Zastosowania AI w pracy mają wyraźny ciężar gatunkowy: zaledwie 1,6% wszystkich zidentyfikowanych czynności zawodowych skupia ponad 60% łącznej szacowanej wartości rynkowej systemów AI na świecie. Taki wynik przynosi analiza MIT z marca 2026 roku, która próbuje odpowiedzieć na pytanie fundamentalne: gdzie faktycznie można stosować AI w pracy — a gdzie jej jeszcze nie ma?
Autorzy — Alice Cai, Thomas W. Malone i zespół Centrum Zbiorowej Inteligencji MIT oraz Singapore-MIT Alliance for Research and Technology — przeanalizowali 13 275 aplikacji AI oraz dane o 20,8 miliona systemów robotycznych wdrożonych globalnie, przyporządkowując je do ustrukturyzowanej hierarchii niemal 40 000 czynności zawodowych. Wynik to wstępna, empiryczna mapa zasięgu AI w świecie pracy — nie oparta na intuicji ani prognozach branżowych, lecz na sklasyfikowanych danych o rzeczywiście istniejących produktach. Sami autorzy określają ten etap pracy jako „wczesny raport z postępu” w długofalowej agendzie badawczej.
TL;DR — wnioski operacyjne dla decydentów
- AI w pracy to dziś automatyzacja czynności informacyjnych — nie fizycznych ani społecznych. 72% szacowanej wartości rynkowej AI pochodzi z myślenia, pisania i analizowania.
- Tylko 1,6% czynności zawodowych skupia ponad 60% wartości całego rynku AI — rozkład jest silnie nierówny (szacunki MIT, marzec 2026).
- Roboty i oprogramowanie AI to dwa różne światy: oprogramowanie działa na informacji, roboty na obiektach fizycznych. Razem 100% rynku — osobno prawie zerowe pokrycie nawzajem swoich obszarów.
- Po 2022 roku liczba aplikacji AI wzrosła sześciokrotnie, ale zakres obsługiwanych typów czynności — ledwo o 20%. Głębokość rośnie, szerokość nie.
- Tysiące czynności zawodowych nie ma żadnego narzędzia AI. To nie luka — to, według autorów, lista szans.
Czym jest ontologia czynności zawodowych i dlaczego zmienia sposób myślenia o AI?
Ontologia czynności zawodowych to formalna klasyfikacja wszystkich aktywności wykonywanych przez pracowników, zorganizowana w wielopoziomowe drzewo podobieństw. Badacze z MIT — korzystając z bazy O*NET Departamentu Pracy USA (wersja 29.1, listopad 2024), zawierającej opisy ok. 20 000 zadań z ponad 900 zawodów — rozłożyli tę bazę na „czynności atomiczne” i uzupełnili ją o bardziej abstrakcyjne „czynności ogólne”.
Efektem jest hierarchia 39 603 aktywności o medianowej głębokości 9 poziomów. Na szczycie stoi pojęcie ogólne „Działanie”, z którego wywodzą się trzy gałęzie: działanie na informacji (myślenie), działanie na obiektach fizycznych (działanie fizyczne) i działanie z innymi podmiotami (interakcja).
Kluczowym mechanizmem jest zasada dziedziczenia stosowalności AI. Jeśli AI obsługuje czynność abstrakcyjną — jak „Pisanie” — to z dużym prawdopodobieństwem obsługuje też jej podkategorie: „Pisanie raportu”, „Pisanie e-maila”, „Pisanie umowy”. Nie zawsze, bo dziedziczenie może być nadpisane (tak jak platypus jest ssakiem, ale składa jaja), ale jako reguła prognostyczna jest użyteczna do mapowania przyszłych zastosowań.
Metodologicznie badacze przyporządkowywali każdą aplikację do czynności z ontologii korzystając z bazy TAAFT i danych IFR, a następnie propagowali pokrycie w górę hierarchii — z zachowaniem wyjątków (tzw. nadpisań dziedziczenia). Szczegóły opisano w załączniku A paperu arXiv:2603.20619v1. Warto to wiedzieć, interpretuując liczby: podane udziały procentowe dotyczą typów czynności, nie liczby pracowników ani wartości rynku pracy.
