W skrócie
- Źródło
- Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). doi:10.3386/w33777 · Bez recenzji naukowej: inni badacze jeszcze nie sprawdzili go na potrzeby czasopisma.
- Jak je przeprowadzono
- Autorzy połączyli duże ankiety o korzystaniu z chatbotów z oficjalnymi rejestrami płac i godzin pracy. Porównali pracowników i miejsca pracy, które zaczęły korzystać z chatbotów, z tymi, które nie zaczęły, przed i po. Badanie w terenie. Śledzi prawdziwą pracę w firmie i porównuje pracowników, którzy mieli narzędzie, z tymi, którzy jeszcze go nie mieli.
- Kto brał udział
- Pracownicy i miejsca pracy w zawodach, w których chatboty AI mają zastosowanie.
- Gdzie
- Dania.
“Technological change reshapes work well before it surfaces in earnings or hours.” [Zmiana technologiczna przekształca pracę na długo, zanim pojawi się w zarobkach czy godzinach pracy.]
Co wykazało badanie
- Większość pracodawców w badanych zawodach wprowadziła chatboty. Pracownicy mówili o korzyściach dla wydajności.
- Zarobki i zarejestrowane godziny pracy nie zmieniły się ani u pracowników, ani w miejscach pracy. Oszacowania są na tyle dokładne, że wykluczają efekty większe niż 2%.
- Zmienił się skład pracy. Pracodawcy przeorganizowali zadania i stworzyli nowe: tworzenie treści, sprawdzanie wyników AI i włączanie AI do istniejących systemów.
- Część użytkowników przeszła do lepiej płatnych zawodów, w których chatboty są bardziej przydatne. Było ich za mało, żeby zmienić średnią.
Wcześniejsza wersja pracy, z maja 2025 roku, nosiła tytuł “Large Language Models, Small Labor Market Effects”. Podawała, że użytkownicy oszczędzali średnio 2,8% czasu pracy (Becker Friedman Institute Working Paper 2025-56).
Kiedy wynik się sprawdza
Badanie obejmuje cały rynek pracy, a nie jedno starannie wybrane zadanie. Uwzględnia zarówno firmy, które po prostu udostępniły chatboty, jak i firmy, które przebudowały wokół nich pracę. Dlatego jego liczby są znacznie mniejsze niż w eksperymentach z jednym zadaniem.
Ograniczenia
- To working paper, czyli praca przed publikacją w czasopiśmie. Liczby zmieniały się między wersjami.
- Płace i zarejestrowane godziny mogą nie uchwycić korzyści, które pojawiają się jako lepsza jakość albo nowe zadania.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Zanim dodasz AI, zapisz, ile trwa zadanie i jak dobry jest wynik. Bez tej liczby wyjściowej nie odróżnisz prawdziwego zysku od pobożnego życzenia. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zacznij od jednego kosztownego procesu, a nie od wdrożenia w całej firmie Wybierz jeden proces, który wyraźnie kosztuje czas lub pieniądze. Zastosuj w nim AI, z człowiekiem sprawdzającym wyniki, i rozszerzaj dopiero wtedy, gdy liczby się poprawią. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Przebuduj proces pracy, zamiast dokładać do niego narzędzie Danie ludziom narzędzia AI w niezmienionym procesie niewiele zmienia. Zdecyduj od nowa, kto wykonuje każdy krok, w jakiej kolejności i gdzie sprawdza człowiek. Zrób potem · Nakład pracy: wysoki (miesiące, kilka zespołów)