Raport Grupy Banku Światowego „Navigating the Age of AI: Implications for Poland’s Economy” daje Polsce dwa obrazy przyszłości. Pierwszy jest optymistyczny: sztuczna inteligencja może podnieść poziom realnego PKB Polski w 2035 roku nawet o 12,1% względem scenariusza, w którym adopcja AI pozostaje na obecnym poziomie. Drugi jest znacznie chłodniejszy: większość przyrostu dochodu może przejąć kapitał, a nie praca. W scenariuszu używanym przez autorów jako główny punkt odniesienia zwroty z kapitału rosną o 15,1 punktu procentowego względem scenariusza bazowego, podczas gdy całkowity dochód pracy kończy dekadę praktycznie bez zmiany, na poziomie -0,02 punktu procentowego względem bazowego przebiegu gospodarki (World Bank Group, 2026, s. 15, 28).
To jest sedno raportu. AI może zwiększyć rozmiar gospodarki, ale większe PKB samo nie gwarantuje wyższych dochodów gospodarstw domowych, większego bezpieczeństwa pracy, silniejszych firm krajowych ani większej kontroli nad rentą technologiczną. Wzrost może pojawić się w Polsce, a jego najbardziej rentowna część może zostać zaksięgowana gdzie indziej: w właścicielach modeli, chmur, centrów danych, oprogramowania, praw własności intelektualnej i filii globalnych korporacji.
Taki wynik nie wynika z katastroficznej interpretacji raportu. Wynika z jego własnych liczb. Autorzy piszą, że AI generuje znaczną wartość dodaną, ale podział tej wartości między kapitał i pracę jest silnie nierówny. Zwroty z kapitału niematerialnego — oprogramowania, danych i systemów AI — rosną w modelu o ponad 100 punktów procentowych względem scenariusza bazowego do 2035 roku. Zwroty z kapitału materialnego rosną o 11,1 punktu procentowego. Dochód pracy jako całość pozostaje niemal płaski. Pracownicy fizyczni zyskują średnio, pracownicy kognitywni tracą względem ścieżki bazowej, a średnia płaca realna w gospodarce jest wyższa o 4,4% w 2035 roku, co nie znosi przesunięcia głównej dywidendy do kapitału (World Bank Group, 2026, s. 28).
W języku polityki gospodarczej oznacza to prostą rzecz: AI nie jest automatycznym mechanizmem bogacenia społeczeństwa. Jest technologią, która zmienia funkcję produkcji, strukturę zawodów, rentowność aktywów niematerialnych, podstawy opodatkowania i pozycję krajów w łańcuchu wartości. Polska może mieć więcej aktywności gospodarczej, więcej inwestycji i wyższe PKB, a równocześnie ograniczony udział w zyskach, jeśli pozostanie głównie rynkiem wdrożeń, zapleczem usługowym i lokalizacją infrastruktury dla zagranicznych właścicieli technologii.
1. Liczba 12,1% jest scenariuszem, a nie obietnicą
Raport szacuje, że realny poziom PKB Polski w 2035 roku może być wyższy o 1,3–12,1% względem scenariusza BAU, w którym adopcja AI pozostaje na poziomie z 2025 roku. Rozpiętość jest ogromna, bo zależy od założeń o mobilności pracy, tempie adopcji, jakości inwestycji, dostępie do finansowania, napływie FDI i efektywności technologii (World Bank Group, 2026, s. 15).
W modelu Banku Światowego adopcja AI rośnie czterokrotnie: z 8,4% firm obecnie do prawie 45% w 2035 roku. W sektorach granicznych, takich jak ICT, adopcja może wzrosnąć z około 30% dziś do 70% w 2035 roku. Autorzy zakładają, że pierwsze zyski produktywności mogą być widoczne już w ciągu trzech lat, na poziomie 2–3% względem bazowego scenariusza (World Bank Group, 2026, s. 15).
Górny wariant wymaga jednak bardzo korzystnych warunków. Pracownicy muszą szybko przechodzić między sektorami i zawodami. Firmy muszą mieć kapitał, kompetencje organizacyjne i dane. Państwo musi umieć finansować infrastrukturę, edukację, transfer umiejętności i sprawne otoczenie regulacyjne. Jeżeli mobilność pracy jest niska, wzrost w modelu jest dużo słabszy. W dolnym wariancie niski poziom mobilności i wolniejszy wzrost efektywności technologii dają jedynie 1,3% wyższego PKB w 2035 roku (World Bank Group, 2026, s. 15–19).
Raport używa modelu MANAGE-AI, nowego modelu równowagi ogólnej CGE, zbudowanego dla polskiej gospodarki przez Grupę Banku Światowego we współpracy m.in. z Siecią Badawczą Łukasiewicz, ILO i Ministerstwem Finansów. Model różni się od klasycznych ujęć tym, że rozróżnia ekspozycję zawodów na AI, pozwala modelować adopcję AI w czasie i pokazuje skutki dla wzrostu, płac, zatrudnienia, kapitału i finansów publicznych (World Bank Group, 2026, s. 18–19).
