Koniec ery specjalisty? Czy przyszłość należy do tych, którzy łączą?

W świecie, w którym AI automatyzuje ekspertyzę, geopolityka rozbija łańcuchy dostaw, a demografia kurczy rynki pracy — najbardziej zyskują nie ci, którzy wiedzą najwięcej o jednym, lecz ci, którzy potrafią połączyć wiele.

W 2015 roku Geoffrey Hinton, jeden z ojców współczesnych sieci neuronowych, powiedział coś, co odbiło się szerokim echem w środowisku medycznym: powinno się przestać kształcić radiologów, bo jest „kompletnie oczywiste”, że sztuczna inteligencja ich zastąpi. Od tamtej pory liczba radiologów w USA wzrosła z około 30 do 40 tysięcy, a techników obrazowania — z 300 do 500 tysięcy.

Ta anegdota jest przytaczana dziś przez optymistów jako dowód, że technologiczne proroctwa zagłady się nie sprawdzają. I rzeczywiście — w przypadku radiologów mechanizmy ekonomiczne (rosnący popyt na diagnostykę obrazową w starzejącym się społeczeństwie, efekt Jevonsa polegający na tym, że tańsza technologia zwiększa popyt na usługę) zadziałały. Radiolodzy nie zniknęli. Ale ich praca zmieniła się fundamentalnie — i zmieniła się w kierunku, który mówi coś ważnego o przyszłości całego rynku pracy.

Radiolog 2025 to nie jest ten sam zawód co radiolog 2015. To ktoś, kto pracuje z narzędziami AI do preselekcji wyników, zarządza przepływem diagnostycznym, interpretuje przypadki graniczne, koordynuje między specjalistami i podejmuje decyzje w warunkach niepewności. Innymi słowy: radiologa nie zastąpił algorytm — ale radiolog, który przetrwał, stał się bardziej generalistą niż kiedykolwiek.

I to jest soczewka, przez którą warto patrzeć na to, co nadchodzi.

Stary spór, nowe warunki

Debata „generalista kontra specjalista” jest stara jak podział pracy. Adam Smith opisywał korzyści ze specjalizacji; dwa wieki później Peter Drucker argumentował, że w złożonej organizacji najcenniejsi są ci, którzy potrafią widzieć całość. W normalnych czasach spór ten jest głównie akademicki — każda firma potrzebuje jednych i drugich.

Ale czasy nie są normalne. Na rynek pracy spadają jednocześnie siły, które nie działały z takim natężeniem od dekad — a być może nigdy w takiej konfiguracji. Sztuczna inteligencja automatyzuje nie tylko zadania rutynowe, ale też część pracy eksperckiej. Geopolityka i deglobalizacja mnożą złożoność operacyjną firm. Demografia kurczy podaż pracy i wymusza łączenie ról. Robotyzacja przebudowuje przemysł. A koszty energii i zielona transformacja zmieniają równanie opłacalności całych sektorów.

Każdy z tych trendów z osobna przesuwałby punkt równowagi między generalistami a specjalistami. Razem tworzą środowisko, w którym — jak pokażę — rośnie to, co można nazwać „premią za integrację”: za łączenie wiedzy, koordynowanie ograniczeń, definiowanie problemów i podejmowanie decyzji w warunkach niepełnej informacji. Kompetencje, które przez dekady uważaliśmy za „miękkie” lub „ogólne”, stają się twardą walutą rynku pracy.

To nie znaczy, że specjaliści znikną. Oznacza coś subtelniejszego i ważniejszego: zmienia się mapa przewag. I kto tego nie zrozumie — zarówno jako pracownik, jak i jako państwo kształtujące politykę kompetencji — zapłaci za to wysoką cenę.

Jak AI przesuwa punkt ciężkości

Zacznijmy od najsilniejszego katalizatora. Wpływ AI na relację generalist-specjalista działa przez trzy kanały, z których żaden nie sprowadza się do prostego „AI zastępuje specjalistów”.

Kanał pierwszy to przesunięcie struktury zadań. Gdy narzędzia generatywne potrafią wygenerować draft raportu, przygotować analizę danych, napisać fragment kodu czy stworzyć propozycję layoutu — wartość przesuwa się z „wykonania” na „definicję i kontrolę jakości”. Ktoś musi zadać właściwe pytanie, ocenić wynik, zintegrować go z kontekstem biznesowym, podjąć decyzję. To są kompetencje typowo generalistyczne: definiowanie problemu, krytyczne myślenie, osąd, komunikacja, koordynacja.

