Wdrożenie AI wymaga ludzi, nawet jeśli sama technologia automatyzuje coraz więcej zadań. Sygnały z amerykańskich korporacji z lipca 2026 roku pokazują selektywny powrót rekrutacji, a równocześnie OpenAI i Google rozwijają zespoły inżynierów pracujących bezpośrednio przy wdrożeniach klientów. Nie oznacza to końca redukcji etatów ani porażki sztucznej inteligencji.
Zmienia się raczej sposób rozumienia automatyzacji. Model potrafi przygotować analizę, kod lub dokument, lecz nie uporządkuje samodzielnie odpowiedzialności, danych, integracji, kontroli i sposobu pracy całej organizacji. W Polsce problem jest szczególnie praktyczny: według GUS w 2025 roku technologie AI wykorzystywało 8,7% przedsiębiorstw objętych badaniem. Dla większości firm wyzwaniem pozostaje więc nie redukcja zatrudnienia po wdrożeniu, lecz przejście od testów do działającego procesu.
Kluczowe wnioski dla decydenta
- Powrót rekrutacji jest selektywny. Nie stanowi dowodu na szerokie odwrócenie trendu automatyzacji.
- AI może zastąpić fragment pracy, ale wdrożenie na poziomie procesu wymaga integracji, wiedzy domenowej, kontroli i zarządzania zmianą.
- Rozwój roli forward deployed engineer pokazuje, że wąskim gardłem staje się wykonanie, nie sam dostęp do modelu.
- Firmy mogą jednocześnie zatrudniać specjalistów wdrożeniowych i ograniczać stanowiska oparte na powtarzalnych zadaniach.
- Business case oparty wyłącznie na redukcji etatów pomija koszt przebudowy procesu, danych, kontroli oraz utrzymania rozwiązania.
Czy amerykańskie firmy naprawdę ponownie zatrudniają?
Część dużych przedsiębiorstw ponownie zwiększa zatrudnienie, ale jest to korekta punktowa, a nie powszechny powrót do dawnych planów kadrowych. Firmy rekrutują przede wszystkim tam, gdzie widzą wzrost popytu, niedobór kompetencji, potrzebę sprzedaży albo konieczność wdrażania nowych technologii.
„The Wall Street Journal” opisał w lipcu 2026 roku sygnały rekrutacyjne między innymi w Alphabet, Booz Allen Hamilton, ServiceNow i CSX. Przyczyny nie były jednak jednolite. Booz Allen potrzebował pracowników z poświadczeniami bezpieczeństwa po wcześniejszych cięciach związanych z kontraktami federalnymi. CSX zapowiadał umiarkowane zwiększenie zatrudnienia operacyjnego wobec wzrostu przewozów. ServiceNow chciał zwiększyć liczbę sprzedawców w obszarach takich jak cyberbezpieczeństwo. To są decyzje biznesowe, których nie można sprowadzić do zdania „AI nie zadziałała”. (WSJ, przedruk w Mint, 2026)
Alphabet jest najbardziej czytelnym przykładem zmiany skali. Według raportu za drugi kwartał liczba pracowników wzrosła z 187 103 na koniec czerwca 2025 roku do 198 933 rok później. To wzrost netto o 11 830 osób, czyli około 6,3%. Jednocześnie przychody Google Cloud wzrosły w tym okresie o 82%, a spółka wskazała popyt na infrastrukturę i rozwiązania AI jako główny czynnik. Dane pokazują równoległy wzrost biznesu AI i zatrudnienia, ale nie pozwalają przypisać wszystkich nowych etatów wdrażaniu sztucznej inteligencji. (Alphabet, Q2 2026)
| Firma | Sygnał kadrowy w 2026 roku | Co można z niego wywnioskować | Czego nie dowodzi |
|---|---|---|---|
| Alphabet | Wzrost zatrudnienia netto o 11 830 osób rok do roku | Firma rozwija ludzi równolegle z biznesem AI i chmurą | Że wszystkie etaty powstały z powodu ograniczeń AI |
| Booz Allen Hamilton | Zapowiedź przyspieszenia rekrutacji po wcześniejszych redukcjach | Kompetencje i poświadczenia bezpieczeństwa pozostają wąskim gardłem | Że poprzednie cięcia były skutkiem wyłącznie AI |
| ServiceNow | Rekrutacja sprzedawców dla obszarów wzrostu, w tym cyberbezpieczeństwa | Produkt AI nadal wymaga sprzedaży i pracy z klientem | Że automatyzacja nie ograniczy innych funkcji |
| CSX | Umiarkowany wzrost zatrudnienia operacyjnego | Wzrost popytu może zwiększać zatrudnienie mimo automatyzacji | Że technologia nie zmienia produktywności kolei |
| OpenAI i Google Cloud | Rozbudowa zespołów FDE | Rośnie popyt na kompetencje wdrożeniowe blisko klienta | Że powraca szeroki popyt na wszystkie role technologiczne |
Dlaczego samo narzędzie AI nie przebuduje firmy?