To narzędzie scenariuszowe. Nie przepowiednia. Jego wynik zależy od założeń o tym, jak szybko firmy przyjmą technologię, jak skutecznie pracownicy zmienią zadania, jak głęboko AI wejdzie w procesy produkcji oraz kto będzie właścicielem aktywów, które generują rentę. Najważniejszy wniosek nie brzmi więc „PKB wzrośnie o 12%”. Brzmi: Polska może dostać duży impuls produktywności, lecz jego podział zależy od własności, umiejętności, podatków i organizacji rynku pracy.
2. Polska ma dobry punkt startu i słabe miejsce w łańcuchu wartości
Raport widzi Polskę jako kraj dobrze osadzony w europejskich łańcuchach wartości, z dużym sektorem usług biznesowych, dobrą bazą inżynierską, rosnącą infrastrukturą cyfrową i znaczącą obecnością firm międzynarodowych. Jednocześnie pokazuje, że dotychczasowy model konwergencji, oparty na kosztowej konkurencyjności, średniej technologii, imporcie technologii i integracji z Zachodem, traci moc. Polska inwestuje w R&D o 35% mniej niż średnia UE, biznesowe R&D jest o 40% niższe, a aktywa niematerialne stanowią 26% inwestycji firm wobec 37% w UE. Do 2035 roku liczba pracowników ma spaść o 1,5 mln (World Bank Group, 2026, s. 13).
To jest trudna kombinacja. Mamy gospodarkę dużą, dobrze zintegrowaną i wystarczająco kompetentną, aby szybko wdrażać AI. Mamy słabszą zdolność przechwytywania renty z AI, bo własność modeli, platform, chmur, infrastruktury i praw własności intelektualnej jest skoncentrowana poza Polską. Raport opisuje to wprost w części o łańcuchu wartości AI. Polska jest mocna w warstwie zastosowań, szczególnie dzięki filiom międzynarodowych korporacji, centrom usług biznesowych i firmom wdrożeniowym. Słabsza jest w warstwie „enablement”: dużym obliczeniowo modelowaniu, infrastrukturze, półprzewodnikach, kapitale, własnych platformach i technologiach bazowych (World Bank Group, 2026, s. 42–46).
Polska przyciągnęła w 2025 roku ponad 6 mld dolarów zobowiązań inwestycyjnych związanych z AI, w tym chmurą, półprzewodnikami i centrami danych. Microsoft ogłosił 700 mln dolarów inwestycji w rozwój infrastruktury chmurowej i AI do 2026 roku. Google podpisał memorandum z Polskim Funduszem Rozwoju w obszarze AI dla energii i cyberbezpieczeństwa. UE wybrała Polskę jako lokalizację dwóch AI Factories: Piast AI Factory w Poznańskim Centrum Superkomputerowo-Sieciowym i Gaia AI Factory na AGH w Krakowie (World Bank Group, 2026, s. 43–45).
To są ważne aktywa. Równocześnie autorzy ostrzegają, że bez masy krajowych firm zdolnych do tworzenia popytu na zaawansowane AI inwestycje infrastrukturalne mogą obsługiwać zagranicznych użytkowników mocy obliczeniowej, zamiast tworzyć krajową gospodarkę AI. Innymi słowy: można mieć serwerownie, klientów korporacyjnych i miejsca pracy, a nie mieć własności najbardziej rentownych warstw technologii (World Bank Group, 2026, s. 43).
3. Zyski z AI idą do tego, kto posiada aktywa niematerialne
Najważniejszy mechanizm raportu dotyczy własności aktywów. AI zwiększa produktywność, ponieważ automatyzuje część zadań, wspiera inne zadania, obniża koszt analizy, kodowania, obsługi, projektowania, tworzenia dokumentów, kontroli jakości i zarządzania procesami. Ta produktywność jest jednak wytwarzana przez zestaw kapitałowy: modele, dane, software, interfejsy, chmurę, narzędzia agentowe, integracje, procesory, centra danych, bezpieczeństwo, API i prawa do systemów.
Jeżeli firma kupuje dostęp do zagranicznego modelu przez API, część wzrostu produktywności pozostaje w firmie jako niższy koszt lub wyższa marża, część przechodzi do pracowników, a część jest płatnością za technologię. Jeżeli firma jest filią międzynarodowej korporacji, część zwrotów może zostać repatriowana do spółki-matki. Jeżeli kraj nie ma własnych firm zdolnych do tworzenia aktywów AI, przechwytuje płace, podatki i część lokalnych efektów, ale traci rentę właścicielską.
Raport mówi to bez dwuznaczności: obecna pozycja Polski w łańcuchu wartości AI jest skoncentrowana w warstwie zastosowań, głównie przez filie zagranicznych korporacji. Taki układ daje produktywność i zatrudnienie w sektorze usług biznesowych, ale znaczna część zwrotów po stronie kapitału może trafić do zagranicznych spółek-matek. Autorzy dodają, że bez głębszego krajowego ekosystemu innowacji istotna część udziału kapitałowego będzie repatriowana, a nie zatrzymywana w Polsce (World Bank Group, 2026, s. 72).
To zdanie jest bardziej politycznie doniosłe niż sam nagłówek o 12% PKB. Polska może stać się krajem, w którym AI zwiększy produktywność pracy, zmieni strukturę zawodów i podniesie wartość dodaną, ale największa renta właścicielska trafi do dostawców technologii i właścicieli kapitału. W takim scenariuszu Polacy będą pracować w bardziej zautomatyzowanej gospodarce, lecz dochód z najważniejszych aktywów będzie akumulowany poza szeroką klasą pracującą i częściowo poza krajem.