McKinsey Global Institute szacuje, że do 2030 roku do 30 procent godzin pracy w gospodarce USA może potencjalnie podlegać automatyzacji, a jednocześnie gospodarka może wymagać milionów dodatkowych zmian zawodowych. To niekoniecznie musi być wizja masowego bezrobocia, ale masowego przesunięcia. A przesunięcie struktury zadań premiuje tych, którzy potrafią szybko się adaptować i łączyć kompetencje z różnych domen.

Kanał drugi to „spłaszczenie gradientu doświadczenia”. Badania empiryczne z wdrożeń narzędzi generatywnych konsekwentnie pokazują, że AI najbardziej podnosi produktywność i jakość pracy u mniej doświadczonych pracowników. W eksperymencie terenowym z ponad pięcioma tysiącami agentów obsługi klienta dostęp do asystenta AI zwiększał produktywność średnio o 14 procent — ale korzyści były nieproporcjonalnie większe u nowicjuszy. W badaniu z zadaniami pisarskimi użycie ChatGPT zmniejszało czas wykonania o około 40 procent i podnosiło jakość o 18 procent. A w głośnym eksperymencie z konsultantami — badaniu, które wprowadziło do obiegu pojęcie „poszarpanej granicy technologicznej” (jagged technological frontier) — udokumentowano wzrost produktywności i jakości, ale też coś niepokojącego: spadek jakości tam, gdzie narzędzia AI używano do zadań, do których nie pasowały, lub gdy użytkownik bezrefleksyjnie akceptował błędne odpowiedzi.

To ostatnie odkrycie jest kluczowe dla tezy. AI spłaszcza hierarchię kompetencji — juniorzy z narzędziem zbliżają się do seniorów bez narzędzia — ale jednocześnie tworzy nowe ryzyko: ryzyko „poinformowanej niekompetencji”, sytuacji, w której ktoś produkuje profesjonalnie wyglądający wynik, nie będąc w stanie ocenić, czy jest poprawny. I to ryzyko jest wyższe u specjalistów wąsko wykształconych niż u generalistów z szerokim polem kontekstu — bo generalista ma większe szanse zauważyć, że odpowiedź algorytmu jest sprzeczna z logiką innej domeny.

Co to oznacza w praktyce? Że AI obniża „koszt dostępu do kompetencji”. Wcześniej, żeby przygotować analizę finansową, potrzebowałeś kilku lat doświadczenia w finansach albo specjalistycznego wykształcenia. Teraz potrzebujesz umiejętności pracy z narzędziem i — to jest kluczowe — zdolności oceny, czy wynik narzędzia ma sens w szerszym kontekście. Ta pierwsza kompetencja jest techniczna i szybko się upowszechnia. Ta druga jest generalistyczna i wymaga czegoś, czego AI nie dostarcza: kontekstu, osądu, odpowiedzialności za decyzję.

Kanał trzeci to tempo zmian kompetencyjnych. Analizy PwC setek milionów ogłoszeń o pracę pokazują, że w zawodach najbardziej narażonych na wpływ AI umiejętności wymagane w ofertach zmieniają się o około 25 procent szybciej niż w zawodach mniej narażonych. To przesuwa przewagę z „posiadam konkretny, stabilny zestaw umiejętności” na „potrafię aktualizować zestaw umiejętności, szybko się uczyć i łączyć kompetencje”. Generaliści, a ściślej: osoby z szerokim spektrum kompetencji i zdolnością do szybkiego uczenia się są w tym środowisku naturalnie uprzywilejowani.

Ale — i to jest ważny kontrapunkt — badania pokazują też coś innego. W najszybciej zmieniających się domenach, tam, gdzie liczy się „frontier knowledge” (najbardziej zaawansowana wiedza), specjaliści mogą odzyskiwać przewagę. Dlaczego? Bo ich wąski fokus ułatwia im śledzenie i wykorzystywanie najnowszych przełomów. Badania o kreatywności w matematyce teoretycznej po „szoku wiedzowym” (napływie publikacji po upadku ZSRR) pokazały, że w szybszych domenach relatywnie lepiej wypadali specjaliści, a w wolniejszych — generaliści, bo tam większą rolę grała kombinacja wiedzy z różnych obszarów.

