Jesienią 2016 roku Geoffrey Hinton, jeden z twórców głębokiego uczenia i późniejszy noblista, powiedział w Toronto, że trzeba natychmiast przestać szkolić radiologów. Za pięć, najwyżej dziesięć lat AI miała być od nich lepsza. Dziesięć lat właśnie mija, a radiologów jest więcej niż wtedy. Mimo to wciąż ich brakuje. W Wielkiej Brytanii nie ma co trzeciego potrzebnego konsultanta, a w Polsce liczba rezonansów opłacanych przez NFZ wzrosła ponad ośmiokrotnie. Rozliczamy tę przepowiednię w dwóch częściach, bo jedna trafiła znacznie bliżej celu niż druga. Na koniec sprawdzamy, czego uczy każdego, kto dziś pyta, jakie zawody zastąpi AI.
Co dokładnie powiedział Hinton w 2016 roku
Słynne zdanie padło 27 października 2016 roku na konferencji Creative Destruction Lab “Machine Learning and the Market for Intelligence” w Toronto. Krótki klip z tym fragmentem trafił na YouTube 24 listopada i to jego datę podaje się zwykle jako dzień przepowiedni. W pełnym nagraniu panelu Hinton występuje obok Yoshui Bengio, Richarda Suttona i Ruslana Salakhutdinova. Moderator, inwestor Steve Jurvetson, pyta go o najciekawsze prace, które dopiero nadejdą.
Hinton zaczyna od “kilku rzeczy, które wydają się oczywiste”. “Jeśli pracujesz jako radiolog, jesteś jak kojot, który przebiegł już krawędź urwiska, ale jeszcze nie spojrzał w dół” – mówi. “Ludzie powinni natychmiast przestać szkolić radiologów. To zupełnie oczywiste, że w ciągu pięciu lat głębokie uczenie będzie lepsze od radiologów, bo zdobędzie dużo więcej doświadczenia”. Zaraz dodaje: “Może to potrwać dziesięć lat, ale radiologów mamy już dość”. I z przekąsem: powiedział to kiedyś w szpitalu i “nie zostało to dobrze przyjęte”.
Uczciwie trzeba dodać dwie rzeczy. Radiologia była w tej wypowiedzi wtrąceniem, około 45 sekund z dziewięciu minut, po których Hinton przeszedł do nowych modeli neuronów. Nie był też sam. W kwietniu 2017 roku inwestor Vinod Khosla mówił w CNBC, że rola radiologa “za pięć lat będzie przestarzała”.
Zdjęcie na górze strony: Geoffrey Hinton (w środku, z mikrofonem) na tym samym panelu 27 października 2016 roku, obok Ruslan Salakhutdinov, Richard Sutton, Yoshua Bengio i Steve Jurvetson. Fot. Steve Jurvetson, Wikimedia Commons, licencja CC BY 2.0, kadr przycięty.
Część pierwsza: czy AI jest lepsza od radiologa?
W wąskich zadaniach Hinton był bliżej prawdy, niż się dziś pamięta. Już w 2018 roku algorytm CheXNeXt ze Stanfordu dorównał radiologom w 11 z 14 zmian na zdjęciach klatki piersiowej. Opisał 420 zdjęć w półtorej minuty, a ludziom zajęło to cztery godziny. To było jednak badanie na archiwalnych zdjęciach z jednego szpitala.
Najmocniejszy dowód przyszedł w 2026 roku. W szwedzkim badaniu MASAI, opublikowanym w “The Lancet”, mammografie ponad 105 tys. kobiet losowo przydzielono do dwóch ścieżek: z AI albo bez niej. Z AI czułość wykrywania raka wzrosła z 73,8% do 80,5%, a wcześniejsza analiza pokazała o 44% mniej odczytów do zrobienia. Ważne zastrzeżenie: AI nie czytało badań samo. Kierowało je do jednego albo do dwóch radiologów. Głównym wynikiem było to, że ścieżka z AI nie okazała się gorsza od standardowego podwójnego odczytu pod względem raków wykrytych między badaniami, a wymagała mniej pracy. Nikt nie testował samej AI przeciw dwóm radiologom.
