Badanie Pew Research o miejscach pracy i AI ujawnia, że globalny lęk wyprzedza obietnice AI

Pew Research udokumentowało uderzający konflikt w 37 krajach: ludzie oczekują, że sztuczna inteligencja wyeliminuje więcej miejsc pracy, niż stworzy. Badanie Pew Research dotyczące miejsc pracy i AI wykazało takie oczekiwanie w 34 z 37 analizowanych krajów. Obawy wykraczają poza zatrudnienie i obejmują nierówności dochodowe oraz pytanie, czy AI ogólnie poprawi jakość życia.

W międzynarodowym badaniu zapytano 42 151 dorosłych w 36 krajach między 8 lutego a 13 maja 2026 roku. Pew osobno przebadało 8 607 dorosłych w Stanach Zjednoczonych, rozszerzając zasięg badania do łącznie 37 krajów. Wyniki pojawiły się, zanim kilka niedawnych ostrzeżeń przed szybką automatyzacją zaostrzyło publiczną debatę.

Nie jest to po prostu kolejny obraz niepokoju wokół nieznanej technologii. Firmy AI przedstawiają swoje systemy jako narzędzia zwiększające produktywność, które poszerzą ludzkie możliwości i stworzą nowe szanse gospodarcze. Społeczeństwo widzi jednak inny podział rezultatów: pracodawcy przejmują korzyści z wydajności, podczas gdy pracownicy ponoszą ryzyko wyparcia.

To właśnie ten podział jest kluczową kwestią. Ludzie mogą dostrzegać użyteczność AI, a jednocześnie wątpić, że jej korzyści do nich trafią. Jeśli firmy i rządy nie odniosą się do tych obaw, wdrażanie technologii może postępować szybciej niż jej społeczna legitymizacja.

Co faktycznie zmieniło globalne badanie AI

Badanie przekształca rozproszony niepokój dotyczący automatyzacji w mierzalny wzorzec międzynarodowy.

Najważniejszym wynikiem jest jego zasięg geograficzny. Respondenci w 34 z 37 badanych krajów oczekiwali, że AI doprowadzi do netto redukcji miejsc pracy. Redukcja netto oznacza, że technologia eliminuje więcej stanowisk, niż gospodarka tworzy dzięki jej zastosowaniu.

Ta zgodność ma znaczenie, ponieważ rynki pracy w badanych krajach bardzo się różnią. Poziom wynagrodzeń, zabezpieczenia społeczne, struktury przemysłowe i kontakt z technologiami cyfrowymi nie są takie same. Mimo to kierunek społecznych oczekiwań pozostaje wyjątkowo spójny.

Zakres badania analizuje również, czy AI poprawi codzienne życie oraz jak wpłynie na nierówności dochodowe. Te pytania łączą obawy o zatrudnienie z szerszym niepokojem o to, kto kontroluje korzyści.

Wdrażanie AI nie musi prowadzić do masowego bezrobocia, aby te obawy wpływały na zachowania. Pracownicy mogą unikać zawodów, których przyszłość uznają za niepewną. Studenci mogą ponownie rozważać kierunki studiów związane z zadaniami narażonymi na automatyzację. Menedżerowie mogą napotykać opór przy wprowadzaniu systemów bez wyjaśnienia ich wpływu na zatrudnienie.

Wyniki komplikują także powszechne założenie dotyczące znajomości technologii. Większa świadomość AI nie prowadzi automatycznie do większego zaufania. Ludzie często zaczynają bardziej się niepokoić, gdy rozumieją, co systemy generatywne potrafią zrobić z tekstem, kodem, analizą, obrazami i obsługą klienta.

Ta reakcja różni się od prostego lęku przed technologią. Respondenci oceniają widoczną propozycję ekonomiczną. Firmy mogą korzystać z systemów wykonujących część ludzkiej pracy, lecz pracownicy nie uzyskują automatycznego prawa do wynikających z tego oszczędności.

Badanie przeprowadzono na kilka miesięcy przed publikacją. Nie obejmuje więc każdego ostrzeżenia, premiery produktu ani ogłoszenia dotyczącego zatrudnienia, które nastąpiły po pracach terenowych. Ten moment czyni wyniki bardziej, a nie mniej istotnymi. Obawy były już powszechne przed najnowszą falą publicznej debaty.

