Jak AI niszczy kompetencje całych profesji

Wdrażanie sztucznej inteligencji w firmach to dziś oczywisty kierunek rozwoju. Jednak Nolan Lovett z NATO Special Operations University w artykule opublikowanym w czasopiśmie „Human Resource Development Review” zwraca uwagę na mroczną stronę tej transformacji. Jego zdaniem racjonalne decyzje biznesowe o zastępowaniu ludzi przez AI mogą doprowadzić do erozji wiedzy eksperckiej w całych zawodach, a skutki tej zmiany odczujemy dopiero za kilkanaście lat.

Mechanizm, który opisuje Lovett, przypomina dobrze znaną w ekonomii „tragedię wspólnych zasobów”. Kiedy firma decyduje się na zastąpienie stanowisk juniorskich przez modele AI, przejmuje 100 procent zysków z wydajności. Ale koszty związane z utratą kompetencji rozkładają się na całą branżę, która korzysta z tego samego rynku talentów. Doświadczeni specjaliści nie powstają jednak znikąd – potrzebują lat pracy na pozycjach wejściowych, gdzie stopniowo mierzą się z coraz trudniejszymi zadaniami, popełniają błędy i uczą się je naprawiać.

Jak AI zakłóca rozwój zawodowy

Lovett identyfikuje dwa mechanizmy, przez które systemy AI zaburzają proces odtwarzania wiedzy eksperckiej. Pierwszy to bezpośrednia eliminacja stanowisk wejściowych – algorytmy przejmują pracę, która wcześniej trafiała do młodych pracowników. Drugi mechanizm jest bardziej subtelny i dotyczy sytuacji, gdy stanowiska juniorskie wciąż istnieją.

Młodzi pracownicy korzystający z asystentów AI osiągają bowiem poziomy produktywności, które kiedyś wymagały lat doświadczenia. Problem w tym, że wysiłek poznawczy potrzebny do zbudowania głębokiej wiedzy domenowej nigdy nie następuje. Pracownik wykonuje zadania sprawnie, ale nie rozwija się intelektualnie w sposób, który kiedyś był naturalnym elementem kariery.

Problem „kotwicy walidacyjnej”

Brak głębokiej wiedzy domenowej prowadzi do kolejnego problemu, który Lovett nazywa „validation tether” (kotwica walidacyjna). Zdolność do skutecznego nadzorowania systemów AI zależy bowiem od tego samego rodzaju wiedzy, którą korzystanie z AI niszczy. Wykrycie błędów merytorycznych w pozornie poprawnych odpowiedziach modeli wymaga czegoś więcej niż wyłapanie oczywistych sprzeczności. Powierzchowne sprawdzenie wyników nie wystarczy, by uchronić się przed poważnymi pomyłkami.

Do tego dochodzą nawyki poznawcze. Osoby, które regularnie traktują odpowiedzi AI jako wiarygodne, tracą refleks kwestionowania ich. Co więcej, znikają środowiska szkoleniowe, w których młodzi pracownicy uczyli się podważać autorytety i weryfikować tezy w konfrontacji z rzeczywistością. Tradycyjne stanowiska juniorskie pełniły bowiem również funkcję przestrzeni do nauki krytycznego myślenia.

Skutki widoczne dopiero po latach

Pełne konsekwencje tych zmian mogą być widoczne dopiero za kilkanaście lat. Doświadczeni specjaliści obecni dziś na rynku pracy zdobywali swoje kompetencje 5-20 lat temu. Efekty cięć stanowisk wejściowych rozpoczętych w 2023 roku mogą w pełni ujawnić się między 2030 a 2045 rokiem. Lovett nazywa to „paradoksem rezerwy ludzkiej”.

Organizacje potrzebują bowiem głębokiej wiedzy eksperckiej w rezerwie – do walidacji, zarządzania kryzysowego i sytuacji, które przerastają możliwości systemów AI. Problem polega na tym, że żadna pojedyncza organizacja nie ma wystarczającej motywacji ekonomicznej, by samodzielnie utrzymywać taką rezerwę. Nawet pracownicy, którzy przejdą przez zmieniony system szkolenia, będą mieć płytszą wiedzę, ponieważ spędzą kariery na orkiestrowaniu AI, a nie na samodzielnej pracy poznawczej.

Które profesje są najbardziej zagrożone

Mechanizm opisany przez Lovetta nie uderza we wszystkie zawody jednakowo. Badacz wskazuje, że inżynieria oprogramowania, analiza finansowa i badania prawnicze charakteryzują się wysoką podatnością na substytucję zadań, stosunkowo lekkimi regulacjami i silną modułowością pracy. To stawia je w kategorii największego ryzyka.

Medycyna i inżynieria cieszą się pewną ochroną dzięki surowszym wymogom regulacyjnym i silniejszym stowarzyszeniom zawodowym. Nie są jednak całkowicie odporne na opisane zjawiska. Lovett podkreśla, że tragedia nie jest nieunikniona. Proponuje wprowadzenie środowisk nauki wolnych od AI, stopniowe wdrażanie sztucznej inteligencji oraz ustalenie bazowego poziomu kompetencji ludzkich, które powinny być rozwijane przed zaangażowaniem AI.

Zaleca również, by stowarzyszenia zawodowe weryfikowały kompetencje domenowe poprzez certyfikacje obok umiejętności związanych z AI, a decydenci polityczni uczynili szkolenia i edukację bardziej atrakcyjnymi. Co istotne, wśród jego propozycji nie ma zakazów ani ograniczeń w korzystaniu z AI.

Co mówią dane ekonomiczne

Dowody ekonomiczne na poparcie tez Lovetta są zróżnicowane. Badanie z lata 2025 roku, na które powołuje się autor, wykazało spadki zatrudnienia w zawodach dotkniętych przez AI, szczególnie wśród młodych pracowników. W przypadku bardziej doświadczonych specjalistów w tych samych dziedzinach zatrudnienie utrzymało się na stałym poziomie lub nawet wzrosło. Naukowcy tłumaczą to tym, że AI zastępuje głównie wiedzę skodyfikowaną, podczas gdy praktyczne doświadczenie pozostaje poszukiwane.

Badanie Federal Reserve Board wykazało z kolei, że wzrost liczby miejsc pracy w programowaniu zmniejszył się o połowę od czasu premiery ChatGPT. Jednak jednoznaczny związek przyczynowo-skutkowy między AI a tymi spadkami nie został jeszcze udowodniony. Inne czynniki, takie jak zaostrzenie polityki pieniężnej czy korekta po pandemicznym przeroście zatrudnienia w technologiach, również mogły odegrać rolę.

Co ciekawe, badanie ze stycznia 2026 roku wykazało, że kryzys zatrudnienia w zawodach dotkniętych przez AI rozpoczął się jeszcze przed premierą ChatGPT. Z kolei analiza Anthropic z marca 2026 roku nie wykazała mierzalnego ogólnego wpływu AI na rynek pracy, ale zwróciła uwagę na jeden niepokojący sygnał: wskaźnik znajdowania pracy w zawodach silnie narażonych na AI spadł o pół punktu procentowego wśród młodych pracowników w wieku 22-25 lat.

Koszty poznawcze niewłaściwego korzystania z AI

Badania nad poznawczymi skutkami nadmiernego lub niewłaściwego korzystania z AI dają znacznie wyraźniejszy obraz sytuacji. Ich wyniki wspierają tezę Lovetta o narastającym długu poznawczym. Badanie MIT z wykorzystaniem pomiarów EEG wykazało, że nawet krótkotrwałe korzystanie z AI osłabiało łączność neuronalną, a ponad 80 procent uczestników miało trudności z przypomnieniem sobie treści z własnych tekstów napisanych przy pomocy AI.

W badaniu Anthropic z udziałem programistów uczestnicy mający dostęp do AI uzyskali o 17 procent gorsze wyniki w testach wiedzy. Największe straty odnotowano u osób, które traktowały AI wyłącznie jako maszynę do odpowiedzi. Ci, którzy używali AI do uzyskiwania wyjaśnień, uczyli się znacznie lepiej. Szwajcarskie badanie z udziałem 666 uczestników wykazało silny negatywny związek między korzystaniem z AI a krytycznym myśleniem, przy czym efekt ten był najbardziej widoczny wśród osób w wieku 17-25 lat.

Studenci sami przyznają, że martwią się o „gnicie mózgu”, ponieważ AI pozwala im pomijać zbyt wiele procesów uczenia się. Wśród studentów w Chinach wzorzec ten ujawnił się na przestrzeni dłuższego czasu – mimo że oceny z prac domowych poprawiły się o 18 procent, wyniki egzaminów spadły nawet o 24 procent, a pełny efekt był widoczny dopiero po około dwóch latach.

Z badań wynika, że kluczowe znaczenie ma nie to, ile używamy AI, ale jak to robimy. Osoby traktujące AI jako substytut myślenia tracą zdolności poznawcze najszybciej, podczas gdy ukierunkowane użycie jako narzędzia wyjaśniającego może znacząco ograniczyć negatywne skutki. To ważna wskazówka dla firm i instytucji edukacyjnych, które chcą korzystać z dobrodziejstw sztucznej inteligencji, nie niszcząc jednocześnie fundamentów wiedzy eksperckiej w swoich organizacjach.