Badanie · nr 3 · wrzesień 2026
Esej Billa Gatesa o pracy, skonfrontowany z danymi
Drzwi się nie zamknęły. Zwęziły się. Bill Gates twierdzi, że próg na rynku pracy został przekroczony. Przeczytałem esej, a potem przez tydzień zestawiałem go z danymi o zatrudnieniu, których on ani razu nie przytacza. Diagnoza się broni. Kształt szkody nie jest ten, który większość ma przed oczami.
Prognoza warta rozebrania
Nie śledzę Billa Gatesa. Sierpniowy esej przeczytałem, bo ktoś mi go podsunął, i zatrzymał mnie – nie tym, że straszy, lecz tym, że nie straszy. Czyta się jak człowiek, który uważnie przyjrzał się systemowi i wylicza, co jego zdaniem pęka, przyznając, których części naprawić nie potrafi.
Takie połączenie zdarza się dość rzadko, by poświęcić mu wieczór. Dalej idzie jego argument, rozdział po rozdziale, z liczbami, które on pomija.
Każda liczba prowadzi tu do swojego źródła. Tam, gdzie esej i wywiady z tego samego dnia mówią co innego, zaznaczam, co skąd pochodzi – i to rozróżnienie okazuje się ważne: najczęściej cytowane liczby są w wywiadach, nie w eseju.
Ciekawe pytanie nigdy nie brzmiało, czy ma rację. Ciekawe jest to, co dane robią z kształtem jego tezy.
Dlaczego zwykłe porównanie nie działa
Myśląc o tym przejściu, większość sięga po obraz drogi z pola do biura. Gates twierdzi, że analogia pęka w dwóch miejscach, i oba warto powiedzieć wprost.
Po pierwsze, czas. Tamta zmiana rozciągnęła się na pokolenia. Ta, według jego oceny, spada na prawo, obsługę klienta, medycynę, oprogramowanie i produkcję w ciągu jednej dekady.
Po drugie, i ważniejsze: przejście z pola do biura tworzyło pracę wymagającą ludzkiego myślenia. Ta technologia zastępuje samo myślenie. Nie widać oczywistego kolejnego szczebla tego samego rodzaju.
Dodaje szczegół, który tłumaczy tempo. Komputer osobisty potrzebował dwudziestu lat, by zmienić sposób pracy: ktoś musiał napisać oprogramowanie, zbić cenę i przeszkolić ludzi. Ta technologia działa na sprzęcie, który ludzie już mają, i mówi zwykłym językiem. To ona dopasowuje się do nas, a nie odwrotnie.
Co jego zdaniem już zostało przekroczone
W wywiadach z tego samego dnia Gates wymienia pięć progów, które uważa za przekroczone: zdolności biologiczne, zdolności cybernetyczne, zależność psychospołeczną, wstrząs na rynku pracy i wczesne oznaki utraty kontroli6.
Jego teza nie brzmi, że któryś nadszedł. Brzmi tak, że branża latami obiecywała zwolnić, gdy pojawią się na horyzoncie, a potem przeszła obok nich bez publicznej rozmowy.
Uwaga o źródle. Listy pięciu progów nie ma w eseju. Esej wymienia trzy zagrożenia – znikającą pracę, wzmocnionych złych aktorów oraz szkodę dla dzieci i relacji międzyludzkich – i mówi wprost, że planu przejścia nie ma5. Ostrzejsze ujęcie padło w wywiadach. Większość relacji miesza jedno z drugim.
Słowo próg nie jest retoryką. Czołowe laboratoria publikują każde swoje ramy bezpieczeństwa, które z góry nazywają poziomy zdolności – pomoc przy broni biologicznej, autonomiczne operacje cybernetyczne, samopropagację – i zobowiązują się na nich zatrzymać. To właśnie tę obietnicę Gates mierzy.
Gdzie efekt naprawdę widać
Tu jego esej milknie. Pisze, że zatrudnienie spadło wśród młodych pracowników w zawodach wrażliwych, a u ich starszych kolegów utrzymało się, i nie podaje żadnej liczby. Liczba istnieje i jest ciekawsza niż samo zdanie.
Spójrzcie najpierw na cały rynek – prawie nie ma na co patrzeć. Dane płacowe obejmujące miliony pracowników, pogrupowane według ekspozycji zawodu, pokazują wszystkie grupy w granicach jednego punktu procentowego od siebie3. Dlatego kilka zespołów badawczych zgłasza, że nie znajduje śladu SI na rynku pracy w ogóle.