Model AI może wykonać zadanie, ale nie przejmie automatycznie całego procesu ani odpowiedzialności za wynik. Różnica między demonstracją a wdrożeniem produkcyjnym pojawia się tam, gdzie trzeba połączyć model z danymi, systemami, zasadami bezpieczeństwa i rzeczywistą pracą zespołów.
Błąd pojawia się wtedy, gdy wynik z poziomu zadania zostaje przeniesiony na poziom etatu. Jeżeli model skraca przygotowanie podsumowania z dwóch godzin do kilkunastu minut, nie wynika z tego jeszcze, że można usunąć stanowisko. Pracownik może również zbierać dane, uzgadniać wyjątki, rozmawiać z klientem, podejmować decyzje i odpowiadać za rezultat.
| Poziom | Co robi AI | Co nadal musi zorganizować firma |
|---|---|---|
| Zadanie | Generuje tekst, kod, klasyfikację lub analizę | Cel, dane wejściowe, kryterium poprawności |
| Proces | Automatyzuje lub przyspiesza wybrany etap | Integracje, obsługę wyjątków, przekazywanie pracy |
| Model operacyjny | Wspiera decyzje i przepływy pracy | Role, odpowiedzialność, KPI, nadzór, rozwój kompetencji |
Wdrożenie AI różni się od użycia narzędzia tym, że obejmuje cały mechanizm dostarczania wyniku, a nie pojedynczą interakcję z modelem. Dopiero na poziomie procesu można ocenić, czy oszczędność czasu w jednym miejscu nie tworzy dodatkowej weryfikacji, opóźnień lub ryzyka w innym.
Nigel Vaz, prezes Publicis Sapient, nazwał tę lukę „problemem wykonawczym AI”. Jego tekst w „TIME Ideas” jest komentarzem eksperckim, nie niezależnym badaniem. Trafnie opisuje jednak różnicę między pilotem a trwałą zmianą operacyjną: model dołożony do starego procesu zwykle daje punktową poprawę, a nie automatyczną transformację firmy. (TIME Ideas, 2026)
Różnicę między deklarowaną adopcją a wdrożeniem produkcyjnym pokazuje również analiza adopcji AI w przedsiębiorstwach według Stanford AI Index 2026.
Kim jest forward deployed engineer i dlaczego ta rola rośnie?
Forward deployed engineer, w skrócie FDE, to inżynier pracujący bezpośrednio z klientem nad przejściem od prototypu do działającego systemu. Łączy projektowanie rozwiązania, integrację, kodowanie, zrozumienie procesu i wdrożenie użytkowników.
W maju 2026 roku OpenAI ogłosiło utworzenie OpenAI Deployment Company. Firma ma umieszczać zespoły FDE w organizacjach klientów, aby wybierały procesy, łączyły modele z danymi i narzędziami oraz budowały rozwiązania używane w codziennej pracy. OpenAI zapowiedziało przejęcie Tomoro, co miało wnieść do nowej jednostki około 150 doświadczonych inżynierów i specjalistów wdrożeniowych. (OpenAI, 2026)
Ogłoszenia rekrutacyjne OpenAI pokazują zakres tej pracy. FDE odpowiada nie tylko za kod, lecz także za rozpoznanie potrzeb, projekt systemu, wdrożenie produkcyjne, adopcję użytkowników i pomiar wpływu na proces. To rola na styku technologii, konsultingu i zarządzania zmianą. (OpenAI Careers, 2026)
Google Cloud rozwija podobny model. Podczas Cloud Next ’26 firma zapowiedziała wysyłanie własnych zespołów FDE do wspólnej pracy z integratorami, między innymi Accenture, Capgemini, Deloitte, PwC i TCS. Celem ma być przyspieszenie przejścia od możliwości modeli do rozwiązań działających u klientów. To deklaracja dostawcy, więc nie dowodzi skuteczności każdego wdrożenia. Pokazuje natomiast, gdzie dostawcy widzą dzisiaj brakującą kompetencję. (Google Cloud, 2026)
Czy AI zastępuje stanowiska, czy przede wszystkim zmienia zadania?
