W połowie 2026 roku Amazon ogłosił miliard dolarów inwestycji w budowę całej organizacji wokół jednego stanowiska. Nie chodziło o nowy chip ani centrum danych – chodziło o jeden konkretny tytuł zawodowy. Kilka dni później Microsoft poszedł jeszcze dalej, uruchamiając biznes wart 2,5 miliarda dolarów, oparty na tysiącach ekspertów osadzonych bezpośrednio w zespołach klientów, żeby wspólnie z nimi projektować i wdrażać systemy AI.
Tym stanowiskiem jest Forward Deployed Engineer – i to dopiero pierwsza z kilku zupełnie nowych ról, które sztuczna inteligencja wprowadza dziś do struktur firmowych. W tym artykule pokazujemy pięć takich ról: skąd się wzięły, dlaczego akurat teraz stały się tak pożądane i co to oznacza dla firm planujących swoje zespoły na najbliższe lata.
1. Forward Deployed Engineer (FDE) – rola otwierająca listę
Nazwa i koncepcja tej roli nie są nowe – zapoczątkował je ponad dekadę temu Palantir, wysyłając swoich najlepszych inżynierów bezpośrednio do agencji rządowych i dużych przedsiębiorstw, żeby na miejscu wdrażali i dostosowywali systemy do realnych potrzeb klienta. Nowe jest tempo, w jakim ten model kopiują dziś najwięksi gracze rynku AI – OpenAI, Anthropic i długa lista dobrze finansowanych startupów.
Forward Deployed Engineer funkcjonuje bardziej jak inżynier założycielski pracujący nad cudzym produktem niż jak typowy programista realizujący zadania z backlogu. Dostaje klienta, konkretny problem i termin – resztę, łącznie z samą implementacją, ogarnia samodzielnie. Powód, dla którego ta rola eksplodowała akurat teraz, jest prosty: model gotowego, uniwersalnego oprogramowania SaaS nie sprawdza się w świecie AI. Każde przedsiębiorstwo ma unikalne dane, procesy i wymogi zgodności – sprzedaż produktu AI korporacji zwykle oznacza też sprzedaż całego projektu integracyjnego. Ktoś musi go zrealizować, i tym kimś jest właśnie FDE. Profil kompetencyjny FDE ma sporo wspólnego z tym, co opisywaliśmy przy okazji AI-native developera – różnica polega głównie na tym, że FDE dokłada do tego bezpośrednią odpowiedzialność za relację z klientem.
Liczba ogłoszeń na to stanowisko rosła w ostatnim roku wielokrotnie, a oferowane wynagrodzenia znacząco odbiegają w górę od typowych stawek inżynierskich. Paradoksalnie, mimo ogromnego popytu, liczba osób z realnymi kompetencjami do tej roli – łączącymi umiejętności inżynierskie, znajomość branży klienta i zdolność zarządzania relacją na poziomie zarządu – pozostaje bardzo ograniczona. To czyni FDE jedną z najtrudniejszych do obsadzenia pozycji na obecnym rynku technologicznym.
2. AI Agent Orchestrator – dyrygent zespołu złożonego z ludzi i agentów
Gartner w swoim raporcie o kluczowych trendach technologicznych na 2026 rok wskazał systemy wieloagentowe jako jeden z priorytetów dla przedsiębiorstw. Problem w tym, że firmy wdrażające agentów AI zauważają wyraźny wzorzec: agenci świetnie radzą sobie z pojedynczymi zadaniami, ale bardzo słabo wypadają, gdy trzeba skoordynować ich pracę w ramach zespołu – zarówno z ludźmi, jak i między sobą nawzajem.
To właśnie tę lukę ma wypełnić AI Agent Orchestrator. Jego zadaniem nie jest tworzenie kolejnych agentów, tylko sprawienie, żeby cała „flota” – ludzie i autonomiczne systemy razem – działała jako spójny, zarządzalny proces biznesowy, a nie zbiór niezależnie działających narzędzi. Wskaźniki dojrzałości organizacji pod względem wdrażania workflowów opartych na AI wciąż pozostają dość niskie, co pokazuje, że popyt na tę rolę dopiero zacznie realnie rosnąć.
3. AI Governance / Compliance Officer – odpowiedź na regulacje, nie na modę
O ile poprzednie dwie role wynikają wprost z technologii, ta powstaje w odpowiedzi na prawo. Unijny AI Act wchodzi w kolejne fazy obowiązywania – po regulacjach dla dostawców modeli ogólnego przeznaczenia przyszła kolej na pełne wymogi dla systemów wysokiego ryzyka, do których zalicza się m.in. wykorzystanie AI w rekrutacji czy w ocenie zdolności kredytowej.
Zadaniem AI Governance Officera jest nadzór nad tym, żeby wykorzystanie AI w organizacji było zgodne z przepisami – od dokumentowania sposobu działania systemów, przez ocenę ryzyka, po pilnowanie obowiązku oznaczania treści generowanych przez AI. To rola wymagająca rzadkiego połączenia kompetencji: wiedzy technicznej o tym, jak faktycznie działają modele, z dogłębną znajomością przepisów. Najszybciej takich specjalistów będą potrzebować firmy z sektorów regulowanych – finansów, HR i ochrony zdrowia – gdzie konsekwencje niezgodności są największe.
4. Lider zespołu hybrydowego – nowa kompetencja managerska
Czwarta zmiana dotyczy nie tyle nowego stanowiska, co nowej definicji roli menedżera. Coraz więcej liderów przestaje zarządzać wyłącznie ludźmi, a zaczyna zarządzać zespołami hybrydowymi – złożonymi z pracowników i autonomicznych agentów wykonujących całe fragmenty procesów biznesowych.
Widać tu wyraźną różnicę pokoleniową w organizacjach: kadra zarządzająca deklaruje dziś znacznie większą znajomość koncepcji agentów AI niż szeregowi pracownicy, a zdecydowana większość liderów wierzy, że AI przyspieszy, a nie zagrozi ich karierze. Problem w tym, że kluczową kompetencją menedżerską w tym modelu przestaje być samo „promptowanie” – staje się nią umiejętność delegowania zadań autonomicznym systemom i nadzorowania ich pracy tak, jak nadzoruje się pracę zespołu ludzkiego. To dokładnie ta sama, opisywana przez nas wcześniej zmiana definicji kompetencji managerskiej w dobie AI – umiejętność, której większość obecnych managerów po prostu jeszcze nie ma. Firmy, które zignorują ten problem, ryzykują, że to właśnie kadra zarządzająca, a nie sama technologia, stanie się wąskim gardłem wdrożenia AI.
5. Applied AI Engineer / AI Solutions Architect – „tłumacz” między biznesem a modelem
Ostatnia rola na liście zajmuje miejsce pomiędzy klasycznym data scientistem a Forward Deployed Engineerem. Applied AI Engineer czy AI Solutions Architect odpowiada za dobór, dostrajanie i zaprojektowanie architektury rozwiązań AI pod konkretne potrzeby biznesowe – niekoniecznie z bezpośrednim, długotrwałym osadzeniem w zespole klienta, jak ma to miejsce w przypadku FDE.
Skala zapotrzebowania na tego typu kompetencje widoczna jest już w samych statystykach rynku pracy technologicznego: udział ogłoszeń wymagających umiejętności związanych z AI lub uczeniem maszynowym wzrósł w ciągu roku radykalnie, obejmując dziś ponad połowę wszystkich publikowanych ofert w branży technologicznej. Dla wielu firm ta rola jest praktycznym kompromisem – pozwala budować realne kompetencje AI bez konieczności rywalizowania o najdroższe na rynku stawki oferowane najlepszym FDE. Warto przy tym pamiętać, że stawki i sposób rekrutacji tych profili w Polsce rządzą się własnymi regułami – pisaliśmy o tym szerzej w przewodniku po rekrutacji AI Engineerów.
Co to oznacza dla działów HR i rekrutacji już teraz
Żadna z opisanych ról nie ma jeszcze ustandaryzowanego opisu stanowiska ani jasnej ścieżki kariery – firmy muszą definiować je samodzielnie, obserwując, jak rynek się rozwija. We wszystkich pięciu przypadkach powtarza się jeden wzorzec: liczą się kompetencje „pograniczne” – połączenie techniki, znajomości biznesu i umiejętności komunikacji z klientem lub zarządem – bardziej niż wąska specjalizacja. To dokładnie ten sam wniosek, jaki widzieliśmy już wcześniej, analizując zmiany w rekrutacji w farmacji czy w produkcji przemysłowej: rynek coraz mocniej premiuje ludzi łączących kompetencje, nie wyłącznie ekspertów w jednej wąskiej dziedzinie.
Skoro żadna z tych ról nie ma jeszcze ustandaryzowanego CV, samo hasło „AI” w doświadczeniu kandydata nie wystarczy do weryfikacji – potrzebne jest to samo podejście, które opisywaliśmy przy okazji sprawdzania, czy kandydat naprawdę pracuje z AI: konkretne pytania o proces, nie o deklaracje.
Warto też pamiętać, że konkurencja o te profile jest dziś globalna, nie lokalna. Polskie firmy planujące rekrutację na te stanowiska rywalizują nie tylko z krajowym rynkiem, ale też z organizacjami oferującymi wynagrodzenia znacząco odbiegające od krajowych standardów – co samo w sobie jest argumentem za tym, żeby zacząć budować te kompetencje wcześniej, zanim presja płacowa stanie się jeszcze większa.
Checklist: 4 pytania, zanim zaczniesz szukać kogoś na nową rolę AI
- Czy naprawdę potrzebuję nowej, dedykowanej roli, czy raczej dokompetencjowania kogoś z obecnego zespołu?
- Czy mam jasność, do kogo taka osoba będzie raportować i jak zmierzę efekt jej pracy?
- Czy moja organizacja jest gotowa na zarządzanie zespołem hybrydowym (ludzie + agenci), czy dopiero się do tego przygotowuje?
- Czy uwzględniam wymogi regulacyjne (AI Act) już na etapie projektowania tej roli?
Budujesz zespół wokół AI i nie wiesz jeszcze, jak nazwać stanowisko, którego szukasz? W Talent Place śledzimy, jak zmieniają się role na styku technologii i biznesu, i pomagamy firmom zdefiniować profil kompetencji, zanim staną się one rynkowym standardem. Skontaktuj się z nami i porozmawiajmy o Twoim zespole.
Źródła: TechCrunch, „Forward-deployed engineers are the AI industry’s latest talent obsession” (lipiec 2026); Gartner, „Top Strategic Technology Trends for 2026″; raporty branżowe dot. dojrzałości wdrożeń AI i wykorzystania agentów w organizacjach, 2026.
