Notatka z terenu o tym, co rok prognoz „AI a praca" naprawdę nam powiedział — i dlaczego same prognozy okazały się najmniej wiarygodnym przyrządem ze wszystkich.

Uwaga redakcyjna: to polska adaptacja tekstu z senteri.com. Twarde dane w wersji oryginalnej są amerykańskie (Challenger, Yale Budget Lab, MIT, SignalFire) — bo to o nich mówią Amodei, Altman i Suleyman. Tutaj zostają jako źródło, ale z dołożoną warstwą: co z tego wynika dla kraju, który jest zapleczem usługowym Zachodu. Polskie liczby pochodzą z raportu ABSL 2025 oraz danych No Fluff Jobs (2025/2026) i są oznaczone przypisami.

Przez mniej więcej rok ludzie budujący AI mówili nam, że idzie po nasze biurka. Nie w tym ostrożnym, „kiedyś-może" tonie, którym futurolodzy się ubezpieczają, ale z liczbami i terminami. Połowa stanowisk dla początkujących. Kilka lat. „Krwawa łaźnia białych kołnierzyków". To nie byli publicyści polujący na kliki — to byli prezesi firm wypuszczających te modele, nieliczni wtajemniczeni gotowi powiedzieć na głos to, co reszta mruczała pod nosem.

A potem, gdzieś wiosną 2026, kilkoro z nich po cichu się z tego wycofało.

To wycofanie jest właściwą historią — i dziwniejszą, niż sugerowałaby sama panika albo samo odwołanie wzięte z osobna. Bo gdy prognozy przesuwały się od katastrofy ku uspokojeniu, dane z poziomu gruntu zrobiły coś, czego nie przewidział żaden obóz: nie ustawiły się za żadnym z nich. Chcę rozłożyć to wszystko na części — co powiedziano, czego nie powiedziano, i co działo się pod spodem — bo w szczelinie między tymi trzema rzeczami siedzi prawdziwa lekcja, i nie jest to lekcja, którą ktokolwiek sprzedawał.

Warstwa pierwsza: prognozy i ci, którzy je wygłosili

Zacznijmy od zapisu, bo po roku łatwo zapomnieć, kto co mówił.

W maju 2025 Dario Amodei z Anthropic powiedział, że AI może zlikwidować do połowy stanowisk białych kołnierzyków dla początkujących, podbijając bezrobocie do 10–20% w ciągu jednego do pięciu lat. Użył słowa „bloodbath" (krwawa łaźnia) i zarzucił branży lukrowanie prawdy.¹ W czerwcu 2025 Sam Altman z OpenAI ostrzegał, że wiele miejsc pracy zniknie, a stanowiska wejściowe są szczególnie zagrożone.² W lipcu 2025 Microsoft Research opublikował pracę punktującą zawody według tego, jak bardzo pokrywają się z tym, do czego ludzie faktycznie używają AI — na podstawie około 200 tysięcy realnych rozmów z Bing Copilotem — gdzie najwyżej wypadła praca z informacją: pisanie, zbieranie informacji, komunikacja.³ Do lutego 2026 szef AI w Microsofcie, Mustafa Suleyman, postawił zegar: większość zadań białych kołnierzyków — wymienił prawo, księgowość, marketing, zarządzanie projektami — będzie „w pełni zautomatyzowana przez AI w ciągu najbliższych 12 do 18 miesięcy".⁴

Bill Gates grał inną nutę, asekurację optymisty — tylko trzy dziedziny, powtarzał przez 2025 i w 2026, zostają pewnie ludzkie na razie: programowanie, energetyka, biologia.⁵ Słowa „na razie" wykonywały w tym zdaniu sporo cichej pracy i jeszcze do nich wrócimy.

Ułóż te prognozy na jednej osi, a prawidłowość już widać: pewne, konkretne, z datami, i wygłoszone przez ludzi, którzy są — co najmniej — stroną zainteresowaną w pytaniu, czy AI jest potężne. Zapamiętaj tę myśl.

Co to znaczy dla nas: Polska jako ostatnia mila Zachodu

Tu wchodzi pierwszy polski kontekst, bo amerykańska prognoza nie dociera do nas wprost — dociera przez konkretny kanał.

Polska gospodarka usług biznesowych jest w dużej mierze zapleczem dla Zachodu, i nie jest to figura retoryczna — to da się policzyć. Na koniec I kwartału 2025 r. w centrach usług biznesowych (SSC/BPO/IT/R&D) pracowało około 488,7 tys. osób, o 6,2% więcej rok do roku, w 2 081 centrach należących do inwestorów z 50 krajów. Kluczowa liczba dla tej tezy: ponad 84% tych miejsc pracy tworzą firmy z kapitałem zagranicznym, a eksport usług sektora sięgnął w 2024 r. 42,3 mld USD — z Niemcami, USA, Wielką Brytanią, Holandią i Szwajcarią jako największymi odbiorcami (do samych Niemiec blisko 5 mld USD).⁶ Innymi słowy: znaczną część polskiej pracy umysłowej, zwłaszcza tej dla ludzi na początku kariery, wykonuje się tu dla kogoś na Zachodzie.

I to jest sedno, które zmienia całą transmisję. Model „zaplecza" oznacza, że dużą część tej pracy stanowią właśnie zadania dobrze zdefiniowane, powtarzalne, sprawdzalne — przetworzenie dokumentu, pierwsza linia obsługi, raport według szablonu, podstawowy kod. Dokładnie ten rodzaj pracy, który AI bierze najpierw.

To znaczy, że amerykański ucisk na stanowiska wejściowe nie omija Polski — dociera do niej pośrednio i z opóźnieniem, dwoma drogami naraz. Pierwsza: jeśli zachodni klient automatyzuje swoją pierwszą linię, zleceń dla polskiego zaplecza po prostu jest mniej. Druga: jeśli ten sam rodzaj zadań da się zautomatyzować lokalnie, presja pojawia się też u nas, niezależnie od klienta.

Trzeba od razu powiedzieć jedno, żeby nie przesadzić w drugą stronę: w skali zagregowanej sektor wciąż rośnie. ABSL prognozuje, że w 2026 r. zatrudnienie sięgnie 504,3 tys. osób, a cały rynek ofert IT odbił w 2025 r. po słabszym 2024.⁶⁷Nie twierdzę więc, że „zaplecze się zwija" — twierdzę, że jego skład się przesuwa, a kanał transmisji jest dla Polski specyficzny: jesteśmy rynkiem, którego znaczna część to praca z natury najbardziej eksponowana na automatyzację, wykonywana dla kogoś innego. To czyni nas wcześniejszym, nie późniejszym, miejscem na tej mapie — wbrew intuicji, że „u nas to przyjdzie później".

Warstwa druga: odwołanie

Tu robi się niewygodnie dla każdego, kto wziął prognozy za dobrą monetę.

Do maja 2026 Amodei zmienił ramę. Siedząc na scenie obok Jamiego Dimona z JPMorgan, sięgnął po paradoks Jevonsa — dziewiętnastowieczną obserwację, że uczynienie czegoś wydajniejszym zwykle zwiększa, a nie zmniejsza, popyt na to. Zautomatyzuj 90% pracy, argumentował, a pozostałe 10% rozszerza się na cały dzień przy mniej więcej dziesięciokrotnej produktywności. Praca się mnoży, nie znika.⁸

Ale ta zmiana nie była czystym obrotem o 180 stopni, jak się ją często opisuje — i ten szczegół ma znaczenie. W tej samej rozmowie Amodei przywołał też prawo Amdahla (system jest tak szybki, jak jego najwolniejszy element) i wprost zastrzegł, że AI porusza się szybciej niż dawne technologie, co może wywołać „dziwne zachowania i wielkie zakłócenie". Jego własne zastrzeżenie obnażyło słaby punkt: jevonsowskie wyrównanie zależy od czasu, a on nie był pewien, czy starczy go dla ludzi złapanych w przejściu.⁸ Przesunięcie było więc realne, ale to było przesunięcie akcentu w tej samej niepewności — nie odkrycie faktu, który obaliłby poprzedni.

Altman był dosadniejszy. Nazwał siebie „pretty wrong" (mocno w błędzie) co do bliskiego wpływu AI na gospodarkę i powiedział, że jest „delighted to be wrong" (zachwycony, że się myli) — że spodziewał się do tego czasu więcej zniknięć stanowisk wejściowych, niż faktycznie zaszło.² David Solomon z Goldman Sachs, który nigdy nie kupił apokalipsy, wskazywał na stulecie amerykańskiej historii — elektryfikacja, potem komputery, teraz AI — gdzie każda fala tworzyła nową pracę po tym, jak zniszczyła starą.²

A najbardziej wymowne odwołanie przyszło od samego Microsoft Research. Praca, która wywołała tysiąc straszących nagłówków, została po cichu przemianowana — z „…Measuring the Occupational Implications of Generative AI"(Mierzenie implikacji zawodowych generatywnej AI) na „…Measuring the Applicability of Generative AI to Occupations" (Mierzenie stosowalności generatywnej AI do zawodów) — a autorzy opublikowali notatkę będącą w istocie korektą tego, jak ich pracę odczytano.⁹ Ich badanie, napisali, „nie wyciąga żadnych wniosków o likwidacji miejsc pracy". Linia, którą postawili, była prosta i niszcząca dla nagłówkowej ramy: „Praca to znacznie więcej niż zbiór składających się na nią zadań".⁹ Ich wskaźnik mierzył, do czego używa się czatbota, a nie za co kogoś zwolnią. Lista, którą wszyscy odczytali jako spis skazańców, nigdy nią nie była.

Powstrzymam się od opowiadania o cudzych prywatnych motywach — nie widzę wnętrza tych odwołań, a udawanie, że widzę, byłoby własnym rodzajem nieuczciwości. Punkt strukturalny stoi bez czytania w myślach: każda z tych prognoz została wygłoszona w głębokiej niepewności przez kogoś z materialnym interesem w tym, jak technologia jest postrzegana — i w ciągu roku ci sami ludzie opowiedzieli spokojniejszą historię rynkowi, który zaczął się bać bańki AI, w momencie gdy OpenAI i Anthropic szły ku wielkim wejściom na giełdę, dla których ryzyko „apokalipsy zatrudnienia" jest trucizną.¹⁰ Nie trzeba przypisywać motywu, by zauważyć, że twierdzenie, które mięknie o 180 stopni w dwanaście miesięcy — bez ruchu w wolnych danych strukturalnych, który by to uzasadnił — nigdy nie funkcjonowało jako pomiar.

Tyle że pomiary napływały przez cały ten czas — i nie poruszyły się tak jak gadanie.

Warstwa trzecia: co naprawdę zrobiły dane

To część, która rozbija zgrabną narrację w obie strony — ale nie dlatego, że dane są sprzeczne. Nie są. Rzecz w tym, że różne zbiory mierzą różne rzeczy, a ludzie układali je tak, jakby były jedną liczbą.

Na jednej warstwie — rejestry zwolnień. W 2025 Challenger, Gray & Christmas przypisał AI bezpośrednio około 55 tysięcy cięć w USA, przy najwyższym poziomie zwolnień od 2020.¹¹ Do maja 2026 zwolnienia w tech przekroczyły 115 tysięcy, zbliżając się do ~124 tysięcy z całego 2025, a Meta, Amazon i Snap były wśród firm wskazujących AI jako przyczynę.² Na tej warstwie pierwotna prognoza katastrofy wygląda bardziej trafnie, nie mniej — dokładnie gdy jej autorzy się z niej wycofywali. (Zastrzeżenie, do którego same te rejestry zachęcają: „AI" jest wygodniejszą rzeczą do podania w komunikacie niż „przesadziliśmy z rekrutacją w 2022".)

