniej więcej 55% do 42%. Haczyk tkwi gdzie indziej: model wchłania zwykle te bardziej analityczne, wymagające kawałki roli, zostawiając resztę o niższych wymaganiach i po cichu spłycając zawód. Wchłanianie zadań to jednak co innego niż wchłanianie ludzi.

Za tym wszystkim stoi rosnące użycie. Amerykańskie dane pokazują, że pod koniec 2024 roku z modeli językowych korzystało w pracy około 30% zatrudnionych, a rok później bliżej 38%. Udział czasu pracy spędzanego z generatywną AI urósł tylko nieznacznie, z około 4% do niecałych 6%. Innymi słowy: narzędzie rozchodzi się szybko, ale większość ludzi używa go wciąż jako pomocnika przy wycinku zadania, nie jako zmiennika na cały dzień. I to jest właśnie różnica między wspomaganiem a zastąpieniem.

Co to znaczy dla Twojej kariery

Praktyczna lekcja jest niewygodna i na swój sposób wyzwalająca: przestań myśleć nazwami stanowisk, zacznij myśleć umiejętnościami i zadaniami. "Jestem copywriterem" to kruche zdanie. "Umiem szybko zrozumieć cudzy biznes i jasno wytłumaczyć go innym" broni się znacznie lepiej, w jakiejkolwiek profesji akurat to robisz.

Druga sprawa to komplementarność. Najbezpieczniejsze miejsce nie leży daleko od AI, tylko tuż obok niej. Ludzie, którzy potrafią dobrze zabriefować model, sprawdzić jego wynik i wziąć za niego odpowiedzialność, będą bardziej poszukiwani niż ci, którzy go ignorują, oraz ci, którzy ufają mu bezgranicznie. Dlatego Światowe Forum Ekonomiczne wymienia pracę z AI i myślenie analityczne wśród najszybciej rosnących kompetencji.

Od czego zacząć? Kilka punktów zaczepienia:

• Rozłóż własną pracę na zadania i zaznacz, ile z nich to czysty tekst, arkusz albo kod.
• Przy zadaniach narażonych zdecyduj, czy chcesz je robić szybciej z AI, czy przesunąć środek ciężkości swojej pracy gdzie indziej.
• Najbardziej opłaca się to, czego maszynie brakuje: kontakt z ludźmi, ocena w mętnych sytuacjach, sprawność fizyczna.
• Nowe narzędzia lepiej wypróbować, zanim popchnie Cię do tego pracodawca albo rynek.

A jeśli szczerze nie wiesz, do którego z tych odporniejszych obszarów jest Ci najbliżej, zacznij od siebie. Test osobowości RIASEC mapuje sześć typów środowiska pracy, od praktyczno-technicznego po społeczne, i podpowiada, gdzie możesz sobie poradzić dobrze, niezależnie od tego, jak w tym roku nazywa się dane stanowisko.

Pytanie zresztą nigdy nie brzmiało, czy AI zastąpi ludzi. Brzmiało, czy ludzie umiejący pracować z AI zastąpią tych, którzy nie umieją. I każdy odpowiada na nie sam, tym, co postanowi zrobić przez najbliższych dwanaście miesięcy.