W 2026 roku definicja „dobrego programisty” przechodzi jedną z największych prób w historii branży. Skoro sztuczna inteligencja potrafi wygenerować poprawny kod w kilka sekund, wartość inżyniera nie wynika już z samej znajomości frameworków.
Dziś kluczowe staje się coś innego: umiejętność projektowania rozwiązań, rozbijania złożonych problemów na właściwe elementy i krytycznej oceny tego, co podpowiada maszyna.
Czy AI naprawdę zabiera pracę programistom? Jak zmienia się rola liderów? I co to oznacza dla juniorów?
O tym, bez straszenia końcem zawodu i bez hurraoptymizmu, rozmawiam z @Marcinem Ziębą, Engineering Directorem w Ocado Technology.
Spis treści
Czy AI to koniec zawodu programisty?
Bartek: W mediach co chwilę pojawiają się artykuły wieszczące koniec kolejnych zawodów, które ma zastąpić sztuczna inteligencja. Czy te prognozy mają podstawy? Czy AI rzeczywiście zagraża programistom?
Marcin: Myślę, że pogłoski o śmierci zawodu programisty są jednak przesadzone. Czytałem niedawno optymistyczny wywiad z Sundarem Pichai (CEO Alphabet), który postrzega sztuczną inteligencję jako akcelerator produktywności i innowacji. Zgadzam się z nim w tej kwestii. AI otwiera nam możliwość realizowania projektów, które jeszcze niedawno były odkładane na półkę jako nieopłacalne albo zbyt czasochłonne. Firmy będą chciały uruchamiać ich znacznie więcej, co paradoksalnie zwiększy zapotrzebowanie na ręce do pracy.
Trzeba jednak uczciwie przyznać, że pod wpływem AI rola programisty mocno się zmienia. Co więcej, ta zmiana przebiega bardzo szybko.
Jak zmienia się rola inżyniera w świecie AI?
Bartek: Jak oceniasz dojrzałość obecnych narzędzi AI? Czy można im już powierzyć zadania produkcyjne?
Marcin: O ile rok temu patrzyliśmy na model AI jak na zdolnego juniora, którego trzeba prowadzić za rękę, to dzisiaj bliżej mu do partnera na poziomie seniora. Dzięki dużym oknom kontekstowym modele „widzą” cały projekt, zauważają wzorce w architekturze i generują spójne rozwiązania.
Natomiast chciałbym postawić tu grubą kreskę: to specyficzny rodzaj seniora. Ma ogromną wiedzę techniczną, ale zerową intuicję biznesową i brak poczucia konsekwencji. To nadal potężna maszyna, a nie człowiek.
Z tego powodu rola programisty zmienia się z „rzemieślnika” piszącego kod w „dyrygenta” i weryfikatora. Sztuczna inteligencja może wykonać większość „czarnej roboty”, ale to człowiek musi zdefiniować cel, podzielić go na sensowne zadania i – co najważniejsze – wziąć odpowiedzialność za wynik. Model wygeneruje rozwiązanie, ale nie weźmie za programistę dyżuru ani nie wytłumaczy się przed zarządem z awarii na produkcji.
Jak zespoły reagują na AI – od oporu do standardu
Bartek: Jak reagują na te zmiany programiści w Twojej organizacji?
Marcin: Opór przed nowym jest naturalny, ale w Ocado podejście do AI jest bardzo pragmatyczne, co wynika z naszego DNA. Od lat budujemy funkcje „smart” – wykorzystujemy zaawansowane algorytmy i machine learning do optymalizacji logistyki, rekomendacji zakupowych czy sterowania robotami w naszych magazynach. Dla naszych inżynierów praca z inteligentnymi algorytmami to chleb powszedni, a nie nowinka.
Natomiast to, co zmieniło się w ostatnim czasie, to nadanie temu ramy strategicznej. Traktujemy AI priorytetowo zarówno na poziomie całej firmy, jak i mojego działu. Stworzyliśmy konkretną strategię, która wyznacza dwa jasne kierunki działania: wspieramy innowacje produktowe oraz poprawiamy “developer experience”. Chcemy, żeby AI zdejmowało z programistów żmudne, powtarzalne zadania, wspierało w podejmowaniu decyzji projektowych.
Dzięki takiemu podejściu dyskusja w zespołach nie toczy się wokół pytania „czy warto”, ale „jak użyć tego mądrze”.
Bartek: I to jest kluczowy punkt z perspektywy rekrutacji. Coraz częściej widzimy, że sama lista technologii w CV przestaje być wystarczającym wyznacznikiem jakości. Dziś dużo ważniejsze jest to, czy inżynier potrafi wziąć odpowiedzialność za produkt i rozumie kontekst biznesowy swoich decyzji. Tego nie da się zweryfikować prostym testem ze znajomości frameworka.
