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
Jak zmienia się ryzyko
Główna wartość uśrednia bardzo różne sytuacje. Oto jak prawdopodobieństwo zmienia się w zależności od scenariusza lub kontekstu:
1 na 2,0 · 50%
Kategoria o najwyższej ekspozycji we wszystkich badaniach; Frey i Osborne przypisują wielu z tych ról prawdopodobieństwo automatyzacji >90%. Ale „wysoka ekspozycja” nie oznacza „miejsce pracy zlikwidowane”: częściowa automatyzacja jest znacznie częstsza niż pełne zastąpienie.
1 na 5,0 · 20%
Umiarkowana ekspozycja zadań według Eloundou i wsp., ale dotąd dominującym wzorcem jest wspomaganie (AI jako narzędzie), a nie zastępowanie. Historyczne analogie: arkusze kalkulacyjne nie wyeliminowały księgowych.
1 na 6,7 · 15%
Generatywna AI ma tu wysoką ekspozycję zadań, ale komercyjne wdrażanie z myślą o pełnym zastąpieniu pozostaje niskie. Prawa autorskie i ograniczenia kontroli jakości utrudniają substytucję.
1 na 20 · 5,0%
Najniższa ekspozycja na AI. Robotyka rozwija się znacznie wolniej niż oprogramowanie oparte na AI. Te zawody korzystają też z silnych czynników demograficznych (starzejąca się populacja, niedobory pracowników).
Długość i odcień paska porządkują te scenariusze względem siebie, a nie wobec innych zagrożeń. Dokładne prawdopodobieństwa podano obok każdego z nich.
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.
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] 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] 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] 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] 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] Bureau of Labor Statistics — Employment Projections: 2023-2033
Employment Projections: 2023-2033Wpisy 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] 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] 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.

