Sztuczna inteligencja zamiast miejsc pracy? Chiny inwestują w sztuczną inteligencję – ale kto chroni pracowników przed tą zmianą?

Więcej sztucznej inteligencji, mniej miejsc pracy? Pekin chce przygotować rynek pracy na zmiany

Plan Chin w zakresie sztucznej inteligencji: dalsza edukacja, zabezpieczenie społeczne i nowe zasady dla firm

Chiny dążą do przyspieszenia wdrażania sztucznej inteligencji, nie pozostawiając konsekwencji dla pracowników przypadkowi. Nowe wytyczne łączą promocję sztucznej inteligencji i tworzenie nowych miejsc pracy z dalszym szkoleniem, wsparciem w zmianie kariery, zabezpieczeniem społecznym i ściślejszym monitorowaniem ryzyka zawodowego. U podłoża tego leży kluczowe pytanie ekonomiczne: jak firmy mogą zwiększyć produktywność, nie osłabiając siły nabywczej, perspektyw zawodowych i akceptacji społecznej w wyniku zmian technologicznych?

Nawet jeśli sztuczna inteligencja przejmie zadania, nie oznacza to automatycznie utraty pracy przez pracowników. Systemy mogą wspierać ludzi, zmieniać przepływy pracy lub redukować zatrudnienie. To, jaki efekt będzie miał miejsce, zależy od tego, jak firmy wykorzystują technologię, czy pojawi się nowe zapotrzebowanie i jak rozłoży się wzrost produktywności. Strategia Chin ma na celu skuteczniejsze kształtowanie tej transformacji – od szkoleń zawodowych i ochrony praw pracowniczych po wczesne wykrywanie zagrożeń. Kluczowym czynnikiem będzie to, czy doprowadzi to do zrównoważonych zmian w karierze i czy korzyści płynące ze sztucznej inteligencji będą rzeczywiście odczuwalne szerzej przez firmy i pracowników.

Chińska ofensywa sztucznej inteligencji: Postęp bez katastrofy społecznej?: Ci, którzy zastępują ludzi, muszą zapewnić coś więcej niż tanią wydajność

Chiny nie zamierzają hamować rozwoju sztucznej inteligencji, lecz powiązać jej korzyści ekonomiczne z bardziej zrównoważonym systemem zatrudnienia. Wytyczne opublikowane przez Biuro Rady Państwa 23 października 2026 r. łączą zatem promowanie nowych miejsc pracy w sektorze sztucznej inteligencji ze szkoleniami, wsparciem w okresie przejściowym, zabezpieczeniem społecznym i bardziej systematycznym monitorowaniem ryzyka związanego z zatrudnieniem. Odzwierciedla to konflikt celów ekonomicznych: firmy powinny zwiększać produktywność bez przyspieszonej redukcji siły roboczej, która osłabiałaby siłę nabywczą, możliwości awansu zawodowego i społeczną akceptację zmian technologicznych.

Kluczowe pytanie nie brzmi, czy sztuczna inteligencja może przejąć poszczególne zadania. Chodzi o to, w jakich warunkach zwiększona efektywność operacyjna przekłada się na ogólny dobrobyt gospodarczy. Maszyna, która oszczędza godziny pracy, początkowo poprawia rachunkowość kosztów firmy. To, czy doprowadzi to do wyższych płac, wzrostu popytu, lepszych usług, czy trwałej redukcji zatrudnienia, zależy od konkurencji, inwestycji, umiejętności i dystrybucji. Nowa strategia rynku pracy w Chinach koncentruje się właśnie na tym skrzyżowaniu.

Pekin reorganizuje postęp

Wytyczne obejmują 18 zadań w sześciu obszarach polityki: dodatkowe zatrudnienie dzięki sztucznej inteligencji, ścieżki wdrażania sprzyjające zatrudnieniu, umiejętności cyfrowe, bardziej efektywne usługi pośrednictwa pracy, prawa pracownicze i zabezpieczenie społeczne oraz monitorowanie i zarządzanie ryzykiem związanym z zatrudnieniem. To szerszy zakres niż tylko inicjatywa szkoleniowa. Rząd nie chce czekać z reakcją do momentu zniknięcia miejsc pracy, ale dąży do lepszej koordynacji wdrażania technologii, rozwoju kadr i zabezpieczenia społecznego.

Szczególnie wymowne jest proponowane rozróżnienie obszarów zastosowań. Sztuczna inteligencja powinna być wykorzystywana przede wszystkim tam, gdzie występuje niedobór siły roboczej, gdzie zadania są niebezpieczne lub gdzie można poprawić warunki pracy; z drugiej strony, w branżach pracochłonnych jej zakres, intensywność i tempo powinny być starannie kontrolowane. Z ekonomicznego punktu widzenia oznacza to priorytetyzację modernizacji. Aplikacje szczególnie korzystne dla społeczeństwa powinny być wdrażane wcześniej niż te, których główną bezpośrednią korzyścią jest zastąpienie licznych dostępnych pracowników.

Nie należy jednak mylić kierunku politycznego z w pełni sformułowaną gwarancją zatrudnienia. Firmy są zachęcane między innymi do testowania faz przejściowych, wczesnego informowania pracowników, których to dotyczy, i wspierania ich w przejściu na inne stanowiska. Nie oznacza to ogólnego zakazu zwolnień z powodu AI ani nie tworzy automatycznie indywidualnego prawa do niezmienionego zatrudnienia. Rzeczywista ochrona zależy w dużej mierze od tego, jak władze i firmy wdrażają te wytyczne.

