Przejdź do treści
Likelier

Odczuwany lęk a rzeczywiste prawdopodobieństwo

Jakie są szanse na utratę pracy z powodu automatyzacji przez AI?

Niewyliczone

Brak wiarygodnego oszacowania

Szukaliśmy wiarygodnych danych na ten temat i nie znaleźliśmy liczby, którą moglibyśmy opublikować z czystym sumieniem. Możliwe przyczyny: źródła istotnie się rozbiegają, bazowy zbiór danych jest obarczony znanymi błędami systematycznymi albo pytanie zależy od kontekstu, którego nie da się znormalizować do wspólnej podstawy.

Znasz rygorystyczne, recenzowane źródło, które przeoczyliśmy? Proszę, daj nam znać.

Inne · zweryfikowane 2026-06-14
Jakość dowodów 4.88/5

Ocena recenzji w ośmiu wymiarach względem rubryki jakości . Każdy wymiar oceniony w skali 1–5.

D1 Zakotwiczenie w źródłach
5/5
D2 Autorytet źródeł
5/5
D3 Arytmetyka
5/5
D4 Niepewność
4/5
D5 Zakres
5/5
D6 Tekst
5/5
D7 Uczciwość co do percepcji
5/5
D8 Kompletność zastrzeżeń
5/5
Średnia 4.88/5
Bezpośredni dowód
Źródło Brak wiarygodnego oszacowania
Biurko w biurze z lekko odsuniętym krzesłem i monitorem wyświetlającym abstrakcyjne wzory danych, stonowane odcienie błękitu i szarości, płaska ilustracja wektorowa.

Decyzje, na które wpływa to ryzyko

Wybory zależne od tego ryzyka — jak waży się tę zależność.

Żadna pojedyncza liczba nie odpowiada na pytanie „jakie są szanse, że AI zabierze ci pracę?”, ponieważ żadne badanie nie dostarczyło takiej odpowiedzi. Najczęściej cytowana liczba, 47% miejsc pracy w USA wysokiego ryzyka według Freya i Osborne’a, opisuje podatność na automatyzację na poziomie zadań, a nie prognozę bezrobocia. Kiedy OECD ponownie przeprowadziło analizę, używając danych na poziomie indywidualnym zamiast zagregowanych danych na poziomie zawodów, odsetek wysokiego ryzyka spadł do 9-14%. Artykuł „GPTs-are-GPTs” z 2023 roku wykazał, że 80% pracowników ma przynajmniej pewną ekspozycję zadań na LLM-y, ale tylko 19% ma połowę lub więcej swoich zadań narażonych. Tymczasem Bureau of Labor Statistics prognozuje wzrost netto zatrudnienia o 6,7 miliona do 2033 roku. Te liczby nie są sprzeczne, bo mierzą różne rzeczy.

Luka między „zadaniami, które AI może wykonać” a „miejscami pracy, które przestają istnieć” to obszar, w którym leży większość niepewności. Bankomaty miały wyeliminować kasjerów bankowych. Zamiast tego tańsze operacje oddziałów doprowadziły do powstania większej liczby oddziałów, a zatrudnienie kasjerów rosło przez dwie dekady. Czy generatywna AI podąży za tym samym wzorcem augmentacji, czy go przełamie, to kluczowe pytanie empiryczne, a uczciwa odpowiedź na początek 2026 roku jest taka, że nikt nie wie. Badania zgadzają się co do kierunku ekspozycji: praca rutynowo-poznawcza (wprowadzanie danych, podstawowa weryfikacja dokumentów, księgowość) stoi w obliczu największej presji na zastąpienie, podczas gdy praca manualno-fizyczna (budownictwo, hydraulika, opieka nad osobami starszymi) stoi w obliczu najmniejszej. Ale ekspozycja nie jest przeznaczeniem.

Ryzyko indywidualne różni się o co najmniej rząd wielkości w zależności od zawodów, branż i regionów geograficznych. Urzędnik wprowadzający dane i hydraulik żyją w różnych wszechświatach ryzyka, a żaden z nich nie jest dobrze opisany przez średnią populacyjną. Horyzont czasowy ma równie duże znaczenie: perspektywa pięcioletnia jest zdominowana przez augmentację, a perspektywa trzydziestoletnia jest autentycznie niepewna. Biorąc pod uwagę zakres opublikowanych szacunków, brak jakiegokolwiek zaobserwowanego masowego zastąpienia do tej pory oraz fundamentalną lukę między ekspozycją zadań a eliminacją miejsc pracy, ten wpis nie podaje wiarygodnego oszacowania. Strach jest prawdziwy, ale wiarygodne prawdopodobieństwo na całe życie nie istnieje.

Nie istnieje wiarygodne szacowanie, że AI zastąpi twoją konkretną pracę. Recesje gospodarcze są pewne w 99% w ciągu życia (~9 na karierę). Zagrożenie bez prawdopodobieństwa trafia na nagłówki. Pewność zbywana jest wzruszeniem ramion.

Czytaj dalej → ⇄ compare

Około 60% uczniów korzystających z AI do prac szkolnych zgodziło się, że szkodzi to krytycznemu myśleniu, lecz użycie wciąż rosło. Eksperyment Wharton wykazał, że uczniowie wspomagani AI uzyskali później o 17% gorszy wynik na egzaminie bez AI i nie zauważyli tej straty.

