Kilka przykładów jak AI zmienia aktualnie naszą pracę.
Zmiany w profilu "Python Developer".
Python zdominował backend (23% ofert na rynku w Polsce), wyprzedzając Javę. Ale szukanie po prostu „Python Developera” to dziś gwarancja zalewu bezużytecznych aplikacji. Rynek pękł na pół:
- Klasyczny backend (Django/FastAPI): Stawki stabilne, duża dostępność kandydatów. Tutaj rekrutuje się szybko.
- AI/LLM Engineer (RAG, finetuning, integracja agentowa, LangChain): Kandydaci z tymi skillami kosztują o 35-50% więcej niż tradycyjny backend.
Rekomendacje
- Zmień brief z Hiring Managerem: Ustal, czy budujecie kolejny system CRUD, czy wdrażacie modele językowe. Jeśli to drugie, ogłoszenie z napisem „Python Developer” przyciągnie ludzi po 3-tygodniowych bootcampach AI promptingu.
- Weryfikacja CV: Ignoruj wpisy typu „znajomość AI”. Szukaj w portfolio realnych wdrożeń produkcyjnych z wykorzystaniem baz wektorowych (np. Pinecone, Qdrant) i optymalizacji kosztów API (token management).
Śmierć juniora (5% ofert) i awans dzięki AI
Ze statystyk No Fluff Jobs i Just Join IT wynika, że 95% ofert w Polsce to Mid i Senior (z czego Seniorzy to aż 60%). Miejsca dla juniorów (5%) prawie nie ma. Ale powód nie leży wyłącznie w cięciu kosztów – narzędzia takie jak Cursor czy GitHub Copilot sprawiły, że zmotywowany junior z 1 rokiem doświadczenia dowozi zadania na poziomie dawnego mida. Czy Juniorzy to nowi Midzi?
Rekomendacja
- Zmień proces techniczny: Tradycyjne zadania rekrutacyjne „do domu” straciły sens. Kandydaci rozwiązują je za pomocą LLM w 5 minut. Przejdź na live-coding oparty na debugowaniu kodu wygenerowanego przez AI lub analizie architektury. Sprawdzaj myślenie logiczne, a nie znajomość składni.
- „Shadow talent” zamiast drogich seniorów: Zamiast płacić 30 000 PLN B2B za seniora, który odejdzie przy pierwszej lepszej okazji, wdrażaj programy mentoringowe. Junior wspierany przez AI i dobrego Seniora osiąga samodzielność operacyjną w 3 miesiące, a nie w rok.
Hybrydowy szantaż (41% vs 38,5%)
Po raz pierwszy w historii polskiego IT model hybrydowy (41% ofert) wyprzedził w pełni zdalny (38,5%). Zarządy forsują Return-to-Office (RTO), wierząc w „budowanie kultury organizacyjnej”. Dla rekrutera to koszmar.
Rekomendacja
- Pokrój zarządowi koszty: Narzucenie hybrydy (np. 3 dni w biurze) w Warszawie czy Krakowie kurczy Twój talent pool o 80-85% (odcinasz całą Polskę regionalną). Czas obsadzenia roli (Time-to-Hire) rośnie z 25 do średnio 58 dni. Pokaż zarządowi prostą matematykę: koszt biura vs koszt nieobsadzonego stanowiska przez kwartał.
- Model asynchroniczny: Jeśli biuro jest konieczne, promuj model „Smart Hybrid” – np. jeden stały tydzień w miesiącu na pracę wspólną i planowanie, a pozostałe 3 tygodnie w 100% zdalnie. To pozwala rekrutować ludzi z całej Polski.
Wykorzystanie Lokalnych Modeli AI w procesach HR
Rekrutacja w IT wiąże się z przetwarzaniem wrażliwych danych osobowych (CV) oraz kodu chronionego umowami NDA. Przesyłanie tych informacji do chmurowych API (OpenAI, Anthropic) niesie wysokie ryzyko naruszenia RODO. Rozwiązaniem jest hostowanie modeli o otwartych wagach (open-weight) lokalnie.
