Kierunkomat

Metodologia analizy wpływu AI na zawody

Rozszerzona analiza wpływu AI w każdym z kierunków studiów opiera się na zestawie dziesięciu źródeł — recenzowanych badaniach naukowych, raportach instytucji międzynarodowych oraz statystykach rynku pracy z lat 2023–2026. Wszystkie konkretne liczby (np. spadki zatrudnienia, oszczędności czasu, dynamika ofert pracy) są zakotwiczone w jednym z poniższych źródeł.

Jak czytać sekcję „Rozszerzona analiza"

Sekcja zawiera pięć podsekcji opisujących wpływ AI na dany zawód:

• Sytuacja świeżych absolwentów — czy AI obniża popyt na początku kariery.
• Automatyzacja vs wsparcie pracy — które zadania są zastępowane, a które wzmacniane.
• Wzrost produktywności — konkretne liczby — oszczędności czasu udokumentowane w badaniach.
• Sygnały z rynku ofert pracy — dynamika ofert i wymagań kompetencyjnych.
• Ewolucja zadań w obrębie zawodu — jak będzie wyglądać codzienna praca w 2030 r.

Klasyfikacja ryzyka (0–100) bazuje na połączeniu metryk eksperymentalnej automatyzacji (Anthropic Tasks) i empirycznych obserwacji rynku (Brynjolfsson, Indeed). Wartości pośrednie nie oznaczają „zniknięcia zawodu", lecz znaczącą transformację profilu zadań.

Źródła

1. Brynjolfsson, Chandar, Chen — „Canaries in the Coal Mine" (Stanford / NBER, listopad 2025)
   Analiza danych ADP o zatrudnieniu wczesnokarierowym (22–25 lat) na podstawie ~25 mln pracowników w USA. Pokazuje 16-procentowy spadek zatrudnienia młodych programistów po pojawieniu się ChatGPT — pierwszy duży empiryczny dowód, że GenAI redukuje popyt na entry-level w zawodach wysoko narażonych. Pełny raport.
2. Handa et al. — „Which Economic Tasks are Performed with AI?" (Anthropic, 2024)
   Analiza ~4 mln anonimowych konwersacji z Claude'em zmapowana na ~17 tys. zadań w klasyfikacji O*NET. Pokazuje, które konkretnie zadania są wykonywane przy pomocy AI i w jakim udziale to automatyzacja vs wsparcie. Pełny raport.
3. Anthropic Economic Index Report — economic primitives (Anthropic, styczeń 2026)
   Rozszerzona aktualizacja powyższego badania klasyfikująca zadania na cztery „prymitywy ekonomiczne" (task automation, task augmentation, task upskilling, learning) i pokazująca udział każdego z nich w użyciu AI. Pełny raport.
4. Johnston, Makridis — „AI, Output, and Employment" (UT Austin / ASU, marzec 2026)
   Analiza panelu firm — pokazuje, że ekspozycja na AI w branży o 1 odchylenie standardowe wiąże się z ~7% wyższym wynikiem operacyjnym i ~4% wyższym zatrudnieniem. Mocny argument za scenariuszem augmentacji, nie redukcji.
5. Indeed Hiring Lab — January 2026 US Labor Market Update
   Comiesięczne dane o ofertach pracy w USA z najbardziej szczegółową dostępną segmentacją (kategoria zawodu, wzmianki o AI w treści ogłoszenia). Źródło tezy o +134% wzroście ofert wymieniających AI vs +6% wzrost rynku ogółem. Pełny raport.
6. IMF Staff Discussion Note 2026/001 — „Bridging Skill Gaps for the Future" (Międzynarodowy Fundusz Walutowy)
   Globalna prognoza luk kompetencyjnych i premii płacowych za umiejętności AI w sektorach publicznym i prywatnym do 2030 r. Źródło danych o premii ~15–30% za kompetencje AI.
7. Gans, Goldfarb — „O-Ring Automation" (NBER w34639, styczeń 2026)
   Model teoretyczny pokazujący, że w workflow z zadaniami współzależnymi automatyzacja jednych zadań podnosi wartość pozostałych (efekt „O-Ring"). Tłumaczy, dlaczego senior judgement, mediacja i decyzje strategiczne zyskują na wartości, gdy AI przejmuje rutynowe etapy.
8. Hampole, Papanikolaou, Schmidt, Seegmiller — „AI and the Labor Market" (Yale / Kellogg / MIT, wrzesień 2025)
   Analiza koncentracji ekspozycji na AI w obrębie zawodów. Pokazuje, że profesje o wysokiej koncentracji (mało zadań silnie wystawionych) lepiej znoszą AI niż te o równomiernie wysokiej ekspozycji.
9. del Rio-Chanona et al. — „AI and jobs: A review" (UCL / ILO, wrzesień 2025)
   Przegląd metodologiczny czterowymiarowej klasyfikacji odporności zawodów na AI (zależność od kontekstu, fizyczność, decyzje pod niepewnością, ramy regulacyjne).
10. Hui, Reshef, Zhou — „Short-Term Effects of GenAI on Employment" (badanie Upwork, lipiec 2023)
    Pierwsza opublikowana analiza ilościowego wpływu ChatGPT na rynek freelancerski. Spadek liczby zleceń o ~20–30% i stawek o ~5–10% dla copywritingu, tłumaczeń, grafiki — wczesny sygnał dla zawodów kreatywnych.

