Informacja badawcza oparta na analizie struktur stanowisk pracy według modelu Canvas i prawdopodobieństwo ich cyfryzacji.
ABSTRAKT
Niniejszy artykuł przedstawia przełomową tezę o potencjalnym systemowym załamaniu się całych struktur organizacyjnych na skutek automatyzacji i cyfryzacji. W przeciwieństwie do powszechnie przyjętej narracji o redukcji pojedynczych stanowisk pracy, badanie oparte na analizie 105 stanowisk w 9 komponentach modelu Business Model Canvas wykazuje, że cyfryzacja może prowadzić do implozji całych ekosystemów organizacyjnych poprzez efekt kaskadowy między współzależnymi komponentami struktury przedsiębiorstwa.
Analiza kwantytatywna wykazała, że średnie ryzyko automatyzacji wynosi 50,6%, przy czym 18,1% stanowisk charakteryzuje się wysokim ryzykiem automatyzacji (≥65%). Kluczowym odkryciem jest identyfikacja 13 stanowisk krytycznych, które łączą wysoką ważność biznesową z wysokim ryzykiem automatyzacji, tworząc punkty krytyczne mogące wywołać efekt domina w całej strukturze organizacyjnej.
Słowa kluczowe: implozja organizacyjna, model Canvas, automatyzacja strukturalna, efekt kaskadowy, cyfryzacja systemowa, transformacja organizacyjna
1. WPROWADZENIE
1.1 Kontekst badawczy
Transformacja cyfrowa przedsiębiorstw jest najczęściej analizowana przez pryzmat redukcji pojedynczych stanowisk pracy. Badania McKinsey Global Institute (2024) wskazują, że 57% godzin pracy w USA może być teoretycznie zautomatyzowanych przy użyciu obecnie dostępnych technologii. Jednak ta perspektywa atomistyczna pomija fundamentalną właściwość współczesnych organizacji – ich systemowy charakter i głęboką współzależność między komponentami struktury.
1.2 Luka badawcza
Istniejąca literatura koncentruje się na: – Ocenie ryzyka automatyzacji pojedynczych zawodów (Frey & Osborne, 2013) – Transformacji modeli biznesowych w erze cyfrowej (Kretschmer & Khashabi, 2020) – Reorganizacji struktur po wdrożeniu technologii cyfrowych (Bilgeri et al., 2017). Brakuje jednak badań analizujących potencjalny efekt domina między komponentami organizacji, który może prowadzić do implozji całych struktur, a nie tylko do redukcji zatrudnienia w wybranych obszarach.
1.3 Teza główna
Cyfryzacja nie prowadzi jedynie do redukcji pojedynczych stanowisk, ale może wywołać implozję całych struktur organizacyjnych poprzez efekt kaskadowy między współzależnymi komponentami modelu biznesowego.
Ta implozja strukturalna manifestuje się przez:
1. Efekt współzależności: Automatyzacja jednego komponentu destabilizuje pozostałe,
2. Krytyczne punkty załamania: Stanowiska o wysokiej ważności i wysokim ryzyku automatyzacji,
3. Nierównomierną dystrybucję ryzyka: Niektóre komponenty Canvas są bardziej narażone niż inne,
4. Transformację hierarchii: Odwrócenie piramidy wartości – im niżej w hierarchii, tym wyższe ryzyko.
2. PRZEGLĄD LITERATURY
2.1 Automatyzacja a struktury organizacyjne
Badania nad transformacją cyfrową pokazują rosnące znaczenie restrukturyzacji organizacyjnych. Shahzad, Imran i Butt (2025) w najnowszym badaniu opublikowanym w „Research-Technology Management” wykazali empirycznie, że transformacja cyfrowa wymusza zmiany w strukturach organizacyjnych firm przemysłowych. Jednak ich analiza koncentruje się na adaptacji, nie na potencjalnym załamaniu się struktur.
Kretschmer i Khashabi (2020) w analizie dla „California Management Review” dowodzą, że transformacja cyfrowa wymaga zintegrowanego podejścia do projektowania organizacji, łączącego technologię ze strukturą. Identyfikują oni ryzyko „pułapek cyfryzacji” (Linde et al., 2020), gdy organizacje wprowadzają technologie bez przeprojektowania procesów biznesowych.
