Meta i Klarna hamują z AI-first. Automatyzacja wciąż potrzebuje ludzi

Meta i Klarna nie rezygnują ze sztucznej inteligencji. Wycofują się jednak z założenia, że AI może szybko i niezawodnie zastąpić całe zespoły. Obie firmy przekonały się, że automatyzacja potrafi obsłużyć dużą liczbę przewidywalnych zadań, ale w realnej pracy nadal potrzebni są ludzie: do podejmowania decyzji, kontroli jakości, obsługi wyjątków i budowania zaufania klientów.

Meta: mniejsze zespoły wspierane przez AI nie wystarczyły

Według Reutersa wewnętrzny projekt Meta o nazwie Project OT — skrót od Organization Transformation — zakładał restrukturyzację w dwóch falach. Pierwsza nastąpiła w maju 2026 r. i objęła około 10% pracowników. Firma wstrzymała jednak przygotowania do kolejnej, planowanej na listopad fali. Meta potwierdziła istnienie projektu, opisując go jako roczny program redukcji kosztów, przeprojektowania zespołów oraz przesuwania pracowników do priorytetowych obszarów. 2

Koncepcja opierała się na małych grupach pracowników wspieranych przez agentów AI. To podejście pokazuje ważną różnicę między generowaniem materiału a dostarczaniem gotowego, niezawodnego produktu. Model może tworzyć kod, szkice czy odpowiedzi, ale ktoś nadal musi ustalić cel, połączyć pracę między systemami, przetestować efekt, wykryć błędy i wziąć odpowiedzialność, gdy coś zawiedzie.

Nie oznacza to końca inwestycji Meta w AI. Zmieniła się natomiast ocena, czy możliwości agentów uzasadniają kolejną szeroką redukcję zatrudnienia w pierwotnie zakładanym terminie. 2

Klarna: duży wolumen nie gwarantuje dobrej obsługi

Podobną lekcję, tym razem w kontakcie z klientem, odebrała Klarna — szwedzka firma fintechowa oferująca m.in. płatności odroczone. Jej asystent AI przejął sporą część standardowych rozmów dotyczących płatności, zwrotów i reklamacji. Później firma odeszła jednak od podejścia opartego wyłącznie na AI i wróciła do zatrudniania pracowników obsługi klienta. 1720

Jak wynika z relacji o tej zmianie, prezes Sebastian Siemiatkowski przyznał, że firma zbyt daleko ograniczyła udział ludzi i utraciła cenne doświadczenie. AI miała problemy ze sprawami złożonymi, niejednoznacznymi lub emocjonalnie trudnymi. Klarna zaczęła więc odbudowywać potencjał ludzkiej obsługi równolegle z automatyzacją. 1819

W obsłudze klienta jest to szczególnie istotne. System może szybko zamknąć proste zgłoszenie, ale klient ze sporną płatnością, nietypową sytuacją lub problemem wymagającym eskalacji potrzebuje kompetentnej osoby — nie kolejnej pętli automatycznych odpowiedzi. Automatyzacja ma sens wtedy, gdy proces od początku przewiduje jasne przekazanie sprawy człowiekowi.

Model, który wyłania się z obu przypadków

Praktyczny wniosek nie brzmi: „nie używaj AI”. Brzmi raczej: „automatyzuj tam, gdzie wynik jest przewidywalny, a ryzyko błędu niewielkie”.

• Automatyzuj powtarzalną rutynę. AI najlepiej działa przy ustandaryzowanych danych wejściowych, prostych wynikach do zweryfikowania i niskim koszcie korekty.
• Zostaw ludzi przy decyzjach. Kontekst między systemami, kompromisy, odpowiedzialność i relacje z klientem nadal wymagają ludzkiego osądu.
• Projektuj ścieżkę eskalacji. W usługach wysokiej stawki klient musi móc trafić do właściwie przygotowanej osoby.
• Mierz rezultat, a nie samą aktywność. Więcej wygenerowanego kodu, szybsza pierwsza odpowiedź czy większa liczba obsłużonych zgłoszeń nie są sukcesem, jeśli spada jakość, bezpieczeństwo, skuteczność rozwiązania problemu lub zaufanie klienta.

Rynek pracy: mniej zatrudnienia, ale większy udział ról technicznych

Dane SignalFire wpisują się w ten obraz. W dużych firmach technologicznych zatrudnienie było o 25% niższe niż poziom bazowy z 2019 r., podczas gdy rekrutacja inżynierów oprogramowania spadła o 11%. W rezultacie inżynierowie stanowili 55% wszystkich zatrudnianych, wobec 46% w 2019 r. 49

Nie dowodzi to, że AI odpowiada za każdą zmianę — na rynek wpływają też cykl gospodarczy i korekta po pandemicznym boomie zatrudnienia. Pokazuje jednak, że szczuplejsze organizacje nadal potrzebują specjalistów technicznych: osób, które budują, wdrażają, oceniają, zabezpieczają i nadzorują coraz bardziej zautomatyzowane systemy.

Najtrudniejszy moment może przypaść na początek kariery

Badacze ze Stanford Digital Economy Lab nie znaleźli w danych płacowych do czerwca 2026 r. dowodów na powszechne, obejmujące całą gospodarkę wypieranie miejsc pracy przez AI. Zauważyli jednak, że zatrudnienie osób w wieku 22–25 lat w zawodach szczególnie narażonych na wpływ AI było o 19% niższe, niż byłoby, gdyby rosło w tym samym tempie co zatrudnienie ich rówieśników w zawodach mniej narażonych. U bardziej doświadczonych pracowników analogicznej luki nie stwierdzono, a dostosowanie następowało przede wszystkim przez mniejszą liczbę nowych zatrudnień, nie przez większą liczbę odejść. 35

Wskaźnik 19% nie oznacza liczby stanowisk bezpośrednio zlikwidowanych przez AI. To względna luka wobec scenariusza „dotrzymania tempa” mniej narażonym zawodom. Mimo to sygnalizuje realny problem: jeśli AI przejmuje część rutynowych zadań początkujących pracowników, firmom może być łatwiej ograniczać rekrutację na stanowiska startowe. A to osłabia ścieżkę zdobywania doświadczenia potrzebnego później na bardziej samodzielnych stanowiskach.

AI jako dźwignia, nie uniwersalny zamiennik

Doświadczenia Meta i Klarna sugerują, że właściwe pytanie nie brzmi już, czy wdrażać AI. Ważniejsze jest pytanie, w których etapach procesu technologia podnosi jakość i wydajność, nie usuwając ludzkich kompetencji koniecznych dla niezawodności.

Tam, gdzie zadania są jasne i łatwo sprawdzić wynik, AI może wyraźnie zwiększyć możliwości mniejszego zespołu. Tam, gdzie występuje niepewność, duże konsekwencje błędu albo potrzeba empatii, najtrwalszym rozwiązaniem pozostaje model człowiek plus AI — a nie organizacja pozbawiona ludzi.