Ograniczenia

Analiza opiera się na badaniach z okresu listopad 2025 – marzec 2026 i odzwierciedla stan rynku w tym okresie. Konkretne kierunki studiów otrzymują niuansowane oceny dopasowane do realiów polskiego rynku (uczelnie, pracodawcy, regulacje), jednak liczby globalne są zwykle ekstrapolowane z USA / UE. Liczby nominalne (np. spadki zatrudnienia) należy traktować jako punkty orientacyjne, nie prognozy. Sekcja jest aktualizowana wraz z pojawianiem się nowych badań.

Ostatnia aktualizacja: 11 maja 2026 r.

Methodology — AI labour-market analysis

The "Detailed AI-impact analysis" section for every programme is grounded in a fixed set of ten sources — peer-reviewed studies, reports from international institutions, and labour-market statistics from 2023–2026. Every concrete number (employment drops, time savings, posting growth) is anchored in one of the sources below.

How to read the "Detailed analysis" section

The section contains five sub-sections describing AI's impact on the profession:

• Outlook for fresh graduates — whether AI lowers entry-level demand.
• Automation vs augmentation — which tasks are replaced vs amplified.
• Productivity gains — concrete numbers — documented time savings.
• Hiring market signals — posting volumes and skill requirements.
• Within-profession task evolution — what daily work looks like by 2030.

The risk score (0–100) blends experimental automation metrics (Anthropic Tasks) and empirical market evidence (Brynjolfsson, Indeed). Mid-range scores do not mean the profession disappears — they mean its task profile transforms significantly.

