Salaryman w erze AI: rośnie udział średniego szczebla

Wdrażanie agentów sztucznej inteligencji oraz redukcja etatów nie eliminują kadry kierowniczej, lecz przesuwają środek ciężkości organizacji w stronę menedżerów średniego szczebla. Badania rynkowe pokazują, że w firmach eksponowanych na technologię AI udział stanowisk średnich wzrósł o 5 punktów procentowych, podczas gdy stanowiska juniorskie i senioralne odnotowały spadki. Zamiast redukcji zatrudnienia, głównym ryzykiem operacyjnym staje się niejasność ról i ukryty koszt drenażu produktywności, wygenerowany przez cyfrowe platformy Big Tech.

Przesunięcie struktury zatrudnienia: rola kadry średniej w dobie sztucznej inteligencji

Wdrażanie automatyzacji w przedsiębiorstwach technologicznych wymusza zmianę architektoniczną w strukturze zasobów ludzkich. Zamiast zapowiadanej likwidacji kadry zarządzającej, organizacje intensywnie zwiększają zagęszczenie menedżerów średniego szczebla, którzy przejmują rolę koordynatorów cyfrowych agentów oraz zespołów wykonawczych. Poniższe zestawienie przedstawia wskaźniki rynkowe opisujące ten proces.

Badania przeprowadzone przez badaczy José Azara, Giné i Sanz-Espína wykazują, że w przedsiębiorstwach o wysokiej ekspozycji na rozwiązania AI udział kadry średniego szczebla (mid-level share) wzrósł o +0.050 w stosunku do poziomu z 2022 roku. W tym samym okresie udział pracowników juniorskich spadł o -0.030, a kadry senioralnej o -0.018. Oznacza to zmianę struktur organizacyjnych, w których menedżerowie stają się zarządcami autonomicznych agentów programistycznych i analitycznych.

Według raportu Microsoft Work Trend Index 2025, aż 67% menedżerów deklaruje wysoki komfort pracy z agentami AI, podczas gdy wśród pracowników wykonawczych wskaźnik ten wynosi zaledwie 40%. Zgodnie z badaniami instytutu Gallup, 70% zaangażowania zespołu zależy bezpośrednio od postawy menedżerów. Jednocześnie globalny poziom zaangażowania samej kadry kierowniczej spadł z 30% do 27% w 2024 roku, co jest główną przyczyną ogólnego spadku produktywności w przedsiębiorstwach.

Zwolnienia grupowe w 2023 roku objęły 31.5% menedżerów średniego szczebla, co oznacza znaczny wzrost w porównaniu ze średnią 22% rejestrowaną w latach 2018 – 2022 przez Live Data Technologies. Jednocześnie dane Revelio Labs wskazują na spadek ogólnej dynamiki rekrutacji na stanowiska menedżerskie o -43%, przy spadku o -57% w przypadku liderów wyższego szczebla (C-level). W Japonii badanie firmy Persol z 2026 roku wykazało, że 32.4% pracowników stosuje generatywną sztuczną inteligencję w codziennych zadaniach, przy czym kierownicy sekcji i szefowie działów wyprzedzają pod względem adopcji wyższą kadrę zarządzającą.

Dlaczego niejasność ról generuje większe wypalenie niż nadmiar pracy?

Niejasność oczekiwań i nakładanie się kompetencji stanowiskowych są barierą wydajnościową w zespołach technologicznych. Zamiast przeciążenia obowiązkami, to brak precyzyjnych ram decyzyjnych oraz paraliż priorytetów prowadzą do destrukcji procesów operacyjnych. Eliminacja szumu informacyjnego wymaga bezpośredniej interwencji w architekturę ról organizacyjnych.

Metaanaliza obejmująca 800 000 pracowników na przestrzeni 60 lat, przeprowadzona pod kierunkiem prof. Gargi Sawhney z Auburn University, jednoznacznie wykazuje, że najgroźniejszym czynnikiem wywołującym wypalenie zawodowe, stres oraz rotację kadr jest niejasność ról (role ambiguity). Czynnik ten destabilizuje zespoły silniej niż nadmiar obowiązków i konflikty pracownicze razem wzięte. Instytut Gallup potwierdza, że tylko 47% pracowników w USA ma pełną jasność co do swoich codziennych zadań.

Zjawisko to nasila się pod wpływem trzech nakładających się procesów: odgórnych nakazów powrotu do biura (RTO) pozbawionych operacyjnego uzasadnienia, wdrażania narzędzi AI bez wcześniejszej redefinicji zakresu odpowiedzialności oraz skrytych redukcji etatów, które przerzucają zadania zwolnionych osób na pozostały zespół bez formalnej zmiany stanowisk i wynagrodzeń.

Zgodnie z danymi Reworked, 89% profesjonalistów zgłasza objawy wypalenia zawodowego, a 42% pracowników odchodzących z pracy w 2023 roku wskazało wypalenie jako główny powód rezygnacji. Co więcej, raporty BambooHR ujawniają, że 89% pracowników zdalnych oraz 79% stacjonarnych odczuwa ciągłą presję udowadniania swoją obecnością, że faktycznie pracują, co wywołało rekordowy wzrost sprzedaży urządzeń imitujących ruch myszy (mouse jigglers). Zaledwie 1/3 pracowników wykazuje zaufanie do kadry zarządzającej.

Mechanizm enshittification i ukryty koszt drenażu kapitału w Big Tech

Dostawcy oprogramowania korporacyjnego i dostawcy chmurowi Big Tech przechodzą z fazy subsydiowania wzrostu do agresywnej ekstrakcji renty z posiadanej bazy klientów. Zjawisko degradacji jakości usług przy jednoczesnym wzroście kosztów licencyjnych bezpośrednio obciąża budżety działów IT. Zrozumienie bilansu finansowego platform cyfrowych pozwala uniknąć pułapki wysokich kosztów przejścia.

Analityk finansowy Dora Milen oraz pisarz Cory Doctorow zdefiniowali proces degradacji platform cyfrowych jako enshittification. Wyczerpanie 15-letniego okresu niskich stóp procentowych po kryzysie finansowym z 2008 roku zmusiło fundusze venture capital oraz spółki Big Tech do porzucenia strategii sztucznego subsydiowania usług cyfrowych. Cykl ten przebiega w trzech stałych etapach:

1. Subsydiowanie i pozyskiwanie użytkowników: Oferowanie darmowych lub tanich usług (np. nielimitowany storage, tanie przejazdy, darmowe narzędzia), by uzależnić klientów.
2. Eksploatacja partnerów biznesowych: Zamknięcie ekosystemu i narzucenie wysokich opłat marżowych sprzedawcom oraz dostawcom oprogramowania.
3. Maksymalizacja renty dla akcjonariuszy: Degradacja podstawowej funkcjonalności narzędzia, wprowadzanie opłat za funkcje dotychczas darmowe oraz stosowanie zwodniczych interfejsów (dark patterns) utrudniających rezygnację z subskrypcji.

Przykładem tej zmiany jest ewolucja wyszukiwarki Google, która zamiast natychmiastowego podawania wyników organicznych wymusza przewijanie płatnych reklam i sponsorowanych boksów, ponieważ szybkie rozwiązanie problemu klienta nie generuje płatnych kliknięć. Podobnie Amazon wyciąga zyski od niezależnych sprzedawców poprzez obowiązkowe opłaty reklamowe i logistyczne pod rygorem utraty widoczności produktów, a Netflix ograniczył udostępnianie haseł i wprowadził plany z reklamami w cenie dotychczasowych subskrypcji.