Na innej warstwie — dane o rekrutacji. Zatrudnianie świeżych absolwentów w big-techu spadło o jakieś 30–50% względem poziomów sprzed pandemii; rola programisty wejściowego, która definiowała Dolinę Krzemową przez dwie dekady, została po cichu wygaszona.¹² Droga wejścia do zawodu zwęża się nawet tam, gdzie sam zawód trwa. Część tego to AI, część to koniec taniego pieniądza i kac po nadmiernych rekrutacjach z 2022. Uczciwe odczytanie: poziom wejścia jest ściskany przez kilka sił naraz, a AI jest jedną z nich — nie jedyną przyczyną.

I tu wchodzi drugi polski kontekst, bo to właśnie warstwa, na której Polska widzi sygnał najwcześniej — i, inaczej niż przy danych strukturalnych, ten sygnał już jest, i jest wyraźny. Według No Fluff Jobs udział ofert dla juniorów spadł z około 15% w 2022 r. do mniej więcej 5% w 2025 r. — dziś kierowana jest do nich co dwudziesta oferta. We frontendzie, najpopularniejszej specjalizacji wśród kandydatów, udział ofert osunął się z 11,4% (2022) do 4% (2025), a na jedno juniorskie ogłoszenie frontendowe potrafi przypadać kilkaset aplikacji.⁷ Prezes No Fluff Jobs Tomasz Bujok mówi o tym dokładnie to, co cały ten tekst: najprostsza odpowiedź to rozwój AI, „ale to tylko część prawdy".

ABSL dokłada do tego twardszy obraz strukturalny: udział procesów back-office w polskich centrach spadł o ponad 10 pkt proc. w ciągu pięciu lat, co wiążą wprost z automatyzacją, a odsetek centrów planujących wzrost zatrudnienia osunął się z ponad 79% w 2021 r. do 54,8% w 2026 r.¹³ Co ważne — i co ratuje tezę przed nadinterpretacją — działo się to przy rosnącym zatrudnieniu ogółem i przy odbiciu całego rynku IT w 2025 r. (o ok. 44% więcej ofert niż rok wcześniej).⁷ To nie jest zapaść. To przesunięcie składu: suma etatów rośnie, a dolny szczebel się zwęża. Dwie warstwy mówią prawdę naraz.

Na trzeciej warstwie — miary strukturalne. Yale Budget Lab, śledząc skład zatrudnienia, nie znalazł znaczącej zmiany w strukturze zawodowej ani w długości bezrobocia dla zawodów silnie eksponowanych na AI od startu ChatGPT pod koniec 2022 — i zauważył, że widoczne przesunięcia były już w toku w 2021, zanim generatywna AI stała się powszechnie dostępna.² Osobno MIT (we współpracy z Oak Ridge National Laboratory, listopad 2025) oszacował w „indeksie góry lodowej", że AI może już wykonać zadania pokrywające się z około 11,7% amerykańskiego rynku pracy — przy czym tylko jakieś 2,2% tego widać w faktycznej adopcji.¹⁴ Zdolność, która istnieje, ale na warstwie strukturalnej nie przełożyła się jeszcze na mierzalną przebudowę tego, kto gdzie pracuje.

Przeczytaj w poprzek warstw, a pozorny paradoks rozpada się w precyzyjniejsze zdanie: deklarowane zwolnienia obwiniające AI rosną, droga wejścia dla początkujących się zamyka, ekspozycja jest wysoka, a makrostruktura zatrudnienia wygląda niemal nietknięta — wszystko naraz, bo każde z tego to inny przyrząd wymierzony w inną część systemu. Wieszczący katastrofę czytali warstwę zwolnień. Optymiści czytali warstwę strukturalną. Obie strony miały rację co do swojej warstwy i myliły się, biorąc ją za całość.

Co który przyrząd widzi, a czego nie

Warto być wprost co do przyrządów, bo większość publicznego sporu brała się z cichego podmieniania jednego na drugi.

