Automatyzacja miała uwolnić stażystów od przepisywania danych, robienia notatek i porządkowania dokumentów. Zamiast prostszej ścieżki rozwoju pojawiła się jednak luka. Młodzi pracownicy albo kontrolują odpowiedzi AI, albo dostają zadania wymagające doświadczenia, którego jeszcze nie zdobyli.
- AI przejmuje proste obowiązki, które przez lata stanowiły pierwszy etap wdrożenia stażystów
- Młodzi pracownicy coraz częściej otrzymują zadania wymagające odpowiedzialności większej niż ich przygotowanie
- Brak mentorów i praca zdalna utrudniają bezpieczne uczenie się na błędach
- Firmy muszą projektować staże jako programy rozwoju, a nie sposób na zagospodarowanie pracy pozostałej po automatyzacji
Przez lata staż w dużej firmie zaczynał się podobnie: od aktualizowania arkuszy, przygotowywania zestawień, porządkowania dokumentów, robienia notatek i wprowadzania danych do systemów. Zadania były mało ekscytujące, ale pozwalały zrozumieć, jak przepływa informacja, kto podejmuje decyzje i jakie błędy mogą mieć konsekwencje dla zespołu.
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.
Dziś znaczną część tej pracy wykonują aplikacje oparte na sztucznej inteligencji. Tworzą pierwsze wersje raportów, podsumowują spotkania i porządkują dane. Stażyści? Ci nie muszą już spędzać dni na mechanicznych czynnościach, a firmy mogą angażować ich w ambitniejsze projekty.
Problem w tym, że wraz z monotonnymi zadaniami znika bezpieczny poligon doświadczalny. Firma konsultingowa Korn Ferry określa ten stan jako „nowy rodzaj nudy”. Młodzi nie zawsze mają wystarczająco dużo sensownej pracy, a gdy już ją dostają, bywa ona trudniejsza i bardziej ryzykowna niż obowiązki wcześniejszych roczników.
Od kopiowania danych do decyzji bez przygotowania
W firmach powstaje model stażu oparty na skrajnościach. Z jednej strony stażysta może zostać sprowadzony do sprawdzania rezultatów chatbotów: wyszukiwania błędów, fałszywych informacji i niespójności. To nowa wersja pracy administracyjnej, tyle że zamiast wpisywania danych człowiek kontroluje maszynę.
Z drugiej strony organizacje powierzają początkującym zadania, które wcześniej trafiały do bardziej doświadczonych pracowników.
Stażyści mają analizować problemy, rekomendować rozwiązania i przygotowywać materiały dla klientów. Teoretycznie przyspiesza to rozwój, lecz może prowadzić do przeciążenia, gdy młody pracownik nie zna jeszcze branży ani zasad działania zespołu.
Korn Ferry zwraca uwagę, że firmy oczekują od stażystów biegłości w obsłudze AI już pierwszego dnia. Tyle że korzystanie z narzędzia nie jest równoznaczne z posiadaniem osądu biznesowego. AI może przygotować analizę, ale początkująca osoba nadal musi wiedzieć, które dane są wiarygodne, kiedy eskalować problem i jakie skutki może mieć błędna rekomendacja.
Sytuację pogarsza słabszy dostęp do mentorów. Według danych przytoczonych przez National Association of Colleges and Employers blisko 20% stażystów w 2025 r. nie miało mentora. Tymczasem opiekun powinien wyjaśniać kontekst, kontrolować ryzyko i dawać przestrzeń do popełniania błędów bez poważnych konsekwencji.
Praca zdalna i spłaszczanie struktur dodatkowo ograniczają takie wsparcie. Menedżerowie mają więcej obowiązków i mniej okazji do obserwowania postępów stażysty. Początkujący pracownik może więc działać samodzielnie, nie wiedząc, czy właściwie rozumie zadanie.
Staż nie może być zbiorem zadań, których nie przejęła AI
Dla firm stawka jest wysoka, ponieważ programy stażowe pozostają ważnym kanałem rekrutacji. Korn Ferry podaje, że 63% byłych stażystów otrzymało ofertę pełnoetatowej pracy od firmy, w której odbywali praktykę, lub od innego pracodawcy doceniającego zdobyte doświadczenie. Aż 89% przedsiębiorstw wykorzystuje staże do identyfikowania przyszłych pracowników.
W Stanach Zjednoczonych każdego roku staże odbywa od 3 do 4 mln osób. Ich znaczenie może wzrosnąć, ponieważ AI ogranicza część stanowisk juniorskich. Źle zaprojektowane programy osłabią więc także dopływ talentów do firm.
Rozwiązaniem nie jest powrót do przepisywania danych. Potrzebny jest model pośredni. Zadania powinny być prawdziwe, ale o kontrolowanej skali. Do tego odpowiedzialność rosnąca etapami, omawianie decyzji, praca w parach z bardziej doświadczonymi osobami i regularny feedback.
Stażysta może przygotować analizę przy wsparciu AI, ale powinien także wyjaśnić źródła, założenia i ryzyka. Może uczestniczyć w projekcie dla klienta, lecz nie powinien samodzielnie zatwierdzać kluczowych rekomendacji.
W Polsce podobne wyzwanie będzie dotyczyć zwłaszcza dużych firm usługowych, banków, konsultingu, centrów kompetencyjnych i branży technologicznej. Staże są tam często drogą do zatrudnienia absolwentów. Gdy proste zadania przejmą narzędzia AI, pracodawcy będą musieli więcej inwestować w opiekunów, scenariusze wdrożeniowe i zadania rozwojowe. Bez tego staż zamieni się albo w bierne obserwowanie algorytmów, albo w zbyt szybkie wrzucenie młodej osoby na głęboką wodę.
Jak podkreśla Jerry Collier z Korn Ferry, staże nie powinny być oceniane wyłącznie przez pryzmat bieżącego wyniku pracy. Ich celem jest rozwijanie ludzi. W dobie AI technologia może usunąć nudę, ale nie zastąpi świadomie zaprojektowanej nauki, rozmowy z mentorem i stopniowego budowania zawodowej pewności siebie.
Sprawdź też: Przedsiębiorczość bez mitu geniusza. MIT pokazuje, jak naprawdę buduje się firmę
