W dobie vibe codingu znajomość programowania przestaje być przepustką do przewagi konkurencyjnej samą w sobie. Amjad Masad, szef firmy Replit, przekonuje, że wraz z rozwojem agentów AI coraz większe znaczenie mają pomysły, kreatywność, wiedza branżowa i umiejętność oceny jakości tego, co tworzy maszyna.
- AI może przejąć dużą część pracy technicznej, ale nie zastępuje dobrego osądu i zrozumienia problemu
- Znajomość kodowania nadal ma wartość, bo pozwala rozumieć infrastrukturę i kontrolować jakość pracy AI
- Przewagę zyskają osoby łączące głęboką specjalizację z szerokim rozumieniem biznesu
- Kreatywność i zdolność szybkiego testowania pomysłów stają się jednymi z najważniejszych kompetencji ery AI
Jeszcze niedawno ten, kto potrafił programować, analizować dane albo budować cyfrowe produkty, dysponował kompetencjami rzadkimi i kosztownymi. Generatywna AI zmienia ten układ. Coraz więcej narzędzi potrafi pisać kod, tworzyć aplikacje i poprawiać błędy na podstawie polecenia w zwykłym języku.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Właśnie dlatego zaskakująco brzmi wypowiedź Amjada Masada, prezesa Replit, firmy będącej jednym z symboli boomu na tzw. vibe coding. Podczas rozmowy po otwarciu europejskiej siedziby spółki w Londynie stwierdził, że w 2026 r. „umiejętności techniczne nie są już tak ważne jak pomysły i jakość tych pomysłów”.
Nie oznacza to jednak końca programistów. Raczej pokazuje, że ekonomiczna wartość przesuwa się z wykonania na wybór kierunku.
Kod przestaje być barierą wejścia
Przez lata stworzenie aplikacji, automatyzacji czy prototypu produktu wymagało albo zespołu programistów, albo solidnej znajomości kodu. Dziś część tych zadań może wykonać agent AI. Dla przedsiębiorcy, marketera czy analityka oznacza to, że pomysł można sprawdzić szybciej i taniej.
Masad zwraca uwagę, że w takim świecie szczególnie cenna staje się zdolność do generowania nowych koncepcji i błyskawicznego ich testowania. Osoba, która potrafi wymyślić kilka unikalnych hipotez, a następnie szybko zbudować ich prototypy z pomocą AI, może uzyskać większą przewagę niż ktoś, kto sam napisze perfekcyjny kod, ale nie wie, jaki problem warto rozwiązać.
To odwrócenie dotychczasowej logiki. Gdy kompetencje techniczne były rzadkie, najważniejsze było „jak to zbudować”. W świecie agentów AI coraz częściej kluczowe staje się „co zbudować”, „dla kogo” i „po co”.
Jednocześnie Masad podkreśla, że podstawy techniczne nadal są istotne. Bez nich trudniej zrozumieć, co dzieje się pod powierzchnią narzędzia, ocenić ryzyko, wykryć błąd czy zauważyć, że AI stworzyła rozwiązanie pozornie poprawne, ale niewłaściwe biznesowo.
Czytaj też: AI zaczyna budować kolejne AI. OpenAI przyspiesza badania i ostrzega: trzeba będzie zwolnić
Specjalista głęboki albo wszechstronny
CEO Replit wskazuje dwa profile, które mogą dobrze odnaleźć się w gospodarce opartej na AI. Pierwszy to ekspert z bardzo głęboką wiedzą w konkretnej dziedzinie. Taka osoba potrafi zweryfikować wynik wygenerowany przez model, bo rozumie niuanse, wyjątki i konsekwencje decyzji.
Drugi profil to człowiek o szerokim zestawie kompetencji. Masad podaje przykład przedsiębiorcy, który zna podstawy finansów, księgowości, produktu czy technologii, a własne braki uzupełnia agentami AI. Nie musi być ekspertem w każdej dziedzinie, ale powinien rozumieć wystarczająco dużo, by trafnie zadawać pytania i rozpoznawać słabe odpowiedzi.
Dla organizacji oznacza to możliwość budowania mniejszych zespołów realizujących szerszy zakres zadań. Jednocześnie rośnie znaczenie kompetencji najtrudniejszych do automatyzacji — osądu, doświadczenia, intuicji branżowej i krytycznego myślenia.
To również ważna wskazówka dla osób wchodzących dziś na rynek pracy. Próba nauczenia się wyłącznie konkretnego narzędzia może szybko okazać się niewystarczająca, bo samo narzędzie za rok czy dwa może wyglądać zupełnie inaczej. Znacznie trwalszą przewagę daje zrozumienie dziedziny, w której technologia ma być wykorzystywana.
Kreatywność staje się kompetencją biznesową
Najmocniejsza część tezy Masada dotyczy kreatywności. AI może zaproponować setki pomysłów, ale nie oznacza to, że będą wartościowe. Nadal potrzebny jest człowiek, który potrafi dostrzec problem, połączyć odległe zjawiska i podjąć decyzję przy niepełnej informacji.
Dlatego w erze AI kreatywność przestaje być miękkim dodatkiem do kompetencji technicznych. Coraz częściej staje się kompetencją biznesową: decyduje o tym, jakie projekty zostaną uruchomione, które pomysły odrzucone, a które rozwiną się w produkt, usługę albo nowy model operacyjny.
Polski kontekst jest tu szczególnie istotny. W wielu firmach w Polsce nadal większy nacisk kładzie się na naukę obsługi konkretnego narzędzia AI niż na rozwijanie umiejętności oceny jego wyników, wiedzy domenowej i łączenia technologii z biznesem. To może być błąd. Sama znajomość promptów czy podstaw kodowania będzie coraz łatwiejsza do skopiowania, natomiast rozumienie klienta, procesu, regulacji i ekonomiki branży pozostanie trudniejsze do automatyzacji.
W praktyce oznacza to również zmianę dla uczelni i pracodawców. Nauka kodowania nadal ma sens, ale nie tylko po to, by wychować kolejnych programistów. Powinna uczyć logicznego myślenia, rozumienia systemów i kontroli jakości rozwiązań tworzonych przez AI.
Nowa przewaga nie będzie więc należeć ani do ludzi całkowicie technicznych, ani do tych, którzy z technologii rezygnują. Najwięcej zyskają ci, którzy połączą podstawy techniczne z głęboką wiedzą, szerokim spojrzeniem biznesowym i zdolnością tworzenia lepszych pomysłów niż konkurencja. AI może wykonać coraz większą część pracy. Nadal jednak ktoś musi zdecydować, która praca w ogóle jest warta wykonania.
Sprawdź też: Cicha automatyzacja. Jak małe firmy używają AI tam, gdzie klient jej nie widzi
