Każdy plan rozwoju kompetencji napisany w ostatnich dwóch latach ma sekcję o AI. Większość z nich opisuje zatrudnianie inżynierów uczenia maszynowego.
Dane o rynku pracy nie potwierdzają, że to jest sedno sprawy, a luka między planem a danymi to miejsce, w którym marnuje się budżety.
Dwie liczby, które wskazują w różne strony
Z raportu World Economic Forum Future of Jobs Report 2025: 86 procent pracodawców spodziewa się, że AI i technologie przetwarzania informacji zmienią ich biznes do 2030 roku, a AI i big data zajmują pierwsze miejsce w rankingu najszybciej rosnących kompetencji do 2030 roku. Sieci i cyberbezpieczeństwo są na drugim miejscu.
Z danych amerykańskiego Bureau of Labor Statistics: zatrudnienie analityków bezpieczeństwa informacji ma wzrosnąć o 29 procent między 2024 a 2034 rokiem, znacznie szybciej niż średnia dla wszystkich zawodów.
Pierwsza liczba dotyczy oczekiwań. Druga to prognoza rzeczywistego zatrudnienia w konkretnym zawodzie, przypisana do konkretnego stanowiska.
Pracodawcy spodziewają się, że AI zmieni wszystko. Zawodem, który prognozy rynku pracy pokazują jako najszybciej rosnący w tym obszarze, jest ten, który to wszystko zabezpiecza.
To nie sprzeczność. To opis tego, jak wdrożenie technologii tworzy zatrudnienie – rzadko tam, gdzie jest ekscytacja.
Dlaczego popyt tak naprawdę ląduje w bezpieczeństwie
Mechanizm jest prosty, gdy się go nazwie.
Wdrożenie AI oznacza przenoszenie coraz większej ilości danych do coraz większej liczby systemów, łączenie ze sobą coraz większej liczby rzeczy, udostępnianie coraz większej liczby interfejsów i zależność od coraz większej liczby zewnętrznych dostawców. Każde z nich powiększa powierzchnię ataku.
Dodaj do tego specyficzne problemy, które wprowadza sama technologia. Modele trenowane na danych, które nie mogą wyciec. Systemy, które da się zmanipulować przez ich dane wejściowe. Wyniki, które wyglądają autorytatywnie i mogą być błędne. Łańcuchy dostaw modeli i komponentów, których pochodzenie trudno zweryfikować.
I dodaj do tego rzeczywistość organizacyjną: wdrożenie AI oddaje możliwości w ręce ludzi w całej firmie, którzy nie są przeszkoleni w zakresie bezpieczeństwa, w dużym tempie, często za pomocą narzędzi kupionych poza działem IT.
Więc fala wdrożeń AI wywołuje falę pracy związanej z bezpieczeństwem, a tę pracę można zmierzyć liczbą etatów w sposób, w jaki często nie da się zmierzyć pracy nad samym AI.
Dla planu rozwoju kompetencji wniosek jest niewygodny, ale przydatny: jeśli organizacja finansuje program AI bez proporcjonalnego finansowania bezpieczeństwa, buduje coś, co nie chroni samo siebie.
Trzy warstwy kompetencji AI, których potrzebuje organizacja
Większość planów miesza te warstwy ze sobą, a mają one zupełnie różne liczby etatów, profile kompetencji i ścieżki szkoleniowe.
| Warstwa | Czym się zajmuje | Potrzebna liczba etatów |
|---|---|---|
| Budowanie | Rozwój i trenowanie modeli, badania | Bardzo niewielu, i tylko w niektórych organizacjach |
| Stosowanie i integracja | Wdrażanie, integracja, obsługa, monitorowanie, zabezpieczanie | Znaczna |
| Korzystanie i ocena | Praca z systemami, ocena jakości wyników, znajomość ograniczeń | Bardzo duża, niemal wszyscy |
Pierwszy wiersz przyciąga uwagę rekrutacji i jest najmniejszy. Większość organizacji nie musi trenować modeli. Musi bezpiecznie i poprawnie korzystać z modeli zbudowanych przez innych.
Drugi wiersz to prawdziwa inżynieria i to nie to samo co pierwszy. Wdrażanie systemu, monitorowanie, czy nie traci jakości, obsługa awarii, zarządzanie kosztami i zabezpieczanie to kompetencje z zakresu infrastruktury i operacji, a nie badań.
Trzeci wiersz jest największy i najmniej zaadresowany.