Deklarowane zwolnienia — liczby Challengera, oświadczenia firm — mierzą atrybucję, nie przyczynę: cięcia, gdzie AI podano jako powód. To czyni je szybkimi i konkretnymi, ale wmieszane są w nie restrukturyzacje, kac po nadmiernych rekrutacjach i fakt, że „AI" lepiej wygląda w komunikacie niż błąd rekrutacyjny. Mówią, co pracodawcy mówią, że robią.

Struktura zatrudnienia — praca Yale Budget Lab — mierzy skład rynku: jakie zawody istnieją, w jakich proporcjach, z jaką długością bezrobocia. To najwolniejszy przyrząd i najtrudniejszy do poruszenia, dlatego najlepiej sprawdza, czy coś fundamentalnego się przesunęło, czy tylko zostało ogłoszone. Mówi, co faktycznie przebudowano.

Ekspozycja / zdolność — te 11,7% z MIT — mierzy pokrycie: ile pracy, w zasadzie i przy konkurencyjnym koszcie, AI mogłoby wykonać. To sufit, nie zdarzenie. Wysoka ekspozycja znaczy, że presja istnieje; nie mówi nic o tym, czy, kiedy i jak ta presja stanie się decyzją o liczbie etatów. (Sama metafora „góry lodowej" z MIT — mały widoczny czubek nad wielką zanurzoną masą — to ta sama myśl o warstwach, tylko w innym przebraniu.)

Rekrutacja / wejście na rynek — dane o absolwentach, a u nas o ofertach juniorskich — mierzy przepływ na wejściu: kogo się wpuszcza. To wskaźnik wyprzedzający, którego pozostałe trzy nie widzą, bo firma może zamrozić nabór juniorów na długo zanim pojawi się to w zwolnieniach czy w strukturze zawodów. Mówi o przyszłym kształcie rynku, zanim ten kształt zaistnieje — choć to też warstwa najłatwiej poruszana przez stopy procentowe i korekty po przeroście zatrudnienia, więc trzeba ją czytać ostrożnie.

Zestaw te cztery, a widać, czemu rok sporu kręcił się w kółko. Każda strona podnosiła przyrząd, który schlebiał jej prognozie. Prawie nikt nie mówił, na której warstwie stoi.

Co ta szczelina naprawdę nam mówi

Z ułożenia tego obok siebie wypadają trzy rzeczy, i nawarstwiają się na siebie.

Prognozy były najmniej wiarygodnym przyrządem ze wszystkich. Nie dlatego, że prognozujący byli głupi — Amodei akurat oberwał zawodowo za powiedzenie niepopularnej rzeczy, w którą zdawał się wierzyć. Ale prognoza wygłoszona w głębokiej niepewności przez kogoś, czyja pozycja jest związana z tym, by technologia wydawała się nieuchronna, jest słabym przyrządem niezależnie od szczerości mówiącego. Gdy takie twierdzenie mięknie w rok bez ruchu w danych strukturalnych, który by to uzasadnił, uczciwy wniosek nie brzmi „teraz ma rację" ani „miał rację wcześniej". Brzmi: te twierdzenia nigdy nie były pomiarami. Zwrot prognozy mówi o warunkach, w których ją wygłoszono, co najmniej tyle samo, co o twojej pracy.

„Zadanie" i „praca" to różne rzeczowniki, a niemal każdy straszący nagłówek podmieniał jeden na drugi. To cichy zawias, na którym obraca się całe zamieszanie. Badacze Microsoftu sami postawili tę linię i patrzyli, jak świat ją wymazuje: wysokie pokrycie między AI a zadaniami wewnątrz roli to nie to samo, co zniknięcie roli.³⁹ Jevonsowska rama Amodeia to w istocie to samo rozróżnienie w optymistycznym ubraniu — zautomatyzuj 90% zadań, a człowiek nie znika, tylko zostaje przesunięty na te 10%, które się nie zautomatyzowało, i to rozszerza się na cały dzień.⁸ Czy to przesunięcie jest awansem, czy powolnym duszeniem, zależy całkowicie od roli, a liczba zbiorcza nie powie ci, którym. „Na razie" Gatesa wskazywało na ten sam szew z drugiej strony: programowanie, energetyka i biologia nie są bezpieczne dlatego, że AI nie tyka ich zadań — tyka — ale dlatego, że te role to w większości osąd owinięty wokół zadań, a osąd jest osadem, który automatyzacja zostawia.⁵

