Wielokrotnie słyszymy i widzimy powielane hasło „AI zabierze pracę lekarzom”. Ten niepokój ma swoje źródła. W 2016 r. Geoffrey Hinton, jeden z „ojców” współczesnej sztucznej inteligencji, sugerował, że za kilka lat sieci neuronowe będą lepsze od radiologów, więc kształcenie nowych specjalistów nie ma sensu.
Minęło prawie 10 lat. AI w medycynie istnieje naprawdę, nie tylko w slajdach konferencyjnych. Radiologia jest wręcz jednym z najbardziej „nasyconych” obszarów: w Europie dostępnych jest już ponad 100 komercyjnych, certyfikowanych narzędzi AI do obrazowania, a ich liczba i jakość badań rośnie z roku na rok.
A jednak mimo to:
- liczba radiologów nie spadła – wręcz przeciwnie, zapotrzebowanie na nich rośnie,
- przegląd badań z ostatnich lat pokazuje, że nowsze rozwiązania częściej zwiększają obciążenie pracą radiologów, niż je zmniejszają.
Co się faktycznie dzieje?
- System zleca więcej badań, bo jest taniej i szybciej,
- AI generuje nowy typ pracy: weryfikację alertów, obsługę fałszywie dodatnich wskazań, nadzór nad działaniem systemów,
- rośnie znaczenie zadań, których algorytm nie dotyka: dobór protokołu, korelacja z historią kliniczną, udział w konsyliach.
To nie jest wyjątek. Z perspektywy historii technologii znacznie częściej widzimy scenariusz: technologia obniża koszt jednostkowy zadania → robimy tego więcej → praca nie znika, tylko zmienia się jej struktura i wolumen.
Zanim wrócimy do medycyny, warto spojrzeć na doświadczenia innych branż.
1. Doświadczenie innych branż
Bankomaty i kasjerzy
Bankomat miał być symbolem „końca kasjerów bankowych”. Tymczasem analizy Jamesa Bessena pokazują, że po masowym wdrożeniu bankomatów w USA:
- koszty prowadzenia oddziału spadły,
- banki zaczęły otwierać więcej placówek,
- liczba kasjerów wzrosła, ale ich rola przesunęła się z wypłacania gotówki w stronę doradztwa, sprzedaży i obsługi bardziej złożonych spraw.
Technologia faktycznie „zabrała” część powtarzalnych czynności, ale sam zawód się rozwinął.
Excel i księgowi
Podobnie było z Excelem. Arkusze kalkulacyjne miały „zlikwidować księgowych”. W praktyce:
- radykalnie obniżyły koszt tworzenia raportów i analiz,
- firmy zaczęły oczekiwać coraz bardziej zaawansowanych modeli, prognoz i analiz scenariuszowych,
- księgowi i analitycy przesunęli się z prostego wprowadzania danych w stronę analizy i doradztwa biznesowego.
Mniej czasu na żmudne liczenie, więcej na interpretację – ale pracy jako takiej nie ubyło.
Roboty przemysłowe
W przemyśle od lat działa robotyzacja. W dużym badaniu 16 krajów europejskich wykazano, że wdrażanie robotów:
- nie doprowadziło do masowego bezrobocia,
- miało lekko dodatni wpływ na zatrudnienie,
- szczególnie w krajach o niskich i średnich płacach.
Zadania się zmieniły. Jedne czynności przejęły roboty, w ich miejsce powstały nowe role operatorów, techników, inżynierów procesów.
Paradoks Jevonsa: im wydajniej, tym… więcej
Już w XIX wieku William Stanley Jevons zauważył, że wydajniejsze silniki parowe nie zmniejszyły zużycia węgla w Wielkiej Brytanii. Przeciwnie, doprowadziły do gwałtownego wzrostu konsumpcji, bo energia stała się tańsza i zaczęto jej używać wszędzie.
Ten paradoks Jevonsa jest dziś bardzo aktualny w kontekście AI: jeśli pojedynczy opis, raport czy konsultacja stają się tańsze, system zwykle zamawia… więcej opisów, raportów i konsultacji.
W przypadku robotyzacji, automatyzacji, a obecnie również AI, częściej bywają zagrożone zawody związane z pracą intelektualną, ale właśnie rutynową. Algorytmy mogą zastępować lub ułatwiać różnego rodzaju prace kalkulacyjne, procesoryczne, czyli przetwarzanie danych, informacji, zapamiętywanie i agregowanie danych, autentyfikowanie, wyszukiwanie.
