Jeszcze w 2015 roku sztuczna inteligencja kojarzyła się głównie z algorytmami rekomendacji, prostymi chatbotami i systemami rozpoznawania obrazów. W większości firm AI była dodatkiem do istniejących procesów, a nie ich rdzeniem. Od tego czasu nastąpił skok, który pod względem wpływu na rynek pracy można porównać do połączenia rewolucji komputerowej z narodzinami internetu – tylko że upchnięty w znacznie krótszym czasie.
Przełomem okazały się dojrzałe modele językowe (LLM), które nie tylko „rozumieją” tekst, ale potrafią go generować, streszczać, tłumaczyć i łączyć informacje z wielu źródeł. Do tego doszła wizja komputerowa, rozpoznawanie mowy oraz robotyka współpracująca (cobots), które razem tworzą fundament automatyzacji zadań poznawczych, a nie tylko fizycznych.
Różnica w porównaniu z poprzednimi falami automatyzacji jest prosta: roboty przemysłowe zabierały głównie pracę fizyczną, a komputery – pracę związaną z liczeniem i przechowywaniem danych. Obecne systemy AI wchodzą w obszary, które długo uznawano za bezpieczne: obsługa klienta, prosta analiza tekstu, tworzenie treści, wsparcie decyzji menedżerskich.
OECD i Światowe Forum Ekonomiczne szacują, że w perspektywie kilkunastu lat kilkadziesiąt procent zadań wykonywanych dziś przez ludzi będzie mogło zostać w dużym stopniu zautomatyzowanych. Nie oznacza to automatycznego zniknięcia tylu samych etatów, ale zapowiada silne przesunięcia – zarówno w strukturze zawodów, jak i w wymaganych kompetencjach.
Co zmienia się w technologiach po 2025 roku
Po 2025 roku następuje wejście w fazę dojrzewania narzędzi, które dziś wiele osób traktuje jako „ciekawostkę”. Modele językowe i narzędzia generatywne są integrowane bezpośrednio z systemami ERP, CRM, pakietami biurowymi, oprogramowaniem księgowym i platformami do zarządzania produkcją. Zamiast korzystać z wielu osobnych aplikacji, pracownik będzie rozmawiać z jednym „warstwowym asystentem”, który sam połączy dane z różnych źródeł.
Rozwój nie polega już tylko na tym, że AI lepiej „gada”. Kluczowe staje się połączenie trzech obszarów:
AI językowej – rozumienie i generowanie tekstu, mowy, kodu, dokumentów.
Robotyki współpracującej – maszyny, które mogą pracować obok ludzi bez skomplikowanych barier bezpieczeństwa.
Takie połączenie pozwala automatyzować całe fragmenty procesów biznesowych, a nie tylko pojedyncze etapy. System nie tylko odczyta fakturę, ale ją zaksięguje, porówna z umową, zgłosi niezgodność, a w prostych przypadkach sam wyśle zapytanie do dostawcy. W logistyce AI nie tylko planuje trasy, ale też steruje autonomicznymi wózkami, nadzoruje stany magazynowe i prognozuje popyt.
Duże firmy technologiczne inwestują nie w pojedyncze „gadżety AI”, ale w całe platformy do automatyzacji procesów. Do 2035 roku wiele z nich stanie się standardem – tak jak dziś standardem są maile czy arkusze kalkulacyjne. Z perspektywy pracownika oznacza to, że AI przestaje być opcjonalnym dodatkiem i staje się czymś, co po prostu „jest wszędzie w tle”.
Dlaczego 10 lat to dziś cała epoka
Na przełomie XX i XXI wieku firmy miały dekady, aby stopniowo wprowadzać komputery, a później internet. Aktualne tempo rozwoju AI sprawia, że 10 lat to okres, w którym mogą się całkowicie zmienić narzędzia pracy w większości branż. Model, który dziś wydaje się przełomowy, za 3–4 lata bywa już technologicznym „średniakiem”.
Ten cykl skraca też czas życia kompetencji. Wiedza narzędziowa dezaktualizuje się szybciej, natomiast rośnie znaczenie umiejętności uczenia się, łączenia obszarów i adaptacji. Osoba, która w 2025 roku ma 30 lat, w 2035 będzie w środku zawodowego życia – to, jak poradzi sobie z adaptacją do AI, może zaważyć na całej dalszej karierze.
Rok 2035 można traktować jako moment, w którym:
obecne eksperymenty z AI staną się normalną infrastrukturą pracy,
wiele zawodów osiągnie wysoki poziom nasycenia automatyzacją,
zobaczymy pełne skutki dzisiejszych decyzji firm, rządów i systemów edukacji.
Nie chodzi o to, że dokładnie w 2035 roku „coś się wydarzy”. To raczej logiczny punkt, w którym dzisiejsze trendy dojrzeją i pokażą pełne konsekwencje dla rynku pracy, płac oraz bezpieczeństwa zatrudnienia w różnych grupach zawodowych.