4. Dywidenda AI prawie w całości przechodzi do kapitału
W scenariuszu E3, wysokiej mobilności pracy i front-loaded adoption, czyli szybszej adopcji AI, raport pokazuje bardzo nierówny podział dochodu. Wartość dodana rośnie, ale zwroty z kapitału rosną bardziej niż sama wartość dodana. Do 2035 roku całkowite zwroty z kapitału są o 15,1 punktu procentowego wyżej niż w scenariuszu bazowym. Całkowity dochód pracy jest praktycznie bez zmiany: -0,02 punktu procentowego względem BAU (World Bank Group, 2026, s. 28).
Jeszcze mocniej wygląda kapitał niematerialny. Zwroty z oprogramowania, danych i systemów AI rosną o ponad 100 punktów procentowych względem BAU. To nie znaczy, że cała gospodarka ma ponad dwukrotnie większy dochód. Znaczy, że relatywny zwrot z bardzo specyficznego typu aktywów eksploduje. Ten, kto ma te aktywa, przejmuje rentę. Ten, kto ich używa na cudzych warunkach, płaci za dostęp.
To jest mechanizm znany z wcześniejszych fal cyfryzacji, ale AI go pogłębia. W gospodarce platformowej właściciel infrastruktury, danych, algorytmu i relacji z użytkownikiem przejmował dużą część wartości. W AI właściciel modelu, danych treningowych, mocy obliczeniowej, narzędzi developerskich i warstwy orkiestracji może przejmować jeszcze więcej, bo technologia wchodzi bezpośrednio w zadania kognitywne: pisanie, obsługę klienta, analizę, kodowanie, projektowanie, rekrutację, księgowość, marketing, badania, edukację i administrację.
Raport dodaje, że w ramach pracy sytuacja też jest nierówna. Pracownicy fizyczni — na przykład w budownictwie, opiece i częściach prac manualnych — mają dochód pracy wyższy o 2,6 punktu procentowego względem BAU, ponieważ wzrost gospodarki zwiększa popyt na zadania trudniejsze do automatyzacji. Pracownicy kognitywni — analitycy, profesjonaliści, pracownicy administracyjni, technicy — są średnio 1,3 punktu procentowego poniżej BAU. Przesunięcie jest szczególnie bolesne w pierwszej i środkowej części okresu, z częściową poprawą później, ale bez powrotu do ścieżki bazowej w horyzoncie raportu (World Bank Group, 2026, s. 28).
Wniosek jest prosty: AI nie uderza wyłącznie w „proste” zadania. Wchodzi w biurowe centrum klasy średniej.
5. Praca kognitywna staje się polem kompresji
Raport dzieli doświadczenia pracowników kognitywnych na cztery grupy. Pierwsza grupa doświadcza presji automatyzacyjnej: spadają zatrudnienie i płace względem BAU. Najmocniej tracą pracownicy administracyjni w usługach wiedzochłonnych. W modelu zatrudnienie tej grupy spada o około 45% w usługach profesjonalnych, 47% w usługach i 45% w finansach, przy płacach o 20% niższych względem BAU. Druga grupa doświadcza „expertise-leveling”: liczba miejsc pracy maleje, ale ci, którzy zostają, zarabiają więcej. Trzecia grupa korzysta z nowych miejsc pracy tworzonych przez zwiększony popyt. Czwarta grupa dostaje więcej miejsc pracy przy niższych płacach, bo sektory wchłaniają pracowników wypychanych z innych obszarów (World Bank Group, 2026, s. 27).
To ważna część raportu, ponieważ odbiega od starego modelu automatyzacji. Wcześniejsze fale automatyzacji często kojarzono z rutynową pracą manualną lub przemysłową. AI obejmuje rutynę kognitywną i część pracy eksperckiej. Dokumenty, analizy, pierwsze wersje kodu, raporty, streszczenia, proste modele, obsługa klienta, wsparcie prawne, back office, tłumaczenia, compliance i część marketingu stają się bardziej podatne na automatyzację lub kompresję zatrudnienia.
Raport zauważa też, że polscy pracownicy są mniej wystawieni na AI niż pracownicy średnio w UE i USA, ale nie jest to dobra wiadomość. Polska ma 48% pracowników w górnym kwartylu globalnej ekspozycji zawodowej na AI, wobec 53% średnio w UE. Autorzy piszą, że niższa ekspozycja oznacza również mniejszy dostęp do korzyści komplementarności, czyli do sytuacji, w której AI podnosi produktywność pracownika zamiast go zastępować (World Bank Group, 2026, s. 54–55).
Najbardziej wystawieni są pracownicy z wyższym wykształceniem oraz kobiety, co wynika z koncentracji kobiet w usługach profesjonalnych, administracji i zawodach biurowych. To tworzy ryzyko nierówności, które nie wpisuje się w prosty schemat „AI zagraża najmniej wykształconym”. Zagrożenie może iść przez biura, centra usług, finanse, administrację, HR, część księgowości i wsparcia prawnego (World Bank Group, 2026, s. 55).