Sources

1. Brynjolfsson, Chandar, Chen — "Canaries in the Coal Mine" (Stanford / NBER, November 2025)
   Analysis of ADP employment data covering early-career workers (ages 22–25) across ~25 M US employees. Documents a 16% employment drop for young programmers after ChatGPT — the first large empirical signal that GenAI lowers entry-level demand in highly exposed occupations. Full report.
2. Handa et al. — "Which Economic Tasks are Performed with AI?" (Anthropic, 2024)
   Analysis of ~4 M anonymised Claude conversations mapped onto ~17 K tasks in the O*NET taxonomy. Reveals which specific tasks are performed with AI and the share of automation vs augmentation. Full report.
3. Anthropic Economic Index Report — economic primitives (Anthropic, January 2026)
   Updated extension of the above, classifying tasks into four "economic primitives" (task automation, task augmentation, task upskilling, learning) and quantifying each share in AI usage. Full report.
4. Johnston, Makridis — "AI, Output, and Employment" (UT Austin / ASU, March 2026)
   Firm-level panel analysis showing that a 1 standard-deviation increase in industry AI exposure is associated with ~7% higher operating output and ~4% higher employment. Strong evidence for the augmentation rather than substitution scenario.
5. Indeed Hiring Lab — January 2026 US Labor Market Update
   Monthly US job-posting data with detailed segmentation (occupation category, AI mentions in posting text). Source for the +134% growth in AI-mentioning postings vs +6% market baseline. Full report.
6. IMF Staff Discussion Note 2026/001 — "Bridging Skill Gaps for the Future" (International Monetary Fund)
   Global forecast of skill gaps and wage premia for AI competencies across public and private sectors through 2030. Source for the ~15–30% pay premium for AI-skilled workers.
7. Gans, Goldfarb — "O-Ring Automation" (NBER w34639, January 2026)
   Theoretical model showing that in interdependent-task workflows, automating some tasks raises the value of the remaining ones ("O-Ring" effect). Explains why senior judgement, mediation and strategic decisions gain value as AI handles routine stages.
8. Hampole, Papanikolaou, Schmidt, Seegmiller — "AI and the Labor Market" (Yale / Kellogg / MIT, September 2025)
   Analysis of within-occupation exposure concentration. Shows that occupations with high concentration (few highly exposed tasks) cope with AI better than those with uniformly high exposure across all tasks.
9. del Rio-Chanona et al. — "AI and jobs: A review" (UCL / ILO, September 2025)
   Methodological review of a four-dimensional classification of occupational AI resilience (context-dependence, physicality, decisions under uncertainty, regulatory frameworks).
10. Hui, Reshef, Zhou — "Short-Term Effects of GenAI on Employment" (Upwork study, July 2023)
    First published quantitative analysis of ChatGPT's impact on the freelance market. ~20–30% drop in orders and ~5–10% drop in rates for copywriting, translation and graphics — an early warning sign for creative occupations.

Limitations

The analysis draws on research from November 2025 – March 2026 and reflects market conditions in that window. Programme-specific scores are tuned to the Polish market (universities, employers, regulations), but global figures are typically extrapolated from US / EU data. Nominal numbers (e.g. employment drops) should be treated as orientation points, not forecasts. The section is updated as new research becomes available.

Last updated: 11 May 2026.

Методологія — аналіз впливу ШІ на ринок праці

Розширений аналіз впливу ШІ для кожного напряму спирається на фіксований набір десяти джерел — рецензованих досліджень, звітів міжнародних установ та статистики ринку праці за 2023–2026 роки. Кожна конкретна цифра (скорочення зайнятості, економія часу, динаміка вакансій) прив'язана до одного з нижче наведених джерел.

Як читати розділ «Розширений аналіз»

Розділ містить п'ять підрозділів, що описують вплив ШІ на конкретну професію:

• Ситуація для свіжих випускників — чи знижує ШІ попит на entry-level.
• Автоматизація vs підтримка праці — які завдання замінюються, а які підсилюються.
• Зростання продуктивності — конкретні цифри — задокументована економія часу.
• Сигнали з ринку вакансій — динаміка вакансій та вимог до компетенцій.
• Еволюція завдань у межах професії — як виглядатиме щоденна робота у 2030 р.

Класифікація ризику (0–100) поєднує експериментальні метрики автоматизації (Anthropic Tasks) та емпіричні спостереження ринку (Brynjolfsson, Indeed). Середні значення не означають «зникнення професії», а лише значну трансформацію профілю завдань.

