Plus pięćdziesiąt procent PKB. Polityka wielkiej obietnicy

Obietnica gospodarki większej niemal o połowę brzmi jak wynik obliczeń, ale w debacie publicznej działa również jak argument za określoną polityką. Zanim Polska pożyczy od branży AI wizję przyszłego dobrobytu, powinna sprawdzić punkt odniesienia, założenia i sposób podziału korzyści.

Bangkok, 17 października 2026 roku. W programie dorocznych spotkań MFW i Banku Światowego znalazł się wykład Fundacji Per Jacobssona wygłoszony przez Jacka Clarka, współzałożyciela Anthropic. Według relacji Reutersa Clark zestawił możliwość gwałtownego wzrostu amerykańskiej gospodarki z apelem o międzynarodową współpracę i poważne reguły dla AI. To znacząca scena: przedstawiciel firmy rozwijającej technologię mówi osobom odpowiedzialnym za gospodarkę, jak wielka może być zmiana i jak pilnie należy na nią odpowiedzieć.

Nie trzeba przypisywać mu złej wiary, aby zauważyć polityczną funkcję takiego wystąpienia. Liczba określająca przyszły PKB ustawia skalę oczekiwań, a wraz z nią skalę tolerowanych kosztów i wyjątków. Moja teza brzmi tak: prognozy AI-PKB stały się narzędziem negocjowania przyszłości. Dlatego ich ocena musi obejmować zarówno rachunek ekonomiczny, jak i pytanie, komu wynik daje mocniejszą pozycję w obecnych decyzjach.

Najważniejszy szczegół znajduje się w mianowniku

Publiczny eksplorator scenariuszy Anthropic pokazuje dla USA w 2030 roku PKB w wysokości 34,1, 36,3 albo 44,4 bln USD, zależnie od wariantu. Wartości podano w cenach 2025 roku. Odpowiadające im przyrosty względem ścieżki bez AI to 1,6%, 8,3% i 32,4%. Ten punkt odniesienia jest kluczowy: największy wynik nie oznacza, że model przypisuje samej AI wzrost o połowę względem gospodarki, która rozwijałaby się bez niej.

Reuters przywołuje natomiast porównanie z obecną gospodarką wartą nieco ponad 30 bln USD. Przy zaokrąglonej bazie 30 bln przejście do 44,4 bln daje 48% - moje przeliczenie: (44,4 / 30 - 1) × 100. Wyjaśnia to atrakcyjność nagłówka o niemal połowie, ale nie izoluje wpływu AI. Gospodarka odniesienia również rośnie. Zmiana mianownika potrafi więc zmienić sens całej opowieści bez zmiany największej liczby na slajdzie.

Ta różnica ma praktyczne znaczenie dla polskiej polityki. Jeśli minister albo organizacja biznesowa użyje hasła o wzroście dzięki AI, słuchacz może zrozumieć je jako dodatkową korzyść z konkretnego programu. Tymczasem porównanie przyszłego poziomu z obecnym zawiera także inne źródła wzrostu. Rzetelna komunikacja powinna wyjaśniać, co stanowi efekt technologii w danym modelu, a co jest rozwojem gospodarczym zapisanym już w scenariuszu odniesienia.

Scenariusz staje się polityczny, kiedy opuszcza model

Raport techniczny Antona Korinka, Charlesa I. Jonesa, Szymona Sachera, Tess Cotter i Petera McCrory’ego nie ukrywa statusu swoich wyników. Autorzy nie przypisują wariantom prawdopodobieństw. Model przekłada założenia o zdolnościach AI, wdrażaniu i zmianach zadań na wyniki gospodarcze. To cenna forma uporządkowania niepewności. Pozwala pytać, jaki świat musiałby zaistnieć, żeby określona liczba stała się możliwa, zamiast traktować ją jako samodzielną przepowiednię.

Problem zaczyna się w obiegu publicznym, gdzie warunki łatwo odpadają. Scenariusz wymagający określonego tempa adopcji może zamienić się w przewidywany rezultat samego postępu technologicznego. Przyrost produktywności staje się wzrostem pensji, a potencjalny wzrost gospodarki argumentem, że każda przeszkoda dla wdrożenia jest kosztownym błędem. Każde takie przejście wymaga uzasadnienia. Bez niego model służy do przemycania decyzji, których w jego równaniach nie rozstrzygnięto.

