Co opublikowano dzisiaj
Erik Brynjolfsson, Bharat Chandar i Ruyu Chen ze Stanford Digital Economy Lab zrewidowali dziś „Canaries in the Coal Mine?”, rozszerzając badanie do czerwca 2026 na administracyjnych danych płacowych ADP, obejmujących miliony amerykańskich pracowników.
Zatrudnienie 22-25-latków w zawodach eksponowanych na AI leży teraz 19% poniżej poziomu, na którym byłoby, gdyby dotrzymywało kroku mniej eksponowanym rówieśnikom. Wersja z listopada 2025 wyceniała tę samą lukę na 16%.
Nad tym warto się zatrzymać przede wszystkim. Wynik nie jest migawką, która się potwierdziła; to seria, i ta seria się rozszerza. Czytelnik, który widział nagłówek dziewięć miesięcy temu i odkłada ten tekst jako „znowu to samo”, przegapił jedyną rzecz, która się zmieniła.
| Wersja | Dane do | Względna luka w zatrudnieniu |
|---|---|---|
| November 2025 | mid-2025 | 16% |
| Revised 12 August 2026 | June 2026 | 19% |
Cztery zdania, które nie przeżyją nagłówka
Spadek zatrudnienia o 19% czyta się jak masowe zwolnienia. Artykuł mówi coś przeciwnego, własnymi słowami, czterokrotnie.
Nie stwierdza żadnych dowodów na powszechne, obejmujące całą gospodarkę wypieranie miejsc pracy. Rozbieżność działa przede wszystkim przez ograniczone zatrudnianie młodych pracowników, a nie przez zwiększone odejścia. Dostosowanie zachodzi przez zatrudnienie, a nie przez wynagrodzenie zasadnicze. A spadki koncentrują się w zawodach, w których użycie AI głównie zastępuje ludzkie zadania, podczas gdy tam, gdzie użycie głównie uzupełnia pracowników, zatrudnienie jest stabilne lub rośnie.
Mówiąc wprost: ludzie, którzy już są w środku, nie są wypychani i nie zarabiają mniej. Drzwi otwierają się rzadziej, w jednych zawodach, a w innych nie. To zdarzenie wolniejsze, cichsze i bardziej wybiórcze niż fala zwolnień, i wymaga zupełnie innej odpowiedzi od każdego, kto zaczyna karierę.
| Pytanie | Co mówi artykuł |
|---|---|
| Czy młodzi pracownicy są zwalniani? | Nie. Rozbieżność działa przez ograniczone zatrudnianie, nie przez zwiększone odejścia. |
| Czy spadają ich płace? | Nie. Dostosowanie zachodzi w zatrudnieniu, nie w wynagrodzeniu zasadniczym. |
| Czy to cała gospodarka? | Nie. Autorzy nie znajdują dowodów na powszechne wypieranie w skali gospodarki. |
| Czy to każda praca eksponowana na AI? | Nie. Spadki koncentrują się tam, gdzie AI zastępuje zadania; tam, gdzie uzupełnia, zatrudnienie jest stabilne lub rośnie. |
Zastępuje czy uzupełnia: jedyna linijka, która mówi, co robić
Wszystko w tym wyniku jest opisem, z jednym wyjątkiem. „AI zastępuje zadania” kontra „AI uzupełnia pracownika” to rozróżnienie, które oddziela zawody, w których luka się otworzyła, od zawodów, w których zatrudnienie się utrzymało lub urosło — i to jedyna linijka artykułu, na której dwudziestotrzylatek może oprzeć działanie jeszcze w tym tygodniu.
To także linijka, którą się wycina. Źle znosi nagłówek, opiera się pojedynczej liczbie i zmusza do powiedzenia, że efekt jest nierówny, co satysfakcjonuje mniej niż nazwanie go powszechnym.
Praktyczna postać pytania nie brzmi „czy moją branżę automatyzują”. Jest węższa i łatwiejsza do rozstrzygnięcia: czy w tej konkretnej pracy, na której aplikowanie zaraz poświęcę wieczór, narzędzie wykonuje zadanie zamiast mnie, czy czyni mnie w nim szybszym? Artykuł nie odpowie na to dla twojej krótkiej listy. Może ci powiedzieć, że to właściwe pytanie.
Autorzy publikują granicę własnych dowodów
Dwa zastrzeżenia siedzą w artykule, a nie w jego omówieniach, i oba pochodzą od autorów.
Interpretują swoje wyniki jako wczesne, opisowe wskaźniki — kanarki w kopalni — a nie oszacowania przyczynowe. Artykuł nie twierdzi, że udowodnił, iż AI spowodowała lukę; twierdzi, że luka istnieje i ma kształt czegoś, co AI by spowodowała.
Zaznaczają też, że efekty są wyraźniejsze w próbie analitycznej ADP niż w krajowych badaniach odniesienia. To zespół badawczy mówiący ci, nieproszony, że jego własny zbiór danych grzeje mocniej niż obraz krajowy. Bardzo niewiele z tego, co przeczytasz o tym badaniu, przeniesie to zdanie, a jest ono najużyteczniejszą rzeczą do oceny, ile ciężaru uniesie owe 19%.
Co to zmienia w szukaniu pracy i w czym umiemy, a w czym nie umiemy pomóc
Jeśli mechanizmem jest brak zatrudniania, a nie zwalnianie, to zasobem deficytowym dla młodego kandydata nie jest odporność. Jest nim informacja o tym, które drzwi wciąż są otwarte, dostatecznie wcześnie, by poświęcić wieczór na te, a nie na tamte.
Ta redakcja należy do firmy budującej aplikację do pracy, więc pożyteczne jest powiedzieć precyzyjnie, co to rozwiązuje, a czego nie. Oceniamy każde stanowisko w sześciu opublikowanych wymiarach i pokazujemy wszystkie sześć, zanim zaaplikujesz, więc widzisz, gdzie stanowisko jest dla ciebie słabe, bez spędzania wieczoru na odkrywaniu tego. To pomaga w alokacji wysiłku. To właściwy kształt pomocy na rynku, na którym ograniczeniem jest to, które aplikacje warto składać.
Czego nie umiemy, to powiedzieć ci, czy dana praca jest taka, w której AI zastępuje, czy uzupełnia. Nic w naszych danych tego nie niesie, a uczciwa odpowiedź brzmi, że stanfordzkie prace o ekspozycji na poziomie zawodów są tu lepszym przewodnikiem niż cokolwiek na naszej stronie. Wolimy to powiedzieć, niż pozwolić, by użyteczne rozróżnienie po cichu wsiąkło w hasło produktowe.
Sześć wymiarów, w których firma tej redakcji ocenia każde stanowisko, oraz audyt, który je testuje, są na babzituna.com/bias. Żadne z nich nie powie ci, czy praca jest automatyzowana, czy wzmacniana; artykuł powyżej jest do tego lepszym przewodnikiem.