Chciwość i strach ery AI

Na rynkach finansowych występuje wskaźnik nazywany Fear & Greed Index, czyli wskaźnikiem strachu i chciwości. Według jego idei zachowaniem inwestorów w dużej mierze rządzą dwa przeciwstawne impulsy: kiedy dominuje chciwość, chcą oni zarobić więcej, akceptują większe ryzyko i kupują aktywa; kiedy natomiast dominuje strach, zaczynają się wycofywać, zabezpieczać kapitał, zwiększać płynność i przygotowywać się na najgorsze. Wskaźnik publikowany przez CNN Business próbuje tę intuicję sprowadzić do jednej skali od skrajnego strachu do skrajnej chciwości, wykorzystując siedem zmiennych związanych między innymi z dynamiką cen akcji, zmiennością rynku, popytem na bezpieczne aktywa oraz relacją pomiędzy opcjami sprzedaży i kupna.

Chociaż jest to oczywiście uproszczenie zachowań inwestorów, ma ono tę zaletę, że pozwala sprowadzić skomplikowane zjawisko do dwóch intuicyjnie zrozumiałych postaw wobec niepewnej przyszłości. Od pewnego czasu wydaje mi się, że bardzo podobny sposób myślenia można odnieść do trwającego już od kilku lat i zdającego się nie mieć końca cyklu medialnego dotyczącego sztucznej inteligencji. Co ciekawe, w przypadku AI strach i chciwość nie następują jednak po sobie jak kolejne fazy koniunktury, lecz występują właściwie równocześnie.

Chciwość

Po stronie chciwości znajduje się przede wszystkim niezwykła obietnica wzrostu produktywności. Narzędzia wykorzystujące generatywną sztuczną inteligencję pozwalają pisać szybciej, analizować dane na bardziej zaawansowane i zniuansowane sposoby, programować, przygotowywać prezentacje, tłumaczyć, streszczać dokumenty, wyszukiwać informacje i automatyzować czynności, które jeszcze kilka lat temu zajmowały znacznie więcej czasu. W wielu zastosowaniach jest to już coś więcej niż marketingowa obietnica, a badania eksperymentalne prowadzone w przedsiębiorstwach pokazują rzeczywiste oszczędności czasu oraz wzrost produktywności przy niektórych rodzajach pracy umysłowej. Przykładowo, w dużym eksperymencie obejmującym ponad siedem tysięcy pracowników, dostęp do generatywnej AI zmniejszył czas przeznaczany na pocztę elektroniczną o około dwie godziny tygodniowo wśród osób faktycznie korzystających z narzędzia.

Ekonomicznie interesujące jest jednak to, co dzieje się z zaoszczędzonym czasem. Najprostsza wizja automatyzacji zakładałaby, że jeżeli człowiek potrzebuje dzięki nowemu narzędziu połowę mniej czasu na wykonanie tego samego zadania, to część uzyskanej w ten sposób nadwyżki przeznaczy na odpoczynek albo po prostu skończy pracę wcześniej. W końcu nawet już sto lat temu John Maynard Keynes twierdził, że za około sto lat (czyli dziś) dzięki automatyzacji powinniśmy pracować około 3 godzin dziennie. Ta prognoza została nawet niedawno, w 2023 roku, obszernie skomentowana przez polskich naukowców w monografii wydanej przez Polskie Towarzystwo Ekonomiczne. Taki scenariusz rzeczywiście zdaje się mieć możliwość realizacji i byłoby nieuczciwe udawać, że wszystkie dostępne wyniki badań wskazują na coś przeciwnego. Ten sam eksperyment dotyczący generatywnej AI wykazał zresztą spadek pracy wykonywanej poza normalnymi godzinami. Nowszy przegląd Międzynarodowej Organizacji Pracy również wskazuje, że użytkownicy AI deklarują pewne oszczędności czasu, choć dotychczas nie przełożyły się one w prosty sposób ani na wyższą produktywność, ani na zarobki, ani na zatrudnienie.

Istnieje jednak również drugi mechanizm, szczególnie interesujący z punktu widzenia tego tekstu. Badanie Wei Jiang, Junyounga Parka, Rachel Xiao i Shena Zhanga, wykorzystujące amerykańskie dzienniki czasu pracy z lat 2004–2023 oraz zmianę wywołaną pojawieniem się ChatGPT, wskazuje, że w zawodach bardziej eksponowanych na działanie AI czas pracy raczej się wydłużał, a czas wolny malał. Autorzy wiążą ten rezultat z komplementarnością pomiędzy pracą człowieka a AI: jeżeli technologia podnosi krańcową produktywność dodatkowej godziny pracy, to praca kolejnej godziny może stać się bardziej, a nie mniej opłacalna. Efekt był przy tym silniejszy na bardziej konkurencyjnych rynkach pracy i produktów, gdzie pracownik ma mniejszą możliwość zatrzymania dla siebie korzyści wynikających ze wzrostu produktywności.