2. Co technologia zmieniła w pracy lekarzy, zanim pojawiła się generatywna AI
Telemedycyna i e-zdrowie
Telemedycyna miała za zadanie:
- poprawić dostępność,
- skrócić kolejki,
- odciążyć lekarzy POZ i AOS.
Systematyczny przegląd badań dotyczących eHealth w podstawowej opiece w Europie pokazuje jednak obraz mieszany: część rozwiązań rzeczywiście poprawia efektywność, ale inne zwiększają obciążenie pracą, m.in. przez dodatkowe kanały komunikacji i konieczność obsługi wielu systemów równolegle.
Badania nad skrzynkami wiadomości w systemach EHR (głównie z USA, ale mechanizm jest uniwersalny) pokazują, że:
- wzrost liczby wiadomości od pacjentów i innych pracowników jest silnie skorelowany ze wzrostem ryzyka wypalenia,
- lekarze z największą liczbą wiadomości mieli nawet kilkukrotnie wyższe ryzyko wypalenia w porównaniu z tymi, którzy mieli ich najmniej.
Czyli obok klasycznych wizyt pojawił się nowy strumień pracy. Odpowiedzi w portalu pacjenta, czaty, teleporady, które często nie mają swojego miejsca w grafiku i dzieje się „pomiędzy” albo po godzinach.
I tu ważny wniosek, który warto nazwać wprost. Z telemedycyną na lekarzy spadła nie tylko nowa kategoria obowiązków, ale też większy ciężar odpowiedzialności.
To lekarz:
- decyduje, czy dany przypadek da się bezpiecznie zaopatrzyć zdalnie,
- odpowiada za kompletność dokumentacji,
- na początku lekarze „na własną rękę” wybierali narzędzia (aplikacje, komunikatory) albo dzwonili z własnych prywatnych telefonów.
System rzadko oferuje zweryfikowaną listę rozwiązań czy jasne standardy, które zdjęłyby z pojedynczych lekarzy konieczność samodzielnego rozpatrzenia aspektów prawnych, technicznych i bezpieczeństwa danych każdego nowego narzędzia.
Dokumentacja elektroniczna (EDM/EHR)
Elektroniczna dokumentacja miała uwolnić lekarzy od papieru. W praktyce badania pokazują, że:
- na każdą godzinę bezpośredniego kontaktu z pacjentem przypada nawet do dwóch godzin pracy w systemie i przy biurku,
- wielu lekarzy spędza 1–2 godziny dziennie na dokumentacji po zakończeniu pracy w przychodni czy szpitalu,
- intensywne korzystanie z EDM/EHR jest jednym z ważnych czynników wypalenia.
To dobry przykład, jak technologia wdrożona bez realnego współprojektowania z personelem może stać się dodatkowym obciążeniem, a nie wsparciem. Czy to znaczy, że należy jej unikać lub z niej zrezygnować? Nie, to jedynie oznacza tyle, że należy wprowadzać rozwiązania sensownie i modyfikować je adekwatnie do zgłaszanych uwag.
3. Nowe technologie w medycynie: roboty i notatki AI
Roboty w szpitalu – sala operacyjna i logistyka
W ochronie zdrowia roboty pojawiają się głównie w dwóch obszarach:
Sala operacyjna – systemy chirurgii robotycznej.
- Obecne roboty (np. systemy da Vinci) są w pełni sterowane przez chirurga; nie są projektowane jako autonomiczne „zastępstwo” operatora, tylko jako bardziej precyzyjne narzędzie.
- Badania z europejskich szpitali pokazują mieszankę korzyści klinicznych z większym obciążeniem i stresem zespołów w okresie wdrożenia: szkolenia, dłuższe zabiegi, nowe obowiązki organizacyjne.
Logistyka – roboty transportowe (np. Moxi).
- W wielu szpitalach w Europie i USA roboty wożą próbki, leki, środki ochrony osobistej, redukując liczbę „kursów po korytarzu” wykonywanych przez pielęgniarki.
- To realnie odciąża, ale znowu: pojawiają się nowe zadania tj. koordynacja, obsługa, serwis.
Znów widzimy wzorzec: roboty nie likwidują ról, tylko zmieniają zestaw zadań.
AI jako asystent
Najciekawsza i w teorii najłatwiejsza do wdrożenia, z perspektywy obciążenia lekarzy, są tzw. ambient AI scribes:
- wizyta jest rejestrowana przez urządzenie np. telefon (za zgodą pacjenta),
- system AI generuje szkic notatki, zaleceń, czasem też propozycję kodowania,
- lekarz staje się redaktorem, a nie „maszyną do pisania”.
Pierwsze badania, w tym randomizowane, pokazują, że takie rozwiązania:
- skracają czas dokumentowania,
- redukują liczbę nadgodzin na dokumentację,
- są skorelowane ze spadkiem wskaźników wypalenia.
To jedna z nielicznych grup narzędzi, gdzie mamy dane, że dobrze zaprojektowane AI oddaje lekarzowi cenny czas, zamiast dokładania kolejnego panelu do kliknięcia.
4. Dane z Polski i Europy: jak lekarze i pracownicy podchodzą do AI
Polscy lekarze: gotowość jest, ale brakuje ram
W 2025 r. opublikowano badanie „Physicians and AI in healthcare” obejmujące 86 lekarzy z Polski. Wyniki:
- 68% lekarzy zadeklarowało gotowość do wdrożenia narzędzi AI w swojej praktyce,
- jednocześnie mocno podkreślano konieczność: dopasowanych szkoleń, jasnych wytycznych wdrożeniowych, klarownych zasad odpowiedzialności.
Badania wśród studentów medycyny w Polsce pokazują podobny obraz: wysoka ciekawość i świadomość potencjału, ale równocześnie obawy związane z odpowiedzialnością, błędami i wpływem AI na edukację kliniczną.
Europejscy pracownicy ochrony zdrowia: chcą AI, ale nie ufają obecnym narzędziom
Z raportu Corti & YouGov „First AId Report” (HCP z Danii, Francji, Niemiec, Wielkiej Brytanii i USA):
- 74% pracowników ochrony zdrowia w Europie popiera wykorzystanie AI do co najmniej jednego wyzwania w pracy,
- jednocześnie 52% nie czuje się pewnie, używając obecnie dostępnych rozwiązań,
- najczęściej wskazywane oczekiwania wobec AI to oszczędzanie czasu administracyjnego (42%), automatyzacja tworzenia notatek z wizyty (29%), wsparcie decyzji klinicznych (32%) i diagnostycznych (25%).
Dane Statisty dla Europy pokazują z kolei, że:
- prawie 60% HCP czułoby się pewnie, korzystając z „nowej technologii”,
- ale tylko ok. 32% deklaruje podobny poziom pewności wobec AI.
Jak widać na podstawie danych, dużą barierą jest brak zaufania i brak ram prawnych czy rekomendacji lub standardów. To jest jeden z powodów, dlaczego tak wiele projektów kończy się na „wiecznym pilotażu”.
Polscy pracownicy ogółem: mało użycia, duża luka kompetencyjna
Z raportu PwC „Global Workforce Hopes and Fears 2025” i polskiego omówienia:
- 9% polskich pracowników korzysta z generatywnej AI codziennie w pracy,
- 45% użyło narzędzi GenAI przynajmniej raz w ciągu ostatnich 12 miesięcy,
- globalnie 32% pracowników deklaruje regularne (codziennie / kilka razy w tygodniu) używanie AI w pracy.
Równocześnie większość regularnych użytkowników w Polsce deklaruje, że AI podniosła ich produktywność i jakość pracy. Mamy więc do czynienia nie tyle z brakiem potencjału, ile raczej z luką w wdrożeniu i szybkim zapotrzebowaniu w nowych kompetencjach.
„Shadow AI”: czyli używanie AI poza systemem
Nawet tam, gdzie organizacja oficjalnie „nie używa AI”, dane mówią coś innego.
W badaniach wśród pracowników (m.in. Niemcy, UK, USA):
- około 75% pracowników używa jakiejś formy AI w pracy,
- ok. połowa to użytkownicy tzw. shadow AI, czyli narzędzi niewskazanych przez firmę, używanych bez zgody działu IT,
- 59-75% z nich przyznaje się do wklejania danych wrażliwych (dane klientów, pracowników, dokumenty wewnętrzne).