Ogromny rynek pracy pod presją dostosowania się

Pod koniec 2025 roku w Chinach zatrudnionych było około 725 milionów osób, w tym około 475 milionów w miastach; w ciągu roku oficjalnie zarejestrowano dodatkowe 12,67 miliona miejsc pracy w miastach. Już sama ta skala wyjaśnia, dlaczego nawet niewielkie zmiany mogą mieć poważne konsekwencje gospodarcze i społeczne. Transformacja technologiczna, która wydaje się możliwa do opanowania z perspektywy pojedynczej firmy, może przerodzić się w poważny problem dostosowawczy w różnych branżach i regionach.

Stopa bezrobocia w mieście, oparta na badaniach ankietowych, wyniosła 5,2% we wrześniu 2026 r.; średnia dla pierwszych trzech kwartałów również wyniosła 5,2%. Dane te, rozpatrywane indywidualnie, nie dowodzą ani kryzysu zatrudnienia wywołanego przez sztuczną inteligencję, ani jego braku. Wskaźnik ten opisuje konkretny wskaźnik rynku pracy, a nie wszystkie formy niedostatecznego zatrudnienia, niewykorzystanych umiejętności czy utraty dochodów. Co najważniejsze, pojedyncza wartość ogólna nie ujawnia, czy poszczególne grupy zawodowe są już pod większą presją.

Dla oceny ekonomicznej struktura zatrudnienia jest zatem ważniejsza niż pojedynczy nagłówek. Stabilna siła robocza może zbiegać się z mniejszą liczbą stanowisk początkowych, skróconym czasem pracy dla niektórych grup lub przejściem na niżej płatne stanowiska. Z drugiej strony, spadek w jednej grupie zawodowej może zostać zrekompensowany poprawą zatrudnienia w innej. Solidna polityka rynku pracy oparta na sztucznej inteligencji musi uwzględniać takie zmiany, a nie traktować zatrudnienia wyłącznie jako liczby dostępnych miejsc pracy.

Starzenie się nie eliminuje luk w umiejętnościach

Liczba ludności Chin spadła o 3,39 miliona do około 1,405 miliarda w 2025 roku; jednocześnie 323 miliony osób było już w wieku 60 lat lub starszych, co stanowi 23% populacji. Zatem zmiany technologiczne zbiegają się z długoterminową zmianą demograficzną. Z tej perspektywy automatyzacja może pomóc w utrzymaniu mocy produkcyjnych i usług pomimo kurczącej się podaży siły roboczej. Dlatego trzymanie się pracochłonnych procesów nie byłoby przekonującą strategią na przyszłość.

Jednak mniejsza liczba dostępnych pracowników i większy udział sztucznej inteligencji nie rozwiązują automatycznie tych samych problemów. Brakującego technika utrzymania ruchu nie da się po prostu zastąpić zwolnionym pracownikiem administracyjnym. Podobnie, starszych pracowników produkcyjnych nie da się szybko przekwalifikować do tworzenia złożonych systemów sztucznej inteligencji. Istnieją różnice między wolnymi stanowiskami a dostępnym personelem pod względem kompetencji, lokalizacji, stanu zdrowia, możliwości uczenia się i oczekiwań płacowych.

Stwarza to możliwość jednoczesnego wzrostu niedoborów siły roboczej i bezrobocia. Dla decydentów oznacza to, że sama liczba miejsc pracy nie jest wystarczającym celem. Co najważniejsze, niezbędne są realne przejścia między miejscami pracy. Strategia sztucznej inteligencji sprzyjająca zatrudnieniu nie powinna zatem utrzymywać jak największej liczby przestarzałych procesów pracy, lecz raczej organizować transformację w taki sposób, aby istniejące doświadczenie zawodowe pozostało produktywne dzięki nowym narzędziom. Zwłaszcza w przypadku starzejącej się siły roboczej, technologia uzupełniająca może być bardziej opłacalna ekonomicznie niż kosztowna, całkowita wymiana.

Automatyzacja już dawno osiągnęła skalę przemysłową

Wdrażanie inteligentnych systemów w Chinach nie zaczyna się od zera. W 2025 roku zainstalowano około 354 000 nowych robotów przemysłowych, czyli o około 20% więcej niż w roku poprzednim; oznaczało to, że Chiny odpowiadały za 59% nowych instalacji na świecie. Liczby te pokazują tempo automatyzacji przemysłowej. Nie należy ich jednak interpretować jako miary utraty miejsc pracy związanej ze sztuczną inteligencją: robot przemysłowy nie jest automatycznie generatywnym systemem sztucznej inteligencji, a pojedyncza instalacja nie mówi nic o wpływie netto na zatrudnienie.

Do tego dochodzi skala ekonomiczna samego sektora AI. Jego główna działalność była oficjalnie wyceniana na ponad 1,2 biliona juanów do 2025 roku, a w całym kraju działało ponad 6200 firm zajmujących się AI. Według opublikowanych danych rządowych, do końca 2025 roku ponad 30% przebadanych firm produkcyjnych, o rocznych przychodach z podstawowej działalności wynoszących 20 milionów juanów lub więcej, korzystało z technologii AI. Ten próg jest istotny, ponieważ nie należy go utożsamiać z powszechnym przyjęciem technologii przez wszystkie chińskie firmy.

Wyzwanie dla rynku pracy wynika z połączenia różnych form automatyzacji. Oprogramowanie może przekształcić planowanie, dokumentację i komunikację z klientami, podczas gdy robotyka przejmuje procesy fizyczne. Jednoczesna modernizacja obu poziomów powoduje zmiany w całych łańcuchach procesów. Może to zwiększyć potencjał produktywności, ale także zwiększyć wymagania dotyczące szkoleń, konserwacji, jakości danych i organizacji operacyjnej. W związku z tym, istotnym punktem ciężkości nie jest pojedyncze narzędzie sztucznej inteligencji, ale przeprojektowany system pracy.

