Dane z sesji 20.11.2026 · sygnały 22:52Sesja 20.11 · sygnały 22:52

piątek, 20 listopada 2026

Sztuczna inteligencja a gospodarka: rewolucja produktywności czy bańka

Autor
Redakcja iqrynku
Opublikowano
Opisuje sesję
20.05.2026
Czytanie
12 min
Dział
Rynki

W skrócie

Sztuczna inteligencja może być dla gospodarki zarazem rewolucją produktywności i bańką wycen, tylko w różnych horyzontach czasowych. Elektryczność i komputery podniosły produktywność dopiero po latach, gdy firmy przebudowały organizację pracy. Entuzjazm rynku wyprzedza tę poprawę, co pokazała bańka internetowa przełomu tysiącleci.

Sztuczna inteligencja a gospodarka to pytanie o to, czy nowa fala automatyzacji opartej na uczeniu maszynowym trwale podniesie produktywność całych gospodarek, czy też napędza przede wszystkim spekulacyjną bańkę wycen spółek technologicznych. Dla inwestora indywidualnego rozstrzygnięcie tego dylematu ma znaczenie praktyczne, ponieważ część wartości giełdowych indeksów opiera się dziś na założeniu, że AI zmieni sposób, w jaki firmy produkują towary i usługi. Ten artykuł tłumaczy mechanizmy stojące za obiema hipotezami oraz opisuje scenariusze, zamiast obiecywać, że wie, który z nich się zrealizuje.

Sesja 20.05.2026środaSygnały GPW po przeliczeniu: kupno 120 · sprzedaż 212Przewaga sygnałów GPW (kupno − sprzedaż), 30 sesji−183−9208.0420.05w dół 182w górę 250 walorów
Grafika z danych serwisu: sygnały i notowania EOD walorów GPW, sesja 20.05.2026.

Czym jest rewolucja produktywności i dlaczego decyduje o bogactwie narodów

Produktywność, mówiąc najprościej, to ilość dóbr i usług wytwarzanych z jednej godziny pracy lub z jednostki zaangażowanego kapitału. Ekonomiści rozróżniają produktywność pracy oraz tak zwaną całkowitą produktywność czynników (w skrócie TFP, od angielskiego total factor productivity), czyli tę część wzrostu, której nie da się wyjaśnić samym dołożeniem rąk do pracy ani nowych maszyn. To właśnie TFP odzwierciedla „czystą” poprawę efektywności wynikającą z lepszej technologii, organizacji i wiedzy. W długim okresie to wzrost produktywności, a nie liczba przepracowanych godzin, decyduje o tym, czy społeczeństwo się bogaci.

Rewolucja produktywności to sytuacja, w której nowa technologia ogólnego przeznaczenia trwale przyspiesza ten wskaźnik na przestrzeni dekad. Przez technologię ogólnego przeznaczenia (po angielsku general purpose technology) rozumiemy wynalazek, który przenika niemal wszystkie gałęzie gospodarki, a nie tylko jedną branżę. Klasyczne przykłady to maszyna parowa, elektryczność, silnik spalinowy oraz komputer połączony z internetem. Zwolennicy tezy o rewolucji AI argumentują, że sztuczna inteligencja należy do tej samej kategorii, ponieważ potrafi wspierać pracę umysłową w wielu zawodach naraz.

Analogia do poprzednich rewolucji technologicznych

Historia gospodarcza dostarcza kilku dobrze udokumentowanych epizodów, w których nowa technologia najpierw budziła entuzjazm, potem rozczarowanie, a dopiero po latach realnie podniosła produktywność. Analogie te są cenne, bo pokazują powtarzalny mechanizm, choć żadna z nich nie jest dowodem na to, że AI powtórzy dokładnie ten sam schemat.

Elektryczność i opóźniony zwrot z inwestycji

Kiedy pod koniec dziewiętnastego wieku fabryki zaczęły elektryfikować produkcję, przez długi czas nie widać było skokowej poprawy wydajności. Powód był prozaiczny: przedsiębiorcy początkowo zastępowali silnik parowy jednym dużym silnikiem elektrycznym, zachowując dawny układ hal produkcyjnych z centralnym wałem napędowym. Prawdziwy przełom nastąpił dopiero wtedy, gdy zaprojektowano fabryki od nowa, dając każdej maszynie własny mały silnik i układając linie produkcyjne według logiki procesu, a nie według rozprowadzania napędu. Wniosek jest uniwersalny: technologia daje pełny efekt dopiero po przebudowie organizacji, która ją wykorzystuje, a to trwa lata.