Badanie nie dowodzi, że 34 kraje doświadczą netto utraty miejsc pracy. Mierzy oczekiwania, a nie wyniki zatrudnienia. Mimo to oczekiwania wpływają na zaufanie, zachowania zakupowe, wybory zawodowe, negocjacje pracownicze i presję polityczną.

Struktura próby wymaga starannego opisu. Komponent międzynarodowy objął 42 151 dorosłych w 36 krajach. Osobna próba w Stanach Zjednoczonych obejmowała 8 607 dorosłych. Podsumowanie badania wskazało te komponenty, opisując wyniki dla 37 krajów.

To rozróżnienie zapobiega dwóm błędom. Badanie nie objęło jedynie 42 151 osób w całej grupie 37 krajów. Nie mierzyło też populacji każdego kraju za pomocą jednego identycznego procesu doboru próby.

Ustalenie Pew zmienia debatę o AI, ponieważ pokazuje skalę problemu z wiarygodnością. Branża nie próbuje już przekonać wyłącznie sceptycznych specjalistów czy rzeczników pracowników. Staje wobec międzynarodowej opinii publicznej, która już kojarzy AI z mniejszą liczbą miejsc pracy.

Badanie Pew Research dotyczące miejsc pracy i AI pokazuje deficyt zaufania

Ludzie wydają się mniej zaniepokojeni tym, czy AI działa, niż tym, kto odnosi korzyści, gdy działa.

Ta różnica jest kluczowa. Technologia może być zdolna, szeroko używana i wartościowa gospodarczo, a mimo to pozostawać niepopularna. Zaufanie publiczne zależy od tego, jak rozkładają się jej koszty i korzyści.

Twórcy AI podkreślają produktywność, ponieważ może ona wspierać wyższą produkcję i płace. Łańcuch ten zawiera jednak kilka decyzji, których sama technologia nie może podjąć. Pracodawcy decydują, czy oszczędności finansują wyższe wynagrodzenia, krótszy czas pracy, nowe zatrudnienie, niższe ceny czy większe marże.

Pracownicy doświadczają więc AI poprzez decyzje organizacyjne. Pracownik proszony o korzystanie z asystenta może zyskać czas na lepszą pracę. Inny może przejąć obowiązki po odchodzących kolegach, ponieważ kierownictwo oczekuje, że automatyzacja wypełni tę lukę.

Obie sytuacje mogą występować w tej samej firmie. To utrudnia ocenę szerokich obietnic, że AI poprawi pracę. Praktyczny rezultat zależy od polityki zatrudnienia, projektowania stanowisk, szkoleń i zachęt dla zarządzających.

Pytanie o nierówności dochodowe ujmuje ten problem podziału korzyści. Jeśli pracownicy o wysokich dochodach wykorzystują AI do zwiększania swojej wartości, podczas gdy pracownicy wykonujący rutynowe zadania stają w obliczu zastąpienia, technologia może pogłębiać istniejące różnice. Własność modeli, infrastruktury obliczeniowej, danych i kanałów dystrybucji może ten podział pogłębić.

Międzynarodowy Fundusz Walutowy oszacował, że AI może wpłynąć na niemal 40 procent miejsc pracy na świecie. Według jego analizy rynku pracy ekspozycja sięga około 60 procent w gospodarkach rozwiniętych. Ekspozycja nie oznacza, że każde dotknięte nią stanowisko zniknie.

Niektóre narażone zawody mogą stać się bardziej produktywne. Inne mogą tracić zadania, godziny pracy, siłę negocjacyjną lub możliwości wejścia do zawodu. Rozróżnienie między ekspozycją stanowiska a likwidacją stanowiska jest zasadnicze, lecz nie eliminuje ryzyka.

Badanie Pew Research dotyczące miejsc pracy i AI mierzy, jak społeczeństwo dziś rozstrzyga tę niepewność. W większości krajów respondenci oczekują przewagi negatywnego wpływu na zatrudnienie. Optymistyczna narracja branży ich nie przekonała.

Jednym z powodów jest to, że korzyści często wydają się abstrakcyjne, podczas gdy koszty są osobiste. Wzrost produktywności to pojęcie dotyczące całej gospodarki. Anulowany wakat, ograniczony kontrakt freelancerski lub zautomatyzowana kolejka obsługi wpływa natychmiast na konkretną osobę.

Inny powód dotyczy kontroli. Pracownicy rzadko wybierają systemy używane do oceny ich wyników, przydzielania zadań czy określania zatrudnienia. Nawet użyteczne narzędzia mogą budzić podejrzliwość, gdy wdraża się je bez konsultacji.

Pracownicy umysłowi stoją przed powiązanym wyzwaniem. AI może przyspieszać badania i tworzenie szkiców, ale może też rozpraszać dowody między czatami, dokumentami i aplikacjami. Utrzymywanie przeszukiwalnej bazy wiedzy pomaga zachować źródła i decyzje, gdy zautomatyzowane przepływy pracy się mnożą.

Lepsza osobista organizacja nie rozwiązuje jednak kwestii zatrudnienia. Pracownicy nie mogą indywidualnie rekompensować każdej zmiany strukturalnej. Deficyt zaufania dotyczy zobowiązań instytucjonalnych, a nie tylko indywidualnej zdolności adaptacji.

Pracodawcy muszą wyjaśniać, które zadania się zmienią, jak będzie mierzona produktywność i czy zaoszczędzony czas wpłynie na liczbę etatów. Rządy potrzebują wiarygodnych planów dotyczących szkoleń, wsparcia dochodowego, konkurencji i ochrony pracowników.

Bez tych szczegółów ludzie słyszą obietnice możliwości obok widocznych zachęt do obniżania kosztów pracy. Ich sceptycyzm nie jest odrzuceniem innowacji. Jest odpowiedzią na niepełną umowę ekonomiczną.

Obietnice produktywności AI zderzają się z rzeczywistością projektowania stanowisk

Główna rywalizacja toczy się między AI jako wsparciem pracownika a AI jako drogą do ograniczenia zatrudnienia.

Wsparcie oznacza, że technologia pomaga osobie wykonywać istniejącą pracę lub podejmować bardziej wartościowe zadania. Zastępowanie oznacza, że oprogramowanie wykonuje wystarczającą część pracy, by pracodawca potrzebował mniej ludzi. Większość wdrożeń zawiera elementy obu tych modeli.

Asystent obsługi klienta może przygotowywać odpowiedzi, podczas gdy człowiek sprawdza trudne przypadki. To wsparcie na poziomie zadania. Jeśli ten sam zespół obsługuje potem dwa razy więcej klientów bez nowego zatrudnienia, organizacja zastąpiła oprogramowaniem przyszły popyt na pracę.

Ten drugi efekt łatwo przeoczyć. Presja na zatrudnienie nie zawsze pojawia się w postaci dramatycznej fali zwolnień. Może ujawniać się poprzez wolniejsze rekrutacje, nieobsadzone wakaty, mniejsze nabory absolwentów lub mniej kontraktów dla niezależnych pracowników.

Szczególnej uwagi wymaga praca na poziomie początkującym. Młodsi pracownicy często zaczynają od badań, podsumowań, dokumentacji, testowania i podstawowych zadań produkcyjnych. Generatywna AI może szybko wykonywać część tych obowiązków.

Firmy mogą odpowiedzieć, powierzając młodszym pracownikom bardziej złożone zadania. Mogą też zatrudniać mniej początkujących osób, ponieważ doświadczeni pracownicy mogą tworzyć więcej. Pierwsza droga rozwija talenty; druga może osłabić ścieżkę prowadzącą do powstawania przyszłych ekspertów.

Międzynarodowa Organizacja Pracy opisuje ekspozycję na generatywną AI przede wszystkim jako kwestię transformacji, a nie automatycznego zaniku całych zawodów. Jej globalny indeks miejsc pracy ocenia zawody przez pryzmat zadań, które mogą wykonywać obecne systemy.

Analiza na poziomie zadań oferuje lepsze ramy niż pytanie, czy AI zastąpi dany zawód. Praca łączy czynności wymagające różnej wiedzy, odpowiedzialności, relacji i działań fizycznych. Obecne systemy rzadko przejmują cały ten pakiet.

Mimo to częściowa automatyzacja może nadal przekształcać zatrudnienie. Jeśli oprogramowanie obsługuje znaczącą część zadań, pracodawcy mogą przeprojektować role wokół pozostałej pracy. Mogą też intensyfikować obciążenie, oczekując, że każdy pracownik będzie nadzorował więcej zautomatyzowanych rezultatów.

Kontrola jakości staje się w takim środowisku kluczowa. Systemy generatywne mogą tworzyć pewne siebie błędy, niepełne rozumowanie, niebezpieczny kod lub twierdzenia bez potwierdzenia. Człowiek weryfikujący pozostaje odpowiedzialny, nawet gdy maszyna stworzyła pierwszy rezultat.

Ta odpowiedzialność wiąże się z kosztem. Pracownicy muszą rozumieć wystarczająco dużo, by wykrywać błędy, zachowywać dowody i wiedzieć, kiedy automatyzacji nie należy ufać. Czas zaoszczędzony podczas tworzenia może częściowo wrócić na etapie weryfikacji.

Pomiary produktywności mogą pomijać tę ukrytą pracę. Firma może liczyć szybsze szkice, nie mierząc czasu potrzebnego na poprawki ani błędów ujawniających się później. Może świętować krótszy czas obsługi, podczas gdy klienci mają trudności z dotarciem do osoby, która potrafi rozwiązać nietypowe problemy.

Organizacja Współpracy Gospodarczej i Rozwoju również rozróżnia ekspozycję na automatyzację od natychmiastowego zastąpienia. W swoich prognozach dotyczących zatrudnienia przeanalizowała, jak automatyzacja wpływa na jakość pracy, umiejętności i siłę negocjacyjną, obok poziomu zatrudnienia.

Te wymiary pomagają wyjaśnić społeczne obawy. Ludziom zależy na czymś więcej niż jakiejkolwiek pracy. Liczą się dla nich płace, stabilność, autonomia, możliwości awansu oraz to, czy systemy oceny wyników traktują ich sprawiedliwie.

Optymistyczny scenariusz dla AI pozostaje wiarygodny. Nowe narzędzia mogą ograniczać żmudną administrację, ułatwiać dostęp do wiedzy eksperckiej i pomagać małym zespołom podejmować projekty, które wcześniej wymagały większych budżetów. Mogą też powstawać nowe produkty i zawody.

Te korzyści nie rozstrzygają jednak kwestii podziału wartości. Firma może zwiększyć produktywność, nie dzieląc się jej efektami z pracownikami. Branża może rosnąć, zatrudniając jednocześnie mniej osób na jednostkę produkcji.

Pesymizm widoczny w badaniu stawia przed pracodawcami wyzwanie: muszą udowodnić, że AI wzmacnia pracowników poprzez obserwowalne decyzje. Budżety szkoleniowe, mobilność wewnętrzna, wzrost płac i stabilne zatrudnienie byłyby silniejszym dowodem niż ogólne deklaracje o ludzkim potencjale.

Czego liczby jeszcze nie mogą nam powiedzieć

Badanie uchwyciło silne oczekiwanie, ale nie może określić ostatecznego bilansu AI dla zatrudnienia.

Sondaże opinii publicznej mierzą przekonania w określonym momencie. Nie prognozują możliwości technologicznych ani nie obliczają przyszłego tworzenia miejsc pracy. Respondenci interpretują także szerokie pojęcie „AI”, które może obejmować wiele różnych systemów.

Jedna osoba może myśleć o chatbotach, pojazdach autonomicznych, robotach przemysłowych, algorytmach rekomendacyjnych lub nadzorze w miejscu pracy. Każda z tych technologii inaczej wpływa na pracę. Różnią się również wymogami regulacyjnymi i kosztami wdrożenia.

Porównania między krajami wprowadzają kolejną warstwę niepewności. Respondenci żyją w gospodarkach o różnych zabezpieczeniach zatrudnienia, systemach edukacji, strukturach demograficznych i dominujących branżach. Znaczenie „utraty pracy” może się różnić w zależności od tych warunków.

Badanie terenowe poprzedzało także późniejsze wydarzenia. Opinie mogą się zmieniać po głośnych zwolnieniach, problemach z bezpieczeństwem, wzroście produktywności lub nowych regulacjach. Powtarzanie pytań w czasie będzie bardziej miarodajne niż traktowanie pojedynczego wyniku jako trwałego.

Badanie Pew Research dotyczące AI i pracy należy więc odczytywać jako wskaźnik zaufania. Pokazuje ono, że większość społeczeństw krajowych obecnie oczekuje negatywnego bilansu dla zatrudnienia. Nie dowodzi, że taki bilans już się zmaterializował.

Statystyki rynku pracy zmieniają się także wolniej niż wdrażanie produktów. Firma może wprowadzić AI w ciągu kilku tygodni, podczas gdy oficjalne dane zawodowe mogą potrzebować miesięcy lub lat, aby ujawnić zmiany. Cykle gospodarcze dodatkowo komplikują przypisywanie przyczyn.

Jeśli pracodawca redukuje zatrudnienie podczas spowolnienia, AI może być jedną z przyczyn, narzędziem wspierającym albo wygodnym wyjaśnieniem. Jeśli rekrutacja zwalnia przy rosnącej produkcji, automatyzacja może się do tego przyczyniać, nie pojawiając się w danych o zwolnieniach.

Równie trudno mierzyć tworzenie nowych miejsc pracy. AI może generować popyt na ocenę modeli, działania związane z bezpieczeństwem, operacje na danych, integrację, zgodność z przepisami i wyspecjalizowane usługi. Niektóre stanowiska zachowają znane nazwy, nawet jeśli ich codzienne zadania znacząco się zmienią.

Porównania historyczne dają ograniczone wskazówki. Wcześniejsze technologie eliminowały określone zadania, jednocześnie tworząc branże i podnosząc produktywność. Powodowały też bolesne przejścia, osłabiały konkretne społeczności i nierównomiernie rozdzielały korzyści.

AI różni się od wielu wcześniejszych narzędzi, ponieważ obejmuje zadania poznawcze w licznych branżach. Ten sam model bazowy może wspierać programistę, marketera, prawnika, analityka lub pracownika wsparcia. Dystrybucja oprogramowania pozwala szybko rozpowszechniać te możliwości.

Możliwość nie oznacza jednak wdrożenia. Organizacje napotykają ograniczenia dotyczące danych, koszty integracji, ryzyko prawne, wymogi bezpieczeństwa i problemy z niezawodnością. Wiele demonstracji działa lepiej w kontrolowanych warunkach niż w złożonych systemach operacyjnych.

Badanie nie może również ujawnić, co respondenci zaakceptowaliby przy innych rozwiązaniach politycznych. Ludzie mogliby postrzegać AI bardziej pozytywnie, gdyby pracodawcy gwarantowali przekwalifikowanie, chronili płace lub dzielili się zyskami z produktywności. Mogliby stać się bardziej sceptyczni po doświadczeniu nieprzejrzystych zautomatyzowanych decyzji.

Kolejna niepewność dotyczy życia poza pracą. AI może wspierać badania medyczne, dostępność, edukację i tłumaczenia, a jednocześnie wprowadzać ryzyko oszustw, nadzoru i dezinformacji. Respondent może cenić jedno zastosowanie, a odrzucać inne.

To połączenie sprawia, że proste etykiety bywają mylące. Osoba oczekująca niszczenia miejsc pracy nie musi być przeciwnikiem AI. Może regularnie korzystać z AI, jednocześnie domagając się ochrony przed jej gospodarczymi konsekwencjami.

Sceptyczna interpretacja nie powinna przesadzać w żadną stronę. Społeczny lęk nie dowodzi nieuniknionego masowego bezrobocia. Optymizm branży nie dowodzi, że wypierani pracownicy płynnie przejdą do lepszych miejsc pracy.

Dowody muszą łączyć konkretne systemy z rzeczywistym zatrudnieniem, płacami, produkcją i jakością pracy. Dopóki takie dowody się nie zgromadzą, pewne prognozy pozostają mniej użyteczne niż przejrzyste raportowanie.

Pracodawcy i rządy ponoszą teraz ciężar dowodu

Badanie wywiera presję na instytucje kontrolujące wdrażanie, ponieważ pracownicy nie mogą samodzielnie zaprojektować tej transformacji.

Firmy AI stoją przed najbardziej widocznym wyzwaniem komunikacyjnym. Często opisują modele jako asystentów lub współpracowników. Klienci kupują jednak te produkty częściowo dlatego, że obiecują niższe koszty i większą wydajność.

Ta logika komercyjna nie czyni utraty miejsc pracy nieuniknioną. Tworzy jednak zachętę, której publiczny przekaz rzadko dotyka bezpośrednio. Jeśli jeden zespół może wykonywać więcej pracy, liderzy muszą zdecydować, czy zwiększyć produkcję, czy ograniczyć popyt na pracę.

Pracodawcy mogą uczynić tę decyzję czytelną. Mogą publikować cele wdrożeń, wskazywać zadania objęte zmianą, konsultować się z pracownikami i raportować, czy automatyzacja zmienia poziom zatrudnienia. Mogą oddzielać projekty eksperymentalne od systemów wykorzystywanych przy decyzjach dotyczących zatrudnienia.

Menedżerowie muszą również chronić ludzką kontrolę. Wymaganie od pracowników zatwierdzania wyników AI bez wystarczającego czasu lub uprawnień tworzy odpowiedzialność bez kontroli. Taki układ przenosi ryzyko w dół organizacji, podczas gdy kierownictwo przejmuje korzyści z produktywności.

Szkolenia wymagają podobnej precyzji. Krótki kurs promptowania nie przygotowuje nikogo do zawodu, który traci zadania na poziomie początkującym. Skuteczne szkolenie musi łączyć pracowników z rolami, które organizacje rzeczywiście planują utrzymać.

Rządy ponoszą inny ciężar. Potrzebują aktualnych danych o rynku pracy, które pozwolą odróżnić zwolnienia od ograniczeń rekrutacji i restrukturyzacji zadań. Potrzebują też polityk działających, zanim wyparcie pracowników stanie się kryzysem.

Polityka konkurencji ma znaczenie, ponieważ infrastruktura AI jest kosztowna i skoncentrowana. Jeśli mała grupa kontroluje modele, moc chmurową i dystrybucję, zyski z produktywności mogą kumulować się wśród firm dysponujących największym kapitałem.

Polityka edukacyjna ma znaczenie, ponieważ pracownicy potrzebują szerokiego osądu cyfrowego, a nie jedynie znajomości jednego interfejsu. Produkty modelowe zmieniają się szybko. Weryfikacja, wiedza dziedzinowa, komunikacja i odpowiedzialność zachowują wartość niezależnie od narzędzia.

Ochrona socjalna ma znaczenie, ponieważ transformacje tworzą luki, nawet gdy gospodarka ostatecznie wytwarza nową pracę. Ludzie nie mogą opłacać bieżących wydatków prognozami dotyczącymi przyszłych zawodów. Świadczenia i przekwalifikowanie muszą działać w trakcie transformacji.

Reprezentacja pracowników również wpływa na rezultaty. Zatrudnieni często rozumieją, które zadania można bezpiecznie zautomatyzować, a które wymagają kontekstu. Uwzględnienie ich może poprawić jakość wdrożenia i ograniczyć podejrzliwość.

Społeczne obawy dotyczące nierówności powinny kształtować te działania. Transformacji nie można oceniać wyłącznie przez pryzmat krajowej produkcji lub zysków korporacyjnych. Rozkład płac, jakość pracy, skutki regionalne i dostęp do szkoleń muszą należeć do tej samej oceny.

Firmy powinny raportować związek między wdrażaniem AI a zatrudnieniem, stosując porównywalne miary. Przydatne wskaźniki obejmują wakaty, rekrutację na stanowiska juniorskie, wydatki na wykonawców, transfery wewnętrzne, liczbę przepracowanych godzin i produkcję na pracownika.

Żadna pojedyncza miara nie rozstrzygnie debaty. Liczba zatrudnionych może pozostać stabilna, podczas gdy obciążenie pracą rośnie. Produktywność może wzrastać przy stagnacji płac. Mogą pojawiać się nowe role, ale dostęp do nich może być ograniczony do pracowników z zaawansowanymi kwalifikacjami.