Źródło: Pexels | Autor: Markus Winkler
Jak AI zmienia pracę już teraz – punkt wyjścia
Przykłady z biura, fabryki i usług
Aby zrozumieć, jak AI może zmienić rynek pracy do 2035 roku, wystarczy przyjrzeć się temu, co już dzieje się w zwykłych firmach. W biurach narzędzia AI pomagają w tworzeniu raportów, maili, prezentacji, prostych analiz. W fabrykach systemy wizyjne kontrolują jakość produktów, przewidują awarie maszyn i planują przestoje. W usługach – od e‑commerce po gastronomię – AI stoi za rekomendacjami, cenami dynamicznymi, chatbotami obsługującymi klientów.
Przykład z małego biura rachunkowego: jeszcze kilka lat temu praktykant zajmował się głównie ręcznym wprowadzaniem faktur do systemu. Dziś większość faktur jest rozpoznawana automatycznie, system proponuje dekretację, a rola młodszego pracownika przesuwa się w stronę sprawdzania wyjątków, komunikacji z klientem, pilnowania terminów. Jeden doświadczony księgowy może dzięki AI obsłużyć znacznie więcej klientów – a to zmienia zapotrzebowanie na stanowiska juniorskie.
W produkcji podobne przesunięcie dotknęło kontrolerów jakości. Kamery połączone z AI potrafią wykrywać wady produktów na liniach produkcyjnych, a system natychmiast sygnalizuje konieczność poprawy parametrów. Kontroler przestaje patrzeć na każdy produkt osobno, a zaczyna nadzorować cały system, interpretować dane i współpracować z inżynierami procesu.
Co ludzie realnie robią inaczej dzięki AI
Zmiana nie polega tylko na tym, że część zadań znika. Bardzo często te same osoby zaczynają wykonywać swoją pracę inaczej. Księgowy, który korzysta z automatycznego rozpoznawania dokumentów, może więcej czasu poświęcić na doradztwo podatkowe. Rekruter, który ma AI do selekcji CV, więcej energii wkłada w rozmowy z kandydatami i budowanie marki pracodawcy.
Typowe zmiany w codziennej pracy, które już widać:
zastąpienie pisania „od zera” – korzystaniem z wersji roboczych generowanych przez AI i ich redagowaniem,
mniej manualnego kopiowania danych, więcej pracy na pulpitach nawigacyjnych i alertach,
przekierowanie prostych pytań klientów do chatbotów, a ludzi – do bardziej złożonych spraw,
więcej pracy asynchronicznej, bo AI może analizować dokumenty i dane w tle i dostarczać wyniki o dowolnej porze.
Wiele osób nie zauważa nawet, jak często korzysta z AI. Podpowiedzi w edytorze tekstu, automatyczne tłumaczenia, inteligentne filtry w skrzynkach mailowych, systemy CRM sugerujące kolejne kroki sprzedaży – to już nie „magia”, tylko codzienność, która zalewa rutynowe czynności.
AI jako pomocnik a AI jako zastępca człowieka
Różnica między AI jako wsparciem a AI jako substytutem jest kluczowa dla oceny ryzyka zawodowego. Dopóki narzędzie zwiększa produktywność pracownika, firma ma interes w tym, aby zachować ludzi i dać im lepsze narzędzia. Problem zaczyna się, gdy AI jest w stanie wykonać pełen zakres zadań z konkretnego stanowiska z wystarczającą jakością, w niższym koszcie.
Obecnie w wielu zawodach biurowych AI pełni głównie funkcję asystenta – przyspiesza pisanie, pomaga w analizie danych, ale to człowiek podejmuje decyzje, podpisuje dokumenty, odpowiada za relacje. W podstawowej obsłudze klienta czy prostym wprowadzaniu danych AI coraz częściej staje się jednak zastępcą. Chatbot nie potrzebuje przerwy, nie bierze urlopu, a jego koszt – przy dużej skali – jest znacznie niższy od kosztu zespołu konsultantów.
Pierwsze przesunięcia widać w strukturze zatrudnienia: mniej etatów na prostych stanowiskach, więcej ról związanych z konfiguracją, nadzorowaniem i rozwijaniem systemów AI. Problem w tym, że te nowe role wymagają innych kompetencji i doświadczenia – nie zawsze są dostępne dla osób, których dotyczy automatyzacja.
Wczesne sygnały przesunięć etatów
Firmy rzadko komunikują decyzje wprost jako „zastępujemy ludzi AI”. Zazwyczaj proces przebiega bardziej miękko:
wygaszanie rekrutacji na stanowiska juniorów i stażystów,
naturalne odejścia osób zbliżających się do emerytury bez zatrudniania następców,
łączenie dwóch–trzech prostszych ról w jedno, bardziej złożone stanowisko,
przenoszenie części zadań do centrów usług wspólnych wspieranych przez AI.
