Raport Anthropic: co AI zrobi z gospodarką do 2030 i po której stronie jest Twoja firma

W środę 9 września zespół ekonomistów Anthropic opublikował model gospodarki USA na 2030 rok i interaktywny eksplorator scenariuszy. Wpisujesz, co Twoim zdaniem AI będzie umiało za cztery lata, a model pokazuje PKB, płace i bezrobocie, które z tego wynikają. Polskie nagłówki streściły raport Anthropic jednym hasłem: „gorzej niż w pandemii”. To jest opis jednej z trzech kolumn tabeli. Najważniejsze zdanie tego raportu do nagłówków nie trafiło.

W każdym z trzech scenariuszy gospodarka rośnie. W każdym mniejsza część tego wzrostu trafia do pensji, a większa do właścicieli maszyn i systemów. Scenariusze różnią się tylko skalą i tempem. Autorzy piszą to wprost: „What the scenarios disagree about is size and speed”.

Jeśli prowadzisz firmę na 10, 50 albo 200 osób, to nie jest tekst o tym, czy AI zabierze pracę Twoim ludziom. To jest tekst o tym, po której stronie tego przesunięcia będzie Twoja firma.

Trzy scenariusze w liczbach

Model ma pięć pokręteł: jaki procent zadań AI potrafi wykonać, na jakiej części z nich jest naprawdę używane, czy zastępuje człowieka, czy go wzmacnia, ile daje produktywności na jednym zadaniu i jak długo wyparty pracownik szuka nowej pracy. Trzy scenariusze to trzy ustawienia tych pokręteł. Punkt startu to połowa 2026 roku, meta to styczeń 2030.

W 2030 roku	Umiarkowany	Znaczący	Skrajny
PKB USA względem świata bez AI	+1,6%	+8,3%	+32,4%
Roczne tempo wzrostu (dziś 2%)	2,4%	5,4%	15,4%
Zadania w gospodarce dotknięte AI	4%	12%	30%
Płace w zawodach umysłowych	+0,4%	−0,3%	−11,5%
Płace w pozostałych zawodach	+1,1%	+5,9%	+33,6%
Bezrobocie pracowników umysłowych (dziś 2,9%)	2,9%	4,5%	17,9%
Udział pracy w dochodzie (dziś 60%)	59,4%	56,1%	45,2%

Źródło: Korinek, Jones, Sacher, Cotter, McCrory, „Economic Scenarios for Transformative AI”, The Anthropic Institute, wrzesień 2026, tabela 3.

Scenariusz umiarkowany to AI jako kolejny internet: widać go w firmach, nie widać w statystykach. Znaczący to technologia większa niż internet i kolej. Wzrost 5,4% rocznie bije rekord z boomu dot-com, kiedy w 1999 roku gospodarka USA urosła o 4,7%. Skrajny wymaga AI, które samo się ulepsza, i szybkiego wdrożenia w całej pracy biurowej. Gospodarka podwaja się wtedy co niecałe pięć lat, a co piąty pracownik umysłowy nie ma pracy.

Autorzy nie przypisują scenariuszom prawdopodobieństw. Piszą, że dziś żadnego nie da się wykluczyć i że ścieżki rozchodzą się dopiero po 2027 roku. Do tego czasu wszystkie trzy wyglądają w danych tak samo. Dla firmy to znaczy jedno: masz mniej więcej rok, żeby ustawić się po właściwej stronie, i przez ten rok żadna statystyka nie powie Ci, który scenariusz się realizuje.

Gospodarka to wiązki zadań. Firma też

Najbardziej użyteczna rzecz w tym raporcie to nie liczby, tylko metoda. Model nie patrzy na etaty. Patrzy na zadania.

Każda praca to wiązka zadań spisanych w amerykańskiej bazie zawodów O*NET. Anthropic pokazuje to na pielęgniarce: obchód, pobieranie krwi, triaż, zapisywanie parametrów, zamawianie zaopatrzenia na oddział. Dla każdego zadania AI może zrobić jedną z czterech rzeczy:

• nic, bo zadania nie da się oddać maszynie (kąpiel pacjenta),
• wzmocnić człowieka: pielęgniarka szybciej pisze wypis, zdalnie monitoruje pacjentów, planuje grafik zmiany,
• zautomatyzować: AI samo zapisuje parametry i zamawia zaopatrzenie,
• stworzyć nowe zadanie: ktoś musi sprawdzić, jak AI zrobiło triaż, i zatwierdzić plan opieki, który zaproponowało.

Wiązka się zmienia, zawód zostaje. Trzydzieści lat temu nikt nie monitorował pacjentów zdalnie, a dziś prawie nikt nie prowadzi kart na papierze.

Tak samo liczy się jedną firmę. Kiedy robimy audyt procesów u klienta, nie pytamy „które stanowisko zastąpić”. Rozpisujemy, co ludzie robią w tygodniu, i przy każdym zadaniu stawiamy jedną z czterech liter. W klinice asystent głosowy przejął jedno zadanie z wiązki recepcji: telefon i umawianie wizyt po godzinach. Pozostałe kilkanaście zostało u ludzi. U producenta z branży metalowej zautomatyzowaliśmy przygotowanie ofert mailowych, ale wysyłkę zatwierdza człowiek. W monitoringu przetargów o tym, co jest istotne, decydują reguły zapisane w kodzie, a model tylko streszcza dokumenty. To jest wzmocnienie, nie automatyzacja.

Czwarta kategoria, nowe zadania, jest najczęściej pomijana i najdroższa, gdy się ją pominie. We wrześniu audytowaliśmy asystenta na stronie klienta. W jednej wersji językowej przez kilka tygodni zero z szesnastu zgłoszeń dotarło do bazy, bo wygasł token dostępu i nikt nie dostał alertu. Maszyna pracowała, nikt jej nie pilnował. Nadzór nad AI to nowe zadanie w wiązce i ktoś musi je mieć wpisane w obowiązki. Jeśli chcesz zobaczyć taki arkusz dla jednego procesu u siebie, umów 30 minut.

Kto dostaje pieniądze

Dziś w USA z każdego dolara wytworzonego w gospodarce około 60 centów trafia do pracowników, a 40 do kapitału. W scenariuszu znaczącym udział pracy spada do 56%. Cztery punkty w cztery lata, czyli mniej więcej tyle, ile w USA ubyło przez cztery dekady po 1980 roku. W skrajnym spada do 45%, a dochód z kapitału jest o 81% wyższy niż w świecie bez AI.

Raport liczy to do końca. W scenariuszu skrajnym cały dochód z pracy w 2030 roku jest prawie taki sam jak bez AI. Gospodarka jest o jedną trzecią większa, a cały ten przyrost idzie do właścicieli kapitału. Żeby wyrównać stratę pracowników umysłowych, trzeba by przesunąć około 9% PKB, kwotę porównywalną z amerykańskim systemem emerytalnym i ubezpieczeniem zdrowotnym seniorów razem wziętymi. Autorzy dodają, że transfery tej skali nie mają precedensu.

„But whether and how those resources reach the people who bear the cost is not something growth delivers by itself.”

Korinek i in., wnioski raportu. Tłumaczenie: „Czy i jak te środki dotrą do ludzi, którzy ponoszą koszt, to nie jest coś, co wzrost załatwia sam z siebie”.

Dla właściciela firmy ten akapit ma jedną konsekwencję. W tym modelu kapitał to nie fabryka i nie giełda. Kapitał to systemy, które wykonują zadania zamiast ludzi. Firma, która wdrożyła AI w ofertowaniu, obsłudze telefonu czy raportowaniu, jest po stronie kapitału i zbiera to przesunięcie. Firma, która sprzedaje godziny swoich ludzi i konkuruje ceną z tymi, którzy wdrożyli, jest po stronie pracy. W scenariuszu znaczącym różnica to kilka punktów marży. W skrajnym to być albo nie być.

Jest też druga strona tego samego zjawiska. Płace poza pracą umysłową rosną w każdym scenariuszu: o 5,9% w znaczącym, o 33,6% w skrajnym. Jeśli masz ludzi w hali, na budowie albo w terenie, to jest Twoja przyszła presja płacowa. Raport tłumaczy mechanizm: szybsze projekty i pozwolenia to więcej budów, a więcej budów to popyt na wykonawców. Oszczędność z AI w biurze będzie finansować podwyżki w hali.

O scenariuszu decyduje adopcja, nie model

Ten fragment powinien zmienić sposób, w jaki myślisz o zakupach AI.

Razem z raportem Anthropic opublikował ankietę: prawie 11 tysięcy dorosłych Amerykanów pytanych w sierpniu, co AI będzie umiało w 2030 roku. Mediana odpowiedzi: AI wykona 6 z 8 opisanych zadań na poziomie profesjonalisty. To więcej, niż zakłada scenariusz znaczący. A mimo to wynik mediany ląduje w scenariuszu znaczącym, nie skrajnym. Ci sami ludzie oczekują bowiem, że AI będzie używane tylko na 40% zadań, które potrafi wykonać.

W modelu widać to czarno na białym. W scenariuszu znaczącym AI dotyka 12% zadań w gospodarce, choć potrafi więcej. Ogranicza je wdrożenie, nie zdolność. Skrajny bierze się w połowie z lepszych modeli, a w połowie z tego, że firmy naprawdę ich używają.

Dokładnie to widzimy u klientów. Modele od dwóch lat potrafią więcej, niż firmy z nich wyciągają. Wąskim gardłem jest to, czy ktoś rozpisał proces, podpiął dane, ustawił zgody i nadzór. To samo pisaliśmy tydzień temu przy odejściu Jacoba Coxona z Anthropic: tempo rozwoju modeli nie zwolni, a przewagę daje wdrożenie, nie czekanie na lepszą wersję.

Autorzy mówią to językiem ekonomii: każdy parametr modelu da się zmierzyć, w tym „udział firm, które używają AI”. Twoja firma jest jednym punktem w tej statystyce. Który scenariusz się zrealizuje, zależy w części od tego, co zrobisz Ty.

Co z tym zrobić w firmie 10–200 osób

Cztery rzeczy, które wynikają z modelu wprost.

1. Policz zadania, nie etaty. Weź trzy stanowiska, które kosztują najwięcej, i rozpisz tydzień pracy na zadania. Przy każdym: nic, wzmocnić, zautomatyzować, nowe zadanie. Po jednym takim arkuszu zwykle widać, że do automatyzacji nadają się dwa lub trzy zadania, a nie „stanowisko”. Zadanie ma jasny wynik i dane wejściowe. Etat ma relacje, wyjątki i telefon od klienta o 16:58. Przy okazji taki arkusz to zapis wiedzy, która dziś siedzi w głowach ludzi i wychodzi z firmy razem z nimi.
2. Automatyzuj to, co ma jasny wynik. Resztę wzmacniaj. Zapis danych, zamówienia, oferty z cennika, odbieranie telefonu po godzinach. Decyzje, relacje i wszystko, co wymaga wzięcia odpowiedzialności, zostaje u ludzi z AI jako narzędziem.
3. Wpisz nadzór do czyichś obowiązków. Nowe zadanie z raportu to w praktyce dziennik akcji agenta, alert, gdy coś się nie uda, i jedna osoba, która raz w tygodniu to przegląda. Bez tego zero na szesnaście zgłoszeń powtórzy się u Ciebie.
4. Policz swoją wersję udziału pracy. Ile procent przychodu idzie na pensje w biurze, a ile na pensje w hali albo w terenie? Model mówi, że pierwsza liczba będzie spadać, a druga rosnąć. Firma, która widzi to wcześniej, planuje podwyżki i zatrudnienie inaczej niż firma, która dowie się z rynku.

Jeśli to ma być jedna decyzja, to ta: wybierz jeden proces z jasnym wynikiem, wdróż w nim AI w tym kwartale i wpisz nadzór do obowiązków. Reszta przyjdzie z danych.

Czego ten model nie mówi

Trzy zastrzeżenia, żeby nie przesadzić w drugą stronę.

Model liczy Stany Zjednoczone. Polska ma inne płace, inną strukturę zatrudnienia i inny rynek pracy. Mechanika zadań jest jednak ta sama, a firmy w Polsce kupują te same modele co firmy w Kalifornii.

Model nie ma robotów. Autorzy zaznaczają, że nie liczyli scenariusza z fizycznymi maszynami w hali i w domu. Zawody poza biurem są w tym modelu bezpieczne dlatego, że tak założono, a nie dlatego, że tak będzie.

Model nie mówi, który scenariusz się zdarzy. Pokazuje, że wszystkie trzy wychodzą z tego samego punktu i rozchodzą się po 2027 roku. Dane pokażą, gdzie jesteśmy, za rok albo dwa. Firma, która czeka na te dane, będzie wdrażać w warunkach, w których wdrożyli już wszyscy.

Umów 30-min konsultację. Weźmiemy jeden proces z Twojej firmy i rozpiszemy go na zadania metodą z raportu: co zautomatyzować, co wzmocnić, gdzie potrzebny nadzór. Jeśli wolisz najpierw poczytać, zacznij od tego, czym w praktyce jest sztuczna inteligencja dla firm, albo od liczb z dwunastu wdrożeń.

Źródła

• Anthropic Institute, „Scenarios for our Economic Future” — strona z eksploratorem scenariuszy i wynikami ankiety
• Korinek, Jones, Sacher, Cotter, McCrory, „Economic Scenarios for Transformative AI” — The Anthropic Institute Working Paper 2026-02, wrzesień 2026 (tabele 2–4, wnioski)
• Wątek @AnthropicAI na X, 9 września 2026
• Audyty procesów i asystenta u klientów Prospere AI, lipiec–wrzesień 2026