To znaczy, że teza nie brzmi „generalista zawsze wygrywa”. Brzmi: w warunkach niepewności i szybkiej zmiany rośnie wartość ludzi, którzy potrafią szybko się uczyć, dobrze definiować problem, integrować wiedzę i podejmować decyzje w warunkach niepełnej informacji. A AI i inne megatrendy te mechanizmy wzmacniają.

Trzy megadźwignie poza AI

Gdyby AI była jedynym czynnikiem, można by argumentować, że to chwilowy szok — technologia dojrzeje, rynek się dostosuje, specjaliści wrócą na pozycje. Ale AI nie działa w izolacji. Trzy inne megadźwignie wzmacniają te same mechanizmy — i każda z nich niezależnie od AI podnosi „premię za integrację”.

Pierwsza to geopolityka i geofragmentacja. Świat nie wraca do prostej globalizacji sprzed 2016 roku. To, co obserwujemy — rywalizacja USA-Chiny, reshoring i nearshoring, sankcje, kontrola eksportu technologii, dywersyfikacja łańcuchów dostaw — nie jest chwilową aberracją. To strukturalna zmiana środowiska, w którym działają firmy. WTO opisuje ryzyka fragmentacji, ale jednocześnie wskazuje, że odpowiedzią systemową nie jest prostą deglobalizacja, lecz raczej „re-globalizacja” — przebudowa powiązań handlowych wokół nowych osi.

Dla firm oznacza to dramatyczny wzrost złożoności operacyjnej. Łańcuch dostaw, który kiedyś optymalizowało się pod koszt, teraz trzeba optymalizować jednocześnie pod koszt, ryzyko polityczne, zgodność regulacyjną, bezpieczeństwo dostaw, wymogi ESG i odporność na szoki. Weźmy prosty przykład: europejski producent komponentów elektronicznych, który do 2020 roku kupował półprzewodniki od jednego dostawcy z Tajwanu, teraz musi mieć strategię dywersyfikacji obejmującą dostawców z trzech kontynentów, z uwzględnieniem ryzyk politycznych (Tajwan), regulacyjnych (kontrola eksportu USA), logistycznych (Morze Czerwone) i klimatycznych. Żaden wąski specjalista od zakupów tego nie ogarnie sam. Potrzebny jest ktoś, kto łączy logistykę z prawem, finanse z ryzykiem politycznym, technologię z compliance.

Analizy OECD ostrzegają, że agresywna relokalizacja (próba „ściągnięcia” łańcuchów do jednego kraju) jest kosztowna — modelowanie wskazywało na możliwość spadku globalnego handlu o 18 procent i spadku PKB o 5 procent bez gwarancji poprawy odporności. Firmy zatem nie budują autarkii, za to budują zwinność. A zwinność to kompetencja organizacyjna wymagająca integratorów.

Druga megadźwignia to reindustrializacja w nowej formie. W USA — CHIPS and Science Act i inwestycje w półprzewodniki. W Europie — Green Deal Industrial Plan i próby odbudowy strategicznych zdolności przemysłowych. Ale ta reindustrializacja nie oznacza powrotu do fabryk z lat 80. To przemysł bardziej kapitałochłonny, zautomatyzowany i cyfrowy, w którym każde stanowisko wymaga kompetencji z kilku obszarów jednocześnie. Międzynarodowa Federacja Robotyki raportowała, że na świecie działa ponad 4,28 miliona robotów w fabrykach, a globalne instalacje utrzymują się na poziomie ponad 500 tysięcy rocznie. Nowa fabryka to nie hala z ludźmi przy taśmie — to zintegrowany system, w którym linia produkcyjna rozmawia z systemem ERP, a utrzymanie ruchu opiera się na predykcji, nie na awarii.

