• Firmy coraz szybciej i coraz głębiej wdrażają narzędzia oparte na sztucznej inteligencji: korzysta z nich więcej pracowników, częściej i do bardziej złożonych zadań, a nie tylko do okazjonalnych podpowiedzi.

• Wzrost widać w wielu branżach, szczególnie w technologiach, ochronie zdrowia, przemyśle, usługach profesjonalnych i finansach, oraz w szeregu krajów, gdzie liczba klientów rośnie o ponad sto procent rocznie.

• Około trzy czwarte pracowników twierdzi, że dzięki tym narzędziom pracuje szybciej lub lepiej, oszczędzając zwykle 40–60 minut dziennie, a najbardziej zaawansowani użytkownicy nawet ponad 10 godzin tygodniowo.

• Narzędzia ze sztuczną inteligencją nie tylko przyspieszają dotychczasowe zadania, lecz pozwalają wykonywać zupełnie nowe rodzaje pracy (np. programowanie czy analizy) osobom spoza tradycyjnie „technicznych” ról.

• Tworzy się rosnąca przepaść między najbardziej zaawansowanymi użytkownikami i firmami a przeciętnymi – ci pierwsi korzystają wielokrotnie częściej i uzyskują większe korzyści.

• Autorzy podkreślają, że kluczową barierą przestaje być sama jakość modeli, a staje się nią przygotowanie organizacji: sposób wdrożenia, zmiana procesów i umiejętność przekształcenia eksperymentów w trwałe, mierzalne usprawnienia.

Godzina dziennie więcej: czy AI naprawdę rewolucjonizuje naszą pracę?

Niedawno opublikowany raport „The State of Enterprise AI„, oparty na danych od OpenAI, maluje obraz technologicznej rewolucji, która dzieje się na naszych oczach. Liczby są imponujące: 8-krotny wzrost liczby wiadomości w korporacyjnej wersji ChatGPT w ciągu roku, 19-krotny wzrost użycia zautomatyzowanych przepływów pracy i, co najważniejsze, deklaracje pracowników, że dzięki AI oszczędzają od 40 do 60 minut dziennie.

Czy to oznacza, że weszliśmy w nową erę produktywności? Czy te liczby to twardy dowód, czy raczej sprytny marketing jednego z największych graczy na rynku? Aby zrozumieć, co naprawdę dzieje się za kulisami, warto spojrzeć na te dane z różnych perspektyw: ekonomisty, metodologa, dyrektora ds. transformacji, zaawansowanego użytkownika i krytyka technologicznego. Każda z nich opowiada inną, uzupełniającą się historię.

Perspektywa ekonomisty: sygnał makroekonomiczny czy mikro-optymalizacja?

Dla ekonomisty pracy, raport jest wczesnym, ale ilościowym sygnałem, że AI przestaje być technologiczną ciekawostką, a staje się narzędziem wbudowanym w procesy organizacyjne. Wzrost użycia zaawansowanych funkcji, takich jak „Custom GPTs” czy „Projects”, sugeruje przejście od doraźnych pytań do systemowego wykorzystania modeli w codziennej pracy.

Kluczowa jest deklaracja o oszczędności 40-60 minut dziennie. W skali mikro to znacząca wartość. Jeśli pomnożymy ją przez miliony pracowników, potencjalny wpływ na produktywność całej gospodarki wydaje się ogromny. Jednak ekonomista natychmiast zadaje fundamentalne pytanie: co dzieje się z tą „zaoszczędzoną” godziną? Czy jest ona reinwestowana w dodatkową pracę, która generuje realną wartość ekonomiczną? A może staje się buforem, czasem na multitasking lub po prostu pozwala na pracę w mniej intensywnym tempie? Odpowiedź na to pytanie zadecyduje, czy mamy do czynienia z prawdziwą rewolucją produktywności.

Raport ujawnia też zjawisko, które ekonomiści doskonale znają z poprzednich rewolucji technologicznych: dyspersję produktywności. Niewielka grupa „granicznych” użytkowników i firm (frontier workers/firms), którzy intensywnie korzystają z AI (6 razy więcej interakcji niż mediana), odnotowuje nieproporcjonalnie duże korzyści. To zapowiedź rosnących nierówności: część firm i pracowników „odjedzie” reszcie, pogłębiając przewagę konkurencyjną.

Perspektywa metodologa: twarde dane czy marketingowy przekaz?

Statystyk i metodolog podchodzą do tych liczb ze znacznie większym sceptycyzmem. Przede wszystkim, raport jest dokumentem marketingowym, a nie recenzowaną publikacją naukową. Dane pochodzą od klientów jednego dostawcy (OpenAI), co oznacza, że mamy do czynienia z próbą niereprezentatywną dla całej gospodarki – to firmy, które już wcześniej zdecydowały się na inwestycję w AI.