Zastosowania AI w pracy: dominacja czynności informacyjnych
Zastosowania AI w pracy to dziś przede wszystkim automatyzacja czynności informacyjnych — nie fizycznych ani społecznych. Tworzenie, modyfikowanie i przekazywanie informacji to obszar, w którym skupia się zdecydowana większość zarówno produktów, jak i wartości rynkowej wszystkich systemów AI.
72% szacowanej wartości rynkowej wszystkich systemów AI — zarówno oprogramowania, jak i robotów — przypada na czynności informacyjne. To przede wszystkim tworzenie informacji (36% wartości) oraz przekazywanie informacji (26% wartości). Autorzy zaznaczają, że te szacunki opierają się na „założeniach, które uważamy za wiarygodne, ale z pewnością nie są dokładne” — metoda łączy liczbę jednostek z szacowaną wartością rynkową aplikacji i systemów robotycznych w poszczególnych obszarach czynności.
Rozkład jest silnie asymetryczny. Dwadzieścia najpopularniejszych czynności — stanowiących zaledwie 0,1% wszystkich aktywności w ontologii — skupia ponad 35% wszystkich aplikacji AI. Dziesięć wiodących czynności zawodowych wygląda następująco (dane z bazy TAAFT, lipiec 2025, 13 275 aplikacji, klasyfikacja MIT):
| Czynność zawodowa | Udział aplikacji AI |
|---|---|
| Generowanie obrazu komputerowego | 7,18% |
| Tworzenie treści | 3,53% |
| Tworzenie wideo | 2,69% |
| Odpowiadanie na pytania | 2,59% |
| Pisanie treści | 1,89% |
| Rozwijanie aplikacji | 1,79% |
| Streszczanie informacji | 1,54% |
| Komunikowanie (przekazywanie informacji) | 1,38% |
| Tworzenie nagrania | 1,19% |
| Konwersowanie | 1,18% |
Wszystkie czynności w tej tabeli należą do kategorii „myślenie” lub jednocześnie do „myślenia” i „interakcji”. Żadna nie jest wyłącznie fizyczna. Inaczej mówiąc: zastosowania AI w pracy koncentrują się na myśleniu — 92% wszystkich aplikacji AI w oprogramowaniu skupia się w kategorii „myślenie” — i jednocześnie pokrywa zaledwie 6,8% wszystkich czynności w ontologii (dane z sekcji 2.2.1 paperu, klasyfikacja na bazie bazy TAAFT).
Granice zastosowań AI w pracy: gdzie nie ma narzędzi
Wiele czynności zawodowych nie ma dziś żadnych przypisanych aplikacji AI. Dotyczy to przede wszystkim aktywności silnie osadzonych w kontekście społecznym, fizycznym lub wymagających autorytetu.
Z zebranych danych wynika, że do czynności z zerowym udziałem AI należą m.in.: „Administrowanie leczeniem”, „Współpraca z podmiotem”, „Przestrzeganie zasad”, „Uczestniczenie w wydarzeniu”, „Konferowanie z podmiotem” oraz „Analizowanie obiektu fizycznego”. Badacze sugerują, że te obszary mogą wymagać wysokiego poziomu cech opisanych w schemacie EPOCH (Empathy, Presence, Opinion, Creativity, Hope) — jest to zewnętrzny schemat analityczny opracowany przez inne badanie MIT, do którego autorzy odwołują się jako do dodatkowego wyjaśnienia ograniczeń AI w tych obszarach.
Czynności o charakterze autorytarnym lub pasywnym — „Wydawanie poleceń”, „Autoryzowanie zadań”, „Przypisywanie odpowiedzialności” — również mają zerowe pokrycie. Autorzy wskazują, że może to wynikać zarówno z ograniczeń technicznych, jak i z preferencji ludzkich dotyczących odpowiedzialności i norm organizacyjnych.
Jak zmieniało się pokrycie AI od 2016 do 2025 roku?
W 2016 roku ekosystem AI liczył zaledwie 11 odnotowanych aplikacji, pokrywając 0,2% wszystkich czynności w ontologii. Wzrost przez pierwsze lata był stopniowy — w 2021 roku naliczono 629 aplikacji pokrywających 2,4% czynności.