6. Wyższe PKB może osłabić bazę podatkową pracy
Przesunięcie dochodu do kapitału ma skutki fiskalne. Raport pokazuje, że w scenariuszu E3 całkowite dochody publiczne pozostają blisko BAU, ale zmienia się ich skład. PIT spada o 0,2% PKB do 2035 roku, składki na ubezpieczenia społeczne o 0,6% PKB. CIT rośnie o 0,1%, VAT o 0,3%. Wzrost CIT i VAT nie wystarcza, aby pokryć straty z PIT i składek (World Bank Group, 2026, s. 30).
To ważne, bo polskie państwo finansuje dużą część zabezpieczenia społecznego przez dochody z pracy i składki. Jeżeli AI zmniejsza udział pracy w dochodzie narodowym, standardowy system podatkowo-składkowy zaczyna trafiać w bazę, która relatywnie traci znaczenie. Państwo może mieć większe PKB i równocześnie słabszą zdolność redystrybucji przez dotychczasowe kanały.
Bank Światowy sugeruje, że przesunięcie zysków do kapitału zmienia ocenę instrumentów podatkowych. Klasyczna literatura finansów publicznych często traktuje CIT jako bardziej szkodliwy dla wzrostu niż podatki konsumpcyjne lub majątkowe. Ten ranking zakłada jednak względnie stabilne udziały czynników produkcji. Jeżeli większość zysków z AI trafia do właścicieli kapitału, a baza podatkowa pracy się zawęża, większe oparcie dochodów publicznych na kapitale może być zarówno bardziej sprawiedliwe, jak i bardziej stabilne fiskalnie (World Bank Group, 2026, s. 30–32).
Autorzy symulują wzrost efektywnej stawki CIT o 2 punkty procentowe, przez poszerzenie bazy i wzrost stawki. Taka zmiana generuje dodatkowe dochody rzędu 0,5–0,6% PKB rocznie. Jeżeli te dochody są oszczędzane, w 2035 roku realne PKB jest minimalnie wyższe niż w scenariuszu E3, ponieważ niższe potrzeby pożyczkowe państwa ograniczają wypieranie inwestycji prywatnych. Jeżeli dochód finansuje obniżkę PIT, wzrost konsumpcji gospodarstw domowych jest słabszy, bo niższa akumulacja kapitału częściowo kompensuje bezpośredni wzrost dochodu rozporządzalnego (World Bank Group, 2026, s. 31–32).
To jest ostrożna, techniczna część raportu. Politycznie ma duże znaczenie: przy AI państwo będzie musiało mniej polegać na opodatkowaniu pracy i silniej śledzić przepływy kapitału, własność IP, zyski z aktywów niematerialnych, płatności za usługi cyfrowe, ceny transferowe i repatriację zysków.
7. Polska może zostać krajem wdrożeniowym
Największe ryzyko dla Polski polega na utknięciu w roli kraju wdrożeniowego. W takim modelu zagraniczne firmy inwestują, centra usług rosną, polscy pracownicy korzystają z narzędzi AI, administracja kupuje systemy, biznes poprawia produktywność, lecz własność najważniejszych aktywów pozostaje poza krajem. Polska przejmuje część płac, część podatków i część usług lokalnych. Najwyższa marża trafia do właściciela modelu, platformy, chmury, narzędzia lub spółki-matki.
Raport identyfikuje kilka słabości krajowego ekosystemu. Tylko 15% polskich MŚP wprowadziło nowe lub ulepszone produkty w ostatnich latach, wobec 27% średnio w UE. Jedynie 8–10% firm angażuje się we współpracę innowacyjną. Intensywność współpublikacji publiczno-prywatnych osiąga 56,6% średniej UE. Finansowanie R&D przez przemysł w uczelniach jest poniżej średniej OECD. Dostęp do kapitału ryzyka jest ograniczony, a VC wynosi 0,05% PKB wobec 0,2% średnio w UE (World Bank Group, 2026, s. 48, 72).
To są parametry systemu, który ma talent, lecz słabiej zamienia go w własność. Raport pisze, że wykwalifikowani absolwenci często wybierają pracę w filiach międzynarodowych korporacji i centrach R&D, ponieważ oferują niższe ryzyko i stabilniejszą ścieżkę dochodu niż zakładanie startupu w słabiej rozwiniętym środowisku kapitałowym. Taki wybór jest racjonalny z perspektywy jednostki. Z perspektywy kraju oznacza utratę części potencjalnych właścicieli przyszłych aktywów (World Bank Group, 2026, s. 48).
To wyjaśnia, dlaczego sam napływ inwestycji nie wystarczy. FDI może podnieść produktywność, zatrudnienie i eksport usług. Renta właścicielska pozostanie poza krajem, jeśli nie powstanie silniejsza krajowa baza firm, które tworzą własne modele, produkty, warstwy integracyjne, dane sektorowe, narzędzia dla przemysłu, systemy dla administracji i rozwiązania eksportowe.
8. Sektor usług biznesowych będzie pierwszy na linii zmian
Polska ma duży sektor BSS: centra usług wspólnych, outsourcing procesów biznesowych, centra finansowe, HR, IT, analityka, compliance, obsługa klienta, wsparcie zakupów, dokumentów i procesów korporacyjnych. Raport wskazuje, że ten sektor jest dobrze położony, aby przejść w stronę zadań bardziej analitycznych i wyższej wartości. Jest też jednym z miejsc, gdzie AI zacznie działać wcześnie, ponieważ wiele zadań ma charakter kognitywny, powtarzalny, tekstowy lub procesowy (World Bank Group, 2026, s. 52).