Zadania, których dotyczy problem, nie są zadaniami utraconymi

Kluczowym warunkiem każdej poważnej analizy jest rozróżnienie między wpływem technologii a faktyczną utratą miejsc pracy. Międzynarodowe badania rynku pracy szacują, że w 2025 roku około jedna czwarta globalnego zatrudnienia będzie wykonywana w zawodach, których zadania mogłyby zostać potencjalnie zmodyfikowane przez sztuczną inteligencję generatywną; w krajach o wysokich dochodach odsetek ten wynosił 34%. Dane te opisują potencjalne zmiany w obowiązkach zawodowych i nie przewidują odpowiednio wysokiego poziomu zwolnień. Co więcej, nie można ich odnieść do Chin bez przeprowadzenia obliczeń dla poszczególnych krajów.

Praca zazwyczaj składa się z kilku zadań. Sztuczna inteligencja może na przykład wstępnie sortować informacje, przygotowywać teksty lub wykrywać odchylenia, podczas gdy ludzie nadal ponoszą odpowiedzialność, wyjaśniają szczególne przypadki i zarządzają relacjami. To, czy dane stanowisko stanie się zbędne, zależy zatem od tego, jak kompleksowo uda się zautomatyzować zestaw zadań i czy firma wykorzysta zaoszczędzony czas na dodatkowe usługi. Integracja, sprawdzanie błędów i zmiany organizacyjne również wymagają wysiłku.

Z drugiej strony, bagatelizowanie wpływu byłoby równie problematyczne. Jeśli wystarczająca liczba podzadań zostanie ukończona szybciej, a popyt nie będzie odpowiednio rósł, firmy mogą osiągnąć ten sam wynik przy mniejszej liczbie pracowników. Skutki dla zatrudnienia mogłyby się wówczas ujawnić najpierw w postaci nieobsadzonych stanowisk i mniejszej liczby nowych pracowników, a nie w postaci fali zwolnień. Dlatego dla systemu wczesnego ostrzegania plany rekrutacyjne i profile stanowisk są co najmniej tak samo ważne, jak zgłaszane rezygnacje. Ci, którzy koncentrują się wyłącznie na redukcjach personelu, dostrzegą część zmian zbyt późno.

Sama produktywność nie decyduje o dobrobycie

Badanie opublikowane w 2025 roku, obejmujące 5172 pracowników obsługi klienta, ilustruje, jak skutecznie sztuczna inteligencja może uzupełniać pracę człowieka: liczba pomyślnie rozwiązanych zgłoszeń klientów na godzinę wzrosła średnio o 15% dzięki wsparciu sztucznej inteligencji. Szczególnie duże korzyści odnieśli pracownicy o mniejszym doświadczeniu i niższych kwalifikacjach; jednak badanie pojedynczej firmy nie pozwala na wyciągnięcie wniosków na temat ogólnego wpływu ekonomicznego na zatrudnienie i płace. To ograniczenie ma kluczowe znaczenie dla debaty publicznej.

Wzrost produktywności otwiera różnorodne możliwości operacyjne. Firma może obsługiwać więcej klientów, podnosić jakość usług, zmniejszać obciążenie pracą lub redukować zatrudnienie. Wybór odpowiedniej opcji zależy między innymi od popytu i pozycji konkurencyjnej firmy. Na rozwijającym się rynku wzrost produktywności może sprawić, że dodatkowe zatrudnienie stanie się ekonomicznie opłacalne. Natomiast na rynku stagnacyjnym rośnie motywacja do redukcji kosztów i rozdzielania istniejącej pracy między mniejszą liczbę osób.

Na poziomie makroekonomicznym w grę wchodzi jeszcze jeden wymiar: wzrost wydajności musi przekładać się na dochody, niższe ceny lub dodatkowe inwestycje. Jeśli korzyści koncentrują się w rękach kilku firm i właścicieli kapitału, a szerokie segmenty siły roboczej doświadczają większej niepewności zatrudnienia, popyt może pozostawać w tyle za potencjałem produkcyjnym. Politycznym punktem odniesienia nie powinny zatem być wyłącznie możliwości techniczne. Równie ważne jest, czy korzyści ekonomiczne mają wystarczająco duży wpływ, aby tworzyć nowe możliwości sprzedaży i trwałe zatrudnienie.

Bez siły nabywczej wydajność staje się problemem

Chińska gospodarka wzrosła realnie o 5% w 2025 roku, podczas gdy średnie ceny konsumpcyjne pozostały bez zmian; inwestycje w rozwój nieruchomości spadły o 17,2%. W pierwszych trzech kwartałach 2026 roku realny PKB wzrósł o 4,6%, ale nominalna sprzedaż detaliczna dóbr konsumpcyjnych wzrosła jedynie o 1,1%. Te różnie zdefiniowane wskaźniki nie są bezpośrednio równoważne, ale ilustrują potrzebę oddzielnego rozpatrywania wzrostu produkcji i popytu prywatnego.

W przypadku polityki w zakresie sztucznej inteligencji prowadzi to do logicznego związku przyczynowo-skutkowego. Jeśli pracownicy przewidują zwolnienia lub znaczne spadki dochodów, mogą odłożyć większe wydatki i zgromadzić dodatkowe rezerwy finansowe. Wynikająca z tego niechęć utrudnia firmom faktyczną sprzedaż dodatkowych mocy produkcyjnych. Wzrost podaży technologicznej jest wówczas niewystarczający, aby odpowiednio zwiększyć wzrost.