Prognozowane zapotrzebowanie kadrowe w sektorze półprzewodników jest wymowne: branża potrzebuje jednocześnie wąskich specjalistów (procesy materiałowe, litografia, chemia, metrologia) i integratorów, którzy spinają inwestycje, supply chain, jakość, IT/OT, cyberbezpieczeństwo, zgodność regulacyjną i efektywność energetyczną. Ten drugi typ roli jest strukturalnie generalistyczny — często opisywany jako „pi-shaped”: dwie kotwice specjalizacji plus szerokie pole koordynacji. I to on rośnie najszybciej, bo bez integratorów same specjalizacje nie przekładają się na działający system.

Trzecia megadźwignia to demografia. Kurczenie się populacji w wieku produkcyjnym — w wielu gospodarkach rozwiniętych i części Azji — tworzy to, co OECD opisuje jako przejście „od niedoboru miejsc pracy do niedoboru pracy”. Dane ONZ pokazują szybkie starzenie się populacji w skali świata, choć tempo i skala różnią się regionalnie. W Polsce, jak wielokrotnie podkreślano, problem jest szczególnie ostry: do 2035 roku populacja w wieku produkcyjnym zmniejszy się o ponad półtora miliona osób.

Gdy ludzi jest za mało, firmy reagują na trzy sposoby: poszerzają pule kandydatów (podejście skills-first zamiast requirements-first — oceniając realne kompetencje, nie dyplomy), inwestują w przekwalifikowanie i łączą role. Każda z tych reakcji premiuje generalistów — ludzi, którzy mogą robić więcej niż jedną rzecz, uczą się szybko i adaptują do zmieniających się potrzeb. OECD akcentuje przy tym, że braki kadrowe wynikają nie tylko z liczby ludzi, lecz także z niedopasowań kompetencyjnych i geograficznych — co dodaje kolejną warstwę argumentu za elastycznością i zdolnością do przebranżowienia.

Jednocześnie — i tu znów ważny kontrapunkt — demografia zwiększa popyt na pewne specjalizacje: opieka zdrowotna, geriatria, usługi opiekuńcze, inżynieria medyczna. W tych obszarach głębia wiedzy i odpowiedzialność ekspercka są nie do zastąpienia. Lekarz, pielęgniarka, fizjoterapeuta — to nie są role do „łączenia” z czymś innym. To są role, w których specjalizacja ratuje życie.

„Generalista przyszłości” to nie ktoś „od wszystkiego”

Tu trzeba się zatrzymać i wyjaśnić coś, co w popularnej wersji tej debaty gubi się jako pierwsze. „Generalista” w kontekście współczesnego rynku pracy nie oznacza kogoś, kto wie po trochu o wszystkim i nic dogłębnie. To nie jest renesansowy człowiek-orkiestra ani korporacyjny „generalist manager” z lat 90., który umiał zarządzać procesami, nie rozumiejąc żadnego z nich.

Profil, który rynki zaczynają premiować, jest lepiej opisywany metaforą litery T — albo jeszcze trafniej, litery π (pi). To ktoś, kto ma jedną lub dwie „kotwice głębi” (solidną, prawdziwą ekspertyzę w konkretnym obszarze) plus szerokie spektrum kompetencji pozwalających na współpracę, syntezę i koordynację między domenami. Inżynier, który rozumie regulacje i potrafi rozmawiać z prawnikami. Analityk danych, który rozumie biznes i potrafi tłumaczyć wyniki na decyzje. Specjalista od supply chain, który rozumie ryzyko polityczne i potrafi je wycenić.

Badania z 3M nad wynalazcami pokazują tę dualność doskonale: szerokość (praca w wielu domenach) wiązała się z większą „produktywnością” innowacyjną — liczbą rozwiązań. Głębia (specjalizacja w jednym obszarze) wiązała się z większym „wpływem technicznym” — bardziej znaczącymi patentami. Innymi słowy: szerokość i głębia nie są substytutami. Są komplementarne. Służą różnym celom. I najcenniejsi są ci, którzy mają jedno i drugie.

W literaturze o przedsiębiorczości ta intuicja jest potwierdzona hipotezą „jack-of-all-trades”: przedsiębiorca musi rozumieć wiele obszarów, choćby po to, by oceniać ludzi i decyzje w różnych funkcjach. Zbalansowany profil kompetencji zwiększa prawdopodobieństwo wejścia w przedsiębiorczość i bywa korzystny w prowadzeniu firmy. To nie jest argument za byciem „powierzchownym” — to argument za byciem „szeroko zakorzenionym”.

