Sztuczna inteligencja: tsunami w gospodarce

Bangkok, październik 2026. Kristalina Georgiewa, szefowa Międzynarodowego Funduszu Walutowego, nie owija w bawełnę. Stoi na scenie przed tysiącami przedstawicieli instytucji finansowych i mówi wprost: sztuczna inteligencja to powolne tsunami. To nie jest metafora z prezentacji startupu, ale oficjalna diagnoza jednego z najważniejszych globalnych organów nadzoru nad gospodarką. W jej ocenie to właśnie boom na inwestycje w infrastrukturę AI utrzymuje dziś światowy wzrost na poziomie około 3 proc., mimo że inne sektory gospodarki borykają się z wyzwaniami energetycznymi.

Brzmi jak chwyt marketingowy, prawda? A jednak liczby stojące za tym stwierdzeniem są konkretne. MFW szacuje, że obecny „szok popytowy i inwestycyjny” napędzany przez AI może podwyższyć wzrost w zaawansowanych gospodarkach azjatyckich nawet o punkt procentowy. To nie jest już teoretyczna dyskusja o przyszłości technologii. To realny, mierzalny impuls, który zmienia reguły gry na rynkach całego świata, od Wall Street po giełdy w Tokio i Szanghaju.

Tani kapitał kontra drogi luksus

Tu zaczyna się problem, którego większość komentatorów z Zachodu nie chce zauważyć. Georgiewa mówi o korzyściach dla Azji, ale prawdziwa presja dotyczy kosztów. W tle wydarzeń w Bangkoku toczy się cicha, ale brutalna wojna cenowa. Chińskie modele AI, takie jak Kimi K3 czy GLM-5.2, kosztują zaledwie jedną czwartą tego, co ich amerykańscy odpowiednicy. To nie jest marginalna różnica. To zmiana strukturalna, która może zdominować rynek masowy.

Analitycy z Jefferies ostrzegają przed „masową destrukcją kapitału”. Ich argument jest prosty: jeśli użytkownik otrzymuje podobną jakość za ułamek ceny, amerykańskie giganty technologiczne tracą uzasadnienie dla swoich gigantycznych nakładów. Microsoft, Amazon, Google i Meta planują wydatki rzędu 695 mld USD w 2026 roku. Jeśli te pieniądze nie przyniosą zwrotu, bo rynek wybierze tańsze chińskie rozwiązania, skutki mogą być katastrofalne dla stabilności całego sektora finansowego.

Ryzyko zadłużenia i iluzja wyścigu

Najgorsze w tej historii nie jest to, że chińskie modele są tańsze. Gorsze jest to, jak amerykańskie firmy finansują swój wyścig. Nie robią tego z generowanych przepływów pieniężnych, lecz z długu. To kluczowa różnica. Nietrafiona inwestycja finansowana gotówką boli akcjonariuszy, ale to jeszcze da się przeżyć. Nietrafiona inwestycja finansowana długiem może przełożyć się na problemy kredytowe o skali, której nie widzieliśmy od czasów kryzysu subprime.

Do połowy lipca 2026 roku chińskie modele przetworzyły około 36,4 biliona tokenów, podczas gdy czołowe modele amerykańskie tylko 7,4 biliona. To nie są dane z laboratorium. To skala realnego użycia, która pokazuje, że rynek masowy już dokonał wyboru. Amerykańskie firmy muszą teraz udowodnić, że ich wyższa cena to nie tylko marketing, ale realna wartość dodana, która uzasadnia ryzyko zadłużenia.

Czterydzieści procent miejsc pracy

Georgiewa nie unika trudnych pytań o przyszłość pracy. MFW szacuje, że AI może z czasem zmienić, zdegradować lub zlikwidować 40 proc. miejsc pracy. To nie jest prognoza na daleką przyszłość. Wstępne badania funduszu wykazały, że 10 proc. stanowisk w Stanach Zjednoczonych już teraz wymaga kompetencji związanych z AI. Rutynowe, powtarzalne zajęcia znikają, a ich miejsce zajmują nowo powstałe role w budownictwie i centrach danych, często gorzej płatne niż te, które zastępują.

Prezes Banku Światowego, Ajay Banga, stawia sprawę jeszcze ostrzej. Twierdzi, że część dochodów może przesunąć się od pracy w stronę kapitału. To oznacza, że struktura podatkowa państw może ulec zmianie. Rządy, które opierają się na podatkach od pracy, mogą stracić swoją podstawę. To nie jest abstrakcja. To realne wyzwanie dla polityków na całym świecie, którzy muszą teraz myśleć o tym, jak finansować usługi publiczne w świecie, w którym wartość tworzy nie człowiek, ale algorytm.

Małe AI dla wielkich potrzeb

Widmo katastrofy finansowej to jedno, ale w praktyce AI już zmienia codzienne życie. Bank Światowy promuje koncepcję „małych AI” – rozwiązań, które nie zależą od gigantycznych modeli językowych, ale mogą znacząco podnieść wydajność w rolnictwie, systemach zdrowia czy oświacie w krajach rozwijających się. To podejście pragmatyczne, które stawia na użyteczność, a nie na imponujące specyfikacje techniczne.

Ten trend widoczny jest też w Polsce. W energetyce, jak wynika z debaty Energy Days w Katowicach, sektor potrzebuje nie tylko inżynierów, ale też specjalistów od IT, prawa i komunikacji. Karol Wolański z Respect Energy podkreśla, że nie ma znaczenia, czy ktoś jest humanistą czy informatykiem, jeśli potrafi myśleć systemowo. To sygnał, że kompetencje miękkie i zdolność do ciągłej nauki stają się ważniejsze niż dyplom.

Paradoks zaufania

Czy kandydaci ufają tej technologii? Dane z badania Gartnera z 2025 roku pokazują, że 52 proc. respondentów uważa, iż AI analizuje ich aplikacje. Ale tylko 26 proc. ufa, że oceni ich sprawiedliwie. Powstaje tu ciekawy paradoks: kandydaci masowo korzystają z AI, żeby poprawić swoje CV i zwiększyć szanse, a jednocześnie obawiają się, że po drugiej stronie tego samego procesu stoi algorytm, który może ich odesłać jednym kliknięciem.

Raport Pracuj.pl z 2026 roku potwierdza tę tendencję: 48 proc. kandydatów korzystało z AI do redagowania dokumentów i przygotowania do rozmów. Mateusz Skiba z Grafton Recruitment nazywa to „grą w rekrutację”. Problem pojawia się, gdy sztywny, zautomatyzowany model odrzuca kandydata, który ma większość wymaganych kompetencji, ale brakuje mu jednego, konkretnego doświadczenia. Taka decyzja, podjęta przez maszynę, może kosztować firmę utratę wartościowego pracownika, a kandydata – szansę na karierę.

Końcówka, która nie jest końcem

Co dalej? MFW opublikuje zaktualizowane prognozy we wtorek, ale kierunek jest już jasny. AI nie jest już niszowym produktem technologicznym. To fundamentalna siła napędowa globalnej gospodarki i równocześnie źródło systemowego ryzyka. Dla firm oznacza to konieczność przemyślenia modelu biznesowego. Dla pracowników – konieczność ciągłej adaptacji. Dla polityków – konieczność zmiany myślenia o podatkach i bezpieczeństwie socjalnym.

Nie ma tu miejsca na sentymenty. Georgiewa ma rację: sztuczna inteligencja zmienia wszystko. Pytanie nie brzmi już, czy się do niej dostosujemy, ale jak szybko zrozumiemy, że to nie jest wybór między starym a nowym światem, ale konieczność nauki poruszania się w świecie, który właśnie się zaczyna.