Ile pracy nam zostało

Prawdziwym zagrożeniem nie są obecne możliwości algorytmów, lecz to, że dużą część naszej podmiotowości oddaliśmy maszynom na długo przed powstaniem pierwszych modeli językowych

Pytanie, czy sztuczna inteligencja zabierze nam pracę, jest źle postawione. Fałszywie zakłada bowiem, że praca to proces wykonywany całościowo przez człowieka, aż tu nagle pojawia się technologia, która zaczyna go przejmować. Tymczasem znaczna część pracy, w tym umysłowej, została nam odebrana dużo wcześniej. Zanim modele językowe weszły do biur, przez dekady rozbijano pracę na coraz to mniejsze, mierzalne, powtarzalne i przewidywalne kawałki. AI nie tyle wprowadza więc nowy porządek, ile wchodzi w porządek formowany od dawna.

Aby to zauważyć, trzeba jednak się cofnąć co najmniej do połowy XIX w. – do czasu, gdy coraz powszechniejsze stawało się projektowanie procesów organizacji pracy, by była coraz tańsza, łatwiejsza do delegowania, organizowania, mierzenia, liczenia i powtarzania. Wówczas przewagę zaczęły osiągać te firmy, w których najłatwiej było standaryzować i skalować procesy, co służyło wypieraniu z rynku firm tradycyjnych, a co za tym idzie – dawnego, całościowego modelu pracy.

Krzesło i drzewo na drodze ku automatyzacji

Redukowanie pracy człowieka do zestawu powtarzalnych, mechanicznych czynności – czyli doprowadzony do perfekcji przez Henry’ego Forda tayloryzm – bynajmniej nie pojawiło się w próżni. Już Adam Smith zachwycał się podziałem procesu pracy, dzięki któremu kilku pracowników manufaktury szpilek było w stanie wytworzyć setki razy więcej wyrobów niż konkurencja.

Pół wieku później Charles Babbage, skądinąd jeden z praojców koncepcji komputera, dodał do tego swój zachwyt nad optymalizacją kosztów, która się z tym wiąże – wyizolowanie kilku zadań trudnych pozwala zatrudnić jednego wysoko opłacanego eksperta, podczas gdy całą resztę mogą wykonywać słabiej opłacani juniorzy. Krzesło nr 14 Thoneta (1859) to jedna z ikon nowoczesnego wzornictwa przemysłowego – nie tyle ze względu na swoją estetykę, ile przez na wskroś nowoczesną organizację procesu, który za nim stoi. Składało się z niewielkiej liczby standaryzowanych elementów, które można było tanio, masowo wytwarzać i łatwo transportować w płaskich paczkach. Dzięki temu mebel przestał być dziełem konkretnego stolarza, a stał się wynikiem procesu produkcyjnego podzielonego na atomowe zadania. Do ich wykonania wystarczało wielu tanich w zatrudnieniu, bo nisko wykwalifikowanych i łatwych do przeszkolenia pracowników, którzy nie musieli już rozumieć całości procesu produkcji, lecz jedynie poprawnie trzymać się standardu, wykonując swój niewielki fragment.

Równolegle istniały jednak inne wyobrażenia tego, czym jest organizacja i jak powinna funkcjonować. Daniel McCallum – superintendent, czyli ktoś w rodzaju dyrektora operacyjnego New York and Erie Railroad – przyrównywał zarządzaną przez siebie organizację do drzewa. W 1855 r. opracował diagram, który był zarazem schematem organizacyjnym, mapą budowanej sieci kolejowej oraz instrukcją obiegu poleceń i raportów firmy liczącej wówczas ponad 4,5 tys. pracowników.

Zarząd nie jest tu na szczycie, lecz u fundamentów. Stanowi głębokie korzenie, z których niczym pnie i gałęzie wyrastają wszystkie procesy operacyjne zwieńczone stanowiskami pod postacią liści. Ten organiczny system przypomina, że fragmentaryzacja i atomizacja pracy nie były prawem natury, dziejową koniecznością ani jedynym możliwym rozwiązaniem. Był to wybór projektowy, ale też moralny, a nawet antropologiczny, podyktowany wygodą związaną z mierzeniem i organizacją pracy, który w kolejnych dekadach tak się znormalizował, że dziś już uchodzi za oczywistość.

Odseparowanie człowieka od wykonywanej pracy – od procesu jej organizacji, od tego, co się w tym procesie wytwarza, a także od narzędzi czy innych środków produkcji, z których musi korzystać, a na końcu od zysków, które generuje – było w sercu diagnozy stawianej przez Karola Marksa w 1844 r. Alienacja ma przyczyny czysto ekonomiczne, ale skutki są psychiczne, emocjonalne, a nawet egzystencjalne. To właśnie Marks zauważył, że praca może nas odczłowieczać – przestaje być ekspresją naszego potencjału, a staje się formą wyzysku pod przymusem ekonomicznym. Cała złożoność człowieka zostaje zredukowana do wąskiej przydatności – ręki, która wykonuje jeden, powtarzalny ruch, umysłu, który pamięta jeden zestaw procedur.

Oczywiście nie chodzi o to, by romantyzować przeszłość – przed epoką przemysłu doświadczenie pracy było całościowe, ale także ciężkie i momentami opresyjne. To jednak nie znaczy, że musimy wybierać między opresyjną całością a efektywnym fragmentem. Stawką organizacji pracy jest to, czy pozwala człowiekowi widzieć sens i efekt własnego działania, oraz to, jaka relacja łączy go z tym, co wykonuje. I czasem okazuje się, że cięższa, ale sensowna praca męczy mniej niż działanie wygodne, ale jałowe.

Człowiek dostarczający

Z tej perspektywy sztuczna inteligencja to nie rewolucja, tylko kolejny etap odczłowieczania. AI wnika w środowisko, które przez prawie dwa wieki przygotowywano pod to, co dziś spędza sen z powiek wielu pracownikom. Najłatwiej bowiem automatyzować pracę, którą wcześniej rozbito na fragmenty, opisano procedurą i odseparowano od szerszego kontekstu. Skutki nie są tylko gospodarcze, lecz także społeczne, a nawet antropologiczne – sprowadza się nas do tego, co umiemy wytworzyć i dostarczyć.

W pedagogice od dawna wiadomo, że praca nie sprowadza się do wymiaru ekonomicznego, użytkowego czy prawnego. Obejmuje także wymiar egzystencjalny, społeczny i moralny. Współczesny rynek zachowuje jednak najchętniej to, co da się policzyć i zoptymalizować. Cała reszta zaczyna wyglądać jak zbędny balast, choć właśnie to ona często decyduje o tym, czy człowiek doświadcza swojej pracy jako sensownej, a w efekcie – czy pracodawca otrzymuje wartościowego pracownika. Bo pracownik nie przychodzi do firmy gotowy. To środowisko może w nim aktywować określone cechy i zachowania – zarówno te, które pozytywnie wpływają na tak oczekiwaną przez biznes efektywność, jak i te, które tę efektywność po cichu zabijają. Okazuje się, że to właśnie te uznawane za balast obszary aktywują w ludziach inicjatywę, lojalność, innowacyjność czy zaangażowanie, które później przekładają się na mierzalne wartości. Kiedy ich nie ma, słupki spadają i ten, kto nie patrzy na wszystkie wymiary pracy, nie wie dlaczego.

Fragmentaryzacja odbiera także domknięcie. Człowiek przestaje widzieć całość zadania, nie obserwuje efektu własnego działania, coraz słabiej czuje związek między tym, co potrafi, a tym, co realnie wnosi. Praca w takim układzie staje się coraz uboższa. Nie daje możliwości wybrzmienia sprawczości człowieka. I być może nawet pracodawca jest zadowolony z realizacji konkretnych wskaźników, jednak nie wie, jak mogłoby być, gdyby pozwolić pracownikowi na sprawczość.

Wyrwa w życiu

A kiedy znika sprawczość, pojawia się wyrwa. Nie da się jej po prostu unieważnić ani zagłuszyć dowolnym substytutem, ponieważ obszar pracy jest dla człowieka konstytutywny, czyli nieprzypadkowy, wchodzący w ludzką naturę. Jest jak fundament, a jak wiadomo, bez fundamentów budowla się chwieje. Można próbować wypełnić tę wyrwę, ale rozrywka, konsumpcja czy inna chwilowa ulga nie przywracają sensu, poczucia bycia potrzebnym, bycia częścią wspólnoty, twórcą rezultatu, który zmienia świat na lepsze. A bez tego człowiek gaśnie. Dlatego skutki tej wyrwy nie kończą się w biurze czy hali produkcyjnej, lecz rozlewają się dalej.

W badaniach nad przywiązaniem do organizacji wyróżniono m.in. taki typ związania z pracą, który nie wynika z chęci czy normy, lecz z konieczności – człowiek przychodzi, bo musi. Tego rodzaju układ rzadko rodzi inicjatywę, dużo częściej uruchamia drobne formy sabotażu: nieżyczliwość, eskalowanie cudzych błędów, bierny opór. Łatwo czytać to wyłącznie jako moralną słabość pracownika, ale często jest to rozpaczliwa próba odzyskania minimalnej sprawczości w środowisku, które ją systematycznie odbiera.

Czasem skutki przyjmują postać pozornie łagodniejszą. Renesans domowego rzemiosła, pieczenia chleba, stolarki, ceramiki czy ogrodnictwa bywa przedstawiany jako niewinny zwrot ku analogowej przyjemności. A jeśli jest w nim coś więcej? Być może po godzinach próbujemy odtworzyć dokładnie tę strukturę, którą praca zawodowa utraciła: całość procesu, opór materii, widzialny efekt, poczucie, że coś zostało doprowadzone do końca przez nasze własne działanie.

Czego nie umie AI?

Pytanie, czy AI zabierze nam pracę, nie jest właściwe z jeszcze jednego powodu: milcząco zakłada, że niemal każdy potrzebny gospodarczo rodzaj pracy może być wykonany bez udziału człowieka – za pomocą odpowiednio rozwiniętej technologii.

Na razie żaden dostawca AI nie bierze jednak odpowiedzialności za wyniki jej działań. Nadal wymaga się nadzoru ludzkiego eksperta (tzw. zasada człowieka w pętli – Human-in-the-loop). Wiara, że to się zmieni, opłaca się dostawcom, którzy nas zapewniają, że błędy, jakie popełnia dziś AI, zostaną wkrótce wyeliminowane. Czy na pewno? Wprawdzie laboratoryjne benchmarki (jak np. GDPval) przy wyizolowanych zadaniach wskazują, że najlepsze modele zbliżają się do ludzkich ekspertów jakością wykonania przy ułamku kosztu, ale jak wypadają realne testy środowiskowe sprawdzające pracę osadzoną w kontekście? W jedynym takim randomizowanym badaniu kontrolowanym (METR, 2025) doświadczeni programiści pracujący na własnym, dobrze znanym kodzie byli z narzędziami AI o 19 proc. wolniejsi. Jednocześnie byli jednak przekonani, że są o 20 proc. szybsi. To dobrze pokazuje różnicę między zadaniem oderwanym od kontekstu a pracą osadzoną w całości procesu.

Do oddelegowania do AI najlepiej nadają się zadania wystarczająco typowe, stabilne i powtarzalne, by do ich wykonywania można było przetrenować maszyny na dobrze oczyszczonych danych historycznych. Najmniej – zadania nietypowe, silnie kontekstowe, wymagające zdolności do adaptacji, uczenia się w procesie oraz przetwarzania danych niedostępnych maszynom. Zdolność tę nazywamy inteligencją płynną (fluid intelligence), a dane – wiedzą niejawną (tacit knowledge) lub ucieleśnioną (embodied knowledge). Przykładem biznesowych zadań, w których to te cechy grają krytyczną rolę, są wszelkie procesy głębokiej innowacji czy zarządzania zmianą – sytuacje, gdy firma wchodzi na nowy rynek, rozwija nowy produkt czy przechodzi przez kryzys.

Scenariusz pełnej automatyzacji zakłada, że gospodarka będzie potrzebować produktów i usług wytwarzanych przez AI bez udziału ludzi. Kto na samym końcu będzie za nie płacił, jeżeli automatyzacja oznacza masowe bezrobocie, a co za tym idzie – globalny spadek popytu? Czy dostawcy AI planują dzielić się zyskami w postaci godnej pensji dla wszystkich mieszkańców globu? A nawet jeżeli, to zyskami z czego?

Rozważania te wspierają wnioski z badań prowadzonych na Politechnice Rzeszowskiej przez zespół pod kierunkiem dr. inż. Tomasza Żabińskiego. We współpracy z firmami klastra Doliny Lotniczej przeanalizowano 50 kluczowych stanowisk pracowniczych pod kątem potencjału do automatyzacji z pomocą AI oraz humanoidalnych systemów robotycznych. Wbrew obawom podsycanym przez media nie zidentyfikowano ani jednej roli, która przy dzisiejszych realiach gospodarczych oraz przy rozpoznanych ograniczeniach AI dałaby się zautomatyzować w całej rozciągłości. Innymi słowy – dziś wciąż niezbędny jest człowiek.

Nie oznacza to jednak, że nikt nie straci pracy z powodu AI. Wielu już straciło, chociażby rykoszetem. Dodatkowo nie każda firma potrzebuje jakości, którą zapewnia człowiek – inaczej niż przedsiębiorstwa Doliny Lotniczej wiele firm bazuje na prostych, powtarzalnych procesach i konkuruje przede wszystkim pod względem kosztów oraz tempa obsługi. Dotyczy to każdej branży – od przetwórstwa żywności po oprogramowanie. Właśnie tam najłatwiej uruchamia się automatyzacja, która wypiera ludzi, ale nie przynosi proporcjonalnego wzrostu jakości. To wariant ekonomicznie najgorszy: społeczne koszty wyparcia bez adekwatnych korzyści z wykorzystania kosztownej – także politycznie i ekologicznie – technologii.

Poza tym dla szukających oszczędności firm nierzadko AI staje się jedynie wygodnym pretekstem – z jednej strony pomaga ciąć koszty, a z drugiej budować wizerunek firmy innowacyjnej. Taki proceder doczekał się nawet nazwy – AI washing. Do tego strach przed AI jest firmom bardzo na rękę, bo dyscyplinuje ludzi – przerażony pracownik jest mniej roszczeniowy, a krótkoterminowo bardziej efektywny.

Dalszy ciąg nie rozstrzygnie się w laboratoriach rozwijających modele, lecz w samym sposobie projektowania struktur pracy. Domyślna, pesymistyczna trajektoria to dalsza automatyzacja „so-so” – wariant, w którym firmy nadal tną procesy na coraz mniejsze odcinki i stopniowo oddają je maszynom, godząc się na patologie i spadek jakości w imię redukcji kosztów. Możliwy jest jednak inny kierunek – taki, w którym człowiek z pomocą narzędzi odzyskuje kontrolę nad całością procesu, a technologii oddaje wyłącznie mechaniczne wykonawstwo. Różnica między tymi scenariuszami wynika nie z możliwości technologii, lecz z decyzji o tym, czy praca ma dalej rozpadać się na fragmenty, czy zostać na nowo zorganizowana wokół odpowiedzialności za efekt. Te decyzje zapadają właśnie teraz – niestety w większości bezrefleksyjnie – wszędzie tam, gdzie ktoś liczy, co jeszcze opłaca się wyciąć. Ale to nie oznacza, że nie można tego zmienić.

Co się naprawdę kruszy

Stawką nie jest wyłącznie liczba etatów, ani nawet sama skala bezrobocia. Kruszy się przede wszystkim droga wejścia do zawodu. Jak pokazuje analiza amerykańskich danych płacowych (Brynjolfsson i zespół, Stanford), od czasu upowszechnienia generatywnej AI względne zatrudnienie pracowników w wieku 22–25 lat w najbardziej eksponowanych na zmiany zawodach spadło o kilkanaście procent, podczas gdy u starszych w tych samych zawodach pozostało stabilne. Jeśli AI przejmuje zadania proste, powtarzalne i początkowe, to znikają szczeble, na których człowiek uczy się kontekstu, odpowiedzialności i sensu całego procesu. W debacie publicznej łatwo się skupić na pytaniu, ile miejsc pracy zniknie, a tymczasem bardziej podstawowe pytanie brzmi: kto będzie miał gdzie się nauczyć zawodu, jeśli coraz więcej pierwszych etapów zostanie zautomatyzowanych?

To prowadzi do jeszcze ważniejszego. Wiele kompetencji da się dziś wspomagać technologicznie albo delegować na technologię, ale trudniej przekazać technologii odpowiedzialność rozumianą nie jako formalny podpis pod wykonanym zadaniem, lecz jako zdolność rozumienia kontekstu, przewidywania skutków, ponoszenia konsekwencji i bycia kimś, do kogo można kierować roszczenie lub zaufanie. Jeśli z rynku pracy znikną etapy, na których człowiek dochodzi do takiej odpowiedzialności, to problem ujawni się z opóźnieniem. Organizacje odkryją nie tylko, że mają mniej juniorów, lecz także to, że za kilka lat nie będą miały komu przekazać ról seniorsko-decyzyjnych. Właśnie to może się okazać jednym z najpoważniejszych, a zarazem najmniej widocznych skutków obecnej automatyzacji. ©Ⓟ

Izabela Lipińska

filozof, pedagog pracy, twórca rozwiązań AI w ramach autorskiego podejścia ontologicznej adekwatności, członek instytutu badawczego GAIA, Fot. Wojtek Biały/Mat. prasowe

Iwo Zmyślony

wykładowca studiów podyplomowych i studiów MBA na Uczelni Łazarskiego. Research fellow na Politechnice Rzeszowskiej im. Ignacego Łukasiewicza. Autor podcastu „Limity AI” MIT Sloan Management Review Polska, Fot. Materiały prasowe