--- title: Czy grafik ułożony przez AI jest sprawiedliwy dla zespołu? description: Jak sprawdzić grafik ułożony przez AI? HR porównuje noce, weekendy, krótkie przerwy i preferencje, zanim zatwierdzi plan pracy zespołu. image: "https://ai4med.pl/img/sprawiedliwy-grafik-ai.jpg" date: 2026-08-20 author: Luiza Kalita category: AI w placówce medycznej tags: grafik pracy, planowanie personelu, HR w placówce, sprawiedliwość grafiku, AI w zarządzaniu url: "https://ai4med.pl/ai-w-placowce-medycznej/sprawiedliwy-grafik-ai" inLanguage: pl --- # Czy grafik ułożony przez AI jest sprawiedliwy dla zespołu? Grafik może spełniać wpisane ograniczenia, a mimo to **te same osoby dostaną większość nocy, weekendów i krótkich odstępów między zmianami**. **Sztuczna inteligencja (AI) nie potwierdza sprawiedliwości samym wygenerowaniem planu** — dział kadr (HR) lub manager powinien porównać rozkład obciążeń i uwagi zespołu, zanim zatwierdzi harmonogram. Pokazujemy czterotygodniową kontrolę. System AI układa wiele ograniczeń naraz: obsadę, dostępność, kwalifikacje i wymagane przerwy. Nie zna jednak kosztu kolejnej soboty dla konkretnej osoby ani tego, czy preferencje zebrano porównywalnie. **Model przygotowuje wariant**, a **człowiek ustala kryteria, wyjaśnia różnice i podejmuje decyzję kadrową**. Zespół powinien móc zapytać: dlaczego znowu ja? Odpowiedź nie może brzmieć „bo algorytm tak policzył”. **Jawne wskaźniki i ścieżka odwołania** są częścią wdrożenia. ## Co zmieniło się w planowaniu grafików i czego news nie dowodzi? 13 sierpnia 2026 r. Cassie McGrath opisała w Healthcare Brew systemy AI, które analizują m.in. czas na zmianie, kwalifikacje, urlopy i luki w obsadzie, a potem proponują szpitalny harmonogram. Dostawca deklarował równiejsze rozdzielanie czasu wolnego. To pokazuje, że **automatyczne układanie grafików weszło do operacji placówek**, ale **deklaracja dostawcy nie jest audytem sprawiedliwości**. 2 lipca 2026 r. JMIR Nursing opublikowało porównanie z jednego szpitala na Tajwanie: 156 pielęgniarek, sześć miesięcy układania grafiku ręcznie i sześć miesięcy ze wsparciem AI. Autorzy odnotowali równiejsze obciążenie i większą satysfakcję. Zastrzegli jednak, że **badano jedną placówkę, bez losowego podziału na grupy i w innych przepisach prawa pracy**. Polska placówka może pożyczyć metodę kontroli, ale **nie wynik** ani przekonanie, że system usuwa ryzyko dyskryminacji. ## Dlaczego zgodny grafik może nadal obciążać nierówno? Algorytm może mieć dwa cele: obsadzić każdą zmianę osobą z właściwymi kwalifikacjami i ograniczyć liczbę pustych dyżurów. Algorytm może osiągnąć oba, wybierając częściej osoby najbardziej elastyczne. **Technicznie plan jest poprawny**, lecz koszt tej poprawności ponoszą wciąż ci sami pracownicy: dostają więcej nocy, weekendów albo zmian po krótszym odpoczynku. Główny kompromis: **szybciej domknięta obsada kontra skupienie trudnych zmian**. Sama średnia liczba godzin go nie pokaże. Trzeba osobno policzyć rodzaje zmian, uwzględnić wymiar czasu, dostępność i uzgodnione ograniczenia, a potem zapytać o powód odstępstwa. To inny test niż [wykrywanie kolizji grafików między miejscami pracy](/ai-w-placowce-medycznej/pol-etatu-konflikty-grafikow): brak nakładania się godzin nie mówi jeszcze, **kto regularnie bierze najbardziej obciążające dyżury**. ## Jak HR porównuje cztery tygodnie nocy, weekendów i preferencji? Zestaw **cztery kolejne tygodnie** dla porównywalnych ról. Każdą liczbę odnieś do wymiaru czasu, kwalifikacji, dostępności i uzgodnionych ograniczeń. **Przykład modelowy z progami wspólnymi dla wszystkich placówek byłby mylący**: placówka powinna wpisać własne dane. Tabela wskazuje różnice do wyjaśnienia, **nie rozstrzyga o dyskryminacji**. | Metryka obciążenia | Jak policzyć | Jaki sygnał wymaga