Czy fala zastępowania przez AI jest przeceniana? Barclays: tylko 20% kluczowych umiejętności zawodowych można w pełni skopiować, ale efekt wzmacniający już się rozprzestrzenia.

Wpływ AI na rynek pracy może być znacznie łagodniejszy niż sugeruje narracja rynkowa, lecz jednocześnie bardziej dalekosiężny. Najnowsze badania Barclays pokazują, że rzeczywiste kluczowe umiejętności zawodowe, które mogą być w dużym stopniu powielane przez AI, stanowią jedynie około 20%, co wskazuje na przeszacowanie obaw związanych z masową „falą zastępowania”; jednak „efekt amplifikacji” produktywności za sprawą AI prezentuje całkowicie inny obraz — jego zasięg jest znacznie szerszy niż automatyczna wymiana, niemal przenikając do każdego zakątka rynku pracy.

Barclays opublikował raport 22 września, wprowadzając „Ramę Automatyzacji i Amplifikacji AI” (Barclays 3A Framework), analizując wpływ AI na ponad 830 zawodów ze szczególnym uwzględnieniem umiejętności zamiast stanowisk jako podstawowego elementu analizy. Badanie wykazało, że ryzyko automatyzacji jest wysoce skoncentrowane wśród kilku grup zawodowych, zawody szczególnie podatne na AI kognitywne to głównie stanowiska komputerowe, inżynieryjne i naukowe, a na AI fizyczne — stanowiska związane z budownictwem, produkcją, montażem, konserwacją i naprawami. Tymczasem dane rekrutacyjne ze Stanów Zjednoczonych już odzwierciedlają strukturalne zmiany zgodne z AI — od 2022 roku odsetek ofert pracy w zawodach najbardziej narażonych na automatyzację spadł z około 30% do mniej więcej 25%.

Dynamiczny wzrost zapotrzebowania na umiejętności AI ujawnia inną logikę: w Stanach Zjednoczonych, Wielkiej Brytanii, Francji i Niemczech odsetek ofert wymagających kompetencji AI wzrósł z około 2% w 2019 r. do 6–10% w sierpniu 2026 r. Warto zauważyć, że punkt ciężkości zapotrzebowania na umiejętności AI ulega przesunięciu — w 2019 roku ponad 70% ofert związanych z AI skupiało się na stanowiskach technologicznych i danych, a w 2026 roku udział ten spadł do około 50%, podczas gdy udział stanowisk menedżerskich wzrósł z około 10% do 25%, pokazując, że AI rozszerza się z obszaru technicznego na szerszy ekosystem zawodowy.

Tradycyjna analiza wpływu AI na rynek pracy często opiera się na „zawodach” jako jednostce, podczas gdy Barclays uważa, że zawód to zbiór zadań, zadania są zbiorem umiejętności, a umiejętność to „atomowa jednostka” do zrozumienia wpływu AI. AI częściej automatyzuje lub amplifikuje konkretną umiejętność — taką jak zbieranie informacji, pisanie czy analizowanie danych — niż cały zawód.

Rama 3A opiera się na bazie danych Departamentu Pracy USA, obejmującej 104 umiejętności wymagane w różnych zawodach i mapującej je na ponad 800 zawodów. Innowacyjność tej ramy ujawnia się w trzech wymiarach: po pierwsze, uwzględnia jednocześnie AI kognitywne i fizyczne, obejmując inteligencję cyfrową i fizyczną; po drugie, stawia umiejętność ponad zadaniem czy zawodem jako podstawowy element analizy; po trzecie, jednocześnie wychwytuje dwa efekty — „automatyzację” oraz „amplifikację”. Pierwszy mierzy stopień zastępowania pracy ludzkiej przez AI, drugi potencjał AI do podnoszenia produktywności ludzkich umiejętności.

Wyniki badań pokazują, że tylko około 20% umiejętności zawodowych uznaje się za wysoce powielane przez AI, 40% umiejętności wykazuje dużą odporność na AI kognitywne, a na AI fizyczne odporność wykazuje aż 70%, co wskazuje, że zasięg automatyzacji AI fizycznego jest obecnie znacznie węższy niż kognitywnego.

W rozkładzie ekspozycji na automatyzację kluczowe spostrzeżenie Barclays brzmi: Bardzo wysoki poziom ekspozycji występuje tylko w niewielkiej grupie zawodów, większość zawodów jest narażona na AI kognitywne lub AI fizyczne, ale nie na oba rodzaje jednocześnie.

Zawody o najwyższej ekspozycji na automatyzację AI kognitywnego to naukowcy danych, statystycy i aktuariusze, których kluczowe umiejętności — wyszukiwanie informacji, rozpoznawanie wzorców, obsługa dokumentów i podejmowanie decyzji programistycznych — mocno pokrywają się z możliwościami AI. Z kolei w przypadku AI fizycznego są to pracownicy rolni, operatorzy maszyn tekstylnych, pracownicy konstrukcji stalowych — zawody zależne od powtarzalnej pracy fizycznej.

Dla porównania, około 120 zawodów wykazuje stosunkowo niską ekspozycję na automatyzację przez oba typy AI, obejmując około 20% siły roboczej w USA, głównie nauczycieli, opiekunów dzieci, trenerów oraz pracowników hotelarstwa i rozrywki — zawody te są wysoce zależne od interakcji międzyludzkiej, nadzoru na miejscu lub występów rozrywkowych i są trudne do powielania przez AI.

W odróżnieniu od skupionego rozkładu automatyzacji, efekt amplifikacji AI prezentuje się znacznie szerzej i bardziej równomiernie. W modelu Barclays efekt amplifikacji jest najbardziej widoczny w zawodach o najbardziej zrównoważonym udziale umiejętności powielanych, częściowo powielanych i niepowielanych — AI przejmuje powielalne elementy, jednocześnie zwiększając wartość i efektywność pozostałych umiejętności ludzkich.

Zawody z najwyższym efektem amplifikacji AI kognitywnego obejmują kontrolerów ruchu lotniczego, menedżerów usług zdrowia oraz trenerów i menedżerów rozwoju — stanowiska menedżerskie, gdzie AI może przejąć administrację i obsługę dokumentów, jednocześnie amplifikując umiejętności przywódcze, coachingowe i zarządzania personelem. Efekt amplifikacji AI fizycznego jest szczególnie wyraźny wśród mechaników i techników, np. mechaników autobusowych, mechaników przemysłowych — część rutynowej pracy fizycznej może zostać zautomatyzowana, podczas gdy diagnostyka, podejmowanie decyzji i zdolności adaptacyjne pozostają domeną człowieka.

Barclays podkreśla, że kluczowa informacja z rozkładu efektu amplifikacji brzmi: AI koncentruje zdolności automatyzacji na specyficznych zawodach, natomiast zdolność podnoszenia produktywności obejmuje niezwykle szeroką gamę stanowisk — lekarze, nauczyciele i inżynierowie mogą faktycznie korzystać z narzędzi AI. Ta cecha oznacza, że ogólny wzrost produktywności za sprawą AI może w dłuższym okresie przewyższyć bezpośredni efekt zastępowania.

Dane rynku pracy zaczynają potwierdzać wskazany powyżej schemat. Jak pokazuje analiza danych rekrutacyjnych LinkUp przez Barclays, od 2022 roku odsetek ofert w zawodach najbardziej narażonych na automatyzację spadł z prawie 30% do około 25%, przy czym największy udział w tym spadku mają stanowiska inżynierów oprogramowania; udział ofert w zawodach najmniej narażonych wzrósł z około 20% do 21–23%.

Tymczasem zapotrzebowanie na specjalistyczne umiejętności AI gwałtownie rośnie. Według danych Indeed Hiring Lab, opartych o szeroko zakrojone wyszukiwanie słów kluczowych, udział ofert związanych z AI w USA, Wielkiej Brytanii, Francji i Niemczech wzrósł z około 2% w 2019 r. do 6–10% w 2026 r., przy czym największy przyrost odnotowano w Wielkiej Brytanii.

Jeszcze większe znaczenie strukturalne ma zmiana podmiotu zgłaszającego zapotrzebowanie. W 2019 r. stanowiska technologiczne i związane z danymi odpowiadały za ponad 70% ofert z wymaganiami AI; w 2026 r. ten udział spadł do około 50%, a udział stanowisk menedżerskich wzrósł z około 10% do 25%. Ten trend występuje zarówno w USA, Wielkiej Brytanii, Francji, jak i Niemczech, pokazując, że AI przenika do całego rynku pracy jako uniwersalna umiejętność, a nie wyłącznie jako specjalistyczna kompetencja techniczna.

Raport prezentuje także prognozę nowego modelu gospodarki, który wyłoni się wraz z rozwojem AI fizycznej, dzieląc go na dwa etapy.

W pierwszym etapie ludzie pełnią rolę „trenerów robotów” — ponieważ AI fizyczna nie dysponuje bazą danych tak rozległą jak modele językowe, branża polega na zdalnym sterowaniu i pozyskiwaniu materiału wideo z pierwszej perspektywy do generowania danych treningowych dla robotów. Firmy takie jak Figure’s Index oraz Scale AI już budują ten ekosystem crowdsourcingowy.

W drugim etapie wartość koncentruje się na samych „procedurach operacyjnych”. Wraz z dojrzewaniem AI fizycznego, punkt ciężkości przesuwa się z hardware’u na umiejętności i procesy pracy zaimplementowane w maszynach — wiedza specjalistyczna typu spawanie, operacje chirurgiczne czy gotowanie może zostać zakodowana jako „robotyczny podręcznik operacyjny” nadający się do autoryzacji na szeroką skalę, stając się nową formą własności intelektualnej. UniStore firmy Unitree oraz NeuraGym/NeuraVerse NEURA Robotics uznaje się za wczesne przykłady komercjalizacji tych umiejętności, choć nadal opierają się o platformy producentów humanoidów.

Barclays uważa, że w skrajnym scenariuszu, hardware będzie stopniowo towarowany, a prawdziwą przewagę konkurencyjną zyska podmiot zdolny do pozyskania, zakodowania i kontrolowania umiejętności wysokiej wartości — firma, która buduje najwięcej robotów, niekoniecznie okaże się zwycięzcą, natomiast podmiot sprawujący kontrolę nad „warstwą instrukcji” może zdominować nową bitwę o umiejętności.