W ciągu ostatnich kilku tygodni dr Donald Patrick Lim wygłosił trzy przemowy z okazji uroczystego zakończenia studiów — i za każdym razem stawał wobec tego samego niewygodnego pytania: czy powinien pogratulować absolwentom, czy raczej ich przeprosić?

Pisząc w serwisie BusinessWorld, Lim przyznaje, że rocznik 2026 zasługuje na gratulacje. Ukończenie studiów pozostaje wielkim osiągnięciem, „szczególnie w kraju, w którym rodziny czynią ogromne poświęcenia, aby dać dzieciom wykształcenie”. Dodaje jednak: „Nie mogłem też pozbyć się poczucia, że przygotowaliśmy tych młodych ludzi na świat, który zaczął się zmieniać, zanim zdążyli w pełni do niego wejść”.

Nauka zawodu, która tworzyła profesjonalistów

Jak zauważa Lim, przez pokolenia istniała dość przewidywalna ścieżka wejścia do życia zawodowego: pilna nauka, dyplom, praca na stanowisku początkowym i stopniowe poznawanie zawodu. Młodzi księgowi przygotowywali raporty i uzgodnienia, młodzi prawnicy prowadzili kwerendy i przeglądali dokumenty, początkujący specjaliści marketingu tworzyli prezentacje i pisali pierwsze szkice, analitycy zbierali informacje i pracowali na arkuszach kalkulacyjnych, a młodzi programiści pisali podstawowy kod.

Te prace bywały czasem powtarzalne i nudne, ale spełniały ważną funkcję: „Właśnie tak się uczyliśmy”. Większość dzisiejszych menedżerów najwyższego szczebla pewnie pamięta z początku kariery zadania, których nigdy więcej nie chciałaby wykonywać — pisze Lim — a jednak te doświadczenia nauczyły ich, jak organizacje działają naprawdę: obserwowali szefów, uczyli się od doświadczonych kolegów, popełniali błędy, dopóki konsekwencje były jeszcze opanowalne, i stopniowo rozwijali osąd niezbędny do podejmowania większej odpowiedzialności.

Sztuczna inteligencja — argumentuje — zaczyna zaburzać ten model nauki zawodu. Wiele zadań tradycyjnie powierzanych młodym pracownikom — research, streszczenia, podstawowe analizy, prezentacje, pierwsze szkice, rutynowe kodowanie i prace administracyjne — to dokładnie te zadania, które AI potrafi już dziś wykonywać wyjątkowo dobrze, coraz częściej w kilka minut. Dla firm działających pod presją poprawy produktywności pokusa jest oczywista, ale Lim wskazuje na nieprzewidziany skutek, który zasługuje na większą uwagę.

„Jeśli zautomatyzujemy zbyt dużą część pracy tradycyjnie wykonywanej przez pracowników juniorskich, skąd mieliby czerpać doświadczenie niezbędne, aby zostać pracownikami seniorskimi?” — pyta. Jeśli firmy potrzebują dziś mniej młodych księgowych, skąd przyjdą jutrzejsi liderzy finansowi? Jeśli młodzi twórcy nie zmagają się już z pierwszymi szkicami, jak wykształcą instynkt potrzebny, by zostać dyrektorami kreatywnymi? A jeśli młodzi analitycy coraz częściej zlecają analizy maszynom, jak rozwiną osąd oczekiwany od menedżerów najwyższego szczebla?

„Możemy dziś zwiększać produktywność, nieświadomie osłabiając zaplecze przyszłych kadr kierowniczych” — ostrzega.

Ostrzeżenie Lima odbija się echem debaty toczącej się daleko poza Filipinami. Międzynarodowy Fundusz Walutowy oszacował w 2024 r., że prawie 40 procent światowego zatrudnienia jest narażone na wpływ AI, a analiza danych o zatrudnieniu w USA z 2025 r., przeprowadzona przez badaczy z Stanford Digital Economy Lab, wykazała, że zatrudnienie wśród osób w wieku dwudziestu kilku lat spadło względem starszych pracowników w zawodach najbardziej eksponowanych na AI — w tym w tworzeniu oprogramowania i obsłudze klienta, czyli dokładnie na tym polu stanowisk początkowych, o którym pisze Lim.

