01Obejrzyj nagranie:
https://www.youtube.com/watch?v=biJ-_6baZOg
02Kluczowe wnioski:
- Sceptycy AI często oceniają narzędzia na podstawie testów sprzed roku–dwóch, a tempo zmian w AI jest tak duże, że te opinie przestają być aktualne w praktyce.
- AI przestało być „autocompletem do linijek”, a weszło w etap agentów, którzy ogarniają zadania end-to-end i zmieniają codzienną pracę programisty, szczególnie w narzędziach typu Claude Code/Cursor/Copilot.
- Wpływ AI jest horyzontalny i wertykalny: obejmuje cały SDLC (planowanie, prototypowanie, release notes, wdrożenia), a jednocześnie działa jak mnożnik kompetencji - im lepsze praktyki i procesy w firmie, tym większy zwrot.
- Rola „kogoś, kto tylko klepie kod” traci sens, a rośnie wartość problem solvera, integratora i osoby, która rozumie architekturę, ryzyka oraz łączenie elementów w całość.
- Fullstack wraca w wersji praktycznej: mniej „znam wszystko po trochu”, bardziej „łączę warstwy i dowożę produkt”, a AI pomaga szybciej wypełniać braki między frontendem, backendem i wdrożeniem.
- Rynek nie musi się skurczyć liniowo, bo większa efektywność może otworzyć nowe projekty i eksperymenty (logika w stylu paradoksu Jevonsa): więcej cyfryzacji = więcej roboty, tylko innymi metodami.
- Rekrutacja będzie musiała się przestawić z prostych zadań codingowych na ocenę myślenia produktowego i rozwiązywania problemów, bo klasyczne „coding interviews” coraz gorzej mierzą realną pracę w świecie z agentami.
- AI w rekrutacji to gra dwóch stron: kandydaci masowo generują CV/portfolio, firmy coraz częściej używają scoringu i prescreeningu, więc wyróżnienie idzie przez realne efekty, relacje i pokazanie pracy, nie przez „ładny tekst”.
- Kompetencje, które wzmacniają pozycję w 2026: świadoma praca z LLM/agentami (kontekst, prompty, dobór modeli, koszt), rozumienie doświadczenia użytkownika i domeny, oraz inicjatywa bottom-up w usprawnianiu procesów.
- Bezpieczeństwo pracy z agentami nie ma jednego przełącznika: to iteracje, polityki, tryby prywatności, sandboxy/VM/Docker, ignore-lists i świadome zarządzanie ryzykiem, bo nawet dobre zabezpieczenia nie dają gwarancji.
03Transkrypcja:
(00:00:32) Julia: Dobra, myślę, że możemy zaczynać. Bardzo się cieszę, że się dzisiaj widzimy. Z tej strony Julia Szefoowicz z SOLID.Jobs. To jest nasz pierwszy webinar w ramach Programistycznia 2026. Będziemy dzisiaj rozmawiać o AI razem z Przemkiem Smyrdkiem z Przeprogramowanych oraz Krzysztofem Kempińskim z SOLID.Jobs oraz podcastu „Porozmawiajmy o IT”.
(00:01:01) Julia: Ja nie będę zabierać więcej czasu - zostawiam scenę naszym prelegentom. Do usłyszenia później. Cześć!
(00:01:10) Krzysztof: Cześć! Dzięki, Julia, za przekazanie pałeczki. Jesteśmy tutaj razem z Przemkiem, żeby porozmawiać o gorącym temacie AI, ale z perspektywy rynku pracy. Spojrzymy na to, jak AI wpływa na pracę programistów, jak definiuje nowe role w IT, co to oznacza dla rekrutacji, i trochę spróbujemy przewidzieć, co może przynieść 2026.
(00:01:43) Krzysztof: Jesteśmy tu dla was, więc zadawajcie pytania w trakcie. Julia wróci pod koniec i przekaże je nam do omówienia. A teraz zacznijmy od krótkiego przedstawienia. Przemku - kilka słów o sobie?
(00:02:22) Przemek: Jasne. Cześć wszystkim. Dzięki Krzysztof i Julia za zaproszenie i za możliwość podzielenia się obserwacjami na temat programowania z wykorzystaniem sztucznej inteligencji - to temat, który od dłuższego czasu naprawdę mocno siedzi mi w głowie.
(00:02:57) Przemek: Nazywam się Przemek Smyrdek. Jestem programistą, a od 2,5 roku także przedsiębiorcą. Razem z Marcinem Czarkowskim i Adamem Gospodarczykiem założyliśmy 6,5 roku temu projekt Przeprogramowanie.pl. Startował jako blog dla polskich programistów, a z czasem stał się dla nas sposobem na życie.