Osoba pracująca „na linii frontu” widzi, że przy tej samej liczbie klientów zatrudnionych jest mniej ludzi. Zmienia się też rozkład kompetencji: rośnie popyt na tych, którzy potrafią pracować z danymi, systemami oraz tłumaczyć technologię na język biznesu. Do 2035 roku ten trend prawdopodobnie obejmie większość sektorów gospodarki.
Mechanizmy, przez które AI wypiera lub przekształca zawody
Automatyzacja zadań vs. automatyzacja całych zawodów
Popularny błąd w myśleniu o automatyzacji polega na tym, że mówi się: „AI zabierze pracę księgowym” lub „AI zastąpi nauczycieli”. W praktyce proces jest znacznie subtelniejszy. Automatyzowane są najpierw pojedyncze zadania, a dopiero z czasem ich suma może „wykroić” znaczącą część danego zawodu.
Każdy zawód składa się z miksu różnych aktywności: analizy, komunikacji, manualnych czynności, organizacji, kreatywności, empatii. AI lepiej radzi sobie z zadaniami, które są:
powtarzalne,
dobrze opisane instrukcjami,
oparte na danych cyfrowych,
łatwe do oceny pod kątem „poprawności”.
Dlatego zamiast pytać, czy zawód zostanie zautomatyzowany, rozsądniej zadać pytanie: jaki procent zadań w tym zawodzie może przejąć AI do 2035 roku? Jeśli to 20–30%, zawód się przekształci. Jeśli 70–80% – pojawia się wysokie ryzyko zaniku wielu etatów, zwłaszcza tych o niższej specjalizacji.
Kiedy firma decyduje się zastąpić człowieka maszyną
Z perspektywy organizacji decyzja o zastąpieniu człowieka AI rzadko jest ideologicznym wyborem. To przeważnie chłodna kalkulacja związana z trzema „K”: koszt, czas, jakość.
Koszt – jeśli automatyzacja jest tańsza niż praca ludzi, a jednorazowa inwestycja zwraca się w akceptowalnym czasie, zarząd zaczyna traktować ją poważnie. Szczególnie przy prostych zadaniach, gdzie trudno jest uzasadnić wysokie wynagrodzenie.
Czas – AI może działac 24/7, reagować w sekundach, obsłużyć dużą liczbę klientów równolegle. W branżach, w których czas odpowiedzi przekłada się bezpośrednio na przychody (e‑commerce, fintech, logistyka), przewaga jest oczywista.
Jakość i powtarzalność – tam, gdzie konieczna jest spójność i brak błędów w dużej skali (fakturowanie, raportowanie, kontrola jakości), AI i automatyzacja potrafią osiągnąć lepszą stabilność niż zmęczony człowiek.
Na tempo wdrażania wpływają także czynniki mniej oczywiste: regulacje prawne (np. wymóg decyzji człowieka przy przyznawaniu kredytu), ryzyko reputacyjne (obawa przed kryzysem wizerunkowym po „wtopie” AI) oraz kultura organizacyjna (firma nastawiona na innowacje zaryzykuje wcześniej niż zachowawcza).
W efekcie różne branże będą się automatyzować w odmiennym tempie. Bankowość detaliczna, centra obsługi klienta i proste usługi biurowe przyspieszą. Zawody regulowane, o wysokiej odpowiedzialności prawnej – będą szły wolniej, ale i tam AI z każdym rokiem będzie „podgryzać” kolejne zadania.
Efekt domina w procesach biznesowych
Automatyzacja rzadko dotyka pojedynczego stanowiska w izolacji. Gdy firma zautomatyzuje raportowanie, zmniejsza się potrzeba ręcznego zbierania danych. Gdy AI przejmie podstawową obsługę klienta, spada liczba zapytań kierowanych do specjalistów pierwszej linii. Tak powstaje efekt domina, który po kilku latach całkowicie zmienia mapę zatrudnienia.
Przykładowy łańcuch w dużej korporacji:
Jak automatyzacja przemieszcza pracę między działami
Gdy jeden fragment procesu zostaje zautomatyzowany, praca rzadko „znika” w całości. Często przesuwa się do innego działu albo zmienia charakter. To ten moment, gdy ktoś mówi: „pracuję w tej samej firmie, ale mój dzień wygląda zupełnie inaczej niż pięć lat temu”.
Kontynuując przykład z dużej korporacji, łańcuch może wyglądać tak:
dział sprzedaży pracuje w CRM z wbudowaną AI, która automatycznie uzupełnia dane z maili i rozmów,
to zmniejsza liczbę zadań w administracji sprzedaży, bo znika ręczne przepisywanie danych,
raporty sprzedażowe generują się same, więc dział controllingu finansowego spędza mniej czasu na „sklejaniu” Excela, a więcej na interpretacji danych,
IT i zespół data science mają więcej pracy przy integracji systemów, budowie modeli i utrzymaniu jakości danych wejściowych.
Kosztowo dla firmy to często korzyść. Dla pracowników – mieszanka szans i napięcia. Część osób dostaje ciekawsze, bardziej analityczne zadania; inni widzą, że ich rola się „kurczy”. Taki efekt domina widać już dziś w centrach usług wspólnych, bankach, dużych sieciach handlowych – do 2035 roku będzie on normą także w mniejszych firmach.