Pomoc przejściowa i zabezpieczenie społeczne pełnią zatem funkcję makroekonomiczną. Mogą zapobiegać przerzucaniu ryzyka dostosowawczego wyłącznie na gospodarstwa domowe i zapobiegać dalszemu obciążaniu popytu przez niepewność. Nie oznacza to trwałego finansowania każdego miejsca pracy. Oznacza to ograniczenie strat dochodów i możliwych do uniknięcia długich okresów bezrobocia. Skuteczne zabezpieczenie społeczne może zatem jednocześnie zwiększyć gotowość do akceptacji nowych technologii i zmiany kariery. W tych warunkach ochrona zatrudnienia i modernizacja nie muszą się wzajemnie wykluczać.

Przejście do kariery staje się słabym punktem

We wrześniu 2026 roku stopa bezrobocia w mieście wśród osób w wieku 16–24 lat nieuczęszczających do szkoły ani na uniwersytet wynosiła 18%; wśród osób w wieku 25–29 lat, również z wyłączeniem studentów, wynosiła 7,4%. Dane te nie mierzą bezrobocia związanego z AI. Pokazują jednak, że wejście na rynek pracy jest już pod znaczną presją. Dodatkowe zmiany w nisko wykwalifikowanych zawodach biurowych, analitycznych i komunikacyjnych wpływają zatem na rynek pracy, którego zdolność do absorpcji młodych ludzi nie jest nieograniczona.

Szczególne ryzyko wiąże się z funkcją zadań na poziomie podstawowym. Badania, dokumentacja, proste analizy i standaryzowana komunikacja służą nie tylko produkcji, ale także uczeniu się. Jeśli takie działania zostaną w dużej mierze zautomatyzowane, droga od dyplomu uniwersyteckiego do samodzielnej pracy specjalistycznej może się zawęzić. Firma może potrzebować mniejszej liczby młodszych pracowników w perspektywie krótkoterminowej, ale nadal mieć trudności z rozwojem doświadczonych specjalistów w perspektywie długoterminowej.

Rozsądnym rozwiązaniem jest unikanie sztucznego obciążania młodych talentów przestarzałymi procedurami. Zamiast tego ścieżki szkoleniowe muszą być zaprojektowane tak, aby umiejętności w zakresie sztucznej inteligencji i profesjonalny osąd rozwijały się równolegle. Młodzi pracownicy powinni być w stanie analizować wyniki, wyjaśniać błędy i stopniowo przejmować odpowiedzialność. Dla firm sprawia to, że organizacja procesu nauczania staje się inwestycją strategiczną. Ci, którzy optymalizują jedynie bieżący czas przetwarzania, ryzykują osłabienie własnego rozwoju umiejętności w przyszłości.

Dalsza edukacja wymaga podjęcia dalszej pracy

Chińskie wytyczne zakładają dostosowanie programów szkolnictwa wyższego i kształcenia zawodowego, rozwijanie interdyscyplinarnych umiejętności w zakresie sztucznej inteligencji oraz zwiększenie zaangażowania firm w programy nauczania, szkolenia praktyczne i programy kwalifikacyjne. Ponadto, ukierunkowane programy szkoleniowe mają dotrzeć między innymi do osób młodych, pracowników migrujących i bezrobotnych; uwzględniono również możliwości kształcenia publicznego i programy szkoleniowe sponsorowane przez firmy. Takie podejście zakłada zatem, że zmian technologicznych nie da się kontrolować wyłącznie poprzez szkolenie nowych, wybitnych badaczy.

Ekonomiczna jakość takich programów nie zależy jednak od liczby wydanych certyfikatów. Liczy się to, czy ludzie będą mogli następnie podjąć osiągalną, produktywną i odpowiednio płatną pracę. Ogólne wprowadzenie do sztucznej inteligencji może zapewnić orientację, ale nie zastępuje umiejętności branżowych. Na przykład dla pracownika produkcyjnego zrozumienie procesów, kontrola jakości i bezpieczne korzystanie z systemów wspomagających są często ważniejsze niż dogłębna znajomość tworzenia modeli.

Dlatego szkolenia bazujące na dotychczasowym doświadczeniu zawodowym wydają się obiecujące. Doświadczony pracownik magazynu mógłby nadawać się do monitorowania zautomatyzowanych przepływów materiałów; asystent administracyjny mógłby przejąć dodatkową odpowiedzialność za weryfikację danych i obsługę wyjątków. Jednak takie zmiany muszą być faktycznie dostępne. Dalsze szkolenia bez zapotrzebowania ze strony firmy jedynie odwlekają problem. Dlatego ich skuteczność należy oceniać na podstawie stabilności zatrudnienia, wzrostu dochodów i czasu do ponownego zatrudnienia, a nie wyłącznie na podstawie wskaźników uczestnictwa.

Obszary zainteresowań branży: B2B, digitalizacja (od AI do XR), inżynieria mechaniczna, logistyka, odnawialne źródła energii i przemysł

Więcej informacji tutaj:

• Centrum Biznesu Ekspertów
• Blog / spostrzeżenia dotyczące Chin

Centrum tematyczne oferujące spostrzeżenia i wiedzę specjalistyczną:

• Platforma wiedzy obejmująca gospodarki globalne i regionalne, innowacje i trendy branżowe
• Zbiór analiz, spostrzeżeń i informacji ogólnych na temat obszarów, na których się koncentrujemy
• Miejsce, w którym można zdobyć wiedzę i informacje na temat bieżących wydarzeń w biznesie i technologii
• Centrum dla firm poszukujących informacji na temat rynków, cyfryzacji i innowacji branżowych

Klasa średnia decyduje o szerokim wpływie

Strategia wspiera małe i średnie przedsiębiorstwa (MŚP) poprzez opłacalne i łatwe do wdrożenia rozwiązania cyfrowe, publiczne usługi doradcze oraz równy dostęp do odpowiednich cyfrowych czynników produkcji. Otwarte ekosystemy oprogramowania i promocja nowych firm również stanowią część proponowanego zestawu narzędzi. Uzasadnienie polityki zatrudnienia jest trafne: modernizacja technologiczna nie powinna ograniczać się do dużych organizacji z własnymi działami rozwoju, rozległymi repozytoriami danych i znacznymi budżetami inwestycyjnymi.