(00:03:31) Przemek: Z Marcinem rozwijamy też tanexdevs.pl o produkcyjnym wykorzystywaniu AI w programowaniu. Na co dzień dzielę się tym, co widzę w branży, czego się uczę, i jak zmienia się programowanie. W ostatnich miesiącach mocno wkręciłem się w AI w kontekście developmentu. Dzięki raz jeszcze - dziś pewnie sporo o tym pogadamy.
(00:03:59) Krzysztof: Dzięki, Przemek. Jak widać - nie jesteś tu przypadkiem. Ja też dorzucę swoje obserwacje o wpływie AI na pracę programistów i rynek, ale dziś głównie będę w roli osoby, która dopytuje.
(00:04:28) Krzysztof: Nazywam się Krzysztof Kempiński. Zajmuję się rynkiem IT, przeszedłem przez różne role - od pracy blisko kodu, przez zarządzanie w różnych wymiarach. To, czego się nauczyłem, staram się przekazywać w podcaście „Porozmawiajmy o IT”, żebyście nie musieli popełniać części błędów i mogli szybciej wyłapywać ciekawe rzeczy w branży.
(00:05:03) Krzysztof: Przejdźmy do głównej części: jak AI wpływa na pracę programistów, rynek pracy i co może przynieść 2026. Tych perspektyw nie da się od siebie odciąć: to, jak wygląda codzienna praca, jak firmy patrzą na narzędzia AI i jak to przekłada się na rekrutację.
(00:05:42) Krzysztof: Przemku - zacznijmy od codziennej pracy. Wciąż jest spora grupa osób, które patrzą na narzędzia AI sceptycznie albo nie widzą w nich wartości. A technologia i tak idzie do przodu. Jak ty widzisz to, jak programiści wykorzystują AI na co dzień?
(00:06:26) Przemek: To dobry start, bo ten opór jest istotny i pokazuje, jak złożony jest temat. Jest grupa entuzjastów - do niej się zaliczam - ale jest też spora grupa sceptyków, którzy nie wierzą, że wpływ AI jest tak duży, jak sugerują social media.
(00:07:05) Przemek: I tu kluczowy jest czynnik czasu. W jakim momencie ktoś testował te narzędzia? Jakie modele i usługi miał wtedy pod ręką? Wśród sceptyków widzę często schemat: „dotknąłem tego rok czy dwa lata temu, sparzyłem się i mam opinię, że dziś to tylko liniowa kontynuacja tamtego”. Tyle że w IT praktycznie nic nie zmieniało się tak szybko jak AI.
(00:07:30) Przemek: Jeszcze 2 lata temu mówiliśmy o AI jak o średnim autocomplecie. Rok temu - o uzupełnianiu większych bloków kodu. Końcówka 2025 i wejście w 2026 to autonomiczni agenci - Gemini 3, GPT 5.2, Claude Opus 4.5 - które naprawdę zmieniają sposób, w jaki rozumiemy programowanie i przyszły wpływ AI na rolę programisty.
(00:08:25) Przemek: Łatwo było być sceptykiem, gdy AI myliło się w podpowiedziach linijek. Trudniej, gdy widzisz, jak działa praca z Claude Code i Opusem: interpretacja poleceń, łapanie niuansów, realne wsparcie w zadaniach. Jasne - zależy od typu aplikacji i stacku, ale dziś wpływ AI na pracę programisty jest ogromny i trudny do zignorowania.
(00:09:24) Przemek: Widzę dwie osie wpływu. Horyzontalna: proces wytwarzania oprogramowania poszerza się z miesiąca na miesiąc. To już nie tylko generowanie kodu. Wchodzi prototypowanie, planowanie, eksploracja domeny biznesowej, przygotowanie wdrożeń, release notes, changelogi - czyli cały SDLC jest transformowany przez AI.
(00:11:17) Przemek: Druga oś - wertykalna - to kompetencje. AI działa jak mnożnik bazowych umiejętności i dojrzałości organizacji. Jeśli firma inwestowała w dobre praktyki, testy, jakościowe procesy - AI będzie dźwignią. Jeśli tego nie ma, albo ktoś jest bardzo na początku drogi, efekt będzie mniejszy, choć nadal odczuwalny.
(00:12:11) Przemek: Da się też podeprzeć twardymi danymi. Przykład: benchmark SWE-bench (500 zadań w Pythonie, agent ma zrozumieć problem, zmienić projekt i zgłosić PR). W 2024 GPT-4o miał ok. 21% skuteczności. Dziś Claude Opus przekroczył 80% - czterokrotny wzrost. Benchmarki mają ograniczenia, ale progres w tej samej miarze jest wyraźny.
