Które zawody AI przejmuje naprawdę? Anthropic opublikował pierwsze twarde dane

5 marca 2026 r. Anthropic opublikował raport „Labor market impacts of AI: A new measure and early evidence". To pierwsza tego rodzaju analiza oparta nie na prognozach ani modelach teoretycznych, ale na rzeczywistych danych z użycia narzędzi AI w pracy.

Przez ostatnie trzy lata debata o wpływie sztucznej inteligencji na rynek pracy toczyła się głównie na poziomie spekulacji. Badacze szacowali, ile procent zadań w danym zawodzie może przejąć model językowy. Firmy doradcze publikowały raporty z listami zawodów „zagrożonych". Komentatorzy dzielili się na dwa obozy: tych, którzy widzieli w AI zagrożenie dla milionów miejsc pracy, i tych, którzy twierdzili, że technologia stworzy więcej, niż zniszczy.

Brakowało jednej rzeczy: danych z rzeczywistości.

Anthropic postanowił to zmienić. Zamiast pytać, co AI może teoretycznie robić, sprawdził, co Claude faktycznie robi w środowiskach zawodowych — i zestawił to z danymi o zatrudnieniu z amerykańskiego rynku pracy.

Jak mierzono ekspozycję

Autorzy raportu — ekonomiści Maxim Massenkoff i Peter McCrory — wprowadzili nową miarę: observed exposure, czyli ekspozycja obserwowana. Różni się ona od dotychczasowych wskaźników tym, że bierze pod uwagę trzy elementy jednocześnie:

• czy zadanie jest teoretycznie możliwe do wykonania przez model językowy,
• czy to zadanie faktycznie pojawia się w ruchu użytkowników Claude w kontekście zawodowym,
• czy jest wykonywane automatycznie (bez udziału człowieka) czy tylko wspomagająco.

To istotne rozróżnienie. Wcześniejsze analizy oceniały ekspozycję zawodów na podstawie samej teorii — jeśli model językowy mógłby wykonać dane zadanie, stanowisko było klasyfikowane jako zagrożone. Dane Anthropic pokazują, że rzeczywistość jest znacznie bardziej złożona.

Kluczowe ustalenie: AI jest daleko od swojego teoretycznego potencjału. Dla stanowisk z kategorii Computer & Math — gdzie modele LLM mają najszersze możliwości — Claude faktycznie pokrywa zaledwie 33% zadań. Nie dlatego, że nie jest zdolny do więcej, ale dlatego, że bariery wdrożeniowe, prawne i organizacyjne spowalniają adopcję.

Kto jest najbardziej narażony

Wśród dziesięciu zawodów z najwyższą ekspozycją obserwowaną znalazły się:

• Programiści — pokrycie zadań na poziomie 75%. Claude jest intensywnie używany do pisania kodu, debugowania i dokumentacji.
• Pracownicy obsługi klienta — wysokie pokrycie, szczególnie w wdrożeniach przez API firm.
• Operatorzy wprowadzania danych — 67% pokrycia. Główne zadanie, jakim jest odczyt dokumentów źródłowych i przepisywanie danych, w dużej mierze przebiega już automatycznie.

Na przeciwnym biegunie: 30% pracowników ma zerową ekspozycję. To głównie zawody wymagające obecności fizycznej — kucharze, mechanicy, ratownicy, barmani. W ich przypadku narzędzia AI po prostu nie mają co przejąć.

Zaskakujący profil zagrożonych

Dane obalają jeden z popularnych mitów na temat wpływu AI na rynek pracy — że zagrożone są przede wszystkim osoby słabo wykształcone i nisko opłacane.

Pracownicy z najwyższą ekspozycją na AI zarabiają średnio 47% więcej niż ci z zerową ekspozycją. Mają wyższe wykształcenie — osoby z tytułem magistra lub doktora stanowią 17,4% grupy najbardziej narażonej, podczas gdy w grupie nienarażonej to zaledwie 4,5%. Wśród najbardziej eksponowanych jest też o 16 punktów procentowych więcej kobiet.

Innymi słowy: AI przejmuje zadania wykonywane przez dobrze opłacanych, wykształconych specjalistów — nie przez pracowników fizycznych czy produkcyjnych.

Co mówią dane o zatrudnieniu

Tu pojawia się najbardziej niespodziewany wynik raportu: do tej pory nie ma statystycznie istotnego wzrostu bezrobocia wśród zawodów najbardziej narażonych na AI.

Od premiery ChatGPT w końcu 2022 roku różnica w stopie bezrobocia między grupą najbardziej eksponowaną a najmniej eksponowaną nie zmieniła się w sposób, który można uznać za nieprzypadkowy. Rynek pracy — przynajmniej na poziomie zagregowanym — nie wykazuje jeszcze oznak strukturalnego wstrząsu.

Jest jednak jeden sygnał, który autorzy uznają za niepokojący: spadek zatrudnienia młodych pracowników w zawodach eksponowanych. Wśród osób w wieku 22–25 lat, które szukają pracy w zawodach o wysokiej ekspozycji na AI, wskaźnik znajdowania nowych etatów spadł o około 14% w porównaniu do okresu przed 2022 rokiem. Efekt jest ledwie istotny statystycznie, ale kierunek jest wyraźny — firmy rzadziej zatrudniają juniorów tam, gdzie AI może przejąć ich zadania.

Autorzy interpretują to jako wczesny sygnał: nie chodzi jeszcze o zwolnienia, ale o spowolnienie rekrutacji. Firmy nie redukują istniejących stanowisk, ale przestają tworzyć nowe na tym samym poziomie co wcześniej.

Co to oznacza dla firm

Raport Anthropic nie jest powodem do paniki, ale jest powodem do konkretnych decyzji.

Pierwsze ustalenie: tempo wdrożenia AI w pracy jest znacznie wolniejsze, niż sugerowały prognozy. To daje organizacjom czas na przygotowanie — ale czas ten nie jest nieograniczony. Modele się rozwijają, adopcja przyspiesza, a luka między możliwościami teoretycznymi a rzeczywistym użyciem systematycznie się zamyka.

Drugie ustalenie: efekty widać najpierw nie w zwolnieniach, ale w strukturze rekrutacji. Firmy, które korzystają z AI, potrzebują mniej rąk do zadań wykonawczych. To zmienia opis stanowisk, oczekiwania wobec kandydatów i wewnętrzny podział ról — zanim ktokolwiek straci pracę.

Trzecie ustalenie: eksperci z wykształceniem wyższym i doświadczeniem w pracy z wiedzą są w centrum tej zmiany, nie na jej obrzeżach. Dotyczy to menedżerów, analityków, specjalistów ds. marketingu, prawników, finansistów — wszystkich, których praca opiera się głównie na przetwarzaniu informacji i podejmowaniu decyzji.

Pytanie, które warto zadać już teraz

Raport Anthropic nie odpowiada na pytanie, ile zadań można oddelegować AI w konkretnej firmie. To pytanie każda organizacja musi zadać sobie sama — najlepiej zanim zrobi to za nią rynek.

Ile z zadań, które dziś zajmują czas Twojego zespołu, faktycznie wymaga człowieka? Które z nich są wykonywane rutynowo, z dokumentacją wystarczającą do tego, żeby model językowy mógł je przejąć? Jakie są bariery — techniczne, prawne, organizacyjne — i jak szybko można je usunąć?

To nie są pytania teoretyczne. Są operacyjne. I wymagają konkretnych odpowiedzi — nie za rok, ale teraz.

Źródło: Massenkoff, M. i McCrory, P. (2026). „Labor market impacts of AI: A new measure and early evidence". Anthropic.