W przypadku mniejszych firm problem często leży nie tyle w samym zainteresowaniu sztuczną inteligencją, co w jej wdrożeniu. Aplikacja musi płynnie integrować się z istniejącymi procesami, zapewniać niezawodne wyniki i być łatwa w zarządzaniu nawet przy ograniczonej liczbie pracowników. Do tego dochodzą bieżące wydatki, wymagania szkoleniowe i potencjalne uzależnienia od dostawców. Dlatego niska cena początkowa niekoniecznie świadczy o niskich kosztach całkowitych.

Z ekonomicznego punktu widzenia, szeroka dystrybucja narzędzi produkcyjnych byłaby korzystna, ponieważ może poprawić konkurencyjność mniejszych firm. Jednocześnie dotacje nie przekładają się automatycznie na wzrost zatrudnienia. Nawet małe firmy mogą wykorzystać sztuczną inteligencję przede wszystkim do redukcji zapotrzebowania na personel. Dlatego weryfikowalne cele są skuteczniejsze niż dotacje ogólne: zwiększona wartość dodana, lepsze produkty, dodatkowe możliwości rynkowe i zrównoważony rozwój umiejętności. Kluczowym pytaniem powinno być, czy wsparcie wzmacnia zdolność adaptacji gospodarczej, czy jedynie subsydiuje zakup nowego oprogramowania.

Współpraca musi być przekonująca ekonomicznie

Zgodnie z wytycznymi, przemysł i rolnictwo powinny w coraz większym stopniu wykorzystywać modele współpracy między ludźmi a systemami inteligentnymi; nowe zastosowania powinny również tworzyć dodatkowe możliwości zatrudnienia w sektorze usług. To coś więcej niż tylko pobieżny opis zmian technologicznych. Rodzi to fundamentalne pytanie o to, jakie zadania powinni na stałe przejąć ludzie, a w jaki sposób systemy powinny w znaczący sposób uzupełniać ich możliwości.

Na przykład w produkcji analiza obrazu oparta na sztucznej inteligencji może wskazywać nieprawidłowości, a doświadczeni specjaliści oceniają ich przyczyny i podejmują odpowiednie działania. W logistyce oprogramowanie może predykcyjnie planować przepływy materiałów, podczas gdy ludzie radzą sobie z zakłóceniami, wymaganiami klientów i kwestiami bezpieczeństwa. W rolnictwie rekomendacje oparte na danych mogą poprawić wykorzystanie zasobów, nie zastępując całkowicie praktycznej oceny na miejscu. Powyższe przykłady opisują możliwe struktury organizacyjne i nie gwarantują pozytywnego wpływu na zatrudnienie.

Współpraca człowiek-maszyna jest zrównoważona tylko wtedy, gdy rola człowieka oferuje rzeczywistą wartość dodaną. Samo formalne potwierdzanie przez pracowników automatycznie generowanych decyzji nie byłoby przekonujące ani z punktu widzenia kwalifikacji, ani z perspektywy organizacyjnej. Dobre projektowanie zapewnia swobodę decyzyjną, dopuszcza możliwość sprzeciwu i zapewnia jasną odpowiedzialność. Może również zapobiec utracie przez firmy wiedzy opartej na doświadczeniu. Z ekonomicznego punktu widzenia istotne jest nie maksymalizowanie udziału człowieka za wszelką cenę, ale połączenie, które poprawia jakość, bezpieczeństwo, możliwości uczenia się i koszty w całym procesie.

Nowe miejsca pracy w obszarze sztucznej inteligencji nie rozwiążą wszystkich problemów związanych z przemieszczeniami

Chiny dążą do opracowania nowych profili zawodowych i standardów kwalifikacji, obejmujących stanowiska w inżynierii sztucznej inteligencji, szkoleniach systemowych i zarządzaniu cyfrowym. Strategia koncentruje się również na nowych firmach, otwartych środowiskach programistycznych i dodatkowych miejscach pracy w rozwijających się branżach. Stanowi to istotne uzupełnienie prostego łagodzenia utraty miejsc pracy: gospodarka nie jest w stanie w zrównoważony sposób dostosować się wyłącznie poprzez transfery; wymaga ona nowych, produktywnych działań.

Niemniej jednak, mylące byłoby po prostu zrównoważenie eliminacji rutynowej pracy nowo utworzonymi miejscami pracy w dziedzinie sztucznej inteligencji, tak jakby ludzie byli bezpośrednio wymienni. Różnice w wykształceniu, doświadczeniu zawodowym i lokalizacji mogą być znaczące. Co więcej, szybko rozwijający się sektor, zaczynający od małej bazy, może początkowo stworzyć mniej miejsc pracy niż traci stagnująca duża branża. Dlatego też wysokie wskaźniki wzrostu same w sobie nie rozwiązują problemu zatrudnienia.

Nowe cyfrowe miejsca pracy muszą być również zrównoważone w dłuższej perspektywie. Praca, która obecnie wymaga przetwarzania lub weryfikacji danych, może w przyszłości stać się bardziej zautomatyzowana. Dlatego bardziej solidna strategia nie polega na tworzeniu jak najdłuższej listy nowych stanowisk. Polega ona na rozwijaniu uniwersalnych umiejętności, realnych modeli biznesowych i możliwości ciągłego rozwoju. Nowe miejsca pracy powinny nie tylko istnieć, ale być również wystarczająco produktywne, bezpieczne i elastyczne, aby oferować perspektywy kariery wykraczające poza kolejną generację technologii.

