Wpływ AI na rynek IT w 2026

Słucham sobie opinii różnych aktorów na rynku IT: dużych firm, molochów technologicznych, małych przedsiębiorców zatrudniających 1-5 osób, rekruterów, pracowników, podwykonawców, freelancerów, influencerów w AI, szkoleniowców dotyczących AI i jego wpływie na rynek pracy. Każdy z nich moim zdaniem trochę podciąga rzeczywistość pod swój interes.

Dane wejściowe

Moja opinia na ten temat jest niestety okrutna dla części rynku, żeby zgłębić temat potrzebujemy kilku perspektyw i danych wejściowych. Na podstawie poniższych składników postaramy się realnie ocenić stan otoczenia rynkowego, w którym się znaleźliśmy.

1. Perspektywa pracownika (freelancerzy, specjaliści, początkujący)

2. Perspektywa pracodawcy (właściciele, akcjonariusze, menadżerowie)

3. Perspektywa dostawców oprogramowania

4. Badania dotyczące zatrudnienia

5. Moja perspektywa

Przejdźmy przez poszczególne punkty, na końcu zrobimy podsumowanie, które będzie jednocześnie zawierało moją osobistą opinię o rynku.

Perspektywa pracownika

W 2025 roku portal StackOverflow przeprowadził ankietę. Wzięło w niej udział około 20-60 tysięcy specjalistów IT. Liczby różnią się w zależności od pytania. Najbardziej interesująca w kontekście naszego rozważania jest strona: https://survey.stackoverflow.co/2025/ai/. Narzędzia AI w procesie dewelopmentu są używane na codzień przez 47%. Zaledwie 16% w segmencie wszystkich programistów deklaruje, że nie planuje używać AI do tworzenia oprogramowania.

Narzędzia w procesie rozwoju

To bardzo ciekawe ale daje nam jasny obraz, około 84% ankietowanych jest pozytywnie nastawiona do narzędzi AI. Narzędzia jednak są bardzo ogólnym pojęciem i wpada w to: czatowanie, vibe-coding, podpowiadanie składni, generowanie treści itd. Nie jest to aktywność ściśle związana z oprogramowaniem, a raczej codzienne użycie do różnych celów.

Sentyment

Kolejny interesujący trend stanowi sentyment, który spadł z 70% i powyżej w latach 2023 oraz 2024 do około 60% dziś (końcówka 2025 roku). Szczegóły możesz podejrzeć poniżej[https://survey.stackoverflow.co/2025/ai#sentiment-and-usage-ai-sent].

Dzięki temu, że używamy narzędzi wiecej niż w poprzednich latach, część z nas zauważa niedoskonałości czy też brak zaspokojenia naszych potrzeb przez te narzędzia. Hype wszechobecny w mediach, w szczególności na LinkedIn buduje wysokie poziomy oczekiwań względem tych narzędzi. W praktyce, jeśli nie potrafimy "rozmawiać" z AI, nie będziemy w stanie rozwiązać wielu problemów.

Przeznaczenie użycia

Kolejne ciekawe odpowiedzi widzimy w pytaniu: "Which parts of your development workflow are you currently integrating into AI or using AI tools to accomplish or plan to use AI to accomplish over the next 3 - 5 years? Please select one for each scenario."

Zdecydowanie pisanie kodu nie jest dominującym powodem do wykorzystywania AI. W większości używamy modeli do generowania treści, researchu oraz edukacji. Osobiście bardzo wiele pytań zadaję chatowi GPT, jestem w stanei punktowo nauczyć się pewnych zagadnień w krótkim odstępie czasu. Nie potrzebujesz już przeczytać całej książki, czy przejścia 50 godzinnego kursu aby informacje zdobyć. To kwestia zadawania odpowiednich pytań i kierowania rozmowy do celu jakim jest zdobycie i zwizualizowanie poszukiwanej informacji.

Dokładność

Przejdziemy sobie do kolejnej sekcji ankiety, czyli DOKŁADNOŚĆ LLM-ów. Poniższy wykres pokazuje, że zaufanie do dokładności efektów pracy AI pozostawiają wiele do życzenia. Ludzie są raczej sceptyczni jeśli chodzi o ten benchmark.

Co więcej, prawie połowa ankietowanych wyraża brak zaufania. Szczerze powiedziawszy, nie spodziewałem się aż tak negatywnych odpowiedzi. Sam zauważam przekłamania i halucynacje, ale nie powiedziałbym z wysokim stopniem pewności, że nie ufam odpowiedziom, jakie modele generują. Jak to mówią: ufaj ale sprawdzaj!

