Rynek IT w obliczu zmian: O outsourcingu, rekrutacji i rewolucji AI

Branża IT przechodzi dziś transformację, jakiej nie widzieliśmy od lat. Z jednej strony słyszymy o rzekomym „odbiciu” i powrocie do masowych rekrutacji, z drugiej – o sztucznej inteligencji, która błyskawicznie rewolucjonizuje codzienną pracę inżynierów. Jak w tym szumie informacyjnym odnaleźć realne trendy biznesowe? Czy to koniec ery juniorów i czas wszechstronnych seniorów? O przyszłości outsourcingu, wdrażaniu AI bez rynkowej naiwności oraz o tym, dlaczego liczba ogłoszeń o pracę bywa myląca, Agnieszka Smoleńska – Marketing Manager, rozmawia z Anną Baberowską – Talent Acquisition Department Manager w Astek.

Agnieszka: Jak wygląda obecnie rynek outsourcingu IT? Czy słynne „odbicie” w branży to mit, czy rzeczywistość?

Anna: Na pewno rynek outsourcingu IT diametralnie się zmienił. Właściwie znajduje się w procesie permanentnej transformacji, a cykle tych zmian stały się niezwykle krótkie. Moim zdaniem nie ma już powrotu do dawnej stabilizacji czy ogólnego „Eldorado”, w którym juniorzy po szybkich bootcampach – lub wręcz ludzie bez żadnego doświadczenia – z miejsca wchodzili do branży.

Sama technologia rozwija się w zawrotnym tempie: kolejne, coraz bardziej zaawansowane wersje GenAI są wypuszczane na rynek niemal z miesiąca na miesiąc, wykazując skokowy wzrost efektywności. Nie oznacza to, że zapotrzebowanie na usługi specjalistów IT nagle spadnie do zera. Zmienia się jednak profil pożądanego pracownika – dziś poszukiwani są inżynierowie łączący kilka ról lub pracujący na styku różnych obszarów.

Doskonale widzimy to w zapotrzebowaniu na usługi outsourcingowe. Od kilkunastu miesięcy zapytania ofertowe skupiają się niemal wyłącznie na stanowiskach seniorskich, wymagających szerokiego i przekrojowego doświadczenia. Uprzedzając pytanie – nie, to nie jest dobry czas dla juniorów. Obecnie pracę początkującego programisty, który i tak wymaga częstego nadzoru, w dużej mierze jest w stanie wykonać AI działający jako asystent kodowania. Raporty rynkowe jasno wskazują, że udział ofert dla juniorów spadł do rekordowo niskiego poziomu zaledwie kilku procent całego rynku.

Ta sytuacja rodzi fundamentalne pytanie o potencjalną lukę kompetencyjną w przyszłości. Jeżeli dzisiaj juniorzy nie wchodzą do branży, to za kilka lat czeka nas ograniczona pula midów i seniorów. Nawet jeśli weźmiemy pod uwagę wspomniane przeze mnie łączenie ról przez ekspertów oraz przebranżawianie się specjalistów z innych sektorów, ta luka może być boleśnie odczuwalna.

Agnieszka: Wielu ekspertów wieszczy powrót rynku pracownika na podstawie rosnącej liczby ofert pracy. Czy podzielasz ten optymizm?

Anna: Jestem bardzo ostrożna w ocenianiu kondycji rynku IT wyłącznie przez pryzmat samej liczby publikowanych ogłoszeń. Zdarza mi się widzieć na LinkedIn i w artykułach przepowiednie o powrocie do „Eldorado”, uzasadniane właśnie zwiększonym ruchem na portalach rekrutacyjnych. Musimy jednak pamiętać, że rzetelne prognozy powinny opierać się na jakości i strukturze tych wakatów, a nie tylko na ich wolumenie.

Zawsze należy weryfikować, kto dokładnie rekrutuje. Czy są to firmy produktowe, czy konsultingowe? Czy zapotrzebowanie płynie od mniejszych podmiotów, w tym startupów, czy może ruch generują głównie software house’y?

Warto też wnikliwie analizować dominujące role: na jakim poziomie seniority i w jakich konkretnie specjalizacjach pojawiają się wakaty. Bardzo często są to stanowiska ultrawyspecjalizowane, łączące kilka niszowych obszarów jednocześnie. W takich przypadkach pula dostępnych talentów (talent pool) jest tak ograniczona, że proces rekrutacyjny trwa miesiącami, co sztucznie wydłuża czas widoczności ogłoszenia w sieci. Z raportów rynkowych oraz z naszego codziennego doświadczenia w pracy z klientami jasno wynika, że na absolutnym topie niezmiennie pozostają: specjaliści chmurowi (Cloud Engineers), inżynierowie DevOps, eksperci od cyberbezpieczeństwa oraz profile bezpośrednio powiązane z AI i Data Engineeringiem.