Interes autora modelu nie przesądza o jego jakości. Firma technologiczna może zatrudniać kompetentnych ekonomistów, udostępniać użyteczne narzędzia i wskazywać rzeczywiste ryzyka. Powinna jednak podlegać takiej samej krytyce jak instytucja publiczna. Jej dostęp do szczególnych danych nie znosi potrzeby sprawdzania założeń. A jej ekonomiczna pozycja sprawia, że odpowiedź na pytanie o tempo rozwoju technologii nie jest dla niej wyłącznie akademicką ciekawostką.

Apel Clarka o poważne reguły można czytać jako uznanie, że sam rynek nie wystarczy. Nie oznacza to jeszcze zgody co do treści tych reguł. Kto ma ponosić koszt błędu, kto ma prawo ocenić system i kto decyduje o tempie wdrażania? Ogólna deklaracja odpowiedzialności nie odpowiada na te pytania. Właśnie dlatego liczba opisująca wielkość przyszłych korzyści powinna otwierać negocjacje, a nie je kończyć.

Polskie dwanaście procent ma własne warunki

Raport Banku Światowego Navigating the Age of AI: Implications for Poland’s Economy, przedstawiony 22 czerwca 2026 roku, daje konkretniejszy punkt odniesienia dla Polski. Oryginał pokazuje przedział 1,3-12,1% wyższego realnego PKB w 2035 roku względem scenariusza utrzymania adopcji AI na obecnym poziomie. Rozpiętość wynika z założeń dotyczących między innymi mobilności pracowników, finansowania i efektywności technologii. Około 12% jest górną granicą zestawu wariantów, nie bezwarunkową obietnicą.

Domyślny scenariusz raportu, oznaczony E3 i zakładający wysoką mobilność pracy oraz wczesne wdrażanie, daje 10,9% ponad poziom odniesienia. Wariant górny wymaga korzystniejszych założeń technologicznych. To istotne odwrócenie perspektywy. Państwo nie tylko czeka na korzyść, która ma nadejść z zewnątrz. Instytucje i zdolność organizacyjna gospodarki są częścią warunków jej osiągnięcia.

Według RMF24/PAP, relacjonującego prezentację raportu, zatrudnienie w finansach i ubezpieczeniach może być niższe o prawie 24%. Oryginalny wykres sektorowy w raporcie pokazuje zmiany wobec ścieżki bazowej w 2035 roku w kilku wariantach, ale bez czytelnej etykiety przy tym punkcie, dlatego dokładną liczbę podaję za RMF24/PAP. Nie oznacza ona, że taki odsetek dzisiejszych pracowników na pewno otrzyma wypowiedzenie.

Ten szczegół prowadzi do sedna polskiego problemu. Sektor może wytwarzać więcej wartości, zatrudniając mniej ludzi, a gospodarka jako całość może rosnąć, choć część grup traci dotychczasową pozycję. To nie sprzeczność w rachunku. To rozbieżność między wielkością produkcji a doświadczeniem konkretnych osób. Podpisanie jej wspólnym słowem rozwój nie sprawia, że znika. Polityka gospodarcza zaczyna się tam, gdzie trzeba zdecydować, jak przejście ma wyglądać dla ludzi.

Mobilność pracy w modelu jest parametrem. W życiu może oznaczać zmianę zawodu, dojazd, naukę po godzinach albo utratę części dotychczasowego doświadczenia. Jeśli dodatni wynik zależy od płynnego przechodzenia ludzi między zajęciami, to wsparcie takiego przechodzenia jest warunkiem wzrostu, a nie wyłącznie społecznym kosztem do odjęcia od korzyści. Takie odczytanie prognozy prowadzi do innych priorytetów niż samo zwiększanie liczby zakupionych narzędzi.

MFW odpowiada na inne pytanie niż laboratorium

Podczas tych samych spotkań w Bangkoku MFW przedstawił World Economic Outlook. Publikacja z 13 października prognozuje globalny wzrost na poziomie 3,1% w 2026 roku i 3,4% w 2027 roku. Wskazuje zarówno możliwe korzyści z AI, jak i ryzyko rewizji związanych z nią oczekiwań. To prognoza gospodarki działającej wśród wielu bieżących ograniczeń, a nie wyłącznie test daleko idącego scenariusza technologicznego.

Nie ma sensu przeciwstawiać tych wartości amerykańskiemu poziomowi PKB z modelu Anthropic, jakby były konkurencyjnymi odpowiedziami w tym samym konkursie. Jedne opisują roczne tempo wzrostu świata, inne przyszły poziom produkcji w USA. Różnią się horyzontem, zakresem i funkcją. Można jednocześnie oczekiwać umiarkowanego wzrostu w najbliższym okresie i analizować możliwość późniejszego przyspieszenia. Rozbieżność nie jest sama w sobie dowodem czyjejś pomyłki.

