Spodziewam się, że łatwość tworzenia oprogramowania przyniesie firmom rosnący rachunek za jego utrzymanie. To może zwiększyć popyt na doświadczonych programistów. O tym, czy poprawi ich zarobki, zdecyduje jednak liczba ludzi, którzy będą potrafili i chcieli tę pracę wykonywać.

Huta szuka człowieka od AI

Huta w Chmielowie pod Tarnobrzegiem szuka eksperta od sztucznej inteligencji. Obok znajomości modeli językowych i budowania agentów w ogłoszeniu pojawiają się posiłki regeneracyjne i pakiet relokacyjny.

Fenix Metals proponuje od 10 do 16 tysięcy złotych brutto miesięcznie na umowie o pracę. Ekspert ma automatyzować procesy biurowe, wdrażać narzędzia do pracy z dokumentami i szkolić pracowników w tworzeniu prostych agentów. Ma też współpracować z działem IT przy bezpiecznym, kontrolowanym wdrażaniu rozwiązań. To zakres opisany w kopii ogłoszenia zachowanej 22 września 2026 roku.

Portal klasyfikuje ofertę jako administrację biurową. Wymagana jest bardzo dobra znajomość MS Office, a podstawowa znajomość API i baz danych należy do dodatkowych atutów. To rola bliższa usprawnianiu pracy administracji niż klasycznemu stanowisku programisty. Sama kategoria ogłoszenia nie mówi jednak, z którego budżetu firma zapłaci ani komu pracownik będzie podlegał.

Patrząc na tę ofertę, myślę przede wszystkim o tym, co będzie później. Pracownicy stworzą narzędzia. Część porzucą, ale inne wejdą do codziennej pracy. Kto przejmie odpowiedzialność za ich działanie, kiedy autor zmieni stanowisko albo odejdzie? Ogłoszenie nie rozstrzyga tego wprost. Nie oznacza to, że firma nie ma planu utrzymania.

Wdrożenie jest początkiem zobowiązania

W firmach jest wiele problemów, których dotąd nie opłacało się rozwiązywać osobnym oprogramowaniem: raport składany ręcznie z plików, dane przepisywane między systemami, informacje wyszukiwane w instrukcjach. Jeżeli AI obniża koszt przygotowania rozwiązania, część takich projektów może stać się opłacalna.

Każde narzędzie używane produkcyjnie wymaga jednak decyzji, kto reaguje, kiedy przestaje spełniać swoje zadanie. Zmieni się format dokumentu. Dostawca przebuduje API. Pracownik odejdzie, a jego konto okaże się potrzebne do uruchamiania codziennego zadania.

Nie każdy system potrzebuje ciągłej opieki. Utrzymanie można częściowo zautomatyzować albo powierzyć dostawcy. Sam obowiązek nie znika. Dlatego interesuje mnie liczba rozwiązań, które pozostaną w użyciu po pierwszej fali eksperymentów.

Prototyp awansuje do produkcji

Część narzędzi zbudują ludzie dobrze znający swoją dziedzinę, ale bez doświadczenia w inżynierii oprogramowania. Będą opisywać potrzeby modelowi i poprawiać wygenerowany kod na podstawie wyników. Ich wiedza będzie atutem: księgowa zna kłopotliwe dokumenty, logistyk rozumie wyjątki w dostawach.

Wyobraźmy sobie narzędzie do rozliczeń. Początkowo korzysta z niego jedna osoba, potem cały dział. W końcu bez niego trudno zamknąć miesiąc. Prototyp stał się systemem produkcyjnym, bo firma zaczęła na nim polegać. Niekoniecznie poprzedził to przegląd techniczny.

Wtedy pojawiają się pytania pominięte podczas demonstracji. Czy ponowienie operacji nie zapisze płatności drugi raz? Czy każdy powinien widzieć wszystkie dane? Czy da się odtworzyć stan sprzed awarii?

Niektóre rozwiązania wystarczy uzupełnić o testy, kontrolę dostępu i dokumentację. Inne trzeba będzie przebudować. Nie dlatego, że amator zawsze pisze zły kod. Zmieniły się wymagania: od narzędzia do własnego użytku firma oczekuje teraz niezawodności ważnego procesu.

Przejęcie systemu wymaga współpracy z jego autorem. Można napisać czystszy kod i przypadkiem usunąć wyjątek, dzięki któremu poprawnie obsługiwał ważną grupę klientów.

AI dokłada kolejny rodzaj awarii

Kod napisany z pomocą AI może działać jak zwykły program. Osobnym przypadkiem jest proces, który podczas działania korzysta z modelu językowego.

Taki proces może zakończyć się bez błędu technicznego, a mimo to dać niewłaściwy wynik. Model pominie warunek w umowie albo skieruje sprawę do niewłaściwej osoby. Monitoring infrastruktury nie zgłosi problemu.