Druga strona medalu też jest dobrze zbadana. Model, który świetnie działa w jednym szpitalu, w innym potrafi wyraźnie stracić na trafności. W eksperymencie z 2023 roku bardzo doświadczeni radiolodzy, którym rzekome AI podpowiadało złą kategorię zmiany, trafiali w 45,5% przypadków zamiast w 82,3%.
Na liście FDA jest już 1 614 urządzeń medycznych z AI, z czego 1 230 radiologicznych. Pod koniec 2016 roku tych drugich było 26. Dopuszczenie do sprzedaży nie oznacza jednak użycia. Według najnowszego spisu brytyjskiego Royal College of Radiologists AI używa 75% oddziałów radiologii. Prawie trzy czwarte z tych, które stosują ją do opisu badań, nie widzi żadnego wpływu na obciążenie pracą.
Część druga: czy trzeba było przestać szkolić radiologów?
Tu werdykt jest prosty. Dostępne dane pokazują coś odwrotnego niż rada Hintona: szkolenie urosło, a radiologów wciąż brakuje. W Wielkiej Brytanii luka jest największa od co najmniej 2019 roku, odkąd Royal College of Radiologists liczy ją w obecny sposób.
| Teza z 2016 roku | Co się stało (stan na listopad 2026) | Ocena |
|---|---|---|
| Za 5 lat (2021) AI będzie lepsza od radiologów | Dorównuje lub pomaga w wąskich zadaniach (RTG klatki, mammografia przesiewowa); w badaniu z losowaniem ścieżka z AI “nie gorsza” od podwójnego odczytu przy mniejszej pracy, a nie przewaga samej AI | w wąskich zadaniach częściowo, jako ogólna teza chybiona |
| Najpóźniej za 10 lat (2026) | Sam Hinton w 2023 roku: pomylił się “mniej więcej trzykrotnie” co do tempa | termin minął, cel jeszcze nie |
| Przestańcie szkolić radiologów | USA: miejsca w naborze na radiologię diagnostyczną 1 168 (2016) → 1 268 (2026), obsadzone prawie wszystkie (NRMP) | szkolenie urosło, nie zmalało |
| Radiologów mamy już dość | Wielka Brytania: brakuje 32% konsultantów, czyli 2 313 etatów; w 2030 roku ma brakować 40% (RCR, spis 2025) | chybione |
| (Polska) | Specjalistów: 3 068 w listopadzie 2016, 4 434 w czerwcu 2026 roku; liczba czekających na rezonans w trybie stabilnym prawie się podwoiła w latach 2022-2025 (według PLTR, za AOTMiT) | więcej specjalistów, a oczekujących prawie dwa razy więcej |
W USA przybywa radiologów, a według Neiman Health Policy Institute przy American College of Radiology brak się utrzyma, jeśli nic się nie zmieni. Odsetek radiologów odchodzących z zawodu co roku wzrósł z 1,1% w 2014 roku do 2,5% w 2022. Słynnym przykładem jest Mayo Clinic, która używa ponad 250 modeli AI. Według “New York Timesa” zatrudnia o 55% więcej radiologów niż w dniu prognozy Hintona, ponad 400 osób. Nie dowodzi to, że ludzi przybyło dzięki AI. Pokazuje tylko, że w szpitalu z setkami modeli AI radiologów nie ubyło.
Polska: radiologów przybyło o połowę, rezonansów ośmiokrotnie
Polski przypadek dobrze pokazuje, co się dzieje, gdy badania stają się łatwiej dostępne, choć nie jest testem wpływu AI. Od 1 kwietnia 2019 roku NFZ przestał limitować tomografię i rezonans. Badania nie stały się tańsze dzięki AI, tylko łatwiej dostępne dla pacjenta. Skutek dla radiologów był jednak taki, jaki opisuje Hinton: więcej badań do opisania. Według raportu AOTMiT z września 2025 roku liczba ambulatoryjnych rezonansów opłacanych przez NFZ wzrosła z niespełna 314 tys. w 2017 roku do prawie 2,5 mln w 2024. Tomografii było 1,23 mln, a jest niemal 1,95 mln.