Dlaczego niektóre zawody znikają szybciej niż inne
To, czy zawód jest „pierwszy w kolejce” do automatyzacji, zależy od kilku cech. Nie chodzi wyłącznie o poziom wykształcenia. Bardzo specjalistyczne zawody też mogą być mocno zagrożone, jeśli ich trzon to powtarzalna praca na danych.
Kluczowe pytania diagnostyczne brzmią:
czy większość zadań da się opisać procedurami i scenariuszami „jeśli–to”,
czy dane wejściowe są cyfrowe i ustrukturyzowane (formularze, pliki, nagrania),
czy istnieje obiektywny sposób oceny poprawności wyniku (zgodność z przepisami, kalkulacja, kompletność),
czy kontakt z klientem wymaga głębszych relacji, czy raczej krótkich, prostych interakcji.
Im więcej odpowiedzi „tak”, tym większa szansa, że do 2035 roku znaczna część pracy w danym zawodzie przejdzie do maszyn. Zawody wymagające łączenia wiedzy z kilku dziedzin, pracy w nieprzewidywalnym środowisku, budowania zaufania w relacjach – przesuną się raczej w stronę współpracy z AI niż zastąpienia.
Źródło: Pexels | Autor: ThisIsEngineering
Zawody najbardziej zagrożone do 2035 roku – kto zniknie pierwszy
Prosta obsługa klienta i call center pierwszej linii
Już dziś wielu z nas woli napisać na czacie niż dzwonić na infolinię. Do 2035 roku w większości branż prosta obsługa klienta będzie domeną botów i asystentów głosowych. Mowa o stanowiskach, gdzie:
schemat rozmów jest powtarzalny (status przesyłki, zmiana danych, proste reklamacje),
konsultant korzysta głównie z kilku ekranów systemu i gotowych skryptów,
jakość obsługi mierzy się czasem połączenia i liczbą „odhaczonych” spraw.
Modele językowe są w stanie prowadzić konwersację w wielu językach, rozumieć kontekst, a nawet wychwytywać emocje w głosie. Firmie łatwo policzyć: jeden dobrze wdrożony system może zastąpić dziesiątki etatów w call center pierwszej linii.
Co się dzieje z ludźmi z tych zespołów? W części firm powstają role „drugiej linii” – do bardziej złożonych przypadków, reklamacji wymagających negocjacji, problemów prawnych. Część osób przechodzi do sprzedaży lub obsługi VIP-ów, gdzie liczy się relacja. Ale liczba miejsc pracy ogółem spada, szczególnie w dużych, masowych infoliniach.
Pracownicy wprowadzający dane i proste role back-office
Stanowiska typu „wprowadzanie danych”, „pracownik ds. digitalizacji dokumentów”, „rejestrator zleceń” są na pierwszej linii ognia. AI radzi sobie świetnie z:
mapowaniem pól z różnych formularzy do jednego systemu,
wyłapywaniem braków i rozbieżności w danych.
W efekcie działy, które kiedyś potrzebowały kilkunastu osób do „klikania w system”, są w stanie obsłużyć ten sam wolumen pracy kilkoma specjalistami ds. procesów i jakości danych. To mocno uderza w rynek pracy dla osób bez doświadczenia, które wcześniej zaczynały karierę od takich prostszych ról.
Proste prace biurowe w administracji
Asystenci biurowi, sekretariaty zajmujące się głównie obiegiem dokumentów i kalendarzy, podstawowe wsparcie administracyjne – tutaj także rośnie presja automatyzacji. Systemy potrafią:
samodzielnie rezerwować sale, ustalać terminy spotkań i przypominać o zadaniach,
kategoryzować i przekazywać maile do właściwych osób,
przygotowywać szablony pism, umów, protokołów.
W małych firmach część obowiązków asystenckich jest przejmowana przez szefów wyposażonych w cyfrowych asystentów. W większych organizacjach zostają głównie role koordynacyjne: osoba, która łączy wiele działów, ogarnia logistykę wydarzeń, czuwa nad komunikacją. Rutynowe „papierkowe” zadania odchodzą w tle.
Podstawowa księgowość i rozliczenia masowe
Nie chodzi o likwidację całej księgowości, ale o mocne skurczenie się prostych stanowisk:
księgowanie standardowych dokumentów,
uzgadnianie wyciągów bankowych,
generowanie deklaracji podatkowych na podstawie powtarzalnych schematów.
Systemy księgowe z AI potrafią już teraz sugerować dekretację, wyłapywać błędy, pilnować limitów i terminów. Do 2035 roku większość małych firm będzie korzystać z rozliczeń „prawie automatycznych”, gdzie księgowy pełni funkcję nadzorczą i doradczą. Biura rachunkowe, które opierały się na taniej pracy juniorsów, będą potrzebować mniej osób – za to o wyższych kwalifikacjach.