Wyraźny przełom nastąpił po 2022 roku, wraz z upowszechnieniem modeli generatywnych. Liczba aplikacji wzrosła do 7 642 w 2023 roku i 12 399 w 2024 roku — sześciokrotny wzrost w ciągu zaledwie dwóch lat (dane TAAFT). Tymczasem pokrycie typów czynności zwiększyło się w tym samym czasie jedynie 1,2 razy.
Ten kontrast jest kluczowy: liczba aplikacji AI rośnie sześć razy szybciej niż zakres typów czynności, które te aplikacje obsługują. Zamiast wchodzić na nowe obszary aktywności zawodowych, zagęszcza się tam, gdzie już jest silna. Dla firm planujących wdrożenia AI oznacza to, że wybór narzędzi do zadań informacyjnych jest ogromny i dojrzały — ale poza tym obszarem rynek jest nadal bardzo wąski.
Roboty a oprogramowanie: kto generuje jaką wartość?
AI różni się od robotyki tym, że działa głównie na informacji — roboty działają na obiektach fizycznych. To nie jest podział techniczny, lecz rynkowy i funkcjonalny: oba typy systemów działają w prawie rozłącznych obszarach czynności zawodowych.
Aplikacje AI w oprogramowaniu odpowiadają za ok. 75% łącznej szacowanej wartości rynkowej wszystkich systemów AI; roboty — za ok. 25% (szacunki MIT, 2026, z zastrzeżeniami metodologicznymi opisanymi przez autorów). Ten podział przekłada się bezpośrednio na typy obsługiwanych czynności.
Roboty skupiają się na działaniach fizycznych: 89% wszystkich wdrożeń robotycznych w 2024 roku przypadło na kategorię „działanie na obiektach fizycznych”. Co ważne, 76,7% wszystkich instalacji robotów to urządzenia do sprzątania podłóg — automatyczne odkurzacze i mopujące (dane IFR 2024, za Cai i in. 2026). Po wyłączeniu tej kategorii rozkład robotów rozkłada się niemal równo między czynności fizyczne (55%) i interakcyjne (45%).
Rozkład robotów według typów czynności niemal nie zmienił się przez ostatnią dekadę (2015–2024). Największa odnotowana zmiana dotyczyła kategorii „modyfikowanie obiektów fizycznych” — wzrost z ok. 66% do 76%. Roboty nie dywersyfikują swojego zasięgu, mimo dynamicznego wzrostu liczby aplikacji AI w oprogramowaniu. Autorzy stawiają wprost pytanie, dlaczego zastosowania robotów nie rozprzestrzeniają się tak jak zastosowania oprogramowania — i uznają to za otwarty problem badawczy.
Kluczowe pytania i decyzje
Czy wdrożyć AI do zadań informacyjnych w pierwszej kolejności?
Tak — jeśli firma realizuje zadania z obszaru tworzenia treści, analizy danych, odpowiadania na pytania klientów, pisania kodu lub przekazywania informacji wewnątrz organizacji. To obszar z dominującą koncentracją aplikacji AI, z największą dostępnością gotowych narzędzi i z najlepiej udokumentowanymi wdrożeniami.
Nie — jeśli główna działalność opiera się na czynnościach fizycznych wykonywanych w nieustrukturyzowanym środowisku lub wymaga autoryzacji i osądu eksperckiego z przypisaną odpowiedzialnością prawną. Narzędzia AI w tych obszarach są nieliczne, a ich jakość operacyjna często nie spełnia wymagań branżowych.
Czy AI zagrozi pracownikom fizycznym w perspektywie 5 lat?
Rozkład wdrożeń robotycznych nie zmienił się istotnie przez 10 lat. Dominacja robotów sprzątających świadczy o tym, że automatyzacja pracy fizycznej postępuje selektywnie — wyłącznie tam, gdzie zadania są wysoce powtarzalne, ustrukturyzowane i wykonywane w kontrolowanym środowisku.
Zastosowania AI w pracy fizycznej napotykają na strukturalne bariery — zawody wymagające pracy w środowiskach nieustrukturyzowanych — budownictwo, opieka zdrowotna, serwis techniczny — pozostają poza zasięgiem masowej automatyzacji robotycznej w tym horyzoncie. To nie eliminuje ryzyka, ale wyraźnie wydłuża horyzont istotnych zmian w porównaniu z typowymi prognozami medialnymi.
Gdzie szukać niezagospodarowanych nisz AI?
