Sztuczna inteligencja coraz mocniej zmienia sposób wykonywania pracy, ale równie szybko zmienia też oczekiwania wobec osób, które dopiero rozpoczynają karierę. Jeszcze kilka lat temu podstawowym argumentem młodego kandydata był kierunkowy dyplom, znajomość określonych programów i pierwsze doświadczenia zawodowe. Dzisiaj to nadal ma znaczenie, jednak coraz częściej pracodawcy patrzą również na coś innego: jak szybko dana osoba potrafi nauczyć się nowych rzeczy, czy umie korzystać z AI, jak radzi sobie ze zmianą oraz czy posiada kompetencje, których nie da się łatwo zautomatyzować.
World Economic Forum zwraca uwagę, że ponad jedna trzecia młodych pracowników wykonuje już zawody o średniej lub wysokiej ekspozycji na zmiany powodowane przez sztuczną inteligencję. Nie musi to oznaczać, że ich stanowiska znikną. Znacznie częściej zmienia się zakres wykonywanych zadań. To, co powtarzalne, łatwe do opisania i możliwe do przetworzenia według schematu, coraz częściej może przejmować technologia. Człowiek pozostaje natomiast potrzebny tam, gdzie trzeba oceniać sytuację, komunikować się, brać odpowiedzialność, tworzyć nowe rozwiązania albo wykorzystywać wiedzę w niestandardowym kontekście.
To prowadzi do ważnego wniosku: w czasach AI warto uczyć się nie tylko obsługi kolejnych narzędzi. Równie istotne staje się rozwijanie umiejętności, które pozwalają szybko odnajdywać się w nowych warunkach.
Zdolność uczenia się staje się kompetencją zawodową
Jednym z pojęć coraz częściej pojawiających się w dyskusjach o przyszłości pracy jest „learning agility”, czyli zdolność szybkiego uczenia się, adaptowania wiedzy do nowych sytuacji i zmieniania sposobu działania, gdy dotychczasowe rozwiązania przestają wystarczać.
Nie chodzi wyłącznie o uczestnictwo w kolejnych kursach. Osoba posiadająca dużą zdolność uczenia się potrafi zauważyć, że pojawiła się nowa technologia, sprawdzić jej możliwości, nauczyć się jej używania i wykorzystać ją w swojej pracy. Potrafi też porzucić część wcześniejszych nawyków, jeżeli okazują się mniej skuteczne. W szybko zmieniającym się środowisku jest to ogromna przewaga.
Jeszcze niedawno można było nauczyć się jednego programu lub procesu i korzystać z tej wiedzy przez wiele lat. Obecnie cykl życia części kompetencji technicznych jest znacznie krótszy. Narzędzia wykorzystujące AI potrafią zmienić sposób wykonywania określonego zadania w ciągu kilku miesięcy. Dlatego jedną z najbardziej przyszłościowych umiejętności może być właśnie zdolność nauczenia się kolejnej rzeczy wtedy, gdy będzie ona potrzebna.
Sama znajomość AI nie wystarczy
Naturalnym kierunkiem rozwoju są oczywiście kompetencje związane ze sztuczną inteligencją. Nie oznacza to jednak, że każdy pracownik powinien zostać programistą modeli językowych albo specjalistą od machine learningu.
W wielu zawodach znacznie ważniejsza będzie praktyczna umiejętność korzystania z AI. Pracownik powinien rozumieć, do czego może wykorzystać dane narzędzie, jakie ma ono ograniczenia i kiedy nie należy bezkrytycznie ufać uzyskanej odpowiedzi. Coraz większego znaczenia nabiera więc AI literacy, czyli swoista „biegłość w AI”.
W praktyce oznacza to umiejętność formułowania dobrych poleceń, weryfikowania rezultatów, pracy z informacjami generowanymi przez modele oraz rozpoznawania błędów i uproszczeń. Jeszcze ważniejsza jest świadomość, że odpowiedź wygenerowana przez system nie zwalnia człowieka z odpowiedzialności za końcowy rezultat.
Dlatego zamiast pytać, czy AI zastąpi określone stanowisko, warto pytać, jak zmieni ono sposób wykonywania tego zawodu i jakie nowe umiejętności pozwolą pracownikowi wykorzystać technologię jako wsparcie.
Krytyczne myślenie może być ważniejsze niż szybkie znalezienie informacji
Dostęp do informacji nigdy nie był tak prosty. AI potrafi w kilka sekund przygotować podsumowanie dokumentu, zaproponować rozwiązanie problemu, napisać wiadomość, stworzyć zestawienie albo przeanalizować dużą ilość danych. Paradoksalnie właśnie dlatego coraz większego znaczenia nabiera krytyczne myślenie.
Pracownik musi umieć ocenić, czy uzyskana odpowiedź rzeczywiście ma sens. Powinien rozpoznawać braki w danych, nieścisłości, błędne założenia oraz sytuacje, w których model przedstawia informację brzmiącą przekonująco, ale niezgodną z rzeczywistością.
Im łatwiejsze staje się wygenerowanie odpowiedzi, tym cenniejsza może być umiejętność zadania właściwego pytania i oceny jakości rezultatu.
Dotyczy to wielu zawodów – od marketingu i sprzedaży, przez administrację i księgowość, po zarządzanie, edukację czy analizę danych. AI może przygotować materiał roboczy, jednak człowiek nadal musi zdecydować, które informacje są ważne, jakie mogą być konsekwencje działania oraz czy zaproponowane rozwiązanie pasuje do konkretnej sytuacji.
Kreatywność nie traci znaczenia
Generatywna sztuczna inteligencja potrafi pisać teksty, przygotowywać grafiki, tworzyć prezentacje i generować ogromną liczbę pomysłów. Mogłoby się więc wydawać, że kreatywność człowieka będzie miała mniejsze znaczenie. W praktyce może być odwrotnie.
Jeżeli każdy pracownik ma dostęp do podobnych narzędzi, sam fakt wygenerowania dziesięciu propozycji przestaje być przewagą. Ważniejsze staje się rozpoznanie, która z nich jest naprawdę interesująca, czym można ją ulepszyć i jak stworzyć rozwiązanie odpowiadające na konkretny problem.
Kreatywność w czasach AI coraz częściej będzie polegała nie na tworzeniu wszystkiego od początku, lecz na łączeniu informacji, doświadczeń i technologii w nowy sposób. Osoba potrafiąca użyć AI jako partnera do poszukiwania rozwiązań, a następnie samodzielnie wybrać i rozwinąć najlepszy kierunek, może osiągać znacznie lepsze rezultaty niż ktoś, kto jedynie kopiuje pierwszą wygenerowaną odpowiedź.
Komunikacja pozostaje trudna do automatyzacji
Technologia dobrze radzi sobie z przetwarzaniem informacji, ale relacje między ludźmi są znacznie bardziej skomplikowane. Dlatego kompetencje komunikacyjne mogą zyskiwać na znaczeniu, szczególnie na stanowiskach wymagających współpracy z klientami, zespołem lub partnerami biznesowymi.
Umiejętność jasnego przedstawienia problemu, słuchania drugiej osoby, prowadzenia trudnych rozmów, negocjowania czy wyjaśniania skomplikowanych zagadnień prostym językiem pozostaje bardzo cenna.
AI może przygotować propozycję odpowiedzi dla klienta. Nie zawsze będzie jednak rozumiała wszystkie emocje, wcześniejsze doświadczenia stron, relacje w organizacji czy konsekwencje źle dobranego tonu wypowiedzi. W takich sytuacjach nadal potrzebny jest człowiek, który potrafi właściwie odczytać kontekst.
To jeden z powodów, dla których warto rozwijać kompetencje interpersonalne także wtedy, gdy wykonuje się zawód techniczny.
Inteligencja emocjonalna nabiera wartości
Wraz ze wzrostem automatyzacji rośnie również znaczenie umiejętności rozumienia ludzi. Inteligencja emocjonalna obejmuje między innymi zdolność rozpoznawania własnych emocji, zauważania reakcji innych osób, zachowywania kontroli w trudnych sytuacjach oraz dopasowywania sposobu komunikacji do rozmówcy.
Ma to szczególne znaczenie w zarządzaniu zespołami, sprzedaży, obsłudze klienta, HR, negocjacjach i pracy projektowej. Jednak także w innych profesjach coraz częściej pracuje się w interdyscyplinarnych zespołach, gdzie sukces zależy nie tylko od wiedzy specjalistycznej, ale również od umiejętności współpracy.
Można więc spodziewać się, że wraz z rozwojem AI część najbardziej „ludzkich” kompetencji paradoksalnie stanie się jeszcze bardziej wartościowa.
Samodzielność i podejmowanie decyzji
AI może podpowiadać, ale ktoś nadal musi zdecydować.
To szczególnie ważne w sytuacjach, których nie można rozwiązać za pomocą jednego prostego schematu. Pracownik powinien potrafić zebrać informacje, rozważyć możliwe warianty, ocenić ryzyko i podjąć decyzję, nawet jeśli nie dysponuje kompletem danych.
W wielu firmach sztuczna inteligencja będzie stopniowo przejmowała najbardziej podstawowe i powtarzalne zadania. W efekcie już od młodszych pracowników może być oczekiwana większa samodzielność niż wcześniej. Część pracy wykonywanej dawniej przez juniora może bowiem zostać zautomatyzowana, a człowiek szybciej zacznie zajmować się zadaniami wymagającymi analizy i oceny sytuacji.
To istotna zmiana również dla osób rozpoczynających karierę. Samo wykonywanie poleceń może nie wystarczyć. Coraz cenniejszy będzie pracownik, który potrafi zauważyć problem i zaproponować sposób jego rozwiązania.
Odporność na zmianę i elastyczność
Jeszcze jedną kompetencją ważną w czasach AI jest elastyczność. Wiele osób będzie w kolejnych latach obserwowało zmianę narzędzi, procedur, zakresu obowiązków, a czasami także całych zawodów.
Nie każda taka zmiana musi oznaczać konieczność rozpoczynania kariery od początku. Częściej potrzebne będzie uzupełnienie dotychczasowych kompetencji o nowe elementy. Księgowy może nauczyć się pracy z narzędziami wykorzystującymi AI, marketer – analizy generowanej automatycznie, menedżer – zarządzania zespołem korzystającym z nowych technologii, a specjalista HR – wykorzystania automatyzacji w rekrutacji.
Dlatego reskilling i upskilling przestają być działaniami podejmowanymi jedynie wtedy, gdy ktoś straci pracę. Coraz częściej stają się naturalnym elementem kariery zawodowej.
Czego warto uczyć się w najbliższych latach?
Nie istnieje jeden zestaw kompetencji odpowiedni dla każdego zawodu. Można jednak wskazać obszary, które będą przydatne w bardzo wielu branżach.
Warto rozwijać przede wszystkim:
praktyczną umiejętność korzystania z AI,
krytyczne myślenie i analizę informacji,
zdolność szybkiego uczenia się,
komunikację interpersonalną,
kreatywność i rozwiązywanie problemów,
podejmowanie decyzji,
inteligencję emocjonalną,
współpracę w zespołach,
elastyczność i adaptację do zmian,
specjalistyczną wiedzę branżową.
Najważniejsze jest jednak połączenie tych elementów. Sama znajomość AI bez wiedzy zawodowej może okazać się niewystarczająca. Podobnie długoletnie doświadczenie w jednej dziedzinie nie zawsze będzie wystarczało, jeśli pracownik nie nauczy się korzystać z nowych technologii.
Największą wartość mogą mieć osoby, które potrafią łączyć wiedzę branżową z narzędziami AI i kompetencjami społecznymi.
Szkolenia nie kończą się wraz ze zdobyciem zawodu
Zmiana oczekiwań pracodawców oznacza również zmianę podejścia do edukacji zawodowej. Model, w którym najpierw przez kilka lat zdobywa się kwalifikacje, a następnie przez większość kariery wykorzystuje tę samą wiedzę, coraz słabiej odpowiada realiom rynku pracy.
Znacznie bardziej aktualny staje się model ciągłego rozwoju. Krótsze szkolenia, kursy specjalistyczne, warsztaty, nauka nowych narzędzi i zdobywanie doświadczenia w praktycznych projektach mogą regularnie uzupełniać podstawowe wykształcenie.
Nie oznacza to, że dyplom traci znaczenie. Nadal może świadczyć o zdobyciu określonych podstaw i wiedzy kierunkowej. Pracodawcy coraz częściej będą jednak patrzyli również na to, co kandydat zrobił po ukończeniu szkoły lub studiów: czego nauczył się samodzielnie, jakie dodatkowe kompetencje zdobył i czy potrafi rozwijać się wraz ze zmianą rynku.
Najważniejszą umiejętnością może być gotowość do nauczenia się następnej
Nie wiemy jeszcze, jakie dokładnie narzędzia AI będą dominowały za pięć czy dziesięć lat. Możemy natomiast z dużym prawdopodobieństwem założyć, że będą inne niż dzisiejsze.
Dlatego inwestowanie wyłącznie w obsługę jednego programu jest ryzykowne. Znacznie bardziej trwałą przewagę daje kombinacja wiedzy zawodowej, zdolności uczenia się, krytycznego myślenia, komunikacji oraz umiejętności wykorzystywania technologii.
W czasach sztucznej inteligencji najlepiej przygotowanym pracownikiem nie musi być osoba, która wie dziś najwięcej. Może nim być ktoś, kto potrafi bardzo szybko nauczyć się tego, co będzie potrzebne jutro.
I właśnie dlatego rozwój zawodowy coraz mniej przypomina jednorazowe zdobywanie kwalifikacji, a coraz bardziej proces trwający przez całą karierę.