Proste tłumaczenia i część usług językowych
Automatyczne tłumaczenia przeszły drogę od anegdotycznych „kwiatków” do narzędzi, które spokojnie ogarniają dokumentację techniczną, komunikację wewnętrzną czy prostą korespondencję biznesową. Najbardziej zagrożone są:
tłumaczenia standardowych tekstów (instrukcje, regulaminy, maile),
napisy do treści wideo w popularnych językach,
proste korekty językowe bez głębszej redakcji.
Tłumacze, którzy zajmują się tylko przekładem słowo w słowo, będą mieć coraz mniej zleceń. Wzrośnie rola ekspertów od lokalizacji (dopasowanie treści do kultury), redaktorów nadających tekstom styl i tonu marki oraz specjalistów od języka w niszowych dziedzinach, gdzie liczy się terminologia i zrozumienie kontekstu biznesowego lub prawnego.
Prace magazynowe i prosta logistyka wewnętrzna
Magazyny już dziś pełne są skanerów, sorterów, przenośników. AI dokładana do tego miksu sprawia, że część zadań wykonywanych przez ludzi staje się zbędna. Szczególnie narażone są role, w których:
pracownik przemieszcza się po ściśle określonych ścieżkach,
zadania polegają na prostym przenoszeniu, pakowaniu, skanowaniu,
organizacja magazynu jest stosunkowo stabilna (centra e‑commerce, duże hurtownie).
Roboty mobilne (AGV, AMR) połączone z systemami zarządzania magazynem potrafią zoptymalizować trasy, zmniejszyć liczbę błędów i przyspieszyć kompletację zamówień. Człowiek bywa potrzebny głównie tam, gdzie produkty są niestandardowe lub wymagają szczególnej ostrożności. Do 2035 roku część magazynów stanie się w dużej mierze autonomiczna, szczególnie w krajach o wysokich kosztach pracy.
Podstawowe prace analityczne i raportowanie
Rola „analityka Excela”, który głównie łączy tabele, robi wykresy i wysyła cykliczne raporty, będzie jedną z najmocniej przekształconych. Nowe narzędzia są w stanie:
samodzielnie generować dashboardy z wielu źródeł,
odpowiadać na pytania w języku naturalnym typu „pokaż sprzedaż według regionów za ostatni kwartał”,
proponować wnioski i alerty – np. „spadek sprzedaży w regionie X o Y%”.
Jeśli praca analityka sprowadza się do „obróbki danych na czyjeś zlecenie”, jest duża szansa, że większość tych zadań przejmie AI. Zostanie przestrzeń dla osób, które potrafią zrozumieć biznes, zakwestionować dane, zaproponować inne spojrzenie – ale to już inny profil kompetencji niż klasyczne „BI junior”.
Zawody częściowo zagrożone – gdzie AI „odgryzie” tylko część zadań
Prawnicy i specjaliści ds. compliance
Prawnicy często słyszą, że ich zawód jest „bezpieczny”, bo wymaga wiedzy eksperckiej. To tylko część obrazu. Ogrom pracy w kancelariach i działach prawnych to:
wyszukiwanie orzecznictwa i przepisów,
porównywanie umów i identyfikacja ryzyk,
przygotowywanie standardowych wzorów dokumentów.
Systemy oparte na AI już potrafią odciążyć w tych obszarach. Do 2035 roku standardem będzie, że młodszy prawnik zaczyna pracę nie od „researchu od zera”, ale od analizy tego, co podsunie mu system. Oznacza to, że:
czas potrzebny na przygotowanie dokumentów skróci się radykalnie,
zapotrzebowanie na dużą liczbę juniorów w kancelariach spadnie,
większe znaczenie zyskają umiejętności negocjacyjne, rozumienie biznesu klienta, praca strategiczna.
Zawód prawnika nie zniknie, ale rozwarstwi się. Wzrośnie rola wyspecjalizowanych ekspertów i doradców, za to mniej będzie „ludzi od kwerend”. Osoba planująca karierę w prawie będzie musiała liczyć się z tym, że proste zadania, na których kiedyś uczono się rzemiosła, przejmie technologia.
HR, rekrutacja i kadry
W obszarze HR automatyzacja dotknie przede wszystkim zadań operacyjnych:
selekcja CV według kryteriów,
odpowiadanie na powtarzalne pytania kandydatów i pracowników (urlopy, benefity),
tworzenie standardowych ogłoszeń o pracę, umów i aneksów.
Wiele firm wdraża już systemy, które same budują krótką listę kandydatów, bazując na wymaganiach roli i historii zatrudnień. Dla rekruterów oznacza to mniej ręcznego przeglądania aplikacji, a więcej czasu na rozmowy z wybranymi osobami i pracę nad marką pracodawcy.
Rola HR przesunie się z „obsługi papieru” w stronę partnera biznesowego. Ale jeśli ktoś w HR zajmuje się wyłącznie administracją kadrową lub prostą rekrutacją masową, część jego obowiązków przejmą systemy – i znów ucierpi szczególnie poziom entry-level.