Stanford Digital Economy Lab, zbilansowany panel płacowy ADP3.
Teraz dodajcie jedną zmienną. Te same dane, ten sam miesiąc, te same zawody – w podziale na wiek.
Ten sam panel, ten sam miesiąc3. Różnica między najmłodszymi a grupą 41–49 to 4,9 punktu procentowego – wewnątrz tych samych zawodów.
Efekt nie przebiega między zawodami. Przebiega wewnątrz nich, posortowany według wieku.
W dłuższym oknie pęknięcie jest jeszcze ostrzejsze: od końca 2022 roku zatrudnienie osób w wieku 22–25 lat w dwóch najbardziej narażonych grupach spadło o 11 procent, podczas gdy ta sama grupa wieku w trzech najmniej narażonych wzrosła o 103.
−11%
W dwóch najbardziej narażonych grupach
+10%
Ten sam wiek, w trzech najmniej narażonych
Kontur kreskowany to poziom z końca 2022 roku; od niego odmierzono oba prześwity3.
Nikogo się nie zwalnia. Wpuszcza się mniej ludzi.
To rozróżnienie jest właśnie odkryciem. Wskaźniki odejść wśród młodych w zawodach narażonych nie wzrosły – spowolniła rekrutacja.
Drzwi nie zatrzasnęły się za tymi, którzy już są w środku; zwęziły się dla tych, którzy próbują wejść. Gates opisuje dokładnie to, gdy pisze o stanowiskach wejściowych, i to ta część jego eseju najlepiej znosi zderzenie z danymi.
Co zastrzegają sami badacze. Efekt zmniejsza się o połowę po uwzględnieniu wykształcenia, część spadku poprzedza SI generatywną, a różnica jest mniejsza w badaniach ogólnokrajowych niż w tym panelu płacowym.
Panel nie jest reprezentatywny dla amerykańskiego rynku pracy, a praca nie przeszła recenzji naukowej. Autorzy nazywają wyniki opisowymi, nie przyczynowymi3.
Sprawdźcie własną pracę
Gates wymienia zawody z obserwacji: sprzedaż i wsparcie, oprogramowanie, praca asystenta prawnego, dalej ocena kredytów, analiza danych, triaż pacjentów. Istnieje już oficjalna miara, na której można go sprawdzić.
W sierpniu Bureau of Labor Statistics opublikowało pierwszą klasyfikację zawodów według ekspozycji na SI, zbudowaną z pięciu niezależnych miar – trzech teoretycznych i dwóch z obserwowanego realnego użycia – wraz z prognozami zatrudnienia do 2035 roku1.
Wpiszcie zawód poniżej. Wszystko, co wróci, pochodzi ze źródeł wymienionych na końcu, a każda liczba ma przypis do tego, z którego przyszła.
Interaktywnie · 825 zawodów
Zawód
I wy w nim
To nie jest przepowiednia o was. Pokazuje, gdzie wasz zawód stoi wśród innych i co stało się z zatrudnieniem osób w waszym wieku w zawodach o podobnej ekspozycji. Ekspozycja znaczy, że model daje się zastosować do zadań – Bureau wprost zastrzega, że nie wynika z niej ani utrata pracy, ani automatyzacja, ani wpływ na płace1.
Jedna piąta rynku, dokładnie
Zbierzcie wszystkie 825 zawodów w jedną tabelę, a obraz okaże się spokojniejszy niż dyskusja wokół. Sortujcie po dowolnej kolumnie, filtrujcie po nazwie, a kategorię ekspozycji odczytacie ze znacznika obok nazwy.
Jak czytać tabelę
Bureau of Labor Statistics, kategorie ekspozycji na SI i prognozy zatrudnienia 2025–351.
Udział zatrudnienia w każdej kategorii, dla wszystkich 831 zawodów prognozowanych przez Bureau:
| Ekspozycja | Zawodów | Zatrudnieni, 2025 | Udział | Prognoza 2025–35 |
|---|---|---|---|---|
| Bardzo wysoka | 206 | 53,2 mln | 31,3% | +2,0% |
| Wysoka | 206 | 42,1 mln | 24,8% | +3,1% |
| Umiarkowana | 206 | 44,7 mln | 26,2% | +6,2% |
| Niska | 213 | 30,3 mln | 17,8% | +2,5% |
Bureau of Labor Statistics, kategorie ekspozycji na SI i prognozy zatrudnienia 2025–351.
Najbardziej narażona jedna trzecia rynku rośnie najwolniej – i mimo to rośnie. To oficjalna prognoza, nie opinia. A rozrzut wewnątrz najwyższej kategorii jest większy niż rozrzut między kategoriami:
| Bardzo wysoka ekspozycja | Zatrudnieni | Prognoza do 2035 |
|---|---|---|
| Office clerks, general | 2,60 mln | −6,0% |
| Secretaries and administrative assistants | 1,89 mln | −6,0% |
| Bookkeeping and auditing clerks | 1,53 mln | −5,6% |
| Customer service representatives | 2,67 mln | −5,3% |
| Computer and information systems managers | 0,69 mln | +15,8% |
| Logisticians | 0,26 mln | +17,6% |
| Data scientists | 0,28 mln | +34,6% |
Ta sama kategoria ekspozycji, przeciwne trajektorie. Gates mówi to raz, w zdaniu podrzędnym, które wypadło z większości streszczeń: w oprogramowaniu spadek kosztów wygeneruje nowy popyt, więc strata netto będzie tam mniejsza niż gdzie indziej. Prognozy przyznają mu rację.
Przełom przychodzi, gdy sprawdzanie ustaje
Najbardziej niedoceniana linijka eseju nie dotyczy żadnego zawodu. Gates pisze, że największy przełom dla pracowników nastąpi, gdy technologia będzie niemal bezbłędna – bo wtedy będzie mogła działać bez ludzkiej kontroli, a wszystkie bodźce ekonomiczne wskazują właśnie na to.
Jest benchmark, który przekłada to na liczby.
GDPval od OpenAI zestawia modele z doświadczonymi profesjonalistami na 1320 prawdziwych produktach pracy z 44 zawodów, każdy na jakieś siedem godzin roboty7.
Nagłówek mówi, że czołowy model dorównuje ludzkiemu ekspertowi albo go pokonuje mniej więcej w połowie zadań. W tej samej pracy zakopana jest tabela, której prawie nikt nie cytuje.
Koszt sprawdzania
Przewaga modelu nad ludzkim ekspertem
Wszystko pomiędzy tymi dwiema liczbami to kwestia tego, ile sprawdzania zostawiacie7.
Mierzony naiwnie, model jest jakieś 90 razy szybszy i kilkaset razy tańszy. Gdy w cenę wchodzi weryfikacja eksperta, przewaga kurczy się do mniej więcej 1,1–1,4× w czasie i 1,2–1,6× w koszcie7.
Cała ekonomia sprawy opiera się więc na kroku weryfikacji. Dopóki człowiek jeszcze sprawdza, zysk jest marginalny. Cała pula pojawia się w chwili, gdy sprawdzanie znika – i właśnie dlatego zniknie, i właśnie dlatego Gates ma rację, nazywając prawdziwym progiem to, a nie jakąś konkretną zdolność.
Część, którą esej pomija
Gates buduje cały tekst wokół sprawiedliwości: ta technologia stanie się albo największym wyrównywaczem, albo najgorszym źródłem niesprawiedliwości. A potem ani razu nie pyta, kto naprawdę pracuje w zawodach narażonych.
Zestawiłem klasyfikację ekspozycji z badaniem zatrudnienia. Ważone liczbą pracujących, zawody najwyższej kategorii ekspozycji są w 57,5 procent kobiece.
W kategorii najniższej – w 36,9 procent14. Dwadzieścia punktów różnicy, a powód nie jest subtelny: praca biurowa, administracyjna i wspierająca jest zarazem najbardziej narażona i, niemal wszędzie, najbardziej kobieca.
Międzynarodowa Organizacja Pracy znajduje to samo w skali świata, metodą opartą na klasyfikacjach międzynarodowych, a nie amerykańskich: w najwyższym poziomie ekspozycji mieści się 4,7 procent zatrudnienia kobiet wobec 2,4 procent zatrudnienia mężczyzn, a w krajach o wysokim dochodzie 9,6 wobec 3,58.
Ta sama praca MOP przydaje się też jako sprawdzian skali. Szacuje globalną ekspozycję na 24 procent zatrudnienia, podczas gdy MFW stawia ją blisko 409. Dwie wiarygodne instytucje, jedno zjawisko, różnica prawie dwukrotna. Kto z przekonaniem podaje jedną globalną liczbę, ten wybrał jedną i ukrył drugą.
Rezerwaty, tokeny i cztery pytania bez odpowiedzi
Human Reserved
Gates proponuje odłożyć część pracy dla ludzi – nie dlatego, że maszyny by nie dały rady, lecz dlatego, że społeczeństwo uznaje stratę za zbyt dużą. Pożycza język rezerwatów przyrody. Osobiste źródło to ostatnie lata jego ojca i opiekunowie, którzy rozumieli tego człowieka, gdy on sam nie mógł się już porozumieć.
Podaje dwa uzasadnienia. Ekonomiczne: 55-latka, który przepracował karierę na budowie, nie da się po prostu przekierować do opieki nad starszymi. I ludzkie: robot przekazujący śmiertelną diagnozę jest technicznie możliwy i nie powinien się zdarzać.
Potem sam, we własnym tekście, wylicza cztery pytania, na które nie umie odpowiedzieć. Kto decyduje, co zostaje objęte rezerwatem. Według jakich kryteriów. Jak powstrzymać firmy przed oszukiwaniem. Co stanie się z handlem, gdy jeden kraj pozwoli budować robotom, a drugi nie.
Warto zestawić to z danymi: opieka nad starszymi, jego sztandarowy przykład, już teraz cierpi na brak rąk do pracy.
Obejmowanie rezerwatem zawodu, który nie potrafi obsadzić własnych wakatów, chroni go przed presją, której jeszcze nie odczuwa. Część tego przewiduje – spodziewa się, że Japonia, mająca zbyt mało młodych, powita robota-opiekuna z radością.
Podatek od tokenów i robotów
Asymetria, którą chce usunąć, jest realna i rzadko bywa mówiona tak wprost. Zatrudnijcie człowieka, a pracodawca płaci składki. Kupcie maszynę, a firma ją amortyzuje. Prawo podatkowe dziś dotuje zastępowanie.
Jego lekarstwem jest celowa danina od tokenów SI i robotów, finansująca przekwalifikowanie i mocniejszą siatkę zabezpieczeń, zaprojektowana tak, by oszczędzić zastosowania obniżające koszt medycyny i edukacji.
Przyznaje, że jest to ekonomicznie nieefektywne, i uważa tę cenę za akceptowalną. Stawki w eseju nie ma; szeroko cytowana liczba pochodzi z wywiadu i jest rzucona jako opcja, a nie wyliczenie6.
Najmocniejszy zarzut jest mechaniczny, nie ideologiczny: podatek od tokenów mierzy obliczenia, a nie wypieranie ludzi. Ceny tokenów spadły o rzędy wielkości, więc podstawa kurczy się w miarę, jak problem rośnie, a wnioskowanie wędruje na urządzenia lokalne i do innych jurysdykcji.
O co uczciwi ludzie wciąż się spierają
Łatwo byłoby zakończyć ogłoszeniem, że sprawa jest dowiedziona. Nie jest, a sam spór wart jest więcej niż wyrok.
| Ustalenie | Źródło |
|---|---|
| Wzrost zatrudnienia w oprogramowaniu spowolnił po końcu 2022 roku o około 3 punkty rocznie; około 500 000 miejsc pracy niepowstałych | Rezerwa Federalna10 |
| Brak związku między użyciem SI a zmianami zatrudnienia, dane do lipca 2026 roku | Budget Lab, Yale11 |
| Zaoszczędzone 2,8–3% godzin, dokładnie zerowy wpływ na zarobki i godziny | Duńskie dane administracyjne12 |
| Spadek ofert w zawodach narażonych zaczął się w marcu 2022 roku – przed ChatGPT – i podąża za cyklem stóp | 238 mln ofert pracy13 |
| Bezrobocie wzrosło mocniej w najmniej narażonym kwintylu niż w najbardziej | Economic Innovation Group14 |
Trzy rzeczy, co do których wszystkie te zespoły są zgodne, i są to najbezpieczniejsze dziś dostępne wnioski: masowego wypierania na poziomie makro nie ma; mechanizmem jest spowolniona rekrutacja, a nie zwolnienia; i z młodymi pracownikami w zawodach narażonych coś się dzieje.