Frustrations

Idąc tym negatywnym trendem omówionym w rozdziale "Dokładność" zerknijmy sobie, gdzie AI przyprawia użytkowników o frustrację:

The biggest sources of frustration are:
- "AI solutions that are almost right, but not quite"
- "Debugging AI-generated code is more time-consuming"

Oba powody są bardzo zrozumiałe, chcemy przecież aby nasza produktywnośc rosła, to dlatego sięgamy po różnego typu narzędzia. Jeśli musimy się nauczyć korzystać z agentów, chatów czy generatorów to liczymy na zwrot z tej inwestycji w postaci czasu zaoszczędzonego później na wykonywaniu naszych zadań. Jak widzimy, osoby niezadowolone z pracy z AI nie widzą realnego wpływu na ROI. Na poziomie osobowym skutkuje to większą frustracją natomiast dla firm będzie to realny wpływ na finanse i efektywność biznesu.

Vibe coding

Zacznijmy od wyjaśnienia czym właściwie jest vibe-coding. W 2025 roku pewna znana persona nazwała ten sposób współpracy z agentami kodującymi. Praktyka ta polega na wytwarzaniu oprogramowania bez właściwie pisania kodu własnoręcznie a jedynie komunikowania się z agentem opartym o różne modele LLM. Z ankiety wynika, że tylko 25% ankietowanych spożród ponad 20 tysięcy używa agentów właśnie w ten sposób.

To również jest zaskakujące. Wynika z tego, że trend vibe-codingu jeszcze nie rozwinął się na tyle aby zdominować metodologię pracy programistów.

AI Agents Usage

Kolejne pytanie dotyczy celu, w jakim używamy agentów AI. Zdecydowana większość (83.5%) używa ich do Software Engineeringu. To pytanie może być nieco tendencyjne, biorąc pod uwagę charakterystykę ankietowanych. Większość z nich bowiem pracuje właśnie w tym obszarze. Niemniej jednak widzimy sporą korelację wytwarzania oprogramowania oraz użycia agentów AI.

LLM-y bardzo dobrze radzą sobie z kodowaniem. To dlatego, że w ogóle nauka języka, semantyki, składni jest można powiedzieć wąską specjalizacją modeli językowych - jak sama nazwa wskazuje.

Postrzeganie inteligencji modeli

Często mylimy postrzeganie rozmówcy i jego poziomu inteligencji właśnie z umiejętnością władania językiem. W programowaniu pisanie kodu samego w sobie zdaje się problemem rozwiązanym przez LLM-y. Nie oznacza to jednak, że praca programisty przestaje mieć sens. Wręcz przeciwnie, teraz możemy się skupić na rzeczach, w których LLMy nie są najlepsze t.j. projektowanie, modelowanie, architektura, UX itd. Samo pisanie kodu, czyli ostatnią fazę wytwarzania kodu możemy spokojnie delegować agentom po pewnym rygorem i ograniczeniami.

Z drugiej strony widzimy frustrację i niezadowolenie z efektu pracy AI w innych obszarach. Tam gdzie potrzebujemy wysokiej precyzji, braku halucynacji, dokładnego planowania, AI nadal zawodzi i wyraża to spora grupa respondentów.

Moja perspektywa podwykonawcy

Sam z perspektywy podwykonawcy tudzież pracownika zauważam negatywne strony użycia AI. Jednocześnie uważam, że w najbliższych latach wytworzymy kilka frameworków pracy z agentami (Claude Code już to robi, konkurencji również). Celem będzie zminimalizowanie halucynacji i poniekąd zmuszenie agentów to replikowania naszej pracy lub nawet wytwarzania kodu w lepszej jakości.

Sam również staram się swoją metodologię wytworzyć i opisuję ją w swoich repo na przykład tutaj[https://github.com/dwisniewski1804/saas-spine/blob/main/clap/clap_manifest.md]. Nie wiem czy pomysł będę rozwijał intensywnie, natomiast kilka takich metodologii czy frameworków już powstało i jest to moim zdaniem coś czego nie unikniemy.

Nie da się kierować LLM-ami bez konkretnej metodologi i dokumentacji. Wrzucając ad-hockowe prompty narażamy się na duże trudności w zrozumieniu kodu, debugowaniu, rozwijaniu go oraz wykonywaniu code-review. Rynek już to zauważa, dlatego ostatnio głośno jest o SDD - Spec Driven Development [https://martinfowler.com/articles/exploring-gen-ai/sdd-3-tools.html], gdzie podajemy stosowne artefakty zanim zlecamy pisanie kodu. To bardzo zbliżone to mojej metodologii: CLAP - ja swoją rozwijam tak, aby walidacja i bootstrapowanie pomysłów nie były kosztowne i sprowadzały się do kilku sesji z agentami. To jednak temat na osobny post. Postaram się to opisać w najbliższej przyszłości.

Kluczowa sprawa: realny wpływ na efektywność

Ostatnie pytanie z ankiety będzie dotyczyło użycia agentów do pracy i wpływ na efektywność. Nie trudno zauważyć, że jedynie w obszarach komunikacji/kolaboracji z zespołem użycie agentów AI ma neutralno-negatywny wpływ z perspektywy programisty.

