Jak czytać nasze dane?

Co oznaczają liczniki?

Pokazują skalę wydarzeń zapisanych w bazie. Liczba stanowisk przypisanych konkretnie AI wymaga osobnej miary i dowodu. Nie jest automatycznie równa skali całej restrukturyzacji.

Zapowiedzi i realizację pokazujemy osobno. Nie sumujemy ich ponownie, gdy firma potwierdza zakończenie tego samego programu. Podobnie nie doliczamy lokalnej części programu drugi raz do globalnego wyniku.

Dokładne liczby i braki danych

„Około”, „do”, „co najmniej” i przedziały nie są liczbami dokładnymi. Brak danych pozostaje brakiem danych. Pracownicy, etaty, kontraktorzy, wakaty i ogłoszenia to osobne jednostki.

Dokumentacja zamiast punktacji

Pokazujemy źródła pierwotne i wtórne, fragmenty dowodów, uzasadnienie klasyfikacji oraz datę weryfikacji. Nie przeliczamy ich na procentową pewność związku z AI. Dwa źródła nie muszą być niezależnymi potwierdzeniami — mogą powtarzać ten sam komunikat.

Bez prognoz pozornie precyzyjnych

Nie wyliczamy procentowego ryzyka utraty pracy w danym zawodzie. Opisujemy zadania, zmiany ról i wyniki konkretnych badań wraz z ich zakresem. Spadku liczby ofert pracy nie przypisujemy AI bez odpowiednich dowodów. Nowych rekrutacji nie odejmujemy od redukcji jako bilansu wpływu AI.

Pokrycie bazy

Rejestrujemy udokumentowane przypadki. Baza nie stanowi pełnego pomiaru rynku pracy. Dostępność źródeł i zainteresowanie mediów różnią się między krajami, firmami i zawodami.

Korekty i aktualizacje

Rekord ma datę weryfikacji i aktualizacji. Zmiana jego treści wymaga ponownej kontroli przed publikacją. Scalenie duplikatu zachowuje historię i prowadzi do rekordu docelowego.

Wersja zasad

Klasyfikacja i sposób agregacji bazują na metodologii 1.0. Publiczna prezentacja dokumentacji jest opisowa; wcześniejszy wewnętrzny wynik punktowy nie jest eksponowany jako ocena pewności.