Z punktu widzenia architekta IT i CTO, wysokie koszty zmiany dostawcy (switching costs) są sztucznie zbudowaną barierą uniemożliwiającą migrację danych. Koncerny technologiczne celowo blokują interoperacyjność i stosują zamknięte formaty danych, traktując bierność organizacji jako gwarantowany przychód subskrypcyjny. Regulatorzy w Unii Europejskiej próbowali wymusić otwartość protokołów poprzez Digital Markets Act (DMA) oraz akcje FTC w USA, jednak tempo zmian prawnych jest znacznie wolniejsze niż tempo ekstrakcji kapitałowej.

Porównanie tradycyjnego modelu operacyjnego z kadrą zarządzającą AI

Tradycyjny model zarządzania oparty na ścisłej hierarchii i stałym czasie pracy dezaktualizuje się w starciu z nowym wzorcem operacyjnym. Poniższa tabela porównawcza pokazuje różnice strukturalne pomiędzy tradycyjnymi strukturami typu Salaryman a nowoczesnymi zespołami wykorzystującymi agentów sztucznej inteligencji.

Ewolucja ta pokazuje, że kadra zarządzająca technologią musi porzucić mierzenie czasu spędzonego przed ekranem na rzecz precyzyjnego zarządzania celami. W modelu opartym na agentach sztucznej inteligencji menedżer średniego szczebla przestaje być jedynie łącznikiem decyzyjnym, a staje się operatorem procesów automatycznych.

Wnioski praktyczne i rekomendacje

Poniższa lista działań dla CTO, architektów IT oraz founderów ma chronić strukturę kosztową i produktywność zespołu.

• Skonfiguruj ramy decyzyjne i redefiniuj zakres ról w zespole: Zredukuj zjawisko niejasności ról (role ambiguity), wyznaczając precyzyjny zakres odpowiedzialności dla każdego stanowiska programistycznego i menedżerskiego. Określ jasno, które decyzje architektoniczne mogą być podejmowane samodzielnie przez inżynierów, a które wymagają zatwierdzenia przez lidera.
• Zmierz i wyeliminuj narzut „work about work”: Przeprowadź audyt wewnętrzny czasu pracy zespołu technologicznego, mierząc liczbę godzin spędzanych na bezowocnych spotkaniach statusowych, ręcznym aktualizowaniu zgłoszeń oraz poszukiwaniu rozproszonej dokumentacji. Wdróż zasady asynchronicznej komunikacji, aby uwolnić do 60% czasu marnowanego na czynności administracyjne.
• Zweryfikuj cyfrowy footprint i koszty subskrypcji Big Tech: Przeanalizuj stosowane w firmie oprogramowanie SaaS oraz usługi chmurowe pod kątem ukrytych opłat i zwodniczych interfejsów utrudniających rezygnację z nieużywanych licencji. Odrzuć rozwiązania o wysokim wskaźniku uwięzienia w zamkniętym ekosystemie na rzecz otwartych, interoperacyjnych formatów danych i lokalnej infrastruktury storage.
• Wdróż wskaźniki efektywności oparte na rezultatach zamiast kontrolowania czasu pracy: Zastąp narzędzia do monitorowania aktywności myszy i czasu logowania systemem rozliczania z konkretnych kamieni milowych oraz dowożonych funkcji. Przyznanie inżynierom autonomii w wyborze miejsca i czasu wykonywania zadań zwiększa prawdopodobieństwo retencji pracowników o 300% i redukuje ryzyko powstawania cichej rezygnacji.

Źródła

• 800000 Workers Over 60 Years Just Revealed the Real Cause of Burnout – YouTube
• Big tech is turning the once-free internet into a paid experience – 150sec
• Career Minimalism in a High Performance World
• Life of a Japanese Salaryman: An Insider’s View – Japan Dev
• Long LiveThe SalaryMan | salaryman.tech
• Salaryman Survival Strategy by Stage｜フーリエ – note
• The Japanese Salaryman: Loyalty, Work, and Change – Japan Nakama
• We Normalized Burnout Culture. Here’s How to Break the Cycle – Reworked