Daron Acemoglu z MIT, A. Arda Gitmez z Bilkent University oraz Mehdi Shadmehr z University of North Carolina at Chapel Hill opublikowali pracę datowaną na 5 czerwca 2026 roku, w której pokazują formalnie, że wraz ze wzrostem automatyzacji państwo działające w interesie właścicieli kapitału zaczyna preferować represje zamiast redystrybucji. W pełnym modelu dynamicznym gospodarka zbiega do represji, a w wariancie startującym od demokracji akumulacja kapitału popycha kapitalistów do poparcia zamachu stanu obalającego ustrój demokratyczny.
- Daron Acemoglu (laureat Nagrody Nobla z ekonomii 2024), A. Arda Gitmez i Mehdi Shadmehr wykazują w pracy „Automation and Repression" (NBER Working Paper 35336), że państwo działające w interesie właścicieli kapitału preferuje represje zamiast redystrybucji, ponieważ koszt represji jest stały, podczas gdy koszt transferów dla pracowników rośnie wraz z poziomem automatyzacji.
- W dynamicznym wariancie modelu akumulacja kapitału przez kapitalistów popycha ich do poparcia zamachu stanu obalającego demokrację – wraz ze wzrostem zasobu kapitału próg opłacalności obalenia ustroju demokratycznego spada.
- Polska, według raportu World Robotics 2025, miała na koniec 2024 roku gęstość robotyzacji wynoszącą 81 robotów na 10 tys. pracowników przemysłu, czyli mniej niż połowę średniej globalnej (177) i europejskiej (148), co według kategorii modelu plasuje ją w obszarze, gdzie przewidywana jest redystrybucja, a nie represje.
Tekst ukazał się jako NBER Working Paper 35336 oraz CEPR Discussion Paper 21594 i jest dostępny również wśród working papers MIT Economics. Acemoglu jest jednym z laureatów Nagrody Nobla z ekonomii z 2024 roku.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Rynek automatyzuje za dużo, bo pojedyncza firma nie wycenia ryzyka buntu
Punktem wyjścia modelu jest obserwacja, że automatyzacja obniża udział pracy w dochodzie narodowym i podnosi udział kapitału, co w konstrukcji autorów zwiększa prawdopodobieństwo udanego buntu pracowników. Bunt jest modelowany jako gra globalna w tradycji Morrisa i Shina: powstanie udaje się wtedy, gdy weźmie w nim udział wystarczająco duża część pracowników, a każdy z nich obserwuje tylko zaszumiony sygnał o sile reżimu.
Kluczowy dla całej konstrukcji jest efekt zewnętrzny. Pojedynczy właściciel kapitału maksymalizuje zysk i nie uwzględnia, jak jego decyzja o automatyzacji wpływa na ryzyko obalenia porządku, z którego sam korzysta. W rezultacie w równowadze zdecentralizowanej automatyzacji jest więcej, niż chcieliby kapitaliści traktowani jako grupa. Autorzy pokazują, że poziom automatyzacji w takiej równowadze jest dokładnie ten, który maksymalizuje produkcję, i że jest niższy od poziomu maksymalizującego zwrot z kapitału.
Stąd pojawia się w modelu „państwo kapitalistyczne”, czyli władza działająca we wspólnym interesie właścicieli kapitału. Ma ono trzy narzędzia:
- regulację poziomu automatyzacji,
- redystrybucję poprzez podatek i dobro publiczne finansowane dla pracowników,
- represje, które sprowadzają prawdopodobieństwo udanego buntu do bardzo niskiego poziomu.
Represje mają koszt stały, koszt redystrybucji rośnie razem z automatyzacją
Główny wynik pracy autorzy nazywają komplementarnością między automatyzacją a represjami. Mechanizm sprowadza się do porównania dwóch rachunków kosztów. Represje kosztują stałą część produkcji, oznaczoną w modelu jako R. Redystrybucja kosztuje tyle, ile trzeba przelać pracownikom, aby powstrzymać ich przed buntem, a ta kwota rośnie razem z poziomem automatyzacji, bo automatyzacja obniża udział pracy w dochodzie.
