AI będzie dalej dociskać koszty w bankach i zwiększa presję na redukcję zatrudnienia — szczególnie w funkcjach centralnych i na zapleczu operacyjnym. Z cytowanych analiz (relacjonowanych przez media na podstawie prognozy Morgan Stanley) wynika scenariusz rzędu 10% etatów w grupie 35 europejskich banków do 2030 r., co przy bazie ok. 2,12 mln pracowników daje ok. 212 tys. etatów „pod presją”. To nie jest automatycznie lista zwolnień 1:1. To sygnał, że banki będą łączyć automatyzację, uproszczenie procesów i digitalizację kanałów, a część etatów przestanie się spinać kosztowo.
Medialne „200 tys.” to skrót. Sensowna rozmowa zaczyna się dopiero wtedy, gdy rozbijesz to na: procesy, zadania, jakość danych, ślad audytowy i ryzyko regulacyjne. Bez tego bank może przyspieszyć pracę, ale nie poprawić wyniku — bo oszczędności zjedzą poprawki, kontrole i eskalacje.
W skrócie
Prognoza „~200 tys. miejsc pracy” w europejskich bankach do 2030 r. to skrót dla scenariusza ok. 10% etatów w 35 bankach (łącznie ok. 2,12 mln pracowników), czyli ok. 200–212 tys. etatów pod presją. Najbardziej narażone są funkcje centralne: zaplecze operacyjne (back-office), zaplecze kontrolno-analityczne (middle-office) oraz zarządzanie ryzykiem i zgodność (compliance). AI może podnieść efektywność, ale bez standaryzacji procesów, jakości danych i śladu audytowego część zysków oddaje się w poprawkach i ryzyku regulacyjnym.
Kluczowe wnioski
✓ Skala z prognoz: ok. 1 na 10 etatów do 2030 r. w próbie 35 banków, co przekłada się na ok. 200–212 tys. etatów przy bazie ok. 2,12 mln pracowników.
✓ Największa presja dotyczy funkcji centralnych: zaplecza operacyjnego, zaplecza kontrolno-analitycznego, zarządzania ryzykiem i zgodności (compliance).
✓ To nie tylko generatywna AI: istotnym czynnikiem jest też przenoszenie operacji do kanałów online i dalsza optymalizacja sieci placówek.
✓ Pojawia się obietnica do ok. 30% poprawy efektywności, ale równolegle widać sceptycyzm, czy te korzyści są już materialne w wynikach.
✓ Największe ryzyko długoterminowe: „odciążenie juniorów” kosztem fundamentów (analityka, modelowanie, rozumienie ryzyka), co potrafi wrócić jako luka kompetencyjna.
Skąd się bierze liczba „200 tys.” i co dokładnie znaczy
To nie jest „jedna decyzja sektora o masowych zwolnieniach”, tylko prognoza oparta o analizę Morgan Stanley, streszczona przez media. W tej narracji kluczowe są trzy liczby: 35 banków, ok. 2,12 mln zatrudnionych i scenariusz ok. 10% redukcji etatów do 2030 r., co daje ok. 212 tys. etatów.
W praktyce „etaty pod presją” oznaczają zwykle jedną z trzech rzeczy:
- Zastępowanie zadań: część pracy przechodzi na automaty (AI + automatyzacja obiegu pracy), więc spada zapotrzebowanie na pełne etaty (FTE) w danym typie stanowisk.
- Zmiana kanału: oddziały i część obsługi przesuwa się do kanałów online, co redukuje zapotrzebowanie na część etatów placówkowych.
- Przeprojektowanie procesu: banki upraszczają i centralizują procesy, a AI jest akceleratorem, nie jedyną przyczyną.
Ograniczenie (ważne): ta liczba nie rozróżnia, ile redukcji będzie „twardych” (zwolnienia), a ile „miękkich” (rotacja, brak zastępstw, przesunięcia). Prognoza mówi o presji kosztowej i przebudowie pracy, nie o losie konkretnej osoby.
Które etaty są najbardziej narażone i dlaczego
Największy nacisk jest na „środek banku”: zaplecze operacyjne (back-office), zaplecze kontrolno-analityczne (middle-office) oraz etaty w zarządzaniu ryzykiem i zgodności (compliance), które są zęsto opisywane łącznie jako funkcje centralne. To ma sens, bo tam kumulują się: wysoki wolumen, praca dokumentowa, standaryzowalne reguły i duży koszt jednostkowy przetwarzania.
Mechanika automatyzacji zwykle wygląda tak:
- AI przejmuje wydobywanie danych z dokumentów,
- tworzy pierwsze wersje raportów, analiz i uzasadnień,
- robi wstępną selekcję (priorytetyzację) spraw i alertów,
- wspiera bieżącą kontrolę odchyleń (wykrywanie anomalii).
To podejście nie działa, gdy bank próbuje automatyzować obszary ryzyka i zgodności bez solidnego nadzoru, zasad odpowiedzialności, kontroli jakości i śladu audytowego. Wtedy „szybciej” często znaczy „więcej poprawek”.
Tabela: podatność etatów na automatyzację i rozsądna reakcja zarządu
| Obszar / typ etatów | Dlaczego „pod presją” | Co AI automatyzuje najczęściej | Co ma sens biznesowo | Ryzyko, które rośnie |
|---|---|---|---|---|
| Zaplecze operacyjne (uzgodnienia, rozliczenia, dokumenty) | powtarzalność + wolumen | wydobywanie danych, porównania, wykrywanie rozbieżności | standaryzacja + automatyzacja end-to-end | błędy replikowane na dużą skalę |
| Zaplecze kontrolno-analityczne (raportowanie, kontrola operacyjna) | dużo pracy „w arkuszach” | wersje robocze raportów, streszczenia, wstępna analiza | AI jako „pierwszy analityk”, człowiek jako „ostateczna decyzja” | błędne wnioski bez walidacji |
| Zarządzanie ryzykiem | dane + nadzór + odpowiedzialność | przygotowanie materiałów, monitoring, wsparcie analityczne | rozdzielenie: rekomendacja vs decyzja | erozja kompetencji podstaw |
| Zgodność / AML / KYC | weryfikacja, dokumenty, alerty | klasyfikacja, wstępna selekcja, wydobywanie danych | automatyzacja + logowanie decyzji i danych | fałszywe negatywy + regulator |
| Sieć oddziałów | migracja do kanałów online | głównie digitalizacja procesu (AI jako dodatek) | planowanie sieci + upraszczanie obsługi | ryzyko reputacyjne i społeczny koszt zmian |
Ta mapa jest spójna z przekazem źródeł: funkcje centralne mają ponieść główny ciężar cięć, bo tam banki widzą najszybszy zwrot kosztowy.
„30% efektywności”: kiedy to jest realistyczne, a kiedy to jest błędna diagnoza
W źródłach pojawia się teza, że banki cytują oczekiwane do ok. 30% zyski efektywności z AI i dalszej digitalizacji. Jednocześnie pada uwaga, że te korzyści nie zawsze są jeszcze widoczne w realnej efektywności sektora. To typowy rozdźwięk między obietnicą technologii a gotowością operacyjną.
Realistycznie działa to wtedy, gdy:
- procesy są ustandaryzowane (mało wyjątków),
- dane są spójne i dostępne (bez ręcznego „klejenia”),
- AI jest wpięte w obieg pracy (a nie działa jako „narzędzie obok”),
- jakość jest mierzona i audytowalna.
To jest błędna diagnoza, gdy:
- bank próbuje „przykryć” chaos procesowy modelem,
- automatyzuje ryzyko/zgodność bez walidacji i logów,
- liczy oszczędność czasu, ale nie zmienia modelu pracy (czas wraca jako poprawki i dodatkowa kontrola).
Co to oznacza dla strategii HR i „ścieżki rozwoju kompetencji”
W źródłach pojawia się ostrzeżenie: pośpiech wdrożeniowy może spowodować, że młodsi pracownicy stracą kontakt z fundamentami (np. modelowanie finansowe), bo AI „zrobi to za nich”. Strategicznie to ryzyko długoterminowe: bank redukuje koszty dziś, a jutro ma lukę kompetencyjną w krytycznych obszarach.
Praktyczna konsekwencja dla zarządów: jeżeli funkcje centralne tnie się mocno, to równolegle trzeba:
- przebudować ścieżki rozwoju (czego junior ma się nauczyć, jeśli część pracy robi AI),
- wprowadzić standardy walidacji (co musi przejść przez człowieka),
- urealnić wskaźniki (KPI), żeby nie optymalizować „ładnego dokumentu”, tylko jakość decyzji.
Jak podejść do tego operacyjnie: plan w 6 krokach
- Inwentaryzuj zadania, nie stanowiska.
Redukcje „na stanowiskach” są ślepe. Liczy się to, które zadania są powtarzalne, a które wymagają osądu i odpowiedzialności. - Rozdziel trzy typy automatyzacji.
Automatyzacja obiegu pracy (reguły), automatyzacja dokumentowa (wydobywanie/klasyfikacja) i generatywna AI (tworzenie treści/analiz). To inne ryzyka i inne miary sukcesu. - Ustal punkt odniesienia i miary jakości.
Bez tego „30%” nie ma treści. Mierz: czas cyklu, poprawki, błędy, przepustowość, koszt jednostkowy. - W ryzyku i zgodności ustaw zasadę: AI rekomenduje, człowiek zatwierdza.
I loguj: dane wejściowe, wynik, decyzję, uzasadnienie. Inaczej nie masz obrony przy audycie. - Przebuduj etaty, zanim zaczniesz ciąć.
Jeśli AI zabiera 30–40% pracy danego etatu, naturalnym ruchem jest przeprojektowanie obowiązków i przesunięcia — dopiero potem korekta zatrudnienia. - Chroń fundamenty kompetencyjne.
Jeśli juniorzy nie uczą się podstaw, bank sam buduje sobie problem na przyszłość.
Podsumowanie
Prognoza o „200 tys. etatów pod presją do 2030 r.” jest sygnałem presji kosztowej, nie gotową listą zwolnień. Z cytowanych analiz wynika scenariusz ok. 10% etatów w 35 bankach (ok. 2,12 mln pracowników), a największy nacisk ma spaść na funkcje centralne: zaplecze operacyjne i kontrolno-analityczne oraz obszary zarządzania ryzykiem i zgodności.
Najważniejszy wniosek dla decydentów jest prosty: AI nie robi oszczędności sama z siebie. Oszczędności pojawiają się dopiero wtedy, gdy bank zmienia proces, standardy danych, nadzór i odpowiedzialność decyzyjną. W przeciwnym razie obietnica „do ok.30% efektywności” zostaje w prezentacjach, a koszty wracają jako poprawki, kontrola jakości i ryzyko regulacyjne.
Źródła:
https://www.heise.de/en/news/AI-Over-210-000-jobs-at-European-banks-at-risk-by-2030-says-forecast-11127256.html
https://www.irishtimes.com/business/2026/01/01/ai-is-forecast-to-put-200000-european-banking-jobs-at-risk-by-2030/
https://techcrunch.com/2026/01/01/european-banks-plan-to-cut-200000-jobs-as-ai-takes-hold/