Marcin Zięba: Dokładnie tak. Dzieje się tak dlatego, że bariera wejścia w konkretną technologię znacząco się obniżyła – szczególnie dla osób z dużym doświadczeniem ogólnym.
Najlepszym dowodem na to jest fakt, że w naszej firmie do pracy z kodem wracają menedżerowie. To grupa, która ma świetne rozumienie biznesu, ale przez lata oddaliła się od codziennego pisania kodu. AI pozwala takim osobom wrócić do gry. Zdejmuje ciężar walki ze składnią czy znajomości bibliotek, pozwala im wejść głębiej w projekt. W efekcie liderzy znów są bliżej rozwiązywanych problemów.
W tym kontekście sceptycyzm wobec AI w 2026 roku nie jest już „zdrową ostrożnością”, ale brakiem kluczowej kompetencji. To trochę jak upieranie się przy kopaniu łopatą, gdy obok stoi koparka – wciąż można tak pracować, ale drastycznie ograniczamy swoje możliwości.
Dlatego, aby nie zostawiać ludzi z tym wyzwaniem samych, postawiliśmy na systemową edukację. Zachęcamy do szkoleń, m.in. ze „spec-driven-development”, i zapewniamy dostęp do profesjonalnych narzędzi, jak Cursor czy Copilot, rozwijamy bazę wiedzy dla naszego wewnętrznego asystenta AI.
Rola lidera technicznego w erze AI
Bartek: Skoro bariera wejścia w technologię spadła, to gdzie dzisiaj przesuwa się ciężar odpowiedzialności lidera?
Marcin Zięba: Wspomniałem o głębszym wejściu liderów w projekty. Obecnie jest to już standardowe oczekiwanie większości organizacji. Widzimy wartość w tym, że lider realnie rozumie materię, nad którą pracuje jego zespół. Dzięki znajomości architektury lider staje się partnerem dla biznesu – jest w stanie odpowiadać na pytania stakeholderów na bieżąco, zamiast kończyć każdą rozmowę zdaniem: „wrócę do ciebie, tylko sprawdzę to z zespołem”.
Zmiana, której doświadczamy, jest rekordowo szybka i dla wielu osób po prostu obciążająca. Lider musi być dzisiaj przede wszystkim wsparciem w tym procesie: musi dbać o dobrostan zespołu i pomagać w mądrym rozwoju kompetencji, by nikt nie poczuł się wykluczony przez pędzącą technologię.
Bartek: To dbanie o dobrostan i rozwój brzmi jak wyzwanie czysto „ludzkie”, ale domyślam się, że technologia może tu realnie wesprzeć liderów. Jak to przekłada się na konkretne działania w zespole?
Marcin Zięba: Na poziomie pojedynczego zespołu może to być zachęcanie ludzi do używania AI przy codziennych zadaniach, wdrażanie automatycznych code reviewerów czy budowanie baz wiedzy na bazie własnej dokumentacji, by zasilić lokalny model lub firmowy RAG. To są wymierne korzyści, które oszczędzają czas, chociażby w pracy supportowej.
Z kolei na poziomie wielu zespołów ciężar odpowiedzialności menedżera przesuwa się z „zarządzania dostarczaniem” na projektowanie ekosystemu. Istotne staje się budowanie kultury innowacji, gdzie jest zgoda na eksperymenty, w tym porażki, i przestrzeń do wymiany wiedzy. Wychodzę z założenia, że jeśli zespół nie „wywali się” przy próbach zastosowania AI, to znaczy, że nie uczy się wystarczająco szybko. Ale do tego niezbędne jest bezpieczne środowisko.
Bartek: A co z bezpieczeństwem? Wiele firm boi się tzw. shadow IT, czyli używania przez pracowników narzędzi “na własną rękę”.
Marcin Zięba: To poważne wyzwanie. Oczywiście fundamentem muszą być licencje komercyjne, które chronią naszą własność intelektualną i zapewniają zgodność z RODO. Musimy nieustannie edukować ludzi i uczulać ich na to, by rozumieli, dlaczego nie można wrzucać firmowego kodu czy danych do publicznych, darmowych narzędzi.
Z drugiej strony, shadow IT to często sygnał, że ludzie znaleźli lepszy, szybszy sposób pracy, tylko firma jeszcze za nim nie nadążyła. Zamiast zwalczać oddolne inicjatywy, lider powinien je „cywilizować” i skalować. Jako osoby techniczne mamy kompetencje, żeby ocenić ryzyko i stworzyć rekomendację dla firmy.