To tworzy dwa scenariusze dla Polski. W pierwszym BSS przesuwa się w górę: mniej prostych transakcji, więcej analityki, kontroli jakości, zarządzania procesami, projektowania automatyzacji, pracy z danymi, cyberbezpieczeństwa, AI governance i integracji systemów. W drugim BSS zostaje skompresowany: proste procesy zostają zautomatyzowane, część pracy znika, a wyższe funkcje strategiczne są przenoszone do central korporacyjnych poza Polską.
O tym, który scenariusz będzie bliższy rzeczywistości, zdecyduje własność procesów i kompetencji. Jeżeli polskie zespoły będą tylko operatorami narzędzi narzuconych przez centralę, ich siła przetargowa spadnie. Jeżeli staną się projektantami procesów, właścicielami danych, twórcami automatyzacji i ekspertami od wdrożeń w sektorach, ich pozycja będzie mocniejsza. Ta różnica rozstrzyga, czy AI stanie się dla BSS awansem w łańcuchu wartości, czy mechanizmem kompresji marży i zatrudnienia.
9. Edukacja i rynek pracy są słabszym ogniwem niż dostęp do narzędzi
Raport mówi, że wyzwaniem Polski nie jest sam dostęp do AI. Tanie i potężne narzędzia są dostępne przez chmurę, API, pakiety biurowe, systemy korporacyjne i otwarte modele. Problemem jest zdolność do produktywnego użycia: zarządzanie, dane, procesy, umiejętności, cyberbezpieczeństwo, integracja, jakość prawa, kapitał, energia, 5G i organizacja pracy (World Bank Group, 2026, s. 42–45, 64–79).
Po stronie pracowników obraz jest niepokojący. Dane PIAAC przywołane w raporcie wskazują, że 40% dorosłych Polaków w wieku 25–64 lata ma kompetencje czytania na poziomie 1 lub niżej, wobec 27% średnio w OECD. Deficyty są szczególnie widoczne u starszych pracowników i osób z niższym wykształceniem (World Bank Group, 2026, s. 78).
To ma bezpośredni związek z AI. Umiejętność korzystania z AI wymaga rozumienia tekstu, oceny źródeł, formułowania zadań, interpretacji wyników, kontroli błędów, pracy z danymi i komunikacji. Słabe kompetencje bazowe ograniczają korzyści z narzędzi. AI może pomagać osobom z umiarkowanymi umiejętnościami, ale tylko do pewnego poziomu. Bez zdolności sprawdzania wyniku pracownik może stać się wykonawcą błędów wygenerowanych przez system.
Bank Światowy wskazuje cztery kierunki: włączenie AI literacy do programów nauczania od szkoły podstawowej po średnią, obowiązkowy rozwój zawodowy nauczycieli w zakresie AI, tanie certyfikaty i mikropoświadczenia dla dorosłych oraz silniejszą edukację przedsiębiorczą. To ostatnie jest ważne, bo problemem Polski nie jest wyłącznie brak umiejętności używania narzędzi. Problemem jest brak przełożenia kompetencji technicznych na firmy, produkty i własność (World Bank Group, 2026, s. 78–79).
10. Polityka społeczna nie jest gotowa na wieloletnie przesunięcia zawodowe
AI różni się od recesji. Recesja obniża popyt, ale po odbiciu wiele miejsc pracy może wrócić. Transformacja technologiczna zmienia zadania i zawody. Pracownik administracyjny, analityk lub technik wypchnięty przez AI może nie potrzebować krótkiego zasiłku i powrotu do tej samej branży. Może potrzebować kilkuletniego przejścia do innej kategorii zawodowej.
Raport wskazuje, że polski system ochrony społecznej daje podstawę, ale jest słabo dostosowany do takich przejść. Zasiłek dla bezrobotnych trwa do 12 miesięcy w zależności od historii składek i lokalnej stopy bezrobocia. Urzędy pracy oferują pośrednictwo, szkolenia i subsydia płacowe. Te instrumenty działają lepiej przy bezrobociu cyklicznym niż przy zmianie struktury zawodów (World Bank Group, 2026, s. 77).
Autorzy proponują system monitorowania zawodów i umiejętności związanych z AI, przekierowanie aktywnych polityk rynku pracy na ścieżki komplementarne wobec AI, wydłużenie ochrony dochodu i poprawę stopy zastąpienia dla pracowników w zawodach o wysokiej ekspozycji podejmujących certyfikowane szkolenia oraz czasowe dopłaty do płac dla pracowników, którzy po przemieszczeniu zawodowym znajdują pracę za niższą stawkę (World Bank Group, 2026, s. 77).
Raport idzie też dalej. Jeżeli podwójny szok — AI w pracy kognitywnej i ucieleśniona AI w zadaniach fizycznych — okaże się silniejszy niż zdolność rynku pracy do wchłonięcia pracowników, debata będzie musiała objąć instrumenty niezależne od pełnego ponownego zatrudnienia: krótszy czas pracy, dzielenie pracy, publiczne programy zatrudnienia oraz transfery oddzielone od uczestnictwa w rynku pracy, takie jak UBI lub dywidenda AI (World Bank Group, 2026, s. 77–78).
To nie jest radykalny slogan. To techniczna konsekwencja modelu, w którym dywidenda produktywności trafia głównie do kapitału.
11. Polska potrzebuje polityki własności, a nie samej polityki adopcji
Większość debat o AI w firmach zaczyna się od adopcji: ile przedsiębiorstw używa AI, ilu pracowników korzysta z narzędzi, ile urzędów wdraża automatyzację, ile szkół wprowadza AI literacy. Raport Banku Światowego pokazuje, że to za mało. Adopcja mówi, kto używa technologii. Własność mówi, kto pobiera rentę.
Polityka adopcji zwiększa produktywność. Polityka własności decyduje, gdzie zostaje dochód. Polska potrzebuje obu. Same wdrożenia mogą zwiększyć PKB i równocześnie podbić zyski dostawców zagranicznych. Własne firmy, własne produkty, własne dane sektorowe, własne modele wyspecjalizowane, własne integratory i silniejsze rynki kapitałowe mogą zatrzymać większą część wartości w kraju.
Z raportu wynika kilka praktycznych zadań. Pierwsze: poprawa komercjalizacji badań i współpracy uczelni z firmami. Drugie: połączenie istniejących aktywów — Piast, Gaia, PLLuM, Bielik, zagraniczne centra R&D — w architekturę, która nie dubluje działań i pozwala firmom korzystać z zasobów. Trzecie: głębszy rynek VC i finansowania innowacji, z większą rolą instrumentów rynkowych, ścieżek wyjścia i kapitału prywatnego. Czwarte: stabilniejsze prawo i większa przewidywalność dla inwestorów, bo tylko 39% firm w Polsce deklaruje pewność, że prawo i sądy ochronią ich inwestycje, jeśli pojawi się problem (World Bank Group, 2026, s. 72–73).
Najważniejsza zmiana mentalna dotyczy tego, co państwo chce kupować i wspierać. Jeśli administracja będzie głównie nabywcą gotowych zagranicznych rozwiązań, zwiększy import usług cyfrowych. Jeśli publiczne zamówienia będą premiować interoperacyjność, standardy, rozwiązania sektorowe, lokalną adaptację językową, transparentność i możliwość budowy kompetencji w kraju, mogą stać się narzędziem tworzenia rynku dla polskich firm.
12. Dywidenda AI wymaga nowej umowy podatkowej
Jeżeli wzrost dochodu przesuwa się do kapitału, system podatkowy musi to widzieć. Raport nie proponuje prostego „podatku od robotów”. Mówi raczej, że instrumenty podatkowe trzeba oceniać w gospodarce, gdzie udział pracy może spadać, a aktywa niematerialne i zyski kapitałowe rosną. To oznacza większą wagę CIT, opodatkowania zysków z IP, cen transferowych, usług cyfrowych, podatków majątkowych, VAT i międzynarodowej współpracy podatkowej (World Bank Group, 2026, s. 30–32, 79).
Polska ma tu problem podwójny. Po pierwsze, kapitał AI jest mobilny. Można sprzedawać usługę w Polsce, trzymać IP gdzie indziej, fakturować dostęp przez spółkę zagraniczną i rozliczać rentę poza polskim systemem. Po drugie, wiele polskich firm będzie użytkownikami, a nie właścicielami technologii. To oznacza odpływ płatności za software, chmurę, API i licencje.
Odpowiedź nie może polegać wyłącznie na podnoszeniu stawek. Zbyt agresywny system może zniechęcać inwestycje, szczególnie w gospodarce, która chce przyciągać kapitał do infrastruktury i R&D. Odpowiedź powinna łączyć poszerzanie bazy, ograniczanie arbitrażu, przewidywalność interpretacji, lepszą administrację podatkową, udział w europejskich rozwiązaniach wobec usług cyfrowych oraz warunkowanie części ulg realnym zakorzenieniem wartości w kraju.
Dobrym punktem odniesienia jest zasada: preferencje podatkowe powinny wspierać tworzenie aktywów, a nie sam fakt księgowania kosztów. Jeśli ulgi R&D są używane głównie jako dopłata do wynagrodzeń specjalistów, a nie jako narzędzie budowy własności intelektualnej i produktów, ich efekt rozwojowy jest ograniczony. Raport zauważa, że 85% odliczeń w ramach ulgi B+R dotyczy kosztów personelu, co sugeruje, że instrument działa bardziej jak subsydium dla pracy wysokokwalifikowanej niż szeroki napęd innowacji (World Bank Group, 2026, s. 66).
13. Wzrost produktywności nie rozwiązuje problemu legitymizacji
Raport zawiera wątek często pomijany w analizach makroekonomicznych: praca daje nie tylko dochód. Daje strukturę dnia, status społeczny, relacje, tożsamość i poczucie wkładu. Jeżeli AI wypycha część osób z zawodów, których znaczenie społeczne było dotąd oczywiste, transfer pieniężny może nie wystarczyć. Autorzy odwołują się do prac o sensie pracy, automatyzacji i ryzyku społecznym związanym z rozdzieleniem produktywności od masowej pracy (Danaher, 2019; Susskind, 2020; World Bank Group, 2026, s. 29).