Rejestr twierdzeń

Każda liczba poniżej jest tym, co podało dane źródło — z dosłownym cytatem, na którym się oparliśmy, i sposobem, w jaki doszliśmy do naszej wartości. Kliknij dowolny link, żeby zweryfikować bezpośrednio.

  1. [1] Oxford Martin School, University of Oxford — The Future of Employment: How Susceptible Are Jobs to Computerisation?
    The Future of Employment: How Susceptible Are Jobs to Computerisation?
    Statystyka
    47% zatrudnienia w USA należy do kategorii wysokiego ryzyka skomputeryzowania w ciągu najbliższej dekady lub dwóch
    Cytat
    “"We examine how susceptible jobs are to computerisation. … According to our estimate, 47 percent of total US employment is in the high risk category, meaning that associated occupations are potentially automatable over some unspecified number of years, perhaps a decade or two." ”
    Dane źródłowe z
    2013-09-17
    Dostęp
    2026-04-18 · kopia archiwalna
    Obliczenie
    Frey i Osborne (2017, opublikowane w Technological Forecasting and Social Change 114:254-280) sklasyfikowali 702 zawody według prawdopodobieństwa automatyzacji, używając deskryptorów zadań O*NET. Liczba 47% dotyczy miejsc pracy, których składowe zadania da się technicznie zautomatyzować, a nie prognozy, że 47% pracowników będzie bezrobotnych. Autorzy wyraźnie zaznaczają, że to miara podatności zadań, a nie prognoza utraty miejsc pracy. Praca powstała przed erą LLM i nie uwzględnia możliwości generatywnej AI. Nie próbujemy przeliczać tego na prawdopodobieństwo wyparcia pracownika w ciągu życia, bo badanie nie modeluje tworzenia miejsc pracy, ich przesuwania ani częściowej automatyzacji.
    Niezależność
    Klasyczne badanie akademickie oparte na danych zawodowych O*NET. Metodologia niezależna od szacunków OECD i Goldman Sachs poniżej.
  2. [2] OECD — The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    Statystyka
    9% miejsc pracy w 21 krajach OECD jest wysoce podatnych na automatyzację; dodatkowe ~25% czeka znacząca zmiana zadań
    Cytat
    “"Overall, we find that, on average across the 21 OECD countries, 9 % of jobs are automatable. [...] For instance, while the share of automatable jobs is 6 % in Korea, the corresponding share is 12 % in Austria." ”
    Dane źródłowe z
    2016-05-14
    Dostęp
    2026-04-18 · kopia archiwalna
    Obliczenie
    Arntz, Gregory i Zierahn (2016) ponownie przeanalizowali metodykę Freya i Osborne'a, używając danych ankietowych PIAAC na poziomie indywidualnym zamiast agregatów na poziomie zawodów. Po uwzględnieniu zmienności zadań wewnątrz zawodu udział wysokiego ryzyka spada z 47% do ~9–14%. OECD zaktualizowała to do 14% w Employment Outlook 2019, używając nowszych danych PIAAC. Żadna z tych liczb nie jest prawdopodobieństwem wyparcia pojedynczego pracownika; opisuje udział miejsc pracy, w których ponad 70% treści zadań da się zautomatyzować. Z tego badania nie da się wyprowadzić prawdopodobieństwa w ciągu życia, ponieważ nie modeluje ono wskaźników przejść ani tworzenia miejsc pracy.
    Niezależność
    Wykorzystuje mikrodane PIAAC, a więc inne źródło danych i inną jednostkę analizy (indywidualni pracownicy, a nie zawody) niż Frey i Osborne. Metodologicznie niezależne.
  3. [3] OpenAI / University of Pennsylvania — GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    Statystyka
    ~80% siły roboczej w USA mogłoby mieć co najmniej 10% zadań dotkniętych przez LLM; ~19% mogłoby mieć dotkniętych 50% lub więcej zadań
    Cytat
    “"Our findings reveal that around 80% of the U.S. workforce could have at least 10% of their work tasks affected by the introduction of LLMs, while approximately 19% of workers may see at least 50% of their tasks impacted." ”
    Dane źródłowe z
    2023-03-17
    Dostęp
    2026-04-18 · kopia archiwalna
    Obliczenie
    Eloundou, Manning, Mishkin i Rock (2023) ocenili ekspozycję zadań na LLM w 1 016 zawodach, używając O*NET. „Ekspozycja” oznacza, że zadanie dałoby się wykonać znacznie szybciej z dostępem do LLM, a nie że praca zostałaby wyeliminowana. Główna liczba 80% opisuje częściową ekspozycję zadań (≥10% zadań), a nie pełne zastąpienie pracy. Liczba 19% dla ekspozycji ≥50% zadań jest bliższa sygnałowi wyparcia, ale nadal mierzy treść zadań, a nie wyniki zatrudnienia. Przeliczenie ekspozycji zadań na prawdopodobieństwo utraty pracy w ciągu życia wymaga założeń o tempie przyjmowania technologii przez pracodawców, o decyzjach między wspomaganiem a zastępowaniem i o szybkości dostosowań rynku pracy, których praca nie podaje.
    Niezależność
    Wykorzystuje dane o zadaniach O*NET (wspólne z Freyem i Osborne'em), ale stosuje rubrykę ekspozycji specyficzną dla GPT, opracowaną zarówno przez ludzkich adnotatorów, jak i klasyfikację GPT-4. Częściowo niezależne.
  4. [4] Goldman Sachs — The Potentially Large Effects of Artificial Intelligence on Economic Growth
    The Potentially Large Effects of Artificial Intelligence on Economic Growth
    Statystyka
    Dwie trzecie zawodów w USA jest narażone w pewnym stopniu na automatyzację przez AI; generatywna AI mogłaby zastąpić do 25% obecnych zadań pracy na świecie
    Cytat
    “"our economists estimate that roughly two-thirds of U.S. occupations are exposed to some degree of automation by AI. They further estimate that, of those occupations that are exposed, roughly a quarter to as much as half of their workload could be replaced." ”
    Dane źródłowe z
    2023-03-26
    Dostęp
    2026-04-18 · kopia archiwalna
    Obliczenie
    Hatzius i wsp. (2023) szacują, że generatywna AI mogłaby narazić na automatyzację 300 milionów etatów na świecie, przy czym około 25% zadań pracy dałoby się zastąpić. Raport jednocześnie prognozuje wzrost światowego PKB o 7% w okresie 10 lat dzięki wdrażaniu AI, co oznacza znaczne tworzenie miejsc pracy obok wypierania. Liczba 300 mln opisuje ekspozycję, a nie netto utratę miejsc pracy, a raport wyraźnie modeluje równoważące tworzenie miejsc pracy w nowych branżach i wzrost produktywności. Nie da się wyprowadzić prawdopodobieństwa wyparcia pracownika w ciągu życia.
    Niezależność
    Własna analiza Goldman Sachs, oparta na O*NET, europejskich danych ISCO i wewnętrznym modelowaniu ekonomicznym. Częściowo niezależna od powyższych badań akademickich.
  5. [5] Bureau of Labor Statistics — Employment Projections: 2023-2033
    Employment Projections: 2023-2033

    Wpisy Likelier cytujące to źródło (2) →

    Statystyka
    Całkowite zatrudnienie w USA ma wzrosnąć o 6,7 miliona miejsc pracy od 2023 do 2033 roku, do 174,6 miliona (0,4% rocznie)
    Cytat
    “"The U.S. economy is projected to add 6.7 million jobs from 2023 to 2033, the U.S. Bureau of Labor Statistics (BLS) reported today. Total employment is projected to increase to 174.6 million and grow 0.4 percent annually, which is slower than the 1.3 percent annual growth recorded over the 2013-23 decade." ”
    Dane źródłowe z
    2024-09-04
    Dostęp
    2026-04-18 · kopia archiwalna
    Obliczenie
    Dziesięcioletnie projekcje BLS są podstawową miarą rzeczywiście oczekiwanych wyników zatrudnienia. Perspektywa na lata 2023–2033 przewiduje netto wzrost liczby miejsc pracy o 6,7 miliona, a nie ich spadek. BLS nie modeluje osobno wypierania przez AI; jego projekcje uwzględniają historyczne trendy przyjmowania technologii, wzrostu produktywności i zmian sektorowych. To, że prognozuje się netto wzrost zatrudnienia, nie wyklucza dużej rotacji wewnątrz zawodów, ale jest przeciwwagą dla głównych twierdzeń o masowej eliminacji miejsc pracy. Nie publikuje się prawdopodobieństwa wyparcia pracownika w ciągu życia.
    Niezależność
    Oficjalna amerykańska agencja statystyczna, używająca własnego modelowania makroekonomicznego. W pełni niezależna od powyższych badań akademickich i z sektora prywatnego.
  6. [6] Stanford Digital Economy Lab — Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Statystyka
    Pracownicy na początku kariery (w wieku 22–25 lat) w zawodach najbardziej narażonych na AI doświadczyli względnego spadku zatrudnienia o 16 procent od końca 2022 roku, podczas gdy zatrudnienie bardziej doświadczonych pracowników w tych samych zawodach i pracowników w mniej narażonych dziedzinach pozostało stabilne lub nadal rosło
    Cytat
    “"early-career workers (ages 22-25) in the most AI-exposed occupations have experienced a 16 percent relative decline in employment even after controlling for firm-level shocks. In contrast, employment for workers in less exposed fields and more experienced workers in the same occupations has remained stable or continued to grow." ”
    Dane źródłowe z
    2025-11-13
    Dostęp
    2026-06-14 · kopia archiwalna
    Obliczenie
    Brynjolfsson, Chandar i Chen (2025) analizują wysokiej częstotliwości dane płacowe ADP, największego amerykańskiego przetwórcy list płac, obejmujące miliony pracowników. Dokumentują względny spadek liczby zatrudnionych o 16% w grupie wiekowej 22–25 lat w zawodach najbardziej narażonych na generatywną AI (programiści, przedstawiciele obsługi klienta), mierzony względem trendu sprzed 2023 roku, bez porównywalnego spadku dla pracowników w wieku 30+ w tych samych zawodach ani dla pracowników w dziedzinach o niskiej ekspozycji. Liczba 16% to względna różnica zatrudnienia na poziomie kohorty, a nie prawdopodobieństwo utraty pracy przez pojedynczego pracownika; autorzy nie przeliczają jej na indywidualne ryzyko wyparcia, a przypisanie przyczyny AI pozostaje sporne (lutowa kontynuacja tych samych autorów z 2026 roku bada zakłócenia związane ze stopami procentowymi i momentem czasowym). Wykorzystano ją tu wyłącznie do ustalenia czynnika osobistego wiek początku kariery × ekspozycja na AI, a nie do wyprowadzenia głównej liczby. Wcześniejszy preprint z sierpnia 2025 roku podawał ~13%; wersja opublikowana podaje 16%.
    Niezależność
    Pierwsze wielkoskalowe dowody oparte na listach płac (dane administracyjne ADP), metodologicznie niezależne od badań ekspozycji zadań O*NET i makroekonomicznych projekcji BLS powyżej. Mierzy faktyczne zatrudnienie, a nie podatność zadań.
  7. [7] Proskauer (Law and the Workplace) — AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    Statystyka
    16 maja 2025 roku sąd federalny warunkowo certyfikował Mobley v. Workday jako ogólnokrajową zbiorową sprawę ADEA obejmującą kandydatów w wieku 40+; w pismach Workday ujawniono około 1,1 miliarda aplikacji odrzuconych przez jego narzędzia do selekcji AI w danym okresie
    Cytat
    “"1.1 billion applications were rejected [...] Notice will be issued to the allegedly affected job applicants, in what could be one of the largest collectives ever certified." ”
    Dane źródłowe z
    2025-06-03
    Dostęp
    2026-06-14 · kopia archiwalna
    Obliczenie
    Mobley v. Workday (N.D. Cal. 3:23-cv-00770) zarzuca, że system rekomendacji kandydatów oparty na AI firmy Workday wywołał na etapie rekrutacji nieproporcjonalnie niekorzystny skutek ze względu na wiek, rasę i niepełnosprawność. 16 maja 2025 roku sąd warunkowo (wstępnie) certyfikował ogólnokrajową zbiorową sprawę ADEA kandydatów w wieku 40+ poddanych selekcji od września 2020 roku. Liczba ~1,1 miliarda to wolumen aplikacji, które według ujawnienia Workday zostały odrzucone przez jego narzędzia, a nie liczba potwierdzonych stronniczych odrzuceń; sprawa jest nierozstrzygnięta, a zarzut nieproporcjonalnie niekorzystnego skutku nie został zbadany w procesie. Nie da się wyprowadzić prawdopodobieństwa zautomatyzowanego odrzucenia obciążonego stronniczością dla pojedynczego kandydata, więc to źródło wspiera wyłącznie zastrzeżenie, a nie liczbę.
    Niezależność
    Analiza prawna doniesień z akt sądowych; źródło niemające statusu źródła o uznanym autorytecie, użyte wyłącznie do udokumentowania wymiaru algorytmicznego wykluczenia na etapie rekrutacji, nieobecnego w badaniach wypierania przez automatyzację powyżej.

