Czy AI zabierze mi pracę? Uczciwa analiza bez paniki

W skrócie: AI zastępuje zadania, nie zawody. Żeby zniknął cały zawód, trzeba wyjątku — zwykle zmienia się skład pracy, a wraz z nim oczekiwania wobec ludzi. Praktyczna odpowiedź na lęk to nie zgadywanie przyszłości, tylko rozłożenie własnej pracy na zadania i sprawdzenie, które da się zautomatyzować, a które trzymają się na odpowiedzialności, kontekście i kontakcie z ludźmi. A potem — bardzo uważne przyjrzenie się temu, co sprzedaje ci się pod słowem „przekwalifikowanie“: zmierzyliśmy ten rynek i liczby studzą emocje.

Najpierw: dlaczego to pytanie straszy bardziej, niż powinno

Lęk przed zastąpieniem działa tak: wyobrażamy sobie zawód jako jeden blok i porównujemy z maszyną całych siebie. Tylko że nikt nie zatrudnia „księgowego w ogóle“ — zatrudnia człowieka do konkretnego zestawu spraw. I maszyna też nie zabiera człowieka, zabiera pojedyncze zadania. W chwili, gdy przechodzisz od „czy zastąpią księgowych?“ do „które z moich 14 cotygodniowych zadań mógłby zrobić model?“, rozmowa przestaje straszyć i staje się robotą.

Pomaga też historia. Bankomaty nie wybiły kasjerów — oddziałów przybyło, a obowiązki przesunęły się w stronę doradztwa. Arkusze kalkulacyjne skasowały ręczne przeliczanie i podniosły popyt na analityków finansowych. To nie gwarancja, że zawsze tak będzie, ani obietnica, że przejście jest bezbolesne. Ale przypomnienie: zautomatyzowanie części zadań i likwidacja zawodu to dwie różne rzeczy.

Jest jeszcze drugi powód, dla którego pytanie brzmi głośniej, niż powinno. Na lęku się zarabia. Każdą hałaśliwą prognozę o tym, że „X% miejsc pracy zniknie do 20YY“, ktoś opłacił — i prawie zawsze jest to ktoś, kto sprzedaje albo samą AI, albo ratunek przed nią. Dalej pokazujemy, jak drugi z tych biznesów wygląda od środka, bo akurat ten zmierzyliśmy sami.

Co AI robi dziś naprawdę dobrze

• Pierwszy szkic czegokolwiek tekstowego: maila, planu, opisu, instrukcji.
• Skracanie i porządkowanie: długi dokument w pięć punktów, notatki w tabelę.
• Tłumaczenie i zmiana tonu — szybko i na przyzwoitym poziomie.
• Rutynowy, schematyczny kod i wyjaśnianie cudzego kodu.
• Generowanie wariantów: dwadzieścia nagłówków, żebyś wybrał jeden.
• Tłumaczenie nieznanego prostymi słowami — prywatny korepetytor z dowolnego tematu.
• Wstępna klasyfikacja: sto zgłoszeń rozłożonych tematycznie w niecałą minutę.

Zwróć uwagę, co je łączy: wynik widać od razu i sprawdzasz go w sekundy. Zły szkic widać. Złe tłumaczenie zgrzyta. Złe streszczenie sypie się przy pierwszym porównaniu z oryginałem. Dlatego te zadania odchodzą pierwsze — nie dlatego, że są „łatwe“, tylko dlatego, że koszt błędu jest bliski zeru: łapiesz go, zanim gdziekolwiek trafi.

Gdzie regularnie się potyka

• Odpowiedzialność. Model nie odpowie za skutki. Podpis, ryzyko i decyzja zostają przy człowieku — to nie ograniczenie techniczne, tylko sposób, w jaki zbudowana jest odpowiedzialność.
• Wiarygodność. Myli się pewnym głosem, a po tonie błędu nie odróżnisz od prawdy — zobacz halucynacje AI.
• Niewypowiedziany kontekst. Wszystko, co w twojej firmie, branży czy relacji z klientem „każdy wie“, dla modelu nie istnieje.
• Kontakt z człowiekiem. Trudne negocjacje, wsparcie kogoś w kiepskim momencie, zaufanie budowane latami.
• Świat fizyczny. Ręce, przedmioty, warunki poza schematem — postęp jest, ale dużo wolniejszy niż w tekście.
• Postawienie pytania. Model odpowiada na pytanie, ale nie wie, jakie warto było zadać. To wciąż robota człowieka.