Paradoks Solowa

W latach osiemdziesiątych dwudziestego wieku ekonomista Robert Solow ujął ówczesne zdziwienie w słynnym zdaniu, że erę komputerów widać wszędzie z wyjątkiem statystyk produktywności. Ten tak zwany paradoks Solowa opisuje sytuację, w której ogromne inwestycje w nową technologię przez dłuższy czas nie przekładają się na mierzalny wzrost efektywności całej gospodarki. Dopiero w drugiej połowie lat dziewięćdziesiątych, gdy komputery, oprogramowanie i sieci dojrzały, a firmy nauczyły się je wykorzystywać, statystyki amerykańskiej produktywności wyraźnie przyspieszyły. To przypomnienie, że brak natychmiastowego efektu nie przesądza o porażce technologii, ale też że sam entuzjazm nie gwarantuje szybkich zysków.

Nowa technologia ogólnego przeznaczenia niemal zawsze przynosi realne owoce z opóźnieniem, bo najpierw trzeba przebudować organizację pracy wokół niej; entuzjazm rynku wyprzedza tymczasem twardą poprawę produktywności o wiele lat.

Jak AI może zmienić rynek pracy: automatyzacja zadań, nie zawodów

Debata publiczna często stawia sprawę zerojedynkowo: dany zawód albo zniknie, albo przetrwa. Analiza ekonomiczna sugeruje jednak subtelniejszy obraz. Praca każdego z nas składa się z wielu odrębnych zadań, a technologia zwykle automatyzuje pojedyncze zadania, a nie całe stanowiska. Sztuczna inteligencja generatywna radzi sobie dobrze z tworzeniem szkiców tekstów, streszczaniem dokumentów, podpowiadaniem kodu czy klasyfikowaniem informacji, natomiast słabiej z odpowiedzialnością, oceną kontekstu i relacjami z ludźmi.

Z tego rozróżnienia wynikają dwa przeciwstawne efekty ekonomiczne. Pierwszy to efekt zastąpienia, w którym maszyna przejmuje część zadań i zmniejsza zapotrzebowanie na pracę ludzką. Drugi to efekt komplementarności i skali, w którym tańsza realizacja jednych zadań zwiększa wartość pozostałych, obniża ceny, podnosi popyt i tworzy nowe role, o których wcześniej nikt nie myślał. Bankomaty nie zlikwidowały zawodu kasjera tak szybko, jak przewidywano, ponieważ obniżyły koszt prowadzenia oddziału i pozwoliły bankom otwierać ich więcej, przesuwając pracowników ku obsłudze klienta i sprzedaży.

Dlaczego skutki są nierównomierne

Nawet jeśli w skali całej gospodarki bilans miejsc pracy okaże się neutralny lub dodatni, koszty i korzyści rozłożą się nierówno. Zawody o dużym udziale rutynowych, dających się skodyfikować zadań są bardziej narażone na presję, podczas gdy prace wymagające zręczności fizycznej w zmiennym otoczeniu, empatii lub odpowiedzialności prawnej są odporniejsze. Dla inwestora obserwującego spółki oznacza to, że wpływ AI na marże będzie zależał od struktury zatrudnienia i procesów w konkretnej firmie, a nie od ogólnego hasła „branża technologiczna”.

Mechanizm bańki wycen: jak entuzjazm odrywa się od fundamentów

Bańka spekulacyjna to stan, w którym ceny aktywów rosną głównie dlatego, że rosną, a nie dlatego, że proporcjonalnie poprawiają się ich fundamenty, czyli realne zyski i przepływy pieniężne. Wokół przełomowych technologii bańki pojawiają się szczególnie łatwo, ponieważ przyszłość jest z definicji niepewna, a niepewność daje przestrzeń dla bardzo optymistycznych założeń, których nikt nie potrafi natychmiast obalić.

Anatomia bańki dot-com

Najlepiej znanym przykładem jest bańka internetowa przełomu tysiącleci. Inwestorzy trafnie przewidzieli wtedy, że internet zmieni handel, media i komunikację, a mimo to wiele spółek straciło niemal całą wartość, gdy pękła bańka na początku dekady. Paradoks jest pouczający: teza makro była słuszna, lecz ceny wielu pojedynczych firm zakładały skalę zysków, której te firmy nigdy nie osiągnęły, albo osiągnęły je zupełnie inne przedsiębiorstwa, często założone później. Trafna diagnoza kierunku nie chroni przed stratą, jeśli zapłaci się za nią zbyt wysoką cenę.

Mechanizm napędzający taką bańkę zwykle łączy kilka elementów. Po pierwsze, pojawia się wiarygodna, ekscytująca opowieść o zmianie świata. Po drugie, łatwo dostępny kapitał i niskie stopy procentowe obniżają koszt spekulacji oraz podnoszą wyceny przyszłych, odległych zysków. Po trzecie, włącza się psychologia stadna i lęk przed pominięciem okazji, po angielsku określany skrótem FOMO. Po czwarte, narracja zaczyna sama się potwierdzać, bo rosnące kursy traktuje się jako dowód słuszności tezy, a nie jako sygnał ostrożności.

Sygnały ostrzegawcze, które warto znać

Nie istnieje niezawodny wskaźnik pękającej bańki, jednak historia rynków pokazuje pewne powtarzające się objawy nadmiernego optymizmu. Poniższa lista to narzędzie do zadawania pytań, a nie gotowa recepta ani sygnał transakcyjny.

  • Wyceny oderwane od zysków — wskaźniki takie jak cena do zysku (P/E) lub cena do sprzedaży wyraźnie i trwale przewyższają historyczne normy dla danej branży, a uzasadnia się to wyłącznie przyszłością.
  • Koncentracja indeksu — niewielka liczba spółek odpowiada za nieproporcjonalnie dużą część wzrostu całego indeksu, co zwiększa wrażliwość portfela na potknięcie kilku firm.
  • Narracja odporna na dane — słabsze wyniki tłumaczy się tym, że „rynek jeszcze nie rozumie potencjału”, a każdy sceptycyzm zbywa się argumentem, że tym razem jest inaczej.
  • Finansowanie z długu i emisji — coraz większa część inwestycji w moc obliczeniową i infrastrukturę opiera się na tanim kredycie, którego koszt może wzrosnąć.
  • Napływ niedoświadczonego kapitału — do modnego sektora masowo wchodzą inwestorzy, którzy kupują ze strachu przed pominięciem okazji, a nie na podstawie analizy.

Warto pamiętać, że każdy z tych sygnałów może utrzymywać się długo, zanim rynek zareaguje. Wyceny bywają wysokie latami, a próby przewidzenia dokładnego momentu korekty należą do najtrudniejszych zadań w inwestowaniu i zwykle kończą się niepowodzeniem.

Scenariusze rozwoju: trzy ścieżki zamiast jednej prognozy

Ponieważ nikt nie zna przyszłości, bardziej odpowiedzialne od stawiania jednej prognozy jest myślenie w kategoriach scenariuszy warunkowych. Każdy z nich opiera się na jawnych założeniach, które można później konfrontować z rzeczywistością.

Scenariusz rewolucji produktywności

Jeśli AI okaże się prawdziwą technologią ogólnego przeznaczenia, a firmy przebudują wokół niej procesy, to zgodnie z historycznym schematem po okresie inwestycji i rozczarowania powinien nastąpić trwały wzrost produktywności w wielu branżach. W takim świecie zwycięzcami bywają nie tylko dostawcy technologii, lecz także firmy, które najsprawniej ją wdrożą we własnej działalności, obniżając koszty i zwiększając skalę. Dla rynków oznaczałoby to szeroko rozłożone korzyści, a nie tylko hossę wąskiej grupy spółek.

Scenariusz bańki i bolesnej korekty

Jeśli natomiast realne zyski będą narastać wolniej, niż zakładają dzisiejsze wyceny, może dojść do korekty. Nie musi ona przekreślać technologii; podobnie jak po pęknięciu bańki internetowej sama technologia się rozwijała, a jednocześnie ceny wielu spółek dostosowały się w dół do twardych wyników. Historycznie takie korekty najmocniej uderzają w firmy o najwyższych wycenach i najbardziej zadłużone, ponieważ ich wartość opiera się na odległych, niepewnych zyskach, wrażliwych na wzrost stóp procentowych.

Scenariusz pośredni i najbardziej prawdopodobny rozkład

Najczęściej rzeczywistość układa się pomiędzy skrajnościami. Możliwe jest jednoczesne występowanie realnej rewolucji technologicznej w dłuższym horyzoncie oraz przejściowej bańki wycen w krótszym. Innymi słowy, teza makro może być trafna, a mimo to część inwestorów przepłaci za konkretne spółki. To właśnie ta kombinacja czyni temat tak trudnym: nie wystarczy mieć rację co do kierunku, trzeba jeszcze nie przepłacić i przetrwać zmienność po drodze.

Jak AI łączy się z GPW i portfelem polskiego inwestora

Warszawski parkiet ma inny profil niż giełda amerykańska; dominują na nim banki, spółki surowcowe, energetyczne, przemysłowe i handlowe, a udział czystych spółek technologicznych jest relatywnie niewielki. Nie znaczy to jednak, że temat AI jest dla polskiego inwestora abstrakcyjny. Po pierwsze, wiele portfeli zawiera ekspozycję na rynki zagraniczne poprzez fundusze i instrumenty naśladujące globalne indeksy, w których waga sektora technologicznego bywa znacząca. Po drugie, wzrost produktywności dzięki AI może pośrednio wpływać na krajowe firmy z tradycyjnych branż, które wykorzystają narzędzia do optymalizacji kosztów, logistyki czy obsługi klienta. Po trzecie, globalne nastroje wokół technologii przenoszą się na apetyt na ryzyko i na przepływy kapitału również w kierunku rynków wschodzących, do których zaliczana bywa Polska.

Co to oznacza dla inwestora

Poniższe uwagi mają charakter wyłącznie edukacyjny i nie stanowią rekomendacji ani porady inwestycyjnej; każda decyzja niesie ryzyko straty i wymaga samodzielnej analizy oraz dopasowania do własnej sytuacji. Celem jest pokazanie sposobu myślenia, a nie wskazanie, co kupić lub sprzedać.

  • Oddzielaj tezę od ceny. Nawet trafna diagnoza, że AI zmieni gospodarkę, nie mówi nic o tym, czy dana spółka jest dziś tania, czy droga. Analizuj wycenę wobec realistycznych, a nie najbardziej optymistycznych założeń o zyskach.
  • Uważaj na koncentrację. Jeśli duża część wzrostu Twojego portfela zależy od kilku modnych nazw, zmienność może okazać się większa, niż się wydaje. Dywersyfikacja to nie gwarancja zysku, lecz sposób ograniczania skutków pojedynczego błędu.
  • Myśl w horyzontach. Rozdziel pytanie o długoterminowy wpływ technologii od pytania o krótkoterminowe zachowanie kursów. Można mieć rację co do dekady i mylić się co do najbliższych kwartałów.
  • Szanuj niepewność. Skoro nikt nie zna przyszłości, unikaj stawiania całego kapitału na jeden scenariusz. Ostrożne rozłożenie ryzyka jest ważniejsze od trafienia w idealny moment.
  • Odróżniaj dostawców od użytkowników technologii. Wartość może powstawać nie tylko u producentów rozwiązań AI, ale i u firm, które sprawnie je wdrożą, obniżając koszty w tradycyjnych branżach.

Ostatecznie pytanie z tytułu, czy AI to rewolucja produktywności, czy bańka, jest źle postawione, jeśli oczekujemy jednej odpowiedzi. Historia technologii sugeruje, że najczęściej prawdziwe okazują się oba zjawiska naraz, tylko w różnych horyzontach czasowych i w różnym stopniu dla różnych spółek. Dla inwestora indywidualnego najbezpieczniejszą postawą nie jest ani ślepy entuzjazm, ani zupełne odrzucenie tematu, lecz świadome myślenie w kategoriach mechanizmów, scenariuszy i ceny, którą się płaci za nadzieję.

Materiał wyłącznie informacyjny i edukacyjny. Nie stanowi rekomendacji ani porady inwestycyjnej.Czytaj więcejZwiń

Inwestowanie wiąże się z ryzykiem utraty kapitału; decyzje podejmujesz na własną odpowiedzialność.

Czytaj dalej

Wszystkie wpisy
  1. tydzień 11–15.05
  2. sesja 12.05
  3. sesja 11.05