Jak AI zmienia pracę: 5 nowych ról, które zastępują tradycyjne stanowiska

Inżynierowie, product managerowie, designerzy i data scientists zaczynają się topić w jednym basenie. Pojawiają się nowe role – Prototyper, Orchestrator, Validator. Czy Twoja firma jest gotowa?

Jak AI zmienia strukturę zespołów

Tradycyjny podział na działy powoli traci sens. Nie chodzi o to, że AI zabiera pracę – chodzi o to, że zmienia, jak ta praca wygląda. Boris Cherny z zespołu Claude Code opisał to wprost: inżynieria, produkt, design i data science zaczynają się przenikać. Granice między tymi rolami się zacierają, bo AI pozwala jednej osobie robić to, co wcześniej wymagało czterech specjalistów.

To nie jest odległa przyszłość. Już teraz w marketingu, sprzedaży i operacjach praca zaczyna się dzielić nie według działu, ale według etapu projektu. Ktoś wymyśla pomysł na kampanię. Ktoś ją buduje. Ktoś sprząta po wdrożeniu. Ktoś ją skaluje. Ktoś utrzymuje system, żeby działał. Twoja firma prawdopodobnie już to robi – tylko jeszcze nie ma na to nazwy.

Pięć nowych archetypów zawodowych

Według Borisa Cherny’ego z Claude Code team, pojawiają się pięć nowych archetypów zawodowych. Prototyper – wymyśla idee, testuje koncepty, szybko sprawdza co działa. Builder – bierze pomysł i go wdraża, dostarcza gotowy produkt. Sweeper – sprząta po wdrożeniu, naprawia błędy, porządkuje procesy. Grower – poprawia dopasowanie produktu do rynku, skaluje to co działa. Maintainer – dba o to, żeby dojrzałe systemy były bezpieczne, szybkie i niezawodne.

Jak to wygląda w praktyce marketingowej? Prototyper testuje kąt kampanii reklamowej. Builder stawia landing page i sekwencję mailingową. Sweeper porządkuje bazę CRM i lifecycle emaile. Grower optymalizuje to co przynosi wyniki. Maintainer pilnuje, żeby automatyzacje nie padały w środku nocy. Co ważne – jak zauważył Kun Chen w dyskusji z Chernym – te role nie są przypisane do konkretnych osób na stałe. Jeden człowiek może być Prototypem przy starcie projektu, a Maintainerem przy jego końcu. Chodzi o to, żeby wiedzieć, jakiego kapelusza projekt potrzebuje teraz.

Czym różnią się od tradycyjnych ról

Stare pytanie brzmiało: „W jakim jesteś dziale?” Nowe pytanie brzmi: „Czy jesteś dobry w wymyślaniu, budowaniu, sprzątaniu, skalowaniu czy utrzymaniu?” To fundamentalna zmiana w tym, jak oceniasz pracowników i jak rekrutujesz. Tytuł na wizytówce przestaje mówić cokolwiek o tym, co ktoś faktycznie robi.

Jest jeszcze jedna ważna różnica. AI agents – narzędzia, które pracują w pętli aż osiągną cel – nie są Twoimi współpracownikami. Są narzędziami. Badania Emmy Wiles z Boston University pokazują, że gdy ludzie traktują AI jak „pracownika”, łapią o 18% mniej błędów w jego pracy. Są też o 44% bardziej skłonni eskalować wątpliwe wyniki do managera zamiast samemu je poprawić. Innymi słowy: gdy AI dostaje ludzką nazwę i miejsce w organigramie, Twój zespół staje się mniej odpowiedzialny za jego output. To odwraca sens używania AI w ogóle.

Daron Acemoglu, ekonomista z MIT i laureat Nagrody Nobla w 2024 roku, mówi wprost: AI agents są teraz sprzedawane jako zamiennik ludzi, a to przegrana propozycja. Powinny być optymalizowane tak, żeby wzmacniać ludzkie możliwości – nie je zastępować. Twoja firma powinna traktować AI jak zaawansowane narzędzie, które wymaga nadzoru i kierunku – nie jak autonomicznego pracownika.

Jak przygotować zespół na zmianę

Zmiana ról to nie tylko kwestia szkoleń. To zmiana kultury firmy. Jeśli Twój zespół przyzwyczajony jest do myślenia „jestem marketerem” albo „jestem analitykiem”, przejście do myślenia „teraz jestem Prototypem, za miesiąc będę Growetem” wymaga czasu i świadomego zarządzania.

Zacznij od mapowania. Sprawdź, jakie projekty aktualnie prowadzi Twój zespół i na jakim etapie są. Kto naturalnie wymyśla nowe pomysły? Kto świetnie wdraża? Kto jest dobry w utrzymaniu systemów? Badania ze Stanford pokazują, że pracownicy sami wiedzą, które zadania AI może im ułatwić – warto ich zapytać, zamiast narzucać odgórnie co automatyzować. Praca z AI agents wymaga też jasnych zasad nadzoru: kto sprawdza output, kto odpowiada za błędy, kto decyduje kiedy eskalować problem.

Strategie rekrutacji i szkolenia dla nowych ról

Rekrutacja zmienia się razem z rolami. Zamiast szukać „Senior Marketing Managera z 5-letnim doświadczeniem”, zacznij szukać ludzi, którzy potrafią szybko prototypować pomysły z AI, albo takich, którzy świetnie utrzymują złożone systemy automatyzacji. To inne pytania na rozmowie kwalifikacyjnej i inne kryteria oceny.

Przy szkoleniu wewnętrznym warto pamiętać, że nowe archetypy zawodowe nie wymagają od razu pełnej zmiany stanowiska. Możesz zacząć od małych projektów, gdzie jedna osoba świadomie wchodzi w rolę Prototypera, a inna Buildera. To pozwala zespołowi nauczyć się nowego sposobu pracy bez rewolucji w strukturze firmy. Kluczowe jest też szkolenie z nadzoru nad AI – bo jak pokazują badania Wiles, największe ryzyko to nie to, że AI popełni błąd, ale to, że Twój zespół przestanie go szukać.

Co z tego wynika dla Ciebie i Twojej firmy?

• Zidentyfikuj 3 osoby w zespole, które naturalnie pasują do ról Prototypera, Buildera lub Maintainera – i zaplanuj dla nich konkretne szkolenie z pracy z AI.
• Przestań traktować AI agents jak pracowników. Nadawanie im ludzkich nazw i miejsca w organigramie sprawia, że Twój zespół łapie mniej błędów i bierze mniej odpowiedzialności za output.
• Zmień pytanie rekrutacyjne z „jakie masz doświadczenie w dziale X” na „czy jesteś dobry w wymyślaniu, budowaniu, skalowaniu czy utrzymaniu systemów”.
• Ustal jasne zasady nadzoru nad AI – kto sprawdza wyniki, kto odpowiada za błędy, kiedy eskalować. Bez tego AI productivity to tylko wyższe kwoty przy tym samym zespole.
• Zacznij teraz, nie za rok. Firmy, które adaptują nowe role wcześniej, budują przewagę, której nie da się szybko nadrobić.

Źródła i inspiracje

• AI agents are not your „coworkers” – MIT Technology Review
• June 30, Tuesday: nowe archetypy zawodowe w erze AI – The Neuron Daily