Wniosek jest arytmetyczny. Im więcej automatyzacji i im większy zasób kapitału, tym bardziej represje wygrywają z transferami. Autorzy dowodzą, że o ile groźba buntu nie jest bardzo słaba, a zasób kapitału nie jest bardzo mały, państwo kapitalistyczne wybiera represje. Pokazują też, że pod represjami wybrany poziom automatyzacji jest wyższy niż ten maksymalizujący produkcję, bo koszt represji obniża efektywny koszt dalszego automatyzowania.
„Naszym głównym wynikiem jest nowa komplementarność między automatyzacją a represjami” / „Our main result is a new complementarity between automation and repression” piszą autorzy w podsumowaniu pracy.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Model powstał z debaty, którą prowadzą sami przedsiębiorcy technologiczni
We wstępie autorzy tłumaczą, skąd wziął się temat. Powołują się na wypowiedzi ludzi z branży, którzy publicznie mówią o ryzyku niepokojów społecznych wywołanych automatyzacją. Kai-Fu Lee, inwestor i były szef Google China, ostrzegał przed wstrząsem społecznym wynikającym z masowego bezrobocia i skrajnych nierówności. Nick Hanauer, przedsiębiorca i inwestor, ujął to w 2014 roku dosadniej: „widzę widły… Albo powstanie” / „I see pitchforks… Or an uprising”. Alex Karp, założyciel i prezes Palantira, mówił z kolei o rewolucji, w której komuś poleci głowa, i o tym, że jego firma spodziewa się wygrać.
Autorzy przypominają też, że list otwarty przed szczytem w Davos w 2025 roku, podpisany przez stu milionerów, stawiał sprawę jako wybór między podatkami a widłami. Ich praca jest próbą zbudowania modelu ekonomicznego, którego, jak sami zaznaczają, w tej debacie dotąd brakowało.
Ta praca nie jest prognozą i nie należy jej tak czytać. To model teoretyczny, w którym wynik zależy od parametrów wpisanych przez autorów: siły bodźca do buntu, kosztu represji, elastyczności substytucji między zadaniami. Zmień parametry, a otrzymasz redystrybucję zamiast represji, co zresztą sami autorzy uczciwie pokazują.
Co uważam za naprawdę wartościowe? Nie konkluzję o zamachu stanu, tylko sposób postawienia problemu. Acemoglu, Gitmez i Shadmehr wyceniają dwa rozwiązania obok siebie i pokazują, że transfery dla pracowników drożeją wraz z automatyzacją, a kontrola nie. To jest niewygodne, bo cała europejska dyskusja o skutkach AI dla rynku pracy opiera się właśnie na założeniu, że redystrybucja załatwi sprawę. Jeśli koszt tej opcji rośnie liniowo z poziomem automatyzacji, a alternatywa jest w praktyce ryczałtem, to argument za dochodem podstawowym trzeba przeliczyć od nowa, a nie powtarzać jako oczywistość.
Mam też wątpliwość. W modelu pracownicy mają do wyboru bunt albo bezczynność. W realnym państwie demokratycznym mają jeszcze wybory, związki zawodowe, sądy i regulacje. Autorzy sami piszą, że kolejnym krokiem powinno być wpuszczenie do modelu lobbingu i finansowania kampanii. Do tego czasu ostrożnie z przenoszeniem tych wniosków na konkretne kraje.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
W wersji dynamicznej gospodarka kończy na represjach, a demokracja upada po przekroczeniu progu kapitału
Twierdzenie główne pracy opisuje trzy możliwe ścieżki długookresowe, zależne od siły bodźca do buntu, oznaczonej jako β:
- jeśli bodziec jest słaby, gospodarka pozostaje w reżimie redystrybucji na stałe,
- jeśli jest umiarkowany, gospodarka zaczyna od redystrybucji i po osiągnięciu przez kapitał progowej wartości przechodzi na represje,
- jeśli jest silny, gospodarka od początku funkcjonuje w reżimie represji.
