Sztuczna inteligencja nie zaczęła masowo likwidować zawodów. Zaczęła robić coś znacznie bardziej podstępnego.

Przejmuje pojedyncze zadania. Pisze pierwszy szkic dokumentu. Analizuje arkusz. Odpowiada klientowi. Klasyfikuje fakturę. Tworzy kod. Przygotowuje raport. Wyszukuje informacje. Tłumaczy tekst. Podsumowuje spotkanie.

Każda z tych zmian wygląda niepozornie. Dopiero kiedy połączy się je w całość, pojawia się pytanie: ilu ludzi będzie potrzebnych do wykonania tej samej pracy?

W Polsce ponad 5 mln stanowisk obejmuje zadania przynajmniej częściowo podatne na automatyzację przez generatywną AI. Według analizy ILO i NASK odpowiada to około 30,3% zatrudnienia. Około 4,9% pracujących znajduje się w grupie najwyższej ekspozycji. Nie oznacza to jednak, że 30% Polaków straci pracę.

Warto tu rozdzielić dwie rzeczy, które często wrzuca się do jednego worka. Wysoka ekspozycja na AI mówi, że wiele czynności w danym zawodzie można wspomagać lub automatyzować. Nie mówi jeszcze, że zniknie sam zawód. Programista może intensywnie korzystać z AI i jednocześnie pozostać bardzo potrzebny. Podobnie lekarz czy księgowy.

Dlatego pytanie: „które zawody zabierze AI?” jest źle postawione. Lepsze brzmi: które zadania AI przejmie, ilu pracowników będzie dzięki temu potrzebnych i gdzie człowiek nadal pozostanie trudny do zastąpienia?

Polski rynek pracy wchodzi w erę AI z nietypowej pozycji

Polska ma problem, którego nie można pominąć w żadnej analizie automatyzacji: zaczyna brakować ludzi. Według GUS w gospodarce narodowej pracowało pod koniec marca 2026 r. około 15,1 mln osób. Bezrobocie pozostaje relatywnie niskie, a Barometr Zawodów 2026 wskazuje niedobory pracowników w wielu kluczowych profesjach.

Brakuje między innymi lekarzy, pielęgniarek, położnych, opiekunów osób starszych, psychologów, nauczycieli, elektryków, monterów instalacji, spawaczy oraz kierowców. Jednocześnie Polska się starzeje.

Polski Instytut Ekonomiczny wskazuje, że w kolejnych latach podaż pracowników może istotnie maleć. W Polsce automatyzacja może więc wyglądać inaczej niż w kraju z wysokim bezrobociem. W wielu firmach pierwszym skutkiem AI nie musi być redukcja zatrudnienia, ale mniejsza potrzeba prowadzenia kolejnych rekrutacji.

Jeżeli dział księgowy dzięki automatyzacji jest w stanie obsłużyć znacznie więcej dokumentów, firma może po prostu nie zatrudniać kolejnych osób. Przy niedoborze pracowników taki scenariusz jest co najmniej równie istotny jak klasyczne zastępowanie człowieka przez technologię.

Najpierw ważne zastrzeżenie: AI automatyzuje zadania, nie zawody

Zawód jest zbiorem wielu czynności.

Prawnik analizuje dokumenty, rozmawia z klientem, negocjuje, występuje przed sądem, interpretuje przepisy i ponosi odpowiedzialność za udzieloną poradę. AI może bardzo dobrze wykonywać pierwszą analizę dokumentu i przygotować projekt pisma. Znacznie trudniej przekazać jej całą resztę. Podobnie jest z lekarzem. AI może analizować obraz medyczny, dokumentację i historię pacjenta. Nadal pozostają jednak badanie fizykalne, rozmowa, odpowiedzialność kliniczna, sytuacje nietypowe i decyzja o leczeniu.

Największy problem pojawia się tam, gdzie niemal cały zawód składa się z czynności cyfrowych, rutynowych i łatwych do opisania instrukcją. Operator wprowadzania danych nie ma wielu zadań, do których może „uciec”, jeżeli przepisywanie informacji z jednego systemu do drugiego zostanie zautomatyzowane. I właśnie dlatego jest bardziej zagrożony niż programista, mimo że oba zawody mogą mieć bardzo wysoką ekspozycję na AI.

