Kim jest specjalista od sztucznej inteligencji?

Pięć różnych ról pod jedną nazwą

Nazwa „specjalista od sztucznej inteligencji” nie opisuje jednego stanowiska. W praktyce kryje co najmniej pięć ról o rozłącznych kompetencjach, między którymi przechodzi się z trudem.

Ogłoszenie „szukamy specjalisty od AI” bez wskazania, o którą rolę chodzi, przyciąga kandydatów ze wszystkich pięciu grup, a każda z nich rozwiązałaby zupełnie inny problem.

Urzędowa klasyfikacja zawodów i specjalności ma od 1 stycznia 2022 roku dwa kody ze sztuczną inteligencją lub uczeniem maszynowym w nazwie: 251908 „Specjalista do spraw rozwoju sztucznej inteligencji” i 251909 „Specjalista do spraw uczenia maszynowego”. Data scientist występuje w niej osobno, jako synonim analityka baz danych (252102). Klasyfikacja z 2025 roku przeniosła te pozycje bez zmiany nazw. Do czego służą te kody, piszę w tekście jaki kod zawodu ma specjalista od AI.

Jak nazywa się ekspert od sztucznej inteligencji

Nie ma jednej nazwy, co w młodym zawodzie jest normalne. W ogłoszeniach z 2026 roku te same kompetencje kryją się pod wieloma tytułami. To inżynier AI (AI engineer), inżynier uczenia maszynowego, inżynier agentów AI (agentic AI engineer), architekt rozwiązań AI, data scientist, MLOps, a coraz częściej także context engineer. Po polsku wszystkie one zlewają się w potoczne „ekspert od AI” albo „specjalista od sztucznej inteligencji”.

Jedna nazwa z tej rodziny wygasa: prompt engineer. Według zestawienia The AI Career Lab oferty z tym tytułem spadły o około 40% między 2024 a 2025 rokiem i w 2026 praktycznie zniknęły z ogłoszeń, a sama umiejętność stała się kompetencją bazową szerszych ról. Jeśli szukasz człowieka do pracy, szukaj po zadaniach; jeśli planujesz karierę, ścieżki wejścia opisałem w tekście jak zostać ekspertem od AI.

Co robi specjalista od AI na co dzień

Codzienność zależy od roli z listy powyżej, ale w polskich firmach sprowadza się do czterech powtarzalnych typów pracy. Specjalista łączy modele z firmowymi danymi i systemami (integracje, RAG, agenci) i sprawdza jakość odpowiedzi, zanim zobaczy je klient (testy, ewaluacja, nadzór). Porządkuje też dane, na których ma pracować model, i tłumaczy między biznesem a technologią, czyli zamienia „chcemy AI” na proces, miarę i budżet.

Wbrew wyobrażeniom najmniej czasu schodzi na to, co wygląda efektownie: trenowanie modeli zdarza się w polskich wdrożeniach rzadko, bo niemal wszystkie opierają się na gotowych modelach łączonych z wiedzą firmy.

Której roli potrzebuje typowa polska firma

Zwykle nie tej najbardziej technicznej.

Według danych GUS za 2025 rok sztuczną inteligencję wykorzystywało 8,7% przedsiębiorstw w Polsce od 10 pracujących. W zestawieniu Eurostatu za ten sam rok Polska ma 8,4%, a średnia Unii Europejskiej wynosi 20,0%.

Wąskim gardłem jest brak kogoś, kto wybierze właściwy proces, zmierzy jego dzisiejszy koszt i doprowadzi projekt do końca, czyli role czwarta i piąta z tabeli powyżej. Inżyniera uczenia maszynowego większość tych firm nie potrzebuje. Sam pracuję głównie w tych dwóch rolach, a wcześniej najwięcej projektów zrobiłem przy sieciach konwolucyjnych (CNN) do rozpoznawania i detekcji obiektów na zdjęciach i wideo. Więcej o tym piszę na stronie o mnie.

Czego specjalista od AI nie zrobi

Od granic tej roli zależy, czy projekt się powiedzie:

Nie uporządkuje twoich danych za ciebie

Jeśli wiedza firmowa siedzi w PDF-ach, skanach i głowach trzech osób, ktoś musi ją zebrać. To praca po stronie firmy i często pochłania 40⁠–⁠60% budżetu pierwszego wdrożenia. To udział z mojej praktyki, nie z badań.

Nie zastąpi eksperta dziedzinowego

Osoba wykonująca automatyzowany proces na co dzień musi mieć na projekt realnie kilka godzin tygodniowo. Bez niej rozwiązanie projektuje się pod wyobrażenie o procesie.

Nie zmieni sposobu pracy zespołu

Wdrożenie, po którym ludzie pracują po staremu, jest wdrożeniem nieudanym niezależnie od jakości technicznej. Zmiana procedury i rozliczenie z korzystania leżą po stronie kierownika działu.

Nie zagwarantuje poprawności odpowiedzi

Model językowy generuje odpowiedź najbardziej prawdopodobną, bez gwarancji poprawności. Tam, gdzie gwarancja jest potrzebna (obliczenia, rozliczenia, kalkulacje), właściwym narzędziem jest system deterministyczny.

Jak zweryfikować kompetencje

Tytuł niczego nie dowodzi: w Polsce nie ma instytucji certyfikującej specjalistów od sztucznej inteligencji, egzaminu państwowego ani rejestru. Certyfikaty ukończenia szkoleń potwierdzają tylko udział w szkoleniu, a rynek szkoleń AI rośnie szybciej niż rynek wdrożeń.

Sprawdzalne jest co innego:

• Konkretne wdrożenie z liczbami: jaki proces, jaka liczba przed i po, w jakim okresie, kto to mierzył.
• Opis nieudanego projektu z przyczyną po własnej stronie.
• Umiejętność wskazania granic, czyli kiedy odradza stosowanie AI.
• Zrozumienie kosztu bieżącego: od czego zależy miesięczny rachunek za API i jak się go optymalizuje.
• Publiczny dorobek, z którego widać sposób rozumowania.

Jedna firma budująca modele opisała, na co patrzy przy własnych naborach. Anthropic przeanalizował w raporcie z 16 października 2026 roku karty oceny kandydatów, których zatrudnił od 2024 roku. W 2024 roku menedżerowie wspominali o dorobku kandydata w pracy z narzędziami AI w około 5% ocen na stanowiska techniczne i 7% na pozostałe. Do 2026 roku udział takich ocen wzrósł trzykrotnie przy rolach technicznych i czterokrotnie przy pozostałych. U kandydatów technicznych najbardziej przybyło uwag o samodzielności i osądzie, a wiedza dziedzinowa zajmowała w ocenach mniej miejsca.

Rozwinięcie tych kryteriów, wraz z listą sygnałów ostrzegawczych, znajdziesz na stronie jak wybrać konsultanta AI.