Warto natomiast zapytać, do jakiej decyzji dany wynik ma służyć. Prognoza bieżącej koniunktury pomaga planować w warunkach, które już da się obserwować. Skrajny scenariusz może pomóc sprawdzić odporność instytucji na sytuację bez precedensu. Polityczny błąd polegałby na użyciu drugiego jako pewnego dochodu, który wolno już dziś rozdzielić, albo na odrzuceniu go tylko dlatego, że nie mieści się w pierwszym.

Do tego dochodzą ograniczenia samego narzędzia. Anthropic zaznacza, że eksplorator pomija między innymi reakcje polityki, cykl koniunkturalny i możliwe zaburzenia popytu. Nie ma więc powodu, aby czytać jego wynik jak kompletny obraz przyszłego państwa. Model może być użyteczny właśnie dlatego, że świadomie izoluje część mechanizmów. Trzeba jednak pamiętać, co pozostawił poza kadrem, szczególnie wtedy, gdy kadrem staje się prezentacja dla decydentów.

Polityka potrzebuje warunków, nie wielkiego procentu

Najważniejsza polska decyzja nie polega na wyborze najbardziej atrakcyjnej prognozy. Polega na ustaleniu, które zdolności państwa będą potrzebne w różnych wariantach. Dostęp do dobrej informacji o wdrożeniach, możliwość zmiany kwalifikacji i zdolność sprawdzania efektów publicznych wydatków zachowują wartość także wtedy, gdy obietnice technologiczne okażą się przesadzone. Są mniej efektowne niż zapowiedź skoku PKB, ale nie wymagają trafienia w jeden obraz przyszłości.

W praktyce oznacza to większą wagę do warunków programów wsparcia. Jeśli publiczne pieniądze mają przyspieszać wdrażanie, warto wiedzieć, jaka zmiana ma być osiągnięta i jak zostanie oceniona. Zakup licencji nie jest jeszcze dowodem wzrostu produktywności, a skrócenie fragmentu procesu nie przesądza o korzyści całej organizacji. To nie argument za bezruchem. To argument za takim działaniem, które wytwarza wiedzę potrzebną do następnej decyzji.

Potrzebna jest również osobna rozmowa o podziale korzyści. W modelu Anthropic udział pracy w dochodzie w skrajnym wariancie spada z 60% do 45,2%. Nie jest to prognoza polskich wynagrodzeń, ale dobrze pokazuje, dlaczego większy PKB nie gwarantuje proporcjonalnego wzrostu dobrobytu pracowników. O tym, jak AI może pogłębiać nierówności, pisałem w eseju o AI i nierównościach. Kto uzyskuje dochód z technologii, kto ponosi koszt zmiany zawodu i kto finansuje usługi publiczne, to pytania, których agregat produkcji sam nie rozwiąże.

Państwo nie powinno też oddawać producentom technologii monopolu na definiowanie pożądanego tempa zmian. Firmy mają prawo przedstawiać argumenty, scenariusze i postulaty. Pracownicy, przedsiębiorstwa korzystające z narzędzi oraz instytucje publiczne mają prawo pytać o koszty, których model dostawcy nie uwzględnił. Taka rozmowa nie musi hamować rozwoju. Może zwiększać szansę, że rozwój będzie oparty na zdolności gospodarki do przyswojenia zmian, zamiast na przekonaniu, że każde przyspieszenie jest równie dobre.

Polityczna użyteczność prognozy powinna więc polegać na ujawnianiu wyborów. Jeżeli wynik zależy od mobilności, trzeba pokazać warunki mobilności. Jeżeli korzyści trafiają nierówno, trzeba nazwać mechanizm ich podziału. Jeżeli skrajny scenariusz wymaga szybkich wdrożeń, trzeba ustalić, co może je realnie ograniczać. Dopiero wtedy liczba staje się narzędziem myślenia o gospodarce, a nie skrótem zastępującym dyskusję o jej organizacji.

Najważniejszą liczbą na slajdzie o przyszłości AI bywa niewidoczny punkt odniesienia. Najważniejszym zdaniem bywa pominięte założenie. Polska nie potrzebuje wiary w dodatkowy dobrobyt z prezentacji. Potrzebuje instytucji, które potrafią sprawdzić, jakie decyzje mogą go przybliżyć i kto rzeczywiście z niego skorzysta.