436 ryzyk z mierzonym prawdopodobieństwem
1 na 10 1 na 100 1 na 1K 1 na 10K 1 na 100K 1 na 1M 1 na 10M 1 na 100M 1 na 1B pewne rzadsze → Ryzyko chirurgii kosmetycznej za granicą — 1 na 10 Cukier/sól u niemowląt — 1 na 10 Endometrioza — 1 na 10 Ryzyko przeszczepu włosów w Turcji — 1 na 10 Endoproteza kolana — 1 na 10 Przewlekłe leki przeciwbólowe — 1 na 10 Całkowita utrata zębów — 1 na 9,1 Alzheimer — 1 na 8,3 Niedobór snu — 1 na 8,3 Bezdymny tytoń — 1 na 8,3 Rower bez kasku — 1 na 8,0 Uszkodzenia zębów przez bruksizm — 1 na 7,7 Zawodność prezerwatywy — 1 na 7,7 Rezygnacja z opieki ze strachu — 1 na 7,1 Utrata wzroku — 1 na 6,7 Przepuklina od dźwigania — 1 na 6,7 Ryzyko złamania biodra — 1 na 6,7 Regularne picie — 1 na 6,7 Pierwszy zawał serca — 1 na 5,9 Niepłodność — 1 na 5,7 Ponad 5 lat odpłatnej opieki — 1 na 5,6 CTE (futbol) — 1 na 5,0 Poważna depresja — 1 na 4,9 Uraz na wędrówce — 1 na 4,8 Zakażenie przez jedzenie po dziecku — 1 na 4,2 Borelioza — 1 na 4,0 Samotność i zdrowie — 1 na 3,8 Dziedziczne ryzyko AUD — 1 na 3,5 Zaburzenie używania alkoholu — 1 na 3,4 Zaburzenie lękowe — 1 na 3,2 Przyspieszenie ryzyka CV przy menopauzie — 1 na 3,0 Cicha cukrzyca — 1 na 3,0 Latanie z przeziębieniem — 1 na 2,9 Utrata pracy i depresja — 1 na 2,9 Choroba odkleszczowa (las) — 1 na 2,9 Cichy wysoki cholesterol — 1 na 2,9 Utrata dziadka w dzieciństwie — 1 na 2,8 Smoczek na podłodze — 1 na 2,8 Ciche nadciśnienie — 1 na 2,7 Infekcja oporna — 1 na 2,6 Brak zgodności szpiku — 1 na 2,4 Przyjęcie do domu opieki — 1 na 2,2 Fałszywie dodatnia mammografia — 1 na 2,0 Regularne palenie — 1 na 2,0 Biegunka podróżna — 1 na 2,0 Sporty przygodowe — 1 na 1,8 Opieka długoterminowa po 65. — 1 na 1,8 Prawdopodobieństwo wdowieństwa — 1 na 1,7 Niechroniony seks — 1 na 1,5 Ból dolnego odcinka pleców — 1 na 1,3 Higiena rąk — 1 na 1,0 Rak (dowolny) — 1 na 7,1 Hulajnoga bez kasku — 1 na 4,5 E-rower bez kasku — 1 na 4,0 Zagubiony bagaż — 1 na 3,7 Wypadek z winy kierowcy — 1 na 2,9 Zderzenie z jeleniem — 1 na 2,7 Obrażenia w wypadku — 1 na 2,6 Odwołanie lotu — 1 na 1,8 Zakłócenie podróży: wojna lub katastrofa — 1 na 1,7 Napaść podczas autostopu — 1 na 8,8 Włamanie do domu — 1 na 8,6 Oszustwo czekowe — 1 na 7,7 Wykorzystywanie seksualne dzieci — 1 na 6,8 Uporczywe nękanie — 1 na 6,2 Napaść seksualna na studentkę — 1 na 5,7 Przemoc domowa — 1 na 3,7 Napaść nocą — 1 na 3,6 Kradzież roweru — 1 na 2,9 Przemoc seksualna — 1 na 2,3 Molestowanie seksualne (całe życie) — 1 na 1,6 Niedobór wody — 1 na 2,5 Burza słoneczna klasy Carringtona — 1 na 1,9 Punkt krytyczny WAIS — 1 na 1,1 Ucieczka kota domowego — 1 na 10 Ugryzienie psa bez smyczy — 1 na 9,8 Królik umiera w ciągu 4 lat — 1 na 3,3 Pogryzienie przez psa — 1 na 1,8 Chomik umiera przed nastolatkiem — 1 na 1,0 Niedobór żelaza (kobiety) — 1 na 3,9 Niedobór witaminy D — 1 na 2,9 Luka magnezowa — 1 na 1,9 Niedogotowane jedzenie — 1 na 1,6 Zanieczyszczenie krzyżowe surowym mięsem — 1 na 1,4 Jedzenie poza lodówką — 1 na 1,2 Oszustwo z głosem AI — 1 na 2,9 Oszustwo online — 1 na 2,5 Cyberprzemoc wśród nastolatków — 1 na 2,0 Dzieci i treści jawne — 1 na 1,9 Wyciek danych — 1 na 1,1 Poronienie — 1 na 6,7 Próba samobójcza nastolatka — 1 na 5,6 Depresja poporodowa — 1 na 4,8 Lek przeciwbólowy przed szczepieniem — 1 na 3,8 Nadmierny przyrost masy w ciąży — 1 na 2,6 Nieszczepione dziecko i odra — 1 na 2,0 Wszy głowowe u dziecka — 1 na 2,0 Strata seniorów na oszustwie — 1 na 10 Upadek funduszu — 1 na 10 Krach mieszkaniowy — 1 na 8,3 Kontrola IRS — 1 na 6,7 Załamanie waluty — 1 na 5,6 Deportacja za przekroczenie wizy USA — 1 na 5,6 Odbiór auta z kredytu subprime — 1 na 5,0 Niepełnosprawność w wieku produkcyjnym — 1 na 4,0 Niespłacony kredyt studencki — 1 na 3,8 Represje wobec sygnalisty — 1 na 3,2 Wymuszone odejście przed emeryturą — 1 na 2,9 Niedobór emerytalny — 1 na 2,6 BNPL: zaległa rata — 1 na 2,4 Rozwód — 1 na 2,4 Szkody z pękniętej rury — 1 na 2,2 Mobbing w pracy — 1 na 2,1 Długa awaria prądu — 1 na 2,0 Deportacja (nieudokumentowani) — 1 na 1,8 Szok kosztów pogrzebu — 1 na 1,7 Kradzież tożsamości — 1 na 1,7 Oszustwo kartowe — 1 na 1,5 Prześladowanie w szkole — 1 na 1,5 Śmierć żołnierza frontowego — 1 na 1,3 Recesja gospodarcza — 1 na 1,0 Krach na giełdzie — 1 na 1,0 Szkody gradowe na dachu — 1 na 3,0 Problemowy lokator — 1 na 1,8 Powikłania LASIK — 1 na 100 Szkody od suchego papieru toaletowego — 1 na 100 Dym papierosowy bierny — 1 na 91 Zaburzenie gier (dorośli) — 1 na 83 SOR od szpilek — 1 na 79 Rzucony lub upuszczony przedmiot — 1 na 67 Reakcja na lek — 1 na 58 Przedawkowanie — 1 na 56 Astma od kuchenki gazowej u dziecka — 1 na 50 Toksoplazmoza z kuwety kota — 1 na 48 Renta z tyt. zdrowia psychicznego — 1 na 45 Uzależnienie od benzodiazepin — 1 na 40 Ołów w wodzie z kranu — 1 na 40 Niewłaściwe stosowanie leków — 1 na 35 Urazowe uszkodzenie mózgu — 1 na 33 Zakażenie szpitalne — 1 na 31 Zanieczyszczenie powietrza — 1 na 29 Schyłkowa choroba nerek — 1 na 29 Biegunka podróżnych (woda) — 1 na 26 Uraz narciarski — 1 na 26 Zaburzenie dwubiegunowe — 1 na 23 Usunięcie zęba mądrości — 1 na 22 Powikłanie turystyki stomatologicznej — 1 na 20 Porzucenie osób starszych — 1 na 20 Parkinson — 1 na 20 Pasożyty zwierząt — 1 na 20 Niezdiagnozowane ADHD — 1 na 20 Alergia pokarmowa u dorosłych — 1 na 19 Demencja inna niż Alzheimera — 1 na 17 Zaburzenie używania konopi — 1 na 16 Udar — 1 na 15 PTSD — 1 na 15 Poważna utrata słuchu — 1 na 14 Cukrzyca typu 2 — 1 na 13 Zapalenie wyrostka — 1 na 13 Dym z gotowania — 1 na 13 Nieleczona depresja — 1 na 13 Napoje a cukrzyca — 1 na 13 Choroba serca — 1 na 12 Śmierć z błędu medycznego — 1 na 12 Kompulsywne zachowania seksualne — 1 na 12 Zaburzenia odżywiania — 1 na 11 Endoproteza biodra — 1 na 11 Kamienie nerkowe — 1 na 11 Śmierć/niepełnosprawność rodzica — 1 na 11 Siedzący tryb życia — 1 na 11 Infekcja w salonie — 1 na 11 Rak jajnika — 1 na 91 Rak jelita grubego — 1 na 77 Rak piersi — 1 na 59 Rak wątroby — 1 na 59 Rak płuc — 1 na 56 Rak prostaty — 1 na 50 Czerniak (UV) — 1 na 29 Ryzyko RJD (niski błonnik) — 