Najważniejszy wykres: "AI agents have increased my productivity" potwierdza iż ponad 65% ankietowanych potwierdza iż jego produktywność wzrosła. Pomimo pomyłek, halucynacji, sam proces pisania kodu (stukania w klawiaturę) zabiera jednak wiele czasu i LLM-y są w tym świetne.

Wcześniej korzystaliśmy z narzędzi typu InteliSense IDE, później z modeli językowych do podpowiadania składni, dokończenia linii kodu, czy autocomplete całego pliku. Dziś wiemy, że LLM (szczególnie wytrenowany pod kodowanie) jest w stanie napisać przyzwoity kod szybciej niż my - specjaliści wykształceni w tym celu - do wytwarzania kodu. Samo jednak pisanie jest tylko ułamkiem całego procesu, musimy o tym pamiętać. Dobry koder != dobry inżynier oprogramowania.

OpenAI i podobne firmy - rzeczywiście pojawiają się wypowiedzi (np. od Dario Amodei z Anthropic, Sama Altmana z OpenAI) sugerujące, że AI będzie pisać coraz więcej kodu, a rola programistów się zmieni. Ale to bardziej prognoza niż deklaracja "my już nie kodujemy". Wewnętrznie te firmy zatrudniają tysiące inżynierów, którzy intensywnie piszą kod - tyle że coraz częściej z pomocą AI.

Perspektywa pracodawcy

Ten rozdział opiszę krótko. Trzeba pamiętać, że zatrudnianie programistów w ostatnich 20 latach wiązało się z wysokimi kosztami. To czyste prawo popytu i podaży. Infrastruktura zbudowania podczas bańki dot-commowej w latach 2000 sprawiła, że możemy zdigitalizować tak naprawdę większość naszego życia. Od spraw związanych ze zdrowiem, przez zarządzanie finansami, aż po opiekę nad naszymi dziećmi. Przez to rosnący popyt na ludzi, którzy "potrafią rozmawiać z maszyną" stale rósł, a populacja nie nadążała z produkcją siły roboczej. Temat ten poruszałem w kontekście rynku polskiego tutaj [../../pl/dlaczego-janek-nie-programuje-cz-1-2022/index.html].

Trudność programowania polega przede wszystkim na abstrakcyjnym myśleniu i zauważaniu wzorców, które należy zastosować. Archetypy oprogramowania, wzorce projektowe, metodologie, abstrakcja. Dochodzi do tego trudność ze środowiskiem lokalnym do dewelopmentu. Wszystkie te problemy rozwiązuje teraz AI, ponieważ jest w stanie zrozumień kod na poziomie podobnym do człowieka. Ale do rzeczy, jaki to ma wpływ na pracodawców?

Trzeba zdać sobie sprawę i zrozumieć, że dla większości przedsiębiorstw programiści to duży koszt. W firmach, gdzie oprogramowanie jest znaczącą częścią procesów na deweloperów wydaje się najwięcej. Zatem każda oszczędność bez spadku jakości wydaje się być łakomym kąskiem. Przytoczę teraz dane z największych firm technologicznych:
Zwolnienia w Google [https://businessinsider.com.pl/gospodarka/setki-inzynierow-google-stracily-prace-przez-sztuczna-inteligencje/j7jf6g0] czy plany zwolnień w innych spółkach technologicznych [https://intellizence.com/insights/layoff-downsizing/major-companies-that-announced-mass-layoffs/] określa trend: redukcja zatrudnienia w działał oprogramowania. Nie jesteśmy jednak w stanei określić jednoznacznie, że to AI na to wpłynęła. Być może firmy przeinwestowały w AI i rozwój LLM-ów a do ich tworzenia również potrzebujesz inżynierów. Być może to AI ułatwia redukcję ze względu na wzrost produktywności. Na konkretne dane musimy trochę poczekać.

Pracodawcy jednak często chwalą się, że zredukowali zatrudnienie z powodu automatyzacji i AI. Nie następuje to jednak w działach inżynieryjnych. To najczęściej obsługa klienta, czy działy gdzie wykonuje się bardziej powtarzalna pracę zostają redukowane jak pierwsze. Patrzmy na przykład na: Salesforce czy Klarna. W przypadku Klarny ten ruch okazał się błędem. Widzimy, że zastąpienie przez LLM-y pracownika nie jest wcale taką łatwą sprawą.

Artykuł z 22 grudnia 2025 (całkiem świeży) pokazuje wpływ AI na rynek pracy w USA. https://itreseller.pl/zbadano-wplyw-ai-na-rynek-pracy-z-usa-wyniki-nie-zaskakuja-ale-przecza-popularnej-narracji/. Tam również pokazywane są zwolnienia przede wszystkim w Microsofcie, gdzie spora część pracowników to programiści. Nie wynika to jednak z samego faktu automatyzacji procesu wytwarzania oprogramowania a zmiany profilu wykonywanej działalności z fabryki oprogramowania do tworzenia narzędzi opartych o AI (Machine Learning, Data Scientists, Mathematicians).