To ma znaczenie w Polsce, gdzie praca jest silnym elementem godności, mobilności klasowej i narracji rodzinnej. Dla wielu osób awans po 1989 roku był awansem przez edukację, pracę biurową, sektor usług, korporacje, finanse, IT, języki obce i centra międzynarodowe. Jeśli AI obniża wartość części takich zadań, uderza nie tylko w płacę. Uderza w model aspiracji.
Dlatego polityka AI nie może ograniczać się do szkoleń z promptowania. Potrzebna jest odpowiedź na pytanie, jakie role społeczne i zawodowe mają powstać dla ludzi, których zadania zostaną częściowo przejęte przez systemy. Raport zakłada, że przy odpowiednim wsparciu wielu pracowników przejdzie do zawodów komplementarnych wobec AI. Autorzy uczciwie przyznają jednak, że model może niedoszacować problemu, jeśli suma AI kognitywnej i ucieleśnionej AI zmniejszy zbiór realistycznych miejsc ponownego zatrudnienia (World Bank Group, 2026, s. 77).
14. Dlaczego „AI dla wszystkich” wymaga infrastruktury publicznej
Jeżeli zyski z AI mają być szerzej dzielone, sama dostępność narzędzi konsumenckich nie wystarczy. Potrzebna jest infrastruktura publiczna: dane sektorowe, standardy interoperacyjności, zasady bezpieczeństwa, dostęp do obliczeń dla uczelni i MŚP, programy dla administracji, zamówienia publiczne, wsparcie dla firm wdrażających AI w produkcji, edukacja dorosłych i monitoring rynku pracy.
Raport wskazuje, że Polska ma mocne publiczne dane: w EU Open Data Maturity Report 2025 zajęła trzecie miejsce w Europie z wynikiem 97,8%. Jednocześnie szersza gotowość danych do gospodarczej adopcji AI jest ograniczona. Dane prywatne są słabo uporządkowane, dostęp sektorowy jest nierówny, a zgodność z GDPR i niepewność prawna wokół danych treningowych zwiększają koszty, szczególnie dla MŚP (World Bank Group, 2026, s. 44).
To ważne, bo AI nie żyje samymi modelami. W firmie działa wtedy, gdy ma dobre dane, procesy, integrację z systemami, odpowiedzialność za wynik, bezpieczeństwo i ludzi zdolnych do kontroli. Polskie MŚP często nie mają tej infrastruktury. Jeżeli duże korporacje będą pierwsze i najlepsze we wdrożeniach, luka produktywności między firmami wzrośnie. Raport ostrzega, że bez polityk wspierających dyfuzję technologii szybki postęp może pogłębiać nierówności między firmami, pracownikami i regionami (World Bank Group, 2026, s. 8).
15. Co powinno znaczyć „polska strategia AI”
Polska strategia AI powinna być mierzona nie liczbą konferencji, aplikacji pilotażowych i deklaracji, lecz udziałem w rencie. Sensowne wskaźniki byłyby inne:
- jaki odsetek wydatków firm na AI trafia do polskich dostawców;
- ile krajowych firm sprzedaje produkty AI za granicę;
- ile publicznych zamówień tworzy aktywa wielokrotnego użycia;
- ile MŚP wdraża AI w procesach produkcyjnych, a nie tylko w marketingu i obsłudze tekstu;
- ile zespołów akademickich komercjalizuje modele, dane i narzędzia;
- jaka część wzrostu wartości dodanej trafia do płac;
- jaka część zysków z AI jest opodatkowana w Polsce;
- ilu pracowników z zawodów wysokiej ekspozycji przechodzi do pracy o podobnej lub wyższej płacy;
- ile firm korzysta z polskich danych sektorowych i otwartych standardów;
- jak zmienia się udział kapitału zagranicznego i krajowego w aktywach AI.
Bez takich wskaźników polityka może świętować adopcję, a przeoczyć odpływ renty. Raport Banku Światowego daje tu dobre ostrzeżenie: nie wystarczy używać AI. Trzeba posiadać więcej elementów systemu, który dzięki AI zarabia.
16. Co z tego wynika dla pracowników
Dla pracowników wniosek jest niewygodny. Wysokie wykształcenie i praca biurowa nie są już ochroną automatyczną. Część zawodów kognitywnych będzie zyskiwać, bo AI podniesie produktywność najlepszych specjalistów. Część zostanie skompresowana, bo zadania średniej trudności staną się tańsze i szybsze. Część stanowisk utrzyma się, ale z niższą premią płacową. Raport pokazuje, że premia płacowa pracy kognitywnej nad fizyczną spada z dwukrotności do 46% w 2035 roku w scenariuszu modelowym (World Bank Group, 2026, s. 28).
Dobra strategia jednostkowa nie polega na samym uczeniu się narzędzi. Narzędzia będą powszechne. Liczyć się będą kompetencje trudniejsze do skopiowania: wiedza dziedzinowa, odpowiedzialność za decyzję, kontakt z klientem, rozumienie procesu, praca z danymi, ocena błędów, zarządzanie ryzykiem, sprzedaż, negocjacje, projektowanie systemów, integracja techniczna i praca w środowisku regulowanym.