(00:13:34) Przemek: Do tego dochodzi ekonomia. Coraz więcej produktów przechodzi na pay-as-you-go: im więcej korzystasz, tym więcej płacisz. To zmienia planowanie budżetów i podejście firm. Plotki mówią o dalszym „urealnieniu” cen. W praktyce: intensywniejsze użycie AI w dużych projektach zacznie być odczuwalne w kosztach.
(00:14:26) Przemek: W 2026 sceptycyzm wobec AI w programowaniu to coraz odważniejsza pozycja. Coraz mniej argumentów za tym, że „to przeminie”.
(00:14:57) Krzysztof: Też mam poczucie, że wpływ jest widoczny już teraz, a nie „kiedyś”. I dotyczy nie tylko pisania kodu, ale też zmiany roli programisty i tego, co jest postrzegane jako wartość.
(00:15:31) Krzysztof: Zadam pytanie, do którego zaraz wrócimy: czy wartościowy programista to dziś ktoś, kto świetnie pisze kod, czy ktoś, kto dobrze dowozi, korzystając z AI? Zanim do tego przejdziemy - widzę też wpływ AI w eliminowaniu powtarzalnych zadań: testy, dokumentacja, różne rzeczy, które trzeba było robić, nawet jeśli nie dawały satysfakcji.
(00:16:40) Krzysztof: No dobra - wróćmy. Co jest dziś bardziej wartościowe dla pracodawcy: bardzo doświadczony programista świetny w kodzie, czy ktoś, kto może nie jest „mega ekspertem” w ręcznym klepaniu, ale potrafi dobrze pracować z AI?
(00:17:21) Przemek: Z gwiazdką: nie jestem pracodawcą i nie zatrudniam na co dzień, więc mówię z intuicji, rozmów i obserwacji trendów. I łatwo będzie wskazywać wyjątki, bo firmy są na różnych etapach dojrzałości.
(00:17:46) Przemek: Ale uważam, że profil „koder, który siedzi przy biurku i wpisuje znaczki, a reszta go nie interesuje” odchodzi. Podobnie jak zawód „informatyka” kiedyś - dziś prawie nikt tak o sobie nie mówi. Programista rozumiany wyłącznie jako osoba pisząca kod też będzie się redefiniował.
(00:18:16) Przemek: Trzeba przesunąć się w stronę problem solvera. W wielu firmach to już było prawdą: programista jest rozliczany z rozwiązywania problemów, a kod był tylko sposobem. Teraz w praktyce będziemy delegować coraz więcej do agentów, którzy będą pracować w naszym imieniu, ale to my trzymamy kierownicę: rozumiemy integracje, punkty styku, architekturę, ryzyka.
(00:19:16) Przemek: Zyskują osoby, które łączą kropki: tech leadzi, architekci, seniorzy, principal - bo mają szerszy obraz. Z drugiej strony ryzyko dla nich jest takie, że mogą mieć twarde przekonania „jak programowanie powinno wyglądać” i trudniej im się przestawić. Paradoksalnie osoby początkujące, mimo braków, czasem szybciej adaptują się mentalnie.
(00:21:09) Przemek: Jesteśmy w środku „resetu”: wszyscy wymyślamy reguły gry na nowo. Kluczową kompetencją staje się obsługa tej „maszynerii”: czym są LLM-y, czym są agenci, jak działa okno kontekstowe, jak przekazywać informacje, kiedy narzędzia działają i kiedy nie.
(00:23:03) Przemek: I to nie jest temat na zasadzie: „pobawiłem się ChatGPT jak lepszym Google”. To dopiero początek. Za tym idą praktyki, konfiguracje, procesy pracy, zrozumienie ograniczeń. Nawet jeśli nie widać tego jeszcze masowo w ogłoszeniach, to czuć to „pod skórą”, bo zbyt wielu liderów o tym mówi, żeby programiści tego nie odczuli.
(00:24:25) Przemek: Padło kiedyś hasło, że najważniejsza będzie umiejętność oduczania się. Wcześniej brzmiało to jak slogan, dziś staje się realną potrzebą.
(00:25:28) Krzysztof: To prowadzi do pytania: kto zyskuje, a kto traci? Czy to zależy od seniority, od doświadczeń w domenach, od tego, jak ktoś łączy elementy?