AI jako kwestia kapitału ludzkiego

Zarządy i prezesi — pisze Lim — muszą patrzeć na AI nie tylko jak na kwestię technologiczną lub produktywności, lecz także jak na kwestię kapitału ludzkiego. Dyskusja nie może ograniczać się do tego, ile procesów można zautomatyzować ani ile kosztów można usunąć; firmy powinny także pytać, kogo rozwijają, aby za 10 lub 20 lat prowadzić ich organizacje.

Standardowa odpowiedź — że pracownicy muszą po prostu „podnosić kwalifikacje” — jest jego zdaniem formułowana zbyt pochopnie. „Podnosić kwalifikacje — ale do czego?” Mówienie 21-letniemu absolwentowi, żeby nauczył się AI, nie jest szczególnie pomocne, gdy sama technologia zmienia się tak szybko.

Zamiast tego Lim jest przekonany, że młodzi ludzie potrzebują trzech zdolności: znajomości AI; umiejętności ludzkich, takich jak komunikacja, kreatywność, myślenie krytyczne, przywództwo i osąd; oraz — co najważniejsze — głębokiej biegłości w konkretnej dziedzinie. Przyszłość niekoniecznie będzie należeć do osoby, która zna AI najlepiej. Może należeć do księgowego, który używa AI lepiej niż inni księgowi, lekarza, który używa AI lepiej niż inni lekarze, albo marketera, który rozumie zarówno marketing, jak i AI lepiej niż inni marketerzy.

„AI jest ostatecznie mnożnikiem zdolności. To, co mnoży, wciąż ma znaczenie” — pisze.

Lim martwi się także o nowego rodzaju przepaść cyfrową. Stara przepaść oddzielała tych, którzy mieli dostęp do technologii, od tych, którzy go nie mieli; nowa, dopiero się wyłaniająca, może oddzielać tych, których AI wzmacnia, od tych, których wypiera. Osoba z solidnym wykształceniem, doświadczeniem zawodowym i dostępem do technologii może dzięki AI stać się dramatycznie bardziej produktywna, natomiast ktoś wchodzący na rynek pracy bez tych podstaw może się znaleźć w konkurencji nie tylko z innymi absolwentami, lecz także z doświadczonymi profesjonalistami wspieranymi przez coraz sprawniejsze maszyny.

Dążenia MAP do płynnej ścieżki od edukacji do zatrudnienia

Tekst zwraca też uwagę na działania, które Lim popiera w ramach Management Association of the Philippines (MAP). Z perspektywy Komitetu Edukacji MAP zatrudnialność powinna stać się wspólnym celem narodowym Department of Education, Technical Education and Skills Development Authority (TESDA) oraz Commission on Higher Education (CHED), wykraczającym poza sam program nauczania w stronę znacznie bardziej płynnego połączenia edukacji z zatrudnieniem. Pilność jest szczególnie wyraźna w kraju, którego sektor IT-BPM — jeden z największych pracodawców świeżych absolwentów, zapewniający bezpośrednio pracę ponad milionowi Filipińczyków — sam ocenia, jak AI przekształci obsługę klienta, przetwarzanie back-office i inne usługi od lat obsadzane przez pracowników na stanowiskach początkowych.

Obiecującą reformą — pisze — jest ustrukturyzowana, długoterminowa immersja w miejscu pracy przed ukończeniem studiów. MAP współpracuje z instytucjami edukacyjnymi i firmami nad ustrukturyzowanymi stażami, w których branża staje się nie tylko docelowym pracodawcą, ale współedukatorem. Zasada jest prosta: „zamiast najpierw się uczyć, a pracować uczyć się później, studenci powinni coraz częściej uczyć się w trakcie pracy i pracować w trakcie nauki”.