Poziom wejścia to miejsce, gdzie zadanie i praca zlewają się w jedno — i tam jest prawdziwy sygnał pod szumem.Oto czemu warstwa zwolnień i warstwa strukturalna mogą obie mówić prawdę. Rola juniora to często wiązka dokładnie tych dobrze określonych, sprawdzalnych zadań, które AI robi najpierw: notatka researchowa, pierwszy szkic umowy, szablonowy kod, pobranie danych. Role seniorskie to osąd z doczepionymi zadaniami; role juniorskie to zadania z osądem jeszcze do nauczenia. Więc AI nie musi zlikwidować zawodu „analityk", by przerzedzić pracę „analityka pierwszego roku" — może wchłonąć tę wiązkę, którą był kiedyś pierwszy rok. Struktura wygląda stabilnie, bo zawody nadal istnieją. Dane o rekrutacji juniorów siadają, bo droga wejścia do tych zawodów była zrobiona z najłatwiej automatyzowalnej pracy w całym budynku. Dwie warstwy, jeden mechanizm — choć, znów, AI jest jednym sterownikiem tego ścisku, nie całością.

I tu — to trzeci, ostatni polski kontekst — sprawa robi się dla nas dotkliwsza niż dla Zachodu. Jeśli kraj zbudował dużą część rynku pracy dla młodych na zadaniach najtaniej automatyzowalnych, to rozpuszczenie dolnego szczebla nie jest abstrakcją z amerykańskiego raportu — jest bezpośrednim ryzykiem dla ścieżki, którą polski junior staje się seniorem, którego osąd właśnie ogłoszono niezastąpionym. A polskie centra już się starzeją w stronę eksperckości: 46% pracowników ma ponad 35 lat, a co trzeci lider sektora spodziewa się, że do 2030 r. połowa załogi będzie musiała zmienić zakres obowiązków albo się przekwalifikować.¹³ Wytnij dolny szczebel, bo w tym kwartale tanio go zautomatyzować, a osłabiasz drogę, którą za pięć lat powstaje warstwa średnia i instytucjonalna pamięć. Prognozy spierały się, ile miejsc pracy. Liczbą, która naprawdę będzie miała znaczenie, jest to, ilu ludzi wciąż wolno zacząć.

Uwaga, którą dopisałbym do całości

Wchodziłem w to, spodziewając się dowiedzieć, kto miał rację — obóz krwawej łaźni czy obóz „będzie dobrze". Zamiast tego odkryłem, że pytanie było źle postawione. Prognozy były najsłabszym dostępnym przyrządem. Zbiorcze dane strukturalne mierzyły coś zbyt wolnego, by się jeszcze poruszyło. Jedynym miejscem, gdzie coś działo się jednoznacznie, był szew między zadaniem a pracą, na poziomie wejścia, tam gdzie żyje praca najtańsza do zautomatyzowania — i to jest dokładnie miejsce, które nagłówkowe liczby widzą najgorzej.

Więc następnym razem, gdy ktoś, kto ma model do sprzedania, przypisze procent i termin twojemu zawodowi, użytecznym ruchem nie jest uwierzyć mu ani go zbyć. Jest zapytać, którego rzeczownika używa, na której warstwie pomiaru stoi i co mówią wolne dane strukturalne pod cytatem. Rok patrzenia, jak eksperci się wycofują, nauczył mnie ufać prognozom mniej, a szwom bardziej. Prognozy się zmieniły. Dane nie dostały notatki. Szew — cichy, nieefektowny, źle zmierzony — jako jedyny mówił prawdę przez cały czas.