Nigdzie nie widziałem case-study zastąpienia pracowników od oprogramowania czysto przez AI czy bardziej szczegółowo mówiąc: agentów kodujących. LLM-y nadal pozostają tylko narzędziem w rękach pracownika, nie pracownikiem samodzielnym.

Podsumowanie

Z perspektywy pracodawców najlepiej byłoby zwolnić wszystkich pracowników, płacić tylko za prąd i tokeny. Nikt jednak do tej pory nie zdołał udowodnić, że taka inwestycja (tak, to zarządzanie zmianą na ogromną skalę, które kosztuje i jest ryzykowne - dlatego nazwałem to inwestycją) jest w stanie się zwrócić w sensownym czasie. Zwolnienie pracowników to również utrata know-how i SOPs, które nie zawsze są udokumentowane. Ba! W większości firm nie dikumentuje się tego a wiedza jest rozproszona pomiędzy pracowników. Do tego dochodzi polityka międzyludzka w korporacjach, gdzie bardziej niż co umiesz liczy się kogo znasz. To wszystko znacznie utrudnia sparametryzowanie pracy, jej ustrukturyzowanie i co za tym idzie zastąpienie kloclów (ludzi) innymi klockami, które są tańsze.

No właśnie, nie wiadomo, czy te nowe klocki są tańsze i po drugie czy w ogóle spełniają wymagania jakie teraz są stawiane pracownikom. Boleśnie przekonała się o tym Klarna, zwalniając, a później zatrudniając ludzi spowrotem. Nie jest to takie proste jakby się mogło wydawać. Pomimo tego, że pracodawcy trochę grają w oszusta i podburzają tym samym pozycję negocjacyjną programistów (zmniejszający się rynek jest jednak faktem - ale o tym zaraz) podczas rozmów o pracę.

Popyt na pewno się zmieni, ale nie powiedziałbym, że to już nastąpiło. Jesteśmy też zasypani nadmierną ilością sygnałów i bardzo ciężko jest określić czy firma rzeczywiście zredukowała, bo ma AI czy dlatego, że nie ma pieniędzy i musi akcjonariuszom pokazać, że utrzyma rentowność. To bardzo trudne zagadnienie. Dodatkowo rynek pracy nie jest jednorodny. Inaczej wyglada charakterystyka pracy w startupach, małych organizacjach, gdzie testowanie AI jako pracownika ma większy impact na wyniki finansowe, oraz jest też łatwiejsza to wprowadzenia. Inaczej jest znowu w korporacjach, gdzie zwolnienie i zastąpienie pracowników to może być proces, który nie jest wart tej gry. Na rynku widzę nadal wiele niepewności i niejasności. Trzeba będzie jeszcze z rok, dwa odczekać zanim woda (bańka) odpłynie i zobaczymy co tak naprawdę AI jest w stanie zaoferować i czy nadaje się do wdrożenia w miejsce programistów. Podobnie rzecz się ma w innych zawodach. Tylko czas pokaże, czy to mrzonki, czy realny substytut ludzi.

Perspektywa dostawców oprogramowania

Tutaj temat jest bardzo szeroki, zacznę od pokazania sentymentu na rynku SaaS. Spójrzmy jaki wygląda dziś giełda i akcje spółek oferujących oprogramowanie. Polecam przeczytać artykuł [https://dnarynkow.pl/czy-ai-zabije-saas-salesforce-pokazuje-ze-to-bardziej-skomplikowane/] omawiający kwestię producentów oprogramowania (w szczególności SaaS) pod kątem inwestora patrzącego na spółki jak na potencjalne źródło zysku.

Wydźwięk jest raczej negatywny ale nie jednoznaczny. To bardzo ciekawa analiza. Zerknijmy na wykresy:

Powyższe ETF-y skupiają spółki technologiczne z sektora softwarowego. Większość z nich to dostawcy oprogramowania w modelu SaaS lub innym. Wyraźny spadek i powrót do poziomów sprzed lata 2025 pokazuje zdecydowanie negatywny sentyment inwestorów. Zdanie inwestorów jest istotne, bo decyduje o tym gdzie popłyną pieniądze. Zarówno inwestorzy indywidualni jak i instytucjonalni stawiają i liczą na zysk. Zdaje się, że dziś mówią sprawdzam, i oczekują udowodnienia , że SaaSy nadal mają prawo bytu na rynki. Nie oznacza to jednak, że ich obawy są uzasadnione. Bowiem to producent oprogramowania ma pełny wachlarz możliwości aby udowodnić wyższość swoich rozwiązań ponad chałupnicze, ad-hokowe aplikacje vibe-codowane przez zespoły in-house.

Być może scenariusz z SaaSami pójdzie w negatywną dla nich stronę. Ciężko jest to określić. Jedno jest pewne, AI będzie miało wpływ zarówno na same firmy jak i ich pracowników. Jeśli okaże się, że SaaSy nie są już potrzebne, wielu programistów i specjalizacji dookoła wytwarzania oprogramowania po prostu straci pracę. Pieniądze popłyną do vibe-coderskich narzędzi i providerów modeli.

Ja osobiście nie przywiązuję dużej wagi do tego co dzieje się z akcjami pojedynczych spółek. Staram się patrzyć na trendy rynkowe. Tutaj wyraźnie widzimy, że jest tendencja spadkowa lub korekta. Jeszcze nie wiadomo. Widać natomiast jak narracja wokół wytwarzania oprogramowania wpływa na inwestorów. To wcale nie musi oznaczać rychłego upadku firm, czy masowych zwolnień. Jest jednak indykatorem mocno na to wpływającym. Inwestorzy głosują portfelem, sprzedają akcje spółek, z których przychód będzie uciekał - a przynajmniej, o których się tak mówi. A w tym przypadku będzie on uciekał do dostawców energii, kart graficznych, serwerowni oraz w mniejszym stopniu do firm typu OpenAI, Anthropic czy ElevenLabs.

Poruszę też temat rentowności powyżej wymienionych firm. OpenAI w 2026 roku przewiduje $14 miliardów straty w swoim własnym forecaście. [https://finance.yahoo.com/news/openais-own-forecast-predicts-14-150445813.html?guccounter=1&guce_referrer=aHR0cHM6Ly93d3cuZ29vZ2xlLmNvbS8&guce_referrer_sig=AQAAAHSDtEMpQwDcAcxU9CnIDiYDFYTqXulgMszR4CO0WQm7AZh8rvRvb6FGhn7twDzLVeqE-0DfXFbhDrrL3j2CutoLV6McZOo9mxuTSEcA-8ipzgnn52_ST4NNquR3b058TNUcLoNWyshSX1-yUZHR4ew74CWxl2ajjWT6FzsAY3-X]

Anthropic nadal nie jest rentowny i nie będzie przynajmniej do 2028 roku. Artykuł [https://pl.investing.com/news/stock-market-news/anthropic-podnosi-prognoze-przychodow-na-2026-r-opoznia-cel-rentownosci-1254392] nie podaje konkretnych liczb, widać jednak, że do uzyskania zysku jest jeszcze kawałek drogi.

W nieco lepszej sytuacji zdaje się być spółka z polskimi korzeniami (Polacy jako założyciele) ElevenLabs. Materiały prasowe nie publikują wyników rentowności ale artykuł [https://www.bankier.pl/wiadomosc/ElevenLabs-warta-11-mld-dolarow-Spolka-potroila-wycene-i-celuje-w-gielde-9079325.html] wyraźnie wskazuje na $11 miliardów wyceny w kolejnej rundzie finansowania. Spodziewam się jednak, że po IPO dowiemy się, że spośród tych 3 graczy to oni radzą sobie najlepiej.

To są jednak providerzy modeli i usług związanych z nimi bezpośrednio. Są właścicielami IP, mają ludzi, mają pod kontrolą infrastrukturę, mają pieniądze inwestorów. Na tym poziomie jednak, ceny jakie oferują Ci dostawcy mogą być zbyt niskie aby bez zewnętrznego finansowania dalej rozwijać produkty.

Andrew Ng powiedział ostatnio, że problemy jakie rozwiązują LLM-y są od kilku lat rozwiązywane tylko dzięki skalowaniu. Od momentu publikacji [https://arxiv.org/abs/1706.03762] bazujemy na tej samej rodzinie rozwiązań (architekturze). Sama technologia nie zalicza skoków, to tylko efekt coraz to większej ilości sprzętu i węzłów przetwarzających ogromne ilości danych. Dzięki architekturze transformerów potrafimy skalować i zwiększać dokładność modeli w tempie przypominającym funkcje logarytmiczną, bez wyraźnej asymptoty (wyglądają jak łuk rosnący) ale też bez większych skoków.

▶ Video: https://www.youtube.com/watch?v=_NLHFoVNlbg&list=PLoROMvodv4rNRRGdS0rBbXOUGA0wjdh1X

BTW polecam jego wykłady, są świetne jeśli chcemy wprowadzić się w świat ML.

Wracając do tematu, w pewnym momencie jeśli model biznesowy się nie zmieni, najwięksi dostawcy będą musieli podnieść ceny, a co za tym idzie ich rozwiązania nadal będą tańsze od człowieka ale nie będzie aż tak dużej różnicy (x20, x30 itd). Wtedy firmie może nie opłacać się pisać oprogramowania in-house.

Ryzyko poniesione podczas programowania rozwiązań na własną rękę może przygnieść dotychczasowych klientów SaaSów. Dodatkowo jeśli firma jest zwinna, będzie potrzebowała dużej ilości zmian. Jeśli nie znajdzie metodyki, która rzeczywiście pozwala rozwijać oprogramowanie bez firm zewnętrznych, będzie skazana na używanie SaaSów. Trzeba też wziąć pod uwagę różnorodność tych firm. Małe SaaSy do prostych kalkulacji, analizy itd mogą być zastępowalne. natomiast duże ERP, SAP-y, generalnie oprogramowanie enterprise - z tym klienci SaaSów mogą sobie nie poradzić.

Złotym środkiem wydaje się zatrudnić one-man army, którzy z szeroką wiedzą i agentami AI mogą zdziałać cuda. Niestety nie jest to wiadomość zbyt dobra dla ludzi o wąskiej specjalizacji. Coraz więcej małych organizacji mówi o poszukiwaniu tzw. generalistów lub AI-driven deweloperów. To na razie tylko pogłoski rynkowe. Oferty dla klasycznych deweloperów nadal wiszą na portalach z ogłoszeniami. Procesy nadal trwają. Sam w ostatnim czasie brałem w nich udział. Zdaje się, że coś wisi w powietrzu ale na razie rynek działa tak jak działał.

Muszę tutaj poruszyć kwestię social mediów. Youtube, LinkedIn, Instagram, Facebook. Wszystkie portale są zawalone postami o AI i o automatyzacji. Jescze więcej jest szkoleń z programowania z AI, automatyzacji, użycia LLM-ów w wielu celach zarówno życiowych jak i zawodowych. Zastanawiam się teraz: jak można szkolić z czegoś, co dopiero dwa lata temu w ogóle powstało, a niektóre narzędzia zmieniają się z dnia na dzień? Jaką wartość takie szkolenie wnosi? Kto te szkolenia kupuje? Zauważyłem trend, że osoby z rozpoznawalnością wykorzystują swoje 5 minut podpinając się pod słowo kluczowe: AI. Coś na zasadzie: wszyscy o tym gadają, więc zróbmy o tym szkolenie. Tutaj się zatrzymam, bo nie chcę aby ten post był jeszcze dłuższy.

Badania dotyczące zatrudnienia

Badania wskazują, że AI wpływa na rynek pracy w USA, Europie i UK poprzez automatyzację rutynowych zadań, jednocześnie tworząc nowe możliwości w sektorach technologicznych. W USA obserwuje się spadek ofert pracy biurowych o ok. 17-27% w branżach nietechnologicznych, ale wzrost w AI o 68%. W Europie i UK pracownicy wykazują mieszane nastroje – ok. 34% widzi poprawę warunków pracy dzięki AI, choć wielu obawia się utraty stanowisk juniorskich. Rozbiję to teraz na 3 regiony, gdyż różnią się one zarówno prawem pracy jak i sytuacją rynkową.

USA

Wydajność pracowników wzrosła o 7,2% od debiutu ChatGPT w 2022 r., napędzana AI, co potwierdza raport z lutego 2026 r. Badania z Davos 2026 podkreślają brak masowego bezrobocia, mimo prognoz likwidacji połowy stanowisk juniorskich. MIT szacuje potencjalne oszczędności 1,2 bln USD, z ekspozycją 11,7-27% siły roboczej wg źródeł [https://businessinsider.com.pl/technologie/nowe-technologie/mit-ostrzega-sztuczna-inteligencja-juz-zmienia-amerykanski-rynek-pracy/vzb2n0f].

Europa i UK

Trendy podobne do USA: wzrost ofert pracy z "agentami AI" o 1587% wg Randstad[https://itwiz.pl/ai-zmienia-rynek-pracy-pokolenie-z-najbardziej-zaniepokojone/] (styczeń 2026), z pokoleniem Z najbardziej zaniepokojonym. W Polsce i Europie AI transformuje role umysłowe, z obawami o 20% pracowników biurowych; potrzebne będą przekwalifikowania. UK, jako część danych, notuje wzrost w tech i finansach, ale redukcję rutynowych etatów.

Dla porównania zróbmy tabelkę, którą przygotował mi Perplexity [https://www.perplexity.ai]:

Aspekt	USA	Europa/UK
Wzrost produktywności	+7,2% od 2022 pb​	Zależny od adopcji AI itwiz​
Nowe role AI	Wysoki popyt na specjalistów xpert​	+1587% ofert "agenta AI" itwiz​
Ryzyko zwolnień	Juniorskie role (do 50%) euronews​	Biurowe (ok. 20%) tvn24​

Jak widzimy, wzrost produktywności jest faktem. Faktem jest również minimalizacja roli juniorskich i powtarzalnych prac biurowych tzw "przerzucanie papierów". Widać ogromy hype na agentowe systemy w Europie. Jeśli chodzi o generalny rynek pracy, widoczne są fluktuacje, ale na razie nie widać tego w stopach bezrobocia.

