Czy pracownicy są gotowi na stanowiska wymagające kompetencji seniora?
![[OPT 2] IMG PMP – Editorial – Are Workers Ready for Seniorized Jobs_ -69868](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-2-IMG-PMP-–-Editorial-–-Are-Workers-Ready-for-Seniorized-Jobs_-69868.jpg)
Rosnące wymagania: AI przesuwa pracę na poziomie początkującym w stronę samodzielnego osądu, komunikacji i rozwiązywania problemów, które wcześniej kojarzono z rolami seniorskimi.
Utracona praktyka: Automatyzacja rutynowych zadań może pozbawić pracowników na początku kariery błędów, obserwacji i kontekstu, które pomagają rozwijać samodzielny osąd.
Zmiana w rekrutacji: Pracodawcy coraz częściej sprawdzają rozumowanie, zdolność adaptacji i szybkość uczenia się, zamiast polegać na kwalifikacjach lub wyuczonych osiągnięciach.
Nowa drabina kariery: AI przyspiesza realizację zadań, ale firmy muszą celowo tworzyć możliwości nadzorowanej praktyki, zanim powierzą pracownikom szerszą odpowiedzialność.
Praktyczne rozwiązania: Symulacje, rotacje, analizy po zakończeniu projektów i błędy, których skutki można naprawić, mogą zastąpić rozwojową naukę, którą wcześniej zapewniała rutynowa praca.
Praca na poziomie podstawowym zaczyna wymagać coraz więcej.
Barometr miejsc pracy związanych ze sztuczną inteligencją PwC z czerwca 2026 roku wykazał, że stanowiska na poziomie podstawowym, na których AI odgrywa dużą rolę, siedmiokrotnie częściej wymagają umiejętności tradycyjnie kojarzonych z pracownikami wyższego szczebla niż stanowiska, na których AI odgrywa mniejszą rolę. Ponad połowa nowo pojawiających się umiejętności wymienianych w tych ogłoszeniach była historycznie kojarzona z bardziej doświadczonymi stanowiskami.
Ta zmiana ma intuicyjny sens. AI coraz lepiej radzi sobie z ustrukturyzowaną, powtarzalną pracą, która niegdyś zajmowała znaczną część dnia pracownika na początku kariery. Pozostałe zadania z większym prawdopodobieństwem wymagają oceny sytuacji, komunikacji, rozwiązywania problemów i podejmowania decyzji przy niepełnych informacjach.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Jednak ten wzrost efektywności wiąże się z pewnym problemem.
Te prostsze zadania nie służyły wyłącznie wytwarzaniu rezultatów. Dawały również niedoświadczonym pracownikom czas na obserwowanie funkcjonowania organizacji, popełnianie stosunkowo niedrogich błędów i stopniowe gromadzenie kontekstu niezbędnego do podejmowania trudniejszych decyzji.
Dr Rachel Wood, badaczka cyberpsychologii i założycielka AI Mental Health Collective, twierdzi, że ta pomijana funkcja pracy na poziomie podstawowym ma znaczenie.
Pomyślmy o pracowniku rozpoczynającym pracę w danej branży i wykonującym zadania, które wydają się poboczne w stosunku do samej pracy. Wykonując te zadania, pracownik jednocześnie przyswaja, w jaki sposób liderzy podejmują decyzje, jak współpracownicy wchodzą w interakcje i jak faktycznie funkcjonuje firma.
Całkowite usunięcie tego doświadczenia prowadzi do logicznego wniosku, że pracodawcy ryzykują usunięciem tego, co Wood opisuje jako „kluczową część żmudnej pracy, która później w karierze buduje zdolność do bycia dobrym liderem. AI posiada wiedzę, ale nie ma doświadczenia”.
Nie oznacza to, że firmy powinny zachowywać pracę o niskiej wartości wyłącznie z nostalgii. Niewielu pracowników potrzebuje godzin kształtujących charakter, poświęconych kopiowaniu informacji między arkuszami kalkulacyjnymi.
Oznacza to jednak, że organizacje mogą potrzebować rozróżniać pracę, która jest po prostu nieefektywna, od pracy zapewniającej rozwijające powtórzenia.
Ludzie kształtują umiejętność oceny sytuacji częściowo dlatego, że decyzje mają konsekwencje. Popełniają błędy, mierzą się z ich skutkami i dostosowują swoje działania. Czasami muszą się wytłumaczyć, naprawić relację albo zdać sobie sprawę, że założenie, z którym podchodzili do decyzji, było błędne.
Te doświadczenia trudno zautomatyzować, ponieważ ich wartość częściowo wynika z tego, że trzeba było przez nie przejść.
Zatrudnianie osób zdolnych do oceny sytuacji tworzy kolejny problem
Pracodawcy już reagują na zmieniający się charakter pracy na stanowiskach juniorskich, podnosząc poprzeczkę.