Agnieszka: Czyli na rynku brakuje po prostu programistów AI?

Ania: To nie jest kwestia zwykłego braku „programistów AI”. Obserwujemy raczej ewolucję od tradycyjnego programisty, potocznie nazywanego „klepaczem kodu”, w stronę inżyniera rozwiązującego złożone problemy biznesowe. Taki specjalista powinien potrafić zaproponować architekturę integracji modeli AI z już działającymi, dojrzałymi produktami oraz przeprowadzić ogólną optymalizację systemów.

Widzimy wyraźny wzrost zapotrzebowania na wdrażanie rozwiązań opartych na architekturze RAG (Retrieval-Augmented Generation), integrację modeli LLM (w tym ich zaawansowany fine-tuning), a także wykorzystanie sztucznej inteligencji do poprawy efektywności operacyjnej. Co istotne, AI rzadko występuje dziś jako samodzielna, odizolowana rola – staje się raczej niezbędną kompetencją wspierającą.

Wyrazistym trendem jest obecnie hybryda trzech obszarów: AI, backendu oraz Data Engineeringu. W ujęciu seniority klienci poszukują przede wszystkim kandydatów, którzy potrafią samodzielnie dostarczać gotowe rozwiązania oparte na AI lub potrafią je właściwie zaplanować pod kątem architektonicznym.

Agnieszka: Czy to oznacza, że AI w krótkiej perspektywie zastąpi programistów?

Ania: Moim zdaniem nie – a na pewno jeszcze nie teraz. Modele AI świetnie sprawdzają się w powtarzalnych procesach. Doskonałym tego przykładem jest testowanie oprogramowania. Tutaj muszę przyznać, że zapotrzebowanie na testerów, zwłaszcza manualnych, jest dziś znacząco niższe niż 2-3 lata temu, ponieważ AI przejął dużą część ich zadań.

Sztuczna inteligencja radzi sobie świetnie z szybkim tworzeniem prototypów czy mockupów. Jest również nieoceniona w czasochłonnych i zazwyczaj nielubianych przez programistów zadaniach, takich jak refaktoryzacja kodu czy migracje (np. podnoszenie oprogramowania do nowszej wersji). AI potrafi skrócić ten czas o kilkadziesiąt procent.

Jednak na koniec dnia każdą taką migrację i każdą linijkę wygenerowanego kodu musi zweryfikować, autoryzować i nadzorować człowiek – najczęściej zespół doświadczonych ekspertów. Proces staje się wydajniejszy, krótszy i wymaga mniejszych zasobów kadrowych, ale jego pełnym właścicielem wciąż pozostaje człowiek.

Warto też rozróżnić skalę biznesu. AI to potężne narzędzie dla małych firm, które mogą je wykorzystać do zbudowania prostej strony, uruchomienia e-sklepu czy zaplanowania bazowej strategii marketingowej. Natomiast duże korporacje, ze swoimi skomplikowanymi strukturami, tysiącami procesów i rygorystycznymi obostrzeniami prawno-regulacyjnymi (jak np. w sektorze bankowym czy medycznym), nie wpuszczą AI bezkrytycznie do systemów core’owych. Tam technologia będzie pełnić funkcję asystenta, a nie zamiennika człowieka.

Na koniec dochodzi kwestia prozaiczna, ale kluczowa: koszty. AI nie jest darmowe. Koszt dostępu do zaawansowanych modeli komercyjnych, infrastruktury oraz zużycia tokenów przy dużej skali operacji bywa ogromny. Firmy zaczynają to dokładnie liczyć. Decyzje o tym, kto i w jakim zakresie ma korzystać ze wsparcia sztucznej inteligencji, muszą opierać się na twardych wskaźnikach ROI i realnej synergii biznesowej, a nie na chwilowej technologicznej modzie.

Agnieszka: Czy sztuczna inteligencja na stałe zagościła już we wszystkich firmach?

Anna: Jest obecna w większości organizacji, ale stopień jej dojrzałości bywa skrajnie różny. W wielu miejscach to obecność mocno rozproszona i nieustrukturyzowana – brakuje spójnej strategii, mierzalnych celów, wskaźników efektywności (KPI) czy nawet elementarnych zasad bezpieczeństwa w korzystaniu z tych narzędzi.