Джерела

1. Бриньольфссон, Чандар, Чен — «Canaries in the Coal Mine» (Stanford / NBER, листопад 2025)
   Аналіз даних ADP щодо зайнятості працівників на початку кар'єри (22–25 років) на основі ~25 млн працівників у США. Документує 16-відсоткове падіння зайнятості молодих програмістів після появи ChatGPT — перший масштабний емпіричний сигнал, що GenAI знижує попит на entry-level у високозалежних професіях. Повний звіт.
2. Ханда та ін. — «Which Economic Tasks are Performed with AI?» (Anthropic, 2024)
   Аналіз ~4 млн анонімізованих розмов з Claude, картованих на ~17 тис. завдань у класифікації O*NET. Показує, які саме завдання виконуються за допомогою ШІ та яка частка автоматизації vs підтримки. Повний звіт.
3. Anthropic Economic Index Report — economic primitives (Anthropic, січень 2026)
   Розширене продовження вищезгаданого дослідження, що класифікує завдання на чотири «економічні примітиви» (task automation, task augmentation, task upskilling, learning) і кількісно вимірює частку кожного у використанні ШІ. Повний звіт.
4. Джонстон, Макрідіс — «AI, Output, and Employment» (UT Austin / ASU, березень 2026)
   Панельний аналіз компаній: збільшення галузевої експозиції до ШІ на 1 стандартне відхилення пов'язане з ~7% вищим операційним результатом і ~4% вищою зайнятістю. Сильний аргумент на користь сценарію підсилення, а не заміщення.
5. Indeed Hiring Lab — Огляд ринку праці США, січень 2026
   Щомісячні дані про вакансії в США з найдетальнішою доступною сегментацією (категорія професії, згадки про ШІ в тексті оголошення). Джерело даних про +134% зростання вакансій зі згадкою ШІ vs +6% базового зростання ринку. Повний звіт.
6. IMF Staff Discussion Note 2026/001 — «Bridging Skill Gaps for the Future» (Міжнародний валютний фонд)
   Глобальний прогноз дефіциту компетенцій та премій за навички ШІ в державному та приватному секторах до 2030 року. Джерело даних про премію ~15–30% за компетенції ШІ.
7. Ґанс, Ґолдфарб — «O-Ring Automation» (NBER w34639, січень 2026)
   Теоретична модель, що показує: у workflow зі взаємозалежними завданнями автоматизація одних завдань підвищує цінність інших (ефект «O-Ring»). Пояснює, чому судження сеньйорів, медіація та стратегічні рішення зростають у ціні, коли ШІ перебирає рутинні етапи.
8. Хемполе, Папаніколау, Шмідт, Зеґміллер — «AI and the Labor Market» (Yale / Kellogg / MIT, вересень 2025)
   Аналіз концентрації експозиції до ШІ всередині професій. Показує, що професії з високою концентрацією (мало завдань із сильною експозицією) краще переносять ШІ, ніж ті з рівномірно високою експозицією.
9. дель Ріо-Чанона та ін. — «AI and jobs: A review» (UCL / ILO, вересень 2025)
   Методологічний огляд чотиривимірної класифікації стійкості професій до ШІ (контекстозалежність, фізичність, рішення в умовах невизначеності, регуляторні рамки).
10. Хуі, Решеф, Чжоу — «Short-Term Effects of GenAI on Employment» (дослідження Upwork, липень 2023)
    Перший опублікований кількісний аналіз впливу ChatGPT на ринок фрілансу. Падіння кількості замовлень на ~20–30% і ставок на ~5–10% для копірайтингу, перекладу та графіки — ранній попереджувальний сигнал для творчих професій.

Обмеження

Аналіз спирається на дослідження за період листопад 2025 – березень 2026 рр. і відображає стан ринку в цьому вікні. Оцінки для конкретних напрямів адаптовано до польського ринку (університети, роботодавці, регулювання), однак глобальні цифри зазвичай екстраполюються з даних США / ЄС. Номінальні значення (наприклад, скорочення зайнятості) слід трактувати як орієнтири, а не прогнози. Розділ оновлюється з появою нових досліджень.

Останнє оновлення: 11 травня 2026 р.