Co mówią prawdziwe eksperymenty z AI

Najciekawsze dane nie pochodzą z prognoz. Pochodzą z firm, które faktycznie dały pracownikom generatywną AI i sprawdziły, co się stanie. W jednym z najważniejszych badań Erik Brynjolfsson, Danielle Li i Lindsey Raymond przeanalizowali pracę 5172 konsultantów obsługi klienta oraz ponad 3 mln rozmów. Po wprowadzeniu asystenta generatywnej AI produktywność wzrosła średnio o około 15%. Najbardziej skorzystali mniej doświadczeni pracownicy.

AI wykonuje pracę, a w dodatku potrafi również częściowo przejmować wiedzę najlepszych pracowników i przekazywać ją słabszym.

Początkujący konsultant może dzięki temu zacząć pracować jak ktoś znacznie bardziej doświadczony. Z perspektywy firmy to świetna wiadomość. Z perspektywy rynku pracy sytuacja staje się bardziej skomplikowana.

Jeżeli dziesięciu pracowników może dzięki AI wykonywać pracę, do której wcześniej potrzeba było dwunastu, liczba nowych rekrutacji może spaść nawet bez zwalniania kogokolwiek. To właśnie w ten sposób pierwsze efekty AI mogą pojawiać się na rynku pracy: nie poprzez spektakularne zwolnienia, ale poprzez brak nowych ofert.

Najbardziej zagrożone nie są zawody fizyczne

Poprzednie fale automatyzacji kojarzyły się przede wszystkim z produkcją i pracą fizyczną. Generatywna AI trafia w inną część gospodarki, ponieważ szczególnie dobrze radzi sobie z tekstem, dokumentami, kodem i danymi. Dlatego wysoka ekspozycja dotyczy dziś również dobrze wykształconych osób wykonujących typową pracę biurową.

Według indeksu ILO i NASK około 71,6% pracowników biurowych wykonuje zadania technicznie podatne na automatyzację, a niemal połowa znajduje się w najwyższej kategorii ekspozycji.

Najbardziej podatne są zadania związane z:

pisaniem, przepisywaniem i formatowaniem tekstu,

pracą na formularzach i danych,

standardową analizą,

przygotowywaniem raportów,

obsługą typowych zapytań,

podstawowym księgowaniem,

prostą komunikacją z klientem,

wyszukiwaniem informacji.

Znacznie trudniej zautomatyzować fizyczną naprawę instalacji w starym budynku, opiekę nad pacjentem albo negocjacje z trudnym klientem.

100 zawodów: kto straci, kto zyska, a kto po prostu zacznie pracować inaczej

Poniższa tabela łączy ekspozycję zawodów na generatywną AI według metodologii ILO i NASK z charakterem wykonywanych zadań oraz sytuacją polskiego rynku pracy.

Ekspozycja nie oznacza prawdopodobieństwa zwolnienia. Pokazuje, jak duża część typowych zadań danego zawodu znajduje się w zasięgu generatywnej AI.

Trend jest syntetyczną oceną sytuacji w Polsce, a nie oficjalną prognozą procentowej zmiany zatrudnienia.

