Ekonomistka Goldman Sachs sprawdziła, ile czasu zajęło komputerom wywołanie realnego wzrostu produktywności w gospodarce. Odpowiedź brzmi: piętnaście lat, a przez pierwsze cztery było gorzej, nie lepiej.
Kluczowe fakty:
- Ekonomistka Goldman Sachs Elsie Peng przeanalizowała dane branżowe z ery komputerów osobistych i opisała tzw. krzywą J – przez pierwsze cztery lata od upowszechnienia PC produktywność lekko spadała, a statystycznie istotne zyski pojawiły się dopiero po ośmiu latach.
- Od komercjalizacji komputerów osobistych na początku lat 80. do momentu, gdy ich wpływ był widoczny w twardych danych makroekonomicznych, minęło około piętnastu lat, a szczyt efektu produktywnościowego (około 0,6 punktu procentowego) przypadł na dwunasty rok.
- Przyjmując premierę ChatGPT w 2022 roku za punkt startowy analogiczny do debiutu PC w 1981 roku, analiza sugeruje, że realny zwrot z inwestycji w AI pojawi się najwcześniej około 2030 roku, a szczyt wpływu nastąpi mniej więcej w 2034 roku.
Elsie Peng, ekonomistka Goldman Sachs, opublikowała w lipcu notatkę badawczą, która psuje zabawę wszystkim, którzy liczyli na szybki zwrot z inwestycji w sztuczną inteligencję. Analiza porównuje obecną falę AI z rewolucją komputerów osobistych z lat 80. i wnioski nie są optymistyczne dla tych, którzy oczekują efektów w tym roku czy w przyszłym.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Co pokazała historia komputerów
Komputer osobisty trafił na biurka na początku lat 80. Inwestycje w sprzęt i telekomunikację rosły szybko już wtedy. Tyle że produktywność w danych makroekonomicznych stała w miejscu aż do końca lat 90.
Peng przeanalizowała dane branżowe i opisała ten wzorzec jako krzywą J: przez pierwsze cztery lata produktywność lekko spadała, dopiero po ośmiu latach pojawiły się statystycznie istotne zyski, a szczyt wpływu, около 0,6 punktu procentowego, przypadł na dwunasty rok. Piszę to jeszcze raz, bo warto to sobie uzmysłowić: piętnaście lat od komercjalizacji PC do momentu, w którym efekt było widać w twardych liczbach.
Jeśli przyjąć, że premiera ChataGPT w 2022 roku jest odpowiednikiem debiutu PC w 1981, krzywa Peng sugeruje, że realny zwrot z AI pojawi się najwcześniej około 2030 roku, a szczyt osiągnie mniej więcej w 2034.
Co stało za tym opóźnieniem w latach 80. i 90.? Trzy czynniki. Półprzewodniki i sprzęt telekomunikacyjny długo pozostawały drogie, tanieć zaczęły dopiero po interwencjach regulacyjnych i wzroście konkurencji w skoncentrowanych wcześniej rynkach. Wiele zastosowań, zwłaszcza internet, zaczęło generować wartość dopiero po osiągnięciu masy krytycznej użytkowników. Ale największym hamulcem było coś mniej widocznego: gigantyczny wysiłek reorganizacyjny potrzebny, żeby w ogóle zacząć korzystać z nowej technologii.
Goldman szacuje, że każdy dolar wydany na sprzęt ICT wymagał co najmniej 1,70 dolara dodatkowych inwestycji „niematerialnych”: oprogramowania, systemów danych, a przede wszystkim przebudowy organizacji. Ten drugi rodzaj wydatków ruszył dopiero w połowie lat 90., czyli dekadę po tym, jak komputery trafiły na biurka.
Dlaczego to samo dzieje się teraz, tylko gorzej
Tu zaczyna się część, która powinna martwić inwestorów wyceniających spółki AI pod kątem szybkich zysków. Inwestycje w sprzęt AI rosną szybciej niż w analogicznym momencie cyklu ICT. To dobra wiadomość dla byków rynkowych. Zła wiadomość: inwestycje w reorganizację procesów pracy rosną wolniej niż w latach 90.