2.2 Model Canvas jako narzędzie analizy strukturalnej
Business Model Canvas (Osterwalder & Pigneur, 2010) definiuje 9 kluczowych komponentów modelu biznesowego: 1. Propozycja Wartości 2. Segmenty Klientów 3. Kanały Dystrybucji 4. Relacje z Klientami 5. Strumienie Przychodów 6. Kluczowe Zasoby 7. Kluczowe Działania 8. Kluczowe Partnerstwa 9. Struktura Kosztów.
Bleicher i Stanley (2017) wskazują, że digitalizacja może służyć jako katalizator innowacji modelu biznesowego, ale wymaga systematycznego podejścia do wszystkich komponentów jednocześnie.
2.3 Teoria kaskadowych awarii systemów
Literatura z zakresu teorii systemów złożonych (Abel, Cumming & Anderies, 2006) wskazuje, że systemy społeczno-ekologiczne podlegają „kolapsowi i reorganizacji” gdy kluczowe elementy infrastruktury ulegają destabilizacji. Korkali et al. (2017) dowodzą, że automatyzacja może wprowadzać nowe mechanizmy awarii przez wzrost współzależności między systemami.
Perry, Wears i Cook (2005) analizują rolę automatyzacji w awariach systemów złożonych, pokazując, że „ze względu na złożone współzależności technologii informacyjnych, awaria jednego komponentu technologicznego rozchodzi się na zewnątrz, wpływając na odległe urządzenia.”
2.4 Bezrobocie strukturalne a kolaps organizacyjny
Amankwah-Amoah i Appiah (2025) w artykule „Unmasking the silent threat: AI-induced human capital obsolescence and business failure” przedstawiają nową perspektywę: przestarzałość kapitału ludzkiego indukowana przez AI może prowadzić do upadku biznesów. Jest to kluczowy argument wspierający tezę o implozji strukturalnej.
3. METODOLOGIA BADANIA
3.1 Źródła danych
Badanie opiera się na dwóch bazach danych:
Baza 1: Raport automatyzacji (105 stanowisk) – Stanowisko – Komponent Canvas – Kategoria Funkcjonalna – Poziom Hierarchii (C-Level, Kierowniczy, Menedżerski, Specjalistyczny, Wykonawczy) – Ryzyko Automatyzacji (%) – Kategoria Ryzyka – Ważność dla Biznesu – Status do 2040
Baza 2: Struktura stanowisk według Canvas (105 stanowisk) – Komponent Canvas – Zawód – Stanowisko – Poziom w hierarchii – Kluczowe Kompetencje – Miesięczne Wynagrodzenie (PLN)
Obie bazy zostały wykonane w ramach projektu „Polska Agenda Odporności Cyfrowej 2040 – model strategicznego przygotowania na antynomie cyfryzacji”. Pierwszym etapem badań była analiza struktur globalnych przedsiębiorstw i przypisanie funkcji i ról pracowniczych do danego komponentu modelu Canvas. Po przeanalizowaniu około stu tego typu przedsiębiorstw okazało się, że dane role i funkcje pod nieco różnymi nazwami powtarzają się w poszczególnych kompotach modelu. Dokonano wtedy ujednolicenia nazewnictwa w oparciu o role biznesowe i dokonano charakterystyki każdego ze stanowisk pracy. Następnie w oparciu o poniżej zaprezentowane kryteria, literaturę przedmiotu i dyskusje w ramach zespołu projektowego oszacowano prawdopodobieństwo „ryzyka automatyzacji” oznacza stopień podatności zawodu na zastąpienie przez technologie automatyzacyjne, wyrażany najczęściej jako prawdopodobieństwo (0-100%), że większość zadań wykonywanych w ramach danego zawodu może być zautomatyzowana przy użyciu obecnie dostępnych lub przewidywalnych technologii.
Kryteria oceny ryzyka automatyzacji
Każde stanowisko oceniono pod kątem możliwości automatyzacji jego kluczowych zadań, uwzględniając:
- powtarzalność zadań,
- możliwość algorytmizacji procesów,
- zależność od fizycznej obecności człowieka,
- wymagania dotyczące kreatywności i podejmowania strategicznych decyzji,
- potrzebę interakcji międzyludzkich wysokiego poziomu.
Kategorie ryzyka automatyzacji
- BARDZO WYSOKIE (≥70%): Stanowisko zagrożone całkowitym zniknięciem,
- ŚREDNIE-WYSOKIE (50-69%): Głęboka transformacja stanowiska,
- ŚREDNIE (30-49%): Umiarkowana transformacja wymagana,
- NISKIE (<30%): Stanowisko relatywnie stabilne.