Ustrukturyzowany staż, potencjalnie trwający nawet rok, pozwala studentom poznać przed dyplomem, jak organizacje naprawdę działają — stykają się z prawdziwymi terminami, prawdziwymi klientami, prawdziwymi szefami i prawdziwymi problemami, rozwijając kompetencje techniczne wraz z profesjonalnymi nawykami, takimi jak praca zespołowa, komunikacja, rozwiązywanie problemów i rozeznanie zawodowe.

W erze AI nabiera to jeszcze większego znaczenia — argumentuje Lim: skoro technologia eliminuje część tradycyjnych zadań wstępnych, dzięki którym pokolenia uczyły się swoich zawodów, trzeba tworzyć nowe możliwości wcześniejszego zdobywania doświadczenia przez młodych ludzi, a celem powinno być zmniejszanie przepaści między szkołą a branżą.

Wyobraźcie sobie — pisze — że filipińscy studenci kończyliby studia nie tylko z dyplomem, ale także z solidnym doświadczeniem zawodowym. W momencie wejścia na rynek pracy rozumieliby już kulturę organizacyjną, pracowali ramię w ramię z profesjonalistami, korzystali z AI w rzeczywistych środowiskach biznesowych i wykazali zdolność wniesienia realnego wkładu. „Nie byliby po prostu absolwentami szukającymi pierwszej okazji. Byliby już młodymi profesjonalistami”.

Odpowiedzialność uczelni i biznesu

Uczelnie — przestrzega Lim — muszą zdać sobie sprawę, że umieszczenie ChatGPT w salach wykładowych nie czyni studentów gotowymi na AI. Studenci muszą umieć korzystać z AI, ale też umieć ją podawać w wątpliwość, weryfikować to, co generuje, rozpoznawać, kiedy się myli, i wiedzieć, kiedy ludzki osąd powinien przeważyć nad maszyną.

Biznes ma równie istotną odpowiedzialność — dodaje: „Jeśli AI usuwa pierwsze szczeble korporacyjnej drabiny, firmy nie mogą po prostu nakazywać młodym ludziom przeskakiwać wyżej. Branża musi pomóc zbudować nową drabinę”.

Absolwenci, do których przemawiał Lim, wchodzą na jeden z najbardziej niepewnych rynków pracy od pokoleń: część zawodów zniknie, wiele znacząco się zmieni, a pojawią się nowe profesje, których dziś nawet nie umiemy nazwać. Jego rada dla nich brzmi: nie konkurujcie ze sztuczną inteligencją i nie poprzestawajcie na roli dobrych użytkowników AI. „Zostańcie bardzo dobrzy w czymś, a potem używajcie AI, aby zwielokrotnić tę zdolność” — pisze.

Ci, którzy kierują firmami, uczelniami i instytucjami publicznymi, ponoszą własną odpowiedzialność — kontynuuje Lim: „To my wprowadzamy te technologie i dążymy do obiecanych przez nie zysków produktywności. Nie możemy świętować tych zysków, zostawiając kolejnemu pokoleniu radzenie sobie z konsekwencjami”.

Tak więc — tak, gratulacje dla rocznika 2026, konkluduje, a może także przeprosiny: „Przygotowaliśmy ich na świat, który zmienił się, zanim zdążyli w pełni do niego wejść”. Ale przeprosiny nie wystarczą. Jeśli AI usuwa pierwsze szczeble drabiny, po których wspięło się jego pokolenie, edukacja, rząd i branża muszą wspólnie zbudować nową.

„Absolwenci są gotowi wspinać się. Naszą odpowiedzialnością jest zadbać o to, by drabina wciąż istniała” — pisze Lim.

O autorze

Dr Donald Patrick Lim jest założycielem i prezesem Global AI Council Philippines oraz Blockchain Council of the Philippines, a także założycielem i przewodniczącym Cybersecurity Council, którego misją jest promowanie właściwego stosowania nowych technologii w celu napędzania rozwoju organizacji biznesowych. Obecnie pełni funkcję prezesa i dyrektora operacyjnego (COO) DITO CME Holdings Corp.