Obecne dane lepiej wspierają tezę o przebudowie zadań niż o jednolitym zastępowaniu całych zawodów. Stanowisko jest pakietem czynności, a poszczególne elementy tego pakietu różnią się podatnością na automatyzację.
Międzynarodowa Organizacja Pracy oceniła w 2025 roku ekspozycję zawodów na generatywną AI na podstawie zadań. Główny wniosek badania mówi, że transformacja stanowisk jest bardziej prawdopodobna niż pełna automatyzacja, ponieważ większość zawodów zawiera czynności wymagające udziału człowieka. Jest to ocena potencjału technologicznego, a nie prognoza konkretnej liczby etatów. (ILO, 2025)
Badanie Anthropic z czerwca 2026 roku również rozdziela zadania od stanowisk. Respondenci z większym doświadczeniem częściej wskazywali, że model nie odtwarza ich wiedzy kontekstowej, osądu, budowania zaufania i zarządzania ludźmi. Próba obejmowała użytkowników Claude i była silnie przesunięta w stronę zawodów technologicznych oraz managerskich, dlatego wyników nie wolno traktować jako reprezentatywnych dla całego rynku pracy. (Anthropic Economic Index, 2026)
| Zadania pod większą presją | Zadania zyskujące na znaczeniu |
|---|---|
| Pierwsza wersja tekstu, kodu lub raportu | Formułowanie kryteriów i ocena wyniku |
| Rutynowe przetwarzanie informacji | Obsługa wyjątków i decyzji niejednoznacznych |
| Ręczne przenoszenie danych | Projektowanie i utrzymanie integracji |
| Prosta klasyfikacja i wyszukiwanie | Kontrola jakości, bezpieczeństwo i zgodność |
| Powtarzalna komunikacja | Relacje, negocjacje i odpowiedzialność za rezultat |
Kto może stracić mimo powrotu rekrutacji?
Selektywne zatrudnianie specjalistów wdrożeniowych nie chroni wszystkich stanowisk. Firma może jednocześnie zwiększać zespół AI, cyberbezpieczeństwa lub sprzedaży i ograniczać nabór do funkcji, których praca składa się głównie z powtarzalnego przetwarzania informacji.
Szczególnie trudna pozostaje sytuacja pracowników rozpoczynających karierę. Zadania juniorskie często obejmują przygotowanie pierwszej wersji analizy, dokumentu, kodu lub prezentacji. To właśnie te czynności modele przejmują najłatwiej, chociaż nie przejmują pełnej odpowiedzialności seniora. Powstaje ryzyko przerwania ścieżki, dzięki której organizacja wcześniej kształciła przyszłych ekspertów.
Szerzej opisują to dane z artykułu AI a rynek pracy: co naprawdę wiemy w 2026 roku. Brak masowego wzrostu bezrobocia nie oznacza braku zmian. Skutki mogą być widoczne wcześniej w liczbie ofert wejściowych, czasie poszukiwania pierwszej pracy, strukturze obowiązków i tempie awansu.
AI może więc zwiększać popyt na integratorów i ekspertów, a jednocześnie zmniejszać liczbę stanowisk służących do zdobywania podstawowego doświadczenia. W tych zjawiskach nie ma sprzeczności.
Co z tego wynika dla polskich firm?
Dla polskich firm najlepszy jest business case oparty na przebudowie konkretnego procesu, jeśli organizacja potrafi zmierzyć wynik przed i po wdrożeniu. W przeciwnym razie redukcja etatów pozostaje założeniem finansowym, a nie rezultatem potwierdzonym operacyjnie.
