Pojawiają się nowe stanowiska związane z AI, ale nadal trudno zdefiniować zakres tej pracy

Google News pokazało 2 sierpnia tekst Douga Levina „New Titles Because of AI and Beyond”, umieszczając prowokacyjną tezę dotyczącą kariery zawodowej w strumieniu informacji o regulacjach AI.

Poza nagłówkiem i wskazaniem autora wpis zawiera niewiele dostępnych szczegółów. To ograniczenie ma znaczenie, ponieważ tekst o nazwach stanowisk może łatwo zostać odebrany jako prognoza masowej zmiany zawodów.

Ostrożniejszy, ale bardziej użyteczny wniosek jest węższy. AI zmienia granice między istniejącymi zawodami, zanim pracodawcy uzgodnią nazwy dla pracy, która z tego wynika.

Powoduje to konflikt między widocznymi etykietami a rzeczywistością operacyjną. Firmy chcą stanowisk sygnalizujących kompetencje w zakresie AI, podczas gdy pracownicy potrzebują ról z jasno określonymi uprawnieniami, kryteriami oceny i ścieżkami kariery.

Nagłówek Levina oddaje pierwszą połowę tego konfliktu. Dane z rynku pracy dostarczają drugiej.

Wpis w Google News wskazuje Levina i jego Substack jako źródło. Jednak artykuł źródłowy nie był konsekwentnie dostępny do niezależnej weryfikacji w czasie przygotowywania tej analizy.

Ta luka w weryfikacji uniemożliwia formułowanie stanowczych twierdzeń o pełnej argumentacji Levina. Nie usuwa jednak szerszego pytania postawionego przez nagłówek.

Czy nowe stanowiska związane z AI są dowodem na rzeczywiście nową pracę, czy firmy jedynie przemianowują znane obowiązki, podczas gdy ich modele organizacyjne pozostają nieustalone?

Co faktycznie zmienił nagłówek w Google News

Bezpośrednim wydarzeniem jest opublikowany argument dotyczący nazewnictwa zawodów, a nie utworzenie oficjalnej profesji ani kategorii zatrudnienia.

Google News rozpowszechniło nagłówek w strumieniu oznaczonym tematyką regulacji i bezpieczeństwa AI. Źródłem była publikacja Douga Levina na Substack, „Lessons from a Startup Life.”

Levin przedstawia się jako menedżer technologiczny, założyciel, członek zarządów i doradca startupów. Publikacja Douga Levina koncentruje się na AI, startupach, zarządzaniu i decyzjach stojących przed liderami biznesu.

To tło nadaje nagłówkowi perspektywę zarządczą. Przedstawia nowe stanowiska jako organizacyjną odpowiedź na AI, a nie jako klasyfikację wydaną przez statystyków rządowych lub stowarzyszenia zawodowe.

To rozróżnienie jest istotne. Autor newslettera może wskazać wyłaniający się trend, ale to pracodawcy nadal decydują, jakie stanowiska istnieją i jakie uprawnienia się z nimi wiążą.

Rekruterzy przekładają następnie te stanowiska na opisy pracy. Pracownicy interpretują je jako możliwości rozwoju kariery, a zespoły odpowiedzialne za wynagrodzenia próbują porównać je z ustalonymi rolami.

Systemy wyszukiwania i agregacji dodają kolejną warstwę. Zwięzły nagłówek może dotrzeć dalej niż kwalifikacje zawarte w pierwotnym artykule.

To wydaje się kluczowym ryzykiem w tym przypadku. „Nowe stanowiska z powodu AI” brzmi konkretnie, lecz dostępny wpis nie potwierdza, które tytuły zyskały znaczące rozpowszechnienie.

Nie ujawnia również, czy Levin traktuje te tytuły jako rekomendacje, obserwacje, żarty czy ostrzeżenia. Jakiekolwiek szczegółowe przypisanie znaczenia wykraczałoby zatem poza dostępne dowody.

Mimo to nagłówek trafił do Google News, ponieważ dotyka rozpoznawalnej zmiany. Organizacje zmagają się z przypisaniem odpowiedzialności za systemy AI obejmujące produkt, inżynierię, kwestie prawne, bezpieczeństwo i operacje.

W tradycyjnym zespole tworzącym oprogramowanie często można oddzielić rozwój aplikacji od infrastruktury i zgodności z wymogami. System AI sprawia, że te granice są mniej stabilne.

Jego działanie zależy jednocześnie od modeli, pobieranych informacji, promptów, uprawnień, ewaluacji i ludzkiej kontroli. Awaria może mieć źródło w każdej z tych warstw.

Ktoś musi zdecydować, do jakich danych system może uzyskać dostęp. Ktoś musi mierzyć jakość wyników, badać błędy, kontrolować wydatki i określać, kiedy zatwierdzenie przez człowieka pozostaje obowiązkowe.

Te obowiązki są realne, nawet gdy stanowisko nad nimi jest nowe. Debata nie dotyczy więc przede wszystkim słownictwa.

Dotyczy tego, czy organizacja uznała pracę, która wcześniej wypadała między działami.

Nowe stanowisko nabiera znaczenia, gdy wyjaśnia, kto jest właścicielem danego obszaru. Staje się kosmetyczne, gdy jedynie dodaje „AI” przed istniejącą rolą, bez zmiany decyzji, zasobów ani rozliczalności.

Takie napięcie wywołuje ten nagłówek. Zachęca czytelników, by spojrzeli poza nowość i zapytali, czy pracodawcy przeprojektowali samą pracę.

Stanowiska AI rosną szybciej niż jasność organizacyjna

Pracodawcy odczuwają presję, by komunikować kompetencje AI, zanim ustalą, kto odpowiada za wdrożenie, bezpieczeństwo, ewaluację i wyniki biznesowe.

Najmocniejsze dowody na tę presję pochodzą z aktywności na rynku pracy, a nie z list pomysłowych nazw stanowisk.

Wrześniowy monitor rynku pracy AI LinkedIn z 2025 r. przeanalizował dane o pracownikach pochodzące od ponad 200 milionów członków w Stanach Zjednoczonych.

Wskazano w nim, że zatrudnianie talentów inżynierskich w obszarze AI wzrosło w 2025 r. o ponad 25 procent rok do roku. Stanowiska inżynierskie związane z AI stanowiły niemal 7 procent technicznych ofert pracy.

Według raportu udział ten wzrósł o 63 procent względem poprzedniego roku. Jednocześnie talenty AI stanowiły mniej niż 1 procent członków LinkedIn.

Liczby te opisują rzeczywistą nierównowagę popytu. Nie dowodzą, że każde nowe stanowisko reprezentuje odrębny zawód.

Firma rywalizująca o rzadkich kandydatów ma kilka powodów, by eksperymentować z nazwami stanowisk. Może sygnalizować ambicję technologiczną, odróżnić dane stanowisko od zwykłej pracy programistycznej lub dotrzeć do węższej puli kandydatów.

Nazwa stanowiska kształtuje też oczekiwania wewnątrz firmy. Nazwanie kogoś inżynierem AI sugeruje, że zachowanie modelu i projektowanie aplikacji AI należą do zakresu tej osoby.

Nazwanie tej samej osoby inżynierem rozwiązań może podkreślać wdrożenie u klienta. „Forward-deployed engineer” sugeruje bezpośrednią odpowiedzialność za dostosowanie produktu w środowisku klienta.

Menedżer produktu AI może odpowiadać za wybór przypadków użycia i wyniki produktu. Lider ds. zarządzania AI może koncentrować się na politykach, dokumentacji, mechanizmach kontroli i ścieżkach eskalacji.

Te stanowiska nakładają się na siebie, ponieważ nakładają się na siebie wdrażane systemy AI. Wybór modelu wpływa jednocześnie na koszt, opóźnienia, bezpieczeństwo i jakość wyników.

To nakładanie się tworzy problem zarządczy. Jeśli wszyscy uczestniczą w AI, nikt nie jest automatycznie właścicielem końcowego rezultatu.

Dyrektor ds. AI może koordynować strategię, ale nie mieć uprawnień wobec zespołów produktowych. Specjalista ds. zarządzania może definiować mechanizmy kontroli, ale nie kontrolować harmonogramów wydań.

Inżynier AI może tworzyć systemy ewaluacyjne, ale nie decydować, jaki poziom błędów zaakceptują klienci. Zespoły prawne mogą identyfikować ryzyko bez wyboru zachowania produktu, które je powoduje.

Nowe stanowiska często pojawiają się na tych granicach. Są organizacyjną próbą przekształcenia wspólnej troski w nazwaną odpowiedzialność.

Presja wykracza poza firmy technologiczne. Edukacja, usługi profesjonalne, finanse, ochrona zdrowia, produkcja i administracja publiczna potrzebują ludzi, którzy potrafią łączyć modele z procesami specyficznymi dla danej dziedziny.

Ci pracodawcy nie mogą po prostu kopiować schematu organizacyjnego laboratorium. Ich praca nad AI jest bliższa regulowanym danym, klientom, pracownikom i decyzjom operacyjnym.

Potrzebują tłumaczy między możliwościami technicznymi a odpowiedzialnością instytucjonalną. Jednak „tłumacz” rzadko komunikuje wystarczający zakres uprawnień w ogłoszeniu o pracę.

Pracodawcy odpowiadają, tworząc złożone nazwy stanowisk. Określenia takie jak strategia AI, odpowiedzialna AI, inżynieria agentów, ryzyko modeli i operacje AI coraz częściej pojawiają się obok utrwalonych funkcji.

Wynikający z tego rynek może wyglądać na dojrzalszy, niż jest w rzeczywistości. Dopracowana nazwa stanowiska może ukrywać eksperymentalny mandat, niepewne finansowanie lub sprzeczne linie raportowania.

Kandydaci powinni zatem analizować czasowniki kryjące się pod etykietą. „Odpowiadać”, „zatwierdzać”, „oceniać”, „wdrażać” i „monitorować” mówią więcej niż liczba terminów związanych z AI.

Stanowisko odpowiedzialne za wyniki potrzebuje dostępu do systemów, danych, budżetów i decydentów. Bez tych zasobów nazwa stanowiska wiąże się przede wszystkim z ryzykiem reputacyjnym.

To właśnie osoby objęte tym trendem odczuwają presję: pracodawcy muszą tworzyć wiarygodne role, a pracownicy muszą odróżniać rzeczywiste uprawnienia od brandingu.

Prawdziwa rywalizacja dotyczy nowej rozliczalności, a nie nowych etykiet

Centralnym konfliktem nie są stare stanowiska przeciw nowym. Chodzi o operacyjną rozliczalność kontra inflację tytułów.

Inflacja tytułów występuje wtedy, gdy rola otrzymuje modniejszą nazwę bez odpowiadającej jej zmiany zakresu, uprawnień lub wymaganych kompetencji.

Praktyka ta poprzedza generatywną AI. Cykle technologiczne wielokrotnie tworzyły nowe etykiety wokół internetu, aplikacji mobilnych, infrastruktury chmurowej, data science i cyberbezpieczeństwa.

Niektóre z tych etykiet dojrzały do trwałych profesji. Inne zniknęły, ponieważ ich obowiązki wróciły do szerszych zespołów inżynieryjnych, marketingowych lub operacyjnych.

Stanowiska AI przejdą ten sam proces selekcji. Te trwałe będą opisywać pracę, która pozostanie potrzebna po zmianie poszczególnych narzędzi.

Ewaluacja jest prawdopodobnym przykładem. Proces ewaluacji AI mierzy, czy system zachowuje się akceptowalnie w określonych zadaniach, wobec użytkowników i w warunkach awarii.

Ta praca nie znika, gdy organizacja zmienia modele. W rzeczywistości zmiana modeli czyni spójną ewaluację jeszcze ważniejszą.

Zarządzanie kontekstem to kolejny przykład. Aplikacja AI często potrzebuje wybranych informacji firmowych w momencie udzielania odpowiedzi lub wykonywania działania.

Zespoły muszą kontrolować, które źródła trafiają do tego kontekstu, jak aktualne są te informacje i kto może uzyskać do nich dostęp. Retrieval-augmented generation, często nazywane RAG, dostarcza odpowiedziom modelu wybrane informacje zewnętrzne.

Terminologia może ewoluować, ale odpowiedzialność pozostaje. Organizacje nadal potrzebują niezawodnego doboru informacji i kontroli uprawnień.

Operacje związane z agentami również opisują trwałą potrzebę. Agent to oprogramowanie, które wykorzystuje model do wybierania i wykonywania działań prowadzących do celu.

Gdy agent może wysyłać wiadomości, zmieniać rekordy, wykonywać kod lub zatwierdzać transakcje, monitorowanie staje się funkcją operacyjną. Ktoś musi definiować ograniczenia i badać nieoczekiwane działania.

Te obowiązki wspierają odrębne specjalizacje, ponieważ wymagają różnych dowodów i praw decyzyjnych. Ewaluacja pyta, czy system działa, natomiast zarządzanie pyta, czy jego użycie jest dozwolone.

Bezpieczeństwo bada, jak system może zostać zmanipulowany lub niewłaściwie wykorzystany. Zespoły produktowe decydują, czy pozostałe ryzyko jest akceptowalne dla konkretnego doświadczenia klienta.

Użyteczna nazwa stanowiska czyni jedną z tych granic odpowiedzialności czytelną. Słaba nazwa łączy wszystko w rolę „lidera AI” i pozostawia uprawnienia nierozstrzygnięte.

To rozróżnienie wpływa na jakość zatrudniania. Kandydaci nie mogą przygotować się do roli, jeśli pracodawca nie zdefiniował jej rzeczywistego problemu.

Wpływa również na oceny wyników. Osoba nie może być sprawiedliwie oceniana pod kątem wdrożenia, kosztów, bezpieczeństwa i wartości biznesowej, jeśli inne zespoły kontrolują każdą z tych zmiennych.

Prognoza dotycząca miejsc pracy Światowego Forum Ekonomicznego ilustruje, dlaczego ta niepewność będzie się utrzymywać.

W raporcie z 2025 roku prognozowano, że szerokie zmiany na rynku pracy stworzą do 2030 roku 170 milionów miejsc pracy i wyprą 92 miliony. Szacunki obejmują kilka sił makroekonomicznych, a nie wyłącznie AI.

W analizie technologicznej przewidywano, że AI i przetwarzanie informacji stworzą 11 milionów miejsc pracy, jednocześnie wypierając 9 milionów. To historia realokacji, a nie prostego wzrostu.

Raport wskazał również specjalistów ds. AI i uczenia maszynowego jako jedne z najszybciej rosnących zawodów. Jednocześnie umieścił niektóre zawody związane z pracą umysłową wśród najszybciej zanikających.

Te ustalenia podważają każde proste twierdzenie, że nowe stanowiska automatycznie oznaczają nowe możliwości netto. Tytuły mogą się pojawiać, podczas gdy łączna liczba stanowisk w pokrewnej funkcji maleje.

Bardziej wiarygodnym sygnałem jest przemieszczanie się zadań. Praca przechodzi między ludźmi, oprogramowaniem, dostawcami i działami, zanim nadążą za tym oficjalne klasyfikacje zawodowe.

Analityk może poświęcać mniej czasu na tworzenie rutynowych podsumowań, a więcej na weryfikowanie pracy wygenerowanej przez model. Inżynier oprogramowania może pisać mniej powtarzalnego kodu, a częściej przeprowadzać przeglądy na poziomie całego systemu.

Menedżer może spędzać mniej czasu na przygotowywaniu raportów statusowych, a więcej na projektowaniu procesów decyzyjnych. Żadna z tych zmian nie wymaga automatycznie nowego tytułu.

Nowy tytuł staje się jednak uzasadniony, gdy zmieniony zestaw zadań wymaga innego profilu rekrutacyjnego lub wiąże się z innym zakresem uprawnień.

Ten test jest bardziej rygorystyczny niż sama nowość. Pyta, czy firma rekrutowałaby, szkoliła, wynagradzała i oceniałaby tę osobę inaczej.

Jeśli odpowiedź brzmi nie, nowy tytuł jest prawdopodobnie tymczasowym opakowaniem. Jeśli tak, rola zaczyna nabierać instytucjonalnego charakteru.

Co potwierdzają dane o pracy związanej z AI, a czego nie potwierdzają

Obecne dowody wskazują na szybkie zmiany kompetencji i nierównomierne przeprojektowywanie zadań, ale nie uzasadniają pewnych prognoz dla każdego proponowanego zawodu związanego z AI.

Barometr miejsc pracy PwC z 2026 roku przeanalizował ponad miliard ogłoszeń o pracę z sześciu kontynentów.

Wynika z niego, że wymagane kompetencje w zawodach najbardziej narażonych na wpływ AI zmieniały się ponad dwukrotnie szybciej niż w zawodach najmniej narażonych.

Raport opisał również rynek dwutorowy. Role wzmacniane przez AI rozwijały się inaczej niż role, w których AI obniżała bariery wykonywania pracy.

PwC podało, że miejsca pracy w kategorii „professionalised” rosły dwukrotnie szybciej niż role „democratised”. Płace w pierwszej kategorii wzrosły od 2021 roku o 42 procent szybciej.

Analiza wykazała także, że w przypadku silnie eksponowanych stanowisk juniorskich siedmiokrotnie częściej wymagano kompetencji tradycyjnie kojarzonych z bardziej doświadczonymi pracownikami, w tym przywództwa.

To ustalenie ma szczególne znaczenie dla projektowania tytułów stanowisk. Pracodawcy mogą zachować utrwalony juniorski tytuł, jednocześnie po cichu podnosząc poziom osądu oczekiwany od osoby na tym stanowisku.

Może zachodzić również odwrotna sytuacja. Nowy tytuł związany z AI może zostać przypisany do pracy, którą istniejące zespoły już wykonują przy użyciu nowych narzędzi.

Oba wzorce komplikują porady zawodowe. Pracownicy nie mogą zakładać, że stary tytuł oznacza starą pracę ani że nowy tytuł gwarantuje nową ścieżkę kariery.

Dane mają też ograniczenia metodologiczne. Ogłoszenia o pracę wyrażają intencje pracodawców, które mogą różnić się od faktycznie przeprowadzonych rekrutacji i codziennej pracy.

Firmy mogą kopiować język konkurentów lub uwzględniać pożądane umiejętności, które są rzadko wykorzystywane. Ogłoszenie nie ujawnia, czy pracownik po zatrudnieniu otrzymuje odpowiednie uprawnienia.

Dane o wykorzystaniu oferują inną perspektywę, ale wiążą się z innymi ograniczeniami.

Czerwcowy indeks ekonomiczny Anthropic z 2026 roku przeanalizował, jak ludzie korzystają z Claude, oraz objął ankietą próbę jego użytkowników.

Prawie sześciu na dziesięciu respondentów wybrało wyższy przedział udziału ich pracy, który AI mogłaby wykonywać za dwanaście miesięcy.

Ponad jedna trzecia oczekiwała, że AI obsłuży większość lub niemal wszystkie ich zadania w tym okresie. Anthropic wyraźnie zaznaczył jednak, że ankieta nie była reprezentatywna dla całej populacji.

Zawody informatyczne i matematyczne stanowiły około 30 procent respondentów, w porównaniu z około 4 procentami zatrudnienia w Stanach Zjednoczonych.

Role kierownicze również były nadreprezentowane. Taki skład może wzmacniać oczekiwania osób, które już są blisko wdrażania AI.

Kontrast między danymi z ogłoszeń o pracę a danymi o wykorzystaniu jest użyteczny. Pracodawcy ujawniają, czego chcą, podczas gdy użytkownicy pokazują, co ich zdaniem potrafią narzędzia.

Żaden z tych zbiorów danych nie mówi bezpośrednio, które nowe tytuły stanowisk przetrwają. Trwałość wymaga kilku dodatkowych warunków.

Rola potrzebuje powtarzalnego popytu u różnych pracodawców. Jej obowiązki muszą być wystarczająco konkretne, aby można było ich nauczać, porównywać je i je oceniać.

Stanowisko potrzebuje też rozpoznawalnej ścieżki od pracy juniorskiej do uprawnień seniorskich. Bez takiego rozwoju pozostaje tymczasowym przydziałem projektowym.

Standardy zawodowe mogą wzmacniać rolę, lecz przedwczesna certyfikacja może utrwalić słabe założenia. Praktyki związane z AI nadal zmieniają się zbyt szybko, by każda etykieta mogła stanowić podstawę stabilnego poświadczenia kwalifikacji.

Regulacje dodają kolejne źródło niepewności. Przepisy mogą tworzyć pracę związaną z dokumentacją, monitorowaniem i zarządzaniem ryzykiem, nie wskazując dokładnie, który dział ma za nią odpowiadać.

Jedna firma może umieścić tę pracę w dziale prawnym. Inna może przypisać ją bezpieczeństwu, zgodności, operacjom produktowym albo dedykowanemu zespołowi ds. odpowiedzialnej AI.

Dlatego ten sam obowiązek może generować kilka tytułów. Nie należy liczyć tych tytułów jako odrębnych form popytu gospodarczego bez zbadania ich zadań.

To sceptyczne spojrzenie, którego brakuje w wielu dyskusjach o karierach w AI. Nazywanie pracy jest łatwiejsze niż budowanie wokół niej instytucji.

Google News może sprawić, że tytuł stanie się widoczny w ciągu kilku godzin. Pracodawcy mogą potrzebować lat, aby ustalić, czy stojąca za nim rola zasługuje na stałe miejsce w organizacji.

Pracownicy powinni czytać opis stanowiska jak mapę kontroli

Wiarygodna rola związana z AI określa, o czym pracownik może decydować, jakie dowody musi przedstawić oraz kto ponosi odpowiedzialność, gdy system zawiedzie.

Dla pracowników praktyczną odpowiedzią nie jest zapamiętywanie każdego pojawiającego się tytułu związanego z AI. Chodzi o przełożenie każdego ogłoszenia na mapę decyzji i zależności.

Zacznij od obiektu zarządzania. Czy rola odpowiada za model, aplikację, wewnętrzny proces, wdrożenie u klienta czy politykę obowiązującą w całej organizacji?

Te obiekty wymagają różnych umiejętności. Praca nad modelem kładzie nacisk na trenowanie, inferencję i ocenę, podczas gdy praca nad aplikacją łączy inżynierię oprogramowania z zachowaniem użytkowników i niezawodnością operacyjną.

Rola dotycząca wewnętrznych procesów wymaga projektowania procesów i zarządzania zmianą. Rola wdrożeniowa u klienta potrzebuje wiedzy dziedzinowej, pracy integracyjnej i bezpośredniej komunikacji.

Rola związana z nadzorem wymaga dowodów, dokumentacji, klasyfikacji ryzyka i procedur eskalacji. Nie należy traktować jej jako ogólnego stanowiska komunikacyjnego.

Następnie określ dostępne mechanizmy kontroli. Czy pracownik może wybierać modele, zmieniać prompty, ograniczać narzędzia, blokować wdrożenia lub wymagać zatwierdzenia przez człowieka?

Czy dana osoba może sprawdzać logi wykorzystania i wyniki ewaluacji? Czy rola dysponuje budżetem, czy zależy od innego zespołu przy każdej zmianie?

Te szczegóły decydują o tym, czy odpowiedzialność jest realna. Osoba, której przypisano odpowiedzialność bez mechanizmów kontroli, staje się wygodnym właścicielem porażek, którym nie może zapobiec.

Kandydaci powinni również pytać, jak mierzy się sukces. Samo wdrożenie nagradza skalę, nawet jeśli wyniki są niewiarygodne lub system przynosi niewielką wartość biznesową.

Wykorzystanie tokenów mierzy konsumpcję, a nie rezultaty. Liczba zautomatyzowanych zadań niewiele mówi bez informacji o dokładności, czasie weryfikacji i konsekwencjach.

Użyteczne metryki łączą zachowanie techniczne z procesem biznesowym. Mogą obejmować wskaźniki ukończenia, korekty dokonywane przez ludzi, wagę błędów, czas cyklu i utrzymanie użytkowników.

Dokładne miary zależą od systemu. Istotne jest to, czy pracodawca zdefiniował akceptowalny rezultat i metodę jego testowania.

Szczególnej uwagi wymaga pochodzenie wiedzy. Pochodzenie wskazuje, skąd informacja pochodzi i jak trafiła do odpowiedzi lub decyzji.

Systemy AI mogą tworzyć płynne odpowiedzi, opierając się jednocześnie na nieaktualnych, niepełnych lub nieuprawnionych informacjach. Tytuł związany z operacjami AI powinien określać, kto utrzymuje te przepływy informacji.

To także obszar, w którym zarządzanie wiedzą osobistą staje się istotne dla indywidualnych pracowników. Ludzie potrzebują wiarygodnego rejestru źródeł, decyzji i zmieniających się obowiązków.

Pracownik przechodzący do roli silnie związanej z AI powinien dokumentować, które zadania się zmieniły, jakie mechanizmy kontroli dodano i które wyniki się poprawiły.

Taki rejestr jest trwalszy niż tytuł na wizytówce. Wspiera też przyszłe rozmowy rekrutacyjne, gdy pracodawcy używają różnych nazw dla podobnej pracy.

Menedżerowie powinni wykonać to samo ćwiczenie przed otwarciem rekrutacji. Najpierw powinni zdefiniować powtarzający się problem, a dopiero potem wybrać tytuł.

Opis stanowiska powinien wskazywać, które decyzje należą do tej roli, a które pozostają po stronie działu prawnego, bezpieczeństwa, inżynierii lub kierownictwa biznesowego.

Powinien odróżniać wymagane doświadczenie od preferencji dotyczących konkretnych narzędzi. W przeciwnym razie zespoły rekrutacyjne mogą odrzucać zdolnych kandydatów tylko dlatego, że nie znają niedawno popularnego produktu.

Firmy powinny również unikać łączenia kilku seniorskich profesji w jednym juniorskim stanowisku. Ogłoszenie wymagające architektury, uczenia maszynowego, bezpieczeństwa, nadzoru, strategii produktowej i sprzedaży nie staje się automatycznie multidyscyplinarne.

Może po prostu ujawniać, że organizacja nie podzieliła tej pracy. Tytuł nie naprawi tego błędu planowania.

Jasny zakres poprawia mobilność na rynku pracy. Pozwala kandydatom porównywać stanowiska o różnych nazwach, lecz wymagające podobnych kompetencji.

Ujawnia też sytuacje, w których identyczne tytuły skrywają bardzo różne stanowiska. „AI engineer” w laboratorium tworzącym modele może znacząco różnić się od tego samego tytułu w firmie ubezpieczeniowej.

Czytanie opisów jako map kontroli przynosi więc korzyści obu stronom. Pracodawcy zyskują bardziej realistyczny cel rekrutacyjny, a kandydaci unikają mylenia widoczności z uprawnieniami.

Trzy sygnały pokażą, które nowe tytuły związane z AI przetrwają

O kolejnym etapie zdecydują powtarzalne rekrutacje, formalna odpowiedzialność i mierzalne wyniki pracy, a nie częstotliwość pojawiania się w nagłówkach.

Pierwszym sygnałem jest konsolidacja tytułu wśród niepowiązanych pracodawców. Trwała rola powinna pojawiać się w wielu branżach, z rozpoznawalnym rdzeniem wspólnych obowiązków.

Sformułowania nie muszą być identyczne. Rola powinna jednak konsekwentnie odpowiadać za zdefiniowany problem, taki jak ewaluacja, niezawodność agentów lub ryzyko modelowe.

Jeśli każde ogłoszenie używa tego samego tytułu dla niezwiązanych ze sobą obowiązków, etykieta nie ustabilizowała się. Jeśli kilka tytułów zbiega się wokół tego samego zestawu zadań, konsolidacja już się rozpoczęła.

Ten sygnał wzmocniłby argument stojący za nagłówkiem Levina. Pokazałby, że pracodawcy nazywają rzeczywiście powtarzalną pracę, zamiast prowadzić odizolowane eksperymenty.

Drugim sygnałem jest formalne uprawnienie do podejmowania decyzji. Warto obserwować, czy nowe role zyskują prawa zatwierdzania, budżety, dostęp do raportowania i obowiązki eskalacyjne.

Tytuł związany z nadzorem bez dostępu do decyzji o wdrożeniu pozostaje rolą doradczą. Tytuł związany z ewaluacją bez uprawnienia do opóźnienia wydania ma ograniczoną wagę operacyjną.

Chief AI officer bez wpływu na inwestycje produktowe może działać głównie jako rzecznik. Schematy organizacyjne mają mniejsze znaczenie niż udokumentowane uprawnienia.

Dowody formalnej odpowiedzialności wzmocniłyby argument za odrębną profesją. Utrzymująca się niejednoznaczność sugerowałaby, że firmy zmieniają nazwy pracy koordynacyjnej, nie rozwiązując kwestii odpowiedzialności.

Trzecim sygnałem jest pomiar wyników oparty na efektach. Pracodawcy powinni łączyć role związane z AI z niezawodnością, kosztami, jakością wdrożenia, bezpieczeństwem lub wynikami biznesowymi.

To najtrudniejszy test, ponieważ wiele organizacji wciąż nie ma wiarygodnych punktów odniesienia. Mogą wiedzieć, jak często pracownicy korzystają z AI, nie wiedząc jednak, czy jakość pracy się poprawiła.

Trwały zawód potrzebuje powtarzalnych metod wykazywania wartości. W przeciwnym razie pozostaje podatny, gdy budżety są ograniczane lub uwaga kadry kierowniczej przenosi się gdzie indziej.

Ten sam test dotyczy osób poszukujących pracy. Obiecującemu stanowisku powinny towarzyszyć przykłady decyzji, systemów i rezultatów, za które pracownik będzie odpowiadać.

Widoczność w Google News może ujawnić, które sformułowania zyskują na zainteresowaniu, ale zainteresowanie jest jedynie wczesnym wskaźnikiem. Częstotliwość wyszukiwania nie potwierdza zawodowej legitymizacji.

Ważniejsze dowody pojawią się w opisach stanowisk, strukturach raportowania, szkoleniach zawodowych oraz utrzymanych etatach po zakończeniu programów eksperymentalnych.

Czytelnicy powinni również obserwować ugruntowane zawody. Wiele z największych skutków AI może wynikać ze zmienionych oczekiwań w ramach znanych ról.

Inżynierowie oprogramowania, analitycy, prawnicy, marketerzy, badacze i menedżerowie mogą przejąć obowiązki związane z AI bez zmiany tytułów stanowisk. Ta ścieżka może mieć większe znaczenie niż niewielka grupa bardzo widocznych stanowisk specjalistycznych.

Prawdopodobnym rezultatem będzie mieszany rynek pracy. Niektóre etykiety związane z AI dojrzeją, a inne znikną w szerszych funkcjach.

Pracownicy powinni przygotowywać się na podstawowe obowiązki, zamiast stawiać na jedno konkretne określenie. Ocena, zarządzanie informacją, projektowanie przepływów pracy, bezpieczeństwo i osąd oparty na wiedzy dziedzinowej można przenosić między stanowiskami.

Pracodawcy powinni powstrzymać się od ogłaszania nowej roli, dopóki nie potrafią opisać jej uprawnień. Tytuł bez kontroli tworzy zamieszanie zarówno dla kandydatów, jak i zespołów wewnętrznych.

Nagłówek Douga Levina jest wartościowy, ponieważ wskazuje na nierozstrzygnięte pytanie organizacyjne. Nie należy jednak traktować go jako zweryfikowanego katalogu zawodów jutra.

Trafniejsze pytanie brzmi: czy w Twojej organizacji istnieje praca, za którą nikt nie odpowiada w sposób jednoznaczny?

Jeśli tak, udokumentuj decyzje, ryzyka, dowody i rezultaty związane z tą pracą. Następnie zdecyduj, czy nowy tytuł wyjaśnia odpowiedzialność, czy jedynie reklamuje entuzjazm.

Nadal obserwuj dane o rynku pracy kryjące się za kolejnym nagłówkiem Google News. Przetrwają te tytuły, które będą powiązane z powtarzalnymi problemami, rzeczywistymi mechanizmami kontroli i wynikami, których pracodawcy będą mogli bronić.