(00:26:04) Przemek: Prawa biznesu się nie zmieniły. Firmy nadal chcą zarabiać i wypuszczać produkty, które kupią użytkownicy. Jeśli jesteś w stanie generować wartość i impakt - AI zwiększy twoją „dźwignię”.
(00:26:59) Przemek: Stracą osoby, które będą próbowały udowodnić, że „nic się nie zmieniło” i przeczekać temat. Można siedzieć w jednym stacku, ale sposób tworzenia rzeczy w tym stacku się zmieni. Jeśli ty nie zaktualizujesz sposobu pracy, inni dowiozą szybciej przy użyciu narzędzi typu Claude Code, Cursor czy Copilot.
(00:28:20) Przemek: To może nie oznaczać natychmiastowej „katastrofy”, ale może oznaczać zatrzymanie wzrostu - szklany sufit. Ktoś inny awansuje albo dostaje lepsze projekty, bo dowozi szybciej i sprawniej.
(00:27:54) Przemek: Jest też paradoks: mimo dużej zmiany, podstawy pozostają. Nie staniesz się milionerem tylko dlatego, że używasz AI. Nadal liczy się product-market fit, dopasowanie produktu do użytkownika i biznes. Różnica jest taka, że narzędzia pozwalają robić rzeczy szybciej, taniej i szerzej - a pytanie brzmi, czy płyniesz z tym nurtem, czy stoisz okoniem.
(00:29:18) Krzysztof: Zastanawiam się też, czy klasyczna ścieżka junior-mid-senior nie zacznie się spłaszczać albo inaczej układać, bo AI może dawać bardzo różne efekty w różnych rękach. Czas pokaże.
(00:29:56) Krzysztof: Chcę dopytać o jeszcze jeden wątek: czy ta rewolucja oznacza konieczność bycia fullstackiem? Żeby dowozić wartość całościowo - frontend, backend, wdrożenia - nawet jeśli masz swoją „mocniejszą stronę”.
(00:30:35) Przemek: Zgadzam się. Wcześniej był komfort specjalizacji w jednej warstwie - było na to miejsce, czas, budżety. Teraz wszystko staje się bardziej nieprzewidywalne i szybkie. Komfort „tylko jedna warstwa” będzie coraz trudniejszy do utrzymania.
(00:31:32) Przemek: Fullstack wraca, ale nie w sensie „trochę znam wszystko”. Raczej jako integrator: łączenie warstw, punktów styku, przepływów danych. Jest dobre powiedzenie: na whiteboardzie rysujemy prostokąty i strzałki - a zawsze chodziło o strzałki. O integracje.
(00:31:57) Przemek: Fullstack w praktyce to ktoś, kto potrafi złożyć całość: baza, backend, frontend, wdrożenie, monitoring, analityka, iteracje pod użytkownika. AI może pomóc w wypełnianiu luk: backendowiec szybciej robi UI, frontendowiec szybciej ogarnia endpointy. To bywa „good enough”, żeby dowieźć produkt.
(00:34:18) Przemek: I tak - to może się jeszcze zmienić. Za jakiś czas „fullstack” może znaczyć coś innego niż dziś.
(00:34:45) Krzysztof: Przechodząc bliżej rynku pracy: firmy widzą oszczędności, ale rośnie też presja na szybkość i jakość dowożenia. Ciekawi mnie, jak to się zbalansuje - czy zmniejszanie zespołów nie odbije się na konkurencyjności.
(00:36:40) Przemek: Pytanie, czy w ogóle będziemy mówić o absolutnym spadku zatrudnienia. Jest paradoks Jevonsa: wzrost efektywności czasem zwiększa zużycie zasobu, bo otwiera nowe możliwości.
(00:37:08) Przemek: Koszt wytwarzania oprogramowania spada, robi się szybciej - to może zwiększyć apetyt na eksperymenty, wejście w mniej „sexy” branże, realizację projektów „ważnych, ale niepilnych”, które zawsze leżały na półce.
(00:38:29) Przemek: Nie jestem pewien, czy zwolnienia to wyłącznie AI. A potrzeba tworzenia i utrzymywania usług cyfrowych raczej rośnie. Produkty cyfrowe pojawiają się w branżach, które wcześniej były analogowe. Kto to zrobi? Nadal ludzie - programiści - tylko inaczej pracujący.
(00:39:49) Przemek: Będzie duże „tąpnięcie” w rozumieniu tego, czym jest programowanie, ale nie zakładam „zniknięcia zawodu”. Raczej stopniowa transformacja. Po 10 latach zobaczymy ogromną różnicę, ale rok do roku to może być zmiana, do której da się adaptować.