Marketing i tworzenie treści
Generowanie tekstów, grafik, prostych wideo – to obszary, gdzie AI robi ogromny skok. W agencjach marketingowych i działach komunikacji zmienia się proporcja między „tworzeniem od zera” a redagowaniem i wybieraniem najlepszych wersji wygenerowanych przez narzędzia.
AI świetnie radzi sobie z:
tworzeniem wariantów nagłówków, postów, maili,
dostosowywaniem treści do różnych kanałów (social media, newsletter, strona),
propozycjami prostych kreacji graficznych czy układów landing page.
Za to wciąż trudno jej zastąpić:
dogłębne zrozumienie marki i jej „głosu”,
strategię komunikacji w dłuższym horyzoncie,
tworzenie treści naprawdę oryginalnych, opartych na doświadczeniu firmy.
W praktyce: junior copywriter, który kiedyś tygodniami uczył się pisania prostych postów, teraz będzie musiał stać się raczej redaktorem i kuratorem treści generowanych przez AI. Liczyć się będzie umiejętność krytycznej oceny, dopracowania tekstu, sprawdzenia faktów. Ci, którzy zatrzymają się na poziomie „wklejam to, co wyszło z generatora”, będą najmocniej narażeni.
Nauczyciele, trenerzy i edukatorzy
Platformy edukacyjne z AI już teraz potrafią:
dostosować tempo i poziom trudności materiału do ucznia,
generować zadania, testy i wyjaśnienia „na żądanie”,
śledzić postępy w czasie rzeczywistym i sygnalizować problemy.
Nie oznacza to zniknięcia nauczycieli, lecz mocne przedefiniowanie roli. AI może przejąć:
tłumaczenie podstawowych zagadnień w nieskończonej liczbie wariantów,
Specjaliści od obsługi klienta i sprzedaży
Chatboty, voiceboty i systemy „self-service” biorą na siebie znaczną część pierwszej linii kontaktu. Do 2035 roku większość prostych zapytań klientów – status przesyłki, zmiana danych, reset hasła, podstawowe informacje o ofercie – obsłużą automaty. Zmieni to strukturę ról w działach obsługi i sprzedaży.
AI stopniowo przejmie:
odpowiadanie na powtarzalne pytania według scenariusza,
podpowiadanie ofert na podstawie historii transakcji,
wprowadzanie danych do systemu po rozmowie/korespondencji.
Człowiek zostanie tam, gdzie pojawia się emocja, konflikt interesów, potrzeba wyjaśnienia zawiłej sytuacji. Rosnąć będzie zapotrzebowanie na role typu opiekun kluczowych klientów, konsultant rozwiązywania sporów czy sprzedawca‑doradca, który potrafi przeprowadzić klienta przez złożony proces decyzyjny.
Dla wielu osób z call center oznacza to konieczność przeskoku z „czytania skryptu” do realnej pracy doradczej. Nie chodzi o perfekcyjną znajomość psychologii sprzedaży, tylko o rozwijanie miękkich umiejętności: słuchania, zadawania pytań, budowania zaufania. Kto zostanie przy biernym „odbieraniu telefonów”, będzie wypierany przez systemy automatyczne.
Menedżerowie średniego szczebla i koordynatorzy
AI wchodzi coraz mocniej w obszar planowania, monitorowania i raportowania pracy zespołów. Wiele zadań, które dziś wypełniają kalendarze menedżerów, da się zautomatyzować lub przynajmniej mocno uprościć:
tworzenie harmonogramów i grafików,
przypisywanie zadań do osób na podstawie obciążenia i kompetencji,
monitorowanie postępów i generowanie raportów dla zarządu.
To oznacza, że rola „menedżera‑excelowca”, który głównie robi plany i pilnuje wskaźników, będzie maleć. Potrzebni będą liderzy, którzy:
potrafią w jasny sposób komunikować cele i priorytety,
dbają o rozwój ludzi i atmosferę w zespole,
radzą sobie z konfliktem, niepewnością, zmianą kierunku.
Dla wielu osób to dobra wiadomość – mniej „papierologii”, więcej prawdziwego przywództwa. Z drugiej strony, jeśli ktoś awansował głównie za techniczne ogarnianie raportów i procedur, presja na rozwój kompetencji miękkich będzie realna. AI pomoże policzyć, ale nie załatwi rozmowy z pracownikiem, który jest na skraju wypalenia.
Architekci, projektanci i inżynierowie
Zaawansowane narzędzia projektowe z modułami AI coraz lepiej wspierają proces tworzenia koncepcji budynków, produktów czy instalacji technicznych. Do 2035 roku standardem staną się systemy, które:
generują wiele wariantów projektu pod zadane parametry (koszt, materiały, energooszczędność),
automatycznie sprawdzają zgodność z normami i przepisami,
wykrywają kolizje i potencjalne problemy jeszcze przed wejściem na budowę czy produkcję.
