Sztuczna inteligencja pogłębia przepaść płacową. Czy to nowa norma?

Rynek pracy, który jeszcze dekadę temu wydawał się stosunkowo jednorodny, dziś przechodzi jedną z najgłębszych transformacji w historii. Automatyzacja, robotyzacja i przede wszystkim generatywna sztuczna inteligencja (GenAI) nie tyle zastępują ludzi, ile radykalnie zmieniają strukturę popytu na umiejętności. Zamiast szerokiej klasy średniej zarobkowej powstają dwa wyraźne bieguny: rosnąca grupa pracowników uwięziona w okolicy płacy minimalnej oraz wąska, ale szybko bogacąca się elita specjalistów „AI-first” – osób, które traktują sztuczną inteligencję jako codzienny multiplier produktywności. To nie jest tymczasowa anomalia. To strukturalna zmiana, potwierdzona zarówno danymi krajowymi, jak i globalnymi raportami.

Rosnąca armia pracowników na płacy minimalnej

W Polsce zjawisko to jest szczególnie widoczne. Według szacunków rządowych pod koniec 2024 r. wynagrodzenie minimalne lub zbliżone do niego otrzymywało już około 3,6 mln osób – czyli blisko 28% wszystkich zatrudnionych. W 2025 r. minimalna pensja stanowiła aż 54% przeciętnego wynagrodzenia – jeden z najwyższych wskaźników w Unii Europejskiej.

Czytaj też: Integracja i retencja – jak skutecznie budować trwałe relacje z międzynarodowym zespołem

Co więcej, liczba ta nie maleje mimo wzrostu gospodarczego. Dlaczego? Bo automatyzacja i AI najszybciej likwidują właśnie „środkowe” stanowiska – rutynowe prace biurowe, administracyjne, proste operacje produkcyjne czy podstawową obsługę klienta. Zostają miejsca, których nie da się (jeszcze) w pełni zautomatyzować: opieka, sprzątanie, podstawowa logistyka czy handel detaliczny. Te role wymagają obecności fizycznej, ale nie generują wysokiej wartości dodanej. W efekcie pracodawcy nie mają bodźców, by podnosić płace powyżej minimum, a pracownicy – realnych perspektyw awansu.

Wynik? Coraz szersza grupa osób pracuje pełny etat, ale ich realna siła nabywcza rośnie wolniej niż średnia krajowa, a poczucie stagnacji jest powszechne.

Elita „AI-first” – specjaliści, którzy zarabiają krocie

Na drugim biegunie znajdują się pracownicy „AI-first” – programiści, analitycy danych, marketerzy, prawnicy, finansiści czy menedżerowie, którzy codziennie wykorzystują narzędzia GenAI (ChatGPT, Claude, Midjourney, Copilot itp.) do 5–10-krotnego zwiększenia produktywności.

Ci specjaliści nie tylko opanowują nowe narzędzia – oni projektują prompt engineering, budują własne agenty AI i integrują modele językowe z procesami biznesowymi. Efekt? Firmy są gotowe płacić im ogromne premie. Globalny raport PwC 2025 Global AI Jobs Barometer pokazuje, że pracownicy z kompetencjami AI zarabiają średnio o 56% więcej niż osoby na identycznych stanowiskach bez tych umiejętności (wzrost z 25% rok wcześniej). W branżach najbardziej narażonych na AI płace rosną dwa razy szybciej niż w pozostałych.

W Polsce ten efekt jest już widoczny w IT, konsultingu strategicznym, finansach i marketingu. Topowi prompt engineerzy, AI product managerowie czy specjaliści od LLM (Large Language Models) w korporacjach międzynarodowych bez problemu przekraczają 30–50 tys. zł miesięcznie brutto + equity. To nie jest wyjątek – to nowy standard dla wąskiej grupy, która potrafi „jeździć na fali AI”.

Technologia, automatyzacja i AI jako główne siły polaryzacji

Klasyczna teoria „skill-biased technological change” ewoluowała w „task-biased” i wreszcie w „AI-augmented polarization”. Sztuczna inteligencja nie atakuje wyłącznie niskowykwalifikowanych – ona wycina właśnie klasę średnią: księgowych, tłumaczy, grafików, analityków niższego szczebla, agentów call center.

Jednocześnie zwiększa wartość pracy kreatywnej i strategicznej, ale tylko wtedy, gdy pracownik umie z AI współpracować. Efekt „sztangi” (barbell effect) jest wyraźny: rośnie zapotrzebowanie na bardzo niskopłatne usługi osobiste (które trudno zautomatyzować) oraz na bardzo wysokopłatną pracę intelektualną wspomaganą AI. Środek się kurczy.

Dodatkowo wyższe płace minimalne paradoksalnie przyspieszają ten proces – firmy w odpowiedzi inwestują w roboty i AI jeszcze szybciej (badania Erica Brynjolfssona z MIT). W efekcie rozwarstwienie nie jest efektem ubocznym, lecz mechanizmem wbudowanym w model rozwoju napędzanego technologią.

Konsekwencje dla rynku pracy i gospodarki w najbliższych latach

W perspektywie 2026–2030 skutki mogą być poważne:

• Wzrost nierówności dochodowych – nawet jeśli współczynnik Giniego chwilowo spada (jak pokazują najnowsze dane GUS), trend długoterminowy wskazuje na odwrócenie. Wysokie premie dla AI-first mogą podbić górny decyl, podczas gdy dolny utknie przy minimum.
• Presja społeczna i polityczna – rosnące frustracje klasy średniej i niskopłatnych mogą prowadzić do żądań radykalnych rozwiązań: wyższych podatków od AI, uniwersalnego dochodu podstawowego czy obowiązkowych programów reskillingu finansowanych przez państwo i korporacje.

Czytaj też: Rewolucja Agentic AI: gdy sztuczna inteligencja przestaje być narzędziem, a staje się wykonawcą

• Zmiana modelu biznesowego – firmy będą musiały inwestować nie tylko w technologię, ale w „human-AI collaboration training”. Ci, którzy tego nie zrobią, stracą talenty.
• Szansa dla Polski – jeśli szybko wdrożymy masowe programy nauczania kompetencji AI już na poziomie szkół średnich i uczelni (a nie tylko dla elity), możemy uniknąć scenariusza „latynoamerykanizacji” rynku pracy. W przeciwnym razie staniemy się krajem tanich usług dla zachodnich AI-first firm.

Podsumowując: sztuczna inteligencja nie zabija pracy – ona ją polaryzuje. Ci, którzy nauczą się z nią współpracować, staną się nową arystokracją zarobkową. Ci, którzy tego nie zrobią, pozostaną na minimum. Okno na zmianę tej trajektorii jest jeszcze otwarte – ale zamyka się szybko. Biznes i polityka muszą działać teraz, zanim podział na „AI-milionerów” i „pracowników minimalnych” stanie się trwałą cechą polskiego rynku pracy.