Tradycyjne systemy również po cichu przetwarzają dane niepoprawnie. Model rozszerza jednak zakres zachowań trudnych do przewidzenia. Trzeba sprawdzać jakość wyników na rzeczywistych przypadkach, także po zmianie modelu, instrukcji lub źródeł wiedzy.

Znaczenie ma autonomia: asystent przygotowujący szkic wiadomości stawia inne wymagania niż agent zmieniający dane. Potrzebne są granice uprawnień, zasady przekazywania trudnych przypadków człowiekowi i możliwość naprawienia skutków błędu. Ktoś musi ustalić, co oznacza poprawny wynik, i pilnować, czy system nadal go dostarcza.

Więcej obowiązków nie musi oznaczać wyższych stawek

Potrzeba utrzymania musi najpierw zamienić się w budżet. Firma może zatrudnić specjalistę, ale może też dołożyć obowiązki obecnemu zespołowi, tolerować problemy albo zastąpić własne narzędzie gotowym produktem.

Możliwe są różne scenariusze. Duża organizacja powierzy utrzymanie własnemu IT. Mniejsza utworzy stanowisko łączące automatyzację ze szkoleniami. Firma bez informatyków zamówi usługę na zewnątrz. Zapotrzebowanie na pracę nie zawsze będzie widoczne jako nowe ogłoszenie dla programisty. Pojedyncza oferta z Chmielowa nie dowodzi skali tego zjawiska.

AI pomoże również utrzymującym systemy. Ten sam zespół może obsłużyć więcej aplikacji. Jednocześnie osoby mające mniej pracy przy tworzeniu oprogramowania mogą szukać zatrudnienia właśnie w utrzymaniu.

Pozostaje kwestia chęci. Przejmowanie cudzych prototypów i sprawdzanie wygenerowanego kodu to inne zajęcie niż budowanie od podstaw. Część inżynierów może wybrać własną działalność albo inną specjalizację. Liczba chętnych nie musi równać się liczbie zdolnych.

O stawkach zdecyduje relacja popytu do dostępnych kompetencji, również tych wspomaganych AI. Sam staż ani większa odpowiedzialność nie gwarantują lepszej pozycji negocjacyjnej.

Dane pokazują przewagę doświadczenia, nie dowodzą niedoboru

Według lipcowej analizy Indeed liczba amerykańskich ogłoszeń dotyczących tworzenia oprogramowania wzrosła o niemal 15 procent od końca lutego 2025 roku, ale pozostawała około 27,5 procent poniżej poziomu sprzed pandemii. Stanowiska seniorskie odpowiadały za 71 procent przyrostu netto między majem 2025 a majem 2026.

Odbicie koncentrowało się więc na doświadczeniu. Analiza nie dowodzi jednak, że wynikało z potrzeb utrzymania. Nie można też przenosić tych proporcji na Polskę.

No Fluff Jobs w omówieniu raportu „Kariera w IT 2026” podaje spadek średniej liczby aplikacji na ofertę: z 44 w 2024 roku do 24 w 2025 i 21 w pierwszym półroczu 2026. To dane jednego portalu, nie całego rynku. Liczba zgłoszeń nie mówi, ilu kandydatów spełnia wymagania, ani czy pracodawca znalazł odpowiednią osobę za proponowaną stawkę.

Badacze ze Stanfordu wskazują z kolei, że w amerykańskich danych płacowych ADP zatrudnienie osób w wieku 22–25 lat w zawodach silnie wystawionych na AI było w czerwcu 2026 roku około 19 procent poniżej poziomu wynikającego z tempa wzrostu zatrudnienia ich mniej wystawionych rówieśników. U doświadczonych pracowników nie obserwują porównywalnej luki. Autorzy zastrzegają, że to nie dowód przyczynowego wpływu AI.

Seniorzy mogą radzić sobie lepiej od juniorów, a jednocześnie nie mieć rynku pracownika. Ograniczenie wejścia do zawodu rodzi też pytanie, gdzie przyszli specjaliści zdobędą doświadczenie potrzebne do przejmowania odpowiedzialności za produkcję.

Rachunek przyjdzie po wdrożeniu

Spodziewam się, że przybędzie narzędzi zbyt użytecznych, żeby je porzucić, i zbyt kruchych, żeby zostawić je bez opieki. To moja prognoza przyszłego popytu na pracę inżynierską, nie obietnica wzrostu wynagrodzeń.

Dla właściciela firmy wniosek jest prostszy: zanim narzędzie stanie się niezbędne, ustal, kto odpowiada za jego działanie, gdzie są dostępy i jak sprawdzisz poprawność po zmianie. Nie warto odkładać tych decyzji do pierwszej awarii.