Regiony Chin nie rozpoczną działalności w tym samym czasie

Wytyczne przewidują regionalny podział pracy: regiony wschodnie mają koncentrować się na rozwoju kluczowych branż AI, podczas gdy regiony centralne i zachodnie, w zależności od lokalnych warunków, mają podejmować się zadań takich jak etykietowanie danych czy produkcja inteligentnych urządzeń. To zróżnicowanie ma na celu otwarcie dodatkowych obszarów wzrostu poza wiodącymi ośrodkami technologicznymi. Wiąże się ono jednak z ryzykiem utrwalenia istniejących dysproporcji w nowych łańcuchach wartości.

Jeśli badania, kapitał i kontrola nad platformami centralnymi pozostaną skoncentrowane geograficznie, inne regiony będą mogły przede wszystkim zapewnić ujednolicone wsparcie. Choć miejsca pracy mogą tam powstawać, niekoniecznie generują one takie same dochody, możliwości rozwoju czy siłę negocjacyjną. Polityka regionalna musi zatem wykraczać poza samo przyciąganie aktywności cyfrowej. Powinna koncentrować się na tym, czy lokalne firmy mogą rozwijać własną wiedzę specjalistyczną i osiągać wyższy poziom tworzenia wartości.

Sensowny rozwój może opierać się na istniejących atutach: klastrach przemysłowych, specjalizacjach rolniczych, uniwersytetach czy węzłach logistycznych. Sztuczna inteligencja nie jest wówczas traktowana jako odizolowana branża przyszłości, lecz jako narzędzie do poprawy regionalnych struktur gospodarczych. Warunkiem wstępnym jest odpowiednio wykwalifikowana kadra, niezawodna infrastruktura i dostępne rynki. W szczególności transformacja między tradycyjnymi przedsiębiorstwami a nowymi dostawcami usług cyfrowych może stworzyć dodatkowe miejsca pracy. Bez takich powiązań istnieje jednak ryzyko, że w obszarze finansowania widoczne projekty będą miały niewielki wpływ na gospodarkę regionu.

Ochrona socjalna pozostaje nierówna

W 2025 roku w Chinach odnotowano około 301 milionów pracowników migrujących; jednocześnie około 249 milionów osób było objętych ubezpieczeniem dla bezrobotnych na koniec roku. Te dwie liczby odnoszą się do różnych grup statystycznych i nie pozwalają na bezpośrednie obliczenie luki ubezpieczeniowej wśród pracowników migrujących. Pokazują jednak, dlaczego konieczne jest zróżnicowane spojrzenie na wzorce zatrudnienia i uprawnienia do świadczeń. Całkowite zatrudnienie i dostęp do konkretnego świadczenia ubezpieczeniowego nie są tożsame.

Nowe wytyczne zakładają wsparcie dla uprawnionych osób, w tym doradztwo zawodowe, szkolenia, rekomendacje zawodowe i pomoc w rozpoczęciu działalności; uprawnionym, ubezpieczonym osobom bezrobotnym, przewidziane świadczenia powinny być wypłacane niezwłocznie i w pełnej wysokości. Jednocześnie systemy zabezpieczenia społecznego powinny stać się bardziej dostępne dla elastycznych form zatrudnienia, a zakres ochrony w przypadku wypadków przy pracy w nowych modelach zatrudnienia powinien zostać rozszerzony. Jest to istotne, ponieważ zmiany kariery mogą coraz częściej wiązać się z koniecznością zmiany formy zatrudnienia i umowy o pracę.

Test ekonomiczny polega na przenoszalności uprawnień i faktycznej dostępności wsparcia. Osoby zmieniające pracę, miejsce zamieszkania lub status zatrudnienia potrzebują niezawodnych procedur. Formalnie istniejąca usługa jest mało przydatna, jeśli obowiązki są niejasne lub straty dochodów nie są rozwiązywane przez dłuższy czas. Dlatego modernizacja sprzyjająca zatrudnieniu musi również usprawnić procesy administracyjne. W przeciwnym razie osoby z najmniejszymi rezerwami finansowymi poniosą najwyższe koszty transformacji.

Kiedy algorytm staje się szefem

Wytyczne dotyczą nie tylko utraty miejsc pracy, ale także wykorzystania sztucznej inteligencji w zarządzaniu zasobami ludzkimi: dyskryminacja, fałszywe oferty pracy oraz naruszenia prywatności i okresów odpoczynku poprzez nadużycia algorytmów mają być zwalczane prawnie. Ponadto, wyraźnie uwzględniono prawo do wynagrodzenia, odpoczynku i bezpiecznych warunków pracy. Uwypukla to drugi wymiar automatyzacji: nawet tam, gdzie miejsca pracy są zachowane, jakość pracy może się znacząco zmienić.

Systemy algorytmiczne mogą wstępnie skanować aplikacje, przydzielać zadania i oceniać wydajność. Chociaż mogą one zapewnić większą spójność procesów, mogą również stosować nieodpowiednie kryteria na dużą skalę. Traktowanie historycznych decyzji personalnych jako rzekomo neutralnych danych grozi utrwaleniem dawnych niedogodności za pomocą środków technologicznych. Staje się to szczególnie problematyczne, gdy osoby, których dotyczą, nie są w stanie zrozumieć przyczyn stojących za daną decyzją ani skutecznie naprawić błędów.