Nie zniknie potrzeba projektowania, ale zmniejszy się zakres ręcznej pracy nad dokumentacją. Wzrastać będzie znaczenie kompetencji koncepcyjnych, zdolności do łączenia wymagań technicznych z potrzebami użytkowników i ograniczeniami biznesowymi. Osoba, która potrafi tylko „rysować według wytycznych”, będzie coraz mocniej wspierana – lub zastępowana – przez systemy generatywne.
Architekt czy konstruktor zyska za to rolę kuratora rozwiązań wygenerowanych przez AI. Zamiast tworzyć od zera dziesiątki wariantów, wybierze kilka sensownych, zinterpretuje skutki, omówi je z klientem i z zespołem wykonawczym. Presja na dobrą komunikację i zrozumienie szerszego kontekstu inwestycji będzie większa niż dziś.
Specjaliści IT i programiści
Wiele osób w IT zakładało, że to „zawód przyszłości”, odporny na automatyzację. Tymczasem narzędzia typu code assistant, generatory aplikacji low‑code/no‑code i systemy automatycznego testowania zmieniają sposób pracy zespołów developerskich.
AI już teraz skutecznie:
podpowiada fragmenty kodu i całe funkcje,
generuje testy jednostkowe i scenariusze testowe,
tłumaczy stary kod, pomaga w refaktoryzacji,
buduje proste aplikacje na podstawie opisu w języku naturalnym.
Nie chodzi więc o zniknięcie programistów, lecz o przesunięcie akcentów. Mniej czasu pójdzie na „klepanie” powtarzalnych fragmentów, więcej – na projektowanie architektury systemu, bezpieczeństwo, integrację wielu usług, a także współpracę z biznesem.
Zagrożone będą szczególnie:
role czysto implementacyjne na poziomie junior,
proste utrzymanie systemów bez potrzeby rozumienia szerszej architektury,
zadania typu „przepisz to API według specyfikacji” wykonywane seryjnie.
Osoba, która rozwija karierę w IT, będzie potrzebować silniejszego profilu „problem solvera”: rozumienia domeny, zadawania właściwych pytań, łączenia klocków. Sama znajomość składni języka czy frameworka stanie się mniej wyjątkowa, bo w tym AI jest coraz lepsza.
Specjaliści finansowi, controlling i analityka biznesowa
Systemy finansowo‑księgowe i narzędzia BI stają się coraz bardziej „konwersacyjne” – można zadać pytanie o wyniki w naturalnym języku, a AI przygotuje raport, zwizualizuje dane i zasugeruje pierwsze wnioski. W efekcie zmienia się rola osób, które dziś spędzają większość czasu na przygotowaniu cyklicznych zestawień.
Do 2035 roku standard w wielu firmach będzie wyglądał tak, że:
bieżące raporty są generowane automatycznie według ustalonych scenariuszy,
system sam wyłapuje odchylenia i generuje alerty,
proste prognozy bazujące na trendach tworzy AI.
To nie zabiera pracy wszystkim finansistom, ale mocno uderza w role, gdzie praca sprowadza się do „przerzucania” danych z systemu do prezentacji. Rosnąć będzie zapotrzebowanie na osoby, które potrafią:
zinterpretować wyniki w kontekście strategii firmy,
przełożyć liczby na konkretne rekomendacje działań,
rozmawiać z zarządem i menedżerami operacyjnymi jak partner, nie tylko „dostawca raportu”.
Dla części osób z controllingu oznacza to wyjście ze strefy komfortu: mniej bezpiecznej pracy w arkuszach, więcej rozmów, prezentacji i odpowiedzialności za proponowane rozwiązania. AI odciąża technicznie, ale wzmacnia oczekiwanie, że człowiek weźmie na siebie rolę decydenta lub współdecydenta.
Specjaliści medyczni i zawody około‑medyczne
Diagnostyka wspierana AI (analiza obrazów, sygnałów, wyników badań) już teraz osiąga w wielu obszarach wyniki porównywalne lub lepsze od człowieka. Do 2035 roku będzie to standard w większości systemów ochrony zdrowia. Zmieni to strukturę pracy lekarzy, techników i personelu pomocniczego.
AI najlepiej sprawdza się tam, gdzie:
jest dużo powtarzalnych danych (np. badania obrazowe, EKG, wyniki laboratoryjne),
potrzebne jest szybkie przesiewowe wykrywanie nieprawidłowości,
da się oprzeć decyzje na dużych zbiorach historycznych przypadków.
To oznacza częściową automatyzację zadań techników opisujących badania czy lekarzy wykonujących bardzo rutynowe analizy. Rola człowieka przesunie się w stronę:
integrowania wielu źródeł danych i całościowej oceny stanu pacjenta,
podejmowania decyzji w sytuacjach niejednoznacznych,
prowadzenia pacjenta – tłumaczenia, uspokajania, motywowania do leczenia.
