W 2018 roku na blogu pojawił się tekst „Czy warto zostać programistą?”. Patrząc na niego dzisiaj, trudno nie odnieść wrażenia, że był pisany w zupełnie innym świecie. Wtedy dużo mówiło się o wysokich zarobkach, benefitach, pracy zdalnej, elastycznych godzinach i ogromnym zapotrzebowaniu na ludzi potrafiących pisać kod. Programista był jednym z najbardziej przyszłościowych zawodów, a wejście do IT wydawało się rozsądną decyzją na lata.
Od tamtego czasu naprawdę wiele się zmieniło. Część rzeczy nadal jest aktualna: technologia wciąż napędza biznes, firmy nadal potrzebują ludzi rozumiejących systemy informatyczne, a dobre kompetencje techniczne dalej są bardzo wartościowe. Zmieniło się jednak coś fundamentalnego: pojawiła się sztuczna inteligencja, która zaczęła realnie wpływać na codzienną pracę programistów.
Czy standardowy programista odchodzi do historii?
Nie chodzi o to, że programiści znikną z dnia na dzień. To byłoby zbyt proste i raczej mało prawdopodobne. Bardziej chodzi o to, że kończy się pewien model pracy programisty, który przez lata był dość dobrze znany: dostajesz zadanie, piszesz kod, poprawiasz błędy, robisz pull request, przechodzisz do kolejnego taska.
Dzisiaj coraz większą część takiej pracy można przyspieszyć albo częściowo zautomatyzować. AI potrafi wygenerować fragment kodu, wyjaśnić błąd, zaproponować refaktoryzację, napisać testy, opisać działanie klasy, stworzyć endpoint i logikę potrzebną do jego działania, przygotować zapytanie SQL czy pomóc przejść przez dokumentację. To nie zawsze działa idealnie, ale działa wystarczająco dobrze, żeby zmienić sposób pracy.
Dlatego przyszłość „standardowego programisty”, rozumianego jako osoby, która głównie przekłada proste wymagania na kod, rzeczywiście wygląda mniej pewnie niż kilka lat temu. Samo pisanie kodu przestaje być najważniejszą przewagą. Coraz większe znaczenie ma rozumienie problemu, architektury, biznesu, bezpieczeństwa, jakości danych i tego, jak mądrze korzystać z narzędzi AI.
Jak AI zmieniło świat programowania?
Jeszcze niedawno sztuczna inteligencja kojarzyła się wielu osobom z filmami science fiction, badaniami akademickimi albo funkcjami w rodzaju rozpoznawania obrazów. Dzisiaj AI jest narzędziem pracy. Korzystają z niej programiści, graficy, analitycy, marketerzy, prawnicy, rekruterzy, nauczyciele i właściciele firm.
W branży IT zmiana jest szczególnie widoczna. Narzędzia takie jak asystenci kodowania potrafią podpowiadać kolejne linie, generować całe funkcje i tłumaczyć istniejący kod. Modele językowe pomagają szybciej pisać dokumentację, tworzyć przykłady, analizować logi i szukać przyczyn błędów. Coraz częściej AI jest też wbudowane bezpośrednio w produkty: wyszukiwarki, systemy obsługi klienta, sklepy internetowe, aplikacje biurowe, narzędzia analityczne i platformy programistyczne.
Firmy korzystają z tej technologii, bo widzą w niej konkretną wartość: szybszą obsługę klientów, automatyzację powtarzalnych zadań, lepsze rekomendacje, sprawniejsze tworzenie treści, szybszą analizę danych i niższe koszty części procesów. Nie każda firma robi to dobrze i nie każda integracja AI ma sens, ale kierunek jest jasny. AI przestało być ciekawostką, a stało się elementem codziennej pracy.
Kod nadal jest ważny, ale nie wystarczy
To nie znaczy, że nauka programowania przestała mieć sens. Wręcz przeciwnie — rozumienie kodu może być jeszcze ważniejsze niż wcześniej. Różnica polega na tym, że samo „umiem napisać CRUD-a” będzie coraz słabszym argumentem na rynku pracy. Jeśli kilka osób i narzędzie AI są w stanie szybko wygenerować podobny kod, to przewagę będzie miała osoba, która wie, co powinno zostać zbudowane, dlaczego tak, jakie są ryzyka i jak to utrzymać w dłuższym czasie.
Dobry programista przyszłości nie będzie tylko klepał kodu. Będzie umiał zadawać właściwe pytania, oceniać jakość rozwiązań, rozumieć ograniczenia modeli AI, czytać cudzy kod, projektować systemy, rozmawiać z biznesem i brać odpowiedzialność za efekt końcowy. AI może być świetnym narzędziem, ale nadal ktoś musi wiedzieć, czy wygenerowane rozwiązanie jest poprawne, bezpieczne i sensowne.