Marketing jako laboratorium przyszłości

Jak to wygląda w praktyce — nie w teorii, nie w badaniach, lecz w konkretnej branży, która przechodzi właśnie przez to, co inne sektory dopiero zobaczą?

Mark Ritson opisał niedawno na łamach The Drum zjawisko, które nazwał „The Great Stay” — wielkim trwaniem w miejscu. Marketerzy nie odchodzą z pracy, bo rynek się zacisnął: oferty spadły o 8 procent rok do roku, płace w USA realnie się obniżyły, dobrowolne odejścia spadły do poziomu najniższego od dekady. Ale gospodarka jest w porządku — to nie jest recesja. To AI zjada stanowiska od dołu.

Research, który robił zespół czterech osób, robi teraz jeden człowiek z dobrze napisanym promptem. Content, który wymagał copywritera, redaktora i grafika, produkuje senior z narzędziami. Firmy nie zwalniają hurtowo — po prostu nie odtwarzają stanowisk, gdy ktoś odchodzi. Rola znika po cichu.

Efekt jest K-kształtny: seniorzy prosperują, juniorzy i warstwa średnia tracą grunt. Taligence Report ujmuje to dosadnie: absolwenci walczą o tlen, natomiast środek — ci, którzy potrafią jednocześnie pisać copy i czytać rachunek zysków i strat — to jedyni, do których dzwonią rekruterzy. Stanowiska dyrektorskie utrzymywały się przez cały 2025. Zatrudnianie na poziomie wejściowym było pod ciągłą presją. Firmy inwestują w marketing — po prostu przestały płacić za uczenie go od zera. Chcą doświadczonych operatorów, którzy wiedzą, co robić, i potrafią użyć AI do wykonania pracy, którą kiedyś obsługiwało dwóch czy trzech juniorów.

I ci, którzy przetrwają, ewoluują w kierunku generalistów: poszerzają kompetencje z wąskich specjalizacji na pełne spektrum dyscypliny, inwestują w biegłość z AI jako narzędziem pracy i budują umiejętności, których algorytm nie replikuje — osąd, relacje, zdolność powiedzenia „nie”, gdy model mówi „tak”. Ritson daje radę, która brzmi jak manifest generalisty: firmy chcą marketerów, którzy pracują across the full scope — strategia, badania, marka, komunikacja, pricing — a nie specjalistów od jednego wąskiego kanału.

Ale jest pułapka systemowa, która powinna niepokoić każdego, kto myśli długoterminowo: jeśli firmy przestają zatrudniać juniorów, pipeline talentów wysycha — i za pięć lat nie będzie seniorów-generalistów, o których dziś wszyscy walczą. To samowzmacniająca się pętla: im mniej juniorów, tym ciaśniejszy rynek seniorów, tym większa rezygnacja seniorów z ryzyka zmiany, tym większy „Great Stay”. Marketing to laboratorium. Księgowość, prawo, analityka, HR, proste IT będą następne.

Co to znaczy dla Polski

W tekście „Praca, głupcze”, który pisałem o rynku pracy jako temacie kampanii parlamentarnej 2027, argumentowałem, że polski rynek pracy wchodzi w fazę wielowymiarowego szoku strukturalnego. Teraz chcę dodać do tej diagnozy warstwę, która dotyczy nie tyle liczby miejsc pracy, co ich kształtu — i kompetencji, które będą decydować o tym, kto w nowej rzeczywistości wygra.

Polska jest na to szczególnie wrażliwa z trzech powodów.

Po pierwsze, model wzrostu oparty na arbitrażu kosztowym — „robimy to samo, tylko taniej” — to z definicji model sprzyjający specjalistom od wykonania, nie generalistom od integracji. Centra usług wspólnych w Krakowie czy Wrocławiu zatrudniały ludzi do powtarzalnych, wyspecjalizowanych zadań: księgowość, obsługa klienta, prosty IT, analityka finansowa. To dokładnie segment, który AI i offshoring nowej generacji zjadają najszybciej. Pracownicy w tym segmencie są wysoce wyspecjalizowani w wąskim zakresie — ale często nie mają kompetencji integracyjnych, które pozwoliłyby im płynnie przejść do innej roli.

