AI-first company

Ludzie i umiejętności · Utrzymanie

Zachowaj zadania, na których uczą się początkujący

Zanim zautomatyzujesz rutynową pracę, sprawdź, czy to na niej młodsi pracownicy uczą się zawodu. Jeśli tak, zostaw im jej część albo zapewnij naukę w inny sposób.

Autor
Ostatni przegląd
Poprawki
Zgłoś błąd
Kiedy Zrób później. Gdy AI jest już stałą częścią pracy.
Nakład pracy Średni (tygodnie, kilka osób)
Dowody Wstępne Sporne

Dwa studia przypadków i jedno badanie z pomiarem wśród lekarzy pokazują, że umiejętności słabną, gdy pracę wykonuje narzędzie. Jedno badanie z losowym przydziałem z udziałem uczniów sprawdziło środek zaradczy: korepetytora ograniczonego do wskazówek. Czy AI ogranicza zatrudnianie młodszych pracowników, jest sporne. Inne dowody pokazują, że AI pomaga nowym pracownikom szybciej się rozwijać.

Pasuje do
Branże Wszystkie branże
W przewodniku Role i kierownictwo

Na czym to polega

Zanim zautomatyzujesz zadanie, zadaj jedno pytanie: kto się dziś uczy, wykonując je, i jak będzie się uczył, gdy zadanie zniknie? Rutynowe zadania często jako pierwsze trafiają do AI. To na nich nowi pracownicy uczą się fachu.

Co pokazują dowody

Dwa studia przypadków pokazują, jak to się dzieje, a jedno badanie to zmierzyło.

  • Dwuletnie badanie chirurgii robotycznej wykazało, że nowa technologia mocno ograniczyła to, co lekarze w trakcie specjalizacji robili na sali operacyjnej. Oficjalna droga nauki przestała działać. Tylko mniejszość z nich nabrała kompetencji, i to dzięki ćwiczeniu poza obowiązującymi zasadami.
  • Studium przypadku firmy księgowej wykazało, że lata polegania na zautomatyzowanym oprogramowaniu osłabiły umiejętności pracowników. Nikt tego nie zauważył, bo oprogramowanie nadal działało. Pracownicy nadal odpowiadali za wyniki.
  • Badanie w czterech ośrodkach endoskopii w Polsce zmierzyło to na podstawie rutynowej dokumentacji. Trzy miesiące po wprowadzeniu AI, która pomaga wykrywać zmiany w jelicie, doświadczeni lekarze pracujący bez AI znajdowali ich mniej: wykrywalność spadła z 28,4% do 22,4%.

Sprawdzono jeden środek zaradczy. W badaniu z losowym przydziałem z udziałem prawie 1000 uczniów szkół średnich w Turcji uczniowie, którzy ćwiczyli z nieograniczonym GPT-4, uzyskali na egzaminie bez AI wyniki o 17% niższe niż uczniowie, którzy nigdy go nie mieli. Korepetytor ograniczony do wskazówek pozwolił uniknąć tej straty. Badanie dotyczyło uczniów, a nie pracowników.

Badanie ścieżek zawodowych w Brazylii i Wielkiej Brytanii dodaje szerszy obraz. Młodzi absolwenci często zaczynają od prac, które AI najprawdopodobniej zastąpi, i stamtąd awansują. Jeśli te prace znikną, zniknie też droga w górę.

Czy AI już ogranicza zatrudnianie młodszych pracowników, jest sporne. Dowody wskazują w obie strony i wszystkie pochodzą ze Stanów Zjednoczonych.

  • Sygnały, że tak. W danych płacowych zatrudnienie osób w wieku 22–25 lat w zawodach najbardziej narażonych na AI było o około 19% niższe niż ścieżka ich rówieśników w zawodach mniej narażonych, w poprawionej wersji autorów z 12 sierpnia 2026 roku. Różnica wynikała z mniejszej liczby przyjęć. Firmy, które ogłaszały oferty pracy związane z wprowadzaniem generatywnej AI do swojej pracy, sześć kwartałów później miały o około 9% mniej młodszych pracowników niż inne firmy, w wersji badania z maja 2026 roku. Startupy najbardziej narażone na AI, zatrudniające średnio około 11 osób, zmniejszyły zatrudnienie o około 8%, głównie wśród młodszych pracowników. W danych płacowych Gusto, firmy sprzedającej małym firmom oprogramowanie płacowe, liczba zatrudnionych w wieku 22–28 lat spadła na stanowiskach silnie narażonych na AI.
  • Sygnały, że nie, a przynajmniej jeszcze nie. Bezrobocie wśród niedawnych absolwentów w USA nie wzrosło latem 2026 roku w porównaniu z wcześniejszymi latami. Comiesięczne zestawienie Yale Budget Lab nie pokazuje wyraźnych oznak zaburzeń w całej gospodarce.

Badania mierzą różne rzeczy: zatrudnienie w narażonych zawodach, bezrobocie, firmy wybrane według różnych kryteriów. Średnia krajowa może się nie zmieniać, podczas gdy jedna grupa młodych ludzi przestaje być zatrudniana.

Druga strona. W badaniu 5172 konsultantów obsługi klienta asystent AI pomógł nowym osobom szybciej się poprawić i wydawało się, że pomagał im się uczyć. AI nie zawsze więc szkodzi nauce. Efekt zależy od tego, czy nowa osoba nadal wykonuje pracę, z pomocą, czy tylko patrzy, jak praca jest wykonywana.

Jak to zrobić

  1. Dla każdego zadania, które chcesz zautomatyzować, zapytaj, kto się dziś na nim uczy.
  2. Podziel potrzebne umiejętności na dwie grupy: te, z których możesz zrezygnować, i te, których ludzie nadal potrzebują, by sprawdzać AI i odpowiadać za wynik.
  3. W drugiej grupie zostaw część pracy ludziom. Wymieniaj osoby, żeby wszyscy pozostali we wprawie.
  4. Niech młodsi pracownicy wykonują zadanie z pomocą AI i wyjaśniają wynik, a nie tylko go zatwierdzają. Dla osób, które wciąż się uczą, ustaw narzędzie tak, by dawało wskazówki i wyjaśnienia, a nie gotowe odpowiedzi.
  5. Co kilka miesięcy niech pracownicy wykonają zadanie bez narzędzia. Traktuj to jak próbny alarm przeciwpożarowy. W badaniu endoskopii spadek pojawił się w ciągu trzech miesięcy. Zob. sprawdzaj, co pracownicy potrafią zrobić bez AI.
  6. Daj starszym stażem pracownikom czas na uczenie innych. Automatyzacja zwykle usuwa sytuacje, w których kiedyś odbywała się taka nauka.

Co mierzyć

  • Czy pracownicy nadal potrafią wykonać zadanie bez pomocy, na próbce przypadków.
  • Ile czasu potrzebuje nowa osoba, by pracować samodzielnie.
  • Jak często ludzie wyłapują błędy w wynikach AI.

Gdzie to zawodzi

  • Zostawianie pracy tylko do nauki kosztuje. Zachowaj zadania, które budują umiejętności nadal potrzebne. Z reszty zrezygnuj.
  • Przestarzałe umiejętności. Samo badanie firmy księgowej zauważa, że utrata umiejętności, których nikt już nie potrzebuje, to normalny koszt nowej technologii.
  • AI może przejąć wymagającą część pracy, a nie rutynową. Anthropic, który sprzedaje modele AI, podaje na podstawie danych o użyciu przez własnych klientów, że w niektórych zawodach, takich jak agenci biur podróży i autorzy dokumentacji technicznej, AI przejmuje raczej zadania wymagające większych umiejętności. Pytaj, którą część pracy przejmuje narzędzie, a nie tylko, które zadania wyglądają na rutynowe.
  • Bardzo małe zespoły mogą w danej chwili nie mieć żadnych młodszych pracowników. Pytanie wróci przy następnym zatrudnieniu.

Poza firmą

Praca na start, która znika, często należy do freelancera. Na dużej platformie dla freelancerów popyt na pisanie i tłumaczenia spadł po pojawieniu się ChatGPT o 20–50% względem trendu, a popyt na początkujących spadł nawet w umiejętnościach, w których AI pomaga. Osobne badanie innej globalnej platformy dla freelancerów wykazało, że liczba ogłoszeń o zlecenia pisarskie i programistyczne spadła o 21% w ciągu ośmiu miesięcy od pojawienia się ChatGPT. Wśród tłumaczy z mniej niż dwuletnim doświadczeniem odsetek tych, którzy widzą dla siebie realną ścieżkę zawodową, spadł z 69% w 2024 roku do 41% w 2025 roku. Tak podaje European Language Industry Survey, cytowane w badaniu tłumaczy w Belgii i Szwajcarii.

Według wielkości firmy

  • Mikro i małe: ryzykiem jest jedna osoba, która jako jedyna wie, jak wykonać zadanie bez narzędzia. Upewnij się, że potrafi to też ktoś drugi. Jeśli sprzedajesz to, co tworzy AI (kod, teksty, projekty graficzne), spodziewaj się, że zatrudnisz mniej młodszych pracowników. Zdecyduj, gdzie będzie się uczyć następna osoba, którą zatrudnisz.
  • Duże: wpisz pytanie „kto się na tym uczy?” do procesu zatwierdzania każdego projektu automatyzacji.

Źródła

  1. Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. Co zrobiło i co wykazało to badanie
  2. Rinta-Kahila, Penttinen, Salovaara, Soliman and Ruissalo (2023). The Vicious Circles of Skill Erosion: A Case Study of Cognitive Automation. Journal of the Association for Information Systems, 24(5), 1378–1412. Co zrobiło i co wykazało to badanie
  3. Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Co zrobiło i co wykazało to badanie
  4. Bastani, Bastani, Sungu, Ge, Kabakcı and Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. Co zrobiło i co wykazało to badanie
  5. Cazzaniga, Pizzinelli, Rockall and Tavares (2025). Exposure to Artificial Intelligence and Occupational Mobility: A Cross-Country Analysis. Economía, 24(1), 314–339. Co zrobiło i co wykazało to badanie
  6. Brynjolfsson, Chandar and Chen (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab working paper (revised 12 August 2026). Co zrobiło i co wykazało to badanie
  7. Hosseini and Lichtinger (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. SSRN working paper 5425555 (version of 6 May 2026). Co zrobiło i co wykazało to badanie
  8. Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. Co zrobiło i co wykazało to badanie
  9. Teutloff, Einsiedler, Kässi, Braesemann, Mishkin and del Rio-Chanona (2025). Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand. Journal of Economic Behavior & Organization, 235, 106845. Co zrobiło i co wykazało to badanie
  10. Demirci, Hannane and Zhu (2025). Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms. Management Science, 71(10), 8097–8108. Co zrobiło i co wykazało to badanie
  11. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Ogranicza tę praktykę albo jej przeczy. Co zrobiło i co wykazało to badanie
  12. Chamberlain, Gusto (February 2026). AI's impact on small businesses: payroll analysis. Gusto sells payroll software to small firms. gusto.com
  13. Fairlie and Wu (2026). The Early Impacts of AI on Employment among Recent College Graduates. IZA Discussion Paper 18945. iza.org
  14. The Budget Lab at Yale (updated September 2026). Tracking the Impact of AI on the Labor Market. budgetlab.yale.edu
  15. Anthropic (January 2026). Anthropic Economic Index report: Economic primitives. Anthropic sells AI models; the figures come from its own customers' usage. anthropic.com
  16. Girletti and Lefer (2025). Lost in compensation: pricing methods, rates, and income satisfaction among freelance translators in Belgium and Switzerland. Perspectives. Cites the European Language Industry Survey 2025. research.dial.uclouvain.be