Deskilling w erze AI — co to jest i jak wpływa na rekrutację w IT?

Spis treści:

Czym jest deskilling i dlaczego AI go przyspiesza?

Automation bias — dlaczego bezkrytycznie ufamy wynikom AI?

Jak deskilling wpływa na rekrutację w IT?

Sygnały deskillingu u kandydatów — jak je rozpoznać?

Jak rekruterzy mogą przeciwdziałać deskillingowi?

Deskilling vs upskilling — jak budować odporność zespołów IT?

FAQ — Najczęściej zadawane pytania o deskilling w IT

Czym dokładnie jest deskilling w erze AI i dlaczego stanowi zagrożenie w branży IT?

Czym jest zjawisko automation bias i jak wpływa ono na codzienną pracę specjalistów IT?

Jak rekruter IT może skutecznie wykryć deskilling u kandydata podczas rozmowy kwalifikacyjnej?

Czym jest deskilling i dlaczego AI go przyspiesza?

Deskilling (po polsku często: dekwalifikacja pracy) to proces, w którym:

• Praca staje się prostsza, ponieważ zadania są dzielone na łatwe, powtarzalne i takie, które wymagają mniejszych kompetencji.
• Technologia lub automatyzacja zastępuje część wiedzy i umiejętności pracownika, przez co pracownik nie musi już posiadać tak wysokich kwalifikacji.
• Ludzie tracą wcześniej posiadane umiejętności, ponieważ stają się one niepotrzebne/nieużyteczne.

Zjawisko to można zaobserwować również w branży IT, gdzie udział AI staje się coraz większy. Co więcej algorytmy wykonują za specjalistę lwią część pracy konceptualnej, przez co pojawia się zjawisko określane mianem „spirali deskillingu”:

Nadmierne poleganie na AI → Mniej praktyki → Utrata kompetencji i intuicji → Jeszcze większa zależność od AI

Jak wskazują badania Microsoftu (New Future of Work Report), bezkrytyczne opieranie się na "czatach AI" drastycznie obniża zaufanie pracowników do własnych kompetencji. Zamiast uczyć się na błędach i drążyć architekturę kodu, inżynierowie akceptują gotowe, powierzchowne rozwiązania. Jeśli więc nie ćwiczymy mózgu w rozwiązywaniu trudnych problemów i nie korzystamy z konkretnych umiejętności, z czasem po prostu je tracimy.

Przeczytaj także: Generatywna sztuczna inteligencja (GenAI) – co to jest i jak działa?

Automation bias — dlaczego bezkrytycznie ufamy wynikom AI?

Kluczowym psychologicznym napędem deskillingu jest tzw.w tłumaczeniu błąd automatyzacji). To poznawcza tendencja człowieka do uznawania sugestii generowanych przez systemy komputerowe za  poprawne z definicji, przy jednoczesnym ignorowaniu własnej wiedzy i zdrowego rozsądku.

Przykładowo więc w pracy programisty automation bias objawia się bezmyślnym kopiowaniem kodu podpowiedzianego przez model językowy - bez większej analizy i sprawdzania, pomimo tego, że specjalista ma do tego wystarczające kompetencje.

Dlaczego jest to niepożądane zjawisko?

• Ponieważ do systemów produkcyjnych trafia kod, którego nikt realnie nie rozumie i nie zweryfikował pod kątem bezpieczeństwa.
• Bo w przypadku awarii rozmywa się odpowiedzialność, a specjalista może obwiniać narzędzie AI, nie szukając sposobów na ich rozwiązanie.
• Z czasem obserwowany jest zanik intuicji inżynierskiej. To wtedy młodzi programiści nie rozwijają instynktu, który pozwala starszym architektom „poczuć”, że dane rozwiązanie nie zadziała w dużej skali. W dłuższej perspektywie może więc spaść ogólna liczba specjalistów, którzy realnie bazują na swoich kompetencjach i doświadczeniu.

Jak deskilling wpływa na rekrutację w IT?

Dla działów HR i rekruterów technicznych deskilling to prawdziwa rewolucja. Dotychczasowe procesy rekrutacyjne były projektowane pod kątem sprawdzania twardej wiedzy („co kandydat wie/pamięta”) oraz jak rozwiąże realny problem.

Dziś te kryteria mogą stracić nieco na znaczeniu. Dlaczego? Bo kandydat wyposażony w zaawansowane narzędzia AI potrafi w trakcie testów rekrutacyjnych stworzyć kod wyglądający na dzieło seniora. Może więc imitować doświadczenie lub umiejętności, których w rzeczywistości nie ma. Problem pojawia się, gdy po zatrudnieniu trafia do projektu, gdzie wymagane jest nieszablonowe myślenie architektoniczne lub debugowanie unikalnego błędu, na którym AI polegnie. Rolą rekrutera jest więc tak przeprowadzić proces rekrutacyjny, aby skutecznie “odsiać” takich kandydatów. Dodatkowo zauważyć można coraz większy nacisk na soft skills, które zmieniły profil kandydata na osobę nie tylko zaznajomioną z narzędziami, ale także doskonałą komunikacyjnie, elastyczną, empatyczną i zorganizowaną.

W rekrutacji coraz rzadziej wykorzystuje się “zadania domowe”, które są formą testu kompetencji. Zamiast tego stawia się na rozmowę - pracodawcy chcą zobaczyć, jak kandydat myśli, jak debuguje błędy i jak argumentuje swoje decyzje projektowe, a nie czy pamięta składnię na pamięć.

Sygnały deskillingu u kandydatów — jak je rozpoznać?

Aby nie wpaść w pułapkę zatrudnienia pracownika dotkniętego deskillingiem, rekruter musi nauczyć się czytać między wierszami i odpowiednio modyfikować przebieg rozmowy technicznej. Warto więc zwrócić uwagę, czy kandydat:

• potrafi rozwiązać problem tylko w optymalnych, laboratoryjnych warunkach, czy potrafi odnaleźć się w niecodziennych, niespodziewanych sytuacjach projektowych;
• dostarcza rozwiązania w bardzo szybkim tempie - prawdziwą wiedzę kandydata często zdradza nie finalny produkt, ale historia jego powstawania;
• popełnia drobne, mniej oczywiste błędy, które mogę wynikać z halucynacji popełnianych przez AI.

Przeczytaj także: Soft skills vs. AI — dlaczego umiejętności miękkie są kluczowe dla przyszłości pracy w IT?

Jak rekruterzy mogą przeciwdziałać deskillingowi?

W oczach rekruterów AI powinno być traktowane wyłącznie jako zaawansowany asystent, nigdy jako autonomiczny twórca. Dlatego też powinni oni przesunąć ocenę produktu końcowego na ocenę procesu myślowego kandydata.

Pomóc w tym mogą:

• testy z celowo popełnionymi błędami, które docelowo kandydat powinien wyłapać;
• pytania o to “dlaczego?” jest coś robione;
• zadania lub pytania, które pozwolą sprawdzić, czy kandydat dobrze adaptuje się do nowej sytuacji - najlepiej bez możliwości sprawdzenia rozwiązania przy pomocy narzędzi czy wyszukiwarki;
• zadawaj pytania o "Failure Stories" - osoby dotknięte deskillingiem rzadko potrafią opowiedzieć o głębokich problemach technicznych, bo narzędzia zazwyczaj rozwiązują je za nich. Pytaj: "Jaki był najbardziej skomplikowany, trudny do zdiagnozowania błąd, z jakim mierzyłeś się w ostatnim roku?”;
• pytaj kandydata o powody biznesowe stojące za technologią;
• zamieniaj klasyczne zadania rekrutacyjne na np. stworzenie case study, w którym kandydat obroni swoje stanowisko.

Deskilling vs upskilling — jak budować odporność zespołów IT?

W starciu między deskillingiem (utratą głębokich umiejętności na rzecz automatyzacji) a upskillingiem (podnoszeniem kwalifikacji i nauką nowych rzeczy) wygrywają organizacje, które nie walczą z technologią, ale… redefiniują rolę specjalisty.

Wbrew pozorom deskilling nie oznacza, że powinniśmy całkowicie zakazać używania sztucznej inteligencji. To ślepy zaułek. Dużo ważniejsze jest, aby budować odporność wśród specjalistów.

Odporny zespół IT to taki, który wykorzystuje AI do automatyzacji nudnych/powtarzalnych zadań, zyskując czas na rozwijanie unikalnych kompetencji, tj. projektowanie systemów rozproszonych, optymalizację wydajności. Przeciwdziałanie deskillingowi powinno rozpocząć się od zmiany mentalnej - tj. pracownicy muszą zrozumieć, że automatyzacja (np. AI) to autopilot – ułatwia podróż, ale to człowiek odpowiada za bezpieczne dotarcie do celu i zna mapę.

FAQ — Najczęściej zadawane pytania o deskilling w IT

Czym dokładnie jest deskilling w erze AI i dlaczego stanowi zagrożenie w branży IT?

Deskilling to proces stopniowej utraty unikalnych kompetencji i umiejętności przez pracowników na skutek bezrefleksyjnego delegowania zadań poznawczych do sztucznej inteligencji. W branży IT zjawisko to przyspiesza, gdy specjaliści nadmiernie polegają na narzędziach generatywnych.

Czym jest zjawisko automation bias i jak wpływa ono na codzienną pracę specjalistów IT?

Automation bias to psychologiczna tendencja do bezkrytycznego zaufania sugestiom i wynikom generowanym przez systemy IT, przy jednoczesnym ignorowaniu własnej wiedzy eksperckiej.

Jak rekruter IT może skutecznie wykryć deskilling u kandydata podczas rozmowy kwalifikacyjnej?

Skuteczna rekrutacja w erze AI wymaga wdrożenia zasady human-in-the-loop, czyli podejścia, w którym technologia wspiera człowieka, ale go nie zastępuje. Aby wykryć deskilling, rekruter powinien zrezygnować z pytań encyklopedycznych na rzecz zadań sprawdzających głębokie zrozumienie problemu.

Może Ci się spodobać:

• Talent acquisition vs rekrutacja - najważniejsze różnice w IT
• Reskilling i upskilling — czym są i dlaczego będą kluczowe w 2025 roku?
• Kompetencje przyszłości — jakie umiejętności miękkie będą kluczowe?

Bibliografia

[1] Microsoft. (2025). New Future of Work Report 2025 (MSR-TR-2025-58). Microsoft Research.

[2]  Cummings, Mary (2004). "Automation Bias in Intelligent Time Critical Decision Support Systems" (PDF). AIAA 1st Intelligent Systems Technical Conference (PDF). doi:10.2514/6.2004-6313. ISBN 978-1-62410-080-2. S2CID 10328335. Archived from the original on 2014-11-01.