AI zmienia wynagrodzenia, nie tylko miejsca pracy
Sygnał zwolnień: AI jest najczęściej wskazywaną przyczyną zwolnień w 2026 roku, mimo że ogólna liczba zwolnień spada.
Zamrożenie rekrutacji: Firmy usługowe korzystające z AI znacznie częściej ograniczają plany rekrutacyjne, niż informują o faktycznych zwolnieniach.
Wpływ na płace: Ekspozycja na AI spowalnia wzrost wynagrodzeń, kosztując poszkodowanych pracowników miliardy, podczas gdy osoby najlepiej zarabiające pozostają w dużej mierze chronione.
Nierównomierny ciężar: Najsilniejsze skutki odczuwają pracownicy usług oraz osoby o niższych zarobkach, przez co średnie wynagrodzenia w całej firmie mogą wprowadzać w błąd.
Kontrole działu kadr: Zespoły działu kadr mogą wykryć ukryte zakłócenia, porównując wynagrodzenia według poziomu ekspozycji, zamknięte zapotrzebowania na pracowników oraz terminy uzupełniania wakatów.
Niedawna publikacja Yahoo Finance przyciągnęła uwagę influencerów AI na LinkedInie. Opierając się na nowych danych z rynku pracy, artykuł dowodzi, że AI nie wypiera amerykańskich pracowników. Trzy raporty opublikowane w ciągu ostatnich ośmiu tygodni przedstawiają bardziej szczegółowy obraz, który jest dla liderów HR bardziej użyteczny niż uspokajająca wersja.
Zwolnienia przypisywane AI: Dane Challenger, Gray & Christmas pokazują, że AI jest najczęściej wskazywanym powodem redukcji etatów w 2026 roku — wymieniono je przy 22% wszystkich tegorocznych redukcji.
Ograniczenie rekrutacji: Regionalne badanie przeprowadzone przez Bank Rezerwy Federalnej w Nowym Jorku wykazało, że firmy usługowe korzystające z AI ograniczają plany rekrutacyjne niemal czterokrotnie częściej, niż informują o zwolnieniach.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Presja na wynagrodzenia: Badanie Apollo Global Management szacuje koszt wolniejszego wzrostu wynagrodzeń pracowników narażonych na wpływ AI na 28 miliardów dolarów rocznie, rozłożony na 5,8 miliona osób.
Skąd pochodzi uspokajająca wersja wydarzeń
Ta teza szybko się rozprzestrzeniła: liczba zwolnień spada, rekrutacja rośnie, a brak dowodów na to, że AI zastępuje pracowników. Główny ekonomista Apollo Global, Torsten Sløk, od kilku tygodni przedstawia wersję tego argumentu, wskazując na dane Challenger, według których liczba zwolnień spadła o 41% rok do roku do sierpnia, osiągając najniższy poziom za okres od stycznia do sierpnia od 2022 roku, podczas gdy plany rekrutacyjne wzrosły w tym samym okresie o 37%, osiągając najwyższy poziom od 2023 roku.
Ta część się zgadza. Nie jest to jednak cały obraz przedstawiony w raporcie.
Co naprawdę pokazują kody przyczyn
Zanim ponownie bez zastrzeżeń przyjmiemy kolejne narracje o tym, że AI jest niesłusznie obwiniana, warto dokładnie przyjrzeć się danym wykorzystanym do poparcia tej najnowszej wersji argumentu.
Miesięczny raport Challenger zawiera dwie osobne tabele: jedna śledzi całkowitą liczbę redukcji etatów, a druga przedstawia ich podział według deklarowanych przez pracodawców powodów zwolnień.
W drugiej tabeli AI jest jak dotąd najczęściej wskazywanym powodem redukcji etatów w 2026 roku — wymieniono ją w 116 175 ogłoszeniach, co stanowi 22% wszystkich tegorocznych redukcji. Ogólny spadek liczby redukcji wynika przede wszystkim ze zmniejszenia liczby zwolnień w sektorze publicznym względem wyjątkowo wysokiego poziomu z ubiegłego roku, a nie z tego, że AI odgrywa mniejszą rolę w redukcjach, do których dochodzi.