1 na 26 Czerwone mięso a rak jelita grubego — 1 na 21 Zwęglone mięso a rak — 1 na 20 Wypadek techniczny — 1 na 83 Jazda na lekach uspokajających — 1 na 77 SMS + jazda — 1 na 56 Śmierć bez pasów — 1 na 53 Przekroczenie prędkości o 20% — 1 na 50 Motocykl bez kasku — 1 na 45 Lot kosmiczny (astronauta) — 1 na 42 Oglądanie filmu + jazda — 1 na 32 Obrażenia dziecka w wypadku — 1 na 27 Senna jazda — 1 na 26 Norowirus na statku wycieczkowym — 1 na 24 Uraz e-hulajnogi — 1 na 10 Kradzież kieszonkowa podczas podróży — 1 na 38 Kradzież katalizatora — 1 na 37 Ugodzenie nożem w napaści — 1 na 37 Kradzież pojazdu — 1 na 34 Napad uliczny / rozbój — 1 na 26 Niesłuszny wyrok — 1 na 24 Podtruwanie drinków — 1 na 17 Kradzież auta metodą relay — 1 na 13 Obrażenia na proteście w reżimie — 1 na 12 Załamanie AMOC — 1 na 20 Anafilaksja po użądleniu — 1 na 50 Obroża dla kota — 1 na 25 Zatrucie pokarmowe w restauracji — 1 na 58 Niedobór B12 — 1 na 28 Niedobór wegetariański — 1 na 14 Intymny deepfake — 1 na 25 Problematyczne użycie mediów — 1 na 13 Dziecko połyka przedmiot (SOR) — 1 na 91 Poród zagrażający życiu (USA) — 1 na 61 Zgon przy porodzie (SSA) — 1 na 55 Upadek ze schodów maluch — 1 na 37 Zgon podczas wspólnego spania — 1 na 36 Uraz przy zabawie & zjeżdżalni — 1 na 33 Diagnoza autyzmu — 1 na 31 Powikłania cięcia cesarskiego — 1 na 29 Uraz zabawką, izba przyjęć (dziecko) — 1 na 21 Stan przedrzucawkowy — 1 na 20 Poważne pęknięcie krocza — 1 na 17 Cukrzyca ciążowa — 1 na 13 Uraz głowy dziecka przy upadku — 1 na 12 Śmierć bez spadkobiercy — 1 na 100 Ruina finansowa z zakładów sportowych — 1 na 100 Śmierć pilota myśliwca — 1 na 48 Śmierć w połowach komercyjnych — 1 na 45 Śmierć przy wyrębie lasu — 1 na 34 Bankructwo medyczne — 1 na 25 Zaburzenie kompulsywnego kupowania — 1 na 20 Strata na oszustwie z ogłoszeniem najmu — 1 na 20 Utrata SNAP wg zasad pracy 2025 — 1 na 18 Przejęcie hipoteczne — 1 na 14 Renta - narząd ruchu — 1 na 14 Straty z day tradingu — 1 na 13 Katastrofa rządu ekstremistycznego — 1 na 13 Zniszczenie domu przez huragan — 1 na 17 NAION (Ozempic) — 1 na 909 Utonięcie małego dziecka w basenie — 1 na 800 SM — 1 na 769 Śmiertelność w pracy — 1 na 690 Dur brzuszny — 1 na 654 GLP-1: aspiracja w znieczuleniu — 1 na 613 Niebezpieczne importowane produkty — 1 na 565 Tętniak mózgu — 1 na 400 COVID-19 — 1 na 400 Uraz od fajerwerków — 1 na 385 Nóż kuchenny: przecięte ścięgno — 1 na 385 Za dużo kofeiny — 1 na 366 Anemia sierpowata — 1 na 365 Sfałszowane leki — 1 na 361 Uszkodzenie rdzenia kręgowego — 1 na 313 Diagnoza raka u dzieci — 1 na 285 Śmierć w pandemii — 1 na 208 Denga (podróż) — 1 na 200 Poród przedwczesny od upału — 1 na 200 Pomijanie codziennych pryszniców — 1 na 200 Nieszorowanie stóp — 1 na 200 Ryzyko oddania szpiku — 1 na 167 Kleszczowe zapalenie mózgu — 1 na 167 Schizofrenia — 1 na 143 Przypadkowy upadek — 1 na 135 Nagła śmierć podczas ćwiczeń — 1 na 123 Samobójstwo (USA) — 1 na 121 Uzależnienie od opioidów — 1 na 114 Gruźlica (globalna) — 1 na 109 Diagnoza HIV — 1 na 