Przeprowadzone w czerwcu badanie ZipRecruiter wśród ponad 1000 pracodawców ze Stanów Zjednoczonych wykazało, że 31% z nich podniosło wymagania dotyczące doświadczenia na stanowiskach na poziomie podstawowym z powodu AI. Ta reakcja rozwiązuje jeden problem, potencjalnie tworząc kolejny. Firmy mogą po prostu zatrudniać osoby, które już posiadają umiejętność oceny sytuacji wymaganą na przeprojektowanych stanowiskach.
W końcu jednak ktoś musi ją rozwinąć.
Sprawia to również, że tradycyjne sygnały rekrutacyjne stają się mniej użyteczne. Jeśli od pracownika na poziomie podstawowym oczekuje się radzenia sobie z niejednoznacznością, zarządzania interesariuszami i wykazywania się umiejętnością oceny sytuacji, lata doświadczenia i dopracowane CV dostarczają jedynie pośrednich dowodów na to, że potrafi on sprostać tym wymaganiom.
Heather Krueger, która w ramach swojej pracy jako dyrektorka ds. personalnych w Engine przeprowadza rozmowy z kandydatami na stanowiska dyrektorskie i wyższe, powiedziała, że coraz częściej stara się wyjść poza to, czego kandydaci dokonali, i zrozumieć, jak myślą.
Większość pytań rekrutacyjnych nadal odnosi się do przeszłości: Co udało ci się osiągnąć? Jaki był rezultat? Co zrobiłeś?
AI jak nigdy dotąd ułatwia przygotowanie przekonujących odpowiedzi na te pytania.
W rezultacie Krueger większą uwagę poświęca decyzjom podejmowanym pod presją, sytuacjom bez oczywistych odpowiedzi oraz rozumowaniu stojącemu za wyborami kandydata. Preferuje również zadania rekrutacyjne, które pozwalają rekruterom podważać założenia i obserwować, jak kandydaci reagują w czasie rzeczywistym.
To rozróżnienie staje się szczególnie ważne, gdy pracodawcy rekrutują osoby o wysokim potencjale.
Krueger powiedziała, że firmy często przeceniają to, co kandydaci już wiedzą, mimo że okres przydatności tej wiedzy staje się coraz krótszy. Zamiast tego poszukuje ciekawości, zdolności adaptacji oraz umiejętności przyswajania czegoś nowego i wykorzystywania tego w praktyce.
Szybkość uczenia się ma większe znaczenie niż formalne kwalifikacje.
Umiejętność oceny sytuacji również należy do tej listy. Krueger opisała ją jako zdolność, która daje organizacjom pewność, że mogą połączyć większą swobodę z większą odpowiedzialnością, szczególnie gdy praca przebiega w szybkim tempie.
Drabina kariery potrzebuje zastępstwa
Przez dziesięciolecia organizacje miały dość prosty model rozwoju.
Młodsi pracownicy zajmowali się węższym zakresem problemów. Osoby osiągające dobre wyniki otrzymywały odpowiedzialność za większe wyzwania. Z czasem samo doświadczenie stawało się częścią wartości, jaką wnosiły do pracy.
AI komplikuje ten rozwój, ponieważ może skrócić dystans między pierwszym a drugim etapem.
Młodszy analityk może już nie potrzebować wielu lat, aby zdobyć umiejętność tworzenia zaawansowanych analiz. Nowy rekruter może wykorzystać AI do przygotowywania wiadomości, podsumowywania rozmów kwalifikacyjnych lub wyszukiwania informacji o kandydatach z szybkością, która wcześniej wymagała znacznego doświadczenia. Programista może tworzyć działający kod znacznie wcześniej na swojej ścieżce zawodowej.
Jednak szybsze tworzenie nie oznacza szybszego podejmowania trafnych decyzji.
Jeśli firmy chcą, aby pracownicy na początku kariery działali na wyższym poziomie złożoności, mogą być zmuszone do celowego tworzenia doświadczeń, które wcześniej pojawiały się naturalnie w toku pracy.
Może to oznaczać symulacje, podejmowanie decyzji pod nadzorem, ustrukturyzowany udział w rozmowach z kadrą wyższego szczebla, rotacje, analizy po zakończeniu projektów oraz możliwości popełniania istotnych, ale możliwych do naprawienia błędów.
AI samo może nawet pomóc, tworząc środowiska o niskim ryzyku, w których pracownicy mogą ćwiczyć trudne rozmowy lub testować decyzje, zanim podejmą je w rzeczywistości.
Celem nie powinno być odtworzenie każdego żmudnego zadania eliminowanego przez technologię.
Powinno nim być rozpoznanie, czego pracownicy uczyli się podczas wykonywania tych zadań, i dopilnowanie, aby nadal zdobywali tę wiedzę.