Lekarzy nie przybywa w tym tempie. Według Naczelnej Izby Lekarskiej specjalistów radiologii i diagnostyki obrazowej z prawem wykonywania zawodu jest 4 434. To o 45% więcej niż 30 listopada 2016 roku, około miesiąc po słowach Hintona. Radiologia nie jest przy tym na rządowej liście dziedzin priorytetowych. Już w 2022 roku NIK pisała, że radiologów brakuje w niemal jednej trzeciej skontrolowanych placówek. Żadne źródło nie podaje oficjalnej liczby brakujących radiologów, ale proporcja mówi sama za siebie: ludzi przybyło o połowę, badań rezonansu ośmiokrotnie.
Dlaczego Hinton się pomylił? Jego własne wyjaśnienie
Hinton wracał do tej prognozy kilka razy i robi to uczciwie. W grudniu 2023 roku w podcaście Erica Topola nazwał ją “śmiałą i błędną”. Dodał, że chodziło mu o interpretację skanów, “nie o wszystko, co robi radiolog”. W maju 2025 roku napisał “New York Timesowi”, że wypowiedział się za szeroko.
Najpełniej wyjaśnił to w czerwcu 2026 roku w Big Technology Podcast. Podaje dwie przyczyny. Pierwsza: “opieka zdrowotna jest elastyczna”. Gdy AI pozwala opisywać skany szybciej i taniej, nie potrzeba mniej radiologów, tylko robi się więcej skanów. Druga: nie wiedział, na czym polega ta praca. Jego wzorem radiologa był były doktorant, lekarz, który “nie przepadał za ludźmi” i całe dnie tylko opisywał skany. “Nigdy nie rozmawiał z ludźmi” – mówi Hinton. Prawdziwi radiolodzy robią więcej, choćby, jak sam dodaje, omawiają z ludźmi leczenie.
Hinton nie wycofuje się jednak całkiem i to jest najmocniejsza wersja jego stanowiska. Wciąż uważa, że “w końcu AI będzie czytać prawie wszystkie skany”, a radiolodzy będą robić resztę. Zapytany, czy będzie ich mniej niż dziś, odpowiada: “Nie wiem na pewno”. Jest też w tej rozmowie zgrzyt. Hinton mówi, że nie uważał swoich słów za publiczną wypowiedź, bo padły podczas “wykładu w szpitalu”. Tymczasem zdanie, które zna cały świat, nagrano na konferencji, a organizatorzy sami je opublikowali.
Jakie zawody zastąpi AI? Test, który Hinton podał po 10 latach
Sprawdzenie tej prognozy daje narzędzie lepsze niż sama odpowiedź “tak” albo “nie”. Hinton pomylił zadanie z zawodem. AI naprawdę przejmuje zadania radiologa. W programie przesiewowym w regionie stołecznym Danii dwie trzecie mammografii czyta już jeden radiolog zamiast dwóch. Według producenta system ChestLink firmy Oxipit ma od 2022 roku europejski certyfikat CE na samodzielny opis prawidłowych zdjęć klatki piersiowej. AI przejmuje więc część odczytów, a liczba radiologów w opisanych systemach dalej rośnie. Dane są zgodne z wyjaśnieniem Hintona o rosnącym popycie, choć same nie dowodzą związku przyczynowego. Nie znaleźliśmy żadnego kraju, w którym liczba radiologów spadła z powodu AI.
Dlatego warto pytać o dwie rzeczy, a nie o jedną. Czy AI wykona to zadanie? I co się stanie z popytem, gdy zadanie stanieje? W rozmowie z 2026 roku Hinton sam przeprowadza ten test na innym zawodzie. Konsultanci w call center, do których dzwonimy w sprawie rachunku, działają według niego na rynku “nieelastycznym”. Nikt nie zadzwoni dwa razy częściej tylko dlatego, że rozmowa jest tańsza. “AI zastąpi ich wszystkich” – mówi. To nowa, sprawdzalna prognoza i za kilka lat będzie można ją rozliczyć tak samo jak tę z 2016 roku. O tym, że narażenie na AI to jeszcze nie zastąpienie, pisaliśmy też przy sporze prof. Andrzeja Dragana z Filipem Konopczyńskim. W polskim IT ten sam mechanizm widać najmocniej na starcie kariery, o czym piszemy w tekście o rynku pracy IT w 2026 roku.