Z ekonomicznego punktu widzenia, takie ryzyko nie jest bynajmniej nieistotne. Błędna preselekcja może wykluczyć odpowiednich specjalistów; wygórowane cele wydajnościowe mogą negatywnie wpłynąć na zdrowie, motywację i retencję pracowników. Kompleksowy monitoring również nie jest automatycznie produktywny. Kluczowe jest to, czy system rozpoznaje rzeczywistą jakość pracy, czy jedynie optymalizuje łatwo mierzalne wskaźniki. Odpowiedzialne wdrażanie wymaga zatem weryfikowalnych kryteriów, jasno określonych obowiązków i realistycznych możliwości weryfikacji przez ludzi. Odpowiedzialność nie może zniknąć poprzez wskazywanie na rzekomo obiektywne oprogramowanie.

Do funkcjonowania systemów wczesnego ostrzegania potrzebne jest coś więcej niż tylko dane o liczbie zwolnień

Władze powinny zwiększyć wymianę danych dotyczących zatrudnienia i przemysłu, opracować regionalne i sektorowe modele analityczne oraz stale monitorować zmiany w zakresie wdrażania sztucznej inteligencji, nowych miejsc pracy, migrujących aktywności i wymaganych umiejętności. Dalsze działania obejmują dogłębne badania i integrację ryzyka związanego z zatrudnieniem związanego ze sztuczną inteligencją z istniejącymi mechanizmami, aby zapobiegać poważnym wzrostom bezrobocia. Ma to na celu przekształcenie pojedynczych obserwacji w wcześniejszy i bardziej praktyczny obraz sytuacji.

Dobry system musiałby jednak uwzględniać więcej niż tylko przeprowadzone redukcje zatrudnienia. Istotnymi czynnikami byłyby również spadek liczby stanowisk na stanowiskach początkowych, zmieniające się wymagania kwalifikacyjne, wygasające umowy, skrócony czas pracy oraz czas trwania zmian kariery. Równie ważna jest jakość nowego zatrudnienia: przejście na gorzej płatną lub znacznie mniej stabilną pracę nie powinno być automatycznie uznawane za w pełni satysfakcjonujące wynagrodzenie. Dopiero połączenie tych informacji pozwala na rzetelną ocenę ekonomiczną.

Najtrudniejszym zadaniem pozostaje zidentyfikowanie przyczyn źródłowych. Zatrudnienie może spadać z powodu słabego popytu, zmieniających się warunków handlowych, problemów operacyjnych lub zmian technologicznych. Sztuczna inteligencja może być jednym z wielu czynników. Przypisywanie każdego spadku automatyzacji zachęca do podejmowania błędnych środków zaradczych; kategorycznie wykluczając sztuczną inteligencję jako przyczynę, pomija się rzeczywiste problemy adaptacyjne. Dlatego porównywalne firmy i branże należy badać przez dłuższy czas. System wczesnego ostrzegania jest tak dobry, jak jego dane, metody analityczne i gotowość do przyznania się do niewygodnych ustaleń.

Między ochroną a konkurencyjnością

W przypadku aplikacji, które mogłyby mieć znaczący wpływ na zatrudnienie, wytyczne przewidują bardziej rygorystyczną ocenę ryzyka; w niektórych obszarach dostępu do rynku, ocena zatrudnienia powinna być włączona do przeglądu projektu. Świadczy to o świadomości decydentów, że decyzje inwestycyjne przedsiębiorstw mogą mieć konsekwencje dla pracowników i budżetów publicznych. Z ekonomicznego punktu widzenia zrozumiałe jest, że takich kosztów nie należy uwzględniać dopiero po fakcie.

Jednak to podejście ma wyraźne ograniczenia. Jeśli procedury staną się zbyt niejasne lub uciążliwe, mogą opóźnić niezbędną modernizację i chronić istniejącą pozycję rynkową. Firma, która straci międzynarodową konkurencyjność z powodu nadmiernych regulacji, może później być zmuszona do redukcji zatrudnienia w większej liczbie miejsc pracy, niż udało się jej uratować w krótkim okresie. Dlatego też dbałość o pracowników nie powinna być mylona z ogólnym priorytetem utrzymania obecnego stanu zatrudnienia.

Bardziej przekonujące byłyby przejrzyste, proporcjonalne procedury, które badałyby zakres i tempo zmian, a także realistyczne alternatywy. Co kluczowe, ocena powinna koncentrować się na tym, czy szkolenia, transfery wewnętrzne i wsparcie przejściowe są odpowiednio przygotowane. Należy również uwzględnić potencjalne dodatkowe zamówienia, poprawę bezpieczeństwa i długoterminową konkurencyjność. W ten sposób przegląd nie stałby się całkowitą przeszkodą dla innowacji, lecz narzędziem lepszego wdrażania. Wyzwanie polityczne polega na unikaniu niepotrzebnych szkód społecznych bez etykietowania samej transformacji produkcyjnej jako niepożądanego ryzyka.

Kto powinien ponieść koszty przejścia?

Chińskie podejście wyraźnie łączy inwestycje technologiczne z inwestycjami w ludzi, a także uwzględnia dalszy rozwój mechanizmów wynagrodzeń i dystrybucji. Uwypukla to problem dystrybucji, który często jest pomijany w entuzjazmie dla wydajności sztucznej inteligencji: firmy, pracownicy i państwo niekoniecznie odnoszą korzyści w tym samym stopniu lub w tym samym czasie. Koszty transformacji są również nierównomiernie rozłożone.

Dla firm, w perspektywie krótkoterminowej, korzystne może być obniżenie kosztów osobowych, podczas gdy inne ponoszą ciężar dalszego szkolenia, zastępowania dochodów i wynikających z tego kosztów społecznych. Ekonomicznie uzasadniony system powinien ograniczać takie zachęty. Mogłoby to obejmować odpowiedni wkład firmy w szkolenia, wczesne planowanie zatrudnienia oraz większy udział pracowników w osiąganiu widocznych korzyści w zakresie produktywności. Jednocześnie kluczowe jest zapobieganie dodatkowym obowiązkom, które mogłyby nadmiernie obciążać, zwłaszcza małe firmy, lub utrudniać ekonomicznie opłacalne inwestycje.