(00:40:15) Krzysztof: Zgadzam się: nowych produktów będzie przybywać, a utrzymania jest jeszcze więcej. Dobra - przejdźmy do wpływu AI na rekrutację. Jakie główne wątki widzisz?
(00:41:31) Przemek: Pierwszy znak zapytania to coding interviews. Skoro agent radzi sobie z zadaniami typu „napisz fizzbuzz” albo prosty moduł ze specyfikacją, to czy naprawdę chcemy tak testować? W 2026 to będzie duży temat: rozjazd między tym, co jest możliwe „na krawędzi”, a tym, jak szybko firmy zmienią procesy.
(00:42:32) Przemek: Najbardziej będzie to widoczne w dużych firmach, które wolniej zmieniają praktyki. Powstanie konflikt: kandydaci opanowali nowoczesne narzędzia, a w środku firmy okaże się, że nie wolno z nich korzystać albo dopuszczalne są narzędzia sprzed dwóch generacji.
(00:42:58) Przemek: Myślę, że procesy przesuną się w stronę ogólnego rozwiązywania problemów i myślenia produktowego. Pojawią się zadania typu: oceń aplikację, zaproponuj usprawnienia pod użytkownika, opowiedz, jak mierzyć wynik, jak sprawdzić sensowność zmian.
(00:43:55) Przemek: Do tego skraca się cierpliwość kandydatów. Długie, wieloetapowe procesy będą coraz gorzej znoszone. Firmy będą chciały szybko złapać dobrych kandydatów - krótko, klarownie, sprawdzić kilka kluczowych aspektów i decydować.
(00:45:52) Krzysztof: A czy AI powinno mieć stałe miejsce w procesie rekrutacji? I po stronie kandydatów (korzystanie z AI w zadaniach), i po stronie rekruterów (selekcja CV, wsparcie procesu). Widzieć w tym korzyści i ryzyka?
(00:46:26) Przemek: Ryzyko po stronie rekruterów to napływ niskiej jakości aplikacji generowanych masowo - AI slop w CV. Słyszałem historię o CV dopasowanym kolorystycznie do brandu firmy, co sugeruje „granie w system” bardziej niż pokazanie kompetencji.
(00:47:26) Przemek: Ale prescreening i scoring istniały już wcześniej - teraz po prostu stają się standardem. Co do procesu: firma powinna zaprojektować rekrutację możliwie blisko tego, jak naprawdę pracuje. Jeśli w firmie korzystacie z AI, macie licencje i zielone światło - pokażcie to w rekrutacji. Jeśli nie - nie udawajcie, że jest inaczej.
(00:48:26) Przemek: A proste zadania codingowe? Już 1,5 roku temu pokazywałem, że modele rozwiązywały łatwe i średnie zadania z platform typu HackerRank. Jeśli ktoś o tym wie i nadal testuje w ten sposób, to wygląda to absurdalnie. Ale nie da się uogólnić jednego modelu procesu dla wszystkich firm - za duże różnice.
(00:49:13) Krzysztof: To jest też wezwanie do rekruterów: jeśli AI zmienia pracę programistów, to zmienia też rekrutację.
(00:49:43) Krzysztof: A z perspektywy programistów - na co stawiać? Jeśli to nie jest „poznaj kolejny framework”, to w co inwestować energię, żeby wzmocnić pozycję na rynku?
(00:50:21) Przemek: Powiem uczciwie: mam interes w mówieniu o kompetencjach AI, bo rozwijamy szkolenie, ale dostajemy też sygnały, że to realnie staje się kompetencją przyszłości, a nawet teraźniejszości.
(00:50:46) Przemek: Rozumienie LLM-ów, agentów, ograniczeń i potencjału, to składa się na osobistą produktywność. Pojawia się też nowa gałąź w platform engineeringu: integracja modeli z procesami SDLC, testami, bramkami bezpieczeństwa, supportem. Zespoły platformowe coraz częściej eksperymentują z AI.
(00:51:44) Przemek: Drugi obszar to całościowe rozumienie doświadczenia użytkownika: buduję produkt i wiem, czy on jest dobry. Uczcie się patrzeć na aplikacje „krok z boku”: co frustruje użytkownika, co jest nielogiczne, gdzie ginie wartość. To jest wiedza, którą można przekuć na decyzje projektowe.
(00:53:04) Przemek: Komunikacja z biznesem, rozumienie domeny - nadal ważne. Biznes zostaje, tylko będzie działał szybciej i w inny sposób. Jeśli pomożesz firmie zrobić coś szybciej, taniej albo łatwiej - to się obroni.