rozmowy | | --- | --- | --- | | Noce i weekendy | Liczba na osobę względem wymiaru czasu i dostępności | Te same osoby dostają większość bez zapisanego powodu | | Odstępy między zmianami | Najkrótszy odstęp i liczba krótszych przerw | Różnica powtarza się mimo podobnej roli i dyspozycyjności | | Preferencje | Liczba uwzględnionych i odrzuconych próśb | Odrzucenia skupiają się w jednej grupie albo nie mają uzasadnienia | | Korekty i zastrzeżenia | Liczba zmian po publikacji oraz sposób zamknięcia uwagi | Te same osoby przejmują poprawki lub nie dostają odpowiedzi | Warto też sprawdzić czy preferencje zebrano podobnie od wszystkich osób. **Brak zgłoszonej preferencji nie zawsze oznacza zgodę**, zwłaszcza gdy część zespołu nie miała dostępu do tego samego kanału albo terminu. Wynik tabeli ma prowadzić do **decyzji: zatwierdzić, poprawić albo wyjaśnić**, nie do punktowania pracowników. ## Kto może zakwestionować propozycję przed publikacją grafiku? Wskazana osoba z HR lub kierownictwa powinna przyjąć uwagę, porównać ją z tymi samymi kryteriami i zapisać powód decyzji. Pracownik nie musi znać matematyki modelu. Powinien wiedzieć **gdzie zgłosić zastrzeżenie**, **kiedy dostanie odpowiedź** i czy propozycja zostanie wstrzymana do wyjaśnienia. Taka rozmowa, powinna odbyć się zanim grafik trafi do zespołu. Ministerstwo Rodziny przypomina, że różnice w warunkach zatrudnienia mogą wynikać z obiektywnych powodów, ale pozornie neutralne kryterium może też tworzyć niekorzystne dysproporcje. Dlatego **odchylenie jest sygnałem do sprawdzenia**, a nie automatycznym wyrokiem; **ostateczna ocena należy do ludzi**, którzy znają umowy, rolę i realną sytuację pracownika. ## Od czego zacząć kontrolę w polskiej placówce? Pierwszy krok: **weź ostatnie cztery tygodnie obecnego grafiku i jeden wariant przygotowany przez AI**, a następnie policz cztery wiersze z tabeli. Do przeglądu zaproś managera, HR i osobę z zespołu. Nie wysyłaj danych kadrowych do publicznego modelu i nie używaj preferencji do oceny zaangażowania ludzi. Państwowa Inspekcja Pracy (PIP) wskazuje, że harmonogram może obejmować co najmniej miesiąc i powinien trafić do pracownika co najmniej tydzień przed rozpoczęciem pracy w danym okresie. To daje miejsce na **kontrolę przed publikacją**, ale nie zastępuje przepisów o odpoczynku, nocy i niedzielach. **Pilotaż warto kontynuować, gdy** placówka potrafi opisać kryteria, odtworzyć powód przydziału i bezpiecznie obsłużyć odwołanie. **Zatrzymaj pilotaż, gdy** nie spełnia tych warunków. ## Źródła - [Healthcare Brew — „An AI might be making your work schedule”](https://www.healthcare-brew.com/stories/how-ai-scheduling-systems-help-manage-hospital-operations), 13 sierpnia 2026 — branżowy opis zastosowań AI w planowaniu pracy; nie potwierdza niezależnie deklaracji dostawców. Sprawdzono: 2026-08-18. - [JMIR Nursing — „Explainable AI for Equitable Nurse Scheduling: Pragmatic Pre-Post Implementation Study”](https://nursing.jmir.org/2026/1/e94450), 2 lipca 2026 — porównanie grafiku ręcznego i AI w jednym szpitalu; wyniku nie można przenieść wprost do Polski. Sprawdzono: 2026-08-18. - [Państwowa Inspekcja Pracy — Czas pracy](https://www.pip.gov.pl/dla-pracownikow/porady-prawne/czas-pracy) — oficjalne objaśnienie harmonogramów, pracy nocnej, odpoczynków oraz pracy w niedziele i święta. Sprawdzono: 2026-08-18. - [Ministerstwo Rodziny, Pracy i Polityki Społecznej — Równe traktowanie w zatrudnieniu](https://www.gov.pl/web/rodzina/rowne-traktowanie-w-zatrudnieniu) — oficjalne wyjaśnienie obiektywnych powodów różnicowania, dyskryminacji pośredniej i ochrony osoby zgłaszającej naruszenie. Sprawdzono: 2026-08-18. - Okładka: [Tima Miroshnichenko na Pexels](https://www.pexels.com/photo/medicine-and-a-stethoscope-on-a-wooden-table-top-5407251/)