Rozwój sztucznej inteligencji wywołuje wiele dyskusji o przyszłości rynku pracy. Najczęściej dotyczą one automatyzacji zadań i wpływu AI na istniejące zawody. Rzadziej mówi się o tym, że wokół tej technologii powstaje wiele nowych specjalizacji, obejmujących nie tylko tworzenie modeli, ale także ich wdrażanie, ocenę, nadzór oraz bezpieczne wykorzystanie.
Wraz z upowszechnieniem dużych modeli językowych oraz systemów generatywnej AI organizacje i firmy zaczęły potrzebować specjalistów o kompetencjach, których jeszcze kilka lat temu praktycznie nie poszukiwano. Obok inżynierów rozwijających rozwiązania AI pojawiły się stanowiska związane z przygotowaniem danych, oceną jakości odpowiedzi modeli, projektowaniem interakcji z użytkownikami czy zapewnieniem zgodności z regulacjami.
Nie wszystkie z tych stanowisk są jednak całkowicie nowymi zawodami. W wielu przypadkach są to nowe specjalizacje lub rozszerzenia stanowisk takich jak programista, analityk danych czy product manager. Rozwój AI zmienia więc zakres kompetencji specjalistów.
W tym artykule opisujemy stanowiska, które pojawiły się lub zyskały na znaczeniu wraz z rozwojem sztucznej inteligencji i wyjaśniamy, czym zajmują się osoby je zajmujące, dlaczego stały się potrzebne oraz jakie kompetencje są w nich najważniejsze.
Specjaliści przygotowujący dane i oceniający modele
Skuteczność modeli zależy od znacznie większej liczby czynników niż sama jego architektura. Znaczenie mają jakość danych wykorzystywanych podczas treningu i dostrajania modeli, sposób ich testowania oraz ciągła ocena generowanych odpowiedzi. Wokół tych obszarów powstały specjalizacje, których zadaniem jest przygotowanie modeli do praktycznego wykorzystania oraz monitorowanie jakości ich działania.
AI Trainer (AI Data Trainer)
AI Trainer, nazywany również AI Data Trainer, odpowiada za przygotowanie danych wykorzystywanych do trenowania, dostrajania (fine-tuningu) i oceny modeli sztucznej inteligencji. Do jego zadań może należeć m.in. porządkowanie i opisywanie danych, tworzenie przykładów uczących model prawidłowych odpowiedzi oraz weryfikacja materiałów wykorzystywanych w procesie uczenia.
W przypadku modeli generatywnych ta rola często obejmuje również ocenę odpowiedzi modelu i wskazywanie, które z nich lepiej spełniają określone kryteria. Takie informacje są później wykorzystywane do dalszego doskonalenia modeli. W wielu organizacjach zadania AI Trainerów wykonują analitycy danych, lingwiści, eksperci dziedzinowi lub specjaliści odpowiedzialni za jakość danych.
AI Evaluator
AI Evaluator odpowiada za ocenę jakości działania modeli sztucznej inteligencji. Jego rola jest szczególnie ważna w przypadku systemów generatywnych, które potrafią tworzyć odpowiedzi brzmiące przekonująco, ale zawierające błędy lub informacje niezgodne z rzeczywistością.
Do zadań AI Evaluatora należy projektowanie scenariuszy testowych, analiza odpowiedzi modeli oraz sprawdzanie, czy system działa zgodnie z wymaganiami. Może on oceniać między innymi poprawność merytoryczną odpowiedzi, ich spójność czy bezpieczeństwo.
Rola AI Evaluatora wykracza więc poza zwykłe testowanie oprogramowania. Wymaga połączenia kompetencji analitycznych, znajomości konkretnej dziedziny oraz rozumienia ograniczeń modeli AI.
Synthetic Data Specialist
Jednym z największych wyzwań podczas tworzenia systemów AI jest dostęp do odpowiednich danych. W wielu zastosowaniach rzeczywiste dane są trudne do pozyskania, ograniczone ze względu na ochronę prywatności lub niewystarczające do przeprowadzenia odpowiednich testów.
Synthetic Data Specialist zajmuje się tworzeniem i oceną danych syntetycznych, czyli danych generowanych przez sztuczną inteligencję. Mogą one służyć między innymi do trenowania, testowania i rozwijania modeli AI w sytuacjach, gdy wykorzystanie prawdziwych danych jest ograniczone.
To stosunkowo nowa specjalizacja łącząca kompetencje z obszaru sztucznej inteligencji, analizy danych i statystyki. Jej znaczenie rośnie wraz z zapotrzebowaniem na bezpieczne i wysokiej jakości dane do rozwoju systemów AI.
Specjaliści tworzący i wdrażający rozwiązania AI
Aby model mógł wspierać pracowników lub klientów, trzeba połączyć go z danymi organizacji, zintegrować z istniejącymi systemami i dostosować do konkretnego przypadku użyciu. Na tym etapie pojawiły się specjalizacje, których zadaniem jest budowanie praktycznych rozwiązań wykorzystujących sztuczną inteligencję.
LLM Engineer / RAG Engineer
LLM Engineer projektuje i rozwija aplikacje wykorzystujące duże modele językowe, takie jak chatboty, inteligentni asystenci czy systemy wspierające analizę dokumentów. Jego zadaniem jest dostosowanie modelu do konkretnego użycia oraz zapewnienie wysokiej jakości generowanych odpowiedzi.
Jednym z wykorzystywanych podejść jest RAG (Retrieval-Augmented Generation). To technika, w której model językowy nie opiera się wyłącznie na wiedzy zdobytej podczas treningu, lecz korzysta również z dodatkowych źródeł informacji, takich jak dokumentacja firmy, instrukcje, bazy wiedzy czy wewnętrzne procedury. Dzięki temu może udzielać trafniejszych odpowiedzi.
LLM Engineer odpowiada między innymi za dobór odpowiedniego modelu, projektowanie sposobu wyszukiwania informacji, integrację z bazami danych i innymi systemami oraz optymalizację działania całego rozwiązania. Wymaga to wiedzy z zakresu programowania, przetwarzania danych i architektury systemów AI.
Jest to jedna z najbardziej rozpoznawalnych nowych specjalizacji i wywodzi się z kompetencji inżynierów uczenia maszynowego, programistów czy architektów rozwiązań, rozszerzonych o znajomość dużych modeli językowych i technik takich jak RAG.
AI Implementation Specialist
Nie każda organizacja potrzebuje własnych modeli AI, ale coraz więcej chce wykorzystywać gotowe rozwiązania do usprawnienia codziennej pracy. AI Implementation Specialist odpowiada za przełożenie możliwości technologii na konkretne zastosowania biznesowe.
Do jego zadań należy analiza procesów zachodzących w organizacji, identyfikacja obszarów, w których AI może przynieść korzyści, wybór odpowiednich narzędzi oraz koordynacja ich wdrożenia. Taki specjalista współpracuje zarówno z zespołami technicznymi, jak i przedstawicielami biznesu, pomagając dopasować rozwiązanie do potrzeb użytkowników.
Rola ta często stanowi rozwinięcie kompetencji konsultantów IT, analityków biznesowych lub architektów rozwiązań, którzy specjalizują się we wdrażaniu systemów opartych na sztucznej inteligencji.
AI Automation Specialist
Rozwój generatywnej AI sprawił, że automatyzacja nie ogranicza się wyłącznie do wykonywania z góry określonych reguł. Coraz częściej obejmuje również analizę dokumentów, tworzenie treści, klasyfikowanie informacji czy wspieranie podejmowania decyzji.
AI Automation Specialist projektuje i wdraża procesy, w których modele AI współpracują z innymi systemami wykorzystywanymi w organizacji. Może np. tworzyć rozwiązania automatycznie analizujące przychodzące wiadomości, przekazujące je do odpowiednich działów, przygotowujące odpowiedzi lub uzupełniające dane w systemach firmowych.
Jest to przede wszystkim rozwinięcie istniejących specjalizacji związanych z automatyzacją procesów i integracją systemów. Rozwój AI poszerzył jednak zakres tych kompetencji o wykorzystanie modeli językowych oraz innych narzędzi opartych na sztucznej inteligencji.
Projektanci systemów agentowych
Wraz z rozwojem agentów AI pojawiają się także nowe specjalizacje związane z projektowaniem bardziej złożonych systemów, w których wiele modeli i narzędzi współpracuje ze sobą przy realizacji określonych zadań. Choć nazwy takich stanowisk – na przykład Agentic Workflow Architect – nie są jeszcze powszechnie ugruntowane, pokazują kierunek rozwoju rynku i rosnące znaczenie projektowania procesów opartych na współpracujących ze sobą agentach AI.
Specjaliści dbający o bezpieczeństwo i odpowiedzialne wykorzystanie AI
Coraz większego znaczenia nabiera nie tylko skuteczność modeli, ale również ich bezpieczeństwo, przejrzystość i zgodność z obowiązującymi przepisami. Organizacje wykorzystujące AI muszą ograniczać ryzyko błędnych odpowiedzi, chronić dane oraz mieć kontrolę nad sposobem działania wykorzystywanych systemów. W odpowiedzi na te wyzwania rozwijają się specjalizacje związane z bezpieczeństwem, audytem i zarządzaniem rozwiązaniami wykorzystującymi AI.
AI Safety Specialist
AI Safety Specialist zajmuje się identyfikowaniem i ograniczaniem zagrożeń związanych z wykorzystaniem modeli sztucznej inteligencji. Celem tego stanowiska jest zapewnienie, aby system działał zgodnie z założeniami i nie generował odpowiedzi, które mogłyby prowadzić do błędnych decyzji lub naruszenia bezpieczeństwa.
Praca na tym stanowisku może obejmować testowanie modeli pod kątem różnych scenariuszy ryzyka, analizowanie ich podatności na manipulację oraz sprawdzanie, czy nie ujawniają poufnych informacji. Specjaliści ci współpracują z zespołami rozwijającymi modele AI i pomagają projektować mechanizmy ograniczające niepożądane zachowania systemu.
Choć zagadnienia bezpieczeństwa od lat są obecne w inżynierii oprogramowania, rozwój generatywnej AI stworzył nowe wyzwania, takie jak halucynacje modeli, podatność na ataki czy próby obchodzenia zabezpieczeń za pomocą odpowiednio sformułowanych poleceń.
AI Auditor
Każdy system AI wymaga regularnej kontroli. AI Auditor odpowiada za niezależną ocenę działania modeli oraz sprawdzenie, czy spełniają one określone wymagania techniczne, biznesowe i regulacyjne.
Zakres pracy może obejmować analizę jakości odpowiedzi, ocenę sposobu przetwarzania danych, identyfikację potencjalnych uprzedzeń modeli (bias) czy weryfikację dokumentacji technicznej. W zależności od organizacji audyt może być prowadzony wewnętrznie lub przez niezależną firmę.
AI Governance Specialist
Organizacje i firmy coraz częściej potrzebują osób odpowiedzialnych za opracowanie zasad korzystania ze sztucznej inteligencji. AI Governance Specialist tworzy ramy organizacyjne i procedury, które pomagają wykorzystywać systemy AI w sposób bezpieczny, zgodny z prawem i spójny z celami organizacji.
Do jego zadań może należeć przygotowanie standardów dotyczących wykorzystania AI, klasyfikacja systemów pod względem poziomu ryzyka, nadzór nad dokumentacją oraz koordynacja działań związanych ze zgodnością z regulacjami, takimi jak np. unijny AI Act.
Choć nazwa stanowiska jest stosunkowo nowa, sama rola wywodzi się z obszarów takich jak zarządzanie ryzykiem czy bezpieczeństwo informacji. Rozwój sztucznej inteligencji sprawił jednak, że kompetencje te zaczęły obejmować również zagadnienia związane z odpowiedzialnym projektowaniem i wdrażaniem systemów AI.
Stanowiska łączące technologię z biznesem i użytkownikami
Skuteczne wdrożenie sztucznej inteligencji wymaga nie tylko odpowiednio przygotowanych modeli i infrastruktury technicznej. Równie ważne jest zrozumienie potrzeb użytkowników, zaprojektowanie intuicyjnej interakcji z systemem oraz dopasowanie możliwości AI do celów biznesowych organizacji. Dlatego coraz większe znaczenie zyskują stanowiska łączące wiedzę technologiczną z kompetencjami z zakresu zarządzania produktem, projektowania doświadczeń użytkownika i komunikacji.
AI Product Manager
AI Product Manager odpowiada za rozwój produktów i usług wykorzystujących sztuczną inteligencję. Jego zadaniem jest określenie, w jaki sposób AI może rozwiązać konkretny problem użytkownika lub usprawnić proces biznesowy, a następnie koordynowanie prac nad wdrożeniem takiego rozwiązania.
Ta praca wymaga współpracy z programistami, specjalistami AI, projektantami UX oraz przedstawicielami biznesu. AI Product Manager nie musi sam tworzyć modeli, ale powinien rozumieć ich możliwości i ograniczenia, aby podejmować świadome decyzje dotyczące rozwoju produktu. Odpowiada również za ustalanie priorytetów, ocenę wartości biznesowej nowych funkcji oraz monitorowanie efektów ich wdrożenia.
Choć stanowisko AI Product Managera wywodzi się z klasycznej roli product managera, rozwój sztucznej inteligencji znacząco poszerzył zakres wymaganych kompetencji. Oprócz wiedzy produktowej coraz większego znaczenia nabiera znajomość modeli AI, jakości danych, zagadnień związanych z bezpieczeństwem oraz obowiązujących przepisów prawnych.
Conversation Designer
Rozwiązania oparte na generatywnej AI często komunikują się z użytkownikami w formie rozmowy. Od jakości tej interakcji zależy nie tylko wygoda korzystania z systemu, ale również skuteczność wykonywania zadań. Za projektowanie takich doświadczeń odpowiada Conversation Designer.
Osoba pełniąca tę rolę projektuje sposób prowadzenia dialogu między użytkownikiem a systemem AI. Obejmuje to planowanie przebiegu rozmowy, dobór komunikatów, przewidywanie różnych scenariuszy interakcji oraz projektowanie sposobu reagowania modelu na pytania użytkownika.
Conversation Designer łączy kompetencje z zakresu projektowania doświadczeń użytkownika (UX), komunikacji, językoznawstwa i psychologii z podstawową wiedzą o możliwościach modeli AI. Jest to rozwinięcie specjalizacji, które wcześniej funkcjonowały przy projektowaniu chatbotów i asystentów głosowych, a dziś obejmują również systemy wykorzystujące duże modele językowe.
Prompt Engineer
Prompt engineering był jedną z pierwszych specjalizacji, które zyskały dużą popularność po upowszechnieniu generatywnej AI. Firmy zaczęły poszukiwać osób potrafiących tworzyć skuteczne prompty, dzięki którym modele językowe generowały bardziej trafne i użyteczne odpowiedzi.
Z czasem okazało się jednak, że umiejętność projektowania dobrych promptów staje się elementem pracy wielu specjalistów, np. programistów i analityków danych, twórców treści czy konsultantów wdrażających rozwiązania AI. Choć stanowiska Prompt Engineera nadal można spotkać na rynku, znacznie częściej jest to dziś jedna z kompetencji wymaganych w innych rolach niż całkowicie odrębny zawód.
Nie oznacza to, że znaczenie prompt engineeringu maleje. Umiejętność skutecznej komunikacji z modelami AI jest ważna, jednak coraz częściej jest traktowana jako naturalny element pracy z nowoczesnymi systemami sztucznej inteligencji.
Podsumowanie
Rozwój sztucznej inteligencji nie oznacza wyłącznie pojawienia się nowych technologii, ale również nowych kompetencji potrzebnych do ich tworzenia, wdrażania i odpowiedzialnego wykorzystania. Wraz z upowszechnieniem dużych modeli językowych oraz generatywnej AI powstały specjalizacje związane z przygotowaniem danych, oceną jakości modeli, wdrażaniem rozwiązań, bezpieczeństwem czy zarządzaniem produktami opartymi na AI.
Nie wszystkie opisane stanowiska są całkowicie nowymi zawodami. W wielu przypadkach stanowią rozwinięcie istniejących specjalizacji, takich jak inżynier uczenia maszynowego, analityk danych, product manager czy specjalista ds. bezpieczeństwa. Rozwój AI sprawił, że zakres ich obowiązków poszerzył się o nowe umiejętności związane z pracą z modelami sztucznej inteligencji.
To pokazuje, że wpływ AI na rynek pracy nie sprowadza się wyłącznie do powstawania całkiem nowych nazw stanowisk. Ważne są też zmiany zachodzące w już istniejących zawodach oraz rosnące znaczenie umiejętności związanych z wykorzystaniem sztucznej inteligencji w codziennej pracy.
