W skrócie
- Źródło
- Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. conference.nber.org · Bez recenzji naukowej: inni badacze jeszcze nie sprawdzili go na potrzeby czasopisma.
- Jak je przeprowadzono
- Autorzy zmierzyli, jaką część pracy każdego startupu mogłaby wykonać AI, na podstawie struktury stanowisk tuż przed udostępnieniem ChatGPT. Następnie porównali startupy bardziej i mniej narażone przed udostępnieniem i po nim, korzystając z danych o zatrudnieniu, kodzie i sprzedaży. Analiza danych. Buduje miarę z istniejących danych, na przykład z opisów stanowisk i zadań.
- Kto brał udział
- 94 789 startupów w USA założonych w latach 2018–2021 i wymienionych w Crunchbase lub PitchBook. Średnio zatrudniają 11 osób, pozyskały $3 mln i mają około $700 000 przychodu rocznie.
- Gdzie
- Stany Zjednoczone; młode, szybko rosnące firmy, które szukają kapitału venture capital, ze wszystkich sektorów. Największy sektor to technologie informatyczne, 36,8% firm.
“Overall, incumbent contraction was offset by new firm formation, leaving aggregate employment unchanged but shifting composition to senior roles.” [Ogólnie kurczenie się istniejących firm zrównoważyło powstawanie nowych, więc łączne zatrudnienie się nie zmieniło, ale jego struktura przesunęła się w stronę stanowisk dla doświadczonych pracowników.]
Co wykazało badanie
- Mniej ludzi. Startupy, których zadania były w pełni narażone na AI, zatrudniały o 8% mniej osób niż przed udostępnieniem ChatGPT. Spadek nastąpił w ciągu dwóch kwartałów i utrzymał się do końca danych w 2025 roku. Narażona była mniej więcej jedna trzecia zadań w próbie, więc w typowym startupie spadek był mniejszy.
- Najpierw młodsi. Większość redukcji dotknęła mniej doświadczonych pracowników i osoby na stanowiskach wykonawczych. Udział doświadczonych pracowników wzrósł.
- Koszt ponieśli odchodzący. Mniej więcej połowa osób, które odeszły, czekała około sześciu miesięcy na nową pracę. Wiele z nich podjęło gorzej płatną pracę, którą AI mogła wykonać w mniejszym stopniu.
- Większe wyniki. Wkład w kod na GitHub w startupach w pełni narażonych wzrósł o 64%. Szansa, że znajdą się wśród startupów z najwyższą sprzedażą na pracownika, wzrosła o około 20%.
- Więcej finansowania. Miały o 21% większą szansę na pozyskanie kapitału venture capital niż wcześniej.
- Więcej mniejszych startupów. Na rynkach bardziej narażonych na AI liczba nowych startupów wzrosła o 6%, a ich średnia wielkość spadła o 4%. Łączne zatrudnienie pozostało mniej więcej takie samo.
Kiedy wynik się sprawdza
Te startupy sprzedają cyfrowe produkty i dostają pieniądze na szybki wzrost. U nich AI przejęła pracę, którą wcześniej wykonywali młodsi pracownicy.
Inne dowody dotyczące małych firm wskazują w przeciwną stronę. W danych płacowych Gusto amerykańskie firmy z mniej niż 10 pracownikami, które wdrożyły AI, w kolejnym roku zatrudniły więcej ludzi, głównie do pracy bezpośrednio z klientem i w terenie (Tremper i Bowen, Gusto, 2026). Te dwie grupy firm sprzedają co innego, a oba badania inaczej mierzą AI.
Ograniczenia
- Working paper, bez recenzji naukowej.
- Badanie mierzy, jaką część pracy mogłaby wykonać AI, a nie to, czy startupy faktycznie jej używały.
- Startupy finansowane przez fundusze venture capital nie są typowymi małymi firmami, takimi jak sklepy, firmy rzemieślnicze czy lokalne usługi.
- Miary sprzedaży i kodu obejmują tylko część firm.
Praktyki, które korzystają z tego badania
To badanie wspiera: