Przejdź do treści

News & analizy

Automatyzacja obniża płace — co naprawdę pokazało badanie MIT

Zaktualizowano: Autor: Andrzej Niemiec10 min czytania

Automatyzacja nie jest jednym zjawiskiem. Badanie traktuje ją jako serię decyzji o tym, które zadania przejmuje maszyna, i to te decyzje, a nie sama technologia, decydują o płacach.
Automatyzacja obniża płace — co naprawdę pokazało badanie MIT
Spis treści
  1. Co naprawdę pokazało badanie MIT o automatyzacji i płacach?
  2. Czym są renty płacowe i dlaczego automatyzacja trafia właśnie w nie?
  3. Które grupy pracowników tracą najwięcej?
  4. Czy automatyzacja zawsze obniża płace?
  5. Jak wygląda automatyzacja bez programowania w polskich firmach?
  6. Ile kosztują narzędzia do automatyzacji w październiku 2026?
  7. Jak zaplanować automatyzację, żeby nie obniżyć płac zespołu?
  8. Najczęstsze pytania
  9. Źródła

Co naprawdę pokazało badanie MIT o automatyzacji i płacach?

Praca „Automation and Rent Dissipation: Implications for Wages, Inequality, and Productivity” autorstwa Darrena Acemoglu (MIT) i Pascuala Restrepo analizuje dane ze Stanów Zjednoczonych z lat 1980–2016. Nie opisuje jednej firmy ani jednego wdrożenia. Bada, jak automatyzacja zmieniała płace w 500 grupach demograficznych i 49 branżach [1] [2].

Główne ustalenie jest ilościowe. Automatyzacja odpowiadała za około 52% wzrostu nierówności między grupami w USA od 1980 roku. Około 10 punktów procentowych tego wzrostu przypisano bezpośrednio utracie rent płacowych [2].

Drugi wynik dotyczy produktywności. Same oszczędności kosztowe podniosły łączną produktywność czynników o około 3% w latach 1980–2016. Nieefektywne kierowanie automatyzacji na zadania o wysokich rentach zneutralizowało jednak 60–90% tych przyrostów [1].

To rozróżnienie ma znaczenie dla każdej firmy, która w 2026 roku wdraża agentów AI i automatyzację agenci AI i automatyzacja. Pokazuje, że kolejność wdrożeń przekłada się na wynik finansowy, a nie tylko na koszt licencji.

Czym są renty płacowe i dlaczego automatyzacja trafia właśnie w nie?

Renta płacowa to nadwyżka, którą pracownik otrzymuje ponad swoją płacę alternatywną, czyli stawkę, jaką dostałby w innym miejscu pracy. Wynika z kwalifikacji, stażu i siły negocjacyjnej. Automatyzacja obniża płace wtedy, gdy przejmuje zadania obłożone właśnie taką nadwyżką [1].

Mechanizm opisany w pracy jest prosty. Firma porównuje koszt robota, oprogramowania lub agenta AI z kosztem pracy przy zadaniu. Gdy zadanie wykonuje osoba z wysoką rentą, oszczędność jest największa, więc właśnie takie zadania trafiają do automatyzacji pierwsze [4].

Efekt nie jest skutkiem ubocznym, tylko wynikiem kalkulacji. Praca nie twierdzi, że firmy działają w złej wierze. Pokazuje, że bodźce ekonomiczne prowadzą do wyboru zadań o wysokich rentach, a nie zadań najbardziej powtarzalnych.

Które grupy pracowników tracą najwięcej?

Skutki nie rozkładają się na całą załogę. Największe spadki wewnątrz grup występowały w przedziale 70.–95. percentyla płac [2]. To osoby doświadczone i dobrze opłacane, ale niekoniecznie te na szczycie struktury organizacyjnej.

Starsza analiza tych samych autorów, „Tasks, Automation, and the Rise in U.S. Wage Inequality”, wskazuje spadek realnych płac o około 12% w kwintylu grup najbardziej narażonych na wypieranie zadań [3]. Ta liczba dotyczy grup pracowniczych w USA. Nie jest średnią płacą w jednym dziale ani zmianą w ciągu roku.

