Planowanie zespołów z AI musi teraz odpowiedzieć na praktyczne pytanie: jak liderzy powinni przeprojektować zasoby, nadzór i rozwój osób na początku kariery, gdy agenty mogą wytworzyć znacznie więcej pracy, niż ludzie są w stanie rozsądnie zweryfikować? Wewnętrzne badanie Anthropic to użyteczny przypadek operacyjny, a nie prognoza dla każdej firmy. Pokazuje, dlaczego samo mierzenie aktywności agentów nie wystarcza. Szefowie operacji muszą łączyć produkcję ze sprawdzoną jakością, wartością biznesową, ryzykiem i kondycją ścieżki rozwoju talentów.

Co pokazują wewnętrzne dane Anthropic

W swoim raporcie z 16 października 2026Anthropic przeanalizował, jak jego pracownicy korzystają z agentów AI. W sierpniu godziny pracy interaktywnych agentów przewyższały godziny pracy ludzi w stosunku sześć do jednego. Firma odnotowała większą produkcję w kodzie, sprzedaży, umowach i fakturach, w miarę jak agenty obejmowały pracę techniczną i nietechniczną.

Ten stosunek robi wrażenie, ale nie oznacza, że agenty zastąpiły sześć osób na każdego pracownika. Godziny agentów i godziny pracowników to różne jednostki aktywności. Agent może działać szybko, równolegle lub długo, a mimo to tworzyć materiał wymagający ludzkiej oceny. Ilość wytworzonej pracy to też nie to samo co praca użyteczna, opłacalna czy bezpieczna. Wygenerowany projekt umowy, analiza sprzedaży czy zmiana w kodzie mają wartość dopiero wtedy, gdy są poprawne, trafne i przyjęte w rzeczywistym procesie.

Obciążenie weryfikacją sprawia, że to rozróżnienie staje się konkretne. Anthropic oszacował, że sprawdzenie całej produkcji agentów zajęłoby pracownikom nietechnicznym mniej więcej połowę tygodnia pracy. To zmienia ograniczenie. Gdy produkcja staje się tania i obfita, rzadkim zasobem może stać się uwaga. Zespoły mogą tworzyć więcej szkiców, analiz i działań, niż menedżerowie czy specjaliści są w stanie odpowiedzialnie sprawdzić.

Raport wskazuje też zmianę w strukturze zespołu technicznego Anthropic. Odsetek juniorów wśród pracowników technicznych spadł od początku 2025 roku z 21% do 14%, a odsetek juniorów wśród nowych zatrudnień technicznych spadł z 27% do 9%. Anthropic podaje, że zatrudnienie techniczne nadal rosło w liczbach bezwzględnych. Dane potwierdzają więc zmianę struktury w jednej firmie, a nie ogólny spadek zatrudnienia technicznego.

Zamień możliwości agentów w plan operacyjny

Dobry plan zaczyna się od zapotrzebowania, a nie od dostępu do narzędzi. Określ, jaką pracę organizacja musi wykonać, jakie poziomy usług utrzymać i które decyzje pozostają w gestii ludzi. Następnie zdecyduj, gdzie agenty mogą zwiększyć możliwości bez osłabiania kontroli. Pozwala to uniknąć częstego błędu: dodawania automatyzacji do każdego zadania i odkrywania później, że kolejki weryfikacji, wyjątki i niejasna odpowiedzialność stały się nowymi wąskimi gardłami.

Szefowie operacji mogą zastosować prostą sekwencję planowania:

• Zmapuj pracę według rezultatów. Grupuj zadania wokół rezultatów dla klientów, przychodów, zgodności lub realizacji, a nie wokół funkcji oprogramowania.

• Sklasyfikuj ryzyko i odwracalność. Stosuj lżejsze kontrole dla pracy o niskim ryzyku i łatwej do odwrócenia, a dokładniejszą weryfikację dla decyzji prawnych, finansowych, związanych z bezpieczeństwem lub kontaktem z klientem.

• Ustal budżet weryfikacji. Oszacuj, ile wykwalifikowanej uwagi ludzi wymaga każdy proces, i ogranicz automatyczną produkcję, gdy ta pula się wyczerpie.

• Wyznacz konkretnych właścicieli. Spraw, by jedna rola odpowiadała za kryteria akceptacji, wyjątki, incydenty i zmiany w procesie.

• Mierz zaakceptowaną wartość. Śledź użyteczne rezultaty, czas cyklu, odsetek błędów, poprawki i osiągnięte wyniki biznesowe, a nie tylko prompty, tokeny czy godziny agentów.

• Chroń rozwój kompetencji. Zostaw pracę, dzięki której juniorzy uczą się kontekstu, oceny sytuacji i weryfikacji, nawet jeśli agent mógłby szybciej przygotować pierwszą wersję.

Budżet weryfikacji wymaga tej samej dyscypliny co koszty wynagrodzeń czy pojemność infrastruktury. Jeśli proces może wygenerować 500 elementów, a wykwalifikowani recenzenci są w stanie ocenić tylko 100, praktyczna wydajność jest bliższa 100. Próbkowanie może być właściwe dla powtarzalnych rezultatów o niskim ryzyku, ale metodę próbkowania i zasady eskalacji trzeba ustalić przed zwiększeniem skali. Rezultaty wysokiego ryzyka mogą wymagać pełnej weryfikacji, niezależnych kontroli lub limitów autonomicznego działania.

Wskaźniki powinny śledzić pracę od wygenerowania do efektu. W kodzie ważniejsze są zaakceptowane zmiany i błędy na produkcji niż liczba wygenerowanych linii. W sprzedaży ważniejsze są wartościowe szanse i jakość konwersji niż liczba napisanych wiadomości. W umowach i fakturach dokładność, odsetek wyjątków, czas realizacji i uniknięte straty są mocniejszymi sygnałami niż liczba dokumentów. W ten sposób operacyjna praca AI pozostaje powiązana z wynikami firmy, a nie z teatrem aktywności.

Planuj role, zatrudnienie i kontrole razem

Projektowanie zespołów nie powinno traktować liczby pracowników, agentów i nadzoru jako osobnych planów. Każdy proces potrzebuje modelu wydajności obejmującego pracę agentów, weryfikację przez ludzi, obsługę wyjątków, utrzymanie i szkolenia. Powinien też uwzględniać scenariusze awarii. Agent, który przyspiesza zwykłą pracę, ale generuje falę trudnych wyjątków, może jedynie przesunąć koszty zamiast je usunąć.

Dane o zatrudnianiu juniorów w badaniu Anthropic zasługują na uwagę, bo praca na stanowiskach początkujących często służy dwóm celom: wykonaniu dzisiejszych zadań i budowaniu jutrzejszej wiedzy. Jeśli agenty przejmą pisanie, debugowanie, research lub rutynowe analizy, role juniorskie mogą stracić powtarzalność, dzięki której ludzie się uczą. Usunięcie tej pracy bez zaprojektowania alternatywy może osłabić sukcesję, mobilność wewnętrzną i przyszłą dostępność recenzentów.

Lepiej przeprojektować role juniorskie wokół nadzorowanej oceny. Pracownicy mogą porównywać wyniki agentów, badać wyjątki, testować założenia, dokumentować decyzje i rotować między kontekstami klientów lub operacji. Menedżerowie powinni określić, jak wygląda kompetencja na każdym poziomie, i sprawdzać, czy pracownicy mają wystarczająco dużo praktyki, by się rozwijać. Celem nie jest bezterminowe zachowanie mało wartościowej pracy, lecz zachowanie nauki zawartej w użytecznej pracy.

Liderzy powinni ostrożnie podchodzić do wniosków przyczynowych. Badanie Anthropic opiera się na danych wewnętrznych i 17 wywiadach i zaznacza, że wdrażanie narzędzi nie było losowe. Zespoły i osoby korzystające z agentów mogą różnić się od pozostałych w sposób, który również wpływa na produkcję i zatrudnienie. Raport może pomóc w formułowaniu hipotez i kontroli, ale nie dowodzi, że samo wdrożenie agentów spowodowało każdą zaobserwowaną zmianę.

Do planowania używaj scenariuszy zamiast jednego założenia co do produktywności. Scenariusz ostrożny może zakładać umiarkowany wzrost zaakceptowanej produkcji i duże potrzeby weryfikacji. Scenariusz bazowy może odzwierciedlać zaobserwowane usprawnienia w wybranych procesach. Scenariusz wysokiej wydajności może sprawdzić, co się stanie, gdy produkcja agentów rośnie szybciej niż nadzór. Dla każdego scenariusza określ potrzeby kadrowe, możliwości weryfikacji, koszty kontroli i wskaźniki, które uruchomią zmianę. Aktualizuj model w miarę napływu danych.

Co powinno mierzyć planowanie zespołów z AI?

Mierz wydajność w punkcie zaakceptowanej, wartościowej pracy. Dobra karta wyników łączy czas cyklu, jakość, poprawki, wyjątki, incydenty i wyniki biznesowe z godzinami pracy ludzi potrzebnymi do weryfikacji. Dodaj wskaźniki kadrowe, takie jak zatrudnienie według poziomu, awanse, zdobywanie umiejętności i rozpiętość kierowania menedżerów. Dzięki temu kompromisy stają się widoczne. Szybsza produkcja może się opłacać, ale nie wtedy, gdy błędy, zaległości w weryfikacji lub luki kompetencyjne rosną szybciej.

Czy badanie Anthropic dotyczy każdej firmy?

Nie. Opisuje jedną firmę AI z jej własnym zespołem, narzędziami i wzorcami wdrażania. Wnioski są zachętą do testowania lokalnych procesów, a nie uniwersalnym punktem odniesienia. Liderzy powinni prowadzić kontrolowane pilotaże, porównywać zaakceptowane wyniki z punktem wyjścia i sprawdzać, kto korzysta z narzędzi. Skaluj dopiero wtedy, gdy wartość, możliwości kontroli i rozwój pracowników pozostają razem wiarygodne.