3.2 Metody analizy
- Analiza deskryptywna: Rozkład ryzyka automatyzacji według komponentów Canvas
- Analiza korelacji: Zależności między poziomem hierarchii a ryzykiem automatyzacji
- Identyfikacja stanowisk krytycznych: Wysoka ważność × Wysokie ryzyko (≥65%)
- Wskaźnik Wrażliwości Komponentu (WWK): WWK = Średnie_Ryzyko × (1 – Odchylenie_Std/100)
- Analiza procesu kaskadowego: Symulacja efektów domina między komponentami
3.3 Ograniczenia metodologiczne
- Dane dotyczą dużych przedsiębiorstw
- Ryzyko automatyzacji opiera się na aktualnym stanie technologii (2024-2025)
- Nie uwzględnia powstawania nowych stanowisk
4. WYNIKI ANALIZY
4.1 Rozkład ryzyka automatyzacji według komponentów Canvas
Analiza 105 stanowisk wykazała znaczące różnice w ryzyku automatyzacji między komponentami modelu Canvas:
| Komponent Canvas | Średnie Ryzyko (%) | Min | Max | Liczba Stanowisk |
| 9. Struktura Kosztów | 56.25 | 45 | 70 | 8 |
| 7. Kluczowe Działania | 57.89 | 20 | 70 | 19 |
| 4. Relacje z Klientami | 53.50 | 25 | 75 | 10 |
| 3. Kanały Dystrybucji | 52.14 | 20 | 70 | 21 |
| 5. Strumienie Przychodów | 50.00 | 20 | 65 | 8 |
| 2. Segmenty Klientów | 49.44 | 20 | 70 | 9 |
| 6. Kluczowe Zasoby | 45.71 | 20 | 85 | 14 |
| 8. Kluczowe Partnerstwa | 45.00 | 25 | 70 | 7 |
| 1. Propozycja Wartości | 37.22 | 20 | 55 | 9 |
Kluczowe odkrycie: Komponenty operacyjne (7, 9) i te związane z obsługą klienta (3, 4) charakteryzują się znacząco wyższym ryzykiem automatyzacji niż komponenty strategiczne (1).
4.2 Hierarchia organizacyjna a ryzyko automatyzacji
Analiza wykazała odwróconą piramidę ryzyka – im niżej w hierarchii, tym wyższe ryzyko:
| Poziom Hierarchii | Średnie Ryzyko (%) | Liczba Stanowisk |
| Wykonawczy | 68.61 | 18 |
| Specjalistyczny | 59.17 | 42 |
| Menedżerski | 44.17 | 24 |
| Kierowniczy | 28.85 | 13 |
| C-Level | 20.00 | 8 |
Implikacja: Podstawa piramidy organizacyjnej, która stanowi fundamenty operacyjne przedsiębiorstwa, jest najbardziej narażona na automatyzację.
4.3 Stanowiska z najwyższym ryzykiem automatyzacji (TOP 10)
| Stanowisko | Komponent Canvas | Ryzyko (%) | Status 2040 |
| System Administrator | 6. Kluczowe Zasoby | 85 | Zagrożone zniknięciem |
| Technical Support Specialist | 4. Relacje z Klientami | 75 | Zagrożone zniknięciem |
| Customer Data Analyst | 2. Segmenty Klientów | 70 | Zagrożone zniknięciem |
| Inside Sales Representative | 3. Kanały Dystrybucji | 70 | Zagrożone zniknięciem |
| Field Sales Representative | 3. Kanały Dystrybucji | 70 | Zagrożone zniknięciem |
| Sprzedawca | 3. Kanały Dystrybucji | 70 | Zagrożone zniknięciem |
| Kasjer | 3. Kanały Dystrybucji | 70 | Zagrożone zniknięciem |
| Konsultant Telefoniczny | 4. Relacje z Klientami | 70 | Zagrożone zniknięciem |
| Chat Support Specialist | 4. Relacje z Klientami | 70 | Zagrożone zniknięciem |
| Pracownik Produkcji | 7. Kluczowe Działania | 70 | Zagrożone zniknięciem |
4.4 Stanowiska krytyczne: Wysoka ważność × Wysokie ryzyko
Zidentyfikowano 13 stanowisk krytycznych (12,4% wszystkich analizowanych):
| Stanowisko | Komponent Canvas | Ważność | Ryzyko (%) |
| System Administrator | 6. Kluczowe Zasoby | High | 85 |
| Technical Support Specialist | 4. Relacje z Klientami | High | 75 |
| Customer Data Analyst | 2. Segmenty Klientów | High | 70 |
| Field Sales Representative | 3. Kanały Dystrybucji | High | 70 |
| Pracownik Produkcji | 7. Kluczowe Działania | High | 70 |
| Operator Maszyn | 7. Kluczowe Działania | High | 70 |
| Magazynier | 7. Kluczowe Działania | High | 70 |
| Business Analyst | 5. Strumienie Przychodów | High | 65 |
| Financial Analyst | 9. Struktura Kosztów | High | 65 |
Te stanowiska stanowią punkty krytyczne – ich automatyzacja może wywołać efekt kaskadowy w całej strukturze organizacyjnej.
4.5 Wskaźnik Wrażliwości Komponentów (WWK)
Obliczony WWK dla komponentów Canvas:
| Komponent | WWK | Interpretacja |
| 9. Struktura Kosztów | 50.68 | Najwyższa wrażliwość |
| 7. Kluczowe Działania | 48.57 | Bardzo wysoka wrażliwość |
| 3. Kanały Dystrybucji | 44.00 | Wysoka wrażliwość |
| 4. Relacje z Klientami | 43.89 | Wysoka wrażliwość |
| 5. Strumienie Przychodów | 42.68 | Średnia wrażliwość |
| 2. Segmenty Klientów | 40.93 | Średnia wrażliwość |
| 8. Kluczowe Partnerstwa | 37.54 | Średnia wrażliwość |
| 6. Kluczowe Zasoby | 37.40 | Średnia wrażliwość |
| 1. Propozycja Wartości | 32.94 | Najniższa wrażliwość |
4.6 Procent stanowisk wysokiego ryzyka w każdym komponencie
| Komponent Canvas | % Stanowisk z Ryzykiem ≥65% |
| 7. Kluczowe Działania | 47.4% |
| 4. Relacje z Klientami | 30.0% |
| 9. Struktura Kosztów | 25.0% |
| 3. Kanały Dystrybucji | 19.0% |
| 8. Kluczowe Partnerstwa | 14.3% |
| 5. Strumienie Przychodów | 12.5% |
| 2. Segmenty Klientów | 11.1% |
| 6. Kluczowe Zasoby | 7.1% |
| 1. Propozycja Wartości | 0.0% |
Kluczowe odkrycie: Prawie połowa (47,4%) stanowisk w obszarze „Kluczowe Działania” charakteryzuje się wysokim ryzykiem automatyzacji.
4.7 Prognoza statusu stanowisk do 2040
| Status do 2040 | Liczba Stanowisk | Procent |
| Głęboka transformacja | 33 | 31.4% |
| Transformacja | 31 | 29.5% |
| Zagrożone zniknięciem | 20 | 19.0% |
| Stabilne – wsparcie AI | 16 | 15.2% |
| Stabilne z transformacją | 4 | 3.8% |
| Stabilne – rosnące zapotrzebowanie | 1 | 1.0% |
Implikacja: Łącznie 80,9% stanowisk będzie poddanych transformacji lub jest zagrożonych zniknięciem do 2040 roku.
5. TEORIA IMPLOZJI STRUKTURALNEJ
5.1 Definicja implozji strukturalnej
Implozja strukturalna organizacji to proces systemowego załamania się wzajemnie powiązanych komponentów modelu biznesowego, wywołany kaskadową automatyzacją stanowisk o wysokiej ważności operacyjnej. W przeciwieństwie do redukcji zatrudnienia (zjawiska liniowego), implozja ma charakter nieliniowy i eksponencjalny.