Raporty dotyczące wdrożenia AI w polskim biznesie potwierdzają, że większość przedsiębiorstw wciąż znajduje się na etapie eksperymentów, poszukiwań i nieskoordynowanych prób. Tymczasem skuteczna strategia implementacji musi zaczynać się na najwyższym szczeblu zarządzania. Powinna definiować jasne cele biznesowe, ramy czasowe oraz precyzyjnie określone korzyści finansowe i operacyjne.

Konieczne jest też mapowanie synergii. Nawet jeśli wdrażamy AI punktowo, na przykład w jednym dziale, musimy rozumieć, jak wpłynie to na pozostałe ogniwa organizacji. Niestety wizerunkowe „wdrażanie AI” w wielu firmach wciąż sprowadza się do testowania publicznych modeli przez pracowników na własną rękę, bez spójnego planu i centralnej kontroli.

Agnieszka: A jak wygląda relacja AI i rekrutacji w IT?

Anna: W moim pionie w Astek wykorzystujemy sztuczną inteligencję jako element szeroko pojętej automatyzacji procesów, co w rekrutacji zresztą nie jest niczym nowym. Traktujemy AI jako potężne wsparcie i narzędzie przyspieszające powtarzalne zadania, a nie jako substytut człowieka.

Algorytmy potrafią błyskawicznie przeszukać bazy danych czy pomóc w pierwszej selekcji słów kluczowych, ale nie są w stanie samodzielnie i z sukcesem poprowadzić procesu zatrudnienia. Analizując cały cykl rekrutacyjny, aż do momentu dostarczenia klientowi idealnie dopasowanego profilu eksperta, czynnik ludzki pozostaje nadrzędny. Po obu stronach procesu – kandydata i klienta – stoją ludzie. Niestandardowe myślenie, trafne badanie potrzeb, empatia, a czasem po prostu wyczucie emocji i motywacji rozmówcy to obszary dla technologii wciąż niedostępne.

Można oczywiście próbować w pełni zautomatyzować ten proces, ale działania nadzorowane i prowadzone przez człowieka mają nieporównywalnie wyższą skuteczność. W Astek realizujemy dla naszych partnerów technologicznych niezwykle wymagające, niszowe projekty. Każdego dnia widzę, jak kluczowe są zaangażowanie, kreatywność i doświadczenie naszych rekruterów w tzw. „łączeniu kropek”. Podsumowałabym to tak: AI nie zastąpi rekrutera, ale rekruter sprawnie korzystający z AI bez trudu zastąpi tego, który z nowoczesnych narzędzi korzystać nie potrafi. To po prostu kwestia dojrzałości, efektywności i świadomości rynkowej.

Bibliografia i raporty rynkowe (Odnośniki do tekstu):

1. Spadek zapotrzebowania na juniorów i dominacja seniorów: Raport Rynek pracy IT w Polsce (Just Join IT / No Fluff Jobs) wskazuje, że udział ofert skierowanych do juniorów w ostatnich latach drastycznie zmalał na rzecz ról na poziomie Senior oraz Menedżerów łączących kompetencje techniczne z biznesowymi.
2. Efektywność asystentów kodu AI: Badania GitHub Octoverse oraz analizy McKinsey & Company (The economic potential of generative AI) potwierdzają, że narzędzia typu GitHub Copilot przyspieszają powtarzalne zadania programistyczne (generowanie boilerplate code, podstawowe testy) u osób początkujących nawet o 40-50%, co zmienia strukturę zapotrzebowania na tradycyjnych asystentów-juniorów.
3. Kluczowe specjalizacje (Cloud, Cyber, DevOps, AI): Raport Salaray Benchmark (Michael Page / HAYS Poland) konsekwentnie plasuje inżynierów chmurowych, architektów systemowych oraz specjalistów ds. cyberbezpieczeństwa na czele najbardziej poszukiwanych i najlepiej opłacanych profili w outsourcingu IT.
4. Koszty i ROI z AI: Analizy Harvard Business Review oraz Gartner zwracają uwagę na tzw. ukryte koszty AI (zużycie tokenów, koszty infrastruktury chmurowej, utrzymanie modeli), co skłania działy finansowe korporacji do rygorystycznego rozliczania projektów sztucznej inteligencji pod kątem realnego zwrotu z inwestycji (ROI).
5. Stan adopcji AI w polskich firmach: Raport Sztuczna Inteligencja w Polsce (opracowany m.in. przez Instytut Sobieskiego / NASK / PARP) wskazuje, że choć ponad połowa średnich i dużych przedsiębiorstw eksperymentuje z generatywnym AI, to zaledwie kilkanaście procent posiada spójną, zatwierdzoną przez zarząd strategię rozwoju tych technologii.