# Zawód Ekspozycja GenAI Perspektywa Najważniejsza zmiana
1 Operator wprowadzania danych 70% silny spadek OCR, AI i integracje przejmują przepisywanie danych
2 Operator edytorów tekstu / transkrypcji 65% silny spadek transkrypcja i formatowanie stają się automatyczne
3 Pracownik księgowości i ewidencji 64% spadek automatyzacja faktur, dekretacji i uzgodnień
4 Pracownik statystyczny, finansowy i ubezpieczeniowy 64% spadek formularze i standardowe analizy przejmują systemy
5 Makler / dealer finansowy 63% stabilnie AI przejmuje analizę, pozostają regulacje i relacje
6 Pracownik wsparcia biurowego 63% spadek korespondencja i administracja są automatyzowane
7 Analityk finansowy 62% stabilnie / wzrost AI przyspiesza analizę, rośnie wartość interpretacji
8 Pracownik ds. płac 61% spadek regułowe procesy payroll przechodzą do systemów
9 Sprzedawca w call center 61% spadek AI i voiceboty przejmują standardowe kontakty
10 Web developer 60% stabilnie / wzrost mniej ręcznego kodowania, więcej integracji
11 Specjalista kredytowy 60% spadek scoring i dokumentacja są coraz bardziej automatyczne
12 Pracownik ogólnobiurowy 60% silny spadek e-mail, dokumenty i raportowanie przejmują copiloci
13 Administracja HR 60% spadek screening i dokumentacja ulegają automatyzacji
14 Tłumacz 59% spadek standardowe tłumaczenia gwałtownie tanieją
15 Sekretarka 58% silny spadek AI obsługuje kalendarz, korespondencję i notatki
16 Kasjer bankowy 58% spadek bankowość cyfrowa ogranicza rolę oddziałów
17 Konsultant informacyjny call center 58% silny spadek chatboty przejmują najprostsze sprawy
18 Doradca finansowy 57% stabilnie analiza jest automatyczna, relacja pozostaje
19 Programista aplikacji 57% stabilnie / wzrost AI zmienia sposób tworzenia kodu
20 Administrator baz danych 57% stabilnie rutyna maleje, rośnie governance i bezpieczeństwo
21 Administrator systemów 57% stabilnie więcej automatyzacji, większa rola SRE i security
22 Pracownik informacji 57% spadek wyszukiwanie informacji przejmują modele
23 Recepcjonista 57% umiarkowany spadek rezerwacje i FAQ stają się automatyczne
24 Matematyk / aktuariusz / statystyk 56% wzrost AI zwiększa możliwości modelowania
25 Pracownik biura podróży 56% silny spadek AI potrafi tworzyć i rezerwować standardowe podróże
26 Specjalista marketingu 55% stabilnie produkcja contentu tanieje, strategia zyskuje
27 Bibliotekarz / specjalista informacji 55% stabilnie wyszukiwanie przechodzi do AI, kuracja zostaje
28 Ekonomista 55% stabilnie analiza i drafting są wspomagane
29 Copywriter 55% spadek masowy content jest coraz tańszy
30 Dziennikarz 54% umiarkowany spadek newsy i streszczenia automatyczne, reporting zostaje
31 Asystent zarządu 54% spadek AI przejmuje znaczną część pracy administracyjnej
32 Programista oprogramowania 53% stabilnie / wzrost kodowanie staje się bardziej zautomatyzowane
33 Agent ubezpieczeniowy 53% stabilnie / spadek standardowe oferty generuje system
34 Sekretarka medyczna 53% umiarkowany spadek dokumentację może przejąć AI
35 Specjalista sieci komputerowych 52% stabilnie / wzrost rośnie znaczenie cloud i cyberbezpieczeństwa
36 Technik dokumentacji medycznej 52% stabilnie AI pomaga klasyfikować dokumenty
37 Księgowy 51% stabilnie rutyna spada, rosną podatki i controlling
38 Specjalista sprzedaży ICT 51% wzrost firmy potrzebują sprzedaży rozwiązań AI i cloud
39 Recepcjonista hotelowy 51% umiarkowany spadek self check-in i chatboty przejmują część pracy
40 Administracja transportu i spedycji 50% umiarkowany spadek dokumentacja i planowanie stają się automatyczne
41 Grafik 49% spadek / stabilnie generowanie assetów tanieje
42 Analityk systemowy 49% wzrost integracja AI zwiększa zapotrzebowanie na analizę
43 Technik księgowości 49% spadek automatyzacja transakcji
44 Przedstawiciel handlowy 49% stabilnie AI pomaga w researchu, relacja zostaje
45 Urzędnik podatkowy 49% stabilnie AI wspiera analizę, decyzja pozostaje regulowana
46 Inżynier telekomunikacji 48% stabilnie / wzrost AI wspiera projektowanie i diagnostykę