Te punkty też mają coś wspólnego: w każdym z nich nie da się szybko sprawdzić, czy model ma rację. Nie dlatego, że tam jest głupszy, tylko dlatego, że nie ma pod ręką kryterium. Stąd robocza zasada warta więcej niż wszystkie prognozy: zadanie odchodzi do AI dokładnie na tyle, na ile tanio jest sprawdzić wynik. Nie „trudne czy łatwe“. Nie „twórcze czy rutynowe“. Sprawdzalne albo nie.

Zatrzymaj się, zanim przeczytasz dalej: wypisz punkt po punkcie wszystko, co robiłeś w pracy w zeszłym tygodniu. Zaznacz te, gdzie (a) wynik jest sprawdzalny, (b) błąd nie jest krytyczny, (c) nie potrzeba kontekstu nieznanego modelowi. To one odejdą pierwsze — i najpewniej odetchniesz z ulgą.

Rozłóż swoją pracę na części tutaj

Poniżej gotowy prompt. Jest samowystarczalny: w środku siedzi już lista zadań prawdziwej osoby, więc naciśnij „Uruchom“ i zobacz całe rozumowanie. Potem podstaw swoje sprawy.

Jesteś analitykiem karier. Odpowiadaj uczciwie — bez hype'u i bez pocieszania.

Oto prawdziwa tygodniowa lista zadań office managerki w dziale sprzedaży:
1. Zrobić z eksportu z CRM tabelę raportu sprzedaży dla szefowej.
2. Napisać 12 maili z przypomnieniem o zaległej płatności.
3. Przeprowadzić rozmowę z kandydatem na stanowisko asystenta.
4. Wynegocjować z wynajmującym dwutygodniowe przesunięcie czynszu.
5. Ułożyć i rozesłać agendę cotygodniowego spotkania.
6. Rozdzielić 60 przychodzących zgłoszeń między właściwych handlowców.
7. Powiedzieć pracownikowi, że okres próbny nie zostanie przedłużony.
8. Zaktualizować instrukcję onboardingu dla nowych.
9. Sprawdzić faktury od podwykonawców i zatwierdzić płatność.
10. Zdecydować, który z dwóch handlowców dostanie największego klienta.

Zadanie: podziel te 10 punktów na trzy grupy —
A) AI robi to dziś już niemal w całości,
B) AI przyspiesza, ale decyzja i podpis zostają przy człowieku,
C) słabo się automatyzuje.

Do KAŻDEGO punktu dopisz jedną linijkę z kluczowym kryterium:
czy da się w minutę sprawdzić, że wynik jest poprawny — i po czym?
Potem wskaż 2 punkty, w których twoje własne przypisanie jest sporne,
i wyłóż argumenty obu stron.
Nie strasz mnie i nie schlebiaj.

Zobacz, co powie o punktach 3, 7 i 10. Niemal na pewno wrzuci je do grupy C — i uzasadni to nie „trudnością“, tylko tym, że nie ma do czego przyłożyć odpowiedzi: czy decyzja była dobra, dowiesz się za pół roku. To jest, w jednej obserwacji, sedno całego pytania o zastąpienie.

Co mówią głośne liczby — i dlaczego je stąd wyrzuciliśmy

We wcześniejszej wersji tego tekstu stały dwie najczęściej cytowane liczby branży: „39% kluczowych kompetencji zmieni się do 2030 roku“ i „71% menedżerów wolałoby mniej doświadczonego kandydata z kompetencjami AI“. Wyrzuciliśmy je. Powód jest prosty: nie udało się nam potwierdzić ich w źródle pierwotnym, a powtarzanie streszczenia streszczenia to dokładnie ten mechanizm, którym w internecie rodzą się fakty znikąd.

Ale nie chodzi tylko o sprawdzalność. Nawet gdyby te liczby były dokładne, tobie osobiście nic nie dają. „Kompetencje się zmienią“ to nie „ludzi zwolnią“. Ankieta wśród menedżerów to deklaracja w formularzu, nie decyzja rekrutacyjna. I najważniejsze: żadna z nich nie odpowiada na twoje pytanie. Pytałeś, czy zniknie twoja praca, a dostajesz średnią dla całej planety.

Poszliśmy więc zmierzyć to, co naprawdę da się zmierzyć i co naprawdę cię dotyczy.