Warstwa, której niemal nikt nie obsadza
Ewaluacja zasługuje na osobną sekcję, bo brak tej kompetencji powoduje najwięcej szkód, a jednocześnie pojawia się w niemal żadnym planie rozwoju kompetencji.
Te systemy produkują płynne, pewne siebie wyniki, które czasem są błędne. Ten błąd nie jest w żaden sposób oznaczony. Wygląda dokładnie tak samo jak poprawny wynik.
Co oznacza, że wartość systemu zależy całkowicie od tego, czy ktoś potrafi odróżnić jedno od drugiego, a ten ktoś musi rozumieć dziedzinę, nie model.
Model, który tworzy szkic procedury utrzymania ruchu, jest przydatny, gdy sprawdzi go kompetentny inżynier, i niebezpieczny, gdy nikt tego nie zrobi. System streszczający literaturę kliniczną jest przydatny dla kogoś, kto sam mógłby tę literaturę przeczytać. Osąd jest mechanizmem bezpieczeństwa, a osąd mieszka w wiedzy dziedzinowej.
To prowadzi do najważniejszego wniosku kadrowego w tym artykule.
Ekspert dziedzinowy z dobrą znajomością AI jest zwykle cenniejszy niż specjalista od AI bez wiedzy dziedzinowej. Ekspert dziedzinowy potrafi rozpoznać, kiedy odpowiedź jest błędna. Specjalista nie potrafi i wypuści ją dalej.
To zmienia pytanie o szkolenia. Zamiast zatrudniać rzadkich, drogich specjalistów od uczenia maszynowego, przeszkol metalurga, inżyniera procesu, klinicystę i analityka, których już zatrudniasz, żeby kompetentnie i sceptycznie pracowali z tymi systemami. Ta populacja jest duża, już zatrudniona i ma coś, czego nie da się szybko wyszkolić.
Domena AI, danych i informatyki
Pierwsza domena Astra Trainer obejmuje osiem kierunków: informatykę, inżynierię oprogramowania, sztuczną inteligencję i uczenie maszynowe, data science i analitykę, cyberbezpieczeństwo, cloud computing i DevOps, systemy IT i sieci komputerowe oraz blockchain i systemy rozproszone.
Cyberbezpieczeństwo i chmura celowo sąsiadują z kierunkiem AI, bo to warstwy, które organizacja faktycznie musi obsadzić razem. Ścieżki prowadzą od podstaw do pracy stosowanej, więc ten sam katalog służy zarówno ekspertowi dziedzinowemu zdobywającemu umiejętności korzystania z AI, jak i inżynierowi przechodzącemu do bezpieczeństwa. Zobacz osiem kierunków tutaj.
Kogo można w to przeszkolić, a kogo nie
Do bezpieczeństwa, gdzie brak jest najbardziej dotkliwy. Administratorzy sieci i systemów to najkrótsza i najbardziej oczywista droga, bo już rozumieją infrastrukturę, którą trzeba bronić. Inżynierowie oprogramowania łatwo przechodzą do bezpieczeństwa aplikacji. Specjaliści od zgodności, audytu i ryzyka wnoszą połowę związaną z governance i potrzebują tylko połowy technicznej. Personel helpdesku i wsparcia, często pomijany, zna infrastrukturę, użytkowników i to, jak rzeczy naprawdę się psują, co jest realną przewagą.
Do warstwy stosowania i integracji. Inżynierowie oprogramowania i danych są blisko. Podobnie osoby od infrastruktury i operacji, bo znaczna część uruchamiania systemu AI w produkcji to problem operacyjny w nowym słownictwie.
Do warstwy korzystania i oceny. Niemal każdy ekspert dziedzinowy, i to jest szkolenie o najwyższym zwrocie w większości organizacji, bo populacja jest duża, a dystans krótki. Czego potrzebują, to nie architektura modeli. To wiedza, co te systemy robią, gdzie zawodzą, jak przesłuchać wynik, czego do nich nie wkładać i kiedy eskalować.
Do budowania. Realistycznie – osoby z mocnym wykształceniem ilościowym, i to długa droga. Dla większości organizacji to nie jest właściwy kierunek.
O certyfikacji w bezpieczeństwie i o ryzyku specyficznym dla AI. Wiele ról w bezpieczeństwie wiąże się z uznanymi certyfikatami, a niektóre sektory wymagają konkretnych uprawnień. Szkolenie buduje kompetencje i przygotowuje do tych ścieżek, ale ich nie zastępuje. Osobno: program umiejętności korzystania z AI, który uczy ludzi używać tych narzędzi, ale nie uczy, czego nie wolno do nich wkładać i na co nie można polegać na wyjściu, pogarsza profil ryzyka organizacji zamiast go poprawiać. Ograniczenia należą do pierwszej lekcji, nie do załącznika.