47 Socjolog 48% stabilnie AI analizuje tekst, badania terenowe zostają
48 Organizator wydarzeń 48% stabilnie planowanie łatwiejsze, realizacja nadal ludzka
49 Trener IT 47% wzrost reskilling AI zwiększa popyt
50 Archiwista 47% stabilnie automatyczna klasyfikacja dokumentów
51 Helpdesk IT 47% spadek na Tier 1 chatboty rozwiązują prostsze problemy
52 Analityk zarządzania 46% stabilnie / wzrost AI przyspiesza analizę procesów
53 Rekruter 45% stabilnie sourcing i screening automatyczne, relacja zostaje
54 Manager IT 44% wzrost coraz więcej transformacji AI
55 Kierownik handlu 44% stabilnie AI wspiera forecasting i ceny
56 Specjalista PR 43% stabilnie treść tanieje, reputacja i kryzysy pozostają
57 Kierownik back-office 43% spadek / stabilnie mniejsze zespoły administracyjne
58 Windykator 43% umiarkowany spadek standardowy kontakt automatyzuje się
59 Właściciel sklepu 43% stabilnie AI wspiera zakupy i ceny
60 Kierownik sprzedaży 41% stabilnie / wzrost AI zwiększa możliwości zespołu
61 Specjalista szkoleń 41% wzrost rośnie potrzeba przekwalifikowania pracowników
62 Biolog 40% stabilnie / wzrost AI wspiera analizę danych
63 Psycholog 39% wzrost relacja i zaufanie są trudne do automatyzacji
64 Fotograf 39% spadek / stabilnie część fotografii komercyjnej przejmują generatory
65 Kasjer 39% spadek samoobsługa i płatności cyfrowe
66 Fizyk 38% stabilnie / wzrost AI wspiera obliczenia i badania
67 Sprzedawca sklepowy 38% stabilnie / spadek e-commerce i self-service
68 CEO 38% stabilnie AI wspiera analizę, odpowiedzialności nie przejmuje
69 Inżynier produkcji 37% wzrost robotyzacja zwiększa popyt na integratorów
70 Architekt 37% stabilnie / wzrost AI generuje koncepcje, człowiek odpowiada za projekt
71 Nauczyciel akademicki 37% stabilnie AI zmienia przygotowanie materiałów i ocenianie
72 Kierownik HR 36% stabilnie rośnie znaczenie workforce planning
73 Manager ochrony zdrowia 36% wzrost presja demograficzna zwiększa zapotrzebowanie
74 Prawnik 36% stabilnie research i drafting przejmuje AI, odpowiedzialność zostaje
75 Nauczyciel zawodu 35% wzrost Polska ma deficyt nauczycieli praktycznych
76 Agent nieruchomości 35% stabilnie AI przejmuje marketing i wyszukiwanie ofert
77 Kierownik budowy 34% wzrost fizyczny nadzór i odpowiedzialność pozostają
78 Farmaceuta 33% stabilnie / wzrost zawód regulowany, AI wspiera informację
79 Pracownik pomocy społecznej 33% wzrost relacyjna część pracy pozostaje ludzka
80 Funkcjonariusz celny 32% stabilnie AI pomaga wykrywać ryzyko
81 Technik laboratorium medycznego 31% wzrost AI wspiera interpretację wyników
82 Położna 30% silny wzrost deficyt i fizyczny charakter pracy
83 Fizjoterapeuta 28% wzrost terapia wymaga pracy z pacjentem
84 Opiekun osoby starszej 25% silny wzrost starzenie społeczeństwa zwiększa popyt
85 Kierowca ciężarówki 24% wzrost krótkoterminowo brak kierowców jest ważniejszy niż GenAI
86 Pielęgniarka 22% silny wzrost niedobór pracowników i fizyczna opieka
87 Lekarz rodzinny 29% silny wzrost AI zwiększy produktywność, nie zastąpi lekarza
88 Lekarz specjalista 27% silny wzrost odpowiedzialność kliniczna pozostaje ludzka
89 Nauczyciel specjalny 28% silny wzrost silnie interpersonalna praca
90 Nauczyciel szkoły podstawowej 26% wzrost opieka i praca z klasą pozostają
91 Pielęgniarka specjalistyczna 25% silny wzrost AI może zmniejszyć dokumentację
92 Nauczyciel przedszkola 21% stabilnie / wzrost opieka nad małymi dziećmi trudno automatyzowalna
93 Elektryk 19% silny wzrost energetyka i transformacja infrastruktury
94 Hydraulik / monter instalacji 18% silny wzrost praca fizyczna w nieprzewidywalnym środowisku
95 Mechanik samochodowy 18% wzrost EV zmienia kompetencje, nie likwiduje zawodu
96 Kierowca autobusu 18% wzrost niedobory kierowców
97 Mechanik maszyn 17% wzrost naprawy terenowe są trudne do automatyzacji
98 Elektromechanik 17% silny wzrost automatyka zwiększa popyt
99 Spawacz 13% silny wzrost bardzo niska ekspozycja na GenAI
100 Opiekun medyczny 14% silny wzrost fizyczna opieka i demografia