5.2 Mechanizm efektu kaskadowego
Efekt kaskadowy między komponentami Canvas można opisać następującym modelem:
Faza 1: Automatyzacja punktów krytycznych – Automatyzacja stanowisk o wysokim ryzyku w komponentach operacyjnych (7, 9) – Przykład: 47,4% stanowisk w „Kluczowych Działaniach” ma ryzyko ≥65%
Faza 2: Destabilizacja komponentów zależnych – Automatyzacja w „Kluczowych Działaniach” (7) → destabilizacja „Kanałów Dystrybucji” (3) – Automatyzacja w „Strukturze Kosztów” (9) → przekształcenie „Strumieni Przychodów” (5)
Faza 3: Reorganizacja modelu biznesowego – Zmiana „Propozycji Wartości” (1) w odpowiedzi na cyfryzację – Redefinicja „Segmentów Klientów” (2) i „Relacji z Klientami” (4)
Faza 4: Implozja lub metamorfoza – Scenariusz A (Implozja): Organizacja nie potrafi się zreorganizować → upadek – Scenariusz B (Metamorfoza): Organizacja przechodzi głęboką transformację → nowy model
5.3 Matematyczny model współzależności
Zaproponowany model współzależności między komponentami:
Ryzyko_Implozji(t) = Σ [WWK_i × P_automatyzacji_i(t) × Współzależność_ij]
Gdzie: – WWK_i = Wskaźnik Wrażliwości Komponentu i – P_automatyzacji_i(t) = Prawdopodobieństwo automatyzacji w czasie t – Współzależność_ij = Macierz współzależności między komponentami
PRZYPADKI EMPIRYCZNE I DOWODY
Przypadek 1: Sektor bankowy – implozja tradycyjnych oddziałów
Dane z analizy: – Financial Analyst: Ryzyko 65%, Ważność Wysoka – Inside Sales Representative: Ryzyko 70% – Kasjer: Ryzyko 70%
Proces kaskadowy: 1. Automatyzacja analiz finansowych (AI zastępuje analityków) 2. Digitalizacja sprzedaży (platformy online eliminują sprzedaż osobistą) 3. Eliminacja kas (bankowość mobilna, bankomaty inteligentne) 4. Implozja oddziałów → Całkowita reorganizacja modelu dystrybucji
Źródło: McKinsey (2024) raportuje, że banki mogą zautomatyzować 60-70% godzin pracy w funkcjach back-office.
Przypadek 2: Produkcja – zanik warstwy środkowej
Dane z analizy: – Pracownik Produkcji: Ryzyko 70%, Ważność Wysoka – Operator Maszyn: Ryzyko 70%, Ważność Wysoka – Magazynier: Ryzyko 70%, Ważność Wysoka
Proces kaskadowy: 1. Robotyzacja produkcji (47,4% stanowisk w „Kluczowych Działaniach” pod presją) 2. Automatyzacja magazynowania (systemy AGV, ASRS) 3. Destabilizacja funkcji kontrolnych 4. Implozja struktur menedżerskich → Płaskie organizacje z AI-nadzorem
Przypadek 3: Customer Service – od ludzi do agentów AI
Dane z analizy: – Technical Support Specialist: Ryzyko 75%, Ważność Wysoka – Konsultant Telefoniczny: Ryzyko 70% – Chat Support Specialist: Ryzyko 70% – Customer Data Analyst: Ryzyko 70%, Ważność Wysoka
Proces kaskadowy: 1. Chatboty i AI-agenci (eliminacja 70% konsultantów) 2. Automatyczna analiza danych klientów 3. Predykcyjna obsługa (AI przewiduje potrzeby przed zgłoszeniem) 4. Implozja działów customer service → Małe zespoły nadzorujące AI
Źródło: Dane McKinsey wskazują, że agenci AI mogą rozwiązać większość rutynowych zapytań bez interwencji człowieka.
WNIOSKI
Główne tezy artykułu
- Cyfryzacja prowadzi do implozji strukturalnej, nie tylko redukcji zatrudnienia
- 80,9% stanowisk będzie transformowanych lub zagrożonych do 2040
- Efekt kaskadowy między komponentami Canvas
- 12,4% stanowisk krytycznych jako punkty zapalne
- Współzależność systemowa jest kluczowa
- Automatyzacja jednego komponentu destabilizuje pozostałe
- Wskaźnik Wrażliwości Komponentu (WWK) jako miara ryzyka
- Komponenty operacyjne (7, 9) najbardziej narażone
- Hierarchia organizacyjna ulega odwróceniu
- Poziom wykonawczy: 68,61% średniego ryzyka
- C-Level: tylko 20% ryzyka
- „Odwrócona piramida ryzyka”
- Scenariusze przyszłości są zróżnicowane
- Kontrolowana metamorfoza (30%)
- Częściowa implozja (50%)
- Systemowa implozja (20%)
Transformacja cyfrowa nie jest jedynie wyzwaniem technologicznym czy operacyjnym – jest wyzwaniem systemowym, które może prowadzić do fundamentalnej reorganizacji lub upadku organizacji. Powszechnie przyjęta narracja o „redukcji pojedynczych stanowisk” jest niewystarczająca i potencjalnie niebezpieczna, gdyż maskuje prawdziwe ryzyko: implozję całych struktur organizacyjnych.
Organizacje, które przetrwają i odniosą sukces w nadchodzącej erze, to te, które: – Zrozumieją systemowy charakter swojej struktury – Zidentyfikują swoje stanowiska krytyczne – Proaktywnie zreorganizują przepływy pracy (workflows) – Zainwestują w transformację kapitału ludzkiego – Stworzą hybrydowe modele człowiek-AI-robot
Andrzej Danilkiewicz
BIBLIOGRAFIA
Źródła naukowe
Abel, N., Cumming, D. H., & Anderies, J. M. (2006). Collapse and reorganization in social-ecological systems: questions, some ideas, and policy implications. Ecology and Society, 11(1).
Amankwah-Amoah, J., & Appiah, G. (2025). Unmasking the silent threat: AI-induced human capital obsolescence and business failure. Journal of Managerial Psychology.
Bilgeri, D., Wortmann, F., & Fleisch, E. (2017). How digital transformation affects large manufacturing companies’ organization. International Conference on Information Systems (ICIS).
Bleicher, J., & Stanley, H. (2017). Digitization as a catalyst for business model innovation: A three-step approach to facilitating economic success. Journal of Business Management, 13, 62-71.
Bonanomi, M. M., Hall, D. M., & Staub-French, S. (2020). The impact of digital transformation on formal and informal organizational structures of large architecture and engineering firms. Engineering, Construction and Architectural Management, 27(4), 831-854.
Dąbrowska, J., Almpanopoulou, A., & Brem, A. (2022). Digital transformation, for better or worse: a critical multi-level research agenda. R&D Management, 52(5), 930-954.
Korkali, M., Veneman, J. G., Tivnan, B. F., Bagrow, J. P., & Hines, P. D. (2017). Reducing cascading failure risk by increasing infrastructure network interdependence. Scientific Reports, 7(1), 44499.
Kretschmer, T., & Khashabi, P. (2020). Digital transformation and organization design: An integrated approach. California Management Review, 62(4), 86-104.
Linde, L., Sjödin, D., Parida, V., & Wincent, J. (2020). Evaluation of digital business model opportunities: a framework for avoiding digitalization traps. Research-Technology Management, 64(1), 43-53.
McMillan, C. J., & Overall, J. S. (2017). Crossing the chasm and over the abyss: Perspectives on organizational failure. Academy of Management Perspectives, 31(4), 271-287.
Mirković, V., Lukić, J., & Lazarević, S. (2019). Key characteristics of organizational structure that supports digital transformation. Strategic Management and Decision Support Systems in Strategic Management.
Osterwalder, A., & Pigneur, Y. (2010). Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers. John Wiley & Sons.
Parthasarthy, R., & Sethi, S. P. (1992). The impact of flexible automation on business strategy and organizational structure. Academy of Management Review, 17(1), 86-111.
Perry, S. J., Wears, R. L., & Cook, R. I. (2005). The role of automation in complex system failures. Journal of Patient Safety, 1(1), 56-61.
Sandberg, J., Holmström, J., & Lyytinen, K. (2020). Digitization and phase transitions in platform organizing logics: Evidence from the process automation industry. MIS Quarterly, 44(1), 129-153.
Shahzad, K., Imran, F., & Butt, A. (2025). Digital Transformation and Changes in Organizational Structure: Empirical Evidence from Industrial Organizations. Research-Technology Management.
Spigel, B., & Vinodrai, T. (2021). Meeting its Waterloo? Recycling in entrepreneurial ecosystems after anchor firm collapse. In Entrepreneurial Ecosystems (pp. 67-96). Routledge.
Raporty i dane statystyczne
McKinsey Global Institute. (2024). Agents, robots, and us: Skill partnerships in the age of AI. McKinsey & Company.
National Equity Atlas. (2024). Automation Risk. Retrieved from nationalequityatlas.org
SHRM. (2024). Jobs at Risk — US Employment in the New Age of Automation. Society for Human Resource Management.
Źródła danych empirycznych
Dane własne: Raport automatyzacji szczegółowy.xlsx (105 stanowisk) Dane własne: Struktura stanowisk canvas.xlsx (105 stanowisk)
Wykresy
