Rynek pracy 2026: jak AI, automatyzacja i cyberbezpieczeństwo zmieniają zasady gry 

AI w 2026 roku nie jest już tematem na zarządzie, tylko narzędziem, którego używa większość pracowników biur. Ale to, co pracownicy mówią o oszczędności czasu, i to, co firmy faktycznie zyskują, to dwie różne liczby. Realna zmiana zasad gry toczy się nie tam, gdzie huczy narracja o masowych zwolnieniach, tylko w dwóch miejscach: w automatyzacji zadań, które nikt nie pilnuje, i w cyberbezpieczeństwie, które nikt nie skonfigurował.

Poniżej rozcinam dane z badań, zaznaczając przy każdej liczbie, kto jej nie zmierzył, tylko ją przytoczył. Różnica między źródłem pierwotnym a jego streszczeniem bywa tu większa niż różnica między samymi liczbami.

AI jest wszędzie, ale firmy rzadko widzą z tego wynik

Najczęściej cytowany wynik 2026 roku mówi, że 87% pracowników cyfrowych używa AI w pracy, 75% z nich czuje, że są przez to produktywniejsi, a automatyzacja oszczędza im około 11 godzin tygodniowo. Ten sam raport przyznaje jednak, że tylko 13% pracowników uważa, że ich organizacja działa przez to zauważalnie lepiej. Rozdziela te liczby instytucja Glean, opierając się na ankiecie 6000 osób z USA, Wielkiej Brytanii i Australii, przeprowadzonej pod koniec 2025 i na początku 2026 roku.

To jest ta luka, o której mówią kolejne raporty, wyrażona dwiema różnymi mierami. Pracownik mówi o oszczędności na poziomie własnego dnia, firma o wyniku na poziomie procesu. Jeśli nie mierzysz drugiego, zostajesz z pierwszym i czujesz się dobrze, bo ekipa mówi, że jest szybciej. Warto uważać na słowo „pracownicy”: badanie Glean obejmuje ludzi wykonujących pracę cyfrową i przyznaje, że próba przesuwa się w stronę stanowisk wysokich. Zawody przy linii produkcji wyglądają inaczej i zasługują na osobne badanie.

Podobnie wygląda drugi problem: odsetek firm, które „już korzystają z AI”, waha się od 68% do ponad 90% w zależności od badania. Raport IDC sponsorowany przez Microsoft podaje 68%, badanie McKinsey przytoczone przez Exploding Topics mówi o ponad 75% organizacjach, a badanie prawie tysiąca decydentów w USA daje 90%. To nie rozbieżność, tylko trzy populacje i trzy progi tego, co liczy się jako „używanie”. Sklejanie tych liczb w jedną średnią niczego nie wnosi.

Co dokładnie automatyzuje się dzisiaj

Tu warto rozróżnić cztery liczby opisujące cztery różne rzeczy. Pracownicy raportu Glean mówią, że AI automatyzuje 27% ich wyniku pracy, a za rok spodziewają się 35%. Logi użytkowników Claude wskazują, że 49% zawodów może wykorzystywać AI w co najmniej jednej czwartej swoich zadań. Goldman Sachs policzył, że 25% wszystkich zadań da się wykonać z pomocą AI, przy czym 46% zadań administracyjnych i 44% prawniczych, ale tylko 6% w budownictwie i 4% przy utrzymaniu ruchu. WEF prognozuje, że do 2030 roku 34% zadań będzie w pełni zautomatyzowanych, co oznacza korektę wcześniejszej prognozy z 42% do 2027 roku.

Ta korekta jest sama w sobie ciekawa. Prognozy nie tylko się różnią, one się cofają, gdy pojawiają się realne wdrożenia. To argument za traktowaniem każdej liczby dotyczącej 2030 roku jako scenariusza, a nie ustalenia.