105 Rak od radonu — 1 na 435 Rak jądra — 1 na 250 Rak szyjki macicy — 1 na 167 Rak trzustki — 1 na 125 Śmierć pieszego — 1 na 806 Wypadek motocyklowy — 1 na 709 Utonięcie podczas pływania — 1 na 685 Kierowca zabija pieszego — 1 na 552 Uraz przy chodzeniu z telefonem — 1 na 400 Pożar baterii EV — 1 na 333 Rowerzysta zabity przez samochód — 1 na 159 Pożar auta benzynowego — 1 na 125 Śmiertelność pojazdu autonomicznego — 1 na 115 Wypadek samochodowy — 1 na 105 Śmierć strażaka na służbie — 1 na 455 Śmierć policjanta na służbie — 1 na 357 Zabójstwo — 1 na 339 Oszustwo inwestycyjne — 1 na 106 Ekstremalny upał — 1 na 333 Śmierć od zmian klimatu — 1 na 204 Ukąszenie nietoperza & wścieklizna — 1 na 278 Choroba od komarów — 1 na 190 Zatrucie pokarmowe (globalne) — 1 na 317 Pożar paneli słonecznych — 1 na 667 Nieleczona skolioza dziecięca — 1 na 1000 Dziecko spada z okna — 1 na 855 Chodzik upadek ze schodów — 1 na 625 Upadek niemowlęcia — 1 na 500 Uraz w chodziku — 1 na 455 Śmiertelność matek — 1 na 272 Wiek matki i wady wrodzone — 1 na 200 Śmierć dziecka (<18) — 1 na 103 Śmierć w karierze speleologicznej — 1 na 167 Śmierć na służbie w ratownictwie — 1 na 909 Ofiara wojenna cywil Ukraina — 1 na 499 Żołnierz w walce — 1 na 270 Cofnięcie wizy studenckiej — 1 na 263 Śmierć w karierze górniczej — 1 na 214 Ruina przez hazard — 1 na 159 Pożar domu od pioruna — 1 na 461 Zniszczenie domu przez pożar lasu — 1 na 120 Malaria (podróż) — 1 na 10 000 Zakażenie przez wspólne picie — 1 na 10 000 Choroba Chagasa — 1 na 8475 Tasiemiec lisa z dzikich jagód — 1 na 8475 Dziecko połyka saszetkę nikotynową — 1 na 7937 Schistosomatoza — 1 na 6667 Nagła śmierć (młody dorosły) — 1 na 3922 Niebezpieczna instalacja — 1 na 3390 Sepsa z rany — 1 na 2857 Świadomość w narkozie — 1 na 2500 Udar cieplny (na zewnątrz) — 1 na 1905 Pożar domu — 1 na 1818 Wścieklizna od psów — 1 na 1449 Utonięcie — 1 na 1379 Uraz rdzenia z płytkiego skoku — 1 na 1111 Hospitalizacja EVALI z vape'owania — 1 na 1064 Zakrztuszenie — 1 na 1020 Rak od betelu — 1 na 1290 Zakrzep (lot) — 1 na 4651 Zabicie rowerzysty — 1 na 3937 Śmierć nastolatka w wypadku drogowym — 1 na 3030 Fotelik rowerowy z tyłu — 1 na 2500 Dziecko bez fotelika — 1 na 2000 Śmiertelne spotkanie z policją — 1 na 4739 Zabójstwo honorowe — 1 na 2381 Zabójstwo przez partnera intymnego — 1 na 1767 Huragan — 1 na 8929 Śmierć z głodu — 1 na 6536 Śmierć w zamieci — 1 na 4367 Trzęsienie ziemi — 1 na 3802 Listeria w wędlinach — 1 na 6061 Ciężkie E. coli ze świeżych warzyw — 1 na 4831 Zatrucie pokarmowe (USA) — 1 na 1862 Rtęć w rybach — 1 na 1695 Uraz od ości — 1 na 1429 Pożar baterii — 1 na 4545 Połknięcie kapsułki do prania — 1 na 6494 Utonięcie w basenie — 1 na 5882 Nieleczona dysplazja stawu biodrowego — 1 na 5000 SIDS — 1 na 2398 Wojna (cywil) — 1 na 2000 Obrzęk mózgu od grypy u dziecka — 1 na 100 000 Śmiertelne użądlenie — 1 na 76 923 Lokalna denga (kontynent. USA) — 1 na 66 667 Śmierć ze znieczulenia — 1 na 45 662 Śmierć psa w gorącym samochodzie — 1 na 41 667 Zakażenie rany