Centra usług wspólnych budowano według prostej logiki: te same procesy, tańsi ludzie, jedna lokalizacja. Polska była beneficjentem tej logiki przez dwie dekady i wyrosła na jedno z największych zagłębi GBS w Europie. Tylko że fundament tej logiki właśnie kruszeje — i tym razem nie jest to opinia felietonisty, lecz coś, co widać w danych płacowych. Ściska z dwóch stron naraz: płace w hubach rosną szybciej niż produktywność, a agenci AI wykonują coraz więcej pracy transakcyjnej za koszt krańcowy bliski zeru.
Model, który się wyczerpuje
Fundamentem GBS był arbitraż kosztów pracy: przenosimy proces tam, gdzie ta sama praca kosztuje ułamek ceny. Ten arbitraż działa tak długo, jak długo różnica płac jest duża, a praca wymaga człowieka. Obie przesłanki słabną jednocześnie. Pierwszą podkopują rynkowe podwyżki i rotacja, drugą — automatyzacja procesów opartych na regułach i dokumentach: księgowość transakcyjna, raportowanie, first-line support, obsługa zamówień. Czyli dokładnie ten koszyk zadań, na którym stoi większość polskich centrów.
Liczby zamiast wrażeń
Zejdźmy z poziomu „Polska drożeje" na poziom danych. Mercer w badaniach Spot Poll dla sektora Shared Services w Polsce (dwie edycje w 2024 r.: marcowa na próbie 109 centrów z 96 organizacji i lipcowa na próbie 150 centrów ze 134 organizacji) pokazuje spójny obraz: centra budżetowały na 2024 rok podwyżki płac zasadniczych rzędu 8%, z prognozą 6,4–7% na rok kolejny. Do tego rotacja: około 10% dobrowolnych odejść w skali roku i — co bardziej bolesne — około 10% rotacji nowo zatrudnionych już w pierwszym roku pracy. Każde takie odejście to powtórzony koszt rekrutacji, onboardingu i utraconej wiedzy procesowej.
Ten sam kierunek pokazują kolejne edycje raportów płacowych Antal dla specjalistów i menedżerów oraz dane makro: według GUS przeciętne wynagrodzenie w gospodarce rosło w 2023 r. w tempie dwucyfrowym (ok. 11% r/r), przekraczając 7 tys. zł. Dla centrów oznacza to proste, brutalne równanie: przy 6–8% wzrostu płac rocznie koszt tego samego zespołu rośnie o 40–50% w pięć–sześć lat — bez wzrostu zakresu, bez wzrostu produktywności, z samej presji rynku.
Jest w danych Mercera jeszcze jeden szczegół, który umyka w dyskusjach: koncentracja geograficzna. Blisko jedna czwarta badanych centrów działa w Małopolsce, a po około jednej piątej na Mazowszu i Dolnym Śląsku. Huby konkurują o tych samych ludzi na tych samych czterech rynkach lokalnych — i to jest mechanizm, który sprawia, że podwyżki w jednym centrum stają się podwyżkami we wszystkich.
Wirtualny FTE zmienia rachunek
Na to nakłada się druga siła. Agent AI nie negocjuje podwyżki, nie rotuje, skaluje się w godziny, pracuje we wszystkich strefach czasowych i nie potrzebuje sześciu tygodni onboardingu. Tam, gdzie proces jest ustandaryzowany, opisany i oparty na dokumentach, porównanie kosztowe przestaje być dyskusją — zwłaszcza gdy po stronie człowieka doliczymy 8-procentową roczną eskalację i koszt rotacji.
Paradoks polega na tym, że to właśnie centra usług wspólnych najlepiej na świecie ustandaryzowały i udokumentowały swoje procesy: mapy, SOP-y, systemy ticketowe, mierniki jakości. Dwadzieścia lat doskonałości operacyjnej przygotowało te procesy do automatyzacji — własnymi rękami.
Dokąd ucieka wartość
Wartość nie znika — przesuwa się z wykonywania procesów do ich projektowania i nadzoru. I tu centra mają kartę, której nikt inny nie ma: setki ludzi rozumiejących procesy end-to-end. Hub, który wie, jak naprawdę działa proces P2P w 40 krajach, jest najlepiej na świecie ustawiony, żeby ten proces zautomatyzować — i nadzorować flotę agentów, która go przejmie.
Nowe role, które już widać na horyzoncie: właściciel procesu end-to-end (człowiek odpowiedzialny za wynik, nie za klikanie), inżynier przepływów i promptów, audytor jakości maszyn, obsługa wyjątków, zarządzanie danymi, na których agenci pracują. GBS przyszłości to mniej „centrum przetwarzania", a bardziej centrum kompetencji automatyzacji — AI operations dla całej organizacji.