Zawody, które naprawdę powinny zacząć się niepokoić

Największy problem mają osoby wykonujące rutynową pracę biurową. Operatorzy danych są niemal podręcznikowym przypadkiem. Jeżeli zadanie polega na odebraniu dokumentu, znalezieniu kilku informacji i wpisaniu ich do odpowiednich pól w systemie, nowoczesny workflow może połączyć OCR, model językowy, reguły biznesowe i API.

Człowiek zostaje potrzebny głównie wtedy, gdy coś pójdzie nie tak. W praktyce oznacza to przejście z modelu:

100 pracowników obsługuje 100 000 dokumentów

do modelu:

system obsługuje większość dokumentów, a kilkunastu ludzi zajmuje się wyjątkami.

Podobna zmiana czeka część księgowości, payrollu, administracji HR i prostego back-office. Nie oznacza to jednak końca księgowych. Wręcz przeciwnie. Barometr Zawodów wskazuje niedobór samodzielnych księgowych. Znikają inne czynności.

Ręczne przepisywanie faktury nie ma tej samej wartości co interpretacja podatkowa, zamknięcie ksiąg, controlling czy odpowiedzialność za poprawność sprawozdania. AI przyspiesza więc polaryzację zawodu. Najprostsza praca tanieje. Ekspertyza staje się cenniejsza.

Call center znajduje się na pierwszej linii

Obsługa klienta jest jednym z obszarów, w których zmiana może być szczególnie szybka. Najpierw pojawili się chatboty. Potem systemy pomagające konsultantowi.

Teraz coraz większe znaczenie mają voiceboty zdolne prowadzić rozmowę głosową.

Ekonomia jest bardzo kusząca. Jeżeli AI zwiększa produktywność konsultanta o około 15%, firma potrzebuje mniej nowych pracowników do obsługi rosnącej liczby rozmów. Kiedy część kontaktów może być wykonywana w pełni automatycznie, presja staje się jeszcze większa. Nie oznacza to końca obsługi klienta.

Zmienia się rodzaj spraw trafiających do człowieka. AI obsłuży pytanie o status przesyłki. Człowiek zajmie się klientem, któremu zaginęła przesyłka o wartości 30 tys. zł i który grozi zerwaniem umowy. Im trudniejsza sprawa, tym większa przewaga człowieka.

Copywriter i grafik: zawody, w których cena produkcji gwałtownie spada

Jeszcze kilka lat temu firma chcąca stworzyć pięćdziesiąt grafik reklamowych potrzebowała grafika albo agencji.

Dzisiaj może wygenerować setki wariantów. Podobnie z tekstem. Opis produktu, newsletter, artykuł, post społecznościowy, reklama czy landing page mogą powstać w kilka minut.

To nie oznacza, że profesjonalny copywriter czy grafik stają się niepotrzebni. Oznacza, że samo „wyprodukowanie assetu” przestaje być wystarczającą przewagą. Najbardziej wartościowe stają się strategia, kierunek kreatywny, znajomość klienta, umiejętność oceny jakości i stworzenie spójnego systemu komunikacji.

Grafik przesuwa się w stronę art directora. Copywriter w stronę stratega i redaktora. Tak samo będzie wyglądała transformacja wielu zawodów wiedzy.

Programiści: zagrożeni i potrzebni jednocześnie

Programowanie jest jednym z najbardziej interesujących przypadków.

Ekspozycja części zawodów developerskich na GenAI przekracza 50%. Nic dziwnego. Programowanie wyjątkowo dobrze pasuje do możliwości współczesnych modeli. Kod ma formalną strukturę, można go testować, porównywać i stosunkowo szybko sprawdzić, czy działa. Nic więc dziwnego, że narzędzia AI tak szybko weszły do warsztatu programistów.

AI idealnie trafia więc w charakter pracy programisty. Ale z tego nie wynika automatycznie koniec programistów. Jeżeli stworzenie aplikacji stanie się pięć razy tańsze, zacznie opłacać się tworzenie aplikacji, których wcześniej nikt nie zbudowałby ze względu na koszt. Powstaje efekt popytowy. Firma, która wcześniej mogła pozwolić sobie na dwa systemy, może stworzyć dziesięć. Najbardziej zagrożona wydaje się natomiast dolna część drabiny. Junior wykonujący dobrze opisane tickety konkuruje dzisiaj nie tylko z innym juniorem. Konkuruje z seniorem wyposażonym w AI.

To może stać się jednym z największych problemów rynku pracy w kolejnych latach. Jeżeli firmy ograniczą liczbę stanowisk juniorskich, pojawi się pytanie: gdzie przyszli seniorzy mają zdobyć doświadczenie?

Prawnicy: AI przejmie dużą część pracy, ale nie zawód

W przypadku prawników ekspozycja wynosi około 36%.

To mniej niż w wielu zawodach finansowych czy IT, ale wpływ AI może być bardzo widoczny. Modele językowe są stworzone do pracy na tekście. Mogą analizować umowy, porównywać dokumenty, wyszukiwać argumenty, przygotowywać pierwsze wersje pism i streszczać setki stron akt. To ogromna zmiana.

Jednocześnie pozostają odpowiedzialność zawodowa, strategia procesowa, negocjacje, kontakt z klientem, występowanie przed sądem i ocena ryzyka. Największa zmiana może więc nastąpić nie w liczbie prawników, ale w strukturze kancelarii.

