Czasem największe zmiany nie przychodzą wraz z nową technologią, ale wtedy, gdy zaczyna ona działać w tle. Tak właśnie wygląda dziś relacja rynek pracy a sztuczna inteligencja. Zamiast spektakularnych rewolucji obserwujemy cichą automatyzację codziennych zadań. Tych, od których przez lata zaczynali juniorzy.
Jeszcze niedawno AI była cyfrowym asystentem. Dziś coraz częściej przejmuje fragmenty procesów i sprawia, że część obowiązków po prostu znika. Dlatego pytania o przyszłość pracy w erze AI i o to, czy warto nadal uczyć się programowania, przestają być teoretyczne. To zmiana sposobu, w jaki zaczyna się karierę w świecie, gdzie operacyjne zadania coraz rzadziej trafiają do ludzi.
Jeśli interesuje Cię szerszy kontekst relacji człowieka z technologią i tego, jak zmieniają się nasze interakcje z AI, opisałem to szerzej w osobnym artykule o agentach AI i relacji człowieka z technologią. Ten tekst jest o czymś trochę innym. Konkretnie o tym, jak te zmiany wyglądają w codziennej pracy, strukturze kariery i wymaganiach wobec specjalistów.
Największa transformacja nie polega na tym, że firmy przestają potrzebować ludzi. Zmienia się raczej struktura zadań. Wiele organizacji przechodzi dziś od modelu wsparcia przez chatboty do modelu automatyzacji przez agentów AI.
Różnica jest jak między asystentem a autopilotem. Chatbot reaguje na polecenia, agent działa w tle i automatyzuje fragment procesu biznesowego. Dobrym przykładem jest praca handlowca: raporty, wpisywanie danych czy generowanie ofert mogą zostać przejęte przez agenta, podczas gdy człowiek koncentruje się na rozmowie z klientem i decyzjach.
Zdobądź bezpłatnie 5 rozdziałów książki!
Dołącz do biuletynu i zyskaj dostęp do 40% książki
„15 kroków do zakupu systemu informatycznego”.
Największą zmianą nie jest eliminacja zawodów, ale przesunięcie ciężaru pracy. Automatyzowane są przede wszystkim zadania powtarzalne i te, które nie wymagają szerokiego kontekstu ani decyzyjności.
To trochę jak w samochodzie z autopilotem. Możesz oddać systemowi kontrolę nad jazdą po autostradzie, ale to Ty nadal decydujesz, dokąd jedziesz i czuwasz nad bezpieczeństwem.
W odniesieniu do pracy oznacza to, że coraz więcej osób przestaje wykonywać operacyjne czynności, a zaczyna podejmować decyzje na podstawie danych przygotowanych przez AI.
Tradycyjna ścieżka kariery najczęściej polegała na zaczynaniu od najprostszych zadań. Problem polega na tym, że właśnie te zadania są dziś najbardziej podatne na automatyzację.
Juniorzy często:
To sprawia, że agent AI może przejąć część obowiązków szybciej niż w przypadku bardziej doświadczonych specjalistów. Nie oznacza to końca kariery juniorskiej, ale oznacza zmianę punktu startowego, czyli mniej operacyjnej pracy, a więcej oczekiwań już na wejściu.
Jednym z najbardziej widocznych przykładów jest obsługa klienta. Coraz częściej firmy wprowadzają model dwóch linii:
Oznacza to, że większość zgłoszeń rozwiązuje system, a człowiek pojawia się dopiero wtedy, gdy potrzebna jest decyzja lub kontekst. Redukcja zespołów nawet o kilkadziesiąt procent nie jest już scenariuszem teoretycznym.
Trafnym porównaniem może być infolinia automatów Paczkomat. AI próbuje pomóc w pierwszej kolejności, a dopiero później rozmowa trafia do człowieka.
Automatyzacja nie oznacza pełnej autonomii systemów. Model human in the loop zakłada, że człowiek nadal pozostaje częścią procesu, szczególnie na jego początku lub końcu.
Agent może przygotować raport czy analizę, ale decyzja strategiczna należy do człowieka. To właśnie zdolność rozumienia kontekstu i komunikacji z innymi ludźmi jest obszarem, w którym AI wciąż potrzebuje ludzkiego wsparcia.
W świecie agentów AI zmienia się profil specjalisty. Coraz większą wartość mają osoby, które łączą kompetencje techniczne z miękkimi.
Idealny specjalista to dziś ktoś pomiędzy inżynierem a doradcą. Osoba, która potrafi budować rozwiązania i tłumaczyć ich sens.
Naturalnie warto, ale z innym nastawieniem niż kilka lat temu.
Wraz z rozwojem agentów AI maleje zapotrzebowanie na osoby wykonujące wyłącznie podstawowe zadania. Programowanie coraz częściej oznacza projektowanie rozwiązań, integrację systemów i podejmowanie decyzji, a nie tylko pisanie kodu.
To sprawia, że kompetencje przyszłości IT obejmują dziś znacznie więcej niż znajomość jednego języka programowania.
Największa transformacja nie polega na zastąpieniu człowieka przez AI. Polega na tym, że automatyzacja przesuwa granicę wejścia do branży.
Jeszcze niedawno zaczynało się od wykonywania zadań. Dziś coraz częściej zaczyna się od rozumienia kontekstu.
I to właśnie ta zmiana definiuje przyszłość pracy w erze AI.
Automatyzowane są głównie zadania powtarzalne, które często były pierwszym etapem kariery. To zmienia strukturę pracy, ale nie eliminuje całkowicie juniorów.
Zrozumienie technologii, komunikacja oraz umiejętność pracy w szerszym kontekście biznesowym.
Oczywiście, ale warto rozwijać się szerzej i łączyć kompetencje techniczne z analitycznymi i komunikacyjnymi.
Obecnie AI automatyzuje fragmenty procesów, ale decyzje strategiczne nadal należą do ludzi.