(00:53:37) Przemek: Dorzucę metaskill: odwaga i inicjatywa bottom-up. Wiele firm ma głód pomysłów, bo nie da się zmieniać organizacji wyłącznie top-down. Kto potrafi proponować sensowne zmiany i pokazywać, jak AI może usprawnić procesy, będzie współtworzył „AI-native roadmapę”.
(00:55:32) Krzysztof: Żeby nie tworzyć jednej prognozy na 2026 - spróbujmy trzech scenariuszy: optymistyczny, średni i trudny. Jak byś je opisał?
(00:56:02) Przemek: Skłaniam się ku scenariuszom optymistycznym. Pesymiści często mają rację, ale optymiści częściej podejmują działania, które ich ustawiają lepiej.
(00:56:02) Przemek: Wszystko dąży do cyfryzacji. Potrzeba tworzenia produktów cyfrowych będzie rosła. Zmieni się to, jak programowanie wygląda: mniejsze zespoły, inne praktyki, szybsze iteracje, większa rola AI. Ale nie widzę scenariusza, w którym z dnia na dzień znika zapotrzebowanie na ludzi, którzy budują i rozwijają software.
(00:57:01) Przemek: Poza tym: nawet „trendy” typu vibe coding z czasem się stabilizują. Na końcu nadal człowiek stoi za decyzjami.
(00:57:31) Przemek: Wspomnę też o danych rynkowych, które przytacza Mateusz Jarząbowski: w listopadzie i grudniu 2025 na polskim rynku był all-time high ofert pracy. Zmienia się dynamika: seniorzy są bardzo cenieni, popyt na juniorów stopniowo rośnie. Portale pracy nie zniknęły - rynek się przekalibrował.
(00:58:57) Przemek: Scenariusz trudny? Bardziej obawiałbym się kryzysów geopolitycznych niż tego, że AI nagle „wyłączy” pracę programistów. Dla osób otwartych na zmiany - nadal widzę sporo przestrzeni.
(00:59:29) Krzysztof: Też jestem umiarkowanym optymistą. W danych SOLID.Jobs widzimy, że ofert przybywa, a nie ubywa. Przemku, dzięki za pierwszą część. Teraz czas na pytania od widzów. Julia, wracamy do Ciebie.
(00:59:54) Julia: Cześć, już wróciłam. Będę wyświetlać pytania z YouTube’a, Facebooka i LinkedIna.
(01:00:10) Julia: Pierwsze: Jak można udowodnić znajomość narzędzi AI przy aplikowaniu? Trudno wykazać, że potrafi się korzystać np. z Claude Code.
(01:00:10) Przemek: Da się to sprawdzić. Wiele osób myśli, że AI to „lepsze Google” i właśnie wtedy najszybciej się parzy na realnej pracy z narzędziami. Najprościej: pair programming, live coding z dostępem do narzędzia i obserwacja, jak ktoś pracuje.
(01:00:38) Przemek: Patrzyłbym na zarządzanie kontekstem, jakość promptów, dobór modeli, przygotowanie środowiska dla agenta, modyfikację projektu pod kompatybilność z AI, znajomość instrukcji dla modelu, cachowanie promptów, świadomość kosztów.
(01:01:08) Przemek: Można też zadawać pytania typu: masz rozwiązany problem, chcesz kolejny - zostajesz w tym samym wątku czy otwierasz nowy? Kompaktujesz kontekst? Zrzucasz obserwacje do pliku? Da się szybko wyczuć, czy ktoś korzysta świadomie.
(01:02:40) Julia: Kolejne od Wojciecha: jak bezpiecznie tworzyć agenty w firmie, żeby nie wyciekały dane? Modele lokalne, blokowanie wrażliwych plików, np. .env?
(01:03:10) Przemek: To szeroki temat i nie ma jednego przełącznika „bezpieczeństwo: ON”. Dochodzi się do tego iteracyjnie. Minimum to czytanie polityk prywatności i włączanie trybów prywatności w narzędziach, żeby prompty i kod nie były używane do trenowania albo przechowywane w określony sposób.
(01:03:39) Przemek: Są też rozwiązania open source działające przez własny klucz API (Anthropic, OpenAI), sandboxy w Dockerze, VM-ki, pliki wykluczeń typu cursor ignore i analogie do .gitignore. Tyle że agenci czasem potrafią „obejść” intencje - dlatego to raczej próg akceptowalnego ryzyka niż gwarancja.