Jeden prawnik wyposażony w dobre narzędzia może wykonywać pracę, która wcześniej wymagała pomocy kilku juniorów. Ponownie pojawia się problem stanowisk wejściowych.

Lekarz z AI może być bardziej potrzebny niż lekarz bez AI

Ochrona zdrowia pokazuje odwrotny mechanizm.

W ochronie zdrowia AI może mieć ogromny wpływ nawet bez zastępowania lekarza. Duża część czasu medyków schodzi na dokumentację, porządkowanie historii choroby, wyszukiwanie informacji czy przygotowywanie zaleceń. Jeżeli część tej pracy uda się bezpiecznie skrócić, lekarz może przyjąć więcej pacjentów albo poświęcić im więcej czasu. W polskich warunkach, przy niedoborze personelu, ten efekt może być ważniejszy niż redukcja zatrudnienia.

Jeżeli lekarz zamiast 20 pacjentów może bez pogorszenia jakości obsłużyć 25, wartość AI jest ogromna. Polska nie musi jednak przez to potrzebować mniej lekarzy. Przy istniejącym niedoborze kadr może po prostu zwiększyć liczbę świadczeń. Podobny mechanizm dotyczy pielęgniarek. AI może przejąć dokumentację. Nie poda jednak pacjentowi kroplówki i nie zastąpi fizycznej opieki przy łóżku.

Największymi wygranymi mogą zostać fachowcy

To jeden z najbardziej przewrotnych rezultatów rewolucji AI.

Przez lata mówiło się młodym ludziom:

„idź na studia, nie będziesz pracował fizycznie”. Dzisiaj okazuje się, że to właśnie wiele zawodów fizycznych ma jedną z najcenniejszych cech na rynku pracy: niezwykle trudno je zautomatyzować.

Model językowy może napisać analizę prawną. Znacznie gorzej radzi sobie z cieknącą rurą ukrytą za szafką w mieszkaniu z 1974 r. Hydraulik, elektryk, mechanik, monter instalacji czy technik pracują w środowisku pełnym wyjątków. Potrzebna jest percepcja fizyczna, manipulacja przedmiotami i ciągłe dostosowywanie działania do sytuacji.

Robotyka będzie oczywiście postępować. Jednak koszt postawienia robota zdolnego wykonywać dowolną naprawę w mieszkaniu jest zupełnie inny niż koszt uruchomienia modelu językowego na laptopie. Dlatego transformacja pracy fizycznej będzie prawdopodobnie znacznie wolniejsza niż pracy biurowej.

Cztery przewagi człowieka

Patrząc na wszystkie 100 zawodów, można zauważyć bardzo wyraźny wzorzec.

Najbardziej odporne zawody mają przynajmniej jedną z czterech cech.

Fizyczna obecność: Elektryk, pielęgniarka, hydraulik, fizjoterapeuta.

Relacja i zaufanie: Psycholog, lekarz, handlowiec prowadzący skomplikowane negocjacje.

Odpowiedzialność: Prawnik, lekarz, kierownik budowy, audytor.

Głęboka wiedza pozwalająca oceniać AI: Architekt systemów, senior developer, analityk ryzyka, specjalista podatkowy.

Im mniej tych elementów zawiera stanowisko, tym większe niebezpieczeństwo. Najbardziej narażona jest praca, którą można opisać następująco:

„Weź cyfrową informację A, wykonaj na niej standardową operację i wygeneruj cyfrowy wynik B”. To dokładnie rodzaj problemu, w którym współczesne systemy AI są coraz lepsze.

AI może najmocniej uderzyć w juniorów

To prawdopodobnie jeden z najbardziej niedocenianych efektów całej rewolucji.

Wielu ekspertów nie straci pracy. Dostanie AI. Problem pojawia się poziom niżej. Przez dziesięciolecia kariera wyglądała podobnie. Junior wykonywał prostsze zadania.Uczył się. Po kilku latach zostawał specjalistą.

AI zaczyna przejmować dokładnie te zadania, dzięki którym junior zdobywał doświadczenie. Junior developer pisał proste moduły. Młodszy prawnik robił research. Młodszy analityk przygotowywał zestawienia. Początkujący copywriter pisał proste teksty. Asystent przygotowywał dokumenty.

Jeżeli wszystkie te czynności wykona AI pod nadzorem seniora, organizacja nadal będzie potrzebować seniorów. Ale może potrzebować znacznie mniej juniorów. Za kilka lat pojawi się problem: skąd mają się wziąć kolejni seniorzy?