W USA są lekkie wzrosty ale nie wiązałbym tego tylko z zastosowaniem AI. Na wykresie [https://pl.tradingeconomics.com/united-states/unemployment-rate] widzimy normalne stopniowe wzrosty rzędu 1 pkt procentowego. To nie się jeszcze nie dzieje. Bardziej chodzi o psychologię i sentyment niżeli realne obcinanie etatów. W europie z kolei widzimy od lat sukcesywny spadek stopy bezrobocia do poziomów około 10% do około 6% w grudniu 2025

To dane globalne, my skupimy się jednak na rynku IT. Zerknijmy najpierw na listę zwolnień w spółkach związanych z IT. Na łamach Reutersa pojawił sie ostatnio bardzo treściwy materiał [https://www.reuters.com/business/world-at-work/corporate-america-continues-job-cuts-2026-efficiency-push-2026-02-06/#:~:text=Table_title:%20Corporate%20America%20continues%20job%20cuts%20in,%7C%20January%20%7C%20Up%20to%20%E2%80%8B30%2C000%20%7C]. Opisuje on ilość zlikwidowanych miejsc pracy. Najbardziej niepokojące jest zwolnienie 16 tysięcy [https://www.reuters.com/legal/litigation/amazon-cuts-16000-jobs-globally-broader-restructuring-2026-01-28/] ludzi na całym świecie.

Zaledwie dwie firmy jasno zadeklarowały, że zwolnienia są spowodowane w jakimś stopniu użyciem AI:

Month	Company	Amount	% of Total Workforce	Notes
January	Angi (ANGI.O)	Roughly 350	Unknown	AI-driven efficiency improvements
January	Pinterest (PINS.N)	Less than 780	Less than 15%	Reallocating resources to artificial intelligence-focused roles and strategy

Jeśli chodzi o oferty w IT, doskonała strona do monitorowania rynku IT (szczególnie w Polsce) jest strona: https://czyjesteldorado.pl/raport-rynku-pracy-it, gdzie znajdziemy raport z 9 lutego 2026.

Widzimy stałe wzrosty od początku 2025 roku. Nieustanny wzrost trwa, stawki utrzymują się na tym samym poziomie. Wydaje się, że nie ma powodów do zmartwień.

Jeśli chodzi o USA, sytuacja ofert pracy widocznie przesuwa środek ciężkości w kierunku ML/AI. Źródło [https://www.techtarget.com/whatis/feature/Tech-job-market-statistics-and-outlook] jasno wskazuje, że rynek pracy w IT nie jest już „automatycznie gorący” jak kiedyś, ale nadal oferuje solidny wzrost i duże możliwości dla osób z odpowiednimi umiejętnościami specjalistycznymi, szczególnie w zakresie AI, danych i cyberbezpieczeństwa. Kluczem jest ciągłe zdobywanie nowych kompetencji, bo firmy mają trudności z znalezieniem wykwalifikowanych pracowników. Liczba ofert pracy zdecydowanie spadła (około -36%) względem poprzednich lat.

Podobnie jak na rynku Polskim (5% ofert dla juniorów) początkujący mają problemy z dostaniem się do pracy po lub w trakcie graduacji w szkołach wyższych czy kursach prywatnych. Z drugiej strony 2025 rok pełen był masowych zwolnień, które lekko spowolniły rynek ogłoszeniowy.

Gdy porównamy sobie dane, to w USA rynek tech nadal szuka talentów, ale techniczne umiejętności są kluczem przejścia przez okres spowolnienia. Natomiast w Polsce rynek jest aktywny i stabilny, z dużą liczbą ofert i dobrymi widełkami płacowymi, lecz tempo wzrostu płac i boom rekrutacji już nie przypomina „eldorado” sprzed lat.

Czy jest to jednak rezultat rewolucji AI? Wszystko wskazuje na to, że popyt na poszczególne specjalizacje fluktuuje między nimi, natomiast rynek zarówno lokalnie jak i globalnie wcale nie jest niedostępny dla dobrego specjalisty. Gorzej mają osoby początkujące, tutaj AI może mieć jakieś znaczenie.

Podsumowanie

Z racji tego, że wpis okazał się dużo dłuższy niż się spodziewałem postaram się podsumować sprawnie i wysnuć właściwe wnioski.

AI realnie zmienia sposób wytwarzania oprogramowania, ale nie zabiła rynku IT. Przynajmniej nie w 2026 roku. Zamiast rewolucji „tu i teraz” mamy powolną, nierówną transformację, w której wygrani i przegrani są wyraźnie rozróżnieni.

Poniżej 8 najważniejszych wniosków z powyższych rozważań i danych.

Produktywność rośnie, ale nie liniowo

• Ponad 60–65% programistów deklaruje wzrost produktywności dzięki AI.
• Zysk dotyczy głównie pisania kodu, researchu i nauki – nie całości procesu inżynierskiego.
• Projektowanie, architektura, modelowanie domeny i decyzje biznesowe nadal wymagają człowieka.

AI jest narzędziem, nie pracownikiem

• Nie istnieją wiarygodne case studies masowego zastąpienia zespołów inżynierskich przez AI.
• Najczęściej redukowane są role powtarzalne i pomocnicze (support, back-office), nie core engineering.
• Firmy, które próbowały „pójść na skróty” (np. Klarna), boleśnie się na tym przejechały.

