Krąży ostatnio w sieci publikacja, która brzmi jak najlepszy materiał na panikę tygodnia: „The AI Layoff Trap”, praca Bretta Hemenwaya Falka z University of Pennsylvania i Gerry’ego Tsoukalasa z Boston University, opublikowana w marcu 2026 roku. Teza w skrócie: firma zastępująca pracownika sztuczną inteligencją oszczędza na jego pensji, ale ten sam pracownik był też odbiorcą towarów i usług, a bez pracy nie będzie miał za co ich kupować. W interesie każdej pojedynczej firmy jest automatyzować szybciej niż konkurencja, ale w skali całej gospodarki taki wyścig prowadzi donikąd: nieskończona produktywność, zerowy popyt, i każda firma piłująca gałąź, na której akurat siedzi razem z resztą rynku.
Autorzy nazwali to zjawisko demand externality, czyli efektem zewnętrznym popytowym: firma w pełni korzysta z oszczędności na automatyzacji, ale tylko część kosztów utraconego popytu spada na nią samą, reszta rozkłada się na konkurencję. Sprawdzili też szereg „rozwiązań”: podatki od dochodów kapitałowych, udziały pracownicze, uniwersalny dochód podstawowy, przekwalifikowania, dobrowolne porozumienia między firmami. Żadne z nich, według modelu, problemu nie rozwiązuje. Jedynym skutecznym remedium ma być podatek Pigou nałożony na automatyzację, czyli w praktyce podatek od zastępowania ludzi maszynami. Rządom taki pomysł zapewne spodoba się od razu.
Zanim ktokolwiek zacznie się bać: to model, nie wyrocznia
Warto od razu ostudzić najmocniejsze sformułowanie, jakie krąży wokół tej pracy, czyli że „udowodniono matematycznie”, że AI zakończy się kryzysem. Autorzy zbudowali model ekonomiczny pokazujący, co może się wydarzyć, jeśli firmy będą zastępować ludzi szybciej, niż gospodarka zdoła stworzyć dla nich nowe zadania. To ważne ostrzeżenie, nie prognoza z gwarancją spełnienia.
Dotychczasowe dane zresztą nie dają jednoznacznego obrazu sytuacji. Według Międzynarodowej Organizacji Pracy sztuczna inteligencja wpłynie na około 25 procent miejsc pracy, ale częściej będzie zmieniać zakres obowiązków niż całkowicie likwidować zawody. W badaniu NBER przeprowadzonym na ponad pięciu tysiącach pracowników obsługi klienta zastosowanie AI zwiększyło produktywność średnio o 14 procent, szczególnie wśród osób mniej doświadczonych, co brzmi bardziej jak wsparcie niż zagłada. Innymi słowy: problem jest realny, ale wiele zależy od tego, czy AI używa się głównie do cięcia etatów, czy do robienia więcej i lepiej przy tej samej liczbie ludzi.
Internet, jak to internet, ma bardziej ponure teorie
Nie brakuje też głosów sugerujących, że rzeczywistość może być jeszcze mniej optymistyczna niż sam model. Jedna z krążących opinii idzie tak: zanim dojdzie do kryzysu popytowego, zabraknie nam energii i wody potrzebnej do zasilania całej tej infrastruktury AI. Potem okaże się, że sztuczna inteligencja przestała być tak tania i dostępna jak dziś, a połowa firm nie będzie w stanie wrócić do działania bez niej, bo pracownicy, którzy pamiętali, jak to wszystko działało bez AI, dawno odeszli na emeryturę albo zmienili branżę. Dopiero wtedy, według tej teorii, nastąpi prawdziwy kryzys, i to taki, którego nie da się już łatwo odwrócić. Ponury scenariusz, ale przynajmniej oryginalny.
A matematycy mają swoje weto
Najbardziej brutalna riposta przyszła jednak od strony samej matematyki, w duchu starego powiedzenia, że diabeł drży, kiedy głupiec siada do liczenia. Krytycy zwracają uwagę na kilka słabości modelu: pominięcie prawa Saya, ograniczenie się do symetrycznych firm, co w praktyce oznacza udowodnienie, co dzieje się z porównywalnymi biznesami w głębokiej stagnacji, a nie z realną, zróżnicowaną gospodarką. Do tego cały dowód opiera się na równowadze Nasha, więc pokazuje nieefektywność, a nie żadne dramatyczne załamanie czy punkt bez powrotu. Ktoś złośliwie zauważył, że autorzy w gruncie rzeczy odkryli na nowo, że rynek bywa nieefektywny, za co Nagrodę Nobla dostał już Robert Shiller, tylko że w 2013 roku.
Co ciekawe, ta krytyka nie jest wyłącznie internetową złośliwością. W kwietniu 2026 roku ukazała się osobna praca Jeremy’ego McEntire’a, replikująca model Falka i Tsoukalasa krok po kroku. McEntire potwierdził, że wszystkie dziesięć twierdzeń autorów matematycznie się zgadza, ale pokazał też, że wynik końcowy zależy niemal całkowicie od przyjętych z góry parametrów. Przy założeniach bazowych model faktycznie produkuje katastrofę. Przy równie sensownych, ale innych założeniach, ten sam model daje stabilność albo wręcz niedostateczną automatyzację. Ładny przykład na to, że jedno równanie potrafi wygenerować zupełnie inne nagłówki, w zależności od tego, jakie liczby wstawi się na start.
Więc jak z tym żyć
Prawdopodobnie najbezpieczniejszy wniosek z całej tej burzy jest najmniej sensacyjny: dyskusja nie powinna dotyczyć tego, czy automatyzować, tylko jak robić to w sposób, który nie wysadza w powietrze popytu, na którym firmy same się opierają. Czy odpowiedzią faktycznie jest podatek Pigou, uniwersalny dochód podstawowy, jakaś ich kombinacja, czy coś zupełnie innego, to pytanie wciąż otwarte, i to raczej dla ekonomistów i polityków niż dla jednego modelu matematycznego, choćby i najbardziej eleganckiego. Diabeł faktycznie drży, kiedy ktoś siada do matematyki, ale jak widać, drży też, kiedy ktoś inny siada do sprawdzenia tej matematyki jeszcze raz.
