Apokalipsa pracy przez AI: dane kontra panika z Doliny Krzemowej

Badaczka ds. wpływu społecznego z Anthropic publicznie ogłosiła, że masowe bezrobocie wywołane przez AI to kwestia czasu — i to nieodległego. MIT Technology Review stawia twardą tezę: bez jednego konkretnego rodzaju danych cała ta debata toczy się w próżni.

Dolina Krzemowa straszy, ekonomiści wzruszają ramionami

W kręgach Silicon Valley narracja o AI-fueled jobs apocalypse funkcjonuje jako pewnik, nie hipoteza. Pracownicy big techów rozmawiają o tym przy kawie, założyciele startupów wrzucają to do pitch decków, a prominentni badacze — jak ta z Anthropic — mówią o tym wprost na konferencjach. Problem polega na tym, że twarde dane ekonomiczne jak dotąd tej narracji nie potwierdzają.

Główne urzędy statystyczne na świecie, w tym amerykański Bureau of Labor Statistics, nie rejestrują wzrostu bezrobocia, który można by jednoznacznie przypisać automatyzacji przez AI. Raport BLS z 2024 roku nie wskazał AI jako statystycznie istotnego czynnika w masowych zwolnieniach w żadnej branży.

Czego nam brakuje, żeby to rozgryźć?

MIT Technology Review wskazuje na jeden rodzaj danych, który mógłby rozstrzygnąć spór: szczegółowe informacje o tym, ile czasu pracownicy poświęcają na konkretne zadania — i które z tych zadań AI już potrafi wykonać samodzielnie.

To tzw. task-level data. Nie dane o zawodach jako całości, ale o mikrozadaniach: ile czasu prawnik spędza na przeglądaniu dokumentów kontra budowaniu strategii procesowej, ile czasu grafik poświęca na retusz zdjęć kontra koncepcję kampanii. Bez takiego rozkładu każda prognoza o tym, „ile procent pracy zastąpi AI”, jest strzelaniem na ślepo.

Obecne badania — w tym głośny raport McKinsey z 2023 roku szacujący, że AI może zautomatyzować zadania odpowiadające 30% godzin pracy w USA do 2030 roku — operują na poziomie zawodów, nie zadań. To metodologiczna dziura wielkości ciężarówki.

Anthropic vs. rzeczywistość

Ironia sytuacji polega na tym, że firma, której badaczka bije na alarm, jednocześnie produkuje narzędzie, które ten alarm miałoby uzasadniać. Anthropic zarabia na tym, że Claude jest użyteczny — a użyteczność oznacza zastępowanie ludzkich zadań.

To nie jest zarzut hipokryzji. To po prostu napięcie, które warto mieć w głowie, kiedy słucha się prognoz z ust kogoś zatrudnionego przez producenta LLM-ów. Elon Musk też regularnie straszy AI-apokalipsą, jednocześnie budując Groka.

Sam rynek wysyła mieszane sygnały. Firmy technologiczne zwalniają dziesiątki tysięcy ludzi — Meta zwolniła 21 000 pracowników w 2023 roku, Google kolejne tysiące w 2024 — ale ekonomiści spierają się, czy to efekt post-pandemicznej korekty zatrudnienia, czy realny wpływ AI na zapotrzebowanie na pracę.

Co musiałoby się wydarzyć, żeby dane w końcu mówiły?

BLS i europejski Eurostat musiałyby zacząć zbierać dane na poziomie zadań, nie zawodów. Kilka organizacji badawczych — m.in. MIT Work of the Future — próbuje to robić na własną rękę, ale przy próbach liczących setki respondentów trudno mówić o reprezentatywności.

Alternatywą są dane od samych firm AI. OpenAI, Anthropic i Google mogłyby analizować, jakie typy zadań użytkownicy faktycznie zlecają ich modelom — i jak to koreluje z danymi o zatrudnieniu w tych branżach. Jak dotąd żadna z tych firm nie opublikowała takich analiz.

Bez task-level data na dużą skalę debata o AI i rynku pracy będzie się kręcić w kółko: pesymiści z Doliny będą straszyć, ekonomiści będą mówić „pokaż mi dane”, a kolejne raporty konsultingowe będą produkować liczby wzięte z modelowania, nie z obserwacji.

Najbliższy termin, w którym BLS mógłby wdrożyć nową metodologię zbierania danych o zadaniach zawodowych, to 2027 rok — jeśli w ogóle otrzyma odpowiednie finansowanie z Kongresu.”, “coverImageAlt”: “Ilustracja przedstawiająca pracownika przy biurku z robotem AI stojącym za nim