(01:04:08) Przemek: Modele lokalne w profesjonalnym programowaniu to dziś często kompromis: wolniej, węższy zakres, czasem gorsza komunikacja w języku naturalnym. Da się eksperymentować, ale masowo wciąż wygrywa chmura i dobre praktyki.
(01:05:02) Przemek: Jedna rzecz: jeśli produkt jest darmowy, bardzo często płacisz danymi. Warto to sprawdzać przed użyciem w pracy z wrażliwymi materiałami.
(01:05:27) Julia: Kolejne: firmy, które nie chcą agentów do kodowania - kiedy nadejdzie moment, że będzie to „must”?
(01:06:01) Krzysztof: Nie sądzę, żeby kiedykolwiek było to formalne „must” dla wszystkich. Zawsze będą różne firmy w różnych modelach pracy. Raczej spodziewam się, że część firm, które się nie dostosują, będzie mniej konkurencyjna i trudniej im będzie pozyskiwać ludzi.
(01:06:40) Przemek: Też nie wierzę w jeden dzień „wymogu”. Bardziej w trend: coraz częściej się o tym rozmawia i adopcja rośnie. Firmy są na różnych etapach, ale kierunek wydaje mi się jasny.
(01:07:32) Julia: Następne: jak znaleźć pracę w 2026, skoro aplikowanie często nie daje odzewu?
(01:08:08) Krzysztof: Aplikowanie nadal ma sens, ale masowe wysyłanie tego samego CV raczej nie. Trzeba to robić z głową i szukać dodatkowych ścieżek: wyróżnienie się, pokazanie efektów, budowanie relacji i networku.
(01:09:22) Przemek: Podbiję network. W Polsce często jest opór, żeby poprosić o polecenie, a to potrafi ominąć spam na skrzynkach rekruterów.
(01:10:13) Przemek: Drugi kierunek: „pójście na swoje” albo budowanie widoczności. Jeśli masz kapitał wiedzy i doświadczenia, możesz go monetyzować, rozwijać projekty, budować rozpoznawalność. To czasem daje większe poczucie bezpieczeństwa niż bycie zależnym od procesów rekrutacyjnych.
(01:11:12) Julia: Krótkie: czy nadal ma sens uczyć się nowych języków?
(01:11:54) Przemek: Jeśli jako hobby - jasne. Jeśli celem jest praca - patrzyłbym na to, czego potrzebują firmy i co jest mainstreamowe. „Sens” zależy od celu.
(01:13:59) Julia: Pytanie o budowanie agentów: czy warto się tego uczyć?
(01:13:59) Przemek: Tak. W Polsce dobrym źródłem jest kurs AI Devs. My mówimy o agentach w programowaniu, a tam jest dużo o budowaniu systemów z agentami w logice aplikacji: pętle agentowe, narzędzia, dobór modeli, ograniczenia kontekstu, obsługa błędów, podejście do systemów wieloagentowych.
(01:14:37) Julia: Pytanie od Kamila: nowe stanowiska typu „specjalista ds. innowacji AI”, pracodawcy czasem nie wiedzą, czego chcą - jak ich zaskoczyć? I jaka powinna być stawka?
(01:14:37) Krzysztof: Stawka: trudno mówić o standardzie, bo rynek dopiero się układa. Co do „nie wiedzą, czego chcą” - był etap eksperymentu, ale coraz częściej firmy chcą widzieć konkretny zwrot i efekt. Oferty będą się robiły bardziej wymierne.
(01:15:46) Przemek: Stawki wyceni rynek. A „zaskoczyć” najłatwiej pokazując realne wdrożenia: co usprawniłeś, co skróciłeś, co policzyłeś, co zautomatyzowałeś i jaki był efekt.
(01:16:05) Julia: Michał doprecyzował pytanie o języki: zna TS/JS, a oferty wymagają backendu typu Java/C#/Go - co wtedy?
(01:16:28) Przemek: Przejście pierwszego etapu bywa grą o słowa. Jeśli miałeś styczność z Javą w zespole, robiłeś code review, konsultowałeś - mów o tym. Nie udawaj, ale pokaż realny kontakt.
(01:16:54) Przemek: Druga rzecz: jeśli firma odrzuca cię wyłącznie przez keywordy, zastanów się, czy to jest miejsce, w którym chcesz być. Wielu programistów odnajdzie się w mainstreamowych językach, jeśli dostanie szansę.
(01:17:45) Krzysztof: Też: nauka języka „pod jedną ofertę” to czasem rok inwestycji, a oferta może zniknąć po miesiącu. Warto świadomie alokować czas.
(01:18:50) Julia: Pytanie od Macieja: co dziś bardziej utrudnia start juniorom - AI czy no-code/low-code, gotowe komponenty i mniejsze zespoły?