Punktem wyjścia jest nadal ograniczona skala wykorzystania technologii. GUS podał, że w 2025 roku AI stosowało 8,7% przedsiębiorstw objętych badaniem. Wskaźnik mierzy użycie co najmniej jednej technologii AI, a nie dojrzałość wdrożenia ani osiągnięty zwrot. Nie pozwala też przenieść amerykańskich decyzji kadrowych bezpośrednio na polski rynek. Pokazuje natomiast, że dla znacznej części organizacji najbliższym problemem jest zbudowanie kompetencji i procesu, zanim pojawi się podstawa do zmiany zatrudnienia. (GUS, 2025)
Szersze tło tego wyniku opisuje analiza spowolnienia adopcji AI w firmach, która oddziela samo użycie narzędzia od zmiany procesu.
Ocena wdrożenia powinna objąć sześć kroków:
- Rozpisanie procesu. Zidentyfikuj czynności, wejścia, wyjścia, wyjątki i właściciela wyniku.
- Pomiar stanu wyjściowego. Zmierz czas, koszt, jakość, liczbę poprawek i opóźnienia przed użyciem AI.
- Wybór zadań dla modelu. Automatyzuj te elementy, dla których da się określić kryterium poprawności.
- Projekt kontroli. Ustal, kiedy wynik wymaga weryfikacji człowieka, eskalacji albo zatrzymania procesu.
- Integracja i adopcja. Połącz rozwiązanie z danymi oraz narzędziami, a następnie sprawdź, czy pracownicy rzeczywiście go używają.
- Decyzja kadrowa po pilotażu. Zmieniaj role i zatrudnienie dopiero po pomiarze całego procesu, nie na podstawie demonstracji modelu.
W banku może to oznaczać automatyczne przygotowanie materiału do analizy kredytowej, ale nie automatyczną decyzję bez zasad odpowiedzialności i kontroli. W produkcji model może porządkować dokumentację serwisową, lecz integracja z utrzymaniem ruchu nadal wymaga danych, właściciela procesu i obsługi wyjątków. W kancelarii AI może przygotować pierwszą wersję porównania umów, ale prawnik nadal odpowiada za kontekst, interpretację i rekomendację.
Osobnego podejścia wymagają zastosowania wpływające na pracowników. AI Act klasyfikuje część systemów wykorzystywanych do rekrutacji, selekcji, przydzielania zadań, awansów, zwolnień oraz monitorowania lub oceny pracowników jako systemy wysokiego ryzyka. Rozporządzenie przewiduje wyjątki dla niektórych wąskich lub przygotowawczych zastosowań, dlatego o klasyfikacji decyduje konkretny sposób użycia, nie sama etykieta „AI w HR”. Dla polskiej firmy oznacza to, że automatyzacji decyzji kadrowych nie należy projektować wyłącznie jako oszczędności pracy działu HR. Trzeba od początku uwzględnić jakość danych, dokumentację, nadzór człowieka i prawa pracowników. (AI Act, rozporządzenie UE 2024/1689)
Koszt wdrożenia obejmuje zatem nie tylko licencję i użycie modelu. Trzeba doliczyć przygotowanie danych, integracje, testy, zabezpieczenia, szkolenia, monitoring, poprawki oraz czas ekspertów domenowych. Dopiero wynik po uwzględnieniu tych pozycji pozwala ocenić, czy AI rzeczywiście zmniejsza zapotrzebowanie na pracę, czy jedynie przesuwa ją do innych ról.
Kiedy ta analiza się nie sprawdzi?
Ta analiza nie pozwala przewidzieć łącznego zatrudnienia ani tempa rozwoju modeli. Opisuje mechanizm widoczny w wybranych firmach w połowie 2026 roku, a nie trwałe prawo rynku pracy.
Po pierwsze, część rekrutacji wynika ze wzrostu popytu, zmian kontraktów albo niedoboru specjalistycznych uprawnień. Nie jest bezpośrednią reakcją na nieskuteczność AI. Po drugie, wzrost zatrudnienia netto nie ujawnia, które role powstały, które zniknęły i ile pracy przeniesiono do podwykonawców.
Po trzecie, dostawcy AI mają interes w promowaniu usług wdrożeniowych. Powstanie zespołów FDE pokazuje popyt na taką pracę, ale nie dowodzi, że każdy projekt przyniesie zwrot. Po czwarte, dalszy wzrost niezawodności agentów może zmienić granicę między zadaniem a procesem i ograniczyć część dzisiejszych ról integracyjnych.
Najbezpieczniejszy wniosek brzmi więc: nie należy traktować ani redukcji zatrudnienia, ani późniejszej rekrutacji jako samodzielnego dowodu skuteczności AI. Potrzebne są dane o procesie, jakości, kosztach i rzeczywistym wykorzystaniu rozwiązania.