Vibrio vulnificus — 1 na 32 051 Anafilaksja — 1 na 27 548 Chiropraktyczna manipulacja szyi — 1 na 16 667 Zatrucie CO — 1 na 14 006 WZW typu A (podróż) — 1 na 12 500 Rezygnacja z immunoterapii alergicznej — 1 na 11 111 Akrylamid a rak — 1 na 16 667 Wypadek autobusowy — 1 na 100 000 Katastrofa lotnicza (samolot) — 1 na 58 824 Pożar auta po zderzeniu — 1 na 25 000 Śmierć na przejeździe — 1 na 20 576 Zatopiony samochód — 1 na 16 667 Przyczepka rowerowa — 1 na 14 286 Kolizja „o włos” na pasie — 1 na 13 699 Atak kwasem — 1 na 94 340 Terroryzm — 1 na 77 519 Porwanie dziecka przez obcego — 1 na 38 760 Porwanie przez obcego — 1 na 35 211 Śmierć posagowa — 1 na 13 158 Przypadkowy wystrzał — 1 na 11 299 Pożar lasu — 1 na 100 000 Tornado — 1 na 80 645 Tsunami — 1 na 52 632 Utonięcie w oceanie — 1 na 29 155 Powódź — 1 na 20 202 Śmierć z upału po huraganie — 1 na 20 000 Śmierć w osuwisku — 1 na 18 416 Erupcja superwulkanu — 1 na 12 376 Użądlenie pszczoły — 1 na 78 927 Połknięta pszczoła/osa — 1 na 29 155 Śmiertelne użądlenie skorpiona — 1 na 26 110 Śmierć psa od czekolady — 1 na 13 889 Mus z cynamonem z ołowiem — 1 na 40 000 Wymywanie z plastiku — 1 na 16 949 Uduszenie niemowlęcia w foteliku — 1 na 64 935 Upadek z bujaczka — 1 na 60 606 Zakrztuszenie malucha — 1 na 50 000 Zadławienie niemowlęcia bez nadzoru — 1 na 50 000 Śmierć dziecka jadącego przodem — 1 na 26 738 Połknięcie magnesów — 1 na 12 048 Śmierć podczas snorkelowania — 1 na 21 739 Zwierzę w transporcie — 1 na 20 000 Śmierć w areszcie ICE — 1 na 17 065 Miny lądowe — 1 na 14 728 Reakcja na szczepionkę — 1 na 763 359 Aluminium a Alzheimer — 1 na 169 492 Wyciek gazu w domu — 1 na 140 845 Śmierć dziecka w gorącym aucie — 1 na 102 041 Glifosat a rak — 1 na 1 000 000 Rak od naczyń teflonowych — 1 na 169 492 Uraz na kolejce górskiej — 1 na 312 500 Zatopienie promu — 1 na 133 333 Uraz od turbulencji — 1 na 114 943 Strzelanina w szkole — 1 na 192 308 Masowa strzelanina — 1 na 113 636 Lawina — 1 na 210 526 Piorun — 1 na 209 205 Ukąszenie węża — 1 na 884 956 Ukąszenie pająka — 1 na 833 333 Atak hipopotama — 1 na 564 972 Atak krokodyla — 1 na 337 838 Ugryzienie psa — 1 na 142 045 Pozostałości pestycydów — 1 na 1 000 000 Choroba z brudnej puszki — 1 na 200 000 Szkodliwość bioplastiku PLA — 1 na 169 492 Huśtawka niemowlęca zgon — 1 na 714 286 Zadławienie winogronem — 1 na 625 000 Uduszenie dziecka sznurem żaluzji — 1 na 416 667 Uduszenie dziecka torbą foliową — 1 na 263 158 Bateria guzikowa — 1 na 250 000 Leżaczek nachylony zgon — 1 na 238 095 Śmierć w windzie/na schodach ruchomych — 1 na 188 324 JE (podróż) — 1 na 2 000 000 Dziecko + przedni airbag — 1 na 10 000 000 Uderzenie asteroidy — 1 na 1 351 351 Jaja pająków w bananach — 1 na 10 000 000 Atak rekina — 1 na 5 681 818 Atak niedźwiedzia — 1 na 3 787 879 Zatrucie dzikimi jagodami — 1 na 2 222 222 Atak piranii — 1 na 135 135 135 Telefon przy dystrybutorze — 1 na 1 000 000 000 Telefon w samolocie — 1 na 1 000 000 000
Lottery jackpot 1 na 95 238

Ostatnio oglądane na tym urządzeniu