Firmy będą musiały zaprojektować nowe ścieżki nauki zawodu w świecie, w którym najbardziej oczywiste zadania treningowe wykonuje maszyna.

Polska ma jeszcze jeden problem: AI wdrażamy stosunkowo wolno

Wysoka ekspozycja na AI nie oznacza natychmiastowej automatyzacji. Technologia musi jeszcze zostać faktycznie wdrożona. I tutaj Polska nie znajduje się na czele Europy. Polskie przedsiębiorstwa korzystają z AI rzadziej niż średnia Unii Europejskiej.

Dochodzą do tego ograniczenia typowe dla MŚP: brak kompetencji, słabe dane, stare systemy, brak integracji, problemy z bezpieczeństwem i niejasny zwrot z inwestycji. PARP zwraca uwagę właśnie na bariery kompetencyjne. To może paradoksalnie opóźniać presję na zatrudnienie. Ale nie usuwa jej. Firmy, które wdrożą AI skuteczniej od konkurentów, mogą osiągnąć niższe koszty i większą produktywność. Pozostałe zostaną zmuszone do nadgonienia.

Kto zyska najmocniej

Jeżeli miałbym wskazać grupy o najbardziej korzystnym połączeniu popytu i odporności na generatywną AI w Polsce, postawiłbym przede wszystkim na ochronę zdrowia, opiekę, fachy techniczne i część infrastruktury.

Pielęgniarki, lekarze, opiekunowie, elektrycy, monterzy instalacji, elektromechanicy, spawacze i część nauczycieli mają jednocześnie dwie ogromne przewagi.

Pierwszą jest niska możliwość pełnej automatyzacji. Drugą jest realny niedobór ludzi. Bardzo ciekawa jest również grupa specjalistów technologicznych.

Cyberbezpieczeństwo, infrastruktura AI, cloud, SRE, data engineering, integracja systemów i AI governance nie są odporne na automatyzację pojedynczych zadań. Wręcz przeciwnie. AI będzie tam używana intensywnie.

Jednocześnie ktoś musi projektować, wdrażać, zabezpieczać i kontrolować coraz bardziej skomplikowane systemy. To przykład zawodów, które mogą być mocno „dotknięte” przez AI, a mimo to na niej zyskać.

Kto powinien zmienić kierunek kariery już teraz

Nie trzeba natychmiast porzucać zawodu tylko dlatego, że ma wysoką ekspozycję.

Gdybym dziś wykonywał zawód oparty głównie na rutynowym przetwarzaniu informacji, nie próbowałbym ścigać się z AI w szybkości. Szukałbym tej części pracy, w której trzeba ocenić wynik, podjąć decyzję albo odpowiadać za rezultat.

Jeżeli zajmujesz się wprowadzaniem danych, naucz się kontroli jakości danych, Power Query, SQL i automatyzacji.Jeżeli pracujesz w księgowości transakcyjnej, rozwijaj podatki, controlling, ERP i obsługę nietypowych przypadków. Jeżeli jesteś copywriterem, rozwijaj strategię treści, wiedzę branżową i redakcję. Jeżeli jesteś developerem, idź w stronę architektury, infrastruktury, bezpieczeństwa i rozumienia domeny. Jeżeli pracujesz na helpdesku Tier 1, rozwijaj endpoint management, networking, cloud i cyberbezpieczeństwo. Jeżeli jesteś handlowcem, nie konkuruj z AI liczbą wysłanych wiadomości. Rozwijaj negocjacje i sprzedaż skomplikowanych produktów.

Reguła jest prosta. Nie konkuruj z AI w czynności, którą AI wykonuje taniej. Stań się osobą odpowiedzialną za problem, którego rozwiązanie wymaga połączenia AI z wiedzą, decyzją albo działaniem w świecie rzeczywistym.

Czy zawody naprawdę zaczną znikać?

Do końca 2026 r. nie ma mocnych podstaw, aby ogłaszać całkowite zniknięcie któregoś z głównych zawodów polskiego rynku pracy.

Są natomiast podstawy, aby spodziewać się stopniowego zaniku pewnych rodzajów stanowisk. Czysty data entry jest jednym z kandydatów. Prosta transkrypcja drugim. Standardowy pierwszy poziom obsługi klienta kolejnym.