Po drugie, polski system edukacji — od szkoły średniej po uczelnie wyższe — wciąż premiuje specjalizację. Wybierasz profil w liceum, wybierasz kierunek na studiach, zostajesz „specjalistą od” czegoś. System nie uczy definiowania problemów, łączenia dyscyplin, pracy z niejednoznacznością, szybkiego uczenia się nowych domen. Nie uczy tego, co World Economic Forum wpisuje na szczycie listy kompetencji przyszłości: myślenia analitycznego, kreatywności, odporności, elastyczności i bycia liderem. A system kształcenia ustawicznego — który powinien być kluczowy w erze masowego przebranżowienia — w Polsce praktycznie nie istnieje w formie, która odpowiadałaby skali wyzwania. Singapur zbudował system reskillingu (SkillsFuture) oparty na mikro-kwalifikacjach i modułach kompetencyjnych. Korea Południowa powiązała politykę automatyzacji z polityką przekwalifikowania. W Polsce urzędy pracy wciąż oferują kursy z obsługi pakietu Office.

Po trzecie, Polska jest jednocześnie w grze reindustrializacyjnej i w pułapce średniej wartości dodanej. Z jednej strony — jest beneficjentem nearshoringu, przenoszenia produkcji z Azji bliżej Europy, inwestycji w infrastrukturę obronną i energetyczną. Polska przyciąga nowe fabryki, centra logistyczne, inwestycje w OZE. To tworzy popyt na nowe kompetencje — ale kompetencje hybrydowe: mechatronik, który rozumie dane; inżynier procesu, który rozumie cyberbezpieczeństwo; menedżer supply chain, który rozumie ryzyko geopolityczne; technik OZE, który rozumie regulacje i finanse projektowe. Z drugiej strony — jeśli Polska nie wyprodukuje tych profili kompetencyjnych, reindustrializacja odbędzie się bez polskich pracowników na stanowiskach, które tworzą największą wartość. Zostaną nam stanowiska wykonawcze — a te, jak wiemy, AI i automatyzacja zjadają najszybciej.

I tu łączy się teza o generalistach z tezą o rynku pracy: Polska potrzebuje przejścia z modelu „liczby etatów” do modelu „wartości na pracownika”. A wartość na pracownika w 2030 roku nie będzie definiowana głębią wąskiej specjalizacji (tę coraz częściej dostarczy AI), lecz zdolnością do łączenia, koordynowania, definiowania i decydowania.

Co to znaczy dla polityki publicznej

Jeśli teza o rosnącej premii za integrację jest prawdziwa — a dane, które przytoczyłem, wskazują, że jest — to implikacje dla polityki publicznej są konkretne.

Pierwsza implikacja dotyczy edukacji. Polski system edukacji musi zacząć produkować profile „pi-shaped”: ludzi z głębią w jednym-dwóch obszarach plus szerokim spektrum kompetencji przenośnych. To nie jest kwestia jednego przedmiotu „kreatywności” dodanego do programu szkolnego. To jest kwestia fundamentalnej zmiany modelu kształcenia — od akumulacji wiedzy specjalistycznej do budowania zdolności uczenia się, definiowania problemów i pracy między dyscyplinami.

Druga implikacja dotyczy reskillingu. OECD i WEF mówią wprost o podejściu „skills-first” — opartym na realnych kompetencjach, nie na dyplomach. Badania Harvard Business School o „degree reset” (inflacji wymagań dyplomowych oderwanych od faktycznej treści pracy) pokazują, że wymagania formalne w ofertach pracy często nie odpowiadają rzeczywistym potrzebom. System reskillingu oparty na mikro-kwalifikacjach, modułach kompetencyjnych i walidacji praktycznych umiejętności powinien być priorytetem — a nie marginesem polityki zatrudnienia. LinkedIn już buduje metodyki tworzenia pul talentów na podstawie umiejętności, nie tytułów. Firmy, które przejdą na ten model, będą miały przewagę — ale potrzebują infrastruktury publicznej, która tę transformację ułatwia, a nie blokuje.