Mój komentarz: zadanie tanieje, pracy przybywa
Ten mechanizm obserwuję u nas w Devstocku na co dzień, tyle że z nieco innej perspektywy. Część zadań przekazaliśmy agentom AI. Potrafimy mieć jednocześnie otwartych kilka okien Claude Code, z których każde zajmuje się czymś innym. Teoretycznie świetna sprawa, bo w tym samym czasie możemy realizować kilka rzeczy, które wcześniej trzeba było robić jedna po drugiej. W praktyce okazuje się jednak, że zamiast mieć mniej na głowie, często mamy jeszcze więcej. Trzeba śledzić postępy, sprawdzać wyniki, podejmować decyzje i pilnować, żeby wszystko zmierzało we właściwym kierunku. Przy kilku równoległych procesach łatwo o zmęczenie i coraz trudniej utrzymać koncentrację.
To właśnie ta elastyczność, o której mówi Hinton. Kiedy wykonanie pojedynczego zadania staje się tańsze i szybsze, niekoniecznie przekłada się to na mniejszą ilość pracy. Częściej po prostu zaczynamy robić więcej, a ograniczeniem staje się nasza własna zdolność do ogarnięcia tego wszystkiego. Co do mojej branży nie mam złudzeń. Programiści, jeśli chodzi o samo pisanie kodu, są zdecydowanie do zastąpienia. Tyle że pisanie kodu, podobnie jak opisywanie skanów, jest tylko jednym z zadań składających się na cały zawód.
FAQ
Czy AI zastąpi radiologów?
Na razie nic na to nie wskazuje. AI przejmuje część zadań, na przykład drugi odczyt mammografii albo opis prawidłowych zdjęć klatki piersiowej. Radiologów przybywa jednak w USA, Wielkiej Brytanii i Polsce, a mimo to jest ich za mało. Sam Geoffrey Hinton przyznał w 2026 roku, że pomylił się co do tempa, choć nadal uważa, że AI w końcu będzie czytać większość skanów.
Jakie zawody zastąpi AI?
Tego nikt nie wie na pewno, a dane o narażeniu na AI pokazują raczej zawody, które się zmienią, niż takie, które znikną. Pomocny jest test z przypadku radiologów: czy AI wykona zadanie i czy po potanieniu zadania popyt wzrośnie. Najbardziej zagrożone są prace, przy których tańsza usługa nie zwiększy zamówień. Hinton wskazuje tu konsultantów w call center.
Co dokładnie powiedział Geoffrey Hinton o radiologach?
27 października 2016 roku na konferencji w Toronto powiedział, że ludzie powinni natychmiast przestać szkolić radiologów, bo w ciągu pięciu lat głębokie uczenie będzie od nich lepsze. Dodał, że może to potrwać dziesięć lat. W 2023 roku nazwał tę prognozę błędną, a w 2026 wyjaśnił, że nie przewidział wzrostu liczby badań i za wąsko rozumiał pracę radiologa.
Podsumowanie
Geoffrey Hinton przewidział w 2016 roku, że za pięć, najwyżej dziesięć lat AI będzie lepsza od radiologów, i radził przestać ich szkolić. Po dziesięciu latach pierwsza część prognozy trafiła tylko w wąskich zadaniach. W największym badaniu z losowaniem ścieżka z AI nie była gorsza od podwójnego odczytu przez dwóch radiologów, a wymagała mniej pracy. Druga część chybiła wyraźnie. Szkolenie w USA urosło, w Wielkiej Brytanii brakuje co trzeciego konsultanta, a w Polsce specjalistów przybyło o 45%, gdy liczba rezonansów opłacanych przez NFZ wzrosła ośmiokrotnie. Sam Hinton wskazuje przyczynę: tańszy opis skanu oznacza więcej skanów, a radiolog robi więcej niż opisywanie. Z tej pomyłki wynika test dla każdej prognozy o zawodach. Trzeba pytać nie tylko, czy AI wykona zadanie, ale też, czy po potanieniu zadania będzie go więcej.