Wniosek dla menedżera jest praktyczny. Ryzyko nie dotyczy wyłącznie stanowisk najprostszych. Dotyczy stanowisk średniego i wyższego szczebla, których zadania da się rozłożyć na powtarzalne kroki.

Czy automatyzacja zawsze obniża płace?

Nie. Badanie Davida Autora i Neila Thompsona „Expertise” pokazuje, że wynik zależy od rodzaju automatyzowanego zadania [6]. Gdy automatyzowane są zadania proste, pozostała praca wymaga większej ekspertyzy i bywa lepiej wynagradzana. Gdy automatyzacji podlegają zadania eksperckie, płace mogą spadać [5].

To uzupełnienie, nie zaprzeczenie. Oba kierunki mieszczą się w tym samym mechanizmie: automatyzacja zmienia wartość pracy, która zostaje w firmie.

Jak wygląda automatyzacja bez programowania w polskich firmach?

Polska nie jest liderem. Z raportu „Kadry i płace. Indeks cyfryzacji 2026” wynika, że tylko 21% firm ma niemal w pełni zautomatyzowane procesy kadrowe i płacowe, a w 24% większość zadań nadal wykonuje się ręcznie [7]. Przestrzeń do wdrożeń jest duża.

Jednocześnie próg wejścia spadł. Według StormIT Gartner prognozuje, że do 2028 roku 33% aplikacji firmowych będzie miało wbudowane agentic AI, wobec mniej niż 1% w 2024 roku, a samodzielne zbudowanie pierwszego agenta mieści się w przedziale 100–480 PLN miesięcznie [13].

Sama technologia nie rozstrzyga jednak, gdzie ją postawić. Jeśli w firmie działa już kilka agentów, granica między gotowym a własnym rozwiązaniem bywa kosztowna — opisuje to tekst o agentic workflow w produkcji. Dla porównania warto też sprawdzić, ile naprawdę kosztuje architektura multi-agent.

Ile kosztują narzędzia do automatyzacji w październiku 2026?

Cztery najczęściej porównywane opcje różnią się modelem pracy i progiem wejścia. Poniższe ceny są oficjalne, publikowane przez producentów, stan na październik 2026. Kwoty w USD podano przy rozliczeniu rocznym, jeśli producent tak je prezentuje.

Kryteriumn8nMakeZapierChatGPT agent
Darmowy startCommunity self-hosted, 0 USDFree, 0 USD, 1 000 creditów miesięcznieFree, 0 USD, 100 tasków miesięcznie, Zaps 2-krokoweagent mode tylko w planach płatnych
Pierwszy płatny planCloud Starter 20 USD miesięcznie, 2 500 wykonańCore 12 USD miesięcznie, 10 000 creditówProfessional od 19,99 USD miesięczniePlus z limitem 40 wywołań miesięcznie
Self-hostingtaknienienie
Model pracyworkflow i AI Agent node, MCP Server Triggerscenariusze i agenci AI w jednej kanwieZapy, agenci i MCPagent w przeglądarce, terminalu i aplikacjach

Cennik n8n rozróżnia też plan Business self-hosted w cenie 667 EUR miesięcznie przy rozliczeniu rocznym, z limitem 40 000 wykonań [10]. Make deklaruje ponad 400 tysięcy organizacji i ponad 3 000 integracji, a jego darmowy plan nie wymaga karty [9]. Zapier podaje ponad 3,4 miliona firm i ponad 9 000 aplikacji [8].

Zapier rozlicza osobno Zapy, agentów i MCP. Jedno wywołanie narzędzia MCP zużywa 2 taski z puli konta [8]. ChatGPT agent został uruchomiony 17 lipca 2025 roku, a OpenAI wycofuje tę nazwę na rzecz ChatGPT Work; agent mode pozostaje w planach Pro, Plus, Business, Enterprise i Edu [11].

