Zakladateľka v malej izbe v Columbuse strávi víkend vývojom nástroja, ktorý triedi poistné udalosti podľa pravdepodobnosti, že ich niekto spochybní. Roky to robila sama, za plat likvidátorky. V marci jej regionálna poisťovňa zaplatí kartou za prvý mesiac. Nemá žiadnych zamestnancov, prenajatú kanceláriu ani mzdovú agendu, takže keď štatistik na štátnom pracovnom úrade v tom štvrťroku sčíta nové pracovné miesta, nie je v súčte. Jej bývalý zamestnávateľ medzitým prestal nahrádzať dvoch likvidátorov, ktorí odišli.
Úvodná a záverečná scéna tohto článku sú ilustračné; osoby v nich sú vymyslené.
Či sa zakladateľka a prázdne stoly navzájom vyrovnajú, je otázka preprintu, ktorý vyšiel na arXiv 12. novembra 2026. Mark Esposito a Liu Zhang, obaja uvedení pri spoločnosti micro1, v práci „AI and the Two Margins of Work“ tvrdia, že technológia pôsobí na dopyt po práci na dvoch miestach. Prvým je práca v zavedených firmách, kde automatizácia dokáže úlohy odstrániť rýchlo. Druhým je vznik novej činnosti, často v nových firmách, ktorej premena na zamestnaných ľudí trvá roky. Štatistiky miezd podľa nich zaznamenajú prvé hneď a druhé neskoro. Práca nebola recenzovaná.
Čo urobili počítače s dvoma okrajmi
Autori začínajú záznamom poslednej veľkej technológie všeobecného určenia. Z dát Census Bureau Business Dynamics Statistics sledujú roky 1982 až 1998. Firmy v prvom roku existencie pridali v priemere 2,78 milióna pracovných miest ročne. Mladé zavedené firmy, staré jeden až päť rokov, stratili netto 0,44 milióna miest a staršie zavedené firmy 0,52 milióna. Zverejnený národný priemer bol 1,80 milióna nových miest ročne, takže vznik nových firiem s rezervou pokryl úbytok u všetkých ostatných.
Tieto nové miesta nezmizli. Zamestnanosť vo firmách, ktoré vznikli v roku 1978 alebo neskôr, vzrástla z 2,55 milióna v roku 1978 na 45,68 milióna v roku 1998, zatiaľ čo zamestnanosť vo firmách pôsobiacich už pred rokom 1978 klesla. Do roku 1998 mali neskorší nováčikovia 42 % miezd a skupina firiem, ktoré vznikli v rovnakom čase, si po piatich rokoch udržala asi 80 % svojich miezd. V jednotlivých odvetviach zaostávali zavedené firmy v tých, ktoré boli automatizácii najviac vystavené, od začiatku osemdesiatych rokov. Neskorší rast nováčikov autori označujú len za naznačený, lebo štandardné chyby do roku 1998 presahujú odhady.
Porovnávajú to s prácou Davida Autora a spoluautorov, ktorí porovnali pracovné názvy v sčítaniach ľudu z viacerých desaťročí a odhadli, že zhruba 60 % zamestnanosti v USA v roku 2018 pripadalo na názvy, ktoré v roku 1940 neexistovali. Daron Acemoglu a Pascual Restrepo dodávajú rámec: technológia má účinok vytlačenia, keď stroje preberajú úlohy, a účinok opätovného zavedenia, keď vznikajú nové úlohy, v ktorých majú ľudia výhodu. Dlhodobý výsledok závisí od ich pomeru.
Model oneskorenia
Model v práci pracuje s jednou schopnosťou AI, ktorá znižuje náklady na prijateľný výstup v existujúcej výrobe a zároveň robí ďalšie projekty hodnými pokusu. Vlastnú prácu zakladateľa oddeľuje od hodín, ktoré platí. Kľúčový predpoklad je, že fungujúce produkty sa prispôsobujú veľkosti postupne. Ak by sa prispôsobili naraz, automatizácia by nevytlačila žiadne agregátne hodiny. Ak nie, hodiny najprv klesnú a zotavia sa, keď zavedené firmy opäť rastú a prichádzajú nové produkty.
O hĺbke poklesu potom rozhoduje časovanie. Náhle zlepšenie efektívnosti takej veľkosti, aký autori predpokladajú, zníži platené hodiny o 4,6 %. Rovnaké zlepšenie rozložené na sedem rokov, čo je podľa autorov bližšie k tomu, ako sa AI zavádza, vytvorí dno vo výške 0,23 %, ktoré sa uzavrie asi za sedem rokov. Ide o simulácie z kalibrovaných predpokladov, nie o merania.
Čo ukazujú doterajšie údaje
Autori ďalej skúmajú toky pracovných miest v prevádzkach podľa Bureau of Labor Statistics do prvého štvrťroka 2026. V 72 odvetviach klesla zamestnanosť v prevádzkach, ktoré existovali pred ChatGPT, medzi štvrtým štvrťrokom 2022 a prvým štvrťrokom 2026 o 13,6 % úrovne z roku 2019, tempom nie rýchlejším než v rokoch 2019 až 2022, a nové prevádzky tento pokles s rezervou nahradili. Odvetvia vystavenejšie veľkým jazykovým modelom nevykazujú väčšie straty v pokračujúcich prevádzkach než ich rovesníci; odhadovaný rozdiel je 1,1 bodu so štandardnou chybou 1,9. Nevykazujú ani viac nových miest v nových prevádzkach.
Náhly šok takej veľkosti, ako model zvažuje, údaje vylučujú. Zvyšok sa rozlíšiť nedá. Výsledok je podľa autorov to, čo ich model predpovedá pri pomalom zavádzaní, a zároveň to, ako by vyzeral nulový účinok na mzdy. Uvádzajú, čo by oba prípady oddelilo: rozdiel by sa mal objaviť najprv v rámci povolaní a pri prijímaní nováčikov na vystavené miesta, skôr než v súčtoch za odvetvia.
Správa Bank of England o menovej politike z novembra, zverejnená 6. novembra, číta ten istý tvar z iného uhla. Firmy v jej paneli Decision Maker Panel odhadujú, že AI zvýšila ich produktivitu za tri roky asi o 0,5 %, čo banka prepočítava na 0,1 až 0,2 percentuálneho bodu ročne od začiatku roka 2024, a hlásia takmer nulový vplyv na zamestnanosť. Regionálni zástupcovia banky (Agents) uvádzajú, že zavádzanie znižuje pravdepodobnosť prijímania alebo nahrádzania pracovníkov, ale podstatne nezvyšuje pravdepodobnosť prepúšťania.
Kde sa nová práca skrýva
Okraj vzniku sa ukáže skôr, ale nie v mzdových údajoch. Marchesi a Tang odhadujú, že po uvedení ChatGPT vzrástol vznik firiem o viac než 10 % v odvetviach, kde AI dokáže pomôcť s úlohami potrebnými na založenie. Bena, Bian a Giannetti zisťujú asi o 20 % viac zakladania startupov v odvetviach s vyššou vystavenosťou na úrovni úloh, s menšími nováčikmi. Obe štúdie počítajú žiadosti a registrácie, ktoré predchádzajú prijatiu ľudí.
Autori dopĺňajú mieru toho, čo mzdy minú. Počet podnikov bez zamestnancov podľa Census vzrástol v roku 2024 o 5,1 %, teda o 1,56 milióna, oproti čistému nárastu platených miest v súkromnom sektore o 0,89 milióna. Pri ocenení priemernými tržbami a prepočte priemernou mzdou odhadujú nárast na asi 1,3 milióna ekvivalentov platených miest a upozorňujú, že väčšina takýchto podnikov je na čiastočný úväzok a že samotné počty nárast s AI nespájajú.
Väčšie tvrdenie sa týka záznamu. Ak sa hodiny v nových činnostiach dostanú do štatistík s oneskorením v priemere jeden až tri roky, skutočné dno 0,23 % sa nameria ako 0,6 až 1,0 % a nameraný návrat sa posunie zo 6,9 roka na 7,7 až 11,7 roka. Ak sa nová činnosť na mzdy nepremení vôbec, nameraná hĺbka dosiahne 2 %. Podkladová dráha je rovnaká, píšu autori; oneskorený je len záznam.
Pomer, ktorý stojí za sledovanie
Navrhovanou opravou je čistý pomer opätovného zavedenia: platené hodiny v dodatočných činnostiach vydelené platenými hodinami úloh vytlačených od základného roka. Nad jednotkou nová práca spotrebuje viac hodín, než automatizácia odstránila. Vytlačené hodiny potrebujú kontrafaktuál, lebo nikto nepozoruje prácu, ktorá by sa inak urobila. Ako historickú analógiu autori z Autorových názvov pre roky 1990 až 2018 vypočítali 1,09 a zdôrazňujú, že nejde o odhad pre AI.
Obmedzenia autori uvádzajú sami. Pracovné názvy zaostávajú za realitou, právnik si môže ponechať názov, kým sa práca mení, činnosť sa môže odohrávať mimo miezd a skoré pozorovanie opisuje len jednu fázu. Kalibrácia modelu určuje jeho pokles aj zotavenie a okno údajov zahŕňa zotavenie po pandémii.
Do jesene zakladateľka v Columbuse zverejní prvú ponuku: analytik na čiastočný úväzok, ktorý prečíta sporné udalosti, na ktoré sa ona nedostane. V štatistike miezd sa objaví o dva štvrťroky neskôr. Poisťovňa, ktorá prestala nahrádzať likvidátorov, bude mať dovtedy za sebou rok údajov o tom, že ich potrebuje menej, a štatistika, ktorá počíta oboje, bude mať vyplnenú len jednu stranu.
Použité zdroje
- Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 33(2), 3-30. doi.org
- Autor, D., Chin, C., Salomons, A., & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940-2018. Quarterly Journal of Economics. doi.org
- Bank of England (2026). Monetary Policy Report, November 2026. bankofengland.co.uk
- Bena, J., Bian, B., & Giannetti, M. (2026). Prompted to Start: How Generative AI Is Transforming Entrepreneurship. SSRN 5749564. papers.ssrn.com
- Esposito, M., & Zhang, L. (2026). AI and the Two Margins of Work: Why Job Losses Show Up Before Job Creation. arXiv:2611.17530. arxiv.org
- Marchesi, E., & Tang, S. (2026). When AI Meets Entrepreneurship: Evidence from the Commercialization of ChatGPT. SSRN 5759264. papers.ssrn.com
- U.S. Census Bureau. Business Dynamics Statistics. census.gov