Streszczenie wykonawcze
To badanie korzysta z tego samego korpusu ogłoszeń rekrutacyjnych z Hacker News z maja 2025 i maja 2026 co raport RTO Index, ale patrzy na niego z innej strony: jak często firmy wspominają w ogłoszeniach o narzędziach AI, możliwościach LLM, agentowych workflow i podobnych wymaganiach.
Ścisła penetracja słów kluczowych związanych z AI wzrosła z 23,5% w maju 2025 do 35,6% w maju 2026. Prościej mówiąc: rok temu mniej więcej co czwarte ogłoszenie na HN wskazywało konkretne narzędzia AI albo pojęcia związane z LLM; w maju 2026 robiło to już ponad jedno na trzy.
Najważniejsza zmiana nie dotyczy tylko częstotliwości. AI jako wymaganie wzrosło z 1,7% do 4,1%, podczas gdy AI jako „mile widziane” praktycznie się nie zmieniło. To sugeruje, że język AI przesuwa się z kategorii dodatku do sekcji „must-have” w ofertach pracy technicznej.
Zmienił się też miks słów kluczowych. „Agentic” stało się najczęściej pojawiającym się hasłem w próbce z 2026 roku, a Claude wraz z Claude Code wyprzedziły Cursor i Copilot pod względem liczby wzmianek o konkretnych narzędziach. Dla marketingu developerskiego, rekrutacji i planowania kariery to ważny sygnał, że biegłość w AI workflow staje się częścią głównego nurtu narzędziowego stosu inżynierów.
Wypróbuj Thunderbit do web scrapingu wspieranego przez AI
Najbardziej cytowalne wnioski
- Ścisłe wzmianki o AI wzrosły z 23,5% do 35,6%, czyli o 12,1 punktu procentowego.
- Luźne wzmianki o AI wzrosły z 29,5% do 39,1%.
- AI jako wymaganie więcej niż się podwoiło — z 1,7% do 4,1%.
- AI jako preferencja wzrosło minimalnie — z 3,0% do 3,5%, co czyni wzrost w kategorii Required jeszcze bardziej znaczącym.
- „Agentic” wzrosło z 7 do 30 wzmianek i stało się najważniejszym słowem kluczowym w 2026 roku.
- Claude pojawiło się 18 razy, a Claude Code 11 razy w 2026 roku; łącznie to 29 wzmianek.
- Największy ruch napędzały role inżynierskie, gdzie penetracja słów AI wzrosła z 22,1% do 36,3%.
Jest różnica między sytuacją, gdy firma mówi „cieszymy się na AI”, a sytuacją, gdy wpisuje narzędzia AI do ogłoszenia, które kandydat musi spełnić. Pierwsze jest komunikatem marketingowym. Drugie jest sygnałem operacyjnym. Ten raport skupia się na tym drugim rodzaju dowodów: na słowach, których firmy używają, gdy próbują rekrutować osoby techniczne w publicznym, mocno inżynierskim forum.
To rozróżnienie ma znaczenie dla czytelników bloga, bo dane o adopcji AI bywają szumne. LinkedIn i Indeed mogą pokazywać gwałtowny wzrost języka AI, ale portale pracy nagradzają też upychanie słów kluczowych. Blogi firmowe mogą brzmieć ambitnie, nie dowodząc wiele o codziennej pracy. Hacker News to mniejsza i bardziej stronnicza próba, ale język jest zwykle mniej wygładzony i bardziej bezpośredni. Założyciel albo inżynier publikujący tam ogłoszenie zazwyczaj chce przyciągnąć ludzi podobnych do siebie, a nie optymalizować wpis pod algorytm rekrutera.
Dlatego najważniejszy nagłówek nie brzmi po prostu, że słowa związane z AI pojawiały się częściej. Trafniejsza historia jest taka, że język AI przesunął się w hierarchii treści rekrutacyjnych: od ogólnego zainteresowania, przez konkretne narzędzia, aż po wymagania obowiązkowe. To właśnie taki ruch czytelnicy mogą wykorzystać, gdy myślą o karierze, narzędziach dla developerów, rekrutacji albo następnej fali treści B2B.
Hacker News prowadzi stały wątek rekrutacyjny pierwszego dnia każdego miesiąca — „Ask HN: Who is hiring?”. Firmy dodają komentarz rekrutacyjny w formacie company | role | location | REMOTE/HYBRID/ONSITE | description. Pobraliśmy wątki z maja 2025 i maja 2026, łącznie 619 komentarzy rekrutacyjnych, i przeszukaliśmy je pod kątem wzmianek o konkretnych narzędziach AI oraz słowach kluczowych opisujących możliwości.
Wynik główny jest prosty: w ciągu dwunastu miesięcy wzmianki o narzędziach AI w ogłoszeniach wzrosły z 23,5% do 35,6%. To wzrost o 12 punktów procentowych w ujęciu bezwzględnym, czyli około 51% względnie. Wśród wszystkich raportów trendowych, które robiliśmy, to jedna z najszybszych zmian strukturalnych w porównywalnym oknie czasu — mniej więcej cztery razy szybsza niż zmiana +3,3 pp między hybrydą a pracą zdalną opisana w sąsiednim raporcie RTO Index 2026.
Ale sama liczba 12 pp nie jest najciekawsza. Najciekawsze są trzy rzeczy poniżej.
Po pierwsze, „Required AI” się podwoiło. Ogłoszenia, które wprost zapisują required / must have / experience with X AI tool, wzrosły z 1,7% w maju 2025 do 4,1% w maju 2026 — z 5 do 13 ogłoszeń przy tym samym mianowniku. Udział firm traktujących AI jako obowiązkowy element kwalifikacji rekrutacyjnych więcej niż się podwoił. Pozycja AI w ogłoszeniach przesuwa się z „fajny dodatek” w stronę „twardy wymóg od pierwszego dnia”.
Po drugie, „agentic” z niemal nieobecnego stało się numerem 1. W wątku z maja 2025 słowo „agentic” pojawiło się 7 razy i ledwo weszło do top 20. W maju 2026 wystąpiło 30 razy i zajęło pierwsze miejsce. „Agentic” — AI agent / agentowy workflow — w ciągu dwunastu miesięcy przeszedł z żargonu badawczego do standardowego słownictwa w ofertach pracy. W ostatnich czterech falach technologicznych (big data, blockchain, Web3, same LLM-y) żaden koncept nie przebił się tak szybko. Widać wyraźne przyczyny: Anthropic pozycjonujące Claude jako „agenta używającego narzędzi”, OpenAI pokazujące Computer Use i dema GPT-5 agent, a także mocno „agentic” zorientowany batch Y Combinator W26. Narracja techniczna eksplodowała od końca 2024 do połowy 2025, a wątek z maja 2026 to próbka, w której ta fala dociera już do rekrutacji.
Po trzecie, Claude wygrywa wśród nazwanych narzędzi i ma ponad 2x tyle wzmianek co Cursor i Copilot. „Claude” pojawia się 18 razy w maju 2026 (vs 3 razy w maju 2025 — wzrost 4,5x). „Claude Code” występuje dodatkowo 11 razy; łącznie daje to 29 wzmianek. Cursor ma 8, a Copilot 6. Copilot jest tu graczem „z wyprzedzeniem” — GitHub wypuścił go w 2021 roku, a pięć lat obecności zbudowało szeroką rozpoznawalność wśród inżynierów. Ale w tekstach rekrutacyjnych HN — czyli w próbie ogłoszeń pisanych przez inżynierów dla innych inżynierów — Claude od Anthropic go wyprzedził. Jeśli zajmujesz się marketingiem dla developerów, głębokość penetracji Anthropic jest znacznie większa, niż widać na pierwszy rzut oka. Tego sygnału nie widać w LinkedIn ani Indeed (tam próbki są masowo podbijane SEO przez wszystkich dostawców naraz); pojawia się on dopiero w osobistym, peer-to-peer rejestrze HN.
Zestawiając te trzy obserwacje, dane opowiadają jedną historię: AI w narracji rekrutacyjnej przesuwa się od „chcemy robić AI” do „już robimy AI, musisz to znać”. Po stronie czasowników coraz częstsze są „build with”, „automate via”, „use”, a rzadsze stają się „explore”, „research”, „prototype”. Po stronie narzędzi ekosystem Anthropic Claude (Claude + Claude Code + frameworki agentowe) zaczyna podgryzać pozycję OpenAI w świadomości developerów. Poniżej rozkładamy to na warstwy.
1. Ogółem: z 24% do 36%
Przeanalizowaliśmy pełny tekst 619 komentarzy rekrutacyjnych przy użyciu publicznego słownika słów kluczowych AI (pełna lista poniżej). Trafienia klasyfikujemy do czterech poziomów, od luźnego do ścisłego:
- Luźne: dowolne słowo kluczowe związane z AI (w tym szerokie terminy, jak „machine learning”)
- Ścisłe: konkretne narzędzia AI (Claude / Cursor / Copilot / OpenAI / Midjourney) albo terminy z kategorii LLM (GenAI / LLM / RAG / agentic)
- Required: trafienie Strict + kontekst zawiera
required / must have / experience with - Preferred: trafienie Strict + kontekst zawiera
nice to have / preferred / bonus
| Metryka | 2025-05 | 2026-05 | R/r (pp) |
|---|---|---|---|
| Luźna wzmianka o AI | 29,5% (89) | 39,1% (124) | +9,6 |
| Ścisła wzmianka o AI | 23,5% (71) | 35,6% (113) | +12,1 |
| AI jako wymaganie | 1,7% (5) | 4,1% (13) | +2,4 |
| AI jako preferencja | 3,0% (9) | 3,5% (11) | +0,5 |
Najbardziej informacyjny jest wiersz Strict — odfiltrowuje fałszywe trafienia z szerokich terminów, takich jak „machine learning”. W ciągu dwunastu miesięcy Strict wzrósł z 23,5% do 35,6%, czyli o 12,1 pp bezwzględnie, ~51% względnie. Mówiąc prosto: rok temu mniej więcej 1 na 4 ogłoszenia na HN wprost wymieniał narzędzia AI, takie jak Claude / Cursor / Copilot / LLM / RAG. Dziś robi to ponad 1 na 3.
Wiersz Required pokazuje ostrzejszą wersję tej samej historii. 5 do 13 ogłoszeń — mało w liczbach absolutnych, dużo w znaczeniu. Wpisanie narzędzia AI w sekcję „must-have” oznacza, że to narzędzie jest już osadzone w procesie pracy, a nie tylko aspiracyjne. „Required” podwoiło się szybciej niż Loose i Strict, co jest najczystszym sygnałem, że narzędzia AI przechodzą z narracji rekrutacyjnej do realnych oczekiwań wobec procesu pracy.
Preferred prawie się nie ruszyło, a to też jest sygnał. Gdyby cała fala AI polegała wyłącznie na „dorzucaniu słów AI do ogłoszeń”, Preferred powinno rosnąć równolegle z Required — typu „chętnie widzimy znajomość narzędzi AI, to plus”. Preferred wzrosło tylko o 0,5 pp, podczas gdy Required o 2,4 pp. Narzędzia AI nie są po prostu częściej wzmiankowane; są awansowane w hierarchii wymagań — z miłego dodatku do koniecznego minimum.
2. Jakie słowa AI są wymieniane: agentic, Claude, LLM na prowadzeniu
Ranking według liczby wzmianek, top 12 słów kluczowych AI w wątku z 2026-05:
| Pozycja | Słowo kluczowe | 2026-05 | 2025-05 | Typ |
|---|---|---|---|---|
| 1 | agentic | 30 | 7 | Nowy koncept |
| 2 | LLM | 24 | 16 | Możliwość |
| 3 | LLMs | 19 | 23 | Możliwość |
| 4 | Claude | 18 | 3 | Narzędzie / marka |
| 5 | AI agents | 15 | 14 | Nowy koncept |
| 6 | AI-native | 12 | 4 | Nowy koncept |
| 7 | Claude Code | 11 | 0 | Narzędzie / marka |
| 8 | RAG | 10 | 6 | Możliwość |
| 9 | AI tools | 8 | 5 | Możliwość |
| 10 | Cursor | 8 | 0 | Narzędzie / marka |
| 11 | Copilot | 6 | 3 | Narzędzie / marka |
| 12 | OpenAI | 6 | 8 | Narzędzie / marka |
Kilka uwag, które warto zapamiętać.
„agentic” skoczyło z 7 do 30 — zwycięzca w kategorii nowych pojęć. Rok temu prawie nikt nie używał tego słowa w ogłoszeniach na HN; dziś jest numerem 1. „Agentic” — AI agent / agentowy workflow — w ciągu dwunastu miesięcy przeszedł z żargonu badawczego do standardowego słownika ofert pracy. Ostatnie cztery fale technologiczne (big data, blockchain, Web3, same LLM-y) nie pokazały tak szybkiej penetracji w skali roku. Przyczyny są jasne: Anthropic pozycjonujące Claude jako „agenta używającego narzędzi”, OpenAI pokazujące Computer Use i dema GPT-5 agent, a także batch Y Combinator W26 mocno zapełniony startupami agentowymi. Narracja techniczna eksplodowała między końcem 2024 a połową 2025, a wątek z maja 2026 to dokładnie próbka, w której ląduje ona w tekstach rekrutacyjnych.
Claude prowadzi wśród nazwanych narzędzi. 18 wzmianek plus osobno Claude Code kolejne 11, czyli łącznie 29. Cursor ma 8, Copilot 6. Copilot jest graczem obecnym od dawna — GitHub wypuścił go w 2021 roku, a pięć lat obecności powinno oznaczać dominację. Jednak w tekstach rekrutacyjnych HN — pisanych przez inżynierów dla inżynierów — ekosystem Claude od Anthropic go wyprzedził. Jeśli robisz marketing dla developerów, głębokość penetracji Anthropic jest dużo większa, niż sugeruje powierzchowny ogląd. Ten sygnał jest niewidoczny w LinkedIn czy Indeed (tam wszyscy dostawcy masowo doprawiają SEO); ujawnia się dopiero w rejestrze interpersonalnym, takim jak HN.
„LLM” + „LLMs” razem: 43 wzmianki. To największa kategoria możliwości z dużą przewagą. „Praca z LLM-ami” stała się już standardowym kontekstem, którego nie trzeba tłumaczyć — dla kandydata inżynierskiego z 2026 roku to odpowiednik tego, czym było „musisz znać git” w 2018.
„AI-native” osiągnęło 12, wobec 4 wcześniej. To słowo kulturowo-organizacyjne — firmy chcą nie tylko znajomości narzędzi, ale kandydatów, których domyślny model myślenia jest AI-first. Sam fakt pojawienia się tego określenia w ogłoszeniach jest sygnałem dojrzałości: rynek przeszedł od „zatrudnij kogoś, kto zna AI” do „zatrudnij kogoś, kto traktuje AI jako domyślny workflow”.
RAG na poziomie 10, wobec 6 wcześniej. Retrieval-Augmented Generation było w 2024 żargonem badawczym; do 2026 pojawia się już w punktach ogłoszeń jako jasno sformułowany wymóg inżynierski. Bazy wektorowe i pipeline’y retrieval są dziś w realnych systemach produkcyjnych wielu firm.
3. Kto wpisuje „Required AI” na HN: lista 13 firm
W wątku z 2026-05 13 firm wprost połączyło required / must have / experience with z hasłami narzędzi AI. Pełna lista jest w wykresie; reprezentatywna próbka:
- We The Flywheel (Rola: Eng) — w JD wymagane wprost:
Claude;Claude Code;Cursor - SEEKING FREELANCER (Rola: Eng) — w JD wymagane wprost:
Cursor;Lovable - Pathos AI (Rola: Eng) — w JD wymagane wprost:
OpenAI - Brandfetch (https://brandfetch.com) (Rola: Eng) — w JD wymagane wprost:
LLM;AI agent - Dablam (Rola: Eng) — w JD wymagane wprost:
AI agents - Starbridge (Rola: Eng) — w JD wymagane wprost:
Anthropic;OpenAI;Gemini;LangChain;LlamaIndex - INDATA (Rola: Eng) — w JD wymagane wprost:
Claude;Claude Code;Anthropic;OpenAI;Copilot;Cursor - BIT Capital (Rola: Eng) — w JD wymagane wprost:
LLM;RAG;agentic
Spójrz na profil. INDATA oczekuje Claude / Claude Code / Anthropic / OpenAI / Copilot / Cursor — pełnego stosu narzędzi AI jako wymogu od pierwszego dnia, a nie „prosimy znać AI”. Starbridge wymienia Anthropic / OpenAI / Gemini / LangChain / LlamaIndex — API modeli plus frameworki retrieval. We The Flywheel prosi o Claude + Claude Code + Cursor — czysty stack narzędzi do kodowania z udziałem agentów.
Te firmy łączy wspólny wzorzec: wybrały publiczny kanał, jakim jest HN, do rekrutacji i świadomie wpisały narzędzia AI do sekcji „must-have”. Obydwa wybory mają znaczenie. Publikacja na HN jest bardziej wymagająca niż na LinkedIn — trzeba mieć konto, ogłoszenie jest publiczne dla innych osób z branży, a wszelkie przesady są natychmiast wyłapywane w komentarzach. Selekcja przez taki filtr oznacza, że firmy, które nadal wpisują Required AI, prawdopodobnie rzeczywiście są workflowowo zależne od nazwanych narzędzi, a nie tylko wypełniają ogłoszenie słowami kluczowymi.
Dla operatorów DTC, marketerów SaaS i osób od employer brandu drugorzędnym zastosowaniem tej listy jest punkt odniesienia: narrację employer-brand „AI fluent” można dziś empirycznie sprawdzić. Samo mówienie „używamy AI” nie wystarcza — to, czy w ogłoszeniach o pracę odważysz się wpisać Required plus konkretne nazwy narzędzi, pokazuje rzeczywistą głębokość użycia AI w zespole. Strona karierowa, która mówi „jesteśmy firmą AI-first”, ale nie wymienia żadnego stosu narzędzi w żadnym ogłoszeniu, będzie dla kandydatów brzmiała niespójnie.
4. Inżynieria: z 22% do 36% penetracji słów AI
W podziale na kategorie ról, wskaźnik trafień AI dla 2026-05 (tylko kategorie z ≥3 ogłoszeniami):
| Kategoria roli | Łącznie | Trafienia AI | Wskaźnik trafień | Wskaźnik 2025-05 |
|---|---|---|---|---|
| Founding | 5 | 4 | 80,0% | 100,0% |
| Ops | 6 | 3 | 50,0% | 40,0% |
| Marketing | 8 | 4 | 50,0% | 16,7% |
| AI/Research | 8 | 3 | 37,5% | 33,3% |
| Eng | 237 | 86 | 36,3% | 22,1% |
| Other | 46 | 11 | 23,9% | 21,1% |
| Sales | 3 | 0 | 0,0% | 0,0% |
Kilka uwag.
Inżynieria to właściwa historia. To 74,8% próby (237 ogłoszeń). Jej wskaźnik AI wzrósł z 22,1% w maju 2025 do 36,3% w maju 2026 — o 14 pp bezwzględnie. Każde makro twierdzenie o „penetracji AI” w tym raporcie opiera się głównie na tym wierszu. Mniej więcej jedno na trzy ogłoszenia dla software engineerów wprost odnosi się dziś do słów kluczowych związanych z AI — to największa strukturalna zmiana w tekstach rekrutacyjnych IT w ostatnich 12 miesiącach.
Kategoria AI/Research ma tylko 8 ogłoszeń i 37,5% trafień — czyli mniej niż Engineering. To wygląda kontrintuicyjnie. Teoretycznie „AI Research / AI Engineer” powinno trafiać niemal na 100%. Powód, dla którego tak nie jest, jest prosty: w tych ogłoszeniach używa się bardzo technicznego słownictwa („transformer architecture / attention mechanism / pretraining objective”), którego nasz słownik nie obejmuje. Dodatkowo mała próba wprowadza szum. Nie interpretuj tego jako „rekrutacja do AI research używa mniej słów AI” — to luka w pokryciu klasyfikatora, a nie zjawisko branżowe.
Kategoria Founding (founding engineer / Chief of Staff / VP-level) ma w 2026 wskaźnik 80% — 4 z 5 ogłoszeń w próbce. Odzwierciedla to to, jak ogłoszenia na role założycielskie są pisane szeroko — „founding engineer musi nosić wiele kapeluszy, w tym związanych z AI”. Ale 5 próbek to za mało, by wyciągać daleko idące wnioski.
Marketing / Ops przy 6–8 ogłoszeniach i ~50% wskaźniku trafień. Wygląda wysoko; to głównie efekt małej próby. W większym zbiorze te kategorie prawdopodobnie ustabilizowałyby się w zakresie 30–40%. Próba zawiera zbyt mało ogłoszeń Marketing / Sales / Ops / HR, by wyciągać z niej wnioski specyficzne dla tych ról; nie cytuj tych kategorii jako podstawy do tez o całych działach.
Jedyny wniosek na poziomie ról, który można bezpiecznie cytować, to: penetracja słów kluczowych AI w inżynierii wzrosła z 22% do 36%. Próba jest wystarczająco duża; zmiana jest wystarczająco duża; pozostałe kategorie są zbyt małe, by opierać na nich mocne stwierdzenia.
5. Dlaczego to ma znaczenie i gdzie są granice interpretacji
W ciągu ostatnich 18 miesięcy dyskusja „czy AI naprawdę zmienia rekrutację” podzieliła się na dwa obozy.
Obóz optymistów przywołuje raporty LinkedIn / Indeed — eksplozję częstotliwości słów GenAI (LinkedIn Economic Graph mówi o 21x r/r; Indeed Hiring Lab o +330% r/r). Obóz sceptyków odpowiada, że te liczby odzwierciedlają „upychanie słów AI w ogłoszeniach dla SEO”, a nie rzeczywiste użycie w pracy.
Wartość HN jako próbki polega na tym, że nie jest on zoptymalizowany pod SEO ani algorytmy platform rekrutacyjnych. Komentarze na HN piszą inżynierowie i założyciele dla swoich rówieśników — bez dopisywania słów kluczowych pod LinkedIn, bez zabaw w CPC na Indeed, bez szablonów od rekruterów. Każdy komentarz jest na żywo czytany, komentowany i kwestionowany przez społeczność HN. Każde przesadzone twierdzenie o narzędziach AI zostaje od razu wyłapane. Ten publiczny filtr peer review sprawia, że teksty rekrutacyjne na HN są stosunkowo czystą próbką rzeczywistego popytu pracodawców.
Jeśli tak filtrowana próbka pokazuje wzrost Strict AI o 12 pp w ciągu dwunastu miesięcy, to jest to mocny sygnał realnego popytu — a nie artefakt algorytmów platformy.
Ale granice próbki trzeba uczciwie nazwać. HN to społeczność developerów, early engineering i startupów — mocno przesunięta w stronę wczesnych adoptersów AI. Inżynieria stanowi 74,8% próbki; reprezentatywność dla Sales / Marketing / HR / Finance / Legal jest słaba. Tradycyjne branże (duże finanse, produkcja, retail, healthcare, edukacja) pokazują znacznie niższą penetrację słów AI; większość z nich w ogóle nie rekrutuje na HN.
Zatem tego raportu nie można czytać jako „35,6% penetracji AI na rynku pracy w USA” — raport mówi: „w samowybranej próbce developer / startup na HN penetracja słów kluczowych AI w ogłoszeniach wynosi 35,6%”. To bardzo duża różnica.
6. Praktyczne wskazówki dla operacji, contentu i rekrutacji
Przekład danych na działania dla osób, których praca dotyka tych obszarów.
Marketing developerski i employer brand. Przesuń „znajomość narzędzi AI” z sekcji nice-to-have na stronie karierowej do oczekiwań od pierwszego dnia. Wskaźnik Strict na poziomie 35,6% to punkt odniesienia twoich rówieśników — jeśli widoczność narzędzi AI na stronie karierowej jest wyraźnie niższa, tracisz kandydatów na rzecz firm, które jawnie pokazują fluencję AI. Konkretna akcja: w sekcji „Z czym będziesz pracować” wymień konkretne narzędzia AI z nazwy (Claude + Cursor + LangChain + ...), a nie ogólne frazy typu „nowoczesne narzędzia AI”.
Pozycjonowanie produktu SaaS / tooling. Otwiera się okno rynkowe dla produktów wspierających workflow AI. „Agentic” skoczyło z 7 do 30 wzmianek, co oznacza, że infrastruktura agentowa / orkiestracja / narzędzia obserwowalności mają realny dowód popytu po stronie rekrutacji. Narracja GTM dla tej kategorii może teraz opierać się na danych z HN jako empirycznym punkcie odniesienia, a nie tylko na materiałach wizji Anthropic i OpenAI.
Content B2B i SEO. Długie frazy typu „Claude vs Copilot vs Cursor” wyraźnie zyskały na znaczeniu w ostatnich 18 miesiącach. Lista top słów kluczowych z tego raportu to naturalna baza pod planowanie treści redakcyjnych. „Agentic” to zielone pole SEO — 2026 jest jeszcze wystarczająco wcześnie, by budować autorytatywne strony o agentowych workflow („Jak budować agentowe workflow” / „Agentic vs tradycyjna automatyzacja” / itd.). Przewaga pierwszego ruchu wciąż działa w tym obszarze, bo wyniki wyszukiwania nie są jeszcze zajęte przez dominujący content.
Praktyka rekrutacyjna. Skopiuj styl publikacji z HN — pisz Required wraz z konkretnymi nazwami narzędzi, zamiast „doświadczenie z narzędziami AI mile widziane”. Próbka 13 firm z tego raportu (INDATA, Starbridge, We The Flywheel itd.) pokazuje wysokiej wierności wzorzec „Required + named stack”. Poza dokładnością sygnału dla kandydata taki styl pozwala od razu weryfikować ludzi na rozmowach — „Mówisz, że używasz Cursor; to ile produkcyjnych codebase’ów z nim dostarczyłeś?”.
Śledzenie longitudinalne. Top lista słów kluczowych i lista firm z Required mogą być uruchamiane kwartalnie — API HN Firebase jest w pełni publiczne, utrzymanie słownika jest tanie, a wynik działa jak dashboard penetracji AI na rynku rekrutacji. Kwartalny rytm pozwala publikować aktualizację trendu w każdym cyklu bez dużych budżetów na zakup danych.
7. Testy stabilności i porównanie z danymi od innych
Każdy raport trendowy rodzi pytanie: czy zmiana o 12 pp jest prawdziwa, czy to szum? Trzy testy.
Wielkość próby jest stabilna. Łącznie w 2025-05: 302. W 2026-05: 317. Różnica to tylko 15 ogłoszeń. Stabilny mianownik oznacza, że zmiana udziałów odzwierciedla rzeczywistą przebudowę licznika, a nie drift mianownika.
Luźne i ścisłe poruszają się w tym samym kierunku, ale Strict rośnie szybciej. Loose +9,6 pp, Strict +12,1 pp. Ten sam kierunek, przy szybszym wzroście Strict, oznacza, że wzrost nie dotyczy tylko „większej liczby słów AI” — chodzi konkretnie o „więcej nazwanych narzