Wstrząs rekrutacyjny w IT i tech: zatrudnienie juniorów w zawodach eksponowanych na AI spada o 19 procent

Najnowsze dane rejestrowe i płacowe wskazują na cichy kryzys u progu kariery zawodowej: firmy nie zwalniają masowo doświadczonych specjalistów, lecz drastycznie ograniczają nabór nowej generacji pracowników w rolach podatnych na działanie algorytmów generatywnych. Zatrudnienie osób w wieku 22–25 lat w zawodach o wysokiej ekspozycji na sztuczną inteligencję spadło aż o 19% w porównaniu do mniej eksponowanych rówieśników. Ten proces rodzi poważne ryzyko kompetencyjne dla organizacji technologicznych, odcinając dopływ talentów, które w przyszłości miałyby zastąpić kadrę seniorską.

Mechanizm: dlaczego AI uderza w początek drabiny kariery

Problem tkwi w zastępowaniu wiedzy skodyfikowanej przez algorytmy, co bezpośrednio eliminuje zadania tradycyjnie delegowane do najmłodszych pracowników. Firmy zatrzymują doświadczonych specjalistów, uzbrajając ich w modele generatywne, zamiast otwierać nowe rekrutacje dla absolwentów. W rezultacie struktura zespołów staje się senior-ciężka, co rodzi ryzyko zapaści kompetencyjnej w nadchodzących latach.

Proces ten opiera się na rozróżnieniu dwóch typów zasobów intelektualnych w firmie: Wiedza skodyfikowana (codified knowledge): Formalna, ustrukturyzowana, łatwa do opisania w podręcznikach, procedurach i dokumentacji technicznej. To ona stanowi podstawę edukacji akademickiej i to te zadania są najszybciej przejmowane przez sztuczną inteligencję. Wiedza ukryta (tacit knowledge): Nieformalna, oparta na wieloletnim doświadczeniu, intuicji, bezpośrednim mentoringu i radzeniu sobie z niejednoznacznością. Człowiek nabywa ją poprzez popełnianie błędów i praktykę. AI wspiera i potęguje wartość tej wiedzy u seniorów, jednocześnie odcinając juniorom drogę do jej zdobycia.

Pracodawcy ulegają pokusie optymalizacji kosztów: skoro asystent kodowania lub model językowy potrafi wykonać prostą analizę danych czy napisać standardowy interfejs API wielokrotnie szybciej i taniej, pozycja stażysty staje się zbędnym wydatkiem. Powstaje tzw. paradoks produktywności nowicjuszy: choć technologia ta najbardziej podnosi wydajność osób początkujących, menedżerowie rzadko wykorzystują ten zysk do zwiększenia zatrudnienia juniorów. Zamiast tego wolą realizować ten sam wolumen prac mniejszym, bardziej doświadczonym zespołem. Rynek przechodzi w stan określany jako „low-hire, low-fire” (niska częstotliwość zatrudniania, niska częstotliwość zwolnień), co najbardziej paraliżuje pozycję osób dopiero wchodzących na rynek pracy.

Skala zjawiska: twarde liczby z rynków USA i Szwecji

Analiza milionów rekordów płacowych ADP w USA oraz pełnych rejestrów Statistics Sweden ujawnia, że zapaść na rynku pracy dla młodszych roczników nie jest hipotetyczną prognozą, lecz faktem. Podczas gdy ogólne zatrudnienie rośnie, młodzi pracownicy w zawodach wyeksponowanych na AI drastycznie tracą udział w rynku. Dane te pokazują silny gradient wiekowy, który nie występuje w innych kohortach.

Kluczowe wskaźniki ilościowe zebrane do połowy 2026 roku pokazują precyzyjnie rozmiar zmian:

• 19% wynosi relatywna luka zatrudnienia u osób w wieku 22–25 lat w zawodach o wysokiej ekspozycji na generatywną AI w USA (dane ADP przez czerwiec 2026). Zatrudnienie w tej najmocniej eksponowanej grupie spadło o 11% od listopada 2022 roku, podczas gdy w grupach o niskiej ekspozycji wzrosło o 10%.
• 5,5% wynosi spadek zatrudnienia juniorów (wiek 22–25) w Szwecji w zawodach o wysokiej ekspozycji na AI do pierwszej połowy 2025 roku w ujęciu wewnątrzfirmowym (analiza Statistics Sweden kontrolująca stałe czynniki makroekonomiczne i decyzje pracodawców). W tym samym okresie zatrudnienie osób powyżej 50 roku życia wzrosło o 1,3%.
• Silna asymetria płci: Spadki zatrudnienia w Szwecji dotknęły młode kobiety ponad dwukrotnie mocniej niż młodych mężczyzn – spadek wewnątrzfirmowy wyniósł odpowiednio -1,6% dla kobiet i -0,7% dla mężczyzn w najmłodszej grupie wiekowej. Wynika to z silnej koncentracji kobiet w rolach administracyjnych i wsparcia klienta, które podlegają najsilniejszej automatyzacji.

Szwedzkie badania dostarczają unikalnego dowodu metodologicznego: ogólny spadek liczby ogłoszeń o pracę od 2022 roku pokrywał się czasowo z podwyżkami stóp procentowych przez Riksbank (kwiecień 2022, na 7 miesięcy przed premierą ChatGPT). Jednak zmiana struktury wiekowej wewnątrz firm nastąpiła dopiero po premierze narzędzi generatywnych, co jednoznacznie wiąże ten proces z technologią, a nie wyłącznie z cyklem koniunkturalnym.

Ryzyka biznesowe: kryzys osądu i pęknięty rurociąg talentów

Automatyzacja powtarzalnych zadań odbiera juniorom jedyny skuteczny poligon doświadczalny, co prowadzi do upośledzenia ich zdolności krytycznego myślenia i weryfikacji. Bez okresu powtarzalnej pracy pod okiem mentorów młodzi specjaliści nie są w stanie rozwinąć intuicji zawodowej ani etycznej. W efekcie powstaje pokolenie pracowników potrafiących szybko wygenerować wynik, lecz niezdolnych do jego rzetelnej oceny.

Najważniejsze ryzyka dla organizacji technologicznych to:

1. Zapaść osądu technicznego (Judgment Gap): Badanie branżowe LexisNexis prowadzone wśród blisko 900 prawników w Wielkiej Brytanii wykazało, że choć AI przyspiesza pracę juniorów według 58% respondentów (i 65% korzystających z płatnych narzędzi), to aż 72% badanych wskazuje głębokie rozumowanie prawne i argumentację jako największą lukę kompetencyjną u najmłodszych kadrowo pracowników. Kolejne 69% wskazuje na krytyczny brak umiejętności weryfikacji źródeł. Co ważne, tylko 2% uważa, że narzędzia te wspierają proces nauki.
2. Przerwanie procesu transferu wiedzy: Tradycyjny model zakładał, że programista zaczyna od prostych poprawek błędów (bugów), zanim przejdzie do trudniejszych decyzji architektonicznych. Gdy te proste zadania przejmuje oprogramowanie, junior nie ma przestrzeni na popełnianie kontrolowanych błędów. Pracownik pozbawiony rzetelnego treningu w przyszłości nie będzie w stanie efektywnie nadzorować i weryfikować systemów AI.
3. Błędna wycena kapitału ludzkiego: Organizacje optymalizują krótkoterminowe zyski, redukując koszty wdrożenia stażystów. Jednak w dłuższej perspektywie, w obliczu zbliżającego się odejścia na emeryturę pokolenia baby boomers, firmy zderzą się z krytycznym brakiem wykwalifikowanej kadry wyższego szczebla, której kompetencji nie da się kupić na rynku.

Analiza polskiego i europejskiego stacku technologicznego

Problem bezpośrednio dotyka liderów technologicznych, architektów IT oraz CTO w Unii Europejskiej, zmuszając ich do rewizji planów rekrutacyjnych i struktury ról inżynieryjnych. Presja na koszty w połączeniu z dostępnością asystentów kodowania zmienia zapotrzebowanie na konkretne specjalizacje. Tradycyjne role programistów ogólnych ulegają marginalizacji na rzecz inżynierów wyspecjalizowanych w infrastrukturze i bezpieczeństwie.

Kondycję rynku inżynieryjnego w 2026 roku opisują następujące fakty rynkowe:

• Spadek popytu na role ogólne: Liczba ogłoszeń dla początkujących programistów o profilu ogólnym (generalist software engineers) spadła o 25% w porównaniu ze szczytem z 2023 roku. Stopa bezrobocia wśród absolwentów nauk komputerowych wzrosła do 6,1%.
• Wzrost znaczenia MLOps i Cloud: Koszt utrzymania infrastruktury i GPU wymusza zatrudnianie specjalistów od optymalizacji kosztowej i systemów rozproszonych. Liczba ofert w obszarze Security Engineering wzrosła w ujęciu rocznym o 124%. Z kolei zapotrzebowanie na role powiązane z agentami autonomicznymi (Agentic AI) wzrosło o 280%.
• Asymetria płacowa: Specjaliści posiadający unikalne kompetencje w integracji dużych modeli językowych (LLM) oraz MLOps zarabiają o 15% do 25% powyżej standardowych stawek rynkowych dla danego poziomu.

Poniższa tabela porównuje strukturę finansową i popytową wybranych ról inżynieryjnych na rynku w 2026 roku:

Krajowe i globalne cięcia kadrowe u ugruntowanych gigantów takich jak Amazon (redukcja o 30 000 etatów korporacyjnych w celu przesunięcia kapitału rzędu 200 miliardów USD na centra danych AWS i układy AI) oraz Meta (zwolnienie 8000 osób na rzecz inwestycji do 145 miliardów USD w infrastrukturę modeli) potwierdzają, że budżety na kapitał ludzki są bezpośrednio transferowane na moc obliczeniową i specjalistyczne, wąskie zespoły inżynierii AI.

Wnioski praktyczne i rekomendacje

• Zmierz strukturę wiekową, płeć oraz poziom stażu w zespołach realizujących zadania o wysokim poziomie kodyfikacji (np. testowanie kodu, pisanie powtarzalnych skryptów), aby ocenić podatność Twojej organizacji na nagłe przerwanie rurociągu talentów seniorskich.
• Zweryfikuj dotychczasowe procedury wdrożeniowe (onboarding) dla młodszych programistów i architektów. Wprowadź do nich ustrukturyzowane testy i ćwiczenia weryfikacyjne (tzw. structured verification exercises), w których zadaniem nowicjusza jest znalezienie błędów logicznych, halucynacji oraz podatności bezpieczeństwa w kodzie wygenerowanym przez AI.
• Skonfiguruj metryki oceny wydajności pracy inżynierów tak, aby nie premiowały wyłącznie suchego wolumenu kodu (często sztucznie pompowanego przez generatory), lecz kładły nacisk na jakość architektury, rzetelność testów manualnych, osąd technologiczny i unikanie długu technicznego.
• Wdróż ramy współpracy z asystentami AI (takimi jak Copilot czy Cursor), pozycjonując je w zespołach juniorskich wyłącznie jako „partnera do myślenia” (thinking partner) do zadań chalendżujących i walidacyjnych, a nie jako gotowy skrót eliminujący proces samodzielnego myślenia i analizowania problemu.

🤖 Chcesz dowiedzieć się, jak zaimplementować strukturyzowane ćwiczenia weryfikacyjne dla swoich juniorów i zabezpieczyć rurociąg kompetencyjny w firmie?

Źródła

• AI’s first visible employment shock may be hitting the bottom rung of the career ladder: by June 2026, employment among 22–25-year-olds in highly AI-exposed occupations was running 19% behind their less-exposed peers, largely because companies were hiring fewer juniors—not firing experienced workers—raising an uncomfortable question about who becomes tomorrow’s senior analyst, lawyer or coder. – Silicon Canals
• Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence – Stanford Digital Economy Lab
• No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19% – Stanford Digital Economy Lab
• Remote Work or AI? What’s Really Driving the Job Crunch for Young Workers
• Research suggests AI is impacting junior lawyers’ judgement – Legal Cheek
• Same Storm, Different Boats: Generative AI and the Age Gradient in Hiring
• Software Engineering Job Market 2026: Data, Trends and Outlook – Final Round AI
• The Fastest Growing Job in Tech Right Now Forward deployed engineer is one of the hottest jobs in tech right now, and most people have no idea what it actually is. This one explains it with a real example: an AI company embedding an engineer inside an insurance company to make a failing AI product actually work. You – Facebook