Rynek pracy a AI w 2026 roku: co naprawdę wynika z raportu Anthropic

Co naprawdę mierzy raport Anthropic i dlaczego ma znaczenie dla polskiego rynku pracy

Debata o tym, czy sztuczna inteligencja „zabierze nam pracę”, trwa od lat, ale dopiero raport „Labor market impacts of AI: A new measure and early evidence” zespołu badawczego Anthropic wnosi do niej coś, czego dotąd brakowało: systematyczną, opartą na danych próbę zmierzenia realnego wpływu modeli językowych na zadania wykonywane w konkretnych zawodach. Zamiast kolejnych spekulacji, badacze analizują, jak ludzie faktycznie używają modeli takich jak Claude w codziennej pracy i jak to przekłada się na strukturę zadań w gospodarce.

Dla specjalistów, studentów oraz działów HR w Polsce raport ten ma znaczenie co najmniej z trzech powodów. Po pierwsze, pokazuje, w których zawodach generatywna AI jest już dziś wykorzystywana, a gdzie pozostaje głównie potencjałem technologicznym. Po drugie, wprowadza rozróżnienie między teoretyczną podatnością zawodu na automatyzację a zaobserwowaną ekspozycją na AI – różnicę kluczową z perspektywy planowania kariery i polityki HR. Po trzecie, rysuje obraz transformacji, w której dominującym zjawiskiem nie jest masowe znikanie miejsc pracy, lecz zmiana struktury zadań i rosnące znaczenie ról nadzorujących oraz projektujących pracę wspólnie z AI.

Nowa miara Anthropic opiera się na tzw. Anthropic Economic Index – zanonimizowanych danych o wykorzystaniu modeli AI w rzeczywistych konwersacjach użytkowników, połączonych z bazą zadań zawodowych (m.in. O*NET) oraz wcześniejszymi szacunkami tego, co modele językowe są w stanie wykonać technicznie. W praktyce oznacza to, że zamiast pytać „czy AI mogłaby teoretycznie wykonywać dane zadanie?”, badacze sprawdzają także: „czy ktoś już realnie próbuje to zadanie realizować z pomocą AI?”. Jak zauważa badaczka rynku pracy Karolina Grenda, raport na nowo ożywia dyskusję o zawodach najbardziej podatnych na zmianę lub nawet zastąpienie przez algorytmy, ale czyni to w sposób wyważony – daleki od katastroficznych scenariuszy.

W dalszej części artykułu przybliżone zostaną założenia metodologii Anthropic, wyniki dotyczące zawodów najbardziej i najmniej eksponowanych na AI, nowe role i kompetencje tworzone przez tę technologię, a także wnioski dla polskiego rynku pracy, w tym praktyczne rekomendacje dla pracowników, studentów i działów HR. Kontekstowo pojawią się również odniesienia do innych analiz i materiałów – od rozwoju infrastruktury obliczeniowej opisanej w tekście „GeForce RTX 5090 Performance: AI Supercomputing Meets 4K Gaming”, po kwestie bezpieczeństwa i etyki generatywnej AI.

Jak Anthropic mierzy ekspozycję zawodów na AI i co z tego wynika

Kluczowym wkładem raportu Anthropic jest precyzyjne zdefiniowanie, czym jest „ekspozycja na AI” oraz wprowadzenie narzędzia pozwalającego ją zmierzyć na poziomie konkretnych zadań. Ekspozycja nie jest tu rozumiana jako wyłącznie ryzyko utraty pracy, lecz szerzej – jako stopień, w jakim zadania składające się na daną rolę zawodową mogą być wspierane, przyspieszane lub częściowo przejmowane przez modele językowe.