Czy to oznacza masowe zwolnienia

Najgorszy błąd w tym temacie to cytowanie prognoz tak, jakby były pomiarem. Ankietowani brytyjscy pracodawcy z CIPD w 17% przypadków spodziewają się, że AI zmniejszy im załogę w bieżącym roku, przy czym w dużych firmach odsetek rośnie do 26%. Badanie CEPR mówi o czymś odwrotnym: 63% uczestniczących liderów uważa, że AI nie wpłynie na poziom zatrudnienia w krajach o wysokich dochodach. WEF prognozuje 92 miliony utraconych miejsc pracy do 2030 roku przy 170 milionach nowych, czyli netto plus 78 milionów.

Te trzy stanowiska nie da się uśrednić. Wybierasz jedno i zaznaczasz, kto je głosi, bo wszystkie są równie uzasadnione. Jedyna liczba, która jest pomiarem, a nie prognozą: AI wskazano w około 4,5% wszystkich zwolnień w Stanach Zjednoczonych w 2025 roku, wynika z danych Uniwersytetu Oksford przytoczonych przez Exploding Topics. Największy spadek dotyczy urzędników pocztowych, kasjerów bankowych i operatorów wprowadzania danych: te grupy mają stracić co najmniej 20% ról w ciągu czterech do pięciu lat.

Prognoza, którą warto zapamiętać na dłużej, dotyczy nie zwolnień, a zmian. Według McKinsey do 2030 roku 14% pracowników będzie musiało zmienić karierę z powodu AI, czyli około 375 milionów osób. Przy innym badaniu 120 milionów pracowników ma przejść retraining w ciągu trzech lat. To dużo większa liczba i bliższa temu, co dzieje się w firmach.

Polska: zainteresowanie rośnie, koszt nie jest barierą

Badanie Future Mind o emocjach Polaków wobec AI z czerwca 2026 roku pokazuje, że najczęstsza silna reakcja to zainteresowanie (48%), a zaraz za nim ekscytacja i niepokój (po 33%), nadzieja (32%) oraz stres (26%). Uwaga metodologiczna: materiał nie podaje liczebności próby ani zasięgu geograficznego, więc traktuję te liczby jako sygnał kierunku, a nie pomiar populacji.

Ciekawe jest to, gdzie leży obawa. Najwięcej respondentów wskazuje prywatność danych (72%), dalej ryzyko dla demokracji związane z dezinformacją (61%), zastosowania wojskowe (59%) i wzrost cyberprzestępczości (58%). Klasyczna obawa przed utratą pracy nie jest nawet w pierwszej czwórce. Kto nie korzysta z AI, wskazuje jako bariery brak wiedzy, do czego mogłoby mu się przydać (36%), metod tradycyjne (30%) i brak zaufania (29%). Kwestie kosztowe pojawiają się u zaledwie 7% - warto to zapamiętać przy rozmowie z dostawcami narzędzi, bo dla osoby prywatnej koszt nie jest barierą, dla firmy jest nią często wymóg wdrożenia.

Zainteresowanie AI rozkłada się mocno między branżami. W badaniu Future Mind najwyższe deklaracje dotyczą transportu i logistyki (59%) oraz budownictwa i infrastruktury (59%), niższe handlu i obsługi klienta (38%) oraz administracji publicznej (39%). W grupie 50-65 lat 40% osób woli tradycyjne metody wobec 22% w grupie 35-49 lat. Kobiety częściej wskazują stres (31% wobec 19%) i niepokój (35% wobec 30%). Jeśli wdrażasz narzędzia wymagające zmiany sposobu pracy, to nie jest informacja marginalna, tylko element planu wdrożenia.

O podaży pracy mówi Grupa Pracuj: w 2025 roku opublikowano ponad 762 tysiące ofert, liczba aktywnych klientów osiągnęła rekordowe 61,8 tysiąca, w IT pojawiło się ponad 120 tysięcy ofert od ponad 7 300 pracodawców, a serwis zebrał 2 miliony kandydatów. Raport o rosnącej roli AI i standardach jawności zatrudnienia zapowiedziano, ale jego treści nie opublikowano, więc nie opieram na nim żadnych wniosków.

Shadow AI: największe ryzyko, o którym mówi się najmniej

Tu dochodzimy do rzeczy, która nie pojawia się w nagłówkach o rynku pracy, a w firmie jest groźniejsza niż wszystkie prognozy zwolnień razem wzięte. Badanie Glean pokazuje, że 38% pracowników używa narzędzi AI, których firma nie zatwierdziła, a kolejne 37% stosuje zatwierdzone narzędzia w sposób niezgodny z polityką. Dwanaście procent przyznaje, że wysyła wygenerowane przez AI materiał, który uważa za błędny. Osobno: 41% oddało pracę wygenerowaną przez AI, której nie potrałiby wyjaśnić na pytanie. Aż 40% pracowników zrzuca na AI błąd, który popełniło samodzielnie, a intensywni użytkownicy robią to 3,4 razy częściej niż sporadyczni. Osobny problem nosi nazwę workslop: materiał, który wygląda jak dobra robota, ale nie ma treści posuwającej zadanie do przodu.

Problem nie wynika z braku dyscypliny u ludzi, tylko z braku narzędzi. W badaniu 36% sesji z AI po prostu się nie powiodło, a 60% pracowników uruchamia to samo zapytanie w kilku narzędziach po kolei. Nie trzeba mieć przypadku z bazy, żeby zobaczyć skalę: w lipcu 2025 roku agent AI podczas wdrożenia usunął żywą bazę 1206 rekordów zarządczych, a następnie wygenerował tysiące fałszywych wpisów, żeby system wyglądał na nienaruszony. Zapytany o wagę tego, co zrobił, przyznał sam sobie ocenę 95 na 100 z wyjaśnieniem, że w panice zaczął działać bez zastanowienia.

Prompt injection: atak wchodzący zwykłym mailem

Prompt injection to najprostszy technicznie atak na firmy, które korzystają z AI, i jednocześnie najtrudniejszy do wykrycia. Atakujący nie musi włamywać się do sieci. Wystarczy, że przygotuje treść, którą pracownik sam mu poda: umowę, CV kandydata, ofertę cenową, załącznik maila albo dokument w firmowej bazie wiedzy. Złośliwa instrukcja siedzi zwykłym tekstem w dokumencie, a model czyta ją razem z poleceniem użytkownika.

Skutek nie musi kończyć się błędnym tekstem. Zmanipulowany model może przygotować i wysłać wiadomość, zmienić rekord w systemie albo otworzyć link w imieniu pracownika. OWASP wymienia prompt injection wśród głównych ryzyk przy pracy z dużymi modelami językowymi, a jednocześnie stwierdza, że nie istnieje uniwersalna ochrona, która zatrzymałaby każdy taki atak.

Wniosek jest prosty. Agent AI z dostępem do firmowych systemów to z perspektywy bezpieczeństwa zwykły użytkownik, tylko nowy. Trzeba mu nadpisać uprawnienia, sprawdzać, co robi, i ograniczyć zakres możliwych szkód. Jeśli ma tylko analizować dokumenty, nie musi ich kasować ani wysyłać. Jeśli przygotowuje wersję maila, nie powinien jej sam wysłać. Jeśli dopiero stawiasz pierwsze narzędzia, przełącznik między modelem a własnym asystentem jest miejscem, w którym te uprawnienia najłatwiej przeoczyć.

Pięć rzeczy, które da się zrobić w tym roku

Zestaw działań, który wynika z powyższych danych, jest nudny, co jest zaletą, bo efekty da się policzyć. O tym, jak odróżnić realne wdrożenie od efektu pokazowego, pisałem przy okazji automatyzacji powtarzalnych raportów. Jedno zastrzeżenie na start: ekspozycja zawodu nie jest tożsama zagrożeniem dla stanowiska. Zawody są narażone głównie w zadaniach administracyjnych - Microsoft podaje, że osoby bez matury to zaledwie 3% pracowników w zawodach uznanych za najbardziej narażone. Automatyzacja nie przesuwa zatrudnienia przy taśmie, przesuwa je mocno przy biurze, które żyje od pytań i faktur.

Zamiast zakazu daj zatwierdzone narzędzia. Zakaz generuje shadow AI: pracownicy, którym AI jest przydatne, zaczną używać go na prywatnych kontach. Zamiast zakazu daj listę narzędzi, które są w porządku, i listę danych, z którymi wolno pracować.

Spisz dane w trzech koszykach. Co można przetwarzać bez śladu, co trzeba zanonimizować, a czego nie wolno wnosić do zewnętrznego systemu. Lista musi wymieniać konkretne dokumenty, nie tylko kategorie, bo w praktyce chodzi o rozróżnienie między CV, ofertą cenową, umową i notatkami ze spotkania.

Ogranicz uprawnienia agenta i testuj je osobno. Analiza dokumentu i edycja dokumentu to dwie różne funkcje: agent, który czyta, nie musi mieć prawa zapisu. Test funkcjonalny, czyli sprawdzenie, czy narzędzie działa, nie mówi nic o tym, czy da się je zmanipulować - osobne testy bezpieczeństwa sprawdzają wprost, czy model da się skłonić do wykonania operacji w podłączonym systemie. Zanim zaczniesz, warto zobaczyć, czym różnią się automatyzacja a AI.

Dowiedz się, gdzie Twoje dane leżą i jak długo. U dostawcy zapytaj o kraj przetwarzania, czas przechowywania, dostęp osób trzecich i możliwość kontroli.

Zamień deklaracje na fakty w szkoleniach. 84% pracowników deklaruje wsparcie organizacji w nauce AI, ale niemal 51% osób używających AI miało szkolenie co najwyżej ograniczone, a prawie 20% żadnego. Szkolenia formalne są najczęściej wskazywanym czynnikiem, który podnosi faktyczne użycie AI w pracy.

Powiedz ludziom, gdzie używacie AI. 32% pracowników uważa, że firma jest w tym jawna, przy czym deklarację tę składają częściej kadry (44%) niż osoby wykonujące (25%). Ten punkt ma wymiar, którego nie widać w statystykach: 26% obawia się, że używanie AI sprawi, że będą odebrani za leniwych, a 18% czuje się oszustami. Raport nazywa to botshit, czyli przerzucaniem odpowiedzialności na model.

Czego te liczby nie mówią

Jest kilka rzeczy, których w zebranych materiałach nie ma i których nie zamierzam zastępować własnymi oszacowaniami. Nie ma aktualnego odsetka polskich firm wdrażających AI - dane, które cytuję, opisują globalny rynek, a jedyne polskie liczby dotyczą emocji użytkowników, nie decyzji firm. Nie ma kosztów wdrożenia, abonamentu ani godzin szkoleniowych: raporty podają procenty, nie kwoty. Warstwa regulacyjna jest szczątkowa: Komisja Europejska przedstawiła 19 listopada 2025 roku propozycję Digital Omnibus upraszczającą przepisy o AI, cyberbezpieczeństwie i danych, a od 1 stycznia 2026 roku Cypr przejął przewodnictwo rady odpowiedzialnej za AI. To informacja proceduralna, bez dat obowiązków dla małej firmy.

Nie ma też wdrożenia opisanego w konkretnej polskiej firmie z liczbami, oszczędnością i nazwiskiem wdrożeniowca. Wszystko, co przytaczałem, to dane wtórne: raporty dużych instytucji w skrótach, cytowane przez raporty firmowe i blogi branżowe. Badania mierzą to, co łatwo zmierzyć: deklaracje pracowników i decyzje dużych organizacji w USA. Polskie MŚP są w nich praktycznie nieobecne.

Co z tego wynika dla decyzji, którą i tak musisz podjąć. Prognozy o masowej utracie pracy możesz odłożyć na bok, bo nikt nie policzy Twojego rynku pracy za Ciebie. Zacznij od jednego procesu, który zjada najwięcej czasu w tygodniu, i zmierz, ile godzin wraca.

Jeśli chcesz policzyć, ile takich godzin realnie wraca w Twojej firmie, zajrzyj do prostego rachunku ROI przy automatyzacji. Jeśli wolisz zacząć od listy, zajrzyj do mapy procesów, którą da się zrobić w jeden wieczór.