Czy AI już uderza w zatrudnienie? Fed: w danych wciąż tego nie widać

W debacie o sztucznej inteligencji coraz częściej dominuje intuicja, że fala wdrożeń powinna już
wyraźnie odbijać się na liczbie ofert pracy. Najnowsza notatka Fedu autorstwa Jessiki Liu i
Douglasa Webbera pokazuje jednak obraz znacznie bardziej zniuansowany. Na danych
Lightcast oraz Census Bureau Business Trends and Outlook Survey nie widać dotąd spadku
łącznej liczby ogłoszeń w firmach i branżach szybciej adoptujących AI.

Może to oznaczać, że rynek pracy nie przechodzi dziś jeszcze szerokiej destrukcji etatów, lecz
raczej cichą zmianę priorytetów rekrutacyjnych. Nie jest to oczywiście uniewinnienie AI z
zarzutu o przyszłą presję na zatrudnienie, ale jest to wyraźny sygnał, że agregaty na razie nie
potwierdzają najbardziej alarmistycznej narracji.

Agregaty nie potwierdzają tezy o pęknięciu rynku pracy

Obserwując bieżące zachowanie debaty wokół AI, można odnieść wrażenie, że rynek pracy
powinien już dziś wyraźnie odczuwać skutki automatyzacji. Tymczasem Fed patrzy na ten
problem przez dwa szerokie filtry: branżowy poziom adopcji AI oraz firmowy ślad AI w samych
ogłoszeniach rekrutacyjnych. W obu przypadkach wynik jest podobny.

Nie ma dowodu na to, że branże lub firmy szybciej wdrażające AI publikują mniej ofert pracy niż
reszta gospodarki. Stąd wydaje się, że spowolnienie liczby ofert po odbiciu postpandemicznym
nie było dotąd napędzane nawet w umiarkowanej skali przez samą sztuczną inteligencję.

Branże wdrażające AI nie publikują mniej ofert

Tabela branżowa w nocie Fedu wygląda zaskakująco łagodnie dla narracji o szybkim wypieraniu
pracy przez algorytmy. Warto tu od razu wyjaśnić, co oznaczają opóźnienia 1, 3, 6 i 12 miesięcy.
Nie chodzi o to, że Fed mierzy wpływ AI dokładnie po miesiącu, kwartale, pół roku i roku w
sensie mechanicznym.

Chodzi raczej o sprawdzenie, czy wyższa adopcja AI mierzona wcześniej pomaga wyjaśnić
dzisiejszą liczbę nowych ofert pracy. Innymi słowy, model zestawia AI sprzed 1, 3, 6 lub 12
miesięcy z rekrutacją obserwowaną później, aby sprawdzić, czy efekt pojawia się szybko, z
opóźnieniem, czy też zanika w czasie.

Dla zmiennej opisującej bieżące użycie AI współczynniki dla opóźnień 1, 3, 6 i 12 miesięcy
wynoszą odpowiednio 0,341, 0,286, -0,032 i 0,494. Dla planów wdrożenia AI w horyzoncie
sześciu miesięcy są to 0,551, 0,111, 0,129 i 0,142. Znak ujemny pojawia się tylko raz i to w
bardzo niewielkiej skali, a większość przedziałów niepewności przecina zero. Można więc
przypuszczać, że na poziomie branż obecny efekt AI na ogólną liczbę ofert jest albo zerowy,
albo bardzo niewielki dodatni.

To jest o tyle istotne, że skala adopcji w samym badaniu BTOS nie wygląda marginalnie. Około
10% firm deklarowało już użycie AI, a 14% planowało wdrożenie w kolejnych sześciu
miesiącach. Gdyby sam mechanizm automatyzacji miał już dziś silnie redukować popyt na
pracę w skali makro, ślad w danych branżowych powinien być bardziej czytelny. Skoro go nie
ma, bardziej prawdopodobne wydaje się na razie to, że ewentualne oszczędności pracy są
neutralizowane przez inne potrzeby firm, takie jak ekspansja, przebudowa procesów lub zmiana
profilu kompetencji.

• Save

Na poziomie firm efekt jest dodatni, lecz ekonomicznie mikroskopijny

Fed definiuje adopcję w sposób bardziej rygorystyczny, uznając firmę za eksponowaną na AI
wtedy, gdy we wcześniejszym ogłoszeniu wymagała kompetencji z obszaru AI lub machine
learning. Dla całej próby firm współczynniki wynoszą 0,082, 0,056, 0,028 i -0,0002 dla opóźnień
1, 3, 6 i 12 miesięcy. Dla dużych firm są wyższe i sięgają odpowiednio 0,210, 0,157, 0,072 oraz

0,015, co może wskazywać na to, że największe podmioty nadal łączą inwestycję w AI z
utrzymaniem aktywności rekrutacyjnej.

Kluczowe jest jednak przeskalowanie tych wyników. W całej próbie udział ogłoszeń
wymagających AI lub ML wynosił tylko 1,6%. Po uwzględnieniu tej intensywności ekspozycji
Fed szacuje, że efekt na liczbę ofert pracy dla wszystkich firm mieścił się mniej więcej między
+0,04% a +0,13%. To bardzo mało. W rezultacie wydaje się, że dodatnia statystycznie
zależność nie oznacza jeszcze ekonomicznie istotnego impulsu dla zatrudnienia. Bardziej
przypomina ona precyzyjnie oszacowany efekt bliski zeru niż dowód na boom rekrutacyjny
wywołany AI.

AI może zmieniać skład zatrudnienia, a nie jeszcze jego sumę

Najważniejszy wniosek tej analizy polega na tym, że mierzy ona łączną liczbę ofert pracy, a nie
zmiany w konkretnych zawodach. To istotna różnica. Możliwe bowiem, że część stanowisk,
zwłaszcza bardziej rutynowych lub wejściowych, doświadcza już realnej presji, ale efekt ten jest
kompensowany przez wzrost zapotrzebowania gdzie indziej. Fed pisze o tym dość wyraźnie:
jeśli w niektórych zawodach pojawia się silniejszy negatywny efekt, to jak dotąd był on
równoważony przez przesunięcie ogłoszeń w inne miejsca. To może oznaczać, że pierwszym
kanałem działania AI nie jest dziś redukcja sumy ofert, lecz przebudowa ich struktury.

Ta uwaga jest szczególnie ważna dla inwestorów i analityków próbujących odczytać z rynku
pracy coś więcej niż samą liczbę wakatów. Agregat może pozostawać względnie stabilny, a
jednocześnie pod powierzchnią może rosnąć presja na część pracowników. Stąd wydaje się, że
obecny obraz bardziej przypomina relokację popytu na pracę niż jego szerokie załamanie. To
z kolei może przekładać się na nierównomierny wpływ AI na płace, ścieżki kariery oraz
mobilność zawodową.

To nadal nie jest zamknięty temat

Warto zauważyć, że sama nota Fedu jest ostrożna i wyraźnie zaznacza swój horyzont. Analiza
obejmuje okres od września 2023 do listopada 2025 i ma charakter jawnie retrospektywny.
Dodatkowo autorzy odcinają próbę na listopadzie 2025, ponieważ zmiana brzmienia pytań o AI
w badaniu BTOS wywołała zauważalne pęknięcie szeregu czasowego. To może oznaczać, że
jesteśmy wciąż zbyt wcześnie, by z danych agregatowych wyciągać dalej idące wnioski o
trwałej relacji AI z zatrudnieniem.

Niemniej istotne jest to, że analiza nie obejmuje wynagrodzeń. A właśnie płace, obok struktury
ogłoszeń i zmian w poziomie entry-level hiring, mogą okazać się pierwszym miejscem, w którym

AI zostawi bardziej trwały ślad. Jeżeli technologia najpierw podnosi produktywność i zmienia
profil zadań, to presja na liczbę etatów może przyjść później niż presja na marże płacowe lub na
strukturę kompetencji poszukiwanych przez firmy.

Co z tego wynika dla rynku?

Obecny stan danych bardziej podważa tezę o już materializującym się załamaniu rekrutacji
przez AI, niż ją potwierdza. Nie oznacza to, że zagrożenie nie istnieje. Oznacza jedynie, że
agregat ofert pracy w USA nadal nie pokazuje negatywnego przesilenia. Można oczekiwać, że
w najbliższych kwartałach kluczowe będzie nie tyle pytanie, czy AI obniża łączną liczbę
ogłoszeń, lecz czy zaczyna mocniej zmieniać ich strukturę, poziom wymagań oraz pozycję
słabszych grup pracowników. To właśnie tam może pojawić się pierwszy realny sygnał
przesunięcia rynku pracy w nowy reżim.

Dopóki jednak dane w skali branż i firm nie pokażą wyraźniejszego pogorszenia liczby ofert,
rynek może mieć trudność z obroną tezy, że AI jest już dziś głównym źródłem osłabienia
amerykańskiego rynku pracy. Na razie bardziej prawdopodobne wydaje się, że gospodarka
przechodzi fazę adaptacji, w której technologia zmienia sposób rekrutacji szybciej niż jej łączną
skalę.

Daniel Kostecki
CMC Markets Polska