Dla firm z sektora finansowego lub prawnego: wartościowe są podkategorie już obsługiwanych czynności ogólnych. Jeśli AI obsługuje „Analizowanie informacji”, to „Analizowanie umów” lub „Analizowanie wyciągów bankowych” są naturalnym następnym krokiem — nawet jeśli dedykowane narzędzia jeszcze nie istnieją.
Autorzy wyróżniają trzy typy nisz: techniczne (AI jeszcze nie radzi sobie z danym zadaniem), ekonomiczne (technicznie możliwe, ale nieopłacalne) i nierozpoznane (możliwe i opłacalne, ale niezauważone). Tę ostatnią kategorię — wartą analizy w kontekście aktualnych barier adopcji AI — określają jako „być może najbardziej obiecującą szansę przedsiębiorczą ze wszystkich.”
Kiedy ta analiza się nie sprawdzi
Wyniki MIT dotyczące zastosowań AI w pracy bazują na danych z lat 2016–2025 i konkretnej metodzie przyporządkowywania aplikacji do czynności. Autorzy sami wskazują ograniczenia wprost.
Ontologia opiera się na O*NET — klasyfikacji rynku pracy USA. Czynności zawodowe w polskich sektorach (przemysł, rolnictwo, administracja publiczna, opieka społeczna) mogą mieć inny profil niż wskazuje amerykańska baza. Wyniki należy traktować jako punkt odniesienia, a nie gotową mapę polskiego rynku pracy.
Szacunki wartości rynkowej AI opierają się na założeniach metodologicznych, które autorzy określają jako „wiarygodne, ale z pewnością nie dokładne.” Liczby pokroju 72% lub 1,6% mają interpretować skalę zjawiska, nie zastępować twardych danych rynkowych.
Modele wieloagentowe i systemy autonomiczne rozwijają się szybko. Analiza z marca 2026 roku może nie uwzględniać nowych typów zastosowań, które zmienią pokrycie czynności nieinformacyjnych w horyzoncie 12–24 miesięcy. Baza TAAFT obejmuje wyłącznie oprogramowanie cyfrowe dostępne publicznie — wbudowane systemy AI w maszynach przemysłowych i urządzeniach medycznych są tam słabo reprezentowane.
Podsumowanie
Badanie MIT z marca 2026 roku dostarcza precyzyjną, empiryczną mapę tego, gdzie zastosowania AI w pracy faktycznie funkcjonują w środowisku zawodowym. Wniosek jest jednoznaczny: sztuczna inteligencja jest dziś przede wszystkim technologią pracy z informacją — tworzenia, przetwarzania i przekazywania treści. Zaledwie 1,6% aktywności zawodowych skupia ponad 60% szacowanej wartości rynkowej całego sektora AI.
Równie istotne jest to, czego mapa ta nie pokazuje: tysiące czynności zawodowych z zerowym pokryciem AI. To nie tylko wstyd ekosystemu — to, według autorów, „systematyczna lista kontrolna szans”: technicznych, ekonomicznych i nierozpoznanych. Ontologia MIT ma służyć nie tylko do opisu teraźniejszości, ale do prognozowania, gdzie AI będzie wchodzić dalej — i gdzie warto budować narzędzia jako pierwszy.
Źródła
- Cai A., YeckehZaare I., Sun S., Charisi V., Wang X., Imran A., Laubacher R., Prakash A., Malone T.W. (2026). Where can AI be used? Insights from a deep ontology of work activities. arXiv:2603.20619v1 [cs.AI]. MIT Center for Collective Intelligence / Sloan School of Management / Singapore-MIT Alliance for Research and Technology. Opublikowano 21 marca 2026. https://arxiv.org/abs/2603.20619
- Dane o aplikacjach AI: baza TAAFT (There’s an AI for That) — 13 275 aplikacji sklasyfikowanych przez MIT; stan na lipiec 2025.
- Dane o robotach: International Federation of Robotics (IFR), *World Robotics* 2023 i 2024 — 20,8 mln wdrożonych systemów robotycznych w 2024 roku; za: Cai i in. 2026.
- Baza czynności zawodowych: O*NET, US Department of Labor, wersja 29.1 (listopad 2024) — ok. 20 000 zadań z ponad 900 zawodów; rozbudowana przez MIT do 39 603 aktywności.
