A szakmai rutin ezekből az unalmas feladatokból épül fel. A junior olcsóbb munkaerőként kezdett, közben minden egyes munkanappal közelebb került a szenior szinthez. A vállalat az aznapi termelés mellett a saját jövőbeli szakembergárdáját is finanszírozta.

Az AI éppen ezen a területen erős. Gyors, olcsó, folyamatosan elérhető, és tapasztalt ember felügyelete mellett óriási mennyiségű rutinfeladatot képes ledarálni. A pénzügyi osztály ebből annyit lát, hogy a tegnapi három junior helyét ma egy szenior és néhány előfizetés tölti ki.

A negyedéves eredmény ettől szebb lesz. Öt vagy tíz év múlva érkezik a számla, amikor ugyanaz a cég tapasztalt szakembereket keres majd egy olyan piacról, ahol éveken át alig képzett valaki utánpótlást.

A korosztályos törés már mérhető

A munkaerőpiaci AI-jóslatok sokáig a repülő autók polcán porosodtak. A friss adatok már jóval közelebbi és sokkal földhözragadtabb változást mutatnak: a fiatalok belépési esélye romlik először.

A Stanford Digital Economy Lab 2026 augusztusában frissített elemzése két külön képet mutatott. Az amerikai foglalkoztatás egészében egyelőre csekély az AI-hoz köthető elmozdulás. A 22–25 évesek foglalkoztatása viszont az AI-nak erősen kitett munkakörökben körülbelül 19 százalékkal maradt el attól a szinttől, amelyet a kevésbé kitett szakmákban dolgozó kortársaik pályája alapján várni lehetett volna. A tapasztalt dolgozóknál hasonló rés alig látszott. A törést elsősorban a fiatalok elmaradó felvétele okozta.

A mérés hatóköre világos: amerikai bérszámfejtési adatokból dolgozik, így a teljes világgazdaságra szóló ítélethez további országok adatai kellenek. A kutatás megfigyeléses, ezért az AI mellett más gazdasági hatások is szerepet játszhatnak. A szerzők több zavaró tényezőt megvizsgáltak, a pályakezdők hátránya pedig ezek után is látható maradt. Ez erős jelzés. A végleges ítélethez még idő kell.

Magyarul: az ajtón belül ülő szenior erősebb lett. Az ajtó előtt álló pályakezdő egyre hosszabb sort lát.

A Nemzetközi Munkaügyi Szervezet 2025-ös globális indexe szerint világszerte nagyjából minden negyedik állás valamilyen mértékben kitett a generatív AI hatásának. Az ILO a munkák átalakulását tartja valószínűbbnek a teljes megszűnésnél. Ez elsőre megnyugtató. A kellemetlen rész a belépőszinten jelenik meg: egy szakma megmaradhat úgy is, hogy a kezdőknek szánt változata közben eltűnik.

A World Economic Forum 2026-ban már külön jelentést szentelt a pályakezdő munkák jövőjének. Az összefoglaló, a kódváz, az adatfeldolgozás és a szerződések első átnézése ma már gépre bízható. Korábban éppen ezek a feladatok tanították meg a fiatal szakembert gondolkodni. Az automatizálás így egyszerre visz el munkát és gyakorlóterepet.

A hatékonyság ára később érkezik

Egy cég szemszögéből a döntés tökéletesen racionális. Egy tapasztalt munkatárs AI-val két-három ember rutinfeladatait elvégzi. A bérköltség csökken, a teljesítmény nő, a vezető pedig kipipálja a sikeres digitalizációt.

Csakhogy a tapasztalt munkatárs éveken át épült fel.

Ő is kezdőként indult. Elrontott dolgokat, rosszul mérte fel a helyzetet, segítséget kért, majd megtanulta felismerni a veszélyes részleteket. A szakértelmének jelentős része könyvek helyett rossz döntésekből, hiányos adatokból, dühös ügyfelekből, félreérthető specifikációkból és valódi következményekből származik. Ezekhez egy előre megírt prompt kevés útmutatást adott volna.

A vállalat most kivágja ezt a tanulási folyamatot, a végén mégis tapasztalt szakembert vár. Olyan ez, mintha bezárnánk az autósiskolákat, mert a tanulóvezetők lassítják a forgalmat, majd tíz év múlva felháborodva keresnénk a gyakorlott sofőröket.

A folyamat alattomos, mert rövid távon minden döntéshozó jól járhat. A szenior termelékenyebb lesz. A vezető költséget csökkent. A tulajdonos nagyobb eredményt lát. Mire az utánpótlási hiány valóban fájni kezd, a döntést meghozó vezető talán már egy másik cégnél ül, vagy nyugdíjban meséli, milyen sikeresen vezette be az AI-t.

Két irányba indulhat ugyanaz a technológia

A PwC 2026-os AI Jobs Barometer jelentése több mint egymilliárd álláshirdetést elemzett. Az AI-nak erősebben kitett vállalatoknál a termelékenység, a létszám és a bérek is gyorsabban növekedhetnek. Az AI-ismeretet igénylő munkák jelentős bérprémiumot kapnak. Ez a kép jóval összetettebb a szokásos állásromboló történetnél.

A PwC adatai együttmozgást mutatnak, tiszta ok-okozati bizonyítékot kevésbé. Az AI-t gyorsabban bevezető vállalatok eleve lehetnek tőkeerősebbek, jobban vezetettek vagy gyorsabban növekvők. A jelentés mégis fontos dolgot mutat: az AI-kitettség mellé létszámnövekedés is társulhat. A technológia egyszerre képes állást kiváltani és új munkát felerősíteni.

Két vállalati modell rajzolódik ki. Az elsőben az AI megerősíti az embert: gyorsítja a keresést, leveszi róla a mechanikus munkát, több lehetőséget enged kipróbálni, és jobb döntéshez segíti. A második modell olcsó cserealkatrészként kezeli. Az egyik az ember képességét növeli. A másik az emberre fordított költséget csökkenti.

A modell képességei adják a lehetőséget. A munkafolyamat és a vezetői döntés választja ki az irányt.

Az Anthropic gazdasági kutatásai külön mérik az automatizálást és a képességnövelést. A használati minták hónapról hónapra változnak, miközben egyre több teljes feladat kerül a modellekhez. A céges API-használatban különösen erős a számítástechnikai és matematikai munka aránya. Ez az adat kizárólag a Claude forgalmát mutatja, így korlátozott szeletet látunk. Arra viszont elég, hogy lássuk az irányt: az AI már beépült a termelési folyamatokba, és egyre több emberi munkaóra kiváltására alkalmas.

A pályakezdő kapja az első pofont

A szeniornak van neve, múltja, ügyfélkapcsolata és bizonyítható eredménye. AI-val még értékesebbé válhat. Egyetlen ember olyan teljesítményt adhat le, amelyhez korábban egy kisebb csapat kellett.

A pályakezdő legnagyobb hiánya éppen az, amit a piac hirtelen belépési feltétellé tett: a tapasztalat. Régen azért vették fel, hogy megszerezze. Ma már kész csomagként várják el tőle. A kapu kulcsa odabent készülne el, a kapuőr pedig már érkezéskor kéri.

A programozásban ez különösen látványos. A sablonkódot, a tesztvázat, a dokumentációt és az egyszerű hibajavítást egy tapasztalt fejlesztő AI-val gyorsabban elkészíti. Korábban ezekből tanult a junior. A jogban ugyanez történik a dokumentumkutatással, a marketingben a szövegváltozatokkal és riportokkal, az ügyfélszolgálaton az első vonalbeli kérdésekkel, a kreatív szakmákban pedig a vázlatokkal és a technikai előkészítéssel.

A kezdőtől rögtön ítélőképességet, felelősségvállalást, üzleti érzéket, ügyfélkezelést és a hibás AI-válasz felismerését várják. Ezek a képességek több év valódi munkájából születnek. Egy háromhetes online kurzus legfeljebb szép tanúsítványt ad hozzájuk.

A szakértelemhez valódi munka kell

Közben sorra születnek az új elnevezések: AI-specialista, automatizálási tanácsadó, jogi technológus, prompt engineer, AI workflow designer. Egy részük valódi és értékes szakma lesz. Más részük a régi munka új címkével, némi csillámporral és egy drágább LinkedIn-előfizetéssel.

Az AI-jártasság fontos új réteg. Alatta továbbra is kell jogi, fejlesztői, pénzügyi vagy szerkesztői tudás. A modell megsokszorozza a meglévő szakértelmet, a szakmai alapot pedig évek munkája teremti meg.

Rossz kézben a modell a tudás hiányát is felerősíti. A pályakezdő korábban lassan és láthatóan hibázott. AI-val gyorsan, magabiztosan és ipari mennyiségben képes előállítani valamit, ami első ránézésre szakmai munkának tűnik. A hiányos tudás így termelékenységi szorzót kap. Remek üzlet, egészen az első komoly következményig.

Az új junior szerepét tudatosan kell felépíteni

A gép gyorsabban és olcsóbban végzi a mechanikus munkát, ezért ezek a feladatok fokozatosan gépre kerülnek. A vállalat valódi feladata most az, hogy a tanulást leválassza a puszta rutintermelésről, és új gyakorlóteret építsen a kezdőknek.

A pályakezdők képzése egyre kevésbé finanszírozható automatikusan a rutinfeladatok kiszámlázásából. Az utánpótlás nevelése önálló befektetés lett. Idő, pénz, mentorálás és fokozatosan növekvő felelősség kell hozzá.

Az új junior szerepkör középpontjába a problémafelbontás, az ellenőrzés, a hiányzó kontextus felismerése, a forráskritika és a döntési felelősség kerül. Ehhez valódi munka, valódi következmény és valódi szakmai mentor kell. A modell adhat tízezer választ. A helyes kérdés és a vállalható döntés továbbra is szakmai teljesítmény.

Ez drágább, mint még egy AI-előfizetés. A kezdők tanítása, ellenőrzése és javítása mindig pénzbe került. Régen ezt a költséget eltakarta a napi termelés. Most külön soron látszik majd, és ettől végre minden vezető pontosan látni fogja, mennyit hajlandó fizetni a saját jövőjéért.

A létrát a vállalatok húzzák fel

Az álláshirdetésből emberek törlik ki a junior szót. A gyakornoki programot vezetők számolják fel. A tapasztalt munkatárs kapja meg az AI-eszközt, a kezdő helyére pedig költségmegtakarítás kerül a táblázatban. Ezek vállalati döntések, többnyire teljesen racionálisnak nevezett döntések.

A technológia rengeteg munkát képes kiváltani. A szakmai utánpótlás sorsa mégis a vezetők kezében marad. A következő negyedév eredménye és a tíz év múlva rendelkezésre álló szakértelem ugyanabban a döntésben ütközik össze.

Ma még ünnepeljük, hogy egy szenior és egy AI elvégzi egy kisebb csapat munkáját. Néhány év múlva ugyanezek a vállalatok egymással versenyeznek majd a maradék tapasztalt szakemberekért. Akkor újabb jelentések készülnek a tudáshiányról, a betöltetlen pozíciókról és a gyakorlati tapasztalat nélkül érkező fiatalokról.

A magyarázat ott lesz a mai költségcsökkentési döntésekben.

Az AI felgyorsítja a munkát. A vállalat dönti el, hogy közben felépül-e a következő szakembergárda, vagy a létra felső fokán marad néhány szenior, alattuk pedig üres tér.

Felhasznált források

2026  Stanford Digital Economy Lab: No Widespread Displacement, but the AI Employment Gap for Young Workers Widens

2025  International Labour Organization: Generative AI and Jobs – A Refined Global Index of Occupational Exposure

2026  World Economic Forum: Artificial Intelligence and the Future of Entry-Level Work

2026  PwC: 2026 Global AI Jobs Barometer

2026  Anthropic Economic Index: Learning Curves

2026  IMF: New Skills and AI Are Reshaping the Future of Work