MCP nie jest aplikacją ani modelem. To otwarty standard łączenia modeli z narzędziami i danymi, zapoczątkowany przez Anthropic i od grudnia 2025 rozwijany w ramach Agentic AI Foundation przy Linux Foundation [12].

Jak zaplanować automatyzację, żeby nie obniżyć płac zespołu?

Kolejność ma większe znaczenie niż wybór platformy. Cztery kroki, które warto wykonać przed pierwszym wdrożeniem:

  1. Zinwentaryzuj zadania, nie stanowiska. Jedno stanowisko to zwykle kilka zadań o różnej rencie i różnej podatności na automatyzację.
  2. Policz rentę, nie tylko koszt godzinowy. Zadanie wykonywane przez osobę z wysoką nadwyżką nad płacą alternatywną daje największą oszczędność, ale też największą stratę dla zespołu.
  3. Zaczynaj od zadań o niskiej rencie i wysokiej powtarzalności. To obszar, w którym automatyzacja podnosi produktywność bez obniżania płac, zgodnie z logiką badania Autora i Thompsona [6].
  4. Mierz produktywność obok kosztu pracy. Sama obniżka kosztów nie jest dowodem skutecznego wdrożenia.

Najczęstsze pytania

Czy automatyzacja naprawdę obniża płace?

W części przypadków tak. Badanie Acemoglu i Restrepo wskazuje, że automatyzacja obniżała płace w zadaniach obłożonych wysokimi rentami płacowymi. Odpowiadała za około 52% wzrostu nierówności między grupami w USA od 1980 roku, z czego około 10 punktów procentowych przypisano utracie rent [2].

Którzy pracownicy są najbardziej narażeni?

Osoby zatrudnione przy zadaniach, które da się rozłożyć na powtarzalne kroki, a jednocześnie zarabiające powyżej płacy alternatywnej. Największe spadki wewnątrz grup występowały w przedziale 70.–95. percentyla płac [2]. W kwintylu najbardziej narażonym na wypieranie zadań realne płace spadły o około 12% [3].

Czy badanie MIT dotyczy polskiego rynku pracy?

Nie. Analiza obejmuje Stany Zjednoczone i lata 1980–2016 [1]. Nie zawiera danych o polskich firmach ani o pojedynczych zakładach. Polskie dane dotyczące cyfryzacji procesów kadrowych pochodzą z odrębnego raportu i mówią o 21% firm z niemal pełną automatyzacją [7].

Ile kosztuje start z agentami AI w małej firmie?

Najniższy próg wejścia dają darmowe plany: Make oferuje 1 000 creditów miesięcznie, Zapier 100 tasków miesięcznie w modelu dwukrokowym [9] [8]. Pierwszy płatny plan to 12 USD miesięcznie w Make i 20 USD miesięcznie w n8n Cloud przy rozliczeniu rocznym [9] [10].

Źródła

  1. Automation and Rent Dissipation: Implications for Wages, Inequality, and Productivity (MIT, 2025)
  2. Study: Firms often use automation to control certain workers’ wages (MIT News, 2026)
  3. Tasks, Automation, and the Rise in U.S. Wage Inequality (MIT, 2022)
  4. Automation and Rent Dissipation — MIT Stone Center on Inequality and Shaping the Future of Work (MIT, 2026)
  5. A new look at how automation changes the value of labor (MIT Sloan, 2026)
  6. Expertise — David Autor i Neil Thompson (MIT, 2025)
  7. Automatyzacja miała odciążyć kadry i płace. W Polsce zrobiła to tylko 1/5 firm (PulsHR, 2026)
  8. Plans & Pricing (Zapier, 2026)
  9. Pricing & Subscription Packages (Make, 2026)
  10. n8n Plans and Pricing (n8n, 2026)
  11. ChatGPT agent (OpenAI Help Center, 2026)
  12. Model Context Protocol — getting started (MCP, 2026)
  13. Agenci AI: kompletny przewodnik 2026 (StormIT, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji