Przejdź do treści
Strona główna » Czy AI zastąpi programistów? U wielu informatyków lęk dotyczy bardziej tożsamości niż etatu

Czy AI zastąpi programistów? U wielu informatyków lęk dotyczy bardziej tożsamości niż etatu

    Pan Paweł od piętnastu lat pisze backend. Przychodzi na konsultację nie z powodu zwolnienia, bo pracy ma tyle samo co rok temu i zarabia tyle samo. Mówi coś innego: „Od kilku miesięcy więcej czytam kodu niż piszę. Model generuje, ja poprawiam. Wieczorem mam wrażenie, że nie jestem już programistą, tylko korektorem. I wstydzę się, że mnie to w ogóle rusza, skoro przecież mam pracę”.

    (Opis jest złożony z kilku historii i zmieniony tak, żeby nie dało się rozpoznać żadnej konkretnej osoby.)

    Pytanie „czy AI zastąpi programistów?” zwykle słyszy się jako pytanie o etaty. O tę część lęku, czyli o niepewność zatrudnienia, piszę osobno w tekście o lęku przed utratą pracy przez AI. W gabinecie u informatyków coraz częściej słychać jednak drugie pytanie, ciche i trudniejsze do wypowiedzenia: kim jestem, jeśli to, w czym byłem dobry, robi teraz maszyna?

    Dwa różne lęki pod jednym hasłem

    Lęk o etat dotyczy pieniędzy, bezpieczeństwa i planów. Lęk o tożsamość dotyczy czegoś innego: poczucia mistrzostwa, dumy z dobrze rozwiązanego problemu, miejsca w zespole. Można stracić to drugie, nie tracąc pierwszego. Tak właśnie jest u pana Pawła.

    Psychologowie pracy Eva Selenko i współpracownicy opisali to w modelu funkcjonalno-tożsamościowym. Ich główna teza brzmi: to, czy AI wzmacnia, czy zagraża tożsamości zawodowej, zależy od tego, jak technologia wchodzi w zadania. Może je uzupełniać (przejmuje to, co nudne, i zostawia rzemiosło), zastępować (zabiera to, z czego człowiek czerpał poczucie kompetencji) albo dokładać nowe (przegląd, decyzje, odpowiedzialność za całość). Ta sama zmiana bywa więc dla jednej osoby ulgą, a dla innej stratą.

    U programistów ta granica jest wyjątkowo ostra. Pisanie kodu to dla wielu z nich nie tylko obowiązek, ale źródło przyjemności i poczucia, że coś potrafią. Kiedy model przejmuje dokładnie tę część pracy, zostaje pensja, a ubywa tego, co dawało sens.

    Czy rzemiosło naprawdę rdzewieje?

    Ten lęk nie jest wymyślony. W randomizowanym badaniu Shen i Tamkina 52 programistów, głównie młodszych stażem, uczyło się nieznanej biblioteki w Pythonie. Połowa mogła korzystać z asystenta AI, połowa pisała sama. W teście wiedzy zaraz po zadaniu grupa z AI wypadła średnio o 17% słabiej (ok. 50% wobec 67% poprawnych odpowiedzi), a największa różnica dotyczyła debugowania, czyli umiejętności potrzebnej do sprawdzania kodu wygenerowanego przez model.

    Podobny sygnał przyszedł z medycyny, i to z Polski. W czterech ośrodkach endoskopowych lekarze, którzy przez kilka miesięcy rutynowo pracowali ze wsparciem AI, w kolonoskopiach bez tego wsparcia wykrywali gruczolaki rzadziej niż wcześniej: odsetek spadł z 28,4% do 22,4%. Autorzy ostrożnie nazywają to ryzykiem utraty umiejętności.

    Te same badania pokazują jednak drugą stronę. U Shen i Tamkina nie każdy, kto korzystał z AI, uczył się gorzej. Osoby, które zadawały modelowi pytania o zasady działania kodu, prosiły o wyjaśnienia i same rozwiązywały błędy, zachowały dobre wyniki. Gorzej wypadli ci, którzy oddali modelowi całą pracę. Rdzewieje więc nie samo rzemiosło, tylko rzemiosło, którego się już nie używa.

    Własne wrażenie to słaby miernik

    Jest jeszcze jedna rzecz, o której warto wiedzieć, zanim uwierzy się, że model „robi wszystko lepiej”. W eksperymencie organizacji METR szesnastu doświadczonych programistów rozwiązało 246 prawdziwych zadań w projektach, które dobrze znali. Losowo przydzielano, przy których zadaniach mogą używać narzędzi AI. Przed badaniem spodziewali się, że AI przyspieszy ich o 24%. Po badaniu oceniali, że przyspieszyło ich o 20%. Pomiar czasu pokazał, że z AI pracowali o 19% wolniej.

    To nie dowodzi, że AI nie pomaga. Narzędzia z początku 2025 roku są już przestarzałe, a sami autorzy piszą, że nowsze mogą dawać inny wynik. Ale pokazuje coś ważnego psychologicznie: nasze wrażenie na temat tego, co robi z nami technologia, potrafi rozjechać się z rzeczywistością w obie strony. Także wtedy, gdy wrażenie brzmi: „już jestem niepotrzebny”.

    Infografika: AI w mojej pracy. AI może uzupełniać zadania (tożsamość rośnie), zastępować je (zagrożenie „kim jestem”) albo dokładać nowe: przegląd, decyzje, architekturę (szansa, gdy ją nazwiesz). Pytanie na dziś: która część mojej pracy jest naprawdę moja?
    To, czy AI wzmacnia tożsamość zawodową, czy jej zagraża, zależy od tego, jak wchodzi w zadania.

    Czego z tych liczb nie wolno zrobić

    Nie wolno traktować modelu Selenko i wsp. jak wyniku badania. To rama teoretyczna, która porządkuje obserwacje i podsuwa pytania. Nie mierzy, jak często każdy z trzech scenariuszy zdarza się w praktyce.

    Nie wolno uogólniać wyniku 17% na całą karierę. Badanie Shen i Tamkina trwało około godziny, test był natychmiast po zadaniu, a autorzy pracują w firmie tworzącej modele AI. Pokazuje ryzyko przy nauce czegoś nowego, nie to, co dzieje się z wieloletnim doświadczeniem.

    Nie wolno przenosić wyników z endoskopii wprost na IT. To badanie obserwacyjne, prowadzone przez kilka miesięcy, w innym zawodzie. Wskazuje mechanizm, a nie jego skalę u programistów.

    Nie wolno wyciągać z METR wniosku, że „AI spowalnia”. Szesnaście osób, jeden rodzaj zadań, starsze narzędzia. Mocny jest jedynie wniosek o rozjeździe między odczuciem a pomiarem.

    Kompas TSR: od „kim już nie jestem” do „co jest moje”

    W terapii skoncentrowanej na rozwiązaniach nie próbujemy rozstrzygać, czy branża przetrwa. Pytamy, co w pracy człowieka już działa i co może zrobić jutro.

    Skala. Na skali od 0 do 10, gdzie 10 oznacza „czuję się w swojej pracy na swoim miejscu”, a 0 „czuję się tu obcy”, gdzie jesteś dziś? Co sprawia, że to nie jest zero? Odpowiedź często zawiera kawałek tożsamości, który przetrwał zmianę.

    Wyjątki. Przypomnij sobie ostatni dzień, w którym poczułeś się programistą w pełnym sensie. Co wtedy robiłeś? Zwykle okazuje się, że był to moment trudnego debugowania, decyzji architektonicznej albo rozmowy, w której tylko ty rozumiałeś, o co naprawdę chodzi klientowi.

    Co się przesuwa, a nie znika. Wypisz trzy rzeczy, które w twojej pracy wymagają ciebie: wiedzy o systemie, wyczucia ryzyka, odpowiedzialności za skutki. To ta część rzemiosła, która zostaje, gdy zmieniają się narzędzia.

    Mały krok. Wprowadź na tydzień zasadę „najpierw sam, potem model” dla jednego typu zadań, albo pracuj z AI w trybie pytań: zamiast „napisz”, proś „wyjaśnij, dlaczego tak”. Badania sugerują, że właśnie zaangażowanie chroni umiejętności.

    Preferowana przyszłość. Wyobraź sobie, że za rok mówisz komuś: „lubię swoją pracę”. Co w niej robisz? Jaką część zostawiłeś modelowi, a jaką zatrzymałeś dla siebie, bo to ona sprawia, że jesteś sobą?

    Jeden mały krok na dziś

    Na koniec dnia zapisz jedno zdanie: „Dzisiaj moja praca była potrzebna, bo…”. Nie chodzi o pocieszanie się. Chodzi o to, żeby zauważyć, gdzie twój wkład faktycznie był, bo lęk najchętniej przeocza właśnie te miejsca.

    Kiedy warto porozmawiać z kimś więcej

    Jeśli praca przestała dawać cokolwiek poza wypłatą, jeśli wieczorne poczucie „nie jestem już nikim” wraca coraz częściej, albo jeśli zmiana w pracy uruchamia dawne przekonanie, że wartość trzeba ciągle udowadniać, rozmowa z terapeutą pomaga to rozplątać. Pracuję online, łącząc psychotraumatologię i terapię skoncentrowaną na rozwiązaniach: najpierw ustalamy, skąd bierze się to poczucie, potem szukamy tego, co już choć trochę działa, i zamieniamy to w konkretne kroki.

    Umów konsultację online

    O tym, co pomaga przygotować się na zmiany w pracy bardziej niż kolejny kurs, piszę w tekście o adaptacyjności zawodowej.

    Źródła

    • Selenko, E., Bankins, S., Shoss, M., Warburton, J., Restubog, S. L. D. (2022). Artificial intelligence and the future of work: A functional-identity perspective. Current Directions in Psychological Science, 31(3), 272–279. doi:10.1177/09637214221091823
    • Shen, J. H., Tamkin, A. (2026). How AI impacts skill formation. arXiv. doi:10.48550/arXiv.2601.20245
    • Budzyń, K., Romańczyk, M., Kitala, D., Kołodziej, P. i wsp. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10). doi:10.1016/S2468-1253(25)00133-5
    • Becker, J., Rush, N., Barnes, E., Rein, D. (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity. arXiv. doi:10.48550/arXiv.2507.09089

    Jeśli to Twoja sytuacja

    Rozmowa zamiast kolejnego artykułu

    Czytanie pomaga zrozumieć, ale zmiana zaczyna się zwykle w rozmowie. Umów bezpłatne 15 minut i sprawdź, czy mogę pomóc. Bez zobowiązań.

    Z bazy wiedzy: Poczucie własnej wartości – kompletny przewodnik  ·  Jak zbudować pewność siebie – krok po kroku