Właśnie ten mechanizm mam na myśli, używając w tym tekście słowa „chciwość” — nie w wąskim sensie moralnym ani wyłącznie jako gromadzenie bogactw (z czym dziś często kojarzy się współczesna ekonomia, a co Arystoteles nazywał chrematystyką), lecz jako gospodarcza skłonność do wykorzystania każdej nowej możliwości zwiększenia produktywności. Przykładowo, jeżeli raport, który jeszcze niedawno przygotowywałem w dwa dni, dzięki AI mogę zrobić w cztery godziny, pojawia się bardzo silna pokusa, aby odzyskanych dwunastu godzin nie potraktować jako czasu wolnego, ale jako możliwość przygotowania kolejnych raportów. Jeżeli podobnie postępują moi współpracownicy albo konkurenci, z czasem przestaje to być wyłącznie indywidualnym wyborem, ponieważ zmienia się norma dotycząca tego, ile pracy można rozsądnie oczekiwać od jednej osoby.

Dane dotyczące organizacji pracy pokazują, że proces rozlewania się pracy poza jej tradycyjne ramy trwa już niezależnie od samej AI. Microsoft, analizując ogromną liczbę zagregowanych sygnałów pochodzących z Microsoft 365, opisał w 2025 roku zjawisko „infinite workday”, czyli dnia pracy, którego granice coraz bardziej się zacierają. Spotkania rozpoczynające się po godzinie 20 wzrosły rok do roku o 16%, przeciętny pracownik wysyłał lub otrzymywał ponad 50 wiadomości poza podstawowymi godzinami pracy, a prawie jedna trzecia aktywnych wieczorem pracowników ponownie otwierała pocztę około godziny 22. Microsoft zaznaczał przy tym, że AI może pomóc ograniczyć to zjawisko, ale bez zmiany sposobu organizacji pracy równie dobrze może posłużyć do jeszcze szybszego działania systemu, który już obecnie absorbuje coraz większą część dnia.

Mechanizm ten można potraktować jako rodzaj ucieczki do przodu. Z jednej strony stoi za nim zwykła chęć skorzystania z możliwości, która rzeczywiście istnieje. Z drugiej strony trudno nie zauważyć, że towarzyszy jej presja wynikająca z zachowania innych uczestników rynku. Przykładowo, jeżeli mój kolega wykonuje dzięki AI w godzinę zadanie, które mnie zajmuje cztery godziny, to po pewnym czasie jego produktywność przestaje być czymś nadzwyczajnym, a staje się nowym punktem odniesienia. Nie trzeba przy tym zakładać, że AI całkowicie zastąpi człowieka. Wystarczy, że pracownik posługujący się AI zacznie wypierać pracownika, który robi to gorzej albo wcale. W takim otoczeniu nawet osoba sceptyczna wobec tej technologii otrzymuje ekonomiczny bodziec do coraz intensywniejszego jej używania. Powstaje tym samym sytuacja przypominająca nieco wyścig zbrojeń. Jeżeli jeden uczestnik zwiększa swoje możliwości, pozostali robią to samo, aby nie pogorszyć swojej względnej pozycji. Po kilku rundach wszyscy dysponują większą „siłą ognia”, ale relacje między nimi mogą pozostać niemal takie same. W przypadku AI kosztem tego wyścigu nie są jednak wyłącznie pieniądze wydawane na oprogramowanie czy sprzęt, lecz również liczba godzin, które jesteśmy skłonni przeznaczać na pracę i jej reorganizację czy uczenie się kolejnych narzędzi.

Strach

Strach rozumiem tutaj nie tylko jako lęk przed utratą pracy ze względu na dynamiczny rozwój nowej technologii. Od chwili, gdy pod koniec 2022 roku generatywna AI stała się masowym zjawiskiem, właściwie bez przerwy towarzyszy jej druga narracja: być może wszystko to jest przede wszystkim gigantycznym cyklem spekulacyjnym, inwestycje nigdy się nie zwrócą, modele zbliżają się do granic swoich możliwości, przedsiębiorstwa nie znajdują wystarczającej liczby opłacalnych zastosowań, a kolejna obiecywana rewolucja technologiczna okaże się znacznie mniej przełomowa niż twierdzą jej twórcy i inwestorzy.