Trzecia implikacja dotyczy firm. Firmy, które budują zespoły wyłącznie ze specjalistów, ryzykują utratę zwinności w środowisku, które premiuje adaptację. Inwestowanie w rozwój kompetencji przenośnych u pracowników, łączenie ról, tworzenie ścieżek kariery „w poprzek” (a nie tylko „w górę”), rotacja między działami — to nie jest HR-owa moda, tylko strategiczna konieczność. Dane WEF wskazują, że 86 procent pracodawców oczekuje transformującego wpływu AI na ich biznes do 2030 roku — przy jednoczesnym dużym „churnie” na rynku pracy (netto wzrost zatrudnienia globalnie, ale przy ogromnym przesunięciu popytu). Firma, która nie inwestuje w elastyczność swoich ludzi, inwestuje w swoją własną nieadekwatność.

Nie koniec specjalizacji — zmiana mapy

Najważniejsze zastrzeżenie na koniec, bo bez niego cała teza byłaby karykaturą.

Nie chodzi o to, że specjaliści znikają. W wielu obszarach — cyberbezpieczeństwo, inżynieria półprzewodników, medycyna, prawo regulacyjne, AI research — głęboka specjalizacja jest i będzie niezastąpiona. Geofragmentacja wręcz podnosi premię za bezpieczeństwo i suwerenność technologiczno-przemysłową, co winduje wartość wąskich ekspertyz w sektorach strategicznych. Tam, gdzie koszt błędu jest wysoki, a problem jest źle ustrukturyzowany, głębia domenowa i odpowiedzialność ekspercka pozostają nie do zastąpienia — badania o „poszarpanej granicy technologicznej” (jagged frontier) wskazują, że AI poprawia wyniki tam, gdzie pasuje do zadania, ale pogarsza tam, gdzie użytkownik bezrefleksyjnie akceptuje błędne odpowiedzi.

Chodzi o coś innego: zmienia się mapa przewag. Przez dekady specjalizacja była domyślną ścieżką do kariery, awansu i bezpieczeństwa ekonomicznego. „Zostań ekspertem od czegoś” — to była rada, którą dostawał każdy absolwent. Ta rada nie jest fałszywa, ale jest niekompletna. W świecie, w którym AI automatyzuje znaczną część pracy eksperckiej, geopolityka mnoży złożoność, a demografia wymusza łączenie ról — „zostań ekspertem od łączenia” jest radą równie ważną. A może ważniejszą.

Najbardziej stabilny wniosek z danych nie brzmi „generalista wygrywa”. Brzmi: rośnie liczba ról hybrydowych i rośnie wartość kompetencji przenośnych — bo makrotrendy wymuszają transformację. World Economic Forum prognozuje, że do 2030 roku 86 procent pracodawców oczekuje transformującego wpływu AI na ich biznes. To oznacza, że zmiana obejmie także branże tradycyjnie spoza IT. I w każdej z nich najcenniejsi będą ludzie, którzy potrafią łączyć.

Jedna rada

Peter Zeihan, geopolityczny analityk, którego prognozy o deglobalizacji bywają ekstrapolacją, ale którego intuicja o kierunku zmian jest trafna, opisuje świat zmierzający ku większej regionalności, częstszym szokom i większej niepewności. Nawet jeśli nie kupi się jego najbardziej dramatycznych scenariuszy, sam kierunek — więcej ograniczeń, więcej trade-offów, więcej sytuacji, w których trzeba łączyć sprzeczne priorytety — jest dobrze poparty danymi od WTO, OECD i IMF.

W takim świecie najcenniejszą kompetencją nie jest wiedza o jednym — bo ta wiedza się dezaktualizuje. Nie jest też wiedza o wszystkim — bo ta jest z definicji płytka. Najcenniejszą kompetencją jest zdolność do łączenia: dwóch domen głębi z szerokim polem kontekstu. Zdolność definiowania problemu, zanim zacznie się go rozwiązywać. Zdolność mówienia „nie wiem, ale umiem się dowiedzieć i zintegrować to z tym, co już wiem”.

To nie jest kompetencja, której uczy się na kursie. To jest kompetencja, którą buduje się przez lata — przez pracę w różnych kontekstach, przez świadome wychodzenie poza swoją dziedzinę, przez inwestowanie w zdolność uczenia się, a nie tylko w wiedzę.

I to jest być może jedyna rada, która przetrwa kolejne dziesięć lat zmian: bądź ekspertem od łączenia. Reszta się zmieni.

Łukasz Turkowski