Największym problemem AI nie jest brak mocy, tylko brak metodologii

• Halucynacje, „prawie dobre” rozwiązania i trudne debugowanie to główne źródła frustracji.
• Ad-hoc promptowanie nie skaluje się w realnych projektach.
• Rynek naturalnie skręca w stronę Spec / Structure / Methodology Driven Development

Vibe-coding to nisza, nie standard

• Tylko ok. 25% badanych korzysta z agentów w pełni „bez pisania kodu”.
• Dominują hybrydowe modele pracy: człowiek + AI, a nie AI zamiast człowieka.

Najbardziej zagrożeni są juniorzy i wąskie specjalizacje

• Wejście do branży jest dziś trudniejsze niż 5–10 lat temu.
• AI podnosi „minimalny próg kompetencji”.
• Rośnie popyt na generalistów, inżynierów systemowych i osoby łączące technologię z kontekstem biznesowym.

Rynek pracy IT nie załamał się – zmienił się jego kształt

• W Polsce: stabilna liczba ofert, sensowne widełki, brak paniki.
• W USA: przesunięcie ciężaru w stronę AI/ML/Data, mniej „klasycznego CRUD-owego” devu.
• Spadki ofert ≠ masowe bezrobocie – to raczej korekta po latach przegrzania.

SaaSy nie umierają, ale muszą się bronić

• Inwestorzy są sceptyczni, sentyment jest słaby.
• Małe, proste SaaSy są potencjalnie zastępowalne przez in-house + AI.
• Duże systemy (ERP, enterprise, compliance, mission-critical) nadal mają ogromną przewagę.

Narracja w social mediach jest znacznie bardziej radykalna niż rzeczywistość

• AI-hype służy sprzedaży kursów, szkoleń i zasięgów.
• Rynek realny porusza się wolniej, ostrożniej i dużo bardziej pragmatycznie.

Mój punkt widzenia

Mam nadzieję, że powyższe podsumowanie dostatecznie streszcze treść arykułu. Chcę jednak dorzucić kilka swoich przemyśleń. Gra jest wielowymiarowa - jej obraz nie jest ani dwu-, ani nawet pięciowymiarowy. Na rynku działa wielu graczy: różne segmenty firm, odmienne cele aktorów rynku, inwestorzy oraz bańka spekulacyjna. Jednocześnie dzieje się bardzo dużo i trudno wyciągać proste, jednoznaczne wnioski.

Z mojej perspektywy - osoby aktywnie uczestniczącej w rynku, która w ostatnim czasie intensywnie szukała nowych wyzwań i brała udział w wielu procesach rekrutacyjnych równolegle - najbardziej rzuciły mi się w oczy dwie rzeczy.

Po pierwsze: bardzo twardo stawiane wymagania techniczne podczas rozmów technicznych. Rynek nie premiuje już wąskich kompetencji ani „bezpiecznego średniaka”. Oczekuje się realnej samodzielności, rozumienia systemów jako całości oraz odpowiedzialności za decyzje techniczne.

Po drugie: duża niepewność w podejściu do AI.
Część firm z dumą mówi o aktywnym wykorzystaniu narzędzi takich jak Claude Code czy agentów kodujących. Inne natomiast ograniczają się do stwierdzeń w stylu: „używamy AI, ale nie mamy jeszcze jasnych granic ani metodologii”. To wyraźny sygnał, że rynek jest w fazie przejściowej – adopcja narzędzi wyprzedziła dojrzałość procesów.

Coraz wyraźniej widać, że rynek staje się trudniejszy i wymaga wszechstronności. Moim zdaniem będzie to prowadzić do modelu, w którym firmy wolą zatrudniać kilka bardzo silnych, wielofunkcyjnych jednostek, zamiast utrzymywać rozbudowane zespoły, które z trudem koordynują własną pracę.

Tak właśnie widzę rynek pracy za kilka lat:

• silny nacisk na AI/ML,
• naturalne połączenie tego z obszarami Big Data i Cloud,
• wysoka wartość osób łączących kilka specjalizacji jednocześnie.

W mojej wizji firmy będą stopniowo ograniczać korzystanie z usług zewnętrznych w zakresie wytwarzania oprogramowania. Zamiast tego będą skupować z rynku najwyższe talenty - ludzi zdolnych samodzielnie projektować, implementować i rozwijać systemy, często działających jak „menadżerowie dla samych siebie”, współpracujący bezpośrednio z product Managerem lub Ownerem.

Nie jest to dobra wiadomość dla wszystkich. Jest to natomiast bardzo dobra wiadomość dla tych, którzy potrafią łączyć technologię, kontekst biznesowy i świadome wykorzystanie AI jako narzędzia, a nie protezy.

Wszystkim czytelnikom życzę dużo zapału do nauki, bo na pewno się przyda, a jedyna recepta na powodzenie w karierze to: tworzenie własnych produktów lub szybka adaptacja do otaczającego nas rynku zatrudnienia w IT. Chętnie poczytam wasze przemyślenia i opinie na powyższy temat.

Dzięki i do następnego