Nasze badanie: zmierzyliśmy rynek „ratunku przed AI“

Na „AI zabierze mi pracę“ branża ma dokładnie jedną odpowiedź: przekwalifikuj się. Kup kurs. Skoro tak, to żeby ocenić, czy panikować, warto zobaczyć, co konkretnie sprzedaje się pod tym słowem. Ściągnęliśmy dane największych nietechnicznych kursów o AI na Udemy (przez ich wewnętrzne API) oraz z topki Coursery, razem z opiniami. Oto co znaleźliśmy.

Po pierwsze: panika jest już zmonetyzowana, i to na skalę przemysłową

Na jeden kurs — Google AI Essentials na Courserze — zapisało się 1 876 929 osób. Na Generative AI for Everyone od DeepLearning.AI (Andrew Ng) — 814 083. Na Prompt Engineering for ChatGPT od Vanderbilt — 698 444. Na Generative AI: Prompt Engineering Basics od IBM — 654 256. Na Udemy Generative AI for Beginners (Aakriti E-Learning) ma 409 492 kursantów przy 121 079 opiniach i ocenie 4,53. The Complete AI Guide — 376 845 kursantów, 42 godziny wideo i 545 lekcji. A ChatGPT: Complete Course For Work Steve'a Ballingera — 281 823.

Miej te liczby w głowie, gdy następnym razem usłyszysz, że ludzie się nie przygotowują. Miliony już się zapisały. Pytanie nie brzmi, czy rynek się przygotowuje, tylko co z tego ma.

Po drugie: „nisza dla początkujących“ nie jest pusta, jest zatłoczona

Przeczytaliśmy wymagania ośmiu największych kursów na Udemy. Programowanie nie jest potrzebne nigdzie. Dosłownie: "No prerequisites as ChatGPT is a tool anyone can access and use immediately" (Ballinger); "No coding skills needed" (Wheeler); "A desire to learn" (Aakriti); "No prior experience with AI or programming is needed" (Complete AI Guide).

Co to znaczy dla ciebie: „wejść w AI“ to nie rzadka umiejętność ani fosa obronna. Prawie dwa miliony ludzi przerabia ten sam kurs wprowadzający co ty. Certyfikat, że wiesz, czym jest prompt, nie odróżnia cię od nikogo.

Po trzecie: promocji, za którą gonisz, nie ma

To najbardziej maszynowo sprawdzalny fakt, jaki mamy. Oto surowa odpowiedź API Udemy na karcie kursu:

"price": {"amount": 24.99, "currency": "EUR"}
"list_price": {"amount": 24.99, "currency": "EUR"}
"saving_price": {"amount": 0.0}
"has_discount_saving": false
"discount_percent": 0

Cena równa się „starej cenie“. Oszczędność: zero. Rabat: zero. 11 z 12 kursów z topki kosztuje 19,99 €, jeden (Complete AI Guide) — 24,99 €. Wszystko, co na witrynie wygląda na kończącą się ofertę, jest częścią interfejsu, a nie ceny.

Po co to w tekście o twojej pracy? Bo lęk to fatalny kupujący. Kto boi się o swoją posadę, spieszy się i nie sprawdza. A sprawdzenie zajmowało tu minutę.

Po czwarte: co mówią ci, którzy już zapłacili

Zebraliśmy i przeczytaliśmy opinie ręcznie. Udział ocen negatywnych (≤3,5★) na Udemy: 9,61% przy Generative AI for Beginners, 10,36% przy Complete AI Guide. Na Courserze wyraźnie mniej — 1,5–3,5%. Ale ciekawsze od procentów jest to, o czym ludzie piszą. Zarzuty układają się w bardzo wąski zestaw.

Kurs to slajd czytany na głos.

"why read straight from the slide? I can do that. This was not a helpful course at all" — Janie I., 02.07.2026, 1★

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website" — Shashank T., 13.04.2026, 1★ (Complete AI Guide)

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word" — Bradley M., 16.04.2026, 1★ (kurs ze 118 tysiącami kursantów)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it." — Sachin S., 13.07.2026, 1★ (Complete AI Guide)

Nikt nie sprawdza, czy się czegoś nauczyłeś. To najbardziej niepokojące znalezisko i uderza wprost w ideę „przekwalifikowanie = ochrona“:

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not." — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience." — Laurie J Phillips, 12.04.2024, 3★ (IBM)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'" — Cory Covino, 04.05.2024, 2★ (IBM)

"All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter." — Cornelius Griggs, 1★ (Generative AI with LLMs)

Obiecali nauczyć promptów — nie nauczyli. I to na kursach, które mają „prompt engineering“ w tytule:

"There is nothing teached about creating a good prompt. It is just an overview of types of prompts." — Geralt O., 01.07.2026, 2★

"No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc." — Bharat Ram A., 05.06.2026, 1.5★

"i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts." — Manuel L., 15.06.2026, 2★

"Didnt meet expectations, only theory is discussed which we already know." — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Po piąte: ile to kosztuje miesięcznie

Coursera Plus — 50 €/miesiąc albo 343 €/rok (14 dni na zwrot). Osobne programy Google na Courserze — 49 $/miesiąc po 7-dniowym triale. Udemy Personal Plan — 20,00 €/mies., w promocji 10,00 €/mies.; tę parę liczb wzięliśmy z landingu Udemy, a nie z API, bo ich strona zwraca crawlerowi 403 — źródło jest więc słabsze niż reszta i to zaznaczamy. Przy tym Prompt Engineering Specialization od Vanderbilt wymaga płatnej subskrypcji ChatGPT+, żeby w ogóle robić zadania. Czyli kursant płaci i za kurs, i za narzędzie — rzędu 70 € miesięcznie za oglądanie wideo i automatyczne "100% correct".

Co z tego wynika dla ciebie

Nie to, że „kursy są złe“. Bywają świetne, a Google AI Essentials z oceną 4,8 przy 22 557 opiniach na pewno nie jest śmieciem. Wynika co innego, i waży więcej niż jakakolwiek prognoza na 2030:

• Kupienie kursu to nie działanie. Prawie dwa miliony osób już kliknęło „zapisz się“. To cię nie wyróżnia. Wyróżnia umiejętność zastosowania.
• Certyfikat niczego nie dowodzi. Jeśli system rozdaje "100% correct" automatycznie, to ta ocena nic nie mówi też pracodawcy. Kursantka, która to napisała, miała rację: "no idea whether my answer was correct".
• Teoria to najtańsza część. Czterech niezależnych ludzi zapłaciło, a potem napisało, że to była sama teoria, którą i tak znali. Lęk każe kupować rozumienie, a potrzebna jest umiejętność.
• Sprawdź cenę i warunki w minutę. Ten sam mięsień co przy sprawdzaniu odpowiedzi modelu: nie wierz tonowi, spójrz w dane.

Dlaczego platformy nie mogą tego naprawić (to strukturalne, nie lenistwo)

Opinia Shinysheep nie jest o kiepskim wykładowcy. Jest o architekturze. Żeby sprawdzić prompt, potrzebny jest model wewnątrz lekcji. Coursera go nie ma. Udemy nie ma. Automat sprawdzi esej o tym, czym jest few-shot. Nie sprawdzi, czy twój prompt naprawdę działa — do tego prompt trzeba uruchomić. Dlatego automatyczne "100% correct" to nie fuszerka, tylko jedyne, co da się zrobić bez uruchomienia.

Stąd czysty test dla każdego szkolenia z AI, naszego też: jeśli nigdy nie uruchamiasz promptu i nie widzisz odpowiedzi, uczysz się mówić o AI, a nie jej używać. Przycisk „Uruchom“ pod blokami w tym tekście jest dokładnie po to: możesz nacisnąć i zobaczyć, zamiast wierzyć nam na słowo.

Trzy błędy, które ludzie robią przy tym pytaniu

Błąd 1: porównywać się z modelem, a nie z człowiekiem, który ma model. ChatGPT cię nie zastąpi. Przesunąć cię może kolega, który robi twój dzień pracy w godzinę. To radykalnie zmienia plan: nie chodzi o ściganie się z technologią, tylko o wzięcie jej do ręki.

Błąd 2: uważać „twórcze“ za zbroję. Wykonanie twórcze — dwadzieścia nagłówków, pięć wariantów obrazka, szkic tekstu — odchodzi pierwsze właśnie dlatego, że sprawdza się natychmiast. Decyzja, który z dwudziestu nagłówków idzie i dlaczego, nie odchodzi. Chroni cię nie twórczość, tylko wzięcie odpowiedzialności za wybór.

Błąd 3: czekać, aż się wyjaśni. Ludzie odkładają do momentu, „aż będzie wiadomo“. Nie będzie. Za to w jeden wieczór możesz mieć własny fakt zamiast cudzej prognozy: weź realne zadanie, zrób je z AI i bez, i zmierz czas. Jeden taki pomiar waży więcej niż wszystkie raporty razem.

Sprawdź model na tym samym temacie

Drugi prompt służy do złapania modelu na słabym punkcie. Samowystarczalny, uruchamia się jak stoi.

Jesteś surowym analitykiem. Poniżej akapit z artykułu o rynku pracy.
Znajdź w nim wszystkie twierdzenia, które brzmią jak fakt,
ale których czytelnik nie może sprawdzić.

Akapit:
„Według najnowszych badań do 2030 roku około 40% miejsc pracy zostanie
zautomatyzowanych, a eksperci są zgodni, że pierwsze ucierpią zawody
kreatywne. Już dziś 8 na 10 firm wdrożyło AI, a średnia oszczędność
czasu wynosi 30%.“

Do każdego twierdzenia zrób tabelę z trzema kolumnami:
1) samo twierdzenie,
2) dlaczego nie da się go sprawdzić (brak źródła / brak definicji /
   ankieta podana jako pomiar / prognoza podana jako fakt),
3) jakie pytanie czytelnik musi zadać autorowi, żeby dało się sprawdzić.

Na koniec: przepisz akapit tak, żeby nie zostało w nim ani jedno
niesprawdzalne twierdzenie. Możesz go mocno skrócić.

Ten chwyt warto stosować do każdego tekstu o AI i rynku pracy, łącznie z tym. Dokładnie tak wyrzuciliśmy stąd tamte dwie liczby.

Kto powinien uważniej się przyjrzeć

Bez straszenia i bez listy „skazanych zawodów“ — takich list nie da się uczciwie ułożyć. Ale presja jest większa tam, gdzie praca składa się głównie z zadań, które idą według szablonu, żyją w całości w tekście albo danych, łatwo je sprawdzić i nie niosą osobistej odpowiedzialności za skutki. To nie wyrok na zawód — to sygnał, żeby wewnątrz niego przesunąć się w tę część, gdzie potrzebny jest osąd, kontekst i relacje. Taka część zwykle istnieje i zwykle jest najciekawsza.

Kontrargument przeciwko nam samym. „Sprawdzalność“ to dobra zasada, nie prawo natury. Jest sporo zadań łatwych do sprawdzenia, których nikt nie spieszy się automatyzować: wolumen mały, integracja droższa niż oszczędność, przepis wymaga człowieka. I odwrotnie: słabo sprawdzalne zadanie trafia do modelu po prostu dlatego, że wcześniej też nikt go nie sprawdzał. Zasada mówi więc, gdzie patrzeć, a nie co się stanie.

Plan na najbliższy miesiąc

1. Zrób inwentaryzację. Rozłóż pracę na zadania i uczciwie zaznacz te automatyzowalne. Dwadzieścia minut, jedna kartka. Prompt powyżej robi połowę za ciebie.
2. Weź dwa z nich na siebie. Nie czekaj, aż zrobi to ktoś inny. Oddanie własnej rutyny do AI to jedyny sposób, żeby zostać tym, kto prowadzi proces.
3. Zmierz. Jeden typowy przypadek z AI i bez. Prawdziwa liczba leczy lęk lepiej niż jakikolwiek artykuł — w obie strony.
4. Zainwestuj w to, czego nie da się zautomatyzować. Stawianie zadań, negocjacje, odpowiedzialność, kontekst branżowy, relacje. To drożeje, gdy wykonanie tanieje.
5. Naucz się debugować prompt, a nie wkuwać wzór. To dokładnie ta dziura, na którą narzeka siedem opinii w naszych danych: wszyscy uczą „oto struktura promptu“, nikt nie uczy „prompt nie zadziałał — co zmieniasz najpierw?“.
6. Naucz się sprawdzać. Wyłapanie pewnego siebie kłamstwa modelu staje się osobną wartością zawodową.

Debugowanie zamiast wzoru: spróbuj

Trzeci prompt pokazuje różnicę między „znam strukturę promptu“ a „umiem go naprawić“. Też samowystarczalny.

Oto zły prompt, który dał bezużyteczną odpowiedź:

„Napisz mail do klienta o opóźnieniu.“

Twoje zadanie:
1. Podaj dokładnie 4 powody, dla których ten prompt daje słaby wynik.
   Każdy powód ma wskazywać konkretny brak, a nie ogólniki.
2. Ustaw je według PRIORYTETU NAPRAWY: co zmienić najpierw
   i dlaczego akurat to da największy skok.
3. Pokaż trzy wersje promptu: po pierwszej poprawce,
   po drugiej i po wszystkich czterech.
4. Do każdej wersji jedną linijką: co konkretnie poprawi się
   w odpowiedzi.

Nie skacz od razu do wersji idealnej — zależy mi na kolejności kroków.

Odpowiedź na to ćwiczenie jest tą umiejętnością, której się nie zastępuje. Wzór dobrego promptu model wyrecytuje ci w sekundę; zrozumieć, co naprawić najpierw we własnym zadaniu, musisz sam.

Ile to naprawdę zajmuje

Zestaw dwie liczby z naszych danych. The Complete AI Guide: 42 godziny wideo i 545 lekcji. I opinia o tym samym kursie:

"The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed." — Harsh A., 09.04.2026, 1.5★

Czterdzieści jeden godzin. To tydzień pracy oddany za treść, która się przeterminowała. Inny kursant powiedział to samo o świeżości przy innym kursie:

"Most content is from 2024. This course is not bad for its time, but just too dated now." — Martin F., 27.05.2026, 2★ (na kursie, którego strona reklamowała aktualizację z kwietnia 2026)

Podstawowa umiejętność — sformułować zadanie, dostać szkic, zobaczyć błąd, naprawić prompt — wchodzi w kilka wieczorów na własnych, realnych sprawach. Nie przez 42 godziny cudzego wideo. Lęk popycha do kupowania objętości: 545 lekcji wygląda jak polisa. Nią nie jest.

Jest tu zresztą osobny wniosek z naszych danych: wideo przegrywa z tekstem dokładnie tam, gdzie wideo to czytany na głos tekst. "Reading straight from the slide" to opis właśnie tego przypadku. Tekst daje tempo czytelnika i transkrypt z definicji — na to, że artykuł mówi za szybko, nikt się nie skarży. A tekst aktualizuje się tanio; 545 lekcji nie.

Rozegraj scenariusz, którego się boisz

Ostatni prompt. Niczego nie przewiduje — zmusza rozmyty lęk, żeby przyjął kształt, z którym da się spierać.

Przeprowadź ustrukturyzowany spór w dwóch rundach o twierdzenie:

„W 2030 roku firma będzie trzymać jednego analityka finansowego
tam, gdzie dziś trzyma czterech.“

Runda 1: najmocniejsze stanowisko ZA. Runda 2: najmocniejsze stanowisko PRZECIW.
Zasady:
- Żadnych statystyk, żadnych wymyślonych procentów, żadnych odwołań
  do raportów. Argumentuj wyłącznie mechanizmami: jakie konkretne
  zadanie odjeżdża, kto sprawdza wynik, co pęka, gdy sprawdzenie zawiedzie.
- Każda strona musi podać JEDEN dowód, który zmieniłby jej własne zdanie.

Potem, w roli neutralnego sędziego:
- W czym obie strony faktycznie się zgadzają?
- Jakie jedno obserwowalne zdarzenie najbliższych 12 miesięcy
  rozstrzygnie spór najszybciej?
- Co ma praktycznie zrobić w poniedziałek pracujący analityk finansowy,
  skoro spór jest nierozstrzygnięty?

Zwróć uwagę na zakaz statystyk. Stoi tam celowo: bez liczb, za którymi można się schować, model musi rozumować mechanizmami — a mechanizm zestawisz ze swoim stanowiskiem pracy, czego z procentem nie zrobisz.

Najważniejsze do zabrania

Pytanie „czy AI zabierze mi pracę“ jest prawie zawsze źle postawione. Właściwe brzmi: „które moje zadania się zmienią i co zrobię z tym najpierw“. Odpowiedź na drugie jest w całości w twoich rękach i zajmuje kilka wieczorów, nie lata. Prawie dwa miliony ludzi kupiło kurs wideo jako odpowiedź; korzystają ci, którzy potem poszli i coś uruchomili. Zacznij od małego: przewodnik po ChatGPT dla początkujących i rozbiór, które zadania oddać AI najpierw. Jeśli szukasz teraz pracy, przyda się tekst o AI do CV i szukania pracy. A jeśli chcesz wiedzieć, co się stało z najbardziej rozdmuchanym „zawodem przyszłości“, zobacz uczciwy rozbiór o prompt engineerze i tekst o agentach AI — to przetasowuje listy zadań mocniej niż jakakolwiek prognoza.