Główne zastrzeżenia metodologiczne:

• Dane samoopisowe: Deklaracje o oszczędności czasu są obarczone ryzykiem błędu. Ludzie mają tendencję do przeszacowywania pozytywnych efektów narzędzi, zwłaszcza jeśli są one promowane przez pracodawcę.

• Brak transparentności: Raport nie ujawnia szczegółów metodologii ankietowej, co utrudnia ocenę wiarygodności wyników.

• Korelacja to nie przyczynowość: Logi pokazują intensywność użycia, ale nie udowadniają związku przyczynowego z poprawą wyników biznesowych. Do tego potrzebne byłyby niezależne, twarde wskaźniki (KPI), których w raporcie brakuje poza kilkoma wybranymi studiami przypadku.

Z tej perspektywy, raport jest cennym źródłem hipotez i sygnałów rynkowych, ale nie rozstrzygającym dowodem naukowym.

Perspektywa dyrektora ds. transformacji (CIO): amunicja do zmian

Dla menedżera odpowiedzialnego za transformację cyfrową w dużej korporacji, ten raport to przede wszystkim potężne narzędzie argumentacyjne. Liczby takie jak „75% pracowników deklaruje poprawę jakości pracy” czy „zaawansowani użytkownicy oszczędzają ponad 10 godzin tygodniowo” to idealny materiał do prezentacji dla zarządu, uzasadniający dalsze inwestycje w AI.

Kluczowy jest dla niego wniosek, że barierą w adopcji AI nie jest już jakość modeli, ale „gotowość organizacyjna i wdrożenie”. To sygnał, że należy przejść od fazy eksperymentów do systemowego budowania kompetencji: tworzenia wewnętrznych repozytoriów narzędzi AI („Custom GPTs”), szkolenia zaawansowanych użytkowników i ustanawiania jasnych zasad zarządzania (governance).

Jednocześnie, doświadczony CIO wie, że średnie wartości mogą być mylące. Prawdopodobnie niewielki odsetek „frontier users” generuje większość korzyści. Strategia musi być więc dwutorowa: intensywnie wspierać tę grupę jako dźwignię zmian, ale jednocześnie tworzyć proste, predefiniowane narzędzia dla reszty pracowników.

Perspektywa zaawansowanego pracownika: supermoc w codziennej pracy

Zaawansowany użytkownik, należący do kategorii „frontier worker”, w danych z raportu widzi odbicie swojego dnia pracy. Dla niego AI to nie gadżet, ale zintegrowana platforma. Różnica nie polega tylko na „większej liczbie zapytań”, ale na fundamentalnie innym sposobie organizacji pracy:

• Automatyzacja powtarzalnych zadań za pomocą własnych, spersonalizowanych narzędzi AI.

• Łączenie wieloetapowych procesów (np. analiza danych → generowanie wykresów → draft prezentacji → draft maila do interesariuszy) w jeden płynny workflow.

• Wchodzenie w nowe obszary kompetencji (np. pisanie prostych skryptów czy zapytań do baz danych bez formalnej wiedzy programistycznej).

Dla tej grupy oszczędność „ponad 10 godzin tygodniowo” jest realistyczna, ale wymaga proaktywnej inwestycji czasu w budowanie własnych narzędzi i przepływów pracy. Widzą oni również ogromną przepaść kulturową wewnątrz organizacji i niewykorzystany potencjał, który można skapitalizować.

Perspektywa krytyka technologicznego: produktywność, władza i nierówności

Socjolog organizacji i krytyk polityki technologicznej widzi w raporcie przede wszystkim element narracji biznesowej, mającej na celu przyspieszenie adopcji i wzmocnienie pozycji rynkowej dostawcy. Z tej perspektywy, najważniejsze są nie tyle same liczby, co to, o czym raport milczy.

• Wzmacnianie nierówności: Mechanizm „frontier firms/workers” może prowadzić do utrwalenia przewagi dużych, bogatych firm, które stać na inwestycje w AI, oraz do pogłębiania różnic w zarobkach i statusie między pracownikami.

• Redystrybucja władzy i kontroli: Wbudowanie AI w procesy pracy to także potężne narzędzie monitoringu. Logi użycia, zdefiniowane workflowy i integracje z systemami wewnętrznymi dają pracodawcy bezprecedensowy wgląd w to, jak pracownicy wykonują swoje zadania. AI w firmach to nie tylko produktywność, ale również zmiana w relacjach władzy i autonomii.

Wnioski: co to wszystko oznacza?

Raport „The State of Enterprise AI” jest fascynującym, choć jednostronnym, spojrzeniem na rewolucję, która nabiera tempa. Wszystkie perspektywy zgadzają się co do jednego: adopcja AI w firmach przyspiesza i przechodzi z fazy eksperymentów do integracji z codziennymi procesami. Spór dotyczy skali korzyści, ich dystrybucji i ukrytych kosztów społecznych.