W jakim kierunku powinien rozwijać się programista?
Jeśli ktoś już jest programistą, moim zdaniem nie powinien udawać, że AI go nie dotyczy. Lepiej potraktować je jak kolejne narzędzie w warsztacie. Tak jak kiedyś warto było nauczyć się Gita, Dockera, chmury czy frameworków webowych, tak dziś warto nauczyć się efektywnej pracy z modelami AI.
Dobrym kierunkiem rozwoju jest architektura oprogramowania. Im więcej kodu można wygenerować automatycznie, tym ważniejsze staje się projektowanie całości: podział systemu, komunikacja między usługami, wybór technologii, skalowanie, bezpieczeństwo i utrzymanie.
Drugim obszarem jest AI engineering, czyli praktyczne budowanie aplikacji wykorzystujących modele AI. Nie każdy musi od razu trenować własne modele, ale coraz więcej firm będzie potrzebowało osób, które potrafią połączyć aplikację z modelem językowym, przygotować dobre prompty, obsłużyć dane, ograniczyć błędy i wdrożyć rozwiązanie produkcyjnie.
Warto też patrzeć w stronę data engineeringu. AI potrzebuje danych, a dane w firmach często są rozproszone, nieuporządkowane i trudne do użycia. Osoby, które potrafią budować procesy przetwarzania danych, integrować systemy i dbać o jakość informacji, będą bardzo potrzebne.
Kolejny kierunek to cyberbezpieczeństwo. Im więcej automatyzacji i AI, tym więcej nowych zagrożeń. Firmy będą potrzebowały ludzi, którzy rozumieją bezpieczeństwo aplikacji, infrastruktury, danych i modeli AI. To obszar, który raczej nie straci na znaczeniu.
Nie można też zapominać o rolach łączących technologię z biznesem: product engineer, technical product manager, solution architect czy developer advocate. W takich rolach liczy się nie tylko kod, ale też zrozumienie użytkownika, produktu i komunikacji.
A jeśli ktoś dopiero chce wejść do IT?
W 2018 roku popularna rada brzmiała często: naucz się programować, zrób kilka projektów, aplikuj na juniora. Dzisiaj ta droga nadal istnieje, ale jest trudniejsza. Rynek juniorów jest bardziej wymagający, konkurencja większa, a proste zadania coraz łatwiej wspierać narzędziami AI.
Osoba, która chce wejść do IT, powinna więc celować nie tylko w samo pisanie kodu, ale w konkretną specjalizację. Dobrym wyborem może być analityk danych, data engineer, tester automatyzujący, specjalista DevOps/Cloud, cybersecurity analyst, AI automation specialist albo no-code/low-code developer z solidnym rozumieniem procesów biznesowych.
To nie znaczy, że klasyczny frontend, backend czy Java przestają mieć sens. Mają sens, ale warto od początku uczyć się ich w szerszym kontekście. Nie tylko „jak napisać endpoint”, ale też po co on istnieje, jak jest zabezpieczony, jak go przetestować, jak działa baza danych, jak monitorować błędy i jak wykorzystać AI, żeby pracować szybciej, ale nie bezmyślnie.
Czy warto zostać programistą w czasach AI?
Moja odpowiedź brzmi: tak, ale pod innymi warunkami niż kilka lat temu. Jeśli ktoś chce wejść do IT tylko dlatego, że „programiści dużo zarabiają”, może się rozczarować. Jeśli jednak ktoś lubi rozwiązywać problemy, uczyć się nowych rzeczy, rozumieć systemy i pracować z technologią, to nadal jest to bardzo dobry kierunek.
Programowanie nie kończy się, ale zmienia się jego charakter. Mniej wartościowe będzie mechaniczne pisanie kolejnych linijek kodu. Bardziej wartościowe będzie łączenie umiejętności technicznych z myśleniem produktowym, analizą danych, bezpieczeństwem i umiejętnością korzystania z AI.
Artykuł z 2018 roku był pisany w czasie, gdy głównym argumentem za wejściem do IT były dobre warunki, stabilność i rosnący popyt na programistów. Dzisiaj dodałbym do tego jedną ważną uwagę: warto wejść do IT, ale trzeba być gotowym na ciągłą zmianę. AI nie zabierze pracy wszystkim programistom. Może jednak mocno ograniczyć miejsce dla tych, którzy nie będą chcieli rozwijać się dalej.
Największą przewagę będą miały osoby, które nie zatrzymają się na samym pisaniu kodu, ale nauczą się łączyć wiedzę techniczną z rozumieniem biznesu, umiejętnie korzystać z AI i rozwijać kompetencje miękkie, które często decydują o tym, czy potrafimy się jasno komunikować i rozumieć potrzeby innych.