Co ciekawe, narracja o nadchodzącym pęknięciu bańki pojawiła się praktycznie natychmiast po rozpoczęciu obecnego boomu. Już w styczniu 2023 roku, zaledwie kilka tygodni po premierze ChatGPT, TechCrunch pisał o inwestorach wskazujących generatywną AI jako potencjalną następną bańkę technologiczną. W 2024 roku podobne pytanie stawiał brytyjski Engineering & Technology, analizując między innymi koszty energetyczne oraz możliwość wyhamowania dotychczasowego modelu skalowania. W 2025 roku Wired opublikował tekst zatytułowany wręcz „AI Is the Bubble to Burst Them All”, zauważając jednocześnie, że tego rodzaju ostrzeżenia pojawiały się już od 2023 roku. W marcu 2026 roku Bloomberg podsumował sytuację zdaniem wyjątkowo dobrze oddającym problem: po kilku latach boomu Wall Street nadal nie potrafi rozstrzygnąć, czy AI okaże się zbyt przełomowa dla istniejących modeli biznesowych, czy też zbyt mało przełomowa, aby uzasadnić pieniądze już w nią zainwestowane.

Pod koniec bieżącego roku w zasadzie ten spór wciąż trwa. Jedni wskazują na ogromne nakłady kapitałowe, koszty centrów danych i niepewną monetyzację jako symptomy przegrzanego rynku; inni odpowiadają, że największe przedsiębiorstwa inwestujące w AI mają rzeczywiste przychody, bardzo mocne bilanse i znajdują się na zupełnie innym etapie rozwoju niż firmy internetowe końca lat dziewięćdziesiątych. Reuters w maju 2026 roku szacował, że nakłady hyperscalerów związane z AI mogły w tym roku sięgnąć około 800 mld dolarów, a jednocześnie przytaczał argumenty analityków uważających obawy przed rychłym załamaniem za przedwczesne. Najnowsze analizy nadal stawiają to samo pytanie, koncentrując się na ryzyku nadmiernej podaży mocy obliczeniowej, kosztach finansowania i braku odpowiednio wysokich zwrotów z inwestycji.

Sprzężenie chciwości i strachu

Można więc rano przeczytać tekst ostrzegający, że kolejne generacje modeli zbliżają się do AGI i mogą wywrócić do góry nogami rynek pracy, spędzić dzień na używaniu AI po to, aby wykonać dwukrotnie więcej pracy niż kilka lat wcześniej, a wieczorem przeczytać kolejną analizę dowodzącą, że właśnie uczestniczymy w bańce porównywalnej z dot-comem. Następnego dnia cały cykl zaczyna się ponownie. W przeciwieństwie do klasycznego obrazu Fear & Greed nie obserwujemy więc łatwego do rozdzielenia okresu euforii, po którym przychodzi okres paniki. Maksymalizacja wykorzystania technologii i nieufność wobec jej ekonomicznych fundamentów mogą występować w tym samym czasie.

Rynki finansowe znają podobne sytuacje, na przykład jako zjawisko określane jako „spot up, VIX up”. Wskaźnik VIX mierzy oczekiwaną zmienność indeksu S&P 500 na podstawie cen opcji i jest często, choć w pewnym uproszczeniu, nazywany „indeksem strachu”. Zwykle wzrostowi rynku towarzyszy spadek VIX, ponieważ rosnące ceny wiążą się z większym optymizmem i mniejszą potrzebą zabezpieczania portfela. Bywają jednak okresy, w których ceny akcji oraz VIX rosną jednocześnie. Inwestorzy nie wycofują się wówczas z rynku i nadal chcą korzystać ze wzrostów, a jednocześnie płacą coraz więcej na zabezpieczenie na wypadek gwałtownego spadku.

Ta analogia lepiej odpowiada obecnemu stosunkowi wielu ludzi do AI niż zwykłe przechodzenie od strachu do chciwości. Zwiększamy swoją ekspozycję na technologię, przeznaczając na nią coraz więcej pracy, uwagi i czasu, a jednocześnie nie jesteśmy wcale pewni, czy tempo obecnego rozwoju oraz oczekiwania dotyczące jego skutków są trwałe. W przypadku inwestora nie ma w tym nic szczególnie dziwnego: można posiadać akcje, liczyć na dalsze wzrosty i równocześnie kupić opcje zabezpieczające portfel. Problem zaczyna się wtedy, gdy aktywem, którym dysponujemy, przestaje być pieniądz.

Czas w erze AI

Czas różni się od kapitału finansowego pod jednym bardzo istotnym względem. Pieniądze można przechować, zainwestować później, stracić i ponownie zarobić. Czas zostaje zużyty niezależnie od tego, co z nim zrobimy. Godzina przeznaczona na pracę znika dokładnie tak samo jak godzina przeznaczona na spacer, rozmowę, sen albo zmarnowanie jej na oglądanie serialu na Netflixie. Z ekonomicznego punktu widzenia decyzja nie dotyczy więc tego, czy czas zachować, lecz jedynie tego, na co go przeznaczyć (w ekonomii tzw. koszt alternatywny), ponieważ nie istnieje możliwość przeniesienia niewykorzystanej godziny na kolejny dzień.

To czyni obecną sytuację bardziej kłopotliwą niż zwykłą decyzję inwestycyjną. Możemy dojść do wniosku, że obecny entuzjazm wokół AI jest przesadzony i nie chcemy poświęcać kolejnych godzin na śledzenie każdego nowego modelu, uczenie się następnego narzędzia czy reorganizowanie całej pracy wokół automatyzacji. Tyle że gospodarka nie przestaje w tym czasie się zmieniać. Jeżeli inni uczestnicy rynku korzystają z technologii, podnoszą swoją produktywność i zmieniają standard wykonywania pracy, to pozostawanie w miejscu samo w sobie może oznaczać utratę względnej pozycji.

Przypomina mi to stare platformówki, w stylu Super Mario Bros, w których ekran przesuwał się niezależnie od zachowania gracza (tzw. side scrolling). Można było biec szybciej lub wolniej, zatrzymać się na chwilę albo próbować zebrać wszystkie bonusy, ale nie można było zatrzymać przesuwania się samej planszy. Jeżeli gracz zbyt długo pozostawał w miejscu, lewa krawędź ekranu w końcu go doganiała, ludzik zabawnie podskakiwał na środku ekranu, wyskakiwał napis GAME OVER. W przypadku zmian technologicznych nie wiemy oczywiście, jak szybko przesuwa się ekran ani czy przed nami rzeczywiście znajduje się kolejny poziom, a na końcu księżniczka, czy raczej ślepa uliczka (zrymowało się, więc ta analogia musi być prawdziwa). Nie zmienia to jednak faktu, że zatrzymanie się również jest decyzją obarczoną kosztem.

Dlatego nie przekonuje mnie prosta odpowiedź, według której rozwiązaniem problemu ma być po prostu lepsza równowaga między życiem osobistym a zawodowym i świadome „odzyskiwanie” czasu dzięki AI. Jeżeli nowa technologia rzeczywiście zmienia produktywność pracy, część czasu uzyskanego dzięki automatyzacji prawdopodobnie zostanie przeznaczona na produkcję kolejnych dóbr, usług, tekstów, analiz czy programów pomagających optymalizować procesy ekonomiczne, ponieważ właśnie na tym polega wzrost gospodarczy. Z drugiej strony podporządkowanie każdej zaoszczędzonej godziny temu mechanizmowi prowadzi do dość osobliwej sytuacji, w której technologia reklamowana jako narzędzie uwalniające człowieka od pracy staje się jednym z powodów dalszego zwiększania jej intensywności.

Nie wiem, czy istnieje tu odpowiednik dobrego zabezpieczenia portfela. Być może jedyną rozsądną strategią jest zaakceptowanie, że nie mamy możliwości jednocześnie wykorzystać wszystkich korzyści wynikających z przyspieszenia technologicznego i zabezpieczyć się przed wszystkimi jego skutkami. Każda godzina poświęcona na poznawanie nowych możliwości AI jest godziną, której nie przeznaczymy na coś innego, ale każda godzina, w której postanawiamy tego nie robić, również ma koszt alternatywny. Nie jest więc szczególnie pomocne ani nawoływanie do całkowitego odrzucenia technologicznego wyścigu, ani traktowanie każdej niewykorzystanej możliwości zwiększenia produktywności jako straty.

Pomysł na ten tekst przyszedł mi do głowy podczas spaceru. Jeszcze kilka lat temu prawdopodobnie po prostu bym spacerował, a kilka luźnych skojarzeń być może zapisałbym po drodze w telefonie. Tym razem przez znaczną część spaceru rozmawiałem z modelem AI, rozwijając analogię do Fear & Greed Index, dyskutując o VIX, próbując uporządkować argument ekonomiczny i planując strukturę artykułu, który później został w dużej części napisany w ten sam sposób.

W pewnym sensie zrobiłem więc dokładnie to, o czym jest ten tekst: narzędzie, które pozwoliło mi zaoszczędzić czas, niemal natychmiast wykorzystałem do tego, żeby zmieścić w tym samym czasie jeszcze jedną czynność. Nie wynikało to z niczyjego polecenia ani z konieczności. Po prostu skoro spacer mógł jednocześnie stać się czasem pracy nad artykułem, trudno było nie skorzystać z tej możliwości. Prawdopodobnie właśnie na tym, bardziej niż na spektakularnych wizjach masowego bezrobocia albo rychłego AGI, polega jedna z mniej zauważalnych zmian wywoływanych obecnie przez sztuczną inteligencję.