Same wytyczne nie zastępują jednak w pełni finansowanej architektury wdrażania: opublikowany tekst nie zawiera ani kompleksowych, odrębnych ram finansowania, ani jednolitych ilościowych celów sukcesu dla całego pakietu działań. Właśnie dlatego praktyczna alokacja zasobów będzie kluczowa. Jeśli zamożniejsze regiony będą w stanie zaoferować wysokiej jakości wsparcie, podczas gdy obszary słabsze strukturalnie pozostaną w tyle, istniejące dysproporcje mogą się pogłębić. Potrzebna jest koordynacja między poziomem realizacji postępów technologicznych a poziomem ponoszenia kosztów transformacji społecznej.

Europejskie firmy powinny przyjrzeć się temu bliżej

Związek Chin między promocją sztucznej inteligencji a polityką zatrudnienia ma również znaczenie dla międzynarodowych konkurentów. Skala automatyzacji przemysłowej pokazuje, że chińska gospodarka nadal napędza modernizację technologiczną na szeroką skalę. Dlatego nowej polityki rynku pracy nie należy interpretować jako prostego odwrotu od konkurencji. Jej celem jest raczej poprawa warunków ekonomicznych i społecznych, aby umożliwić bardziej zrównoważoną ścieżkę modernizacji.

Dla niemieckich firm przemysłowych, logistycznych i usługowych rodzi to strategiczne pytanie: czy sztuczna inteligencja zostanie wprowadzona jedynie jako narzędzie do redukcji kosztów, czy też jako element szerszej poprawy modelu biznesowego? Jednostronne skupienie się na redukcji zatrudnienia może przesłonić fakt, że jakość, niezawodność dostaw, responsywność i usługi dodatkowe również tworzą przewagę konkurencyjną. Firmy dysponujące rozległą wiedzą specjalistyczną i procesową mogłyby w szczególności skorzystać na połączeniu tej wiedzy z inteligentnymi narzędziami, zamiast przedwcześnie redukować zatrudnienie.

Polityki Chin nie należy ani idealizować, ani z góry odrzucać. Cele formułowane centralnie nie są dowodem na ich skuteczną realizację, a kontrola polityczna może tworzyć nieuzasadnione bodźce. Podobnie, traktowanie rozwoju technologicznego jako procesu, którego skutki społeczne są z natury niekontrolowane, byłoby nieprzekonujące. W praktyce biznesowej istotną lekcją jest zintegrowane podejście: technologia, personel, bezpieczeństwo, szkolenia i korzyści ekonomiczne muszą być planowane razem.

Sukces jest widoczny w tej transformacji

To, czy zmiana polityki Chin okaże się gospodarczo skuteczna, nie będzie zależeć od liczby opublikowanych programów ani nowo utworzonych stanowisk pracy. Bardziej miarodajnymi wskaźnikami będą szybkość, z jaką osoby dotknięte skutkami zmiany ponownie znajdą stabilne zatrudnienie, jak będą rosły ich realne dochody oraz to, czy firmy jednocześnie staną się bardziej produktywne i konkurencyjne. Równie ważny jest dostęp mniejszych firm do zaawansowanych narzędzi oraz to, czy powstaną nowe miejsca pracy poza kilkoma centrami technologicznymi.

Uzasadnienie jest zatem następujące: strategia sztucznej inteligencji sprzyjająca zatrudnieniu ma sens, jeśli chroni pracowników, nie utrwalając na stałe przestarzałych procesów. Powinna umożliwiać postęp technologiczny, jednocześnie tworząc warunki do korzystania z niego przez pracowników. Zbyt powolne dostosowywanie się zagraża produktywności i konkurencyjności; zbyt szybkie zastępowanie technologii bez zrównoważonych transformacji może osłabić dochody, popyt i rozwój umiejętności. Czynnikiem istotnym z ekonomicznego punktu widzenia jest jakość zmiany.

To przesuwa punkt odniesienia dla postępu. Nie każda zaoszczędzona godzina pracy to zysk społeczny i nie każdy zachowany etap procesu jest automatycznie wart ochrony. Kluczowym czynnikiem jest to, czy postęp technologiczny prowadzi do trwale lepszych możliwości ekonomicznych. Chiny próbują politycznie regulować to powiązanie. Najtrudniejsze jest jednak to, gdzie wytyczne stykają się z poszczególnymi przedsiębiorstwami: od konkretnej decyzji o tym, które miejsca pracy znikną, które powstaną nowe i kto będzie miał możliwość ich wykonywania w przyszłości.

Xpert.Digital to branżowy hub B2B oparty na danych, kierowany przez Konrad Wolfenstein . Firma działa jako zewnętrzne, quasi-wewnętrzne rozwiązanie dla partnerów przemysłowych, eliminując luki operacyjne w obszarze marketingu, treści i sprzedaży – bez konieczności angażowania dodatkowych zasobów po stronie klienta.

Więcej informacji tutaj:

• Rozwiązanie quasi-in-house: Jak Xpert.Digital niweluje luki operacyjne w marketingu i sprzedaży B2B – Smart Content-Driven Business

☑️ Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim ojczystym języku!

 

Ja i mój zespół chętnie będziemy do Państwa dyspozycji jako osobisty doradca.

Możesz się ze mną skontaktować, wypełniając formularz kontaktowy tutaj wolfenstein@xpert.digital:lub po prostu dzwoniąc pod numer +49 7348 4088 965. Mój adres e-mail to

Nie mogę się doczekać naszego wspólnego projektu.

 

 

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii cyfrowej i digitalizacji

☑️ Rozszerzenie i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Rozwój biznesu pionierskiego / Marketing / PR / Targi