(01:19:27) Krzysztof: Nie ma jednej odpowiedzi. Dochodzą czynniki ekonomiczne, geopolityczne, popandemiczne przeszacowanie zatrudnienia, zmiana kosztów. No-code/low-code jako „rewolucja” nie wydarzyło się tak, jak kiedyś prognozowano, choć AI może to mieszać na nowo.
(01:20:33) Przemek: Takie pytania trzeba wiązać z konkretnym typem firm. Co do juniorów: statystyki ogłoszeń nie pokazują, że juniorzy przestali być potrzebni. Pytanie raczej o konkurencję i liczbę aplikacji.
(01:21:03) Julia: Pytanie: czy pozwalacie sobie na gorszy kod w produkcji, bo AI „to ogarnie”? Nie chodzi o totalny slop, tylko o delikatnie gorszą jakość.
(01:21:37) Przemek: To duża debata. Często „gorszy kod” znaczy „inny kod niż ja bym napisał”. W dodatku realny świat nigdy nie był idealny: presja czasu, nieobecności, deadline’y - kod zawsze bywa kompromisem.
(01:22:04) Przemek: Jest też pytanie o determinizm: AI może wygenerować różny kod, ale funkcjonalność dla użytkownika może wyjść stabilnie. Jeden CTO powiedział mi kiedyś: „co jeśli to my jesteśmy bottleneckiem?” To jest myśl, z którą warto zostać.
(01:23:28) Krzysztof: Dokładnie - programiści nie są rozliczani z „perfekcyjnych abstrakcji”, tylko z wartości dla biznesu i użytkownika. Good enough często jest właściwą decyzją.
(01:24:24) Przemek: I jeszcze raz: my też nie dowozimy zawsze idealnego kodu. AI tego nie „psuje”, ono to tylko uwidacznia.
(01:25:09) Julia: Pytanie: czy rekruterzy wykorzystują AI do przesiewu CV?
(01:25:09) Julia: Z mojej strony: są ATS-y z funkcjami AI, które pomagają dopasować CV do oferty, ale decyzja powinna należeć do człowieka. Wchodzi też AI Act, który reguluje automatyzację decyzji.
(01:26:13) Przemek: Systemy scoringowe były już wcześniej. W praktyce, przy setkach aplikacji, sygnał z automatu bywa używany mocno - nawet jeśli formalnie ktoś „patrzy”. Regulacje mogą nie zmienić wszystkiego, bo skala robi swoje.
(01:27:14) Krzysztof: Krótko: tak, część rekruterów używa AI do selekcji i będzie to częstsze.
(01:27:14) Julia: Czy CV i portfolio tworzone z pomocą AI będą normą?
(01:27:50) Przemek: Tak - to już się dzieje. Teksty, strony, portfolio - AI ułatwia i przyspiesza.
(01:28:18) Julia: Widzę różnicę między „przeredaguj mi tekst” a „wygeneruj cały list motywacyjny pod ofertę”.
(01:28:48) Krzysztof: AI to narzędzie, ważne jak go używasz.
(01:28:48) Przemek: To też gra dwóch stron. Kandydaci optymalizują, firmy też czasem robią rzeczy, które są frustrujące i nie fair (zadania bez feedbacku). Rozsądek i uczciwe podejście pomagają, ale system będzie się dalej zmieniał.
(01:29:11) Julia: Pytanie: czy AI może analizować konflikty w zespole lub spadek motywacji?
(01:29:48) Krzysztof: Są rozwiązania, które analizują dane z ankiet czy sygnałów, ale nie widzę tu „killera” dla AI. Może być użyteczne do analizy notatek/treści, ale to wrażliwy temat i nie jest to coś, co samo rozwiąże problemy.
(01:30:20) Przemek: Podpisuję się.
(01:30:54) Julia: Chyba to były wszystkie pytania. Dzięki za aktywność.
(01:31:38) Julia: Dziękuję uczestnikom i prelegentom. Zapraszam na kolejny webinar jutro z Radkiem Wojtysiakiem w ramach Programistycznia. W przyszłym tygodniu będzie też materiał wideo z Olą Rajkowską oraz - jak słyszałam - raport o rynku pracy programistów. Jeśli chcecie najświeższe dane o ofertach, aplikacjach i zarobkach, śledźcie nasze publikacje.
(01:32:16) Julia: Na dziś to wszystko. Dzięki i do usłyszenia jutro!
(01:32:16) Przemek: Dzięki wielkie!
(01:32:16) Krzysztof: Dzięki!