Kluczowe pytania i decyzje
Czy firma powinna zamrozić rekrutację do czasu zakończenia pilotażu AI?
Tak, jeśli dotyczy to wąskiego procesu, pilotaż ma krótki termin i istnieje plan zabezpieczenia ciągłości pracy. Nie, jeśli zamrożenie usuwa dopływ juniorów, przeciąża zespół albo opiera się wyłącznie na oczekiwaniu, że przyszła wersja modelu przejmie obowiązki.
Czy wdrożenie AI powinno zaczynać się od celu redukcji etatów?
Nie jako celu podstawowego. Najpierw należy określić wynik procesu, jakość i ryzyko. Redukcja zapotrzebowania na pracę może być rezultatem, ale nie powinna zastępować projektu operacyjnego.
Kogo zatrudniać do wdrażania AI?
Dla dużej organizacji potrzebny jest zespół łączący inżynierię, bezpieczeństwo, dane, wiedzę domenową i zarządzanie zmianą. W mniejszej firmie nie musi to oznaczać osobnego FDE, ale ktoś nadal musi odpowiadać za integrację, testy i wykorzystanie rozwiązania w codziennej pracy.
Podsumowanie
Powrót rekrutacji w części amerykańskich korporacji nie oznacza, że AI przestała automatyzować pracę. Pokazuje raczej, że organizacje zbyt łatwo utożsamiały wykonanie pojedynczego zadania z zastąpieniem całego stanowiska oraz dostęp do modelu z gotowym wdrożeniem.
Najbardziej czytelny sygnał płynie z rozwoju forward deployed engineering. OpenAI, Google Cloud i ich partnerzy inwestują w ludzi, którzy łączą modele z danymi, procesami i odpowiedzialnością biznesową. To właśnie ta warstwa decyduje, czy demonstracja stanie się trwałym systemem.
Nie jest to jednak optymistyczna historia o zwycięstwie człowieka nad maszyną. Presja na zadania rutynowe i stanowiska wejściowe pozostaje realna. Zatrudnienie przesuwa się w stronę integracji, osądu, relacji, kontroli i wiedzy domenowej.
Dla decydentów wniosek jest praktyczny: nie budować programu AI wyłącznie na planie redukcji etatów. Najpierw trzeba zmierzyć cały proces, doliczyć koszt integracji i nadzoru, a dopiero potem zdecydować, jak zmienić strukturę pracy.
O autorze
Remigiusz Pruszczak: ekspert GenAI i trener AI. Od 17 lat prowadzi szkolenia, a od 2025 roku również z generatywnej AI, między innymi dla banków, instytucji finansowych, kancelarii oraz firm z sektorów regulowanych i produkcji. Szkolenia realizuje we współpracy z EY Academy of Business Polska, Warszawskim Instytutem Bankowości, Bankowym Ośrodkiem Doradztwa i Edukacji oraz CFA Society Poland. Więcej na stronie „O mnie".
Źródła
- Chip Cutter, „Big companies are starting to hire again, defying predictions of AI wipeout”, „The Wall Street Journal”, 27 lipca 2026, dostępny przedruk w Mint.
- Alphabet, „Alphabet Announces Second Quarter 2026 Results”, 22 lipca 2026, raport wynikowy PDF.
- OpenAI, „OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence”, 11 maja 2026, komunikat.
- OpenAI, „Forward Deployed Engineer (FDE)”, opis stanowiska, dostęp 30 lipca 2026.
- Google Cloud, „Welcome to Google Cloud Next ’26”, 2026, komunikat konferencyjny.
- International Labour Organization, „Generative AI and Jobs: A Refined Global Index of Occupational Exposure”, 20 maja 2025, raport.
- Anthropic, „Anthropic Economic Index report: Cadences”, 26 czerwca 2026, raport.
- Nigel Vaz, „AI’s Execution Problem”, „TIME Ideas”, 20 lipca 2026, komentarz ekspercki.
- Główny Urząd Statystyczny, „Społeczeństwo informacyjne w Polsce w 2025 r.”, 2025, raport PDF.
- Parlament Europejski i Rada UE, rozporządzenie (UE) 2024/1689 w sprawie sztucznej inteligencji, 13 czerwca 2024, EUR-Lex.