Zamiast bezkrytycznie przyjmować obietnicę „godziny dziennie więcej”, warto zadać sobie kilka kluczowych pytań. Jakie niezależne wskaźniki biznesowe poprawiają się dzięki AI? Kto w organizacji realnie zyskuje, a kto może stracić? I jak zarządzać ryzykiem, które niesie ze sobą technologia dająca tak potężny wgląd w naszą pracę?

Dalsze, niezależne badania nad wpływem generatywnej AI na produktywność, strukturę rynku pracy i dynamikę władzy w organizacjach są absolutnie kluczowe dla zrozumienia tej transformacji. Analiza, która wykroczyłaby poza dane samoopisowe i połączyła logi użycia z twardymi wskaźnikami finansowymi i organizacyjnymi, mogłaby stać się podstawą przełomowego projektu doktorskiego na styku ekonomii, socjologii i informatyki.

Najczęściej zadawane pytania (FAQ)

1. Czym są „frontier workers/firms”?
   To termin użyty w raporcie do opisania najbardziej zaawansowanych i intensywnych użytkowników AI. „Frontier workers” to pracownicy, którzy korzystają z AI znacznie częściej i w bardziej złożony sposób niż przeciętny użytkownik („median worker”). „Frontier firms” to firmy, w których wskaźniki adopcji i użycia AI są znacznie wyższe niż w firmie medianowej.

2. Na czym polega różnica między prostym użyciem AI a „workflowami”?
   Proste użycie to zazwyczaj jednorazowe, ad-hoc zapytanie do chatbota (np. „napisz mi maila”). Workflow (przepływ pracy) to ustrukturyzowany, powtarzalny proces, w którym AI jest wykorzystywane do wykonania wieloetapowego zadania, często w oparciu o predefiniowane instrukcje i integracje z innymi systemami (np. automatyczne generowanie raportu na podstawie danych z bazy).

3. Czy raport OpenAI jest wiarygodnym źródłem informacji?
   Jako dokument marketingowy, raport przedstawia perspektywę jednej firmy i jest zoptymalizowany pod kątem promowania jej produktów. Należy go traktować jako cenne źródło sygnałów rynkowych i hipotez, ale nie jako niezależne badanie naukowe. Wyniki dotyczące intensywności użycia są prawdopodobnie wiarygodne (pochodzą z logów), natomiast dane samoopisowe (np. o oszczędności czasu) należy interpretować z dużą ostrożnością.

4. Jakie branże najszybciej adoptują AI według raportu?
   Raport wskazuje na sektory o wysokiej intensywności pracy z wiedzą, takie jak technologia, opieka zdrowotna, usługi profesjonalne i finanse, jako liderów adopcji. Geograficznie, najszybsze wzrosty odnotowano m.in. w Australii, Brazylii, Holandii i Francji.

5. Czy AI faktycznie zwiększa kompetencje pracowników, czy tylko przyspiesza ich pracę?
   Według raportu, AI pełni obie funkcje. 75% użytkowników twierdzi, że jest w stanie wykonywać zadania, których wcześniej nie potrafili (np. osoby nietechniczne piszące proste skrypty). To sugeruje, że AI działa nie tylko jako „przyspieszacz”, ale także jako „rozszerzacz kompetencji”.

Publikacje wykonane przez nas w podobnej tematyce

1. Paradoks produktywności w erze cyfrowej: dlaczego inwestycje w IT nie zawsze przekładają się na wzrost PKB?

2. Ekonomia supergwiazd: jak technologie cyfrowe wzmacniają nierówności na rynku pracy.

3. Zarządzanie transformacją cyfrową: studium przypadku wdrożeń AI w sektorze finansowym.

4. Algorytmiczne zarządzanie i przyszłość pracy: analiza wpływu AI na autonomię i kontrolę pracowników.

5. Metodologia oceny wpływu technologii: jak mierzyć zwrot z inwestycji w projekty AI?

Pomysł na doktorat

Temat: Od zaoszczędzonego czasu do wartości ekonomicznej: quasi-eksperymentalna analiza wpływu wdrożenia generatywnej AI na produktywność i wyniki finansowe firm.

Opis: Projekt doktorski mógłby polegać na przeprowadzeniu badania w kilku firmach, które wdrażają AI. Wykorzystując metodę quasi-eksperymentalną (np. porównując zespoły, które otrzymały dostęp do AI, z grupami kontrolnymi), badanie połączyłoby trzy rodzaje danych: (1) logi użycia AI, (2) obiektywne wskaźniki wydajności (np. czas realizacji zadań, liczba obsłużonych klientów, wskaźniki jakości) oraz (3) dane finansowe (np. przychody, marże). Celem byłoby precyzyjne zmierzenie, jaka część „zaoszczędzonego czasu” faktycznie przekłada się na mierzalną wartość ekonomiczną i jakie czynniki organizacyjne (np. styl zarządzania, kultura pracy) moderują ten związek.