Tu należy jeszcze jedno ograniczenie. Żadnej prognozy z 2026 roku nie da się na razie sprawdzić na faktycznym zatrudnieniu według zawodów: oficjalny szereg zawodowy sięga tylko maja 2025 roku, a kolejna publikacja obejmująca ten okres wyjdzie nie wcześniej niż w 2027. Kto pokazuje wam dziś taką weryfikację, pokazuje szum.
Co zmieniają liczby
Diagnoza Gatesa się broni. Mechanizm nazwany trafnie, branże nazwane trafnie, a nacisk na pracę wejściową to ta część, którą dane wspierają najbardziej wprost.
Liczby zmieniają kształt. To nie fala tocząca się po zawodach i zabierająca je po kolei. To filtr działający wewnątrz zawodów i sortujący według tego, jak długo się w nich jest. Selekcjonuje przeciwko tym, którzy mają najmniej zapasu i najwięcej lat przed sobą.
Swój esej kończy czterema pytaniami bez odpowiedzi. Moje jest węższe i łatwiejsze do rozstrzygnięcia niż każde z nich: jeśli mechanizmem jest spowolnienie rekrutacji na wejściu, to celem polityki nie jest, które zawody ogrodzić, lecz kto dostaje pierwszy szczebel. Rezerwaty chronią tych, którzy już stoją na drabinie.
Źródła
- US Bureau of Labor Statistics. AI exposure categories and employment projections, 2025–35, opublikowano 27 sierpnia 2026 roku. Kategorie zbudowane z pięciu niezależnych miar. bls.gov/emp/publications/ai-exposure-categories.htm
- Anthropic Economic Index, zbiór danych labor market impacts – zmierzony udział zadań zawodu przynoszonych do modelu. huggingface.co/datasets/Anthropic/EconomicIndex
- Brynjolfsson, Chandar, Chen. Canaries in the Coal Mine? Stanford Digital Economy Lab, wersja z sierpnia 2026 roku; panel płacowy ADP do lipca 2026 roku. digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine
- US Bureau of Labor Statistics, Current Population Survey, tabela 11: pracujący według szczegółowego zawodu i płci, średnie roczne 2025. bls.gov/cps/cpsaat11.htm
- Bill Gates. The turbulent AI era is here. The choices we make now are critical. GatesNotes, 26 sierpnia 2026 roku. gatesnotes.com
- Wywiad MIT Technology Review z Billem Gatesem, 26 sierpnia 2026 roku – źródło pięciu progów i cytowanych stawek. technologyreview.com
- GDPval, OpenAI – 1320 prawdziwych produktów pracy z 44 zawodów; liczby skorygowane o weryfikację są w tabeli kosztów. arxiv.org/abs/2510.04374
- International Labour Organization. Generative AI and Jobs: A Refined Global Index of Occupational Exposure, dokument roboczy 140, maj 2025. ilo.org
- International Monetary Fund. Gen-AI: Artificial Intelligence and the Future of Work, SDN/2024/001, styczeń 2024. imf.org
- Crane i Soto, Federal Reserve Board, FEDS 2026-018, marzec 2026.
- Budget Lab at Yale, Tracking the impact of AI on the labor market, aktualizacja z 19 sierpnia 2026 roku. budgetlab.yale.edu
- Humlum i Vestergaard, NBER Working Paper 33777, wersja z marca 2026 roku.
- Iscenko i Curto Millet, styczeń 2026 – 238 milionów ofert pracy.
- Eckhardt i Goldschlag, Economic Innovation Group, AI and Jobs, sierpień 2025. eig.org
Scalony zbiór danych stojący za częściami interaktywnymi: 825 zawodów z zatrudnieniem, prognozą, medianą wynagrodzenia, oficjalną kategorią ekspozycji, zmierzonym udziałem zadań przenoszonych do modeli i strukturą płci.
Złożony we wrześniu 2026 roku ze źródeł 1, 2, 4 oraz publikacji Occupational Employment and Wage Statistics z maja 2025 roku.
Przetłumaczone z angielskiego oryginału. Nazwy zawodów pozostają po angielsku: to oficjalne nazwy klasyfikacji SOC i to po nich działa wyszukiwarka. Tam, gdzie liczy się dokładne brzmienie źródła, sprawdzajcie dokumenty pod linkami powyżej.