Nowe dane sugerują, że firmy częściej budują trwałe przychody, gdy zwiększają zatrudnienie, zamiast ciąć etaty pod hasłem „efektywności”. Jednocześnie AI rzadko bywa realnym powodem restrukturyzacji, choć dominuje w narracji.
Zatrudnianie jako strategia wzrostu
W debacie o produktywności coraz częściej wygrywa hasło „robić więcej mniejszym zespołem”. Tymczasem wyniki badania opartego na analizie dużych spółek w USA wskazują na odwrotną zależność: firmy, które podnosiły przychody dzięki zwiększaniu zatrudnienia, częściej utrzymywały lepszą dynamikę wzrostu niż te, które próbowały poprawiać wyniki przez redukcje etatów.
Różnica jest wyraźna także w twardych liczbach. Organizacje inwestujące w „wzrost napędzany ludźmi” osiągały średnio 12,2% wzrostu przychodów rok do roku, podczas gdy podejście „więcej za mniej” dawało 6,8%. Co ważne, tylko niewielki odsetek firm potrafił powtarzalnie zwiększać przychody po rutynowych cięciach: 7% w krótkim horyzoncie, a po trzech latach zaledwie 2%.
Dlaczego cięcia rzadko dają trwały efekt
Redukcja kosztów osobowych potrafi poprawić wskaźniki w kwartalnym raporcie, ale często odbywa się kosztem zdolności operacyjnej. Mniej ludzi to nie tylko mniej rąk do pracy, lecz także mniej kompetencji, mniejsza redundancja bezpieczeństwa, wolniejsze wdrażanie zmian i większe ryzyko błędów. W praktyce organizacja może „odchudzić” strukturę, ale jednocześnie osłabić sprzedaż, obsługę klienta czy rozwój produktu.
Wyniki badania sugerują, że trwały wzrost przychodów wymaga raczej dobudowania mocy wykonawczej niż jej demontażu. Zatrudnianie nie musi oznaczać rozrostu biurokracji — może być celowanym wzmocnieniem obszarów, które bezpośrednio generują wartość: wdrożeń, utrzymania, analityki, bezpieczeństwa czy zespołów odpowiedzialnych za jakość procesów.
AI w raportach rośnie, ale przychody nie zawsze
Jednocześnie rośnie intensywność narracji o sztucznej inteligencji. Odwołania do AI w sprawozdaniach 10-K zwiększyły się rok do roku o 48%. Paradoks polega na tym, że niemal wszystkie największe firmy z amerykańskiej czołówki uznają AI za ryzyko biznesowe, a mimo to mniej niż połowa deklaruje, że technologia przyniosła nowe przychody (42%). Jeszcze mniej — 27% — mówi o aktywnym stosowaniu AI w operacjach.
To rozjazd między opowieścią a wdrożeniem. AI bywa obecna w strategiach, prezentacjach i sekcjach o ryzykach, ale znacznie rzadziej przekłada się na mierzalne strumienie przychodów. W efekcie łatwo o błędny wniosek, że skoro AI jest „wszędzie”, to automatycznie uzasadnia restrukturyzacje i redukcje.
Restrukturyzacje: AI jako wygodne wytłumaczenie
Analiza wskazuje, że AI odpowiadała za mniej niż 10% restrukturyzacji, mimo że koszty odpraw sięgały łącznie 50 mld dolarów. Innymi słowy: skala zmian kadrowych jest duża, ale w większości nie wynika bezpośrednio z wdrożeń AI. Dominują klasyczne powody: cięcie kosztów, upraszczanie organizacji i „porządkowanie” struktur.
Aż 73% transformacji nie przypisano AI, co podważa popularną tezę, że to algorytmy masowo „zastępują ludzi”. Często jest odwrotnie: AI staje się etykietą, która ułatwia komunikowanie trudnych decyzji, choć ich źródłem są tradycyjne cele finansowe i reorganizacyjne.
Technologia zatrudnia, ale rynek wysyła sprzeczne sygnały
Wśród największych firm szczególnie wyróżnia się sektor technologiczny: 59% podmiotów zwiększyło zatrudnienie w ostatnim roku, a bilans netto wzrósł o 105 tys. pracowników. To ważny kontrapunkt dla narracji o „końcu pracy” — w praktyce część organizacji równolegle inwestuje w AI i rozbudowuje zespoły.
Jednocześnie w 2026 roku pojawił się trend przeciwny: głośne redukcje w segmencie chmury i infrastruktury, w tym u globalnych gigantów, które intensywnie inwestują w zaplecze AI. To pokazuje, że cięcia nie muszą wynikać z samej technologii, lecz z presji na marże, zmian priorytetów, konsolidacji projektów czy korekt po okresie nadmiernego zatrudniania.
Nowy popyt na kompetencje AI
Równolegle rośnie zapotrzebowanie na specjalistów, którzy potrafią budować i utrzymywać rozwiązania oparte na danych: programistów, twórców oprogramowania i administratorów baz danych. W wielu branżach liczba ofert dla tych ról wzrosła o ponad 25% rok do roku. To sygnał, że rynek nie tyle „eliminuje” pracę, ile przesuwa ją w stronę kompetencji cyfrowych i inżynieryjnych.
W praktyce firmy coraz częściej potrzebują ludzi do mapowania procesów, przygotowania danych, integracji systemów, kontroli jakości, cyberbezpieczeństwa i zgodności. AI nie działa w próżni — wymaga operacyjnej dyscypliny, a ta zwykle oznacza dodatkowe role, nowe odpowiedzialności i przebudowę sposobu pracy.
Co z tego wynika dla strategii firm
Najbardziej obiecujący model nie opiera się na prostym równaniu „AI = mniej etatów”. Skuteczniejsze wydaje się podejście, w którym organizacja najpierw rozumie, jak dziś powstaje wartość, a dopiero potem przeprojektowuje procesy, role i kompetencje. Reskilling i redeployment — przekwalifikowanie oraz przesuwanie pracowników — mogą dać efekt transformacji bez kosztownej spirali zwolnień i ponownych rekrutacji.
Wniosek jest niewygodny dla zwolenników szybkich oszczędności: trwały wzrost przychodów częściej idzie w parze z inwestycją w ludzi niż z redukcją etatów. AI może być akceleratorem, ale bez zespołów zdolnych ją wdrażać, kontrolować i przekładać na produkt lub usługę pozostaje przede wszystkim obietnicą — i wygodnym hasłem w komunikatach o restrukturyzacji.
Oryginalny tekst: Adding talent — not cutting it — leads to better revenue growth, study finds