W ochronie zdrowia oznacza to w praktyce:
- korzystanie „po cichu” z AI,
- ryzyko niekontrolowanych wycieków danych,
- brak spójności między oficjalną polityką a rzeczywistością.
Dobrym europejskim przykładem jest tu najnowsze badanie Nuffield Trust i Royal College of GPs: prawie 30% lekarzy rodzinnych w UK przyznało, że używa narzędzi AI (w tym ChatGPT) podczas konsultacji, najczęściej do podsumowań wizyt, wsparcia diagnostyki i zadań administracyjnych.
5. Co z tego wynika dla lekarzy i pracowników medycznych
AI nie zabierze lekarzom pracy, ale zmieni to, jak będą pracować
Zestawiając:
- doświadczenia banków, księgowości i przemysłu,
- dane z radiologii i robotyki,
- badania postaw lekarzy w Polsce i Europie,
można wywnioskować, że AI nie spowoduje wykluczenia całych specjalizacji i grona pracowników medycznych, ale będzie automatyzować konkretne zadania: fragmenty dokumentacji, triaż, wstępną analizę obrazów, wyszukiwanie informacji, szkice wypisów. Część z nich obniży koszt jednostkowy wielu czynności, przez co system najprawdopodobniej zamówi ich więcej (więcej badań, więcej kontaktu z pacjentem, więcej raportów). Kluczowe staną się więc nowe kompetencje, dlatego tak ważne jest ułatwienie grupom zawodowym w medycynie rozwój i dostosowanie do nowych możliwości technologicznych.
Największe ryzyko to AI wdrożona „dla lekarzy, ale bez lekarzy”
Historia EDM i częściowo telemedycyny pokazuje, co się dzieje, gdy technologia jest projektowana przede wszystkim pod kątem rozliczeń i raportowania, z myślą o wskaźnikach finansowych, z minimalnym udziałem ludzi, którzy pracują z pacjentem.
System, który tylko formalnie „automatyzuje” proces, w praktyce dokłada kolejne obowiązki dokumentacyjne i przerzuca ryzyko i odpowiedzialność na lekarzy i inne zawody medyczne.
W przypadku AI stawka jest o tyle wyższa, bo narzędzia nie tylko porządkują dane, ale proponują diagnozy i decyzje. Jeśli środowisko medyczne nie wejdzie w rolę współautorów, standardy bezpieczeństwa i zakres użycia ustali za nich system, producenci, płatnicy i działy finansowe.
Zamiast udawać, że „u nas się nie używa AI”, wydaje się zasadne:
- jasno określić, czego nie wolno wklejać do narzędzi generatywnych (identyfikatory, dane medyczne, dane pracowników),
- wskazać dopuszczone narzędzia i scenariusze użycia,
- wypracować sposób dokumentowania sytuacji, w których AI miała wpływ na decyzję kliniczną.
Systemowe wsparcie i lista zweryfikowanych narzędzi
Niezbyt realistyczne jest oczekiwanie, że każdy lekarz będzie ekspertem od analizy ryzyka technologicznego. Potrzebne są:
- krajowe lub co najmniej instytucjonalne listy rekomendowanych, zweryfikowanych rozwiązań (AI, telemedycyna, aplikacje pacjenckie),
- procedury oceny nowych narzędzi (klinicznej, prawnej, bezpieczeństwa IT) wykonywane na poziomie szpitala, regionu czy kraju, zamiast przerzucania tego ciężaru na pojedynczych lekarzy,
- regularne szkolenia, które uczą jakie są typowe ryzyka (halucynacje modeli, bias, prywatność), gdzie kończy się odpowiedzialność narzędzia, a zaczyna odpowiedzialność lekarza, jak korzystać z AI w sposób bezpieczny dla pacjenta i dla medyka.
W takim modelu lekarz nie musi znać każdego detalu technicznego, a jedynie porusza się po zaufanym katalogu narzędzi, które przeszły weryfikację.
Podsumowanie
Pytanie „czy AI zabierze lekarzom pracę?” jest zrozumiałe, ale, analizując dotychczasowe doświadczenia, chyba nie jest najtrafniejsze. W ochronie zdrowia starzejące się społeczeństwo i rosnąca złożoność medycyny będą generować coraz większe wyzwania. Nawet gdyby AI przejęła część zadań, system natychmiast wypełni tę przestrzeń nowymi potrzebami pacjentów i podmiotów leczniczych.
Bardziej adekwatne pytania brzmią więc:
- Jaką część naszej pracy chcemy oddać AI i na jakich warunkach?
- Czy wykorzystamy AI, żeby odzyskać część czasu dla pacjenta i dla siebie, czy pozwolimy, by stała się kolejną warstwą biurokracji?
Zmiany i nowe technologie zawsze wywołują niepewność. To naturalne, że lekarze reagują na AI mieszaniną ciekawości i obaw. Ale jedno wydaje się dość jasne: Jeśli lekarze i inni pracownicy medyczni sami nie wyjdą z inicjatywą i nie włączą się aktywnie w projektowanie zasad korzystania z AI, zrobi to za nich system. A wtedy kształt naszej pracy za kilka lat zostanie ustalony gdzie indziej. Z perspektywy bezpieczeństwa pacjenta i naszego własnego bezpieczeństwa zawodowego wydaje się, że lepiej być po stronie tych, którzy współtworzą nowe narzędzia, niż tych, którzy później muszą się do nich dopasować.
Bibliografia
- Kowalewska E. i in. Physicians and AI in healthcare: insights from a mixed-methods study in Poland (2025).
- Ratajczak P. i in. Perceptions of AI-based tools among Polish medical university students (BMC Med Educ, 2025).
- Corti & YouGov. First AId Report: AI’s impact on healthcare (Europa i USA, 2025).
- Statista. Artificial intelligence (AI) in healthcare – trust and confidence among European HCPs (2024).
- PwC. Global Workforce Hopes and Fears 2025 oraz komunikaty dla Polski (2025).
- Keuper J. i in. The impact of eHealth use on general practice workload in the pre-COVID-19 era: a systematic review (BMC Health Serv Res, 2024).
- Keuper J. i wsp. Use of E-Health in Dutch General Practice during the COVID-19 Pandemic. IJERPH, 2021.
- Mandal S. i in. Quantifying the impact of telemedicine and patient medical advice requests on physician work (npj Digit Med, 2024).
- Akbar F. i in. Physician Stress During Electronic Health Record Inbox Work (2021).
- Kwee T.C., Kwee R.M. Workload of diagnostic radiologists in the foreseeable future and role of AI (Insights Imaging 2021; aktualizacja 2025).
- van Leeuwen K.G. i in. Artificial intelligence in radiology: 100 commercially available CE-marked AI solutions (Eur Radiol, 2021) oraz aktualizacje (Antonissen N. 2025).
- Liu H.Y., Hayton J. Expectation vs reality: impact of the da Vinci surgical robot on healthcare professionals’ work experiences (Soc Sci Med, 2025).
- Artykuły nt. robotów szpitalnych (np. Moxi), m.in. Diligent Robotics, doniesienia z europejskich i amerykańskich szpitali.
- Microsoft (2025), Rise in ‘Shadow AI’ tools raising security concerns for UK organisations, Microsoft UK Stories. https://ukstories.microsoft.com/features/rise-in-shadow-ai-tools-raising-security-concerns-for-uk/
- Nuffield Trust & Royal College of GPs. AI in UK primary care (2025).
- UpGuard. The State of Shadow AI – Trends, Insights & Statistics / State of Shadow AI report, 2025
- Olson K.D. i wsp. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Network Open, 2025;8(10):e2534976.
- Ivanti (2025), 2025 Technology at Work Report. Reshaping Flexible Work, raport badawczy, Ivanti. https://www.ivanti.com/resources/research-reports/tech-at-work
Autorka:
Małgorzata Maj – menedżer ds. innowacji w Instytucie Matki i Dziecka. Absolwentka medycyny na Uniwersytecie Medycznym w Lublinie oraz prawa na Uniwersytecie Warszawskim. Doświadczenie zawodowe zdobywała w jednej z największych warszawskich kancelarii prawnych, specjalizującej się w sektorze Life Sciences. W swojej praktyce zawodowej dąży do łączenia wiedzy i doświadczenia prawniczego z wiedzą medyczną. Współautorka publikacji i raportów na temat innowacji medycznych, sztucznej inteligencji i telemedycyny.