Analiza rozwiązań sprzętowych i rekomendowane modele:
Poniżej znajduje się zestawienie dostępnych modeli open-weight dedykowanych do zadań programistycznych i analitycznych w rekrutacji, posortowane według wymagań pamięci RAM/VRAM:
| Platforma docelowa | Rekomendowane modele | Wymagany RAM/VRAM | Zastosowanie w HR |
|---|---|---|---|
| Laptop / Stacja robocza (Recruiter) | Qwen-2.5-Coder-7B Llama-3.1-8B |
8 GB – 16 GB | Przesiewanie tekstu z CV, generowanie wstępnych pytań rekrutacyjnych na podstawie profilu, szybka analiza prostych zadań testowych kandydata (uruchamiane np. przez Ollama). |
| Desktop deweloperski (Hiring Manager / Tech Lead) | Qwen-2.5-Coder-32B Codestral-22B DeepSeek-Coder-V2-Lite (16B) |
32 GB – 64 GB | Zaawansowana analiza kodu kandydata, szukanie ukrytych błędów logicznych, ocena jakości pisania testów jednostkowych i zgodności z architekturą. |
| Serwer firmowy (On-premise / Private Cloud) | LongCat-2.0 (1.6T MoE / 48B active) DeepSeek-Coder-V2 (236B MoE) GLM-5.2 |
128 GB – 256 GB+ | Bezpieczna piaskownica (sandbox). Dzięki oknu kontekstowemu 1 miliona tokenów (LongCat-2.0) serwer może przeanalizować całe firmowe repozytorium kodu, by stworzyć spersonalizowane i unikalne zadanie debugowania (bug hunting) dla kandydata. |
Autonomiczni Agenci Informacyjni Google do Aktywnego Sourcingu
Tradycyjny direct search na LinkedInie staje się coraz mniej skuteczny. Nowym podejściem jest wykorzystanie Agentów Informacyjnych (np. Google Vertex AI Agent Builder / Agent Space), które potrafią autonomicznie monitorować internet i aktywnie wyszukiwać kandydatów na bazie ich rzeczywistego wkładu w projekty techniczne:
- Sourcing kompetencyjny: Agent nieprzerwanie monitoruje publiczne repozytoria GitHub, StackOverflow i niszowe fora techniczne, analizując pull requesty i commit message.
- Spersonalizowany kontakt: Gdy agent zidentyfikuje dewelopera rozwiązującego skomplikowane problemy w pożądanej technologii, przygotowuje dla rekrutera spersonalizowaną wiadomość nawiązującą do konkretnej linii kodu kandydata.
Nowe Modele AI i przyszłość rynku (Lipiec 2026)
Rynek modeli rozwija się w zawrotnym tempie. Z końcem czerwca 2026 roku xAI wypuściło model Grok 4.5 do fazy prywatnej bety, a Google przygotowuje się do prezentacji opóźnionego modelu Gemini 3.5 Pro. Z kolei premiera chińskiego modelu LongCat-2.0 (29 czerwca 2026), wyszkolonego w pełni na krajowych chipach ASIC bez użycia procesorów Nvidia, pokazała, że wydajne, otwarte modele programistyczne (SWE-bench Pro na poziomie 59.5) stają się łatwo dostępne i tanie w utrzymaniu on-premise.
Bibliografia i źródła:
- Just Join IT & No Fluff Jobs (2026) – Raport roczny: Rynek pracy IT w Polsce. Wynagrodzenia, technologie i oczekiwania kandydatów (edycja Q1 2026).
- Meituan AI Lab (June 2026) – LongCat-2.0: Trillion-Parameter Mixture-of-Experts Model for Agentic Coding.
- Google Cloud (2025/2026) – Vertex AI Agent Builder: Building Enterprise-grade Autonomous Sourcing Workflows.
- SWE-bench Community (2026) – Open-source Coding Models Leaderboard & Benchmarks.
- IDC & ITwiz (2026) – Zapotrzebowanie na kompetencje chmurowe, AI i cyberbezpieczeństwo w polskich przedsiębiorstwach.