Badacze stosują pięć kluczowych kryteriów, które łącznie zwiększają prawdopodobieństwo, że dana rola znajdzie się w grupie szczególnie podatnej na zmianę:

• Po pierwsze, zadania muszą być teoretycznie możliwe do wykonania przez AI – innymi słowy, da się je wyrazić w postaci tekstu, kodu, struktury informacji, którą model językowy jest w stanie przetworzyć.
• Po drugie, te zadania faktycznie pojawiają się w danych z użytkowania modeli (Anthropic Economic Index) – ktoś rzeczywiście próbuje używać AI do ich realizacji.
• Po trzecie, zadania mają charakter zawodowy, a nie prywatny czy hobbystyczny – filtr pozwala odsiać np. rozmowy o zainteresowaniach od konwersacji stricte związanych z pracą.
• Po czwarte, obserwowany jest wysoki poziom automatyzacji lub integracji przez API – czyli zadania są nie tylko wspierane „ręcznie” przez użytkowników, lecz także włączane w bardziej zautomatyzowane procesy.
• Po piąte, zadania będące pod wpływem AI stanowią znaczącą część całej roli, a nie tylko marginalny fragment obowiązków.

W tym podejściu pojawia się kluczowe rozróżnienie między potencjalną a zaobserwowaną ekspozycją na AI. Potencjalna ekspozycja odnosi się do tego, co modele językowe mogłyby zrobić „na papierze” – na podstawie testów, benchmarków czy analiz eksperckich. Zaobserwowana ekspozycja pokazuje natomiast, co dzieje się faktycznie w organizacjach: które zadania są rzeczywiście powierzane AI, które procesy zostały zmienione, gdzie pojawiły się integracje w systemach.

Ta różnica jest dobrze widoczna w przykładzie przytoczonym przez Karolinę Grendę. W kategorii „informatyka i matematyka” AI teoretycznie mogłaby wspierać około 94% zadań, jednak dane z Anthropic Economic Index wskazują, że dziś faktycznie obejmuje ok. 33% z nich. Mówiąc prościej: technologia jest już gotowa, ale praktyka organizacyjna, regulacje, procesy i kompetencje ludzi wyraźnie za nią nie nadążają. Dla osób planujących rozwój zawodowy oznacza to, że zawody wysoko „potencjalnie” eksponowane na AI mogą przez pewien czas pozostać względnie stabilne – ale właśnie tam dynamika zmian będzie największa, gdy adopcja przyspieszy.

Raport pokazuje również zróżnicowane tempo adopcji AI w poszczególnych sektorach. Szybciej transformują się prace oparte na informacji i treściach – programowanie, analiza danych, marketing, praca z tekstem – gdzie zadania są naturalnie zbliżone do formatu przetwarzanego przez modele językowe. Wolniej zmieniają się zawody fizyczne, wymagające obecności na miejscu, pracy manualnej czy działania w nieprzewidywalnym środowisku. Co istotne, autorzy raportu i wielu niezależnych analityków rynku pracy podkreśla, że AI na razie częściej zmienia sposób wykonywania pracy (augmentacja), niż całkowicie eliminuje zawody. Zwiększa się udział zadań polegających na nadzorze, projektowaniu i łączeniu wyników pracy AI z wiedzą ekspercką, a nie tylko zastępowaniu człowieka algorytmem.

Taki obraz tworzy solidne tło do przyjrzenia się, które grupy zawodów są najbardziej eksponowane na AI już dziś, a które pozostają względnie odporne – i jak przekłada się to na strategie rozwoju kompetencji w Polsce.

Zawody najbardziej narażone na wpływ AI: od programistów po obsługę klienta

Dane zaprezentowane w raporcie Anthropic oraz omówione przez Karolinę Grendę pokazują, że najwyższą ekspozycję na AI mają zawody związane z przetwarzaniem informacji i pracą poznawczą. Wśród dziesięciu zawodów o najwyższym udziale zadań już dziś wspieranych przez modele językowe na czele znajdują się programiści, przedstawiciele obsługi klienta oraz specjaliści ds. wprowadzania danych.

