Polski rynek pracy a sztuczna inteligencja: konsekwencje prawne automatyzacji zawodów

Jak AI realnie zmienia polski rynek pracy

Podstawowe pojęcia: AI, automatyzacja, robotyzacja, systemy algorytmiczne

Sztuczna inteligencja, automatyzacja i robotyzacja często wrzucane są do jednego worka, choć z punktu widzenia prawa i praktyki rynku pracy oznaczają różne zjawiska. Sztuczna inteligencja (AI) to szeroka grupa rozwiązań informatycznych, które potrafią wykonywać zadania zwykle wymagające ludzkiej inteligencji – na przykład rozumieć język naturalny, rozpoznawać obrazy, podejmować decyzje na podstawie danych. Automatyzacja to zastępowanie powtarzalnych czynności systemami technicznymi, które nie wymagają stałej ingerencji człowieka. Robotyzacja to z kolei zastosowanie fizycznych robotów (np. w magazynie lub fabryce), często sterowanych przez systemy AI lub prostsze algorytmy.

Istotne jest również pojęcie systemów algorytmicznych. Nie każdy algorytm to AI w rozumieniu nowych regulacji unijnych – prosty skrypt filtrujący maile po słowach kluczowych najczęściej nie będzie traktowany jako system wysokiego ryzyka. Jednak z perspektywy pracownika odczucie jest podobne: jego praca, ocena czy szanse na awans zależą od kodu, który rzadko kiedy jest przejrzysty i zrozumiały. Dla prawników kluczowe staje się rozróżnienie, czy dana technologia podlega rygorom AI Act oraz czy powoduje skutki prawne lub w porównywalny sposób istotnie na nie wpływa.

Polski rynek pracy doświadcza tych zjawisk głównie poprzez import technologii z zagranicy – od globalnych platform SaaS po narzędzia generatywne. Z punktu widzenia Kodeksu pracy czy RODO mniejszą rolę gra to, czy jest to „prawdziwa AI” czy zaawansowany algorytm. Kluczowe są skutki: czy system podejmuje lub wspiera decyzje dotyczące pracownika, czy profiluje, monitoruje albo ogranicza dostęp do określonych świadczeń.

Branże w Polsce najbardziej narażone na automatyzację

Automatyzacja zawodów w Polsce nie rozkłada się równomiernie. Najszybciej zmieniają się sektory, w których zadania są powtarzalne, dobrze opisane i mocno oparte na danych. Widać to szczególnie w kilku obszarach:

• Call center i obsługa klienta – boty głosowe i chatboty potrafią przejąć znaczną część podstawowych zapytań. Ludzie coraz częściej zajmują się tylko trudniejszymi przypadkami, reklamacjami i sytuacjami konfliktowymi, a ich rozmowy są analizowane przez systemy AI pod kątem jakości, tonu głosu czy zgodności ze skryptem.
• Logistyka i magazyny – systemy optymalizujące trasy, przydział zadań kierowcom i roboty magazynowe wpływają na liczbę i rodzaj etatów. Kierowca może być śledzony co do minuty, a jego wydajność porównywana z danymi grupy. Zmienia to nie tylko organizację pracy, ale też sposób oceny i premiowania.
• Księgowość i kadry – narzędzia do automatycznego księgowania faktur, obsługi płac czy przygotowywania raportów coraz częściej zastępują proste czynności. Rola człowieka przesuwa się w stronę analizy wyjątków, interpretacji przepisów i kontaktu z klientem.
• Prawo i usługi doradcze – generatywna AI wspiera przygotowywanie projektów umów, analizę orzecznictwa, tworzenie pism. Zmniejsza zapotrzebowanie na część zadań stażystów czy młodszych prawników, a jednocześnie zwiększa presję na szybkość obsługi.
• Medycyna i diagnostyka – systemy wspomagające analizę zdjęć RTG czy badań laboratoryjnych nie zastąpią lekarza, ale mogą ograniczyć zapotrzebowanie na niektóre specjalizacje diagnostyczne lub zmienić sposób, w jaki lekarze są oceniani i rozliczani z efektywności.
• Administracja publiczna – automatyczne systemy kolejkowania spraw, inteligentne formularze, narzędzia do analizy wniosków. To wszystko wpływa na zakres obowiązków urzędników, ich odpowiedzialność oraz strukturę zatrudnienia.

W każdej z tych branż pojawia się podobny wzorzec: część stanowisk znika lub jest łączona, pojawiają się za to nowe funkcje związane z nadzorem nad systemami AI, weryfikacją ich wyników i komunikacją między technologią a klientem. Z prawnego punktu widzenia oznacza to konieczność modyfikacji opisów stanowisk, umów o pracę, regulaminów wynagradzania i zasad odpowiedzialności za błędy.

Zastąpienie pracy a jej przeprojektowanie: dwa scenariusze zmian

W debacie o wpływie sztucznej inteligencji na rynek pracy często pojawia się wizja masowych zwolnień. W praktyce polskich firm domina raczej zjawisko „przeprojektowania pracy” niż pełnego zastąpienia ludzi. System AI nie tyle „zabiera” etat, co zmienia strukturę czasu pracy, zakres czynności i wymagane kwalifikacje.

Można wyróżnić trzy scenariusze:

• Pełne zastąpienie zadania – np. automatyczne księgowanie prostych faktur, odpowiadanie na proste pytania klientów, skanowanie dokumentów. Wtedy albo znika część etatów, albo pracownicy są przenoszeni do innych zadań.
• Współpraca człowiek–AI (augmented work) – człowiek używa narzędzia AI jako wsparcia, ale wciąż ponosi odpowiedzialność za ostateczną decyzję. Przykład: lekarz wspierany systemem do analizy badań obrazowych, prawnik korzystający z AI do wstępnej analizy orzeczeń.
• Nowe role wokół AI – pojawiają się etaty analityków danych, „trenerów” modeli, osób odpowiedzialnych za zgodność systemów z regulacjami. Te funkcje wymagają innych kompetencji niż tradycyjny profil branży.

Z perspektywy prawa pracy różnica między zastąpieniem a przeprojektowaniem ma znaczenie dla trybu wprowadzania zmian. Jeśli technologia sprawia, że dotychczasowy rodzaj pracy faktycznie znika, pracodawca może powołać się na przyczyny niedotyczące pracownika. Jeśli jednak zadania tylko częściowo się zmieniają, a pracownik ma obiektywnie możliwość się dostosować (np. po krótkim szkoleniu), wypowiedzenie warunków pracy wymaga solidnej argumentacji. Tu zaczyna się pole dla sporów sądowych.

Globalne platformy, narzędzia generatywne i polski rynek pracy

Polskie firmy nie rozwijają większości stosowanych systemów AI samodzielnie. Korzystają z globalnych platform chmurowych, narzędzi generatywnych, systemów do zarządzania kadrami, oceny wydajności, rekrutacji czy obsługi klienta. Ma to kilka praktycznych konsekwencji prawnych.

Po pierwsze, łańcuch odpowiedzialności staje się wielopoziomowy. Mamy dostawcę globalnej platformy, lokalnego integratora, polskiego pracodawcę i wreszcie pojedynczego pracownika. Błąd systemu może wynikać z konfiguracji, danych treningowych, błędnej integracji lub nieprawidłowego korzystania przez użytkownika. Ustalenie, kto odpowiada za szkodę, staje się znacznie trudniejsze niż w przypadku prostych narzędzi biurowych.

Po drugie, narzędzia generatywne – od generatorów tekstu po programy do tworzenia obrazów czy kodu – przenoszą część polskiej pracy w przestrzeń globalną. Specjalista w Polsce, korzystając z AI, może obsługiwać większą liczbę zagranicznych klientów, ale też konkurencja z innych krajów staje się bardziej bezpośrednia. Powstaje pytanie, gdzie faktycznie wykonywana jest praca i jakiemu prawu pracy podlega. Dla części pracodawców granica między etatem, umową B2B a współpracą z freelancerem z innego kraju zaczyna się zacierać.

Po trzecie, globalne narzędzia często są projektowane pod inne systemy prawne. Domyślne ustawienia prywatności, mechanizmy zgód, sposób dokumentowania decyzji algorytmicznych – nie zawsze są zgodne z polskim Kodeksem pracy, RODO czy wymogami AI Act. Pracodawca, który „po prostu wdraża system z pudełka”, może więc narazić się na poważne ryzyko prawne, nawet jeśli dostawca zapewnia o jego zgodności „z przepisami”.

Znikające stanowiska i „mikrozadania” przy algorytmach

Jednym z mniej widocznych zjawisk jest rozpad tradycyjnego etatu na mikrozadania, często związane z nadzorem lub „dopieszczaniem” systemów AI. To może być ręczne oznaczanie danych treningowych, weryfikacja wyników algorytmu, korygowanie automatycznych transkrypcji, moderacja treści. Często jest to praca wykonywana na umowach cywilnoprawnych, poprzez platformy lub wręcz w formie „gig work” – bez pełnej ochrony wynikającej z prawa pracy.

Na poziomie firmy widać to tak: stanowisko „konsultant ds. obsługi klienta” zamienia się w kilka ról – część osób rozmawia z klientem, część nadzoruje boty, część przygotowuje scenariusze odpowiedzi i analizuje dane z systemu. Zdarza się, że jedna osoba formalnie ma ten sam tytuł stanowiska, ale jej codzienne zadania są zupełnie inne niż kilka lat wcześniej. Jeśli nie idzie za tym aktualizacja zakresów obowiązków i umów, dochodzi do rozjazdu między rzeczywistością a dokumentami.

Od strony prawnej pojawia się problem ukrytej pracy platformowej: osoba formalnie samozatrudniona lub wykonująca zlecenia dla platformy w praktyce pracuje w sposób podporządkowany, w ustalonych godzinach, z obowiązkiem wykonywania poleceń, a jej zadania są ściśle monitorowane przez system. To klasyczne symptomy stosunku pracy, które mogą prowadzić do jego ustalenia przez sąd. W kontekście automatyzacji zawodów jest to szczególnie widoczne przy moderacji treści, testowaniu systemów i prostych zadaniach wprowadzania danych.

Podstawy prawne: polskie i unijne ramy regulacyjne dotyczące AI na rynku pracy

Kluczowe akty prawa krajowego regulujące automatyzację pracy

Polskie prawo nie ma jeszcze jednej kompleksowej ustawy o AI w pracy. Zamiast tego stosuje się szereg istniejących przepisów, które „wchłaniają” nowe technologie. Najważniejsze filary to:

• Kodeks pracy – reguluje powstanie, trwanie i rozwiązanie stosunku pracy, obowiązki pracodawcy i pracownika, zasady równego traktowania oraz dopuszczalność monitoringu. To tu znajdują się przepisy o wypowiedzeniu umowy z przyczyn niedotyczących pracownika, o obowiązku szkoleń BHP czy o ochronie dóbr osobistych.
• RODO (ogólne rozporządzenie o ochronie danych) oraz ustawa wdrażająca – określają zasady przetwarzania danych osobowych pracowników i kandydatów, w tym profilowania i zautomatyzowanego podejmowania decyzji wywołujących skutki prawne.
• Ustawa o związkach zawodowych i ustawa o informowaniu pracowników i przeprowadzaniu z nimi konsultacji – definiują obowiązki konsultacyjne przy istotnych zmianach organizacyjnych, w tym przy wprowadzaniu nowych technologii.
• Przepisy antydyskryminacyjne – zarówno w Kodeksie pracy, jak i w ustawach szczególnych, zakazują dyskryminacji m.in. ze względu na płeć, wiek, niepełnosprawność, pochodzenie, religię. Dotyczy to również decyzji podejmowanych z użyciem algorytmów.

Automatyzacja zawodów w Polsce podlega więc tym samym regułom, co inne zmiany technologiczne: pracodawca ma obowiązek zapewnić bezpieczne i higieniczne warunki pracy, równe traktowanie, poszanowanie prywatności oraz odpowiednie informowanie i konsultacje. To, że narzędzie wykorzystuje AI, nie zwalnia go z żadnego z tych obowiązków.

Unijne ramy: AI Act, RODO i inne dyrektywy wpływające na pracę

Na poziomie Unii Europejskiej powstaje coraz bardziej spójna siatka przepisów dotyczących AI. Dla polskiego rynku pracy kluczowe są:

• AI Act – rozporządzenie o sztucznej inteligencji wprowadza klasyfikację systemów AI według poziomu ryzyka. Systemy stosowane w obszarze zatrudnienia, zarządzania pracownikami i dostępu do samozatrudnienia uznano za wysokiego ryzyka. To oznacza rygorystyczne obowiązki dostawców i użytkowników: oceny ryzyka, dokumentację, nadzór człowieka, przejrzystość i możliwość wyjaśnienia decyzji.
• RODO – oprócz ogólnych zasad (legalność, minimalizacja danych, ograniczenie celu) szczególnie ważny jest art. 22 o zautomatyzowanym podejmowaniu decyzji wywołujących skutki prawne lub w podobny sposób istotnie wpływających na osobę. Dotyczy to np. automatycznego odrzucenia kandydata lub odmowy awansu na podstawie oceny algorytmu.
• Karta praw podstawowych UE – gwarantuje m.in. prawo do poszanowania życia prywatnego, ochrony danych osobowych, równości i zakazu dyskryminacji, a także prawo do godnych warunków pracy. Stanowi tło interpretacyjne dla AI Act i RODO.
• Dyrektywa o przejrzystych i przewidywalnych warunkach pracy – wzmacnia obowiązek informowania pracownika o warunkach zatrudnienia, co nabiera znaczenia przy algorytmicznym zarządzaniu czasem pracy i zadaniami.
• Dyrektywa o pracy platformowej (projekt) – ma wprowadzić domniemanie istnienia stosunku pracy w przypadku określonych form nadzoru i kontroli przez platformy. W praktyce dotknie wielu osób wykonujących mikrozadania przy systemach AI.

Te akty działają łącznie. Przykładowo: system AI do oceny wydajności pracowników w magazynie będzie jednocześnie systemem wysokiego ryzyka w rozumieniu AI Act, narzędziem profilującym dane osobowe podlegającym RODO oraz elementem organizacji pracy regulowanym przez Kodeks pracy. Pracodawca musi więc zgrać wymagania kilku reżimów prawnych.

AI Act, choć adresowany przede wszystkim do dostawców systemów, w praktyce mocno oddziałuje także na polskich pracodawców. Jeżeli firma wdraża narzędzie do rekrutacji, planowania grafiku czy oceny efektywności, powinna wiedzieć, czy ma do czynienia z systemem wysokiego ryzyka. Od tego zależy m.in. obowiązek prowadzenia dokumentacji, testów nienastronniczości, a także zapewnienia realnej możliwości zakwestionowania decyzji algorytmu przez pracownika. Samo oświadczenie dostawcy, że „system jest zgodny z prawem unijnym”, nie wystarczy – użytkownik ponosi własną odpowiedzialność jako podmiot stosujący AI w konkretnej relacji pracowniczej.

Polskie firmy będą musiały też pogodzić się z tym, że część praktyk „optymalizacyjnych” stanie się trudniejsza lub wprost ryzykowna. Algorytmiczne przydzielanie zleceń kurierom, automatyczne blokowanie konta u kierowcy aplikacji czy odrzucanie kandydatów bez udziału człowieka – wszystko to podlega surowszym wymogom przejrzystości i kontroli. Coraz częściej konieczne będzie prowadzenie swoistego „dziennika” decyzji systemu: po to, by pracownik mógł sprawdzić, skąd wzięła się ocena i czy nie kryją się za nią błędy w danych.

Dla działów HR i kadr oznacza to zmianę codziennej rutyny. Wdrażanie systemu AI nie będzie już tylko projektem IT, ale przedsięwzięciem prawnym i organizacyjnym: z udziałem inspektora ochrony danych, specjalistów BHP, związków zawodowych i zarządu. Z czasem może się okazać, że przewagę konkurencyjną zyskają nie firmy, które najszybciej zautomatyzują procesy, lecz te, które zrobią to w sposób udokumentowany, przejrzysty i akceptowalny społecznie – co zmniejszy ryzyko sporów i sankcji.

Automatyzacja zawodów z użyciem AI nie zatrzyma się na granicach Polski, ale to właśnie krajowe i unijne prawo przesądzą, czy będzie ona kojarzona z masowymi zwolnieniami i nieprzejrzystym nadzorem, czy raczej z bezpiecznym uelastycznieniem pracy. Od jakości wdrożeń, dialogu z pracownikami i świadomości prawnej po obu stronach zależy, czy sztuczna inteligencja stanie się kolejnym źródłem konfliktów na rynku pracy, czy narzędziem, które da się wpisać w istniejące gwarancje ochrony pracownika.

Automatyzacja a stosunek pracy: powstanie, zmiana i rozwiązanie umowy

AI a rekrutacja: kiedy algorytm „zatrudnia” pracownika

Rekrutacja to pierwszy obszar, w którym narzędzia AI wchodzą wprost w decyzje o powstaniu stosunku pracy. Systemy do preselekcji CV, analizy nagrań wideo z rozmów, testów kompetencyjnych czy analizy profili w mediach społecznościowych są już oferowane także polskim firmom. Formalnie umowę nadal podpisuje człowiek, ale realny wybór kandydatów może zależeć od algorytmu.

Z punktu widzenia prawa kluczowych jest kilka zasad:

• odpowiedzialność za proces rekrutacji ponosi pracodawca, nawet jeśli korzysta z zewnętrznego systemu AI lub firmy doradczej; nie można zrzucić winy za dyskryminację na „błąd algorytmu” lub „model dostawcy”,
• obowiązek przejrzystości – kandydat powinien wiedzieć, że jego dane są analizowane automatycznie oraz jaki jest cel i podstawa prawna takiego przetwarzania; w praktyce wymaga to aktualizacji klauzul informacyjnych RODO i regulaminów rekrutacji,
• zakaz dyskryminacji – jeśli algorytm faworyzuje określone grupy (np. młodszych kandydatów, osoby z określonego regionu lub uczelni), pracodawca może ponosić odpowiedzialność jak za dyskryminujący proces prowadzony wyłącznie przez ludzi.

Przy systemach wysokiego ryzyka pojawia się dodatkowy wymóg: nadzór człowieka. Sprowadza się on nie tylko do formalnego „kliknięcia akceptacji”, ale do realnej możliwości zakwestionowania wyników algorytmu. Osoba odpowiedzialna za rekrutację powinna móc zwrócić uwagę na oczywiste błędy systemu (np. błędne rozpoznanie przerwy w zatrudnieniu) i przywrócić odrzuconego kandydata do procesu.

Przykład z praktyki: firma korzysta z narzędzia do wstępnej selekcji CV i odrzuca automatycznie wszystkie zgłoszenia, w których kandydat ma „dziury” w doświadczeniu. Wśród odrzuconych są rodzice wracający na rynek pracy po urlopie wychowawczym czy osoby po chorobie. Jeśli nikt po stronie pracodawcy nie weryfikuje automatycznych decyzji, rośnie ryzyko zarzutu pośredniej dyskryminacji.

Zmiana warunków zatrudnienia pod wpływem automatyzacji

Kiedy firma wprowadza system AI, często zmienia się nie tylko sposób wykonywania pracy, lecz także istotne elementy stosunku pracy: zakres obowiązków, miejsce lub organizacja pracy, system ocen czy premiowania. Kodeks pracy przewiduje różne ścieżki takich zmian, ale każda z nich wymaga świadomego „przełożenia” automatyzacji na język prawa pracy.

Z punktu widzenia pracodawcy trzeba odpowiedzieć na kilka pytań:

• czy wprowadzenie AI zmienia rodzaj pracy (np. z obsługi klienta na nadzór systemu), czy mieści się w już ustalonym zakresie obowiązków,
• czy algorytmiczny system planowania czasu pracy faktycznie modyfikuje rozkład czasu pracy lub miejsce wykonywania pracy i wymaga wypowiedzenia zmieniającego,
• czy nowe obowiązki (np. oznaczanie danych dla systemu, raportowanie błędów) nie powodują ukrytego zwiększenia normy pracy bez odpowiedniej rekompensaty.

Jeżeli AI staje się centralnym narzędziem pracy, a rola człowieka przesuwa się w stronę kontroli, interpretacji lub „sprzątania” po systemie, w pewnym momencie pojawia się pytanie, czy dotychczasowy opis stanowiska nie jest już fikcją. Utrzymywanie w dokumentach starego zakresu obowiązków przy radykalnej zmianie treści pracy może później utrudnić obronę przy wypowiedzeniu – pracownik może przekonywać, że w istocie wykonywał zupełnie inną pracę niż ta wpisana w umowie.

Przy szerszych projektach automatyzacji, które dotykają wielu pracowników, w grę wchodzą także regulacje o zwolnieniach grupowych i obowiązek konsultacji ze związkami zawodowymi lub przedstawicielami pracowników. Wdrożenie systemu, który przejmie część zadań całego działu, może zostać uznane za zmianę organizacji pracy wymagającą formalnych działań, a nie tylko aktualizacji oprogramowania.

AI jako przyczyna wypowiedzenia lub rozwiązania umowy

Automatyzacja zawodów często prowadzi do likwidacji etatów lub przynajmniej do ich przekształcenia. Od strony prawnej pracodawca może wskazać przyczyny niedotyczące pracownika – np. reorganizację firmy, wdrożenie nowej technologii, likwidację stanowiska – jako uzasadnienie wypowiedzenia. W tle może stać decyzja o zastąpieniu części zadań systemem AI.

Kluczowe jest wtedy:

• konkretne opisanie przyczyny w wypowiedzeniu – lakoniczne stwierdzenie o „optymalizacji procesów” może być niewystarczające, gdy wypowiedzenie trafi do sądu pracy,
• spójność decyzji kadrowych – jeśli firma twierdzi, że likwiduje stanowisko z powodu automatyzacji, a po kilku miesiącach zatrudnia kogoś na podobnym stanowisku lub zleca te same czynności zewnętrznej firmie, powstaje pole do sporu,
• zbadanie możliwości przekwalifikowania lub przeniesienia – sądy oczekują, że przed wypowiedzeniem z przyczyn organizacyjnych pracodawca rozważy realne alternatywy, np. inne stanowisko czy dodatkowe szkolenia.

Systemy AI mogą także pośrednio wpływać na rozwiązanie umowy z winy pracownika. Oceny wydajności generowane przez algorytmy, raporty z systemów monitoringu czy statystyki błędów często stają się podstawą zarzutów o nienależyte wykonywanie obowiązków. Problem pojawia się wtedy, gdy pracodawca polega wyłącznie na danych z systemu, bez sprawdzenia ich poprawności i kontekstu (awarie, błędne przypisanie zadań, braki w szkoleniu).

W praktyce sądowej coraz ważniejsze będzie, czy pracodawca potrafi:

• wyjaśnić, jak działał system, który wygenerował ocenę,
• udowodnić, że pracownik miał jasne zasady oceniania (np. znał kryteria algorytmu, wiedział, że określone wskaźniki wpływają na premię lub ryzyko wypowiedzenia),
• pokazać, że miał miejsce udział człowieka w podejmowaniu decyzji kadrowej, a system stanowił tylko narzędzie pomocnicze.

Odpowiedzialność za błędy i szkody wywołane przez systemy AI w pracy

Kto odpowiada za decyzje „podpowiedziane” przez algorytm

W miejscu pracy systemy AI rzadko działają całkowicie autonomicznie. Najczęściej „podpowiadają” decyzje: sugerują ocenę pracownika, planują grafik, wyliczają prowizję, wskazują błąd w dokumentach. Formalna decyzja zapada po stronie człowieka – przełożonego, działu HR, księgowości. To właśnie ten „człowiek w pętli” oraz jego pracodawca są głównymi adresatami odpowiedzialności.

W prawie pracy i cywilnym obowiązuje dość prosty punkt wyjścia: pracodawca odpowiada za szkody wyrządzone przez pracownika przy wykonywaniu obowiązków, a w relacji wewnętrznej może dochodzić roszczeń regresowych wobec pracownika na zasadach określonych w Kodeksie pracy. Pojawienie się AI nie wyłącza tej konstrukcji – algorytm nie jest osobnym podmiotem prawa, lecz narzędziem używanym przez człowieka.

Kiedy więc system błędnie obliczy wynagrodzenie, niesłusznie obniży premię lub spowoduje nieprawidłową ocenę pracy, pierwszym adresatem roszczeń będzie pracodawca. Może on następnie dochodzić odpowiedzialności od:

• dostawcy systemu – na podstawie umowy (np. niewykonanie lub nienależyte wykonanie usług, brak zgodności z dokumentacją, wady oprogramowania),
• własnych pracowników – jeśli szkoda była skutkiem rażącego niedbalstwa w obsłudze systemu (np. oczywistego ignorowania komunikatów o błędzie).

AI Act dołoży do tego jeszcze wymogi prowadzenia dokumentacji i logów działania systemu, które w sporach sądowych będą pełnić rolę dowodową. Brak takiej dokumentacji może obrócić się przeciwko pracodawcy – sąd może uznać, że skoro strona mająca dostęp do systemu nie potrafi wykazać, jak działał, to należy przyjąć wersję pracownika co do skutków błędu.

Błędy AI w decyzjach personalnych a roszczenia pracowników

Jeśli system AI przyczyni się do niekorzystnej decyzji pracowniczej, wachlarz potencjalnych roszczeń jest szeroki. W grę wchodzą m.in.:

• przywrócenie do pracy lub odszkodowanie za nieuzasadnione lub bezprawne wypowiedzenie,
• odszkodowanie z tytułu dyskryminacji – gdy algorytmiczny system premiowania, awansowania lub redukcji etatów okaże się uprzywilejowywać określone grupy,
• roszczenia z tytułu naruszenia dóbr osobistych – np. gdy profilowanie prowadzi do nieuzasadnionego napiętnowania pracownika jako „niewydajnego”, a informacje tego rodzaju są rozgłaszane w firmie.

W takich sporach szczególnego znaczenia nabierze prawo do uzyskania wyjaśnień. Pracownik powinien móc dowiedzieć się, jakie dane wejściowe zostały użyte, które wskaźniki zdecydowały o ocenie, czy system był testowany pod kątem błędów. Ograniczenie się do odpowiedzi: „tak wyszło z algorytmu, nie wiemy dokładnie dlaczego” może zostać odebrane przez sąd jako naruszenie obowiązku współdziałania i transparentności.

Jeśli pracownik wykaże, że jego dane były błędne (np. system przypisał mu cudze błędy, zsumował niewłaściwe godziny, nie uwzględnił urlopu), a pracodawca nie zapewnił procedur weryfikacji i korekty, szanse na wygraną po stronie pracownika rosną. Tu znów: technologia nie zmienia ogólnej zasady, że to pracodawca odpowiada za jakość organizacji pracy i systemu ocen.

Odpowiedzialność za szkody wobec osób trzecich

Systemy AI wykorzystywane przez pracowników mogą wyrządzać szkody także osobom spoza firmy – klientom, pacjentom, kontrahentom. Przykładów jest wiele: błędne rekomendacje medyczne, wadliwe decyzje kredytowe, nieprawidłowa wycena usługi. W tle mogą działać systemy wspomagające, które „podpowiadają” pracownikowi rozwiązanie, a ten polega na nich niemal w 100%.

Podstawowa zasada odpowiedzialności jest podobna: adresatem roszczeń jest pracodawca jako podmiot, który zorganizował sposób świadczenia usług. To on decyduje, czy i w jakim zakresie pracownicy mają korzystać z AI, jakie otrzymują szkolenie, jakie mają procedury kontroli. Potem może próbować przerzucić część odpowiedzialności na dostawcę systemu (w oparciu o umowę) lub – w skrajnych przypadkach – na pracownika.

W relacji pracodawca–dostawca istotne stają się klauzule dotyczące:

• zakresu odpowiedzialności dostawcy za błędy systemu oraz ewentualnych limitów odszkodowań,
• wymagań zgodności z prawem (RODO, AI Act, branżowe regulacje),
• obowiązków aktualizacji i łatania błędów – brak szybkich poprawek może zwiększać ryzyko powtarzających się szkód.

Coraz częściej w kontraktach IT pojawiają się zapisy dotyczące „algorytmicznej sprawiedliwości” – dostawca oświadcza, że system został przetestowany pod kątem stronniczości. Dla pracodawcy kluczowe jest, by takie oświadczenie nie pozostało pustym hasłem marketingowym, lecz wiązało się z konkretnymi obowiązkami (np. dostarczeniem raportów z testów, wsparciem przy audycie).

AI a wypadki przy pracy i BHP

W sektorach przemysłowych, logistycznych czy budowlanych systemy AI decydują o działaniu maszyn, ruchu pojazdów, tempie pracy na linii produkcyjnej. Błędne decyzje lub źle zaprojektowane interfejsy mogą prowadzić do wypadków przy pracy. Z prawnego punktu widzenia nie ma tu „luki AI”: obowiązują klasyczne przepisy BHP.

Pracodawca ma więc obowiązek:

• uwzględnić system AI w ocenie ryzyka zawodowego – np. przeanalizować, co się stanie, gdy system błędnie rozpozna przeszkodę lub przyspieszy pracę linii,
• zapewnić szkolenie uwzględniające specyfikę współpracy człowiek–maszyna, a nie tylko ogólne zasady BHP,
• zaplanować procedury awaryjne – w jaki sposób pracownik może zatrzymać system, zgłosić błąd, jak szybko reaguje serwis.

Jeśli dojdzie do wypadku spowodowanego nieprawidłowym działaniem systemu AI, dochodzenie powypadkowe powinno objąć nie tylko zachowanie pracownika, lecz także projekt i konfigurację systemu. W praktyce oznacza to współpracę zespołu BHP z działem IT oraz dostawcą technologii. Brak takiej analizy może prowadzić do wniosku, że pracodawca nie dopełnił obowiązku zapewnienia bezpiecznych warunków pracy.

Coraz większą rolę odgrywają też systemy „noszone” – egzoszkielety, inteligentne kamizelki, okulary AR wspierające montaż czy kompletację towarów. Z jednej strony ograniczają obciążenia fizyczne, z drugiej – mogą prowokować do niebezpiecznego przyspieszania pracy lub wykonywania zadań ponad siły, „bo sprzęt pomoże”. W dokumentacji BHP trzeba więc opisać nie tylko techniczne parametry urządzeń, ale również ryzyka psychospołeczne: presję wyniku, zmęczenie, możliwość uzależnienia od podpowiedzi systemu.

Jeśli dojdzie do ciężkiego wypadku, w grę wchodzą nie tylko odszkodowania z ubezpieczenia wypadkowego, ale także ewentualna odpowiedzialność karna osób odpowiedzialnych za bezpieczeństwo pracy. Prokurator, biegli i inspektor PIP będą pytać o to, czy pracodawca miał świadomość specyfiki danego systemu AI, czy przeprowadził testy w warunkach zbliżonych do realnych oraz czy reagował na wcześniejsze sygnały o nieprawidłowościach. Brak procedur lub ich „papierowy” charakter może zostać oceniony jako niedbalstwo.

Ryzyko można zmniejszać na kilka prostych, choć wymagających konsekwencji sposobów: włączając pracowników w ocenę nowych rozwiązań (pilotaże, konsultacje), organizując krótkie, ale powtarzalne szkolenia z obsługi systemu i reagowania na awarie, prowadząc rejestr incydentów związanych z AI. Dobrze działa też zasada, że przy podejmowaniu decyzji o wdrożeniu nowego narzędzia przy jednym stole siadają: BHP-owiec, dział IT, prawnik i przedstawiciele załogi. Każdy z nich widzi inne ryzyka.

Prywatność, monitoring i profilowanie pracowników przez sztuczną inteligencję

Algorytmy coraz częściej „patrzą pracownikom na ręce”: analizują logi z systemów, nagrania z kamer, dane z aplikacji służbowych, a nawet ruch myszki czy czas bezczynności. Taka analiza może pomóc wychwycić nadużycia albo usprawnić organizację pracy, ale bardzo łatwo zamienić ją w cyfrową inwigilację. Granice wyznaczają przede wszystkim Kodeks pracy i RODO, a niedługo także AI Act.

Polskie przepisy dopuszczają monitoring wizyjny, poczty elektronicznej czy lokalizacji, ale tylko w jasno określonych celach: bezpieczeństwo, ochrona mienia, kontrola organizacji pracy. Zastosowanie narzędzia AI nie tworzy nowej podstawy prawnej. Jeśli firma chce używać systemu, który automatycznie analizuje nagrania z kamer i „wyłapuje” rzekomo niepracujących pracowników, musi spełnić te same warunki, co przy zwykłym monitoringu: poinformować załogę, opisać cele, czas przechowywania danych i zakres kontroli.

Profilowanie – czyli łączenie wielu informacji o pracowniku w obraz jego zachowań, wydajności lub „ryzyka nadużyć” – jest jeszcze bardziej wrażliwe. Tu pojawia się ryzyko tworzenia ukrytych „czarnych list” osób postrzeganych jako konfliktowe, mało wydajne czy „nielojalne”. Taka praktyka może naruszać zasadę minimalizacji danych, godność pracownika oraz zakaz dyskryminacji, zwłaszcza gdy algorytm opiera się na pośrednich wskaźnikach, np. częstotliwości przerw, liczbie zwolnień lekarskich czy stylu komunikacji w mailach.

RODO wymaga, by pracownik znał co najmniej główne założenia profilowania: jakie kategorie danych są analizowane, w jakim celu i jakie mogą mieć konsekwencje. Jeśli na tej podstawie podejmowane są ważne decyzje – o awansie, premii, zmianie stanowiska – pracownik ma prawo sprzeciwić się takiemu przetwarzaniu, domagać się interwencji człowieka oraz zakwestionować wynik. Firmy, które ignorują te obowiązki i zasłaniają się „tajemnicą algorytmu”, zwiększają ryzyko sankcji od UODO i przegranych sporów w sądzie pracy.

Przy systemach analizujących zachowania czy wydajność szczególnego znaczenia nabiera zasada przejrzystości. Samo ogólne zdanie w klauzuli informacyjnej, że „dane są przetwarzane w celu optymalizacji procesów”, nie wystarczy. Trzeba wprost powiedzieć, czy firma korzysta np. z narzędzia oceniającego aktywność przy komputerze, jak długo przechowuje wyniki i czy mają one wpływ na premie lub oceny okresowe. Pracownik nie musi znać kodu źródłowego, ale powinien rozumieć mechanikę działania systemu na tyle, by móc świadomie ocenić ryzyko dla swojej prywatności.

Pracodawca, który poważnie traktuje zarówno prawo, jak i zaufanie w zespole, wdrażając narzędzia AI do monitoringu, zaczyna od audytu: jakie dane już zbiera, które są naprawdę potrzebne i co się dzieje z nimi dalej. Dobrą praktyką jest też ograniczanie zakresu informacji widocznych dla przełożonych – zamiast surowych logów z każdego kliknięcia, menedżer dostaje np. zagregowane wskaźniki na poziomie zespołu. Im mniejszy poziom szczegółowości danych o pojedynczej osobie, tym mniejsze ryzyko nadużyć i niezamierzonej stygmatyzacji.

Coraz częściej pojawia się też pytanie o dane z urządzeń noszonych – opasek mierzących tętno, czujników lokalizacji czy aplikacji śledzących aktywność fizyczną. Tego typu rozwiązania mogą realnie poprawiać bezpieczeństwo (lokalizacja górników pod ziemią, wezwanie pomocy po upadku), ale łatwo przekroczyć granicę i zacząć analizować „styl życia” pracownika. Dane o zdrowiu podlegają szczególnej ochronie, więc ich przetwarzanie w kontekście pracy wymaga wyjątkowej ostrożności, jasnej podstawy prawnej i, co do zasady, dobrowolnej zgody – bez ukrytej presji w stylu „kto nie zainstaluje aplikacji, ten nie dostanie benefitu”.

Na przyszłość istotne będą także krajowe i unijne wytyczne dotyczące tzw. wysokiego ryzyka systemów AI używanych w obszarze zatrudnienia. AI Act przewiduje m.in. obowiązek prowadzenia dokumentacji, testów pod kątem stronniczości oraz zapewnienia nadzoru człowieka nad kluczowymi decyzjami. W praktyce może to oznaczać, że firmy korzystające z zaawansowanych narzędzi do selekcji CV, oceny wyników pracy czy planowania zwolnień będą musiały szczegółowo wykazać, że ich systemy nie dyskryminują określonych grup i że zawsze jest ktoś, kto potrafi zakwestionować wynik algorytmu.

Automatyzacja pracy z użyciem sztucznej inteligencji nie unieważnia klasycznych reguł prawa pracy, odpowiedzialności cywilnej czy ochrony danych, ale wystawia je na nowe próby. Im szybciej pracodawcy, prawnicy i pracownicy nauczą się traktować AI nie jako „magicznego” decydenta, lecz jako narzędzie działające w jasno opisanych ramach, tym mniejsze będzie ryzyko kosztownych sporów i tym większa szansa, że technologia stanie się realnym wsparciem, a nie źródłem chaosu i poczucia niesprawiedliwości.

Udział związków zawodowych i przedstawicieli pracowników we wdrażaniu AI

Automatyzacja z użyciem sztucznej inteligencji bardzo rzadko jest wyłącznie „techniczną modernizacją”. Zwykle oznacza zmianę organizacji pracy, zakresu obowiązków i realnego wpływu pracowników na procesy. To obszar, w którym aktywują się nie tylko prawnicy, lecz także związki zawodowe i rady pracowników. Prawo nie przyznaje im „prawa weta” wobec każdego wdrożenia AI, ale daje sporo narzędzi, by nie dowiadywali się o zmianach z dnia na dzień.

Jeżeli u pracodawcy działa zakładowa organizacja związkowa, w przypadku istotnych zmian dotyczących warunków pracy i płacy pracodawca ma obowiązek ją konsultować. Dotyczy to m.in. wprowadzania nowych regulaminów pracy, systemów ocen, zasad premiowania czy reorganizacji stanowisk związanej z automatyzacją. Jeżeli system AI w praktyce decyduje o przydziale zadań, tempie pracy lub kryteriach premii, trudno obronić tezę, że nie jest to „istotna zmiana”.

Również tam, gdzie działają rady pracowników, wdrożenie zaawansowanych systemów automatyzujących zadania czy monitorujących efektywność powinno być przedmiotem informowania i konsultacji. Dotyczy to zwłaszcza sytuacji, gdy:

• AI ma realnie wpływać na liczbę etatów lub strukturę stanowisk,
• zmienia się sposób oceny pracy (np. wprowadzenie automatycznego scoringu efektywności),
• powstają nowe zasady monitoringu i raportowania, od których zależą premie lub awanse.

W praktyce najrozsądniej sprawdza się model, w którym związki lub rada pracowników biorą udział już na etapie pilotażu: mogą wskazać, które wskaźniki są oderwane od realiów, gdzie algorytm „karze” osoby chorujące albo tych, którzy wykonują trudniejsze zadania, a nie tylko najłatwiejsze i najszybsze.

Jeśli pracodawca całkowicie pomija tę ścieżkę i narzuca system z dnia na dzień, ryzykuje nie tylko konflikt, ale też zarzut naruszenia obowiązków konsultacyjnych – co w sporze sądowym może działać na jego niekorzyść, zwłaszcza gdy AI była pretekstem do redukcji zatrudnienia.

AI w rekrutacji i awansach – dyskryminacja i przejrzystość

Systemy do automatycznej selekcji CV, analizy nagrań wideo z rozmów kwalifikacyjnych czy oceny „potencjału przywódczego” kandydatów stają się coraz bardziej dostępne. Część z nich deklaruje, że „usuwa uprzedzenia” i „zapewnia obiektywną ocenę”, ale rzeczywistość jest bardziej skomplikowana. Algorytm uczy się na danych z przeszłości – jeżeli firma dotąd awansowała głównie mężczyzn po 40. roku życia w określonej branży, system może powielać ten wzorzec, uznając go za „profil sukcesu”.

Polskie prawo pracy i przepisy antydyskryminacyjne nie robią wyjątku dla AI. To, że odrzucenie kandydata nastąpiło z powodu działania algorytmu, nie zwalnia pracodawcy z odpowiedzialności za dyskryminację ze względu na płeć, wiek, niepełnosprawność czy pochodzenie etniczne. Jeżeli kandydat wykaże, że znajduje się w porównywalnej sytuacji do innych osób, a mimo to konsekwentnie przegrywa na którymś etapie „zautomatyzowanego sita”, ciężar dowodu przechodzi na pracodawcę.

W praktyce oznacza to, że firma stosująca AI w rekrutacji powinna:

• mieć udokumentowane kryteria selekcji i jasny opis roli systemu (co robi algorytm, a co człowiek),
• okresowo analizować wyniki pod kątem tego, czy nie faworyzuje lub nie wyklucza określonych grup (np. kobiet wracających z urlopu macierzyńskiego),
• zapewnić realną interwencję człowieka tam, gdzie decyzja ma poważne konsekwencje – np. odrzucenie kandydata na wczesnym etapie może być zautomatyzowane, ale końcowa decyzja o zatrudnieniu powinna zostać przeanalizowana przez rekrutera.

Ciekawym wyzwaniem jest także prawo do wyjaśnienia. Kandydat, który pyta, dlaczego jego aplikacja została odrzucona, nie musi dostać dostępu do kodu źródłowego, ale pracodawca powinien umieć wskazać ogólne kryteria – np. wymagane doświadczenie, kompetencje, wyniki zadań rekrutacyjnych. Odpowiedź w stylu: „tak zadecydował system” będzie coraz trudniejsza do obrony, zwłaszcza w świetle AI Act, który naciska na przejrzystość w systemach wysokiego ryzyka stosowanych w obszarze zatrudnienia.

Podobny problem dotyczy awansów i ścieżek karier. Jeżeli firma opiera się na narzędziu, które z danych o wynikach sprzedaży, nieobecnościach i ocenach 360 buduje ranking „najbardziej perspektywicznych liderów”, musi liczyć się z obowiązkiem wykazania, że sposób działania systemu nie prowadzi do wykluczania np. rodziców małych dzieci, osób z niepełnosprawnościami czy tych, którzy pracują w mniej „eksponowanych” działach.

Szkolenia, przekwalifikowanie i obowiązek dbałości o rozwój zawodowy

Automatyzacja zawodów często kojarzy się z redukcją etatów, ale prawo pracy akcentuje też inny aspekt: obowiązek pracodawcy dbania o podnoszenie kwalifikacji pracowników. Jeżeli firma masowo wdraża systemy AI, które zmieniają sposób wykonywania pracy, nie może ograniczyć się do jednorazowego „pokazu” narzędzia.

Przy poważniejszych transformacjach organizacyjnych – np. wprowadzeniu zintegrowanego systemu zarządzania produkcją, który przejmuje większość zadań planistycznych – pojawia się pytanie, czy pracodawca zaoferował:

• konkretne szkolenia z obsługi nowych narzędzi i rozumienia ich ograniczeń,
• możliwości przekwalifikowania osób, których dotychczasowe stanowiska ulegają wygaszeniu,
• realne ścieżki przejścia na inne role – np. z prostego wprowadzania danych do nadzoru nad jakością danych czy wsparcia użytkowników.

Pracownik, który sprzeciwi się zmianie warunków pracy polegającej na przejściu w całości na pracę z systemem AI, nie jest automatycznie „winny” rozwiązania umowy. W sporach przed sądem pracy coraz częściej analizuje się, czy pracodawca rzeczywiście podjął starania, aby umożliwić adaptację – czy jedynie posłużył się automatyzacją jako wygodnym powodem do rozstania.

W sektorach mocno dotkniętych automatyzacją (np. logistyka, prosta obsługa klienta) duże znaczenie zyskują też programy outplacementowe – wsparcie zwalnianych pracowników w znalezieniu nowej pracy, w tym z wykorzystaniem publicznych narzędzi rynku pracy. Państwowe służby zatrudnienia coraz częściej mają w ofercie szkolenia związane z obsługą narzędzi cyfrowych i podstawami pracy z AI, co może być ważnym uzupełnieniem firmowych programów przekwalifikowania.

Dialog społeczny i rola państwa w łagodzeniu skutków automatyzacji

Na poziomie makroekonomicznym automatyzacja oznacza, że część zawodów się kurczy, inne powstają, a większość ulega przeobrażeniu. Prawo pracy i prawo socjalne reagują na to nie tylko poprzez regulacje techniczne, ale też poprzez mechanizmy dialogu społecznego i polityki rynku pracy.

Trójstronna Komisja do Spraw Społeczno-Gospodarczych czy branżowe zespoły problemowe w Radzie Dialogu Społecznego są miejscem, gdzie organizacje pracodawców, związki zawodowe i rząd uzgadniają kierunki zmian, w tym również w obszarach dotkniętych automatyzacją. Uzgadnianie standardów stosowania AI może skutkować np. wypracowaniem branżowych kodeksów dobrych praktyk dla transportu, handlu czy sektora finansowego.

Państwo posiada też instrumenty finansowe – od środków krajowych po fundusze unijne – które mogą być kierowane na programy przekwalifikowania, kształcenia ustawicznego i wsparcia innowacji. Ustawa o promocji zatrudnienia i instytucjach rynku pracy przewiduje m.in. szkolenia i bony szkoleniowe, a także dofinansowania dla pracodawców inwestujących w kompetencje swoich pracowników. W kontekście AI może to oznaczać np. dopłaty do kursów z analizy danych, obsługi systemów automatyzujących procesy czy podstaw cyberbezpieczeństwa.

Na europejskim poziomie trwają dyskusje o tym, jak łączyć ambicje cyfrowe (Europejska Dekada Cyfrowa) z ochroną pracowników zagrożonych automatyzacją. Pojawiają się pomysły tworzenia specjalnych funduszy dla regionów, w których robotyzacja może szczególnie uderzyć w tradycyjny przemysł lub usługi. Tego typu narzędzia będą kluczowe dla polskich regionów silnie uzależnionych od jednej gałęzi gospodarki, np. górnictwa czy przemysłu motoryzacyjnego.

AI w sektorze publicznym – specyfika prawa urzędniczego

Choć dyskusja o automatyzacji najczęściej dotyczy firm prywatnych, coraz więcej narzędzi AI trafia do administracji – od automatycznego rozpoznawania dokumentów po systemy wspierające decyzje w postępowaniach administracyjnych. Urzędnicy też są pracownikami, ale obejmują ich dodatkowe regulacje: ustawa o służbie cywilnej, pragmatyki służbowe czy przepisy o odpowiedzialności dyscyplinarnej.

Jeżeli urząd wprowadza system, który automatycznie kwalifikuje wnioski obywateli, tworząc np. rekomendacje „odmowa” lub „przyznanie świadczenia”, zmienia to zakres odpowiedzialności urzędnika. Formalnie decyzję nadal podejmuje człowiek, ale w praktyce odchylenie od rekomendacji algorytmu może wymagać dodatkowego uzasadnienia albo bywa źle widziane przez przełożonych. W takich warunkach realna samodzielność zawodowa może ulec ograniczeniu.

Z perspektywy prawa pracy istotne jest zapewnienie, by:

• szkolenia z obsługi narzędzi AI były obowiązkowe i rzetelne, nie tylko w formie e-learningu „do kliknięcia”,
• systemy nie były wykorzystywane do ukrytego mierzenia wydajności w sposób sprzeczny z przepisami o czasie pracy i nadgodzinach,
• zasady korzystania z AI znalazły odzwierciedlenie w regulaminach pracy, regulaminach organizacyjnych i zakresach obowiązków.

W administracji szczególnego znaczenia nabiera zasada jawności działania organów publicznych. Jeżeli system AI realnie wpływa na przebieg postępowania czy sposób obsługi obywatela, pracownicy i obywatele powinni wiedzieć, jakie pełni funkcje, jakie ma ograniczenia i jak można zakwestionować wynik jego rekomendacji.

Między elastycznością a stabilnością – umowy cywilnoprawne i platformy cyfrowe

Automatyzacja z udziałem AI nie dotyczy wyłącznie etatów. Ogromna część zleceń realizowana jest na podstawie umów cywilnoprawnych – zwłaszcza w sektorze tzw. gospodarki platformowej: kurierzy, kierowcy, mikro-zlecenia wykonywane online. Tutaj systemy algorytmiczne często decydują o tym, które zlecenie dostanie dany wykonawca, jak będzie oceniany i czy nadal będzie dopuszczany do pracy.

Sądy w Polsce i w innych krajach UE coraz częściej analizują, czy taka algorytmiczna kontrola nie oznacza w praktyce stosunku pracy – mimo nazwania umowy „zleceniem” czy „współpracą B2B”. Jeżeli platforma w całości decyduje o cenach, przydziale zadań, karach i nagrodach, a wykonawca ma ograniczoną możliwość odmowy, może się okazać, że występują typowe cechy podporządkowania pracowniczego.

W polskim porządku prawnym kluczowa pozostaje definicja stosunku pracy z Kodeksu pracy: wykonywanie pracy określonego rodzaju na rzecz pracodawcy i pod jego kierownictwem, w miejscu i czasie przez niego wyznaczonym, za wynagrodzeniem. Algorytm nie wyłącza tej definicji – może być po prostu „dzisiejszym kierownikiem”, który zamiast bezpośrednich poleceń szefa wydaje zlecenia poprzez aplikację. Jeżeli sąd uzna, że w rzeczywistości mamy do czynienia z etatem, może dojść do przekwalifikowania umowy oraz zasądzenia zaległych świadczeń pracowniczych.

Planowana dyrektywa UE o pracy platformowej, nad którą trwają prace, przewiduje domniemanie istnienia stosunku pracy, jeśli spełnione są określone przesłanki dotyczące kontroli i nadzoru nad wykonawcą przez platformę. Choć szczegóły jeszcze się kształtują, kierunek jest jasny: sama techniczna forma nadzoru (aplikacja, algorytm) nie może służyć obchodzeniu prawa pracy.

Praktyczne wskazówki compliance dla pracodawców stosujących AI

Firmy wdrażające AI w obszarze zatrudnienia coraz częściej tworzą wewnętrzne polityki i procedury, które mają z jednej strony usprawnić wykorzystanie technologii, z drugiej – ograniczyć ryzyko prawne. Nie chodzi tylko o „zaszycie” nowych zapisów w politykach prywatności, ale o całościowe podejście do tego, jak systemy są wybierane, wdrażane i nadzorowane.

W praktyce sprawdzają się zwłaszcza następujące elementy:

• Rejestr systemów AI używanych w obszarze HR i organizacji pracy, z opisem ich funkcji, dostawcy, podstawy prawnej przetwarzania danych oraz wpływu na decyzje personalne.
• Oceny skutków dla ochrony danych (DPIA) tam, gdzie systemy analizują duże ilości danych osobowych lub dokonują profilowania o istotnych konsekwencjach dla zatrudnionych.
• Procedury eskalacji i „human-in-the-loop”, czyli jasne zasady, kiedy i w jaki sposób człowiek musi zweryfikować lub może zmienić decyzję podjętą albo zaproponowaną przez system AI.
• Polityka jakości danych, obejmująca m.in. okresowe przeglądy źródeł danych, eliminowanie oczywistych błędów oraz analizę, czy dane historyczne nie utrwalają dawnych, dyskryminujących praktyk rekrutacyjnych lub płacowych.
• Szkolenia dla HR, menedżerów i działu prawnego z praktycznego korzystania z narzędzi AI, ze szczególnym naciskiem na rozumienie ograniczeń technologii, ryzyk prawnych i sposobów reagowania na zgłoszenia pracowników.
• Mechanizmy zgłaszania nieprawidłowości (whistleblowing) dotyczących użycia AI – w tym anonimowe kanały, w których pracownik może wskazać np. błędne profilowanie, nieprawidłowe rozliczanie czasu pracy czy dyskryminujące działanie algorytmu.

Nie wszystkie rozwiązania muszą być od razu rozbudowanymi programami compliance. W wielu firmach pierwszym krokiem jest po prostu inwentaryzacja tego, co już działa „w tle” – moduły scoringu kandydatów w systemach rekrutacyjnych, algorytmiczne planowanie grafików czy automatyczne analizy efektywności sprzedaży. Dopiero widząc pełny obraz, można nadać priorytety: gdzie ryzyko dla praw pracowników jest największe, a gdzie wystarczy doprecyzowanie regulaminu lub klauzul informacyjnych.

Dobrą praktyką jest łączenie specjalistów IT, HR i prawników przy projektowaniu nowych wdrożeń. Zespół techniczny rozumie ograniczenia systemu, HR zna realia pracy i oczekiwania zatrudnionych, a dział prawny potrafi przełożyć wymogi RODO, Kodeksu pracy czy nadchodzącego AI Act na konkretne zapisy i procedury. W jednym z polskich banków wprowadzenie takiego „trójkąta” współpracy przy wdrażaniu systemu oceny ryzyka kadrowego pozwoliło zrezygnować z kilku najbardziej inwazyjnych funkcji jeszcze przed startem pilotażu.

Pracownicy zyskują większe zaufanie do systemów AI, gdy widzą, że nie są one „czarną skrzynką” narzuconą odgórnie. Proste elementy transparentności – krótkie prezentacje, wewnętrzne Q&A, możliwość zadawania pytań i zgłaszania zastrzeżeń – często działają lepiej niż najbardziej rozbudowane, ale martwe procedury. Z perspektywy ryzyka prawnego ta miękka warstwa komunikacji jest równie ważna, jak formalne regulaminy.

Sztuczna inteligencja nie znosi przepisów prawa pracy, tylko testuje ich granice. Od tego, jak polskie firmy, administracja i ustawodawca poradzą sobie z tym testem, zależy, czy automatyzacja stanie się źródłem długotrwałego konfliktu społecznego, czy raczej narzędziem stopniowej modernizacji rynku pracy – z poszanowaniem godności, bezpieczeństwa i podmiotowości ludzi, którzy na tym rynku pracują.

Kluczowe Wnioski

• Sztuczna inteligencja, automatyzacja, robotyzacja i systemy algorytmiczne to różne zjawiska, ale z perspektywy pracownika łączy je jedno: decyzje o jego pracy, ocenie czy premii coraz częściej zapadają na podstawie nieprzejrzystego kodu.
• Na polskim rynku pracy kluczowe jest nie to, czy rozwiązanie jest „prawdziwą AI”, lecz jego skutki prawne – czy system profiluje, monitoruje, wpływa na dostęp do świadczeń albo współdecyduje o zatrudnieniu, co uruchamia rygory Kodeksu pracy, RODO i AI Act.
• Najmocniej automatyzacja uderza w branże o powtarzalnych, dobrze opisanych zadaniach (call center, logistyka, księgowość, kadry, administracja), a w zawodach eksperckich (prawo, medycyna) raczej zmienia strukturę pracy niż całkowicie ją zastępuje.
• W wielu sektorach znika część prostszych stanowisk, ale rosną potrzeby na nowe role: osoby nadzorujące systemy AI, weryfikujące ich wyniki i tłumaczące „język maszyn” na język klienta czy przełożonych.
• Dominującym zjawiskiem jest przeprojektowanie pracy, a nie masowe zwolnienia: system AI przejmuje wybrane zadania (np. księgowanie prostych faktur), a ludzie zajmują się wyjątkami, interpretacją przepisów i pracą z klientem.
• Różnica między całkowitym zastąpieniem pracy a zmianą jej treści ma bezpośrednie konsekwencje prawne – od tego zależy, czy pracodawca może powołać się na przyczyny niedotyczące pracownika, czy musi bronić wypowiedzenia warunków pracy i płacy.