Sekcja ósma pracy dotyczy bezpośrednio demokracji. Autorzy zakładają, że w demokracji rządzą pracownicy, którzy ustawiają podatek na maksymalnym możliwym poziomie. Kapitaliści porównują wtedy wypłatę z życia w takim ustroju z wypłatą z obalenia go i zbudowania systemu represyjnego. Wraz ze wzrostem zasobu kapitału próg opłacalności zamachu spada, więc demokracja staje się dla właścicieli kapitału coraz mniej akceptowalna.
Jest jeszcze uwaga, którą uważam za najciekawszy fragment całej pracy. Autorzy zauważają, że ich model nie uwzględnia faktu, iż sama sztuczna inteligencja może obniżać koszt represji, na przykład przez tańszy nadzór. Gdyby to uwzględnić, wniosek o represjach byłby jeszcze silniejszy.
To teoria bez danych, i autorzy tego nie ukrywają
Praca nie zawiera badania empirycznego. Nie ma tu danych o żadnym konkretnym kraju, żadnej regresji ani testu na historycznych szeregach. Odwołania do rzeczywistości pojawiają się wyłącznie jako przegląd cudzej literatury: badanie Caprettiniego i Votha o zamieszkach Swing Riots w Anglii w 1830 roku, prace o reakcji państwa meksykańskiego na protesty górników czy przegląd Gallego i Kurer z 2022 roku o politycznych skutkach automatyzacji.
W zakończeniu autorzy sami wskazują, czego brakuje. Za wartościowe uznają zebranie systematycznych dowodów empirycznych na to, jak automatyzacja wpływa na politykę, zarówno bezpośrednio przez utratę miejsc pracy, jak i pośrednio przez protesty i inne formy działania zbiorowego. To ważne zastrzeżenie przy czytaniu nagłówków, które z tej pracy robią zapowiedź końca demokracji.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska ma 81 robotów na 10 tys. pracowników, czyli mniej niż połowę średniej światowej
W kategoriach modelu Acemoglu, Gitmeza i Shadmehra Polska znajduje się w obszarze niskiego zasobu kapitału i niskiej automatyzacji, czyli tam, gdzie model przewiduje redystrybucję, a nie represje. Według raportu World Robotics 2025 Międzynarodowej Federacji Robotyki na koniec 2024 roku w polskim przemyśle pracowało 26,4 tys. robotów, o 7 proc. więcej niż rok wcześniej. Gęstość robotyzacji wyniosła 81 robotów na 10 tys. pracowników przemysłu wobec średniej globalnej na poziomie 177 i europejskiej 148. W motoryzacji wskaźnik sięgnął 247, w pozostałych gałęziach przemysłu 62. Nowych instalacji było w 2024 roku 2 344, co dało Polsce 20. miejsce na świecie i 8. w Europie.
Podobnie wygląda automatyzacja miękka. Z raportu AIPORT.pl o polskich firmach w erze AI wynika, że dominującym zastosowaniem sztucznej inteligencji nad Wisłą jest wciąż praca z tekstem, a automatyzacja procesów odpowiada za 10,6 proc. wskazań. Innymi słowy jesteśmy na etapie, na którym udział kapitału w dochodzie nie zmienia się jeszcze pod wpływem AI w sposób, który model uznaje za przełomowy.
To nie znaczy, że temat nas nie dotyczy. Model mówi o progu, po przekroczeniu którego kalkulacja się odwraca, a nie o gwałtownym zdarzeniu. Polska gospodarka odrabia dystans w robotyzacji szybciej niż rynki dojrzałe i to właśnie tempo dochodzenia do progu, a nie dzisiejsza pozycja, jest tu zmienną wartą obserwowania.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz pracy naukowej Automation and Repression autorstwa Darona Acemoglu, A. Ardy Gitmeza i Mehdiego Shadmehra z 5 czerwca 2026 roku, opublikowanej jako NBER Working Paper 35336 oraz CEPR Discussion Paper 21594.
Dane o robotyzacji pochodzą z raportu World Robotics 2025 Międzynarodowej Federacji Robotyki (IFR) za rok 2024. Dane o wykorzystaniu AI w polskich firmach pochodzą z badania własnego AIPORT.pl.
Cytaty autorów pracy oraz Nicka Hanauera zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o pracy Automation and Repression oraz o badaniach nad politycznymi skutkami automatyzacji.
