W miarę jak systemy sztucznej inteligencji stają się coraz bardziej zaawansowane, pojawia się pytanie przytłaczające niczym ciemne chmury zbliżające się do Mordoru: czy w świecie zdominowanym przez sztuczną inteligencję ludzie będą nadal mieli pracę?
Rozumiem te obawy. Generatywna sztuczna inteligencja potrafi pisać, projektować, analizować i automatyzować zadania, które jeszcze niedawno wymagały specjalistycznej wiedzy. Kiedy jednak spojrzymy na gospodarkę szerzej i uwzględnimy historyczne precedensy, perspektywa okazuje się znacznie bardziej złożona – i zarazem bardziej optymistyczna.
Aby pojąć, skąd ten optymizm, musimy rozróżnić trzy rodzaje pracy.
Trzy rodzaje pracy
Pracę ludzką można podzielić na trzy szerokie kategorie:
- Praca „wykonawcza” – praca fizyczna: kopanie, podnoszenie, montaż.
- Praca typu „jak” – praca oparta na wiedzy: obliczenia, analiza, rozwiązywanie problemów.
- Praca typu „dlaczego” – praca polegająca na wyznaczaniu celów: decydowanie, co należy zrobić i dlaczego.
Od wieków automatyzujemy pracę. Pług zautomatyzował orkę; maszyny przemysłowe automatyzują teraz produkcję. Narzędzia te zastąpiły pewne formy pracy ręcznej, ale jednocześnie znacząco zwiększyły wydajność i stworzyły zupełnie nowe sektory gospodarki.
Wkraczamy w fazę, w której będziemy automatyzować nie tylko pracę „wykonawczą”, ale także pracę typu „jak”. Ponieważ systemy generatywnej sztucznej inteligencji potrafią tworzyć raporty, generować kod, komponować obrazy i wspomagać badania, wiele miejsc pracy dla pracowników umysłowych nieuchronnie zniknie.
Przesunięcia na rynku pracy spowodowane zmianami gospodarczymi to zjawisko realne i bolesne. Historia pokazuje jednak, że nie jest to ostatni rozdział tej opowieści.
Nauki płynące z historii: zanik i tworzenie miejsc pracy
Weźmy znaczenie słowa „komputer”.
Zanim słowo „komputer” zaczęło oznaczać maszynę, było nazwą zawodu. Przed pojawieniem się procesorów elektronicznych „ludzkie komputery”, często kobiety, wykonywały ręcznie obliczenia matematyczne dla organizacji naukowych takich jak NASA. Film Ukryte działania z 2016 roku opowiada historię grupy ludzkich komputerów, którym grozi przeniesienie na inne stanowiska z powodu pojawienia się ich cyfrowych odpowiedników.
Wraz z nastaniem ery komputerów elektronicznych rola „komputera ludzkiego” w dużej mierze zanikła. Ludzie zostali wyparci.
Ale co nastąpiło później? Pojawiły się zupełnie nowe branże, w których zajmowano się rozwojem oprogramowania, technologiami informacyjnymi, mediami cyfrowymi; wyłoniła się globalna gospodarka technologiczna.
Ten sam schemat powtórzył się w przypadku prasy drukarskiej, czyli innej technologii, która także zrewolucjonizowała kulturę. Przed wynalazkiem Johanna Gutenberga skrybowie ręcznie mozolnie przepisywali manuskrypty. Wyprodukowanie pojedynczej księgi wielkości Biblii kosztowało równowartość 60 000 dolarów i zapewniało kopiście pracę przez miesiące. Prasa drukarska zautomatyzowała zawód skryby i położyła kres jego istnieniu.
Drukowanie wywołało jednak eksplozję piśmiennictwa, publikacji, dziennikarstwa, nauki i mediów masowych. Nie tylko stworzyło miejsca pracy, ale także nowe gałęzie przemysłu.
Przełomowe technologie powielają ten sam schemat. Automatyzacja eliminuje określone role i jednocześnie rozszerza ogólną przestrzeń gospodarczych możliwości.
Generatywna sztuczna inteligencja prawdopodobnie zrobi to samo.
Kombinatoryczna eksplozja możliwości
Dlaczego przestrzeń możliwości się powiększa?
Sedno sprawy polega na tym, że gdy określone zdolności zamkniemy w gotowych do użycia komponentach, liczba możliwych systemów, które da się z nich zbudować, rośnie wykładniczo.
Wyobraźmy sobie, że możemy spakować ludzkie zdolności w „widżety zdolności”. Rozważmy na przykład dwa widżety:
- system, który zamienia tekst na obrazy,
- agent AI, który może autonomicznie wykonywać zadania.
Jeśli masz tylko jeden widżet, możesz zbudować jeden typ systemu (lub nie zbudować żadnego). W przypadku dwóch widżetów możesz je łączyć na cztery sposoby, włączając lub wyłączając każdy konkretny komponent. W przypadku trzech – liczba możliwych systemów ponownie się podwaja.
Wzór jest wykładniczy:
- 1 widżet zdolność → 2 możliwości,
- 2 widżety zdolności → 4 możliwości,
- 3 widżety zdolności → 8 możliwości,
- 4 widżety zdolności → 16 możliwości.
I mówimy tu tylko o tym, czy poszczególne komponenty zostają uwzględnione, czy pominięte. Gdy weźmiemy pod uwagę również ich kolejność – jak w przypadku potoków przetwarzania – liczba możliwych permutacji rośnie jeszcze bardziej.
Dlatego przestrzeń rzeczy, które możemy zbudować, rozszerza się wykładniczo w miarę wzrostu liczby komponentów, z których możemy je zbudować.
Jak to wpływa na pracę? Nasza zdolność do odkrywania tych możliwości rośnie liniowo.
Co istotne, agenci AI1 również napotykają ograniczenia wdrożeniowe. Wymagają dużej mocy obliczeniowej, energii o wysokiej częstotliwości i pamięci masowej o ogromnej pojemności. W najlepszym przypadku możemy wdrożyć ich w tempie liniowym.
Zatem nie jesteśmy w stanie zbadać każdej możliwej kombinacji systemów. Nasze systemy AI także nie są w stanie tego zrobić. Zawsze będzie więcej potencjalnych innowacji niż agentów (ludzkich lub sztucznych), którzy mogliby je zbadać.
Podobnie w nauce zawsze będzie więcej interesujących kwestii niż badaczy, którzy mogliby je zbadać. Granica poszerza się tak szybko, że znika poza horyzontem.
Tworzy to trwałą przepaść między możliwościami a ich wykorzystaniem.
Czego brakuje sztucznej inteligencji
Nawet w przyszłości, w której systemy sztucznej inteligencji będą dorównywać ludziom lub ich przewyższać we wszystkich zadaniach wymagających wiedzy, nadal będzie istniało coś specyficznie ludzkiego, co będzie poza ich cybernetycznym zasięgiem – nasza zdolność do wyznaczania sensownych celów.
Systemom sztucznej inteligencji brakuje chęci. Nie budzą się z pragnieniem wynalezienia leku na raka, napisania symfonii czy eksploracji Marsa. Niczego nie chcą. Reagują na nasze polecenia i optymalizują cele, które my im wyznaczamy.
Ale nadal mogą być przydatne. Można argumentować, że duży model językowy jest bardzo podobny do leniwego geniusza, koleżki, który jest niezwykle zdolny, ale nigdy samodzielnie nie wychodzi z inicjatywą. Jeśli jednak zapewni mu się odpowiednie przywództwo i nada kierunek jego działaniom, może wnieść istotny wkład w pracę zespołu i realizować wartościowe zadania.
Bardziej życzliwą analogią jest błyskotliwy student. Jako profesor możesz mieć wyjątkowo utalentowanych studentów. Utalentowani studenci nadal potrzebują wsparcia. Potrzebują kogoś, kto sformułuje pytanie badawcze, zdefiniuje problem i określi, co warto zbadać.
To wyznaczanie kierunku w ramach pracy typu dlaczego jest typowo ludzkie.
Stawiamy cele. Określamy, które pytania są ważne, i decydujemy, które systemy ostatecznie warto budować.
Przesunięcie w stronę pracy typu „dlaczego”
Historycznie rzecz biorąc, w gospodarce nastąpiło przesunięcie od pracy „wykonawczej” (pracy fizycznej) do pracy typu „jak” (opartej na wiedzy). Teraz obserwujemy kolejną zmianę: od pracy typu „jak” do pracy typu „dlaczego”.
W przyszłości wielu z nas zostanie kierownikami i dyrektorami projektów, zarówno w przenośni, jak i dosłownie. Nasza wartość będzie coraz bardziej polegać na definiowaniu celów, organizowaniu narzędzi AI i decydowaniu, do czego należy dążyć.
Pojawią się problemy. W perspektywie krótkoterminowej generatywna sztuczna inteligencja niemal na pewno wyprze ludzi. Ale wyparcie to nie zastąpienie.
Wykładniczy wzrost możliwości gwarantuje, że zawsze będą systemy do zaprojektowania, pytania do zadania i projekty do poprowadzenia. Jeśli chodzi o wyznaczanie kierunku działań, pozostaniemy niezastąpieni.
Perspektywa długoterminowa
Z ekonomicznego punktu widzenia systemy sztucznej inteligencji mogą zmienić charakter pracy, ale nawet w najbardziej dystopijnych scenariuszach nie są w stanie całkowicie wyeliminować potrzeby udziału człowieka. Jest po prostu zbyt wiele możliwości do zbadania.
Granica możliwości poszerza się tak szybko, że żaden człowiek ani automat nie jest w stanie jej określić. I dopóki będziemy pytać dlaczego, wyznaczać cele, do których zmierza technologia, zawsze będzie istniała dla nas sensowna praca.
George D. Montañez
Oryginał: Will Humans Still Matter in an AI Economy?, „Science & Culture Today” 2026, February 26 [dostęp: 15 VII 2026].
Przekład z języka angielskiego: Piotr Bylica
Źródło zdjęcia: Pixabay
Ostatnia aktualizacja strony: 15.7.2026
Chcesz wiedzieć więcej na temat sztucznej inteligencji? Zapraszamy do lektury książki Mit sztucznej inteligencji.
Książka dostępna w księgarni Fundacji En Arche.
Przypisy
- Agent AI – autonomiczny system sztucznej inteligencji zdolny do samodzielnego planowania i wykonywania zadań, aby móc osiągnąć określony cel. W odróżnieniu od tradycyjnych modeli generatywnych może podejmować kolejne działania na podstawie wyników wcześniejszych etapów (przyp. red.).