AI wywiera presję na płace, zanim zlikwiduje miejsca pracy

Google News przytoczył 31 lipca mocny wniosek Axios: pracownicy narażeni na wpływ AI zachowali pracę, ale po 2023 roku ich wzrost płac wyraźnie spowolnił.

Badanie Apollo podważa znaną narrację o automatyzacji. Pracodawcy nie muszą likwidować stanowiska, aby przejąć większą część wartości generowanej przez AI. Mogą podnosić oczekiwania dotyczące wydajności, osłabiać pozycję negocjacyjną pracownika lub zatrudniać zastępców za niższe pensje początkowe.

To rozróżnienie ma znaczenie dla programistów, przedstawicieli obsługi klienta, analityków finansowych i innych pracowników umysłowych. Bezpośrednia rywalizacja nie toczy się wyłącznie między ludźmi a maszynami. Chodzi o siłę negocjacyjną pracowników wobec pracodawców, którzy chcą zachować wzrost produktywności napędzany przez AI.

Ekonomiści Apollo, Sania Edlich i Torsten Slok, nie stwierdzili statystycznie istotnego spadku zatrudnienia w badanych zawodach. Jednak realny wzrost płac w zawodach o wysokiej ekspozycji po 2023 roku pozostawał o 6,7 punktu procentowego niższy niż w dziedzinach o mniejszej ekspozycji.

Według ich szacunków roczny niedobór wzrostu płac wynosi 28 mld USD i dotyczy 5,8 mln pracowników. Badanie wykazało również silniejszy efekt wśród gorzej opłacanych pracowników.

To wczesny wynik, a nie ostateczny werdykt. Inne badania nie wykazały istotnego wpływu na zarobki, podczas gdy niektóre odnotowały wzrost płac w pracy narażonej na wpływ AI. Ta rozbieżność sprawia, że kanał płacowy należy obserwować jeszcze uważniej, a nie mniej uważnie.

Nowe ostrzeżenie dotyczy płac, a nie zwolnień

Ustalenie Apollo przenosi pierwszy widoczny koszt AI z bezrobocia na wypłaty pracowników.

Badacze porównali zmiany płac w zawodach o różnym poziomie ekspozycji na generatywną AI. Ekspozycja opisuje, jak bardzo zadania w danej pracy pokrywają się z pracą wykonywaną przez obecne systemy AI.

Na podstawie danych o rzeczywistych zadaniach z Anthropic zaklasyfikowali 11 zawodów jako silnie narażone. Obejmowały one programowanie komputerowe, obsługę klienta i analizę finansową.

Porównanie objęło dane płacowe Departamentu Pracy sprzed i po premierze ChatGPT pod koniec 2022 roku. Apollo uznało 2023 rok za pierwszy pełny rok okresu generatywnej AI.

Zgodnie z wynikającym z tego white paper, realny wzrost płac w dziedzinach o wysokiej ekspozycji był o 6,7 punktu procentowego niższy niż w zawodach o mniejszej ekspozycji. Apollo nie stwierdziło istotnego wpływu na zatrudnienie.

To połączenie prowadzi do kluczowego odwrócenia przedstawionego w artykule. Pracownicy mogą pozostać zatrudnieni, jednocześnie tracąc grunt.

Axios jasno podsumował praktyczną konsekwencję w swoim ustaleniu dotyczącym wzrostu płac: ludzie mogą nadal pracować, ale zarabiać mniej, niż zarobiliby w przeciwnym razie.

„Niższe płace” nie muszą oznaczać, że każdy dotknięty pracownik otrzymuje bezpośrednią obniżkę pensji. Efekt może pojawiać się w postaci mniejszych podwyżek, słabszych ofert początkowych lub wolniejszego awansu.

Firma może też pozostawić wakujące stanowisko nieobsadzone. Obecni pracownicy przejmują wtedy więcej pracy z pomocą AI, często bez proporcjonalnego wzrostu wynagrodzenia.

Apollo oszacowało, że luka oznaczała 28 mld USD utraconego rocznego wzrostu płac. Dotyczyła około 5,8 mln pracowników, czyli mniej więcej 3,7% amerykańskiej siły roboczej.

Autorzy opisali tę populację jako konserwatywne oszacowanie. Miara ekspozycji obejmuje ograniczony zestaw zawodów, w których obserwowane wykorzystanie AI już w dużym stopniu pokrywa się z zadaniami zawodowymi.

Gorzej opłacani pracownicy w narażonej grupie doświadczyli największego spowolnienia. Wynik ten komplikuje twierdzenia, że dostępne narzędzia AI automatycznie zdemokratyzują wiedzę ekspercką i zmniejszą różnice dochodowe.

Na przykład agent obsługi klienta może korzystać z asystenta AI, aby szybciej wyszukiwać informacje lub tworzyć odpowiedzi. Pracodawca może wtedy oczekiwać, że każdy agent obsłuży więcej rozmów.

Ta poprawa produktywności nie gwarantuje wyższej płacy. Jeśli oprogramowanie ułatwia szkolenie lub zastępowanie pracowników, ich pozycja negocjacyjna może się pogorszyć.

Ten sam mechanizm może dotyczyć młodszych analityków i programistów. AI może pozwolić większej liczbie kandydatów wykonywać podstawowe zadania, zwiększając konkurencję o pracę, która wcześniej wymagała rzadszych umiejętności technicznych.

Żadna z tych zmian nie wymaga natychmiastowego ogłoszenia zwolnień. Mogą rozwijać się poprzez rutynowe przeglądy wynagrodzeń, decyzje rekrutacyjne i zmienione cele wydajnościowe.

To sprawia, że presję płacową trudniej zidentyfikować niż niszczenie miejsc pracy. Zlikwidowane stanowisko pozostawia widoczny ślad. Podwyżka, która nigdy nie nastąpiła, nie.

Dlaczego AI może osłabić siłę negocjacyjną, zanim załamie się zatrudnienie

AI zmienia wynagrodzenia, gdy zmniejsza rzadkość zadań wykonywanych przez pracownika, nawet jeśli człowiek nadal zajmuje dane stanowisko.

Płace odzwierciedlają więcej niż bieżącą produktywność. Odzwierciedlają również zewnętrzne możliwości, koszty zastąpienia, popyt na pracę i gotowość pracownika do odejścia.

Generatywna AI może wpływać na każdy z tych czynników, zanim będzie zdolna zautomatyzować cały zawód. Praca jest zbiorem zadań, a oprogramowanie może zmieniać tylko część tego zbioru.

Załóżmy, że analityk poświęca czas na zbieranie danych, podsumowywanie dokumentów, budowanie modelu, sprawdzanie założeń i prezentowanie wniosków. System AI może przyspieszyć pierwsze trzy zadania, pozostając zawodnym w dwóch ostatnich.

Firma nadal potrzebuje analityka. Może jednak potrzebować mniej analityków, aby wykonać tę samą ilość pracy.

Kierownictwo może przejąć tę zmianę bez natychmiastowego zwalniania kogokolwiek. Może spowolnić rekrutację, zwiększyć obciążenie pracą lub poczekać, aż naturalna rotacja zmniejszy zatrudnienie.

Pracownicy dostrzegają słabszy popyt wokół siebie. Stają się mniej pewni siebie przy żądaniu podwyżek lub przejściu do innego pracodawcy.

Przepływ pracowników między miejscami pracy ma znaczenie, ponieważ zmiana pracodawcy historycznie pomagała wielu osobom uzyskać większe podwyżki. Ostrożny rynek pracy odbiera część tej przewagi.

Axios zauważył, że amerykański wskaźnik odejść z pracy powrócił do poziomów kojarzonych z połową lat 2010. To zupełnie inne środowisko niż Wielka Rezygnacja, gdy pracodawcy intensywnie konkurowali o pracowników.

Komunikacja dotycząca AI może wzmacniać tę ostrożność. Kadra zarządzająca regularnie mówi inwestorom, że automatyzacja obniży koszty i poprawi efektywność.

Jeszcze zanim te plany w pełni się urzeczywistnią, pracownicy słyszą ten sam przekaz. Osoba, która uważa, że pracodawca może zautomatyzować część jej roli, ma mniejszą pewność siebie podczas negocjacji płacowych.

Pracodawcy zyskują również więcej informacji o potencjalnych zastępstwach. Mogą sprawdzić, czy wspierany przez AI młodszy pracownik, wykonawca kontraktowy lub zespół offshore może wykonywać pracę wcześniej powierzaną doświadczonym pracownikom.

Nie oznacza to, że firmy mają całą siłę negocjacyjną. Doświadczeni pracownicy nadal wnoszą wiedzę instytucjonalną, relacje z klientami, osąd i odpowiedzialność za kosztowne błędy.

Wyniki AI również wymagają weryfikacji. Pewna siebie, ale błędna odpowiedź może generować koszty prawne, finansowe, bezpieczeństwa lub reputacyjne.

Pracodawca nie potrzebuje jednak pełnej automatyzacji, aby wzmocnić swoją pozycję. Wystarczy mu wiarygodna alternatywa dla obecnego sposobu wykonywania zadania przez pracownika.

Oryginalne dane o wykorzystaniu zadań Anthropic pokazały, że 57% zaobserwowanego użycia Claude wspierało zwiększanie możliwości człowieka. Pozostałe 43% odzwierciedlało wzorce automatyzacji.

Wspomaganie oznacza, że człowiek współpracuje z AI i nadal uczestniczy w pracy. Automatyzacja oznacza, że system bezpośrednio wykonuje zadanie przy ograniczonym udziale człowieka.

Te kategorie mogą prowadzić do różnych rezultatów płacowych. Wspomaganie może zwiększać wartość wiedzy eksperckiej, gdy AI rozszerza zakres tego, co może osiągnąć wykwalifikowany pracownik.

Może również zmniejszać wartość doświadczenia, gdy oprogramowanie daje mniej doświadczonym pracownikom dostęp do wskazówek, szablonów i wyjaśnień technicznych.

Badania nad obsługą klienta pokazały tę niejednoznaczność. Wsparcie AI może przynosić większe wzrosty produktywności mniej doświadczonym agentom, ponieważ rozpowszechnia praktyki stosowane przez lepszych pracowników.

Taki rezultat może pomagać pracownikom w nauce. Może też zmniejszać premię wcześniej wypłacaną pracownikom, którzy posiadali te praktyki samodzielnie.

Rozkład korzyści ma więc znaczenie równie duże jak wzrost produktywności. Wyższa produkcja może podnosić płace, obniżać ceny, zwiększać zyski lub prowadzić do kombinacji wszystkich trzech skutków.

Interpretacja Apollo jest taka, że firmy obecnie przechwytują większą część korzyści w zawodach narażonych na wpływ AI. Dowodem przedstawianym na to przesunięcie jest wolniejszy wzrost płac.

Mechanizm jest wiarygodny, ale dane nie mogą bezpośrednio zaobserwować każdych negocjacji wynagrodzeń. Wnioskują o efekcie AI na podstawie różnic między grupami zawodowymi w czasie.

To ograniczenie staje się kluczowe przy ocenie, czy AI spowodowała lukę płacową.

Czego nie dowodzi nagłówek Google News

Zgłoszona luka płacowa jest istotna, ale jeden dokument roboczy nie może wyizolować każdej siły wpływającej na płace w różnych zawodach.

Apollo porównało 11 zawodów o wysokiej ekspozycji z dziedzinami wykazującymi mniejszą ekspozycję na AI. Takie podejście oferuje jasny test, ale tworzy również potencjalne czynniki zakłócające.

Jedna komplikacja wynika z infrastruktury stojącej za AI. Centra danych wymagają elektryków, pracowników budowlanych, specjalistów od chłodzenia i innych osób, których role mają relatywnie niską ekspozycję na generatywną AI.

Szybki popyt na tych pracowników może podnosić ich płace. Luka mogłaby więc odzwierciedlać zarówno słaby wzrost w pracy narażonej na wpływ AI, jak i wyjątkowo silny wzrost gdzie indziej.

Drugą komplikacją jest szerszy rynek pracy w technologii. Firmy programistyczne dostosowały rekrutację po ekspansji w czasie pandemii, wzroście stóp procentowych i wcześniejszym nadmiernym zatrudnieniu.

Programiści mogli doświadczać słabszego wzrostu płac z powodów nakładających się na wdrażanie AI, ale niewynikających wyłącznie z niego. Rozdzielenie tych sił wymaga dłuższych szeregów czasowych i bardziej szczegółowych danych od pracodawców.

Badanie wykorzystuje również ekspozycję, a nie zweryfikowane zastępowanie. Zawód może obejmować zadania obsługiwane przez AI, choć nie każdy pracodawca skutecznie wdraża tę technologię.

Rzeczywiste wdrożenie różni się w zależności od wielkości firmy, jakości zarządzania, zasad bezpieczeństwa i dostępu do wiarygodnych danych. Miary ekspozycji wskazują na możliwość techniczną, a nie jednolite wykorzystanie w miejscu pracy.

Przegląd Fed z marca 2026 roku](https://www.federalreserve.gov/econres/notes/feds-notes/ai-adoption-and-firms-job-posting-behavior-20260327.html) ilustruje nierozstrzygnięty charakter dowodów. Przytacza badania dochodzące do różnych wniosków na temat zatrudnienia i płac.

Niektóre badania wykazały niewielki ogólny wpływ na miejsca pracy lub ogłoszenia, przy jednoczesnym statystycznie istotnym wzroście płac w zawodach narażonych na AI. Inne prace wykryły spadek zatrudnienia na stanowiskach juniorskich tam, gdzie AI głównie automatyzowała zadania.

Fed przytoczył również ankiety wskazujące na szybkie wdrażanie. Jedna ankieta wykazała, że wykorzystanie dużych modeli językowych w miejscu pracy wzrosło z 30,1% w grudniu 2024 roku do 45,9% w czerwcu i lipcu 2025 roku.

Ten wzrost sprawia, że porównania zawodów stają się coraz bardziej istotne. Nie rozstrzyga jednak, czy ekspozycja na AI powoduje niższe płace w całej gospodarce.

Dowody z Danii stanowią kolejny kontrapunkt. Badacze połączyli ankiety pracowników z administracyjną ewidencją zatrudnienia po tym, jak pracodawcy wprowadzili programy chatbotów.

Danish registry study wykazało brak istotnego wpływu na zarobki lub zarejestrowane godziny pracy w pierwszych dwóch latach po premierze ChatGPT. Jego szacunki wykluczyły efekty większe niż 2%.

Duński rynek pracy różni się od amerykańskiego. Jego instytucje, praktyki ustalania płac, system zabezpieczenia społecznego i zachowania pracodawców ograniczają możliwość bezpośredniego porównania.

Mimo to wynik zerowy pokazuje, że ustalenie Apollo nie powinno stać się uniwersalną regułą. Wpływ AI na płace może zależeć od krajowych instytucji i wdrożenia w miejscu pracy.

Inny dokument roboczy, zrewidowany w sierpniu 2026 roku, wspiera tezę o presji płacowej, wykorzystując inne amerykańskie zbiory danych. Jego wyniki pojawiły się po pierwotnym raporcie Axios.

Szacunki płacowe zawarte w opracowaniu wiążą przejście od niskiej do wysokiej ekspozycji na generatywną AI ze spadkiem płac o 4,9% w danych dotyczących zawodów.

Korzystając z ogłoszeń o pracę i dopasowanych rejestrów zatrudnienia, autorzy stwierdzili spadki o 8,71% w oferowanych wynagrodzeniach i o 10,76% w płacach początkowych. Nie wykryli odpowiadającej im zmiany zatrudnienia.

Te szacunki wzmacniają argument, że wynagrodzenia mogą się zmieniać przed liczebnością zatrudnienia. Jednak opracowanie nadal ma status dokumentu roboczego i nie rozstrzyga debaty o przyczynowości.

Gubernator Rezerwy Federalnej Michael Barr podkreślił tę niepewność w przemówieniu z lutego 2026 roku. Stwierdził, że w tamtym momencie było niewiele dowodów na istotny zagregowany wpływ na płace.

Barr wskazał trzy rozstrzygające pytania: czy AI uzupełnia wiedzę ekspercką, jak zmienia popyt między zawodami oraz kto jest właścicielem powstającego kapitału.

Te ramy wyjaśniają, dlaczego pozornie sprzeczne badania mogą współistnieć. Jedno narzędzie może zwiększać wydajność pracownika, jednocześnie obniżając rynkową wartość jego pierwotnych umiejętności.

Wynik zależy od tego, co firmy robią z zaoszczędzonym czasem. Mogą zwiększać produkcję, poprawiać obsługę, redukować zatrudnienie albo po prostu wymagać więcej od obecnej siły roboczej.

Zależy też od konkurencji. Firma, która przekazuje klientom korzyści z produktywności, może potrzebować więcej pracowników wraz ze wzrostem popytu.

Firma o silnej pozycji rynkowej może zatrzymać te korzyści jako zysk. Pracownik z rzadką, komplementarną wiedzą ekspercką może wynegocjować udział.

Nagłówek Google News wskazuje więc na poważną możliwość, a nie ostateczny pomiar ogólnokrajowego wpływu AI. Czytelnicy powinni traktować lukę 6,7 punktu jako wczesny sygnał.

Osoby o Niższych Dochodach Odczuwają Najsilniejszą Presję Płacową Związaną z AI

Pracownicy z mniejszymi finansowymi zabezpieczeniami mogą ucierpieć, nawet gdy AI nie zmienia ich formalnego statusu zatrudnienia.

Apollo stwierdziło, że wzrost płac pogorszył się bardziej wśród gorzej opłacanych pracowników w grupie zawodów objętych ekspozycją. Ten wynik dotyczący rozkładu ma konsekwencje wykraczające poza średnią ocenę płac.

Wysoko opłacany specjalista może przyjąć słabą podwyżkę bez natychmiastowej zmiany decyzji dotyczących mieszkania, opieki zdrowotnej czy edukacji. Gorzej opłacany pracownik ma mniej możliwości dostosowania się.

Inflacja dodatkowo uwydatnia tę różnicę. Wynagrodzenie, które pozostaje bez zmian, oznacza utratę siły nabywczej, gdy koszty podstawowych potrzeb nadal rosną.

Wolniejsze podwyżki nominalne mogą więc prowadzić do realnego spadku poziomu życia. Pracownik pozostaje zatrudniony, lecz gospodarstwo domowe staje się mniej bezpieczne.

Osoby o niższych dochodach mają też mniej zasobów na przekwalifikowanie. Kursy wymagają czasu, pieniędzy, przewidywalnego harmonogramu i pewności, że nowe kwalifikacje poprawią perspektywy zatrudnienia.

AI może jednocześnie zmieniać to, jakie umiejętności cenią pracodawcy. Pracownicy muszą wtedy uczyć się nowych narzędzi, spełniając jednocześnie wyższe oczekiwania dotyczące wyników w obecnych rolach.

Obsługa klienta dostarcza konkretnego przykładu. Asystent AI może przygotowywać odpowiedzi, podsumowywać rozmowy i proponować kroki rozwiązywania problemów.

Kierownictwo może postrzegać te możliwości jako wsparcie dla agentów. Może też zwiększyć liczbę spraw, które każdy agent musi zamknąć podczas zmiany.

Pracownik staje się odpowiedzialny za przeglądanie większej ilości materiałów generowanych przez maszynę. Błędy nadal obciążają pracownika, nawet gdy wadliwą sugestię stworzyło oprogramowanie.

Pomiar wyników może nie uwzględniać tego dodatkowego nadzoru. Panel kontrolny pokazuje szybszą obsługę, podczas gdy pracownik ponosi większe obciążenie poznawcze i emocjonalne.

Początkowe stanowiska w pracy umysłowej stają przed podobnym problemem. Młodsze stanowiska tradycyjnie pozwalały pracownikom uczyć się poprzez badania, tworzenie projektów, testowanie i rutynową analizę.

To właśnie zadania, z którymi obecna generatywna AI radzi sobie najłatwiej. Ich automatyzacja może usunąć część ścieżki szkoleniowej prowadzącej do bardziej senioralnej pracy.

Pracodawcy mogą nadal zatrudniać pracowników na stanowiska początkowe, ale za niższe wynagrodzenia początkowe. Mogą argumentować, że AI zmniejsza doświadczenie wymagane do osiągnięcia produktywności.

Późniejsze badanie płacowe z sierpnia wykazało największy szacunek w wynagrodzeniu początkowym. Ten wzorzec jest zgodny z sytuacją, w której pracodawcy resetują wynagrodzenia przy obsadzaniu nowych stanowisk.

Jest również zgodny z innymi zmianami na rynku pracy. Badacze potrzebują więcej dowodów, zanim przypiszą cały spadek generatywnej AI.

Kluczową kwestią jest mobilność. Pracownik, który nie może uzyskać lepszej oferty, ma ograniczoną siłę przetargową wobec obecnego pracodawcy.

Ten sam pracownik może wahać się przed odejściem, ponieważ konkurencyjne firmy ogłaszają mniej stanowisk lub oczekują biegłości w nieznanych systemach AI.

W ten sposób presja płacowa może się rozprzestrzeniać bez dramatycznego skoku bezrobocia. Rynek pracy pozostaje zewnętrznie stabilny, podczas gdy awans staje się trudniejszy.

Istniejące nierówności mogą kształtować ten wynik. Pracownicy z oszczędnościami mogą czekać na lepsze oferty, poświęcić czas na szkolenie lub odrzucić agresywne cele produktywności.

Pracownicy żyjący od wypłaty do wypłaty często nie mogą sobie na to pozwolić. Ich potrzeba natychmiastowego dochodu daje pracodawcom większą swobodę w ustalaniu warunków.

Własność AI pogłębia nierównowagę. Firmy kupują systemy, kontrolują dane z miejsca pracy, definiują miary wyników i decydują, jak rozdzielane są oszczędności wynikające z produktywności.

Pracownicy zwykle wnoszą wiedzę dziedzinową potrzebną, by te systemy były użyteczne. Korygują wyniki, wyjaśniają wyjątki i identyfikują błędy, których ogólne modele nie dostrzegają.

To, czy ten wkład zostanie wynagrodzony, jest kwestią zarządzania i rynku pracy, a nie techniczną nieuchronnością.

Pracownicy mogą poprawić swoją pozycję, dokumentując wyniki, które osiągają dzięki AI. Sama wielkość produkcji może stawać się mniej przekonująca, gdy narzędzia upowszechniają się.

Osąd, zapobieganie błędom, utrzymanie klientów i projektowanie procesów dostarczają mocniejszych dowodów wartości. Te wkłady pozostają związane z osobą, która kieruje systemem i go weryfikuje.

Osobisty system wiedzy może pomóc zachować te dowody. Może łączyć decyzje, materiały źródłowe, poprawki i ukończoną pracę między projektami.

Taki zapis nie eliminuje strukturalnej presji płacowej. Może ułatwić wyjaśnienie indywidualnego wkładu podczas oceny lub poszukiwania pracy.

Pracodawcy również ponoszą ryzyko, jeśli zbyt daleko posuną kompresję. Niższe wynagrodzenia mogą zwiększyć rotację, zmniejszyć zaufanie i zniechęcić pracowników do zgłaszania awarii modeli.

Firma, która traktuje AI wyłącznie jako narzędzie obniżania kosztów pracy, może utracić wiedzę ekspercką niezbędną do jej nadzorowania. Krótkoterminowe oszczędności mogą wtedy prowadzić do wolniejszych decyzji i kosztownych błędów.

Bardziej zrównoważone podejście traktuje pracowników jako uczestników korzyści z produktywności. Może obejmować wynagrodzenie, awans, szkolenie lub większą kontrolę nad wykorzystaniem zaoszczędzonego czasu.

Ustalenia Apollo sugerują, że taki podział nie zachodzi równomiernie. Osoby o niższych dochodach zdają się ponosić najdotkliwsze koszty dostosowania.

Trzy Sygnały Pokażą, Czy Zagrożenie dla Płac Się Rozprzestrzenia

Kolejnym testem będzie to, czy kompresja płac pojawi się w większej liczbie zawodów, zbiorów danych i decyzji pracodawców.

Pierwszym sygnałem jest wynagrodzenie początkowe w zawodach narażonych na AI. Pensje początkowe reagują szybciej niż wynagrodzenia stałych pracowników, ponieważ pracodawcy mogą ustalać warunki od nowa przy każdym zatrudnieniu.

Badacze powinni porównywać oferowane i zaakceptowane wynagrodzenia w tym samym zawodzie, sektorze, miejscu i na tym samym poziomie doświadczenia. Taka konstrukcja może ograniczyć zakłócenia wynikające z szerszych cykli zatrudnienia.

Utrzymujące się spadki wynagrodzeń początkowych wzmocniłyby interpretację Apollo. Stabilne lub rosnące oferty sugerowałyby, że pierwsze porównanie zawodowe uchwyciło przejściową słabość sektora technologicznego.

Drugim sygnałem jest mobilność między miejscami pracy. Pracownicy zyskują siłę przetargową, gdy mogą odejść do lepszych możliwości, a pracodawcy ją zyskują, gdy zewnętrzne oferty znikają.

Wskaźnik dobrowolnych odejść daje szeroką miarę, lecz ruch na poziomie zawodów będzie bardziej informacyjny. Analitycy muszą śledzić, czy pracownicy objęci ekspozycją zmieniają pracodawców rzadziej niż porównywalni pracownicy.

Spadek skoncentrowany w rolach intensywnie wykorzystujących AI wspierałby mechanizm siły przetargowej. Spadek w całym rynku wskazywałby na szersze warunki gospodarcze.

Badacze powinni także analizować podwyżki płac, które pracownicy otrzymują, gdy jednak zmieniają pracę. Mniej przejść połączonych z mniejszymi wzrostami płac wskazywałoby na słabsze możliwości poza obecną firmą.

Trzecim sygnałem jest sposób, w jaki pracodawcy rozdzielają mierzalne korzyści z produktywności. Firmy coraz częściej omawiają wydajność AI podczas rozmów o wynikach, w wewnętrznych celach i planach dotyczących siły roboczej.

Te deklaracje należy porównywać z liczebnością zatrudnienia, kosztami wynagrodzeń, skalą rekrutacji, jakością usług i przychodem na pracownika.

Jeśli produktywność rośnie, a realne wynagrodzenia stagnują, teza o kompresji płac staje się silniejsza. Jeśli zatrudnienie lub płace rosną wraz z produkcją, rozszerzanie możliwości przynosi szersze korzyści.

Wdrożenia korporacyjne pokażą również, które zawody wejdą do grupy objętej ekspozycją. 5,8 mln pracowników Apollo to wąski, wczesny szacunek, a nie górna granica.

Agenci AI obsługujący dłuższe procesy pracy mogliby rozszerzyć ekspozycję poza odizolowane zadania związane z pisaniem czy analizą. Niezawodność określi, jak szybko pracodawcy zaufają im w tej odpowiedzialności.

Ludzka weryfikacja pozostaje ważnym ograniczeniem. Systemy, które zawodzą przy złożonych, długotrwałych zadaniach, nadal wymagają wykwalifikowanego nadzoru.

Taki nadzór może wspierać wyższe płace, gdy odpowiedzialność i wiedza dziedzinowa pozostają rzadkie. Może obniżać płace, gdy firmy traktują weryfikację jako rutynową pracę monitorującą.

Polityka publiczna wpłynie na równowagę. Wsparcie szkoleniowe, przejrzystość płac, zasady negocjacji zbiorowych i dostęp pracowników do danych o produktywności mogą wpływać na to, kto przejmuje korzyści.

Pomiar również musi się poprawić. Departament Pracy dąży do porozumień o wymianie danych z firmami technologicznymi, aby szybciej śledzić wpływ AI na zatrudnienie.

Lepsze dane powinny rozróżniać ekspozycję techniczną od aktywnego wdrożenia w miejscu pracy. Powinny też oddzielać bezpośrednie obniżki wynagrodzeń od mniejszych podwyżek, słabych ofert początkowych i utraconych możliwości awansu.

Dla pracowników praktyczne pytanie nie brzmi, czy AI może wykonywać całą pracę. Chodzi o to, czy pracodawcy postrzegają teraz wartościowe zadania danego stanowiska jako łatwiejsze do pozyskania gdzie indziej.

Ta zmiana może pojawić się podczas oceny wynagrodzenia na długo przed tym, zanim będzie widoczna w raporcie o bezrobociu.

Odpowiednio śledź własne dowody. Zapisuj, gdzie AI oszczędziła czas, gdzie twój osąd zapobiegł błędowi i gdzie twoja wiedza zmieniła ostateczną decyzję.

Porównuj ten zapis z nowymi ogłoszeniami o pracę i widełkami wynagrodzeń w swojej branży. Jeśli oczekiwania dotyczące wyników rosną, a wynagrodzenie stoi w miejscu, wpływ na płace już cię dotyka.

Kolejny nagłówek Google News może nadal skupiać się na zwolnieniach, ponieważ oferują one widoczną liczbę. Cichszą miarą jest to, czy zatrudnione osoby zachowują sprawiedliwy udział w tym, co AI pomaga im wytworzyć.