Największą wartość będą mieli ludzie, którzy potrafią przekształcić AI w wynik organizacji. Samo pisanie promptów będzie kompetencją przejściową. Trwała pozycja będzie bliżej procesu, danych, decyzji i odpowiedzialności.
17. Co z tego wynika dla firm
Dla firm raport jest ostrzeżeniem przed powierzchowną adopcją. Kupienie dostępu do narzędzi AI nie tworzy jeszcze przewagi. Przewaga pojawia się wtedy, gdy firma zmienia proces, mierzy wynik, buduje własne dane, szkoli ludzi, kontroluje ryzyko i rozumie, gdzie w łańcuchu wartości powstaje marża.
Największe firmy wdrożą AI szybciej, bo mają dane, IT, działy prawne, budżety, menedżerów i skalę. MŚP mogą zostać w tyle, jeśli nie dostaną taniej infrastruktury, doradztwa, standardów, wspólnych narzędzi sektorowych i finansowania. Raport wskazuje, że adopcja AI w Polsce jest niska, a w UE bardzo nierówna: w 2025 roku Dania miała 42% firm korzystających z AI, Polska 8,4%, Rumunia 5,2% (World Bank Group, 2026, s. 15).
Dla firm polskich najważniejsze pytanie brzmi: czy AI stanie się kosztem licencji, czy źródłem własnego produktu? Firma, która wyłącznie kupuje narzędzie, poprawia efektywność, ale płaci rentę komuś innemu. Firma, która buduje własny moduł, dane, proces i produkt, zwiększa szansę na zatrzymanie marży.
18. Teza
Raport Banku Światowego nie mówi, że AI automatycznie uratuje polski wzrost. Mówi, że Polska ma szansę na duży impuls produktywności, jeśli firmy szybko przyjmą technologię, pracownicy będą mogli zmieniać zadania, a inwestycje w kapitał, dane, infrastrukturę i umiejętności nastąpią wystarczająco wcześnie. Ten sam raport mówi, że dywidenda z AI może trafić głównie do kapitału, a znaczna część zwrotów po stronie kapitału może zostać przejęta przez zagranicznych właścicieli technologii i spółki-matki (World Bank Group, 2026, s. 15, 28, 72).
To zmienia język debaty. Pytanie o AI w Polsce nie powinno dotyczyć wyłącznie liczby wdrożeń. Powinno dotyczyć własności, podatków, pracowników, firm krajowych, danych, edukacji dorosłych i zdolności państwa do przechwycenia części renty technologicznej.
Polska może mieć gospodarkę większą o kilka lub kilkanaście procent i równocześnie społeczeństwo, które nie czuje tej dywidendy. Może mieć centra danych, filie korporacji i szybkie narzędzia w firmach, a jednocześnie słaby udział w zyskach z modeli, danych, IP i platform. Może mieć wzrost produktywności bez wzrostu bezpieczeństwa klasy średniej.
Dlatego najważniejsza polityka AI nie polega na zachęcaniu wszystkich do używania chatbotów. Polega na budowie krajowej zdolności do posiadania aktywów, które w gospodarce AI generują dochód. Bez tego polska dywidenda AI będzie miała polską lokalizację i zagranicznego właściciela.
Źródła
Acemoglu, D., Restrepo, P. (2020). Robots and Jobs: Evidence from US Labor Markets. Journal of Political Economy, 128(6), 2188–2244.
Acemoglu, D., Restrepo, P. (2022). Tasks, Automation, and the Rise in U.S. Wage Inequality. Econometrica, 90(5), 1973–2016.
Autor, D., Mindell, D., Reynolds, E. (2020). The Work of the Future: Building Better Jobs in an Age of Intelligent Machines. MIT Work of the Future.
Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E. J., Mendes Tavares, M. (2024). Gen-AI: Artificial Intelligence and the Future of Work. IMF Staff Discussion Note 2024/001.
Danaher, J. (2019). Automation and Utopia: Human Flourishing in a World without Work. Harvard University Press.
Gmyrek, P., Berg, J., Bescond, D. (2023). Generative AI and Jobs: A Global Analysis of Potential Effects on Job Quantity and Quality. ILO Working Paper.
Growiec, J. (2022). Accelerating Economic Growth: Lessons from 200,000 Years of Technological Progress and Human Development. Springer.
Korinek, A. (2024). Economic Policy Challenges for the Age of AI. NBER / CEPR working paper version.
Korinek, A., Lockwood, B. (2026). Public Finance in the Age of AI: A Primer. Brookings Institution.
Lewandowski, P., Madoń, K., Park, A. (2025). Workers’ Exposure to AI Across Development Stages. IZA Discussion Paper No. 18235.
OECD. (2025). Education at a Glance 2025. OECD Publishing.
Susskind, D. (2020). A World Without Work: Technology, Automation, and How We Should Respond. Metropolitan Books.
World Bank Group. (2026). Navigating the Age of AI: Implications for Poland’s Economy. What AI Means for Growth, Firms and Jobs. Washington, DC: World Bank.
World Bank Group. (2026). AI Could Boost Poland’s Economy by Up to 12% by 2035, New World Bank Group Report Finds. Press release, 22 June 2026.