Goldman przyznaje, że część tych wydatków może nie być uchwycona w oficjalnych statystykach. Sondaż Atlanta Fed sugeruje, że w 2026 roku wydatki „niematerialne” związane z AI sięgnęły około 280 miliardów dolarów. Nawet uwzględniając luki pomiarowe, dystans między inwestycją w sprzęt a inwestycją w reorganizację jest szerszy niż piętnaście lat temu.
A pracownicy? Zamiast się dostosowywać, część z nich się buntuje.
Ta krzywa J to najciekawszy kawałek analizy makroekonomicznej AI, jaki widziałem od dawna, bo pokazuje coś, o czym rzadko się mówi wprost: technologia rzadko zawodzi sama z siebie, zawodzi na styku z organizacją, która nie potrafi się wokół niej przeorganizować. Sabotaż pracowniczy, o którym piszę niżej, to nie jest anegdotyczna ciekawostka z ankiet HR. To realny hamulec, który może wydłużyć i tak już długi cykl adopcji. Jednocześnie ostrożnie podchodziłbym do prostego przełożenia lat 80. na lata 20. XXI wieku: internet, chmura i dzisiejsze tempo dystrybucji oprogramowania nie mają odpowiednika w epoce dyskietek. Możliwe, że część tej krzywej J po prostu się spłaszczy. Pytanie, czy Goldman nie jest zbyt optymistyczny zakładając osiem do dwunastu lat, skoro opór pracowników w kluczowych sektorach jest dziś większy niż wtedy.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Kwietniowe badanie 2400 pracowników wiedzy przeprowadzone przez firmę Writer i Workplace Intelligence, obie ze stawką komercyjną w adopcji AI, więc liczby te warto traktować z pewną rezerwą, pokazało, że 29% pracowników przyznaje się do aktywnego sabotowania strategii AI swojej firmy. Wśród pokolenia Z odsetek ten sięgnął 44%, wobec 41% rok wcześniej. Osobne badanie WalkMe, przeprowadzone tego samego miesiąca wśród kadry zarządzającej i pracowników w 14 krajach, wykazało, że ponad 54% pracowników w ciągu ostatnich 30 dni ominęło firmowe narzędzia AI i wykonało pracę ręcznie. Autorzy tego badania winią za to zjawisko strach przed staniem się zbędnym.
Naukowcy z Harvard Business School nazwali to zjawisko „symboliczną adopcją”: pracownicy formalnie zgadzają się korzystać z AI, bo otwarta odmowa grozi zwolnieniem, ale po cichu podkopują działanie technologii. Motywacja nie jest tajemnicza. Wśród sabotażystów w badaniu Writer 30% deklaruje, że nie chce, aby AI zabrało im pracę, a 26% twierdzi, że technologia obniżyła ich poczucie wartości lub kreatywności w pracy. Trudno nazwać to irracjonalnym, skoro 69% menedżerów w tym samym badaniu przyznaje, że ich firmy już prowadzą zwolnienia związane z AI.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Co pokazują twarde dane o zatrudnieniu
To nie są tylko deklaracje z ankiet. Stanford (Erik Brynjolfsson) i ADP Research śledzą 4,6 miliona pracowników w ponad 730 zawodach poprzez Canaries Dashboard. Zatrudnienie w grupie wiekowej 22-25 lat w zawodach najbardziej narażonych na AI kurczy się o ponad 4% rocznie. Ten efekt jest niewidoczny na poziomie zagregowanym, widać go dopiero po podziale według wieku i ekspozycji zawodowej na AI.
Sektory, które według rankingu Goldmana są najlepiej przygotowane do wczesnych zysków z produktywności, czyli informacja, usługi profesjonalne, ubezpieczenia i finanse, to jednocześnie sektory, w których badania nad sabotażem notują najwyższy poziom oporu. Jeśli opóźnienie reorganizacyjne jest wzmacniane przez zorganizowany opór, a nie tylko koszty i złożoność wdrożenia, to ośmio-dwunastoletni harmonogram wyliczony przez Goldmana z ery ICT może okazać się zbyt optymistyczny.
Apollo Global Management i jego główny ekonomista Torsten Slok podkreśla, że to nie jest tylko akademicka dyskusja. Jego zdaniem AI od dłuższego czasu jest jedynym czynnikiem, który podtrzymuje zarówno gospodarkę, jak i rynki. Wolniejszy zwrot z inwestycji nie byłby więc problemem jednego sektora, tylko ryzykiem dla całej gospodarki i dla wycen na Wall Street.
Co to oznacza dla polskich firm?
Polski rynek ma swoją wersję tego samego napięcia, choć z lokalnym akcentem. Z badania AIPORT.pl wynika, że niemal co drugi polski pracownik używa AI za plecami swojego szefa, a 71% oszczędza dzięki temu od pół godziny do ponad dwóch godzin dziennie, choć niewiele firm w ogóle to mierzy.
Kilka danych, które pokazują skalę zjawiska nad Wisłą:
- Tylko 8,36% polskich firm ma formalnie wdrożone rozwiązania AI, mimo że 71,2% pracowników biurowych wykonuje zadania, które dałoby się zautomatyzować
- 80% polskich pracowników nie ma formalnej zgody na korzystanie z generatywnego AI w pracy, ale 69% i tak z niego korzysta
- Tylko 25% pracodawców uważa, że ma kadrę zdolną do wdrożenia AI na poziomie odpowiadającym postępowi technologicznemu
- 42,2% polskich przedsiębiorstw korzysta z rozwiązań opartych na automatyzacji i AI, najczęściej w handlu i usługach
W Polsce barierą nie jest więc odmowa korzystania z narzędzi, tylko brak formalnej strategii i polityki AI w firmach. Pracownicy adoptują AI oddolnie, szybciej niż zarządy są w stanie to uregulować i zmierzyć. To odwrotność scenariusza z sabotażem opisanym przez Goldmana, ale prowadzi do podobnego efektu: firma ma narzędzie, ale nie ma nad nim kontroli ani wiedzy, ile realnie zyskuje.
Do tego dochodzi kalendarz regulacyjny. Od 2 sierpnia 2026 roku w pełni wchodzi w życie unijny AI Act, co dla polskich pracodawców korzystających z AI w HR oznacza nowe obowiązki dokumentacyjne i szkoleniowe. Reorganizacja, o której pisze Peng, w Polsce będzie się więc musiała odbyć równolegle z dostosowaniem do nowych przepisów unijnych, co samo w sobie może wydłużyć cykl adopcji.
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.
Co dalej
Goldman nie twierdzi, że AI to bańka bez pokrycia. Mikropoziomowe zyski z produktywności w konkretnych zastosowaniach są dobrze udokumentowane. Pytanie brzmi, kiedy i czy w ogóle te zyski przełożą się na szeroko zakrojone przyspieszenie widoczne w danych makro, takie, które uzasadniłoby dzisiejsze wyceny giełdowe i skalę inwestycji infrastrukturalnych.
Historia mówi: później, niż się wydaje. Dane o oporze pracowników mówią: prawdopodobnie później, niż zakładał sam model Goldmana. A luka reorganizacyjna mówi wprost, że wąskim gardłem nigdy nie był sprzęt. Jest nim żmudna, kosztowna i naznaczona politycznymi napięciami praca nad tym, żeby organizacje i ludzie w nich naprawdę zmienili sposób działania.
Ostatnim razem zajęło to dekadę. Nic nie wskazuje na to, że tym razem pójdzie szybciej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym artykułu Fortune z dnia 14.07.2026 opisującego notatkę badawczą Elsie Peng z Goldman Sachs, a także danych z badania Writer i Workplace Intelligence, WalkMe State of Digital Adoption oraz analizy Stanford/ADP Research (Canaries Dashboard). Dane o polskim rynku pochodzą z własnego raportu redakcji AIPORT.pl „Polska firma w erze AI 2026”. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o tempie adopcji AI i jego wpływie na produktywność.