Przejrzystość nadal zmniejszyłaby lukę między deklaracjami a wynikami. Pozwoliłaby pracownikom, inwestorom i decydentom ocenić, czy wzmacnianie pracowników rzeczywiście następuje zgodnie z obietnicami.

Ustalenia Pew sugerują, że dobrowolny optymizm już nie wystarcza. Instytucje poszukujące społecznego poparcia muszą pokazać, jak ludzie będą dzielić korzyści i jak zamierzają zarządzać szkodami.

Trzy sygnały przetestują globalny lęk przed utratą miejsc pracy przez AI

O kolejnym etapie debaty zdecydują dane o rekrutacji, wyniki pracowników i powtarzane pomiary opinii publicznej.

Pierwszym sygnałem będzie rekrutacja na stanowiska początkujące w zawodach narażonych na AI. Role dla absolwentów, juniorskie stanowiska specjalistyczne i rutynowa praca cyfrowa stanowią wczesny test substytucji. Zawody te obejmują wiele zadań, które systemy generatywne mogą wspierać lub automatyzować.

Utrzymujący się spadek wzmocniłby pesymistyczną interpretację badania, zwłaszcza jeśli produkcja pozostałaby stabilna. Stabilna rekrutacja przy przeprojektowanych obowiązkach wspierałaby argument o wzmacnianiu pracowników. Badacze powinni porównywać role narażone na AI z zawodami funkcjonującymi w podobnych warunkach gospodarczych.

Drugim sygnałem będzie to, czy zyski z produktywności trafiają do pracowników. Wzrost płac, krótszy czas pracy, wskaźniki awansów i szkolenia finansowane przez pracodawców mogą pokazać, czy ludzie uczestniczą w podziale wartości. Wyższa produkcja sama w sobie nie może odpowiedzieć na to pytanie.

Jeśli płace i mobilność będą rosły wraz z wdrażaniem AI, zaufanie publiczne zyska powód do poprawy. Jeśli produkcja wzrośnie, podczas gdy wynagrodzenia i możliwości będą stagnować, obawy dotyczące nierówności zyskają silniejsze potwierdzenie.

Trzecim sygnałem będzie kierunek przyszłych wyników badań. Badanie Pew zapewnia szeroką bazę odniesienia obejmującą 37 krajów. Powtarzanie porównywalnych pytań może pokazać, czy bezpośrednie doświadczenie zmniejsza lęk, czy czyni go bardziej konkretnym.

Nastroje należy odczytywać obok zachowań. Wdrażanie może rosnąć nawet przy spadku zaufania, ponieważ pracownicy i konsumenci mogą mieć niewielki praktyczny wybór. Same statystyki użycia nie mogą więc dowodzić społecznej akceptacji.

Wzorzec obejmujący 34 kraje pozostanie istotny, dopóki dowody dotyczące zatrudnienia nie wskażą czegoś innego. Stanowi on ostrzeżenie, że postęp techniczny i społeczna legitymizacja poruszają się odrębnymi torami.

Twórcy powinni obserwować, czy nabywcy domagają się systemów zaprojektowanych wokół odpowiedzialnej ludzkiej kontroli. Klienci korporacyjni powinni analizować konsekwencje dla zatrudnienia obok wyników modeli. Pracownicy powinni pytać, jak wdrożenie zmienia ich role, ocenę i możliwości awansu.

Decydenci powinni odrzucić zarówno fatalizm, jak i samozadowolenie. Niszczenie miejsc pracy przez AI nie jest przesądzone, ale nie jest też przesądzone bezbolesne przejście do lepszej pracy. Instytucje dokonują wyborów, które kształtują oba rezultaty.

Badanie Pew Research dotyczące AI i pracy stawia praktyczne pytanie każdej organizacji wdrażającej te systemy: jakie dowody przekonałyby pracowników, że AI poprawia ich przyszłość? Publikowanie takich dowodów, dzielenie się korzyściami i korygowanie szkodliwych wdrożeń stanowiłyby wiarygodną odpowiedź. Bez tych działań społeczeństwo będzie nadal oceniać AI przez pryzmat jej najbardziej oczywistej postrzeganej zachęty: wykonywania większej ilości pracy mniejszą liczbą osób.