Zwolnienia przez AI w 2026 roku: co liczby naprawdę oznaczają dla osób szukających pracy

Dane w tym artykule pochodzą z trackera zwolnień związanych z AI Layoffs.fyi, prowadzonego przez Rogera Lee. Uwzględnia on wyłącznie zwolnienia, które sama firma lub media przypisały AI — czy to w celu sfinansowania inwestycji w AI, zastąpienia ludzi przez AI, czy reakcji na zakłócenia biznesu wywołane przez AI. Poniższe dane odzwierciedlają stan trackera na 10 września 2026 roku.

Linia trendu

Trzy lata danych pokazują przyspieszenie, które trudno zbyć jako szum.

Wyróżniają się dwie rzeczy. Liczba zwolnionych mniej więcej potroiła się rok do roku, a liczba oddzielnych zdarzeń tylko się podwoiła — co oznacza, że przeciętne zwolnienie przypisywane AI robi się większe, a nie tylko częstsze. A rok 2026 jeszcze się nie skończył. Najnowszy wpis w trackerze pochodzi z 3 września, więc ta suma obejmuje mniej więcej osiem miesięcy.

Liczba z 2024 roku wymaga zastrzeżenia. Odnotowano wtedy tylko cztery zdarzenia, a jedno z nich — restrukturyzacja SAP obejmująca 8000 stanowisk — odpowiada za większość sumy. W 2024 roku niemal nikt nie nazywał zwolnienia zwolnieniem przez AI. Część tego, co mierzy ta krzywa, to rzeczywista zmiana na rynku pracy, a część to zmiana sposobu, w jaki firmy są skłonne publicznie się tłumaczyć.

Kto dokonał największych cięć w 2026 roku

W kolumnie z procentami kryje się ludzka historia. Oracle, zwalniając 21 000 osób, ma największą liczbę bezwzględną w trackerze, ale przy 13% załogi to restrukturyzacja. Block zwalniający 40% załogi i WiseTech zwalniający 30% to zupełnie inne zdarzenia — to firmy przebudowujące się wokół mniejszego stałego zatrudnienia.

Trzy różne rzeczy nazywane „zwolnieniami przez AI”

Po przejrzeniu wszystkich 111 zdarzeń z listy 2026 roku widać, że dzielą się czysto na trzy kategorie. To rozróżnienie ma znaczenie, bo każda z nich oznacza inną historię o tobie i inny sposób odpowiadania na to pytanie na rozmowie.

1. Finansowanie zakładu

Firma nie zastępuje twojej pracy przez AI. Tnie koszty w jednym miejscu, by zapłacić za inwestycję w AI w innym. Atlassian zlikwidował 1600 stanowisk wprost po to, by samodzielnie sfinansować dalsze inwestycje w AI i sprzedaż korporacyjną. Intuit zwolnił 3000 osób, równocześnie prowadząc partnerstwa mające przebudować TurboTax, QuickBooks i Mailchimp wokół AI. Meta obcięła budżet Reality Labs o 30% i przeniosła środki na badania nad superinteligencją. Autodesk pozbył się 1000 głównie stanowisk sprzedażowych obsługujących klientów, by przekierować wydatki na chmurę i AI.

Jeśli to twoje zwolnienie, twoja rola nie była przestarzała. Była pozycją w budżecie. To znacznie łatwiejsze do wyjaśnienia i zwykle można to zweryfikować w publicznych doniesieniach.

2. Bezpośrednia substytucja

To kategoria, którą wszyscy sobie wyobrażają, i jest prawdziwa, ale węższa, niż sugerują nagłówki. Najbardziej wyraziste przypadki w danych dotyczą pracy masowej, opartej na regułach i poddającej się weryfikacji:

• Moderacja treści. Zautomatyzowane systemy TikToka doszły do punktu, w którym obsługują 85% wszystkich usunięć treści za naruszenia wytycznych, a po tym nastąpiły dwie oddzielne redukcje — 300 stanowisk w lipcu i kolejne 250 wraz z zamknięciem biura w Nashville w sierpniu.
• Dokumentacja. Snowflake zlikwidował cały zespół redaktorów technicznych i dokumentacji, 70 osób, gdy narzędzia AI przejęły generowanie treści.
• Twórczość produkcyjna. SSense zlikwidował całą stałą ekipę fotograficzną, retuszu oraz fryzjersko-makijażową, 215 stanowisk, przechodząc na obrazy mody generowane przez AI.
• Wsparcie pierwszej linii. MercadoLibre zlikwidował 116 stanowisk; byli pracownicy opisywali, że znaczną część swojej pracy poświęcili na trenowanie chatbotów, które ostatecznie ich zastąpiły.
• Ręczne procesy zaplecza biurowego. Opendoor zamknął całą swoją indyjską operację, 250 stanowisk, które istniały po to, by obsługiwać procesy ręczne.

Inżynieria nie jest wyłączona, ale wzorzec jest tam raczej kompresją niż eliminacją. Freshworks zlikwidował 500 stanowisk, a CEO Dennis Woodside powiedział pracownikom, że „ponad połowa naszego kodu jest pisana przez AI”. Zespół się zmniejszył; nie zniknął.

3. Model biznesowy się załamał

Najrzadsza i najbardziej brutalna kategoria. AI nie zautomatyzowała pracy tych firm — zniszczyła popyt na ich produkt. Tailwind Labs to najjaskrawszy przykład w całym zbiorze danych: deweloperzy mogli nagle generować Tailwind CSS na żądanie, przychody z płatnych szablonów spadły o 80%, ruch na dokumentacji spadł o 40%, a firma zwolniła trzy osoby, bo inaczej nie mogła wypłacać pensji. ZoomInfo zwolniło 600 osób, gdy AI przeceniła cały rynek informacji sprzedażowych B2B i podkopała popyt na jego podstawowe produkty danych.

Jeśli twój pracodawca należał do tej kategorii, sposób przedstawienia tego na rozmowie jest prosty i bez winy: rynek przesunął się pod nogami firmy. Wszyscy w twojej branży wiedzą, że tak się stało.

Role się przesunęły — nie po prostu zniknęły

Najbardziej użyteczny wzorzec w tych danych łatwo przeoczyć, jeśli czyta się tylko sumy. Kilka firm tnie i zatrudnia jednocześnie.

Paytm zlikwidował 400 stanowisk w czerwcu, jednocześnie ogłaszając plany zatrudnienia około 4000 osób w AI, produkcie i technologii w ciągu kolejnych dziewięciu miesięcy. Pentera ścięła stanowiska marketingowe i w centrali, nadal obsadzając stanowiska inżynierskie. GitLab zwolnił 350 osób i wycofał się z 22 krajów, zmniejszając swój zasięg geograficzny o 37% — to w równym stopniu przeniesienie pracy, co jej redukcja.

Jest też wyraźny cel strukturalny przewijający się przez największe cięcia: średni szczebel zarządzania. Amazon ujął swoją redukcję 16 000 osób jako ograniczenie liczby warstw i usunięcie biurokracji. Coinbase ograniczył zarządzanie do pięciu warstw, zlikwidował stanowiska czysto menedżerskie i przeszedł w stronę tego, co nazwał „zespołami jednoosobowymi”. Patreon spłaszczył warstwy zarządzania w ramach restrukturyzacji. Jeśli twoja praca polegała głównie na koordynacji — prowadzeniu spotkań statusowych, przekazywaniu informacji między zespołami, agregowaniu raportów — ta funkcja jest kompresowana mocniej niż praca indywidualnych współpracowników.

Co to zmienia na rozmowie kwalifikacyjnej

Z tego wszystkiego wynikają trzy praktyczne zmiany.

„Jak wykorzystujesz AI w swojej pracy?” to teraz prawdziwe pytanie, a nie small talk. Gdy firma właśnie przeorganizowała się wokół AI, menedżer rekrutujący sprawdza, czy będziesz to przyspieszać, czy temu się opierać. Przygotuj konkretną, szczerą odpowiedź: narzędzie, którego faktycznie używasz, zadanie, które zmieniło, i to, co nadal robisz sam(a). Mglisty entuzjazm wypada równie słabo jak ogólny sceptycyzm. Nasz przewodnik o używaniu narzędzi AI do przygotowania do rozmów to dobre miejsce, by zbudować na nim tę odpowiedź.

Nagradzana jest wydajność na osobę. CEO DeepL opisał strukturalną zmianę w tym, ilu ludzi potrzeba, by dobrze wykonać pracę. Multiverse przekazał prasie, że jego przychód na pracownika wzrósł o 37%. Niezależnie od twojej funkcji, wersja twojego osiągnięcia, która trafia w 2026 roku, to ta ze wskaźnikiem w środku — wchłonięta praca, przepustowość na głowę, zakres objęty bez zwiększania zespołu.

Wyjaśnianie zwolnienia to teraz historia strukturalna, a nie osobista. To naprawdę łatwiejsze niż trzy lata temu, bo rekruter prawie na pewno widział te same nagłówki.

Jak mówić o byciu zwolnionym

Cel to trzy zdania: co się stało, że było to strukturalne i co zrobiłeś(aś) potem. Bez goryczy, bez nadmiernego tłumaczenia, bez ujawniania więcej, niż zapytano.

„Mój zespół został zlikwidowany w marcu, gdy firma przeorganizowała się, by sfinansować inwestycję w platformę AI — w tej samej rundzie odeszło około 10% załogi. Przez trzy lata prowadziłem tam integracje rozliczeniowe. Od tamtej pory zgłębiam, jak nasz rodzaj procesu jest przebudowywany z użyciem narzędzi LLM, co jest częścią powodu, dla którego ta rola mnie zainteresowała.”

To działa, bo wskazuje przyczynę, podaje skalę, więc brzmi to strukturalnie, a nie jak kwestia wyników, i w ciągu kilku sekund przechodzi do czegoś, co patrzy w przyszłość. Trzy konkretne błędy do uniknięcia:

• Nie komentuj decyzji. „Szczerze, to była fatalna decyzja i produkt się od tego czasu rozpadł” może nawet być prawdą. I tak kosztuje cię to pokój.
• Nie zawyżaj swojej roli w tym. Jeśli byłeś(aś) jedną z 8000 osób, powiedz to. To mocniejsze, a nie słabsze.
• Nie zostawiaj luki bez wyjaśnienia. Rekruterzy odczytują ciszę jako coś gorszego niż prawda. Nazwij to, co robiłeś(aś), nawet jeśli to nauka i zlecenia.

Jeśli twoje zwolnienie mieściło się w kategorii substytucji — twoja konkretna funkcja została zautomatyzowana — warto nazwać to, zanim zaczną się zastanawiać. Przyznaj, że funkcja się zmieniła, a potem opowiedz, gdzie twój osąd nadal się przydaje. Moderator, który rozumie przypadki brzegowe polityki, jest cenny dla zespołu, który teraz nadzoruje zautomatyzowany system. Redaktor techniczny, który wie, na czym czytelnicy dokumentacji faktycznie utykają, jest cenny dla zespołu, który przegląda wygenerowaną dokumentację.

Mechanikę poprawnego budowania takich odpowiedzi opisuje nasz przewodnik po metodzie STAR o strukturze, a artykuł jak odpowiedzieć na „opowiedz o sobie” wskazuje, w którym miejscu twojej narracji mieści się zwolnienie. Kompletny przewodnik po przygotowaniu do rozmowy kwalifikacyjnej w 2026 roku spina całą sekwencję w całość.

Pytania warte zadania rekruterowi

Te same dane, które czynią ten rynek niewygodnym, dają ci wyjątkowo dobry materiał na koniec rozmowy. Pytanie o strategię AI sygnalizuje, że przeczytałeś(aś) krajobraz:

• „Które części pracy tego zespołu zmieniły się najbardziej, odkąd w ostatnim roku pojawiły się narzędzia AI?”
• „Czy ta rola uzupełnia czyjeś odejście, czy to nowy zakres?”
• „Jak zespół decyduje, co pozostaje do weryfikacji przez człowieka?”

Odpowiedzi mówią ci, czy dołączasz do zespołu, który inwestuje, czy takiego, który jest w trakcie kurczenia się. To warto wiedzieć, zanim przyjmiesz ofertę. Nasza lista pytań do rekrutera zawiera więcej, a jeśli dojdziesz do oferty, negocjacje wynagrodzenia po ofercie mają większe znaczenie niż zwykle na rynku, na którym pracodawcy zakładają, że kandydaci są zaniepokojeni.

Uczciwa ocena

92 713 to duża liczba i wciąż rośnie. Warto też zachować proporcje: liczy zwolnienia w całym globalnym sektorze technologicznym na przestrzeni ośmiu miesięcy, a tracker wprost uwzględnia cięcia, w których AI była deklarowanym powodem realokacji budżetu, a nie tym, co wykonywało pracę. Firmy mają też motywację, by przypisywać zwolnienia AI, bo „stajemy się firmą AI-native” brzmi dla inwestorów lepiej niż „zatrudniliśmy za dużo”. Jakaś część tej krzywej to narracja.

Co narracją nie jest: redukowane role skupiają się w wyraźnie dających się wskazać miejscach, ocalałe zespoły są mniejsze, a zatrudniani są ci, którzy potrafią pokazać, co tworzą, a nie ilu ludzi koordynują. Rozmowy na tym rynku nagradzają konkret i szczerość w kwestii AI bardziej niż kiedykolwiek. Ta część jest w całości w twoich rękach.