Świetnym przykładem z mojego działu jest użycie lokalnego modelu whisper. Wspiera on pracę naszych UXów w analizie nagrań z sesji z użytkownikami systemu. Automatyczna transkrypcja oszczędza im mnóstwo czasu, który wcześniej tracili na ręczne notatki. Ponieważ model działa na laptopie, dane nie opuszczają firmy i są bezpieczne. W ten sposób zamieniliśmy potencjalną „szarą strefę” w oficjalny, bezpieczny standard pracy.
Jakie kompetencje są kluczowe dla programisty w świecie AI?
Bartek: Jakie kompetencje specjaliści IT powinni zatem dzisiaj rozwijać?
Marcin Zięba: Przechodzimy w tryb delegowania zadań maszynie, dlatego kluczowa staje się precyzja w formułowaniu myśli. Jeśli inżynier nie potrafi rozbić problemu na logiczne kroki i nadać mu kontekstu, AI wygeneruje działający kod… który rozwiąże niewłaściwy problem.
Druga sprawa to intuicja techniczna. Musimy pamiętać, że modele to nie istoty myślące, które „rozumieją” architekturę w ludzki sposób, ale zaawansowana statystyka. Musimy polegać na własnej intuicji technicznej. Dzięki niej możemy ocenić, czy model halucynuje albo proponuje niebezpieczne rozwiązanie. To ona chroni nas przed tzw. „vibe codingiem”, czyli bezkrytycznym akceptowaniem kodu tylko dlatego, że na pierwszy rzut oka „wygląda dobrze”.
Bartek: “Vibe coding” kojarzy się raczej pozytywnie – każdy może stworzyć swoją aplikację i zweryfikować pomysł w praktyce, nawet bez głębokiej wiedzy technicznej. Czy widzisz w tym zagrożenie?
Marcin: Rzeczywiście, w ten sposób można tworzyć świetne prototypy czy Proof of Concept. To ogromna wartość – bariera wejścia spada i każdy może szybko sprawdzić, czy jego pomysł „chwyci”. Problem pojawia się jednak, gdy traktujemy taki kod jako gotowy na produkcję. Rzadko kiedy rozwiązania wygenerowane “na szybko” przez AI spełniają standardy bezpieczeństwa i skalowalności.
Przykładem jest opisywana kilka dni temu w mediach historia pana Dawida i jego aplikacji do obsługi KSeF. Stworzona przy pomocy AI działała, i uradowany autor podzielił się nią ze światem, przy okazji upubliczniając krytyczne dane swojej firmy. Być może zadziałał tu pośpiech i chęć pochwalenia się rozwiązaniem, zanim zrobią to inni, być może brak doświadczenia.
Jak AI pomaga spłacać dług technologiczny
Bartek: Na początku naszej rozmowy wspomniałeś wywiad z CEO Alphabet, który mówi o sztucznej inteligencji jako akceleratorze otwierającym nowe możliwości. Czy masz konkretne przykłady zadań, które dzięki AI przeszły z kategorii „odkładane na półkę” do faktycznie zrealizowanych?
Marcin Zięba: Mam świetny przykład z niedawna. Kończymy właśnie przepisywanie jednej z naszych aplikacji na inny stos technologiczny. To był klasyczny technical debt. Aplikacja działa prawidłowo, ale realizuje poboczną funkcjonalność, więc projekt był cały czas odkładany na później – zawsze było coś pilniejszego.
Zadania podjął się jeden z menedżerów. Dzięki AI błyskawicznie rozpoznał nowy framework UI, którego wcześniej nie znał. Nie pisał kodu, ale użył swojego doświadczenia, by zadać modelowi właściwe pytania o architekturę i potencjalne pułapki migracji.
W efekcie otrzymaliśmy realną ocenę wykonalności i plan działania. Pozwoliło nam to priorytetyzować prace i zlecić je specjaliście, który z naszym wsparciem zrealizował projekt zgodnie z założeniami.
Los Juniorów w świecie AI
Bartek: Czy w świecie, w którym AI osiągnęło poziom seniora, jest jeszcze miejsce dla juniorów?
Marcin Zięba: To bardzo dobre pytanie. Dotykasz ryzyka, o którym głośno mówi się od miesięcy. Uważam, że jako branża musimy je aktywnie eliminować. Absolutnie nie sądzę, by AI miało zastąpić juniorów. Jeśli przestaniemy zatrudniać początkujących programistów, za kilka lat obudzimy się z ogromną luką kompetencyjną i brakiem specjalistów, którzy rozumieją nasze systemy. Dzisiejsi seniorzy będą się rozwijać, awansować, zmieniać firmy czy przechodzić na emerytury. Proces odnawiania kadr jest niezbędny dla przetrwania firm.
Obawy o to, że AI odbierze pracę juniorom, wynikają z tego, że w czasie pandemii IT okrzyknięto „Eldorado”, co przyciągnęło rzesze ludzi liczących na szybkie przebranżowienie po „bootcampach”. Osoby, które weszły do IT i nie pogłębiły wiedzy, faktycznie są w trudnej sytuacji, ponieważ AI przejmuje pisanie kodu.
Dziś poprzeczka idzie w górę. Wracamy do korzeni, gdzie liczą się solidne fundamenty inżynierskie – algorytmika, struktury danych, zrozumienie jak działają systemy. To jest ta baza, która odróżnia kogoś, kto tylko pisze kod, od inżyniera, który rozwiązuje problemy. Dla takich juniorów – ciekawych, rozumiejących „dlaczego” coś działa pod maską – miejsce będzie zawsze.
Bartek: To w zasadzie rynkowe „sprawdzam” – wracamy do fundamentów. Jak w takim razie oceniasz potencjał dzisiejszych absolwentów, którzy od pierwszego roku studiów traktują AI jako standardowe narzędzie?
Marcin Zięba: Tak. To „sprawdzam” odsiewa przypadkowe osoby, ale z drugiej strony mamy teraz dostęp do juniorów, których nazwałbym „AI-native”. To ludzie, którzy już na studiach korzystają ze sztucznej inteligencji, uczą się machine learningu i trenują własne modele w ramach prac magisterskich. Ta technologia jest dla nich naturalnym narzędziem, nie zagrożeniem. Takich ludzi będziemy potrzebować.
Wyzwaniem pozostaje wypracowanie wspomnianej wcześniej intuicji technicznej. Nie możemy pozwolić, by juniorzy byli jedynie „operatorami promptów”. Tutaj metody kształcenia w gruncie rzeczy pozostają stare. To nadal relacja mistrz-uczeń i bliska praca z seniorami. Zmienia się natomiast warsztat: senior nie musi już uczyć juniora składni, ale musi nauczyć go czytania między wierszami kodu wygenerowanego przez AI i wyłapywania błędów tam, gdzie coś pozornie wygląda na poprawne.
Jako menedżerowie musimy tworzyć na to przestrzeń. Uleganie narracji, że seniorzy „ogarną więcej” sami z AI, by zoptymalizować koszty, jest krótkowzroczne.
Bartek: Co byłoby Twoją radą dla programistów w 2026 roku?
Marcin Zięba: Nie traktuj AI jako zagrożenia ani jako magicznego rozwiązania wszystkich problemów. To po prostu kolejne, potężne, narzędzie w Twoim warsztacie. Eksperymentuj bez strachu, ale zachowaj krytyczne myślenie. Pozwól AI przyspieszyć Twoją pracę, ale nie rezygnuj z głębokiego zrozumienia tego, co robisz.
Połączenie sztucznej inteligencji i twojej własnej intuicji technicznej będzie twoją największą wartością na rynku.
Jak budować zespoły IT w erze AI? Wnioski dla firm w 2026 roku
Z rozmowy z Marcinem wyłania się jasny wniosek: w erze AI paradoksalnie to „ludzkie” kompetencje inżynierskie – jak jak rozbijanie złożonych problemów na części pierwsze, krytyczne myślenie i odpowiedzialność za produkt – stają się najtwardszą walutą na rynku. AI nie obniża poprzeczki; ona ją przesuwa w stronę planowania architektury i dbania o bezpieczeństwo oraz skalowalność całego systemu.
W itMatch wiemy, że znalezienie eksperta od konkretnego frameworka to dziś dopiero połowa sukcesu. Prawdziwym wyzwaniem jest dotarcie do inżynierów z „techniczną intuicją”, którzy potrafią mądrze nadzorować pracę AI i weryfikować, czy generowane rozwiązania faktycznie nadają się do wdrożenia na produkcję.
Jeśli chcesz porozmawiać o tym, jak dziś skutecznie rekrutować takich ludzi i budować zespoły gotowe na tę nową przestrzeń możliwości – zapraszam do kontaktu.
O autorach:
- Wywiad prowadził: @Bartek Toporkiewicz – CEO itMatch, ekspert w budowaniu strategicznych partnerstw rekrutacyjnych i skalowaniu zespołów IT w oparciu o twarde dane rynkowe.
- Gość wywiadu: @Marcin Zięba – Engineering Director w Ocado Technology, lider wdrażający nowoczesne modele inżynieryjne oparte na AI.