Programiści to grupa, w której blisko 75% zadań może być w praktyce pokrywane przez narzędzia AI. Chodzi tu zarówno o generowanie kodu, pisanie funkcji pomocniczych, jak i tworzenie testów jednostkowych, refaktoryzację czy uzupełnianie dokumentacji. Wysoki poziom standaryzacji języków programowania i bogaty zasób publicznie dostępnego kodu sprawiają, że modele językowe świetnie radzą sobie w tym obszarze. Jednocześnie to właśnie w tej grupie zawodów najlepiej widać, jak rozwój mocy obliczeniowej i sprzętu wpływa na tempo zmian. Nowa generacja kart graficznych, opisywana m.in. w artykule „GeForce RTX 5090 Performance: AI Supercomputing Meets 4K Gaming”, pokazuje, że stacje robocze developerów i twórców treści stają się małymi superkomputerami AI. To przyspiesza rozwój narzędzi wspierających kodowanie, testowanie, generowanie grafiki i wideo – a więc zwiększa presję transformacyjną w zawodach technicznych i kreatywnych.

Przedstawiciele obsługi klienta to kolejna grupa wysoko eksponowana. Raport wskazuje, że ponad 70% ich typowych zadań – odpowiadanie na standardowe zapytania, wyszukiwanie informacji w bazie wiedzy, tworzenie podsumowań rozmów, wstępne kwalifikowanie zgłoszeń – może być wspierane lub częściowo przejmowane przez chatboty i systemy konwersacyjne. W praktyce oznacza to, że rola pracowników w contact center przesuwa się z prostego udzielania odpowiedzi na zadania bardziej złożone: obsługę niestandardowych przypadków, budowanie relacji z kluczowymi klientami, rozwiązywanie konfliktów.

Specjaliści ds. wprowadzania danych, z ok. 67% pokrycia zadań przez AI, są z kolei przykładem zawodu szczególnie podatnego na automatyzację. Przepisywanie danych, porządkowanie arkuszy, tworzenie prostych raportów – to wszystko zadania, które modele językowe i systemy OCR potrafią wykonywać coraz szybciej i dokładniej. Dla osób pracujących w tego typu rolach kluczowe staje się więc przejście od prostego wprowadzania danych do ich interpretacji, kontroli jakości i projektowania przepływów informacji.

Poza wymienionymi przykładami raport wskazuje całe kategorie zawodów szczególnie mocno eksponowanych na AI:

• Zarządzanie, biznes i finanse – menedżerowie projektów, analitycy finansowi, kontrolerzy finansowi. AI może wspierać m.in. tworzenie prezentacji, analizę sprawozdań, przygotowywanie scenariuszy „what if”, wstępne analizy ryzyka.
• Informatyka i matematyka – poza programistami również analitycy danych, inżynierowie danych, specjaliści ds. cyberbezpieczeństwa w zakresie analiz tekstowych. Modele wspierają pisanie zapytań SQL, tworzenie skryptów, generowanie raportów z danych.
• Architektura i inżynieria – inżynierowie projektujący instalacje, konstruktorzy, specjaliści od BIM. AI ułatwia generowanie dokumentacji technicznej, wstępnych koncepcji, opisów technicznych i raportów zgodności.
• Nauki przyrodnicze – analitycy laboratoryjni, badacze, specjaliści R&D. AI wspiera wyszukiwanie literatury, podsumowywanie badań, przygotowywanie wniosków grantowych, a także wstępne analizy danych eksperymentalnych.
• Sztuka i media – dziennikarze, copywriterzy, twórcy treści cyfrowych. Modele generują drafty tekstów, propozycje tytułów, streszczenia wywiadów, opisy kampanii, a także wspierają pracę z multimediami.
• Prawo – prawnicy, radcy prawni, asystenci prawni. AI potrafi przygotować szkice pism procesowych, podsumowania orzecznictwa, wstępne analizy umów czy research doktryny.

Wysoka ekspozycja nie oznacza automatycznie redukcji etatów tu i teraz. Oznacza jednak, że to właśnie w tych profesjach praca zmienia się najszybciej. Rosną znaczenie nadzoru nad AI, projektowania procesów, łączenia kompetencji technicznych z biznesowymi, a także zdolności do krytycznej oceny wyników generowanych przez modele. Dla wielu specjalistów jest to szansa na skokowy wzrost produktywności, o ile nauczą się świadomie wykorzystywać narzędzia AI – zamiast konkurować z nimi w zadaniach, w których maszyny są już po prostu szybsze.

Gdzie AI ma najmniejszy wpływ: zawody odporne i hybrydowe ścieżki kariery

Na drugim biegunie raportu znajdują się zawody, w których w danych Anthropic AI niemal się nie pojawia. Karolina Grenda wskazuje tu m.in. kucharzy, barmanów, ratowników czy mechaników. Wspólnym mianownikiem tych profesji jest konieczność bezpośredniej fizycznej obecności, duży udział pracy manualnej oraz wysoka nieprzewidywalność środowiska – a więc warunki, w których modele językowe, działające na poziomie symboli i tekstu, mają ograniczone pole działania.

Dla kucharza czy barmana AI może przygotować przepisy, listy zakupów czy propozycje menu, ale samo gotowanie, serwowanie i budowanie atmosfery lokalu pozostają zadaniami człowieka. Ratownik medyczny czy wodny może korzystać z aplikacji wspierających dokumentację czy komunikację, jednak w krytycznej chwili liczą się refleks, doświadczenie i zdolność działania w terenie, której AI nie jest w stanie zastąpić. Mechanik samochodowy może używać narzędzi diagnostycznych wspieranych algorytmami, ale demontaż części, ocena stanu pojazdu czy improwizacja w nietypowej sytuacji to nadal domena ludzkich rąk.

Nie oznacza to jednak, że te zawody są w pełni „poza zasięgiem” transformacji cyfrowej. Coraz wyraźniej widać rozwój tzw. ścieżek hybrydowych, w których trzon pracy ma komponent fizyczny lub relacyjny, ale rosnący fragment zadań biurowych, administracyjnych i komunikacyjnych może być wspierany przez AI. Lekarze i pielęgniarki korzystają z narzędzi do podsumowywania wizyt, generowania opisów badań, tworzenia zaleceń pisemnych dla pacjentów. Nauczyciele używają modeli do przygotowania materiałów dydaktycznych, kart pracy, scenariuszy lekcji czy indywidualnych planów nauki. Menedżerowie projektów w branżach produkcyjnych wspomagają się AI przy raportowaniu postępów, planowaniu harmonogramów, przygotowaniu komunikacji z interesariuszami.

Przykłady można mnożyć: inżynierowie terenowi dokumentują inspekcje za pomocą narzędzi generujących raporty, przedstawiciele handlowi korzystają z AI do tworzenia ofert, podsumowań rozmów z klientami czy planowania tras. Nawet w zawodach względnie „bezpiecznych” z perspektywy pełnej automatyzacji, ci, którzy pierwsi nauczą się wykorzystywać generatywną AI do organizacji pracy, dokumentacji, analizy danych czy komunikacji, zyskają wyraźną przewagę konkurencyjną.

Wnioski raportu Anthropic są w tym zakresie ważną przeciwwagą dla narracji o „końcu pracy”. Duża część rynku pracy pozostaje dziś nisko eksponowana na AI w sensie bezpośredniego przejęcia zadań, jednak nie zwalnia to pracowników i organizacji z konieczności rozwijania kompetencji cyfrowych. Co więcej, właśnie w tych sektorach może się pojawić szczególnie duże zapotrzebowanie na specjalistów łączących praktyczną wiedzę branżową z umiejętnością projektowania hybrydowych procesów pracy wspieranych przez technologię.

Nowe role tworzone przez AI i kompetencje, które zyskują na wartości

Jednym z najważniejszych wniosków płynących z raportu Anthropic oraz z komentarza Karoliny Grendy jest to, że AI zmienia przede wszystkim strukturę zadań w zawodach opartych na przetwarzaniu informacji, a nie tylko zastępuje jedne profesje innymi. Wraz z upowszechnieniem narzędzi generatywnych pojawia się cały zestaw nowych ról i specjalizacji, których jeszcze kilka lat temu nie było w opisach stanowisk.

Coraz częściej w ogłoszeniach i strukturach organizacyjnych pojawiają się specjaliści ds. wdrażania i integracji AI – osoby odpowiedzialne za dobór narzędzi, projektowanie przepływów pracy, integrację modeli z istniejącymi systemami oraz mierzenie efektów biznesowych. Obok nich wyrastają trenerzy i opiekunowie modeli, którzy łączą kompetencje analityczne, językowe i procesowe: przygotowują zbiory danych, projektują „promptowe” interfejsy pracy z modelami, definiują standardy jakości i nadzoru nad wynikami. W szerszym, procesowym znaczeniu to właśnie oni pełnią funkcję „prompt engineerów” – nie w wąskim sensie pisania pojedynczych zapytań, lecz projektowania całych scenariuszy współpracy człowiek–AI.

Rosnącą grupę stanowią analitycy łączący wiedzę domenową z umiejętnością pracy z modelami: analitycy prawni wspierani przez AI, analitycy finansowi projektujący procesy raportowania i prognozowania z użyciem modeli, konsultanci ds. polityk publicznych korzystający z AI do symulacji scenariuszy regulacyjnych. Wreszcie, w organizacjach pojawiają się eksperci ds. governance, etyki i zgodności regulacyjnej AI, którzy pomagają łączyć wymagania prawne, oczekiwania społeczne i standardy odpowiedzialnego użycia technologii.

Wspólnym mianownikiem tych ról są przekrojowe kompetencje, które – jak pokazują zarówno raport Anthropic, jak i badania współkoordynowane przez Karolinę Grendę (Fundacja SET, LOGiT FLOW) – zyskują na wartości niezależnie od branży. Należą do nich przede wszystkim:

• umiejętność krytycznej oceny wyników AI i odpowiedzialnego nadzoru (human-in-the-loop),
• myślenie systemowe i projektowanie procesów z udziałem AI, a nie tylko pojedynczych „sztuczek” narzędziowych,
• łączenie znajomości narzędzi AI z głęboką wiedzą branżową, aby zadawać modelom właściwe pytania i właściwie interpretować odpowiedzi,
• kompetencje komunikacyjne oraz zdolność organizowania współpracy w trójkącie człowiek–AI–zespół.

Dopełnieniem tego obrazu jest rosnące znaczenie kompetencji etycznych i regulacyjnych. Głośny przykład wycofania kontrowersyjnych sugestii reklamowych w jednym z wariantów ChatGPT, opisany w artykule „OpenAI wycofuje kontrowersyjne sugestie w ChatGPT: lekcja na przyszłość reklamy w generatywnej AI”, pokazuje, że wraz z wdrażaniem AI w marketingu i komunikacji rośnie stawka związana z reputacją, zgodnością z prawem, ochroną konsumentów. W wielu firmach będą potrzebne osoby łączące wiedzę z zakresu marketingu, prawa, etyki i technologii – zdolne projektować kampanie i procesy w sposób odpowiedzialny, a jednocześnie biznesowo skuteczny.

Na tym tle widać wyraźnie, że sama znajomość narzędzi – umiejętność wpisania kilku promptów w interfejsie chatu – nie wystarczy. Przewagę będą mieli ci, którzy potrafią przekuć możliwości technologiczne w zrozumiałą, mierzalną zmianę procesów biznesowych, edukacyjnych czy administracyjnych. To właśnie ta zdolność – projektowania i wdrażania rozwiązań „z AI w środku” – staje się nową walutą na rynku pracy.

Perspektywa Karoliny Grendy: między potencjałem AI a realną adopcją w Polsce

Analiza Karoliny Grendy, badaczki rynku pracy i współautorki polskich badań nad generatywną AI, zwraca uwagę na dwie fundamentalne sprzeczności, które warto mieć na uwadze w polskiej debacie. Z jednej strony raport Anthropic pokazuje ogromny potencjał AI do przejmowania zadań w zawodach opartych na informacji – od programistów, przez prawników, po specjalistów marketingu. Z drugiej – luka między możliwościami technologii a faktycznym zastosowaniem jest wciąż bardzo wyraźna, a tempo jej zamykania zależy nie tyle od kolejnych wersji modeli, ile od procesów, kultury organizacyjnej, regulacji i poziomu zaufania społecznego.

Badania Fundacji SET i LOGiT FLOW, które Grenda współkoordynowała, pokazują m.in., że polscy prawnicy – grupa często przywoływana w mediach jako szczególnie „zagrożona” automatyzacją – w praktyce w dużej mierze postrzegają AI jako narzędzie wspierające, a nie konkurenta. Blisko 80% respondentów w perspektywie trzech lat oczekuje pozytywnego lub umiarkowanie pozytywnego wpływu AI na branżę. To ważny sygnał: profesja oparta na wiedzy specjalistycznej i wysokiej odpowiedzialności wobec klientów raczej zakłada współpracę z technologią niż jej unikanie, ale równocześnie nie spodziewa się masowego zastąpienia przez algorytmy.

Grenda podkreśla, że kluczowe pytanie na najbliższe lata nie brzmi już „jak szybko rozwinie się technologia?”, lecz „jak będziemy nią zarządzać w organizacjach oraz w polityce rynku pracy?”. To zarządzanie dotyczy m.in. tego, które procesy automatyzować, jak zapewnić odpowiedni nadzór merytoryczny, jak dzielić się zyskami produktywności między kapitał a pracowników oraz jak projektować systemy edukacyjne, aby nie pogłębiały nierówności kompetencyjnych.

W dyskusjach wokół raportu Anthropic pojawia się również ostrzeżenie przed masowym, wyłącznie kosztowym podejściem do wdrażania AI. Jeżeli organizacje będą traktować technologię wyłącznie jako narzędzie do cięcia etatów i optymalizacji kosztów w krótkim terminie, ryzykują erozję kompetencji, spadek jakości usług i pogłębienie napięć społecznych. Z punktu widzenia polskiego rynku pracy, który już dziś mierzy się z wyzwaniami demograficznymi i niedoborem talentów w wielu branżach, byłaby to strategia krótkowzroczna.

Mimo swoich ograniczeń raport Anthropic daje działom HR, uczelniom i decydentom narzędzie do priorytetyzacji działań. Pozwala zidentyfikować grupy zawodowe o wysokiej ekspozycji na AI, które powinny być w pierwszej kolejności objęte programami reskillingu i upskillingu – np. analitycy, pracownicy obsługi klienta, specjaliści back-office. W polskich realiach szczególnie istotna będzie współpraca uczelni, organizacji branżowych i pracodawców przy tworzeniu ścieżek rozwoju kompetencji AI dla młodych pracowników i studentów, tak aby moment wejścia na rynek pracy nie oznaczał zderzenia z technologią, której nie znają.

Praktyczne rekomendacje: jak pracownicy i działy HR mogą przygotować się na zmiany

Dla indywidualnych specjalistów i studentów pierwszym krokiem jest rzetelna ocena własnej ekspozycji na AI. Warto zadać sobie pytanie: czy w mojej codziennej pracy dominują zadania informacyjne, powtarzalne, oparte na tekście, danych, prezentacjach, raportach? Czy dużą część mojego dnia zajmuje tworzenie i przetwarzanie treści cyfrowych, które można wyrazić w formie tekstu lub kodu? Jeżeli odpowiedź brzmi „tak”, to prawdopodobnie reprezentuję zawód o wysokiej potencjalnej ekspozycji na AI.

Kolejny krok to budowanie podstawowej „AI literacy” – cyfrowej biegłości w pracy z narzędziami generatywnymi. Może to oznaczać regularne testowanie chatbotów, systemów do generowania kodu, narzędzi do analizy danych, a także notowanie konkretnych przypadków użycia w swojej pracy: co udało się przyspieszyć, co poprawiło jakość, gdzie model popełnił błąd. Warto świadomie uczyć się podstaw projektowania zapytań (promptingu), ale traktować je nie jako magiczną umiejętność, lecz element szerszej kompetencji: formułowania precyzyjnych problemów i kryteriów jakości.

W perspektywie kilku lat kluczowe będzie przewartościowanie własnego profilu kompetencyjnego – przejście od roli „wykonawcy zadań” do roli „projektanta procesów z udziałem AI” w swojej dziedzinie. Specjalista, który rozumie przepływy pracy w swojej organizacji i potrafi zaproponować, jak włączyć do nich narzędzia AI, będzie bardziej odporny na zmiany niż osoba wykonująca wyłącznie manualnie powtarzalne działania.

Z perspektywy działów HR i menedżerów raport Anthropic może być punktem wyjścia do mapowania ról w organizacji według poziomu ekspozycji na AI. W praktyce oznacza to zbudowanie wewnętrznej „mapy zadań” – określenie, które stanowiska polegają głównie na pracy z informacją, a które na działaniach fizycznych lub relacyjnych, oraz oszacowanie, jaki odsetek zadań można przynajmniej częściowo wspierać za pomocą modeli językowych. Na tej podstawie można przygotować plany rozwoju kompetencji (upskilling/reskilling), przyznając pierwszeństwo działom o najwyższej ekspozycji.

Projektując programy szkoleń, warto myśleć w kilku poziomach zaawansowania: od podstawowej edukacji o działaniu modeli językowych i ich ograniczeniach, przez warsztaty z projektowania procesów pracy z AI, po rozwój zaawansowanych ról – wewnętrznych „AI championów” w każdym dziale, którzy będą odpowiedzialni za identyfikowanie nowych zastosowań i dzielenie się dobrymi praktykami. Równolegle należy wbudować zasady etycznego i bezpiecznego korzystania z AI w regulaminy pracy, polityki bezpieczeństwa informacji i standardy komunikacji.

Trzecim, często niedocenianym wymiarem jest bezpieczeństwo, etyka i zarządzanie ryzykiem. Masowe korzystanie z narzędzi AI w organizacji rodzi nowe wyzwania związane z ochroną danych, haseł, własności intelektualnej. Analizy opisane m.in. w tekście „Dlaczego hasła z AI są niebezpieczne? Wnioski z raportu Irregular i praktyczne rekomendacje dla użytkowników i firm” pokazują, że nieprzemyślane korzystanie z generatywnej AI do tworzenia lub przechowywania wrażliwych informacji może prowadzić do poważnych naruszeń bezpieczeństwa. HR oraz działy bezpieczeństwa IT powinny współtworzyć jasne zasady: jakie dane mogą być wprowadzane do zewnętrznych modeli, jak postępować z poufnymi dokumentami, jakie narzędzia są rekomendowane lub zabronione, jak reagować na potencjalne incydenty.

Przekładając te ogólne rekomendacje na konkretną check-listę działań, w perspektywie najbliższych 3–6 miesięcy pojedynczy pracownik lub student może: wybrać 2–3 narzędzia AI i regularnie testować je w swojej pracy lub nauce; udokumentować kilka realnych scenariuszy, w których AI przyspieszyła lub poprawiła jego zadania; wziąć udział w szkoleniu lub kursie dotyczącym generatywnej AI w swojej branży; zaproponować pilotażowe użycie AI w jednym procesie w swoim zespole. W tym samym czasie organizacja może zainicjować przegląd ról pod kątem ekspozycji na AI, zidentyfikować działy priorytetowe do szkoleń oraz rozpocząć prace nad wewnętrzną polityką korzystania z narzędzi generatywnych.

W perspektywie roku warto zaplanować pełniejsze mapowanie ról i zadań w organizacji, przygotowanie ścieżek rozwoju kompetencji AI dla kluczowych grup zawodowych, uruchomienie programów rozwojowych dla wewnętrznych liderów technologicznych oraz wdrożenie formalnej polityki AI – obejmującej zarówno wykorzystanie narzędzi, jak i zasady odpowiedzialności, nadzoru oraz raportowania skutków. Raport Anthropic może być tu punktem startowym, ale ostateczny kształt transformacji rynku pracy zależy od decyzji, które pracownicy, menedżerowie i decydenci podejmą dziś – w polskich firmach, instytucjach i uczelniach.