Przypisy

1. Wypowiedź Daria Amodeia z maja 2025 dla Axios. Jim VandeHei & Mike Allen, „Behind the curtain: A white-collar bloodbath", Axios, 28 maja 2025 — https://www.axios.com/2025/05/28/ai-jobs-white-collar-unemployment-anthropic (bezrobocie 10–20% i zarzut „lukrowania" w tekście towarzyszącym z 30 maja 2025 — https://www.axios.com/2025/05/30/ai-jobs-replace-humans-ceos-amodei). ↩
2. Ostrzeżenie Altmana z czerwca 2025, jego rewizja z maja 2026 („pretty wrong", „delighted to be wrong"), konsekwentny sceptycyzm Solomona, dane o zwolnieniach w tech (>115 tys. / ~124 tys.), ustalenie Yale Budget Lab oraz tło wejść na giełdę — wszystko za: Fortune, „Sam Altman and Dario Amodei are both walking back their AI jobs apocalypse prophecies as they eye blockbuster IPOs", 26 maja 2026 — https://fortune.com/2026/05/26/sam-altman-dario-amodei-walking-back-ai-jobs-apocalypse-prophecies-ipo/ ↩ ↩²↩³ ↩⁴ ↩⁵
3. Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts & Siddharth Suri, „Working with AI: Measuring the Applicability of Generative AI to Occupations", arXiv:2507.07935 — https://arxiv.org/abs/2507.07935 (analiza ~200 tys. zanonimizowanych rozmów z Bing Copilotem, I–IX 2024; autorzy zaznaczają, że ich metryki „nie powinny być interpretowane jako pomiar zdolności AI do zastępowania miejsc pracy"). ↩ ↩²
4. Mustafa Suleyman, wywiad dla Financial Times, luty 2026, relacjonowany w: Fortune, „Microsoft AI chief gives it 18 months — for all white-collar work to be automated by AI", 13 lutego 2026 — https://fortune.com/2026/02/13/when-will-ai-kill-white-collar-office-jobs-18-months-microsoft-mustafa-suleyman/↩
5. Bill Gates o programowaniu, energetyce i biologii jako rolach przetrwających „na razie": CTO Magazine, „Bill Gates on AI and Future Jobs: Three Roles That Will Survive", maj 2026 — https://ctomagazine.com/bill-gates-ai-and-future-jobs-three-roles-that-will-survive/ ; Windows Central, marzec 2025 — https://www.windowscentral.com/software-apps/bill-gates-3-professions-will-remain-indispensable-for-now ↩ ↩²
6. ABSL, raport „Sektor Usług Biznesowych w Polsce 2025" (premiera czerwiec 2025): 488,7 tys. zatrudnionych na koniec I kw. 2025 (+6,2% r/r); 2 081 centrów; ponad 84% miejsc pracy w firmach z kapitałem zagranicznym; eksport usług 42,3 mld USD w 2024 r.; główni odbiorcy: Niemcy, USA, Wielka Brytania, Holandia, Szwajcaria; prognoza zatrudnienia na 2026 r. — 504,3 tys. (scenariusz bazowy). Komunikat ABSL — https://absl.pl/pl/news/p/raport-absl-rosnie-wartosc-polskiego-sektora-uslug-biznesowych ; oraz relacja PropertyNews — https://www.propertynews.pl/biura/2-tys-centrow-i-5-tys-nowych-etatow-polska-rosnie-na-globalnej-mapie-uslug-dla-biznesu,190482.html ↩ ↩²
7. No Fluff Jobs, „Rynek pracy IT w Polsce 2025/2026" (raport, luty 2026): udział ofert juniorskich spadł z ~15% (2022) do ok. 5% (2025; „co dwudziesta oferta"); frontend — z 11,4% (2022) do 4% (2025); w 2025 r. liczba ofert IT wzrosła o ~44% r/r przy spadku liczby aplikacji na ofertę o ~45%. Prezes Tomasz Bujok: rozwój AI to „tylko część prawdy". Za PulsHR — https://www.pulshr.pl/rekrutacja/mniej-ofert-dla-programistow-wiecej-dla-specjalistow-it-zmienia-sie-na-naszych-oczach,117242.html ; oraz omówienie raportu (PJATK) — https://pja.edu.pl/en/rynek-it-w-polsce-2025-2026-branza-wcale-nie-umiera-raport-no-fluff-jobs/ ↩ ↩² ↩³