Dwie rzeczy mogą być prawdziwe jednocześnie: całkowita liczba zwolnień może spadać, a AI nadal może być najczęstszym powodem zwolnień, które pozostają.
Wniosek dotyczący ograniczenia rekrutacji, o którym mowa powyżej, pochodzi z badania Banku Rezerwy Federalnej w Nowym Jorku przeprowadzonego wśród firm usługowych korzystających z AI, którego wyniki przedstawiono poniżej.
Nie robimy tego po raz pierwszy
Sytuacja, w której wynagrodzenia absorbują skutki automatyzacji zamiast zatrudnienia, ma swój precedens. Roboty przemysłowe doprowadziły do niemal takiego samego wzorca wiele lat przed tym, zanim generatywna AI stała się narzędziem stosowanym w miejscu pracy.
W badaniu opublikowanym w Czasopiśmie Ekonomii Politycznej Daron Acemoglu z MIT i Pascual Restrepo z Uniwersytetu Bostońskiego przeanalizowali wdrażanie robotów w 19 branżach i 722 strefach dojazdów do pracy w USA w latach 1990–2007.
Ich najważniejszy wniosek był następujący: każdy dodatkowy robot na 1000 pracowników obniżał stosunek liczby osób zatrudnionych do liczby ludności o około 0,2 punktu procentowego, a wynagrodzenia o około 0,42%. Efekt narastał stopniowo na lokalnych rynkach pracy przez wiele lat, zamiast przyjmować postać fali głośno ogłaszanych zwolnień.
Wpływ ten również nie rozkładał się równomiernie. Naukowcy stwierdzili, że koncentrował się przede wszystkim wśród pracowników o niższym poziomie wykształcenia, zwłaszcza w przemyśle, podczas gdy pracownicy z wyższego segmentu skali wynagrodzeń byli w dużej mierze chronieni. Jest to bardzo zbliżone do obrazu, który Apollo odnalazło w tegorocznych danych dotyczących AI: pracownicy usług i osoby z najniższego kwartylu zarobków ponoszą większość skutków płacowych, podczas gdy najlepiej zarabiający nie odczuwają ich wcale.
To porównanie ma jednak ograniczenia. Roboty przemysłowe to fizyczne i kosztowne inwestycje kapitałowe. Narzędzia AI są tanie i mogą rozprzestrzenić się w organizacji w ciągu kilku tygodni, co oznacza, że proces ten może przebiegać szybciej, wolniej lub inaczej — w sposób, którego dane dotyczące robotów nie pozwalają przewidzieć.
To, co potwierdzają te badania, to fakt, że ten dokładny wzorzec — zakłócenia wpływające na wynagrodzenia i uczestnictwo, a nie na liczbę zatrudnionych — już raz wystąpił w mierzalnych, opublikowanych danych, na długo zanim AI ponownie uczyniła z niego aktualne pytanie.
Brakujące $4,800
Kwota Apollo wynosząca $28 miliardów, czyli łączny wzrost wynagrodzeń utracony przez pracowników narażonych na działanie AI w badaniu, jest przedstawiana jako jedna średnia: $4,800 rocznie, rozłożone na 5,8 miliona pracowników.
Średnie ukrywają, jak nierównomiernie rozkłada się ta liczba, dlatego warto zwrócić uwagę na pominięte w głównej kwocie wyliczenia.
W tej grupie pracownicy usług odnotowali względny spadek wzrostu wynagrodzeń o 24,3%, a w dolnym kwartylu zarobków spadek wyniósł 10,7%, podczas gdy wśród najlepiej zarabiających nie odnotowano żadnego mierzalnego efektu.
To większe rozpiętości, niż sugeruje średnia $4,800, a skutki najmocniej odczuwają osoby, które już wcześniej zarabiały najmniej. Pracownik centrum obsługi telefonicznej lub sprzedawca detaliczny, którego wzrost wynagrodzenia zmniejszył się niemal o jedną czwartą, traci znacznie więcej niż wynosi średnia, a do tego zaczyna od niższej pensji. Osoba już dobrze zarabiająca na stanowisku o wysokiej ekspozycji na AI może odczuwać niemal żadne skutki.
Ma to znaczenie dla tego, jak sytuacja ta pojawia się — lub nie pojawia się — w większości raportów dotyczących wynagrodzeń. Firma analizująca ogólny średni wzrost wynagrodzeń w tym roku może zobaczyć liczbę wyglądającą niemal normalnie, ponieważ pracownicy zarabiający wystarczająco dużo, by nie odczuć skutków, podciągają średnią w górę.
Spłaszczenie jest realne dla pracowników, którzy go doświadczają, ale pozostaje niewidoczne w zagregowanej liczbie, którą kierownictwo najprawdopodobniej zobaczy jako pierwszą.
Co sprawdzić we własnych danych
Żaden z trzech raportów będących podstawą tej analizy nie wymagał zastrzeżonych danych — podobnie jak ich wewnętrzne sprawdzenie.
Dane Challengera pochodzą z publicznych ogłoszeń o redukcjach zatrudnienia. New York Fed przeprowadza bezpośrednie badania wśród firm i publikuje wyniki. Apollo przygotowało swoje szacunki na podstawie danych Biura Statystyki Pracy.
Aby z grubsza ocenić skalę zjawiska w poszczególnych stanach, pulpit nawigacyjny Centrum Bezpieczeństwa AI wageloss.ai przelicza zwolnienia przypisane przez Challengera AI na szacunkową kwotę w dolarach, choć uwzględnia wyłącznie kanał zwolnień, a nie spłaszczenie wynagrodzeń ani ograniczenie zatrudniania, które wymagają większej uwagi. Leżący u podstaw tego wszystkiego wzorzec jest widoczny w danych, które większość organizacji już posiada.
Oto kilka punktów wyjścia dla zespołu ds. wynagrodzeń lub HR, który chce to sprawdzić:
- Segmentuj wzrost wynagrodzeń według ekspozycji na AI, a nie tylko według działu. Wyodrębnij wzrost wynagrodzeń z ostatnich 24 miesięcy dla stanowisk, na których narzędzia AI są regularnie używane, i porównaj go z analogicznymi stanowiskami na tym samym poziomie i z podobnym stażem, na których nie są używane. Średnia dla całego działu może ukrywać to samo spłaszczenie co średnia krajowa.
- Sprawdź zapotrzebowania, które zamknięto zamiast obsadzić. Ani Challenger, ani badanie NY Fed nie widzą zapotrzebowania, które zostało zatwierdzone, a następnie zamknięte bez zatrudnienia pracownika. Większość systemów śledzenia kandydatów potrafi to zrobić. Ta liczba, szczególnie w przypadku stanowisk narażonych na działanie AI, jest bliższa temu, co mierzy wartość 15% „zatrudniało mniej osób” w badaniu NY Fed, niż jakakolwiek liczba w raporcie o stanie zatrudnienia.
- Monitoruj czas ponownego obsadzenia stanowiska, a nie tylko wskaźnik jego obsadzenia. Wydłużająca się luka między odejściem osoby ze stanowiska narażonego na działanie AI a jego ponownym obsadzeniem — nawet jeśli ostatecznie zostanie ono obsadzone — często jest najwcześniejszą widoczną wersją tego wzorca, na długo zanim pojawi się on w badaniu zaangażowania lub podczas rozmowy końcowej.
- Umieść planowanie wynagrodzeń i wdrażania AI przy tym samym stole. L&D lub osoba odpowiedzialna za wdrażanie AI zazwyczaj zarządza budżetem na przekwalifikowanie. Dział wynagrodzeń odpowiada za budżet płacowy. Jeśli w tym roku w przekwalifikowanie na danym stanowisku inwestuje się środki, a jednocześnie wzrost wynagrodzeń na tym stanowisku pozostaje w tyle, dwa zespoły śledzące te oddzielne liczby mogą nigdy nie porównać swoich obserwacji, więc związek zostanie dostrzeżony tylko wtedy, gdy ktoś stojący ponad nimi zada obu zespołom to samo pytanie.
Żadne z tych działań nie wymaga czekania na kolejny raport Challengera ani kolejne badanie Fed. Dane, które należy sprawdzić, w dużej mierze już znajdują się w systemie HRIS i systemie ATS.