To samo może spotkać część administracji biurowej. Ale zazwyczaj proces nie będzie wyglądał tak, że firma w poniedziałek zatrudnia 100 osób, a we wtorek zwalnia 80. Bardziej prawdopodobny scenariusz wygląda inaczej. Firma zatrudnia 100 osób. Dziesięć odchodzi. Nie zostają zastąpione. Po roku firma ma 90 osób i wykonuje więcej pracy niż wcześniej. To może być podstawowy mechanizm redukcji zatrudnienia w pierwszej fazie transformacji AI.

Najbardziej prawdopodobna przyszłość: polaryzacja

Nie wydaje się, aby najbardziej prawdopodobnym scenariuszem była gospodarka bez pracy.

Znacznie bardziej realna jest gospodarka spolaryzowana. Z jednej strony znajdą się wysoko produktywni specjaliści wyposażeni w AI. Jeden dobry programista będzie mógł stworzyć znacznie więcej. Jeden prawnik przeanalizuje znacznie więcej dokumentów. Jeden marketer stworzy znacznie więcej kampanii.

Z drugiej strony pozostaną profesje wymagające fizycznej obecności, odpowiedzialności i kontaktu z drugim człowiekiem. Największa presja pojawi się pośrodku. Na rutynowej pracy umysłowej. Na stanowiskach, których główną wartością było dotychczas przetwarzanie informacji. To właśnie tam AI może zmienić rynek pracy najszybciej.

Najważniejszy wniosek

Największym przegranym rewolucji AI nie będzie konkretny zawód. Będzie nim rutynowe zadanie. Tu możemy zaliczyć takie czynności jak: przepisywanie, streszczanie, formatowanie, klasyfikowanie, tworzenie standardowej odpowiedzi, generowanie pierwszej wersji, wyszukiwanie informacji. Może to być też prosta analiza.

Jeżeli większość twojej pracy składa się właśnie z takich czynności, presja będzie rosła. Największym wygranym również nie będzie jeden zawód. Będzie nim człowiek, który potrafi połączyć AI z czymś, czego model nie ma. Odpowiedzialnością. Doświadczeniem. Relacją z drugim człowiekiem. Działaniem w świecie fizycznym. Wiedzą pozwalającą rozpoznać, kiedy maszyna się myli.

Dlatego prawdopodobnie nie zobaczymy końca programistów, prawników, lekarzy, księgowych czy marketerów. Zobaczymy koniec części sposobów, w jakie wykonywali swoją pracę. A osoby, które nauczą się pracować po nowemu, mogą nie tylko zachować zatrudnienie. Mogą stać się znacznie bardziej wartościowe niż wcześniej.

Źródła

  1. International Labour Organization, NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, Working Paper 140, 2025 https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposurehttps://nask.pl/media/2026/03/WP140_web.pdf
  2. NASK, GenAI zmienia rynek pracy. Raport NASK i ILO o przyszłości zatrudnienia https://www.nask.pl/aktualnosci/genai-zmienia-rynek-pracy-raport-nask-i-ilo-o-przyszlosci-zatrudnienia
  3. Barometr Zawodów, prognoza krajowa na 2026 r. https://barometrzawodow.pl/modul/prognozy-na-plakatach?form-group%5B%5D=all&publication=national&year=2026
  4. Polski Instytut Ekonomiczny, Co piąty pracownik w Polsce wykonuje zawód najbardziej wystawiony na wpływ AI https://pie.net.pl/co-piaty-pracownik-w-polsce-wykonuje-zawod-najbardziej-wystawiony-na-wplyw-ai/
  5. OECD, Skills in the AI Age, 2026 https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html
  6. OECD, Recent Policy Developments on AI in the Labour Market, 2026 https://www.oecd.org/en/publications/recent-policy-developments-on-ai-in-the-labour-market_c0ffced7-en.html
  7. OECD, Employment Outlook 2023 https://www.oecd.org/en/publications/oecd-employment-outlook-2023_08785bba-en.html
  8. Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work, The Quarterly Journal of Economics, 2025 https://academic.oup.com/qje/article/140/2/889/7990658
  9. Shakked Noy, Whitney Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science, 2023 https://www.science.org/doi/10.1126/science.adh2586
  10. Główny Urząd Statystyczny, dane dotyczące rynku pracy i popytu na pracę https://stat.gov.pl/obszary-tematyczne/rynek-pracy/
  11. PARP, Sztuczna inteligencja w firmach: gotowość do adopcji, kompetencje i potrzeby https://www.parp.gov.pl/component/publications/publication/sztuczna-inteligencja-w-firmach-gotowosc-do-adopcji-kompetencje-i-potrzeby-raport-z-badan-bkl

Zobacz także: Sztuczna inteligencja w Polsce 2026: statystyki, dane i wykresy