8. Amodei przywołujący paradoks Jevonsa (oraz prawo Amdahla, z zastrzeżeniem, że wyrównanie może nie nadejść na czas) obok Jamiego Dimona: Fortune, „Dario Amodei spent last year warning of an AI white-collar bloodbath. Now he's changing the narrative", 5 maja 2026 — https://fortune.com/2026/05/05/dario-amodei-jevons-paradox-will-ai-wipe-out-white-collar-jobs/ ↩ ↩² ↩³
9. Microsoft Research, „Applicability vs. job displacement: further notes on our recent research on AI and occupations", 21 sierpnia 2025 — https://www.microsoft.com/en-us/research/blog/applicability-vs-job-displacement-further-notes-on-our-recent-research-on-ai-and-occupations/ (notatka odwołuje się do wcześniejszego tytułu pracy, Measuring the Occupational Implications of Generative AI; obecny tytuł na arXiv to Measuring the Applicability of Generative AI to Occupations). ↩ ↩² ↩³
10. Niepokój o bańkę AI i kalendarz wejść na giełdę jako tło rewizji — kontekst w przypisie ² oraz w relacjach Fortune o planowanych debiutach OpenAI i Anthropic. ↩
11. Challenger, Gray & Christmas, atrybucja ~55 tys. cięć do AI w 2025 r., za relacjami Fortune i CNBC; kontekst w trackerze aimultiple — https://aimultiple.com/ai-job-loss . W 2026 r. Challenger wskazywał AI jako najczęściej podawany powód cięć w kolejnych miesiącach, zastrzegając, że atrybucja to nie to samo co przyczyna. ↩
12. Spadek rekrutacji absolwentów / stanowisk wejściowych (SignalFire / Revelio Labs), omówiony u Shawna Kanungo, „Dario Amodei Was Right…", kwiecień 2026 — https://shawnkanungo.com/blog/dario-amodei-was-right-entry-level-white-collar-jobs-are-disappearing-fast ; spadek o ~13% dla osób w wieku 22–25 lat w rolach silnie eksponowanych — za Brynjolfsson i in., cyt. w „New Future of Work Report 2025" Microsoftu — https://www.microsoft.com/en-us/research/wp-content/uploads/2025/12/New-Future-Of-Work-Report-2025.pdf ↩
13. ABSL (raport 2025 i komentarze BI ABSL, czerwiec 2025): udział procesów back-office w polskich centrach spadł o ponad 10 pkt proc. w ciągu pięciu lat (wiązane z automatyzacją); odsetek centrów planujących wzrost zatrudnienia spadł z ponad 79% (2021) do 54,8% (2026); 46% pracowników ma ponad 35 lat; 33% liderów przewiduje, że do 2030 r. połowa pracowników zmieni zakres obowiązków lub się przekwalifikuje. Za PulsHR — https://www.pulshr.pl/bpo/pol-miliona-miejsc-pracy-i-nowy-trend-sektor-zmienia-zasady-gry,119939.html ↩ ↩²
14. MIT, „indeks góry lodowej" (Iceberg Index, we współpracy z Oak Ridge National Laboratory), listopad 2025: AI może już wykonać zadania pokrywające się z ~11,7% amerykańskiego rynku pracy (~1,2 bln USD wynagrodzeń), wobec ~2,2% widocznych w faktycznej adopcji. CNBC, „MIT study finds AI can already replace 11.7% of US workforce", 26 listopada 2025 — https://www.cnbc.com/2025/11/26/mit-study-finds-ai-can-already-replace-11point7percent-of-us-workforce.html (badacze podkreślają, że to nie prognoza tego, kiedy i gdzie znikną miejsca pracy). ↩