Dlaczego szkolenia z AI starzeją się szybciej niż cokolwiek innego
Praktyczny problem specyficzny dla tej domeny.
Narzędzia, interfejsy i możliwości zmieniają się w skali miesięcy. Szkolenie zbudowane wokół konkretnego produktu szybko się dezaktualizuje, a program zaprojektowany jako jednorazowe wydarzenie będzie za rok uczyć czegoś przestarzałego.
Dwie odpowiedzi projektowe.
Ucz warstwy trwałej. Czym te systemy fundamentalnie są, dlaczego zawodzą w taki, a nie inny sposób, jakie są konsekwencje dla danych i prywatności, jak oceniać wynik. To przetrwa cykl produktowy. Rozmieszczenie przycisków – nie.
Zrób to ciągłe, nie jednorazowe. To domena, w której ciągła nauka w krótkich formach naprawdę przewyższa kurs, bo dziedzina zmienia się szybciej niż cykle aktualizacji kursów. Załoga ucząca się kilka minut dziennie pozostaje mniej więcej na bieżąco. Załoga, która odbyła dwudniowy kurs w 2025 roku – nie.
To samo dotyczy z jeszcze większą siłą bezpieczeństwa, gdzie krajobraz zagrożeń jest z definicji wrogi i zmienia się nieustannie.
Co z tego wynieść
Pracodawcy spodziewają się, że AI zmieni ich biznes, a zawodem, który prognozy pokazują jako najszybciej rosnący w tym obszarze, jest analityk bezpieczeństwa informacji – 29 procent.
Rozdziel trzy warstwy. Niemal nikt nie musi budować modeli. Wszyscy potrzebują ludzi, którzy potrafią je stosować, integrować, zabezpieczać i oceniać.
Ewaluacja to najsłabiej obsadzona i najbardziej brzemienna w skutki warstwa, i wymaga wiedzy dziedzinowej, a nie wiedzy o modelach.
Przeszkol ekspertów dziedzinowych, których już zatrudniasz. Metalurg z umiejętnością korzystania z AI bije specjalistę od AI bez wiedzy o metalurgii, bo tylko jeden z nich potrafi rozpoznać, kiedy odpowiedź jest błędna.
I buduj program wokół warstwy trwałej, prowadząc go w sposób ciągły, bo wszystko, czego uczy się wokół konkretnego narzędzia, ma trwałość liczoną w miesiącach.
Jaka jest największa luka kompetencyjna w AI?
W prognozach rynku pracy – bezpieczeństwo. Zatrudnienie analityków bezpieczeństwa informacji ma wzrosnąć o 29 procent w latach 2024–2034. Wdrożenie AI powiększa powierzchnię ataku szybciej, niż organizacje ją obsadzają.
Czy musimy zatrudniać inżynierów uczenia maszynowego?
Większość organizacji potrzebuje bardzo niewielu osób, które budują modele, i bardzo wielu, które potrafią stosować, integrować, zabezpieczać i oceniać systemy zbudowane przez innych. Plany, które finansują tylko to pierwsze, to najczęstsza porażka.
Kto najlepiej nadaje się do przejścia w cyberbezpieczeństwo?
Administratorzy sieci i systemów to najkrótsza droga, potem inżynierowie oprogramowania w bezpieczeństwo aplikacji oraz specjaliści od zgodności i audytu, którzy potrzebują połowy technicznej. Personel wsparcia jest często pomijany, a dobrze zna infrastrukturę.
Szkolić ekspertów dziedzinowych w AI, czy zatrudniać specjalistów od AI?
Do warstwy ewaluacji – szkol ekspertów dziedzinowych. Ocena, czy wynik jest błędny, wymaga znajomości dziedziny, a płynność tych systemów sprawia, że niewykwalifikowany recenzent przepuści błędy dalej.
Jak utrzymać aktualność szkoleń z AI?
Ucz warstwy trwałej zamiast interfejsu konkretnego produktu i prowadź to w sposób ciągły, nie jako wydarzenie. Domena AI, danych i informatyki Astra Trainer obejmuje osiem kierunków, w tym cyberbezpieczeństwo i chmurę – zobacz je tutaj.