Co powinien zrobić lider centrum w 2026
1. Inwentaryzacja procesów według automatyzowalności. Nie „czy AI nas dotknie", tylko: które z naszych procesów są oparte na regułach i dokumentach, a które na osądzie i wyjątkach. Pierwsza grupa to plan automatyzacji na 24 miesiące; druga to rdzeń przyszłej wartości.
2. Pilot floty agentów na jednym procesie — z pomiarem. Jeden proces, jasna linia bazowa (koszt, czas cyklu, jakość), agent w pętli z człowiekiem, wynik po kwartale. Bez pilota rozmowa o AI pozostaje ideologiczna.
3. Przeszkolenie górnych 10–15% zespołu na operatorów AI. Ludzie, którzy dziś najlepiej znają proces, jutro mają nim zarządzać w wydaniu maszynowym. To jest inwestycja o najwyższym zwrocie w całym budżecie szkoleniowym — i jednocześnie najlepsza polisa retencyjna dla najcenniejszych osób.
4. Zmiana opowieści wobec centrali: z headcountu na wartość na zatrudnionego. Centrum rozliczane z liczby etatów będzie przegrywać każdy roczny przegląd kosztów. Centrum rozliczane z wartości na osobę może rosnąć, zatrudniając mniej.
5. Potraktowanie tej zmiany jak zmiany, a nie jak wdrożenia IT. Automatyzacja własnych stanowisk to najtrudniejszy emocjonalnie rodzaj transformacji: bez uczciwej narracji, widocznego sponsoringu i realnego planu przekwalifikowania zespół będzie ją sabotował — racjonalnie, we własnej obronie. To jest dokładnie ten moment, w którym zarządzanie zmianą przestaje być „miękkim dodatkiem".
Trzy kontrargumenty — i co z nimi
„Agent też kosztuje." Tak: licencje, integracje, nadzór, obsługa wyjątków. Dlatego uczciwy rachunek porównuje koszt na transakcję, nie koszt narzędzia — i po stronie człowieka uwzględnia to, co zwykle znika z arkusza: 6–8% rocznej eskalacji płac oraz koszt rotacji, czyli rekrutację, onboarding i miesiące niepełnej produktywności, łącznie rzędu kilkumiesięcznego wynagrodzenia na każde odejście. Automatyzacja realnie przegrywa ten rachunek głównie tam, gdzie proces jest nieustandaryzowany — czyli tam, gdzie najpierw i tak trzeba zrobić porządek, z maszyną czy bez.
„Regulacje i ryzyko nie pozwalają." Częściowo zasadne: w procesach objętych kontrolami (audyt, wymogi wewnętrzne, odpowiedzialność finansowa) automat nie zdejmuje odpowiedzialności z organizacji. Ale wniosek nie brzmi „nie automatyzować", tylko „automatyzować z człowiekiem w pętli na punktach kontrolnych" — z pełną ścieżką audytową, którą agent zresztą loguje dokładniej niż człowiek. Regulacje definiują architekturę rozwiązania, nie jego brak.
„Klient wewnętrzny chce rozmawiać z człowiekiem." Klient wewnętrzny chce rezultatu w SLA. Tam, gdzie relacja realnie tworzy wartość — eskalacje, wyjątki, doradztwo — człowiek zostaje na froncie. W środku procesu, między formularzem a księgowaniem, nikt nie tęskni za człowiekiem; tęskni za terminem. Miks, nie dogmat.
Żaden z tych kontrargumentów nie zatrzymuje kierunku. One definiują kolejność: od procesów ustandaryzowanych i niskoregulacyjnych, przez hybrydy z punktami kontrolnymi, po obszary relacyjne, które automatyzacji nie potrzebują.
Co to znaczy dla Polski i CEE
Przewaga regionu przesuwa się z kosztu na kompetencje: języki, znajomość procesów korporacyjnych, kultura jakości, inżynieria. To realna szansa — pod warunkiem świadomej zmiany profilu, zanim wymusi ją budżet. Huby, które wejdą w rolę „AI operations" dla swoich organizacji, podniosą wartość na zatrudnionego zamiast liczby zatrudnionych. Huby, które zostaną przy modelu „taniej wykonujemy", będą konkurować ceną z algorytmem.
A z algorytmem nie wygrywa się ceną. Przyszłość GBS to nie tańszy człowiek — to droższy człowiek zarządzający tanią maszyną. Dane płacowe mówią, że czas na tę zmianę liczy się już w kwartałach, nie w latach.
Shared-services centers were built on simple logic: same processes, cheaper people, one location. Poland benefited from that logic for two decades and grew into one of Europe’s largest GBS hubs. But the foundation is crumbling — and this time it is not a columnist’s opinion, it is visible in compensation data. The squeeze comes from both sides: hub salaries grow faster than productivity, while AI agents take over transactional work at near-zero marginal cost.
A model running out
GBS was founded on labor-cost arbitrage: move the process where the same work costs a fraction. That arbitrage works as long as the pay gap is wide and the work requires a human. Both premises are weakening at once — the first eroded by market raises and attrition, the second by automation of rule-and-document processes: transactional accounting, reporting, first-line support, order handling. Exactly the basket most Polish centers stand on.
Numbers instead of impressions
Mercer’s Spot Poll surveys of Shared Services in Poland (two 2024 editions: March, 109 centers from 96 organizations; July, 150 centers from 134 organizations) paint a consistent picture: centers budgeted base-pay increases of around 8% for 2024, with 6.4–7% forecast for the following year. Attrition: roughly 10% voluntary annually — and, more painfully, about 10% of new hires leaving within their first year. Each such exit repeats the cost of recruitment, onboarding and lost process knowledge.
Successive Antal salary reports show the same direction, as does the macro backdrop: national average wages grew at a double-digit pace in 2023 (about 11% y/y per GUS). For a center this is a brutally simple equation: at 6–8% annual raises, the cost of the same team grows 40–50% in five to six years — with no added scope and no added productivity.
One more detail from Mercer that escapes most discussions: geographic concentration. Nearly a quarter of surveyed centers operate in Małopolska, with about a fifth each in Mazowieckie and Lower Silesia. Hubs compete for the same people in the same four local markets — which is precisely why one center’s raise becomes everyone’s raise.
The virtual FTE changes the math
An AI agent does not negotiate raises, does not churn, scales in hours, works across time zones and needs no six-week onboarding. Where a process is standardized, documented and document-based, the cost comparison stops being a debate — especially once you add 8% annual escalation and attrition costs on the human side.
The paradox: shared-services centers standardized and documented their processes better than anyone — maps, SOPs, ticketing, quality metrics. Twenty years of operational excellence prepared those processes for automation, with the centers’ own hands.
Where the value goes
Value does not vanish — it shifts from executing processes to designing and supervising them. And here centers hold a card nobody else has: hundreds of people who understand processes end-to-end. A hub that knows how P2P really works across 40 countries is the best-positioned organization in the world to automate it — and to supervise the agent fleet that takes over.
The emerging roles: end-to-end process owner (accountable for outcomes, not clicks), flow-and-prompt engineer, machine-quality auditor, exception handler, steward of the data agents run on. The GBS of the future is less a processing center and more an automation competence center — AI operations for the whole organization.
What a center leader should do in 2026
1. Inventory processes by automatability. Not “will AI affect us” but: which of our processes run on rules and documents, and which on judgment and exceptions. The first group is a 24-month automation plan; the second is the core of future value.
2. Pilot an agent fleet on one process — with measurement. One process, a clear baseline (cost, cycle time, quality), agent with a human in the loop, results after a quarter. Without a pilot the AI conversation stays ideological.
3. Train the top 10–15% of the team as AI operators. The people who know the process best today should run its machine version tomorrow. Highest-ROI line in the training budget — and the best retention policy for your most valuable people.
4. Change the story told to headquarters: from headcount to value per employee. A center measured on FTEs loses every annual cost review. A center measured on value per person can grow while employing fewer.
5. Treat this as change, not as an IT deployment. Automating one’s own jobs is the emotionally hardest kind of transformation: without an honest narrative, visible sponsorship and a real reskilling plan, the team will sabotage it — rationally, in self-defence. This is exactly where change management stops being a “soft add-on”.
Three counterarguments — and what to do with them
“Agents cost money too.” They do: licences, integrations, supervision, exception handling. An honest calculation therefore compares cost per transaction, not tool cost — and includes what usually vanishes from the spreadsheet on the human side: 6–8% annual pay escalation and attrition costs (recruitment, onboarding, months of partial productivity — several months’ salary per exit). Automation genuinely loses this math mainly where the process is unstandardized — which is where you must clean up first anyway, machine or not.
“Regulation and risk won’t allow it.” Partly valid: in controlled processes, automation does not lift accountability off the organization. But the conclusion is not “do not automate” — it is “automate with a human in the loop at control points”, with a full audit trail the agent logs more precisely than a person would. Regulation defines the architecture of the solution, not its absence.
“Internal clients want to talk to a human.” Internal clients want an outcome within SLA. Where the relationship genuinely creates value — escalations, exceptions, advice — the human stays up front. In the middle of the process, between a form and a posting, nobody misses a human; they miss the deadline. A mix, not a dogma.
None of these counterarguments stops the direction. They define the sequence: standardized low-regulation processes first, hybrids with control points next, relationship work last — because it does not need automating.
What it means for Poland and CEE
The region’s edge shifts from cost to competence: languages, corporate-process knowledge, quality culture, engineering. A real opportunity — provided the profile changes before budgets force it. Hubs that step into an AI-operations role raise value per employee instead of employee count. Hubs that stay in “we execute cheaper” mode will compete on price with an algorithm.
And you do not beat an algorithm on price. The future of GBS is not a cheaper human — it is a more expensive human managing a cheap machine. The pay data says the window for this shift is measured in quarters, not years.
