AI zmienia IT szybciej, niż zmieniają się strategie HR.

Sztuczna inteligencja przestała być eksperymentem. Jest realnym narzędziem wpływającym na wydajność zespołów, koszty operacyjne i modele pracy w IT. W wielu firmach decyzje zapadają szybko: automatyzujemy, ograniczamy rutynę, zmniejszamy zespoły tam, gdzie to możliwe.

Problem w tym, że technologia przyspiesza znacznie szybciej niż nasze strategie rozwoju ludzi. A ta luka – choć niewidoczna w kwartalnych wynikach – może okazać się jedną z najdroższych w perspektywie kilku lat.

 

Z danych EY (2026) wynika, że 74% firm w Polsce ograniczyło rekrutację w związku z wdrażaniem AI, a co trzecia organizacja świadomie redukuje nabór na stanowiska juniorskie. Najczęściej znikają role oparte na powtarzalnych zadaniach, które przez lata pełniły funkcję „poligonu doświadczalnego” dla młodszych specjalistów.

Z biznesowego punktu widzenia to decyzja zrozumiała:

• AI przejmuje rutynowe fragmenty pracy,
• zespoły są bardziej wydajne,
• koszty krótkoterminowo maleją.

Zastanawiamy się jednak, czy to, co dziś wygląda jak optymalizacja, jutro nie będzie strukturalnym problemem?

 

Przez lata wejście do branży IT wyglądało podobnie:

• junior zaczynał od prostych zadań,
• uczył się standardów, kontekstu, zależności,
• stopniowo przejmował coraz większą odpowiedzialność.

Dziś wiele z tych zadań:

• pisanie powtarzalnego kodu,
• podstawowe debugowanie,
• tworzenie dokumentacji,
• implementacja typowych funkcjonalności

zostało przejętych przez AI.

To rodzi fundamentalne pytanie: gdzie i jak dziś uczymy ludzi pracy w systemach, które sami automatyzujemy?

To nie jest kwestia, że kiedyś juniorzy „kodowali więcej”, a teraz AI wygeneruje nam takiej samej jakości kod, tylko szybciej i taniej.

Juniorzy na tych zadaniach uczyli się myślenia przyczynowo-skutkowego, jakościowego i odpowiedzialności za decyzje techniczne. Nabierali doświadczenia, które po dwóch – trzech latach pozwalały im pełnić już role midów.

 

Eksperci EY nazywają to wprost: AI gap – luka kompetencyjna wynikająca z ograniczania ról juniorskich.

Jej mechanizm jest prosty:

• mniej juniorów dziś,
• mniej specjalistów mid-level za 3-5 lat,
• deficyt seniorów i liderów technicznych za 7-10 lat.

To czysta matematyka pipeline’u kompetencji.

Tego kosztu nie widać:

• w bieżących wynikach,
• w oszczędnościach operacyjnych,
• w raportach kwartalnych.

Będzie go widać później:

• w trudnościach z obsadzaniem projektów,
• w przeciążeniu doświadczonych zespołów,
• w spowolnieniu rozwoju organizacji.

 

Według prognoz Światowego Forum Ekonomicznego (Davos) do 2030 roku powstanie 78 milionów nowych miejsc pracy związanych z technologią. Mówimy tu o perspektywie najbliższych czterech lat.

Równolegle raporty wskazują na gwałtowny wzrost zapotrzebowania na kompetencje związane z:

• AI,
• danymi,
• automatyzacją procesów,
• integracją technologii z biznesem.

Pojawia się podstawowy rozdźwięk:

skoro dziś ograniczamy wejście młodszych osób do branży, to skąd weźmiemy ludzi, którzy za kilka lat mają wypełnić te role?

Odpowiedzią często jest: reskilling obecnych pracowników.

Tak, reskilling jest konieczny, ale nie jest rozwiązaniem kompletnym.

 

Badania McKinsey i World Economic Forum jasno pokazują, że skuteczny reskilling:

• wymaga czasu,
• wymaga fundamentów kompetencyjnych,
• najlepiej działa tam, gdzie istnieje już baza doświadczeń.

Z drugiej strony, nie każdy senior chce, może, a nawet powinien, stać się „AI-native” specjalistą w pełnym zakresie.

Co więcej:

• przeciążanie kluczowych ludzi dodatkowymi wymaganiami
• przy jednoczesnym braku dopływu nowych talentów

to przepis na wypalenie i spadek jakości, nie na innowację.

Bez ról juniorskich łańcuch budowania kompetencji zostaje przerwany.

 

Wdrażanie AI nie jest wyłącznie decyzją technologiczną. Równie ważne jest podejście do wdrożenia z perspektywy organizacyjnej, kulturowej i długoterminowej.

Odpowiedzialne podejście oznacza szczerą odpowiedź na kilka trudnych pytań:

• jakie kompetencje przestaną się rozwijać, jeśli wszystko zautomatyzujemy?
• gdzie i w jaki sposób świadomie budujemy nowe role rozwojowe?
• jak projektujemy ścieżki wejścia do branży w świecie, w którym AI jest „współpracownikiem”, nie narzędziem?

Nie chcemy zatrzymywać postępu. Chodzi o projektowanie organizacji zdolnych do rozwoju za 3, 5 i 10 lat.

 

• Redefinicja, nie eliminacja: zamiast likwidować stanowiska juniorskie, przekształćmy je. Młodzi mogą uczyć się współpracy z AI: analizowania wyników algorytmów, weryfikacji ich jakości, rozumienia, kiedy polegać na technologii, a kiedy na ludzkiej intuicji.
• Mentoring jako inwestycja: 46% firm woli przekwalifikowywać pracowników niż ich zastępować – rozszerzmy tę filozofię na juniorów. AI może wygenerować kod, ale senior nauczy, jak go ocenić, zoptymalizować i dopasować do kontekstu biznesowego.
• Partnerstwo edukacji z biznesem: 60% młodych oczekuje dostępu do narzędzi AI, 44% szkoleń. Prawdziwa zmiana wymaga współpracy uczelni z firmami: uczyć nie tylko kodowania, ale rozumienia, jak łączy się z AI i realnymi problemami biznesowymi.
• Odpowiedzialna automatyzacja: nie wszystko, co można zautomatyzować, należy automatyzować od razu. Niektóre proste zadania mają wartość edukacyjną. Role juniorskie jako przestrzeń nauki to inwestycja w przyszłych seniorów, nie koszt obecny.

 

Coraz częściej słychać głosy, że AI w przyszłości zastąpi nie tylko juniorów, ale również role mid-level. Być może część tych prognoz się sprawdzi. Być może część okaże się zbyt uproszczona.

Jedno jest pewne:

branża IT nie może budować swojej przyszłości wyłącznie w horyzoncie jednej kadencji zarządu czy jednego cyklu inwestycyjnego.

Dzisiejszy junior to jutrzejszy specjalista, architekt, lider zespołu.

Jeśli dziś nie stworzymy przestrzeni do nauki i rozwoju, za kilka lat zabraknie ludzi, którzy wezmą odpowiedzialność za najbardziej złożone systemy.

Przyszłość należy do firm, które potrafią stworzyć środowisko, w którym technologia i strategia HR wzajemnie się uzupełniają. Nie zastępują, nie konkurują, a uzupełniają.