Zawody takie jak pielęgniarka, fizjoterapeuta czy psychoterapeuta są dużo trudniejsze do zastąpienia, ale i tam pojawią się zmiany. Część edukacji zdrowotnej, monitoringu stanu pacjenta czy przypominania o lekach przejmą aplikacje i boty. Człowiek zostanie tam, gdzie chodzi o relację i pracę z emocjami – to obszar, w którym technologia jeszcze długo będzie tylko wsparciem.
Specjaliści ds. zakupów, logistyki i łańcucha dostaw
Planowanie dostaw, zarządzanie zapasami i negocjacje z dostawcami to kolejne obszary, gdzie AI ma duży potencjał. Systemy predykcyjne już teraz pomagają prognozować popyt, optymalizować poziomy magazynowe i sugerować najlepsze trasy dostaw. Do 2035 roku wiele decyzji operacyjnych będzie podejmowanych automatycznie w oparciu o dane.
Automatyzowane będą zwłaszcza:
zamówienia uzupełniające standardowe towary według ustalonych progów,
porównywanie ofert dostawców pod kątem ceny, terminu, jakości,
monitorowanie opóźnień i przekierowywanie transportów według algorytmów.
Specjaliści ds. zakupów, którzy ograniczają się do „wysyłania zapytań” i zliczania ofert, odczują presję jako pierwsi. Za to na znaczeniu zyskają umiejętności:
strategicznego budowania relacji z kluczowymi dostawcami,
projektowania całych łańcuchów dostaw pod kątem odporności na kryzysy.
W praktyce: system może zasugerować najtańszego dostawcę, ale nie oceni w pełni np. ryzyka związanego z koncentracją produkcji w jednym regionie świata. Tu wchodzi rola człowieka, który łączy dane z szerszym kontekstem i doświadczeniem branżowym.
Rolnicy, technicy i specjaliści od utrzymania ruchu
Choć rolnictwo i przemysł kojarzą się z „fizyczną” pracą, tam również AI zaczyna odgrywać coraz większą rolę. Systemy wspierające zarządzanie uprawami, hodowlą czy parkiem maszynowym analizują dane z czujników, satelitów, dronów, a następnie rekomendują konkretne działania.
Do 2035 roku powszechne stanie się:
precyzyjne nawożenie i nawadnianie sterowane algorytmami,
monitorowanie stanu maszyn z przewidywaniem awarii (predictive maintenance),
automatyczne planowanie przeglądów i zamawianie części zamiennych.
To nie usuwa zawodu rolnika czy mechanika z równania, ale zmienia ich profil. Coraz mniej będzie prostych zadań typu „sprawdź, czy ta maszyna nie przecieka”, a więcej – pracy z danymi, konfiguracją systemów i podejmowaniem decyzji na ich podstawie.
Osoba, która potrafi połączyć „złote ręce” z podstawową analityką i obsługą narzędzi cyfrowych, będzie bardzo ceniona. Natomiast najbardziej zagrożone są funkcje czysto rutynowe, w których praca sprowadza się do wykonywania tych samych czynności przeglądowych bez głębszej diagnozy.
Pracownicy administracji publicznej i urzędów
Cyfryzacja usług publicznych przyspiesza, a AI może ją dodatkowo rozpędzić. Coraz więcej spraw obywatel załatwi samodzielnie online, bez wizyty w urzędzie: rejestracja działalności, wnioski o świadczenia, meldunek czy zgłoszenia podatkowe.
AI pomoże w:
weryfikacji kompletności wniosków i dokumentów,
automatycznym przydzielaniu spraw do właściwych komórek,
odpowiadaniu na powtarzalne pytania obywateli.
To ograniczy zapotrzebowanie na czysto „biurowe” role, które dziś zajmują się wprowadzaniem danych, przekładaniem dokumentów między działami czy udzielaniem podstawowych informacji. Jednocześnie pojawi się więcej miejsca na:
projektowanie i usprawnianie procesów obsługi obywatela,
prace kontrolne i audytowe,
zadania wymagające interpretacji przepisów w nietypowych sytuacjach.
Dla części pracowników administracji to szansa na bardziej odpowiedzialną i ciekawą pracę, ale też wyzwanie: konieczność nauczenia się obsługi nowych systemów, myślenia procesowego i współpracy z obywatelami w bardziej partnerskim modelu.
Zawody kreatywne i twórcy kultury
Generatory obrazów, muzyki i tekstów spowodowały sporo niepokoju wśród grafików, ilustratorów, muzyków czy twórców treści. Do 2035 roku te narzędzia staną się jeszcze lepsze, szybsze i tańsze, co mocno uderzy w segment prostych, masowych zleceń.
Najbardziej zagrożone są obszary, w których klient oczekuje „czegoś ładnego, szybko i tanio”:
proste grafiki do social mediów i kampanii masowych,
szablonowe teksty reklamowe, opisy produktów, proste scenariusze.
Twórcy, którzy skupiają się wyłącznie na takim typie pracy, zobaczą dużą presję cenową i konkurencję ze strony klientów korzystających samodzielnie z AI. Z drugiej strony rosnąć będzie popyt na:
