AI a rynek pracy w Polsce — jakie zawody znikną, jakie zawody powstaną?

Zanim przeczytasz dalej: historia Marty

Marta ma 34 lata. Mieszka w Łodzi, w bloku na Widzewie, dojeżdża tramwajem do średniej firmy produkcyjnej, gdzie od ośmiu lat zajmuje się administracją. Fakturami, raportami, mailami do dostawców. Zna każdego kontrahenta po imieniu. Wie, że pan Zygmunt z hurtowni zawsze opóźnia płatności o tydzień, a pani Kasia z logistyki lubi, żeby zestawienia miały żółte nagłówki.

W styczniu tego roku szef zaprosił ją na spotkanie. Na ekranie — narzędzie, które robi to samo co Marta. W jedenaście sekund zamiast trzech godzin. Tyle że nie zna pana Zygmunta i nie wie o żółtych nagłówkach.

Marta nie istnieje naprawdę. Jest sklejona z kilkudziesięciu historii, na które natknąłem się czytając polskie grupy branżowe w ostatnich miesiącach. Ale emocja — ta jest autentyczna. I od niej zaczynam, bo dyskusja o AI i rynku pracy w Polsce potrzebuje mniej slajdów z konferencji, a więcej próby zrozumienia, co przeżywają konkretni ludzie.

1. Co mówią liczby — i czego nie mówią

Raport „Generatywna sztuczna inteligencja a polski rynek pracy", opracowany przez NASK i Międzynarodową Organizację Pracy (ILO) na podstawie badań prowadzonych od października do grudnia 2024 roku i opublikowany w czerwcu 2025, to największe tego typu badanie w Polsce. [1] Liczby, które z niego wynikają, trudno zignorować.

Z kolei Polski Instytut Ekonomiczny szacuje, że ok. 3,7 mln osób wykonuje zawody najbardziej narażone na wpływ AI. [5]

Tabela zmian: kto powinien się rozglądać

Poniższa tabela to interpretacja autorska na podstawie danych z raportów — nie gotowa prognoza z żadnego pojedynczego źródła. „Zniknięcie" zawodu rzadko oznacza zwolnienie z dnia na dzień. Częściej — że z dziesięciu osób robiących to samo potrzebne będą trzy, ale robiące zupełnie co innego.

2. Jeden z rzadziej omawianych wątków: AI uderza nierówno

Raport NASK/ILO odsłonił coś, o czym w polskiej debacie mówi się zdecydowanie za mało. Wpływ GenAI nie rozkłada się równo między grupami pracowników — i linia podziału przebiega m.in. wzdłuż płci.

Przyczyna jest strukturalna, nie przypadkowa. Kobiety od dekad dominują w zawodach biurowych, administracyjnych i redakcyjnych — a właśnie te stanowiska GenAI potrafi transformować najszybciej. Wyobraź sobie 40-letnią Annę z Radomia, która od piętnastu lat prowadzi sekretariat w firmie budowlanej. Organizacja spotkań, obieg dokumentów, obsługa poczty, raporty. Każde z tych zadań AI potrafi już dziś wykonać szybciej. Anna nie jest leniwa ani niekompetentna. Jest po prostu w miejscu, które rynek pracy przez lata definiował jako „kobiece" — i które teraz stoi na celowniku automatyzacji.

Jeśli polska polityka przekwalifikowania nie uwzględni tej dysproporcji, transformacja cyfrowa pogłębi istniejące nierówności zamiast je wyrównywać. [1]

3. Pułapka pokolenia Z: trampolina, której już nie ma

Jest jeszcze jeden paradoks. Dane z raportów Hays Poland [3] i obserwacje rynkowe wskazują na niepokojący trend: od pojawienia się ChatGPT w 2022 roku w wielu branżach spada liczba ofert dla stażystów i juniorów. To nie jest twardy wniosek z jednego raportu — raczej obserwacja pojawiająca się w wielu źródłach i dyskusjach branżowych jednocześnie. Automatyzacja prostych zadań likwiduje stanowiska, które przez dekady były naturalną bramą wejściową na rynek.

Pokolenie Z miało być „cyfrowe". Tymczasem okazuje się, że biegłość w obsłudze TikToka nie przekłada się na umiejętność pisania skutecznych promptów. Według badania Hays, w 2024 roku ze sztucznej inteligencji w miejscu pracy korzystało 23% specjalistów — rok później odsetek ten był już dwukrotnie wyższy. [3] Ale to głównie starsi, doświadczeni pracownicy nadają tempo adopcji. Z kolei jedna czwarta najmłodszych pracowników (15–24 lata) przewiduje konieczność przebranżowienia się w ciągu pięciu lat. [1]

4. Co rośnie tam, gdzie znikają stare zawody

Dość o zagrożeniach. Pora popatrzeć na drugą stronę. Polskie firmy i globalny rynek generują zapotrzebowanie na role, które pięć lat temu brzmiały jak science fiction. Oto cztery ekosystemy, które widzę w danych i ogłoszeniach.

Ekosystem 1: Ludzie, którzy uczą maszyny

Inżynier AI to zawód numer jeden w niemal każdym rankingu na 2026 rok — również w polskim kontekście. [3] Ale za tym hasłem kryje się cała rodzina ról: trener modeli językowych, specjalista ds. jakości danych, kurator zbiorów treningowych. Ci ludzie kształtują to, jak AI myśli, jakie błędy popełnia i jakich uprzedzeń się uczy. Są nauczycielami — tyle że ich uczniowie przetwarzają miliardy tokenów na sekundę i nigdy nie proszą o przerwę.

Ekosystem 2: Ludzie, którzy pilnują maszyn

Etyk AI, audytor algorytmów, specjalista ds. zgodności AI z regulacjami. W obliczu unijnego AI Act te role przestają być akademickie i stają się koniecznością biznesową. W Polsce wciąż niszowe — ale pytanie brzmi nie „czy", a „za ile kwartałów". [3]

Ekosystem 3: Ludzie na granicy dwóch światów

Najciekawsza — i najtrudniejsza do zdefiniowania — kategoria. Prompt engineer, projektant doświadczeń z AI, trener korporacyjny z zakresu AI. Osoby, które nie są programistami, ale potrafią wytłumaczyć zarządowi, dlaczego wdrożenie AI wymaga nie tylko licencji, ale zmiany kultury organizacyjnej. I które potrafią powiedzieć zespołowi, że AI to narzędzie, nie wyrok.

Ekosystem 4: Ludzie, których AI nie zastąpi — bo to nie ma sensu

Pielęgniarki. Fizjoterapeuci. Logopedzi. Nauczyciele pracujący z dziećmi wymagającymi szczególnego wsparcia. Pracownicy socjalni. Ratownicy. To zawody, w których fizyczna obecność, empatia i zdolność do improwizacji stanowią samą istotę pracy. AI pomoże pielęgniarce w dokumentacji — ale nie zastąpi jej dłoni na ramieniu pacjenta o trzeciej w nocy.

5. Matryca przetrwania: czego się uczyć, kiedy nie wiesz, od czego zacząć

Większość poradników mówi: „ucz się AI". To prawda. Ale to jak powiedzieć komuś, kto tonie, żeby płynął. Potrzebna jest konkretność — dopasowana do tego, kim jesteś i skąd startujesz.

6. Pięć rzeczy, których raporty mówią szeptem

1. W wielu zawodach większym ryzykiem niż sama AI jest konkurencja ze strony osób, które potrafią AI używać szybciej i lepiej.

63% polskich pracowników nie wie, jak AI wpłynie na ich pozycję zawodową. [1] Problem nie w tym, że ludzie nie słyszą o AI. Problem w tym, że nie wiedzą, co z tą wiedzą zrobić. Nie wystarczy zainstalować ChatGPT. Trzeba zmienić sposób myślenia o tym, jak wygląda twój dzień pracy.

2. Degradacja jest groźniejsza niż automatyzacja.

Większość zawodów nie zniknie z dnia na dzień. Zamiast tego nastąpi coś trudniejszego do zauważenia: stopniowy spadek wartości rynkowej umiejętności. Tłumacz z angielskiego nie straci pracy nagle — ale jego stawka godzinowa będzie spadać, bo klient zapyta: „Po co płacić tyle, skoro AI tłumaczy za darmo, a pan tylko poprawia?". Degradacja jest podstępniejsza niż zwolnienie, bo przychodzi powoli i bez fanfar.

3. Polska ma bufor demograficzny — ale mniejszy, niż się wydaje.

Stopa bezrobocia wg BAEL w IV kwartale 2025 roku wyniosła 3,2%. [8] Bezrobocie rejestrowane (GUS) w styczniu 2026 to 6,0% — ale ta wyższa liczba obejmuje też osoby zarejestrowane dla ubezpieczenia, nie szukające aktywnie pracy, plus efekt zmian legislacyjnych z 2025 r. ułatwiających rejestrację. [8] Przy jednoczesnym spadku populacji w wieku produkcyjnym, deficyt pracowników w wielu branżach wciąż łagodzi szok automatyzacji. Ale to nie powód do samozadowolenia — bo jednocześnie liczba nowych ofert pracy jest najniższa od 15 lat. [8]

4. Tempo zmian programowych w edukacji jest wielokrotnie wolniejsze niż tempo zmian technologicznych.

WEF szacuje, że do 2027 roku 44% kluczowych kompetencji zawodowych ulegnie zmianie. [2] Polskie szkoły wciąż uczą według programów, w których słowo „prompt" nie pada ani razu. Na uczelniach jest nieco lepiej, ale lukę kompetencyjną widać gołym okiem. To nie jest problem na za pięć lat. To jest problem na teraz.

5. Nie wszyscy ekonomiści są optymistami — i dobrze.

Prognozy WEF o 78 mln nowych miejsc pracy to scenariusz, nie pewnik. David Autor z MIT — jeden z najczęściej cytowanych ekonomistów pracy na świecie — od lat podkreśla, że wpływ technologii na zatrudnienie jest znacznie bardziej skomplikowany, niż sugerują proste bilanse „zniknie X, powstanie Y". Poprzednie rewolucje technologiczne tworzyły nowe zawody — ale nie zawsze tam, gdzie ginęły stare. Nie zawsze dla tych samych ludzi. I nie zawsze w tym samym tempie. Zdrowy sceptycyzm wobec optymistycznych prognoz to nie pesymizm — to realizm.

7. Co konkretnie zrobić — w zależności od tego, kim jesteś

Epilog: Marta, dziewięć miesięcy później

Marta — ta zbiorowa Marta z początku — nie straciła pracy. Ale nie dostała też bajkowego awansu. Jej firma wdrożyła narzędzie do automatyzacji raportów. Część jej dawnych obowiązków przejął system. Marta teraz weryfikuje to, co system generuje, poprawia błędy, obsługuje wyjątki, których AI nie rozumie — bo pan Zygmunt nadal opóźnia płatności, a pani Kasia nadal chce żółte nagłówki, i żaden algorytm tego nie ogarnia.

Zarabia mniej więcej tyle samo. Praca jest mniej monotonna, bardziej wymagająca. Poszła na dwudniowe szkolenie z obsługi nowego systemu — płacił pracodawca. Mówi, że pierwszy miesiąc był trudny. Że czuła się głupio, pytając o rzeczy, które „pewnie wszyscy już wiedzą". Że nadal nie jest pewna, czy za rok nie przyjdzie kolejne narzędzie i nie zmieni znowu wszystkiego.

Nie każda Marta miała tyle szczęścia. Kilka osób z jej historii na forach opowiadało o zwolnieniach, o miesiącach szukania pracy, o tym, że w wieku 40 lat nikt nie chce cię uczyć od zera. To też jest prawda o AI i polskim rynku pracy. To nie jest historia z jednym zakończeniem.

Dane z raportów NASK, ILO, WEF i Hays rysują obraz, który jest jednocześnie niepokojący i obiecujący. Ale raporty to statystyki. Za statystykami stoją ludzie — każdy z własną Martą, własnym panem Zygmuntem i własnymi żółtymi nagłówkami. Klucz leży nie w tym, co mówią raporty. Klucz leży w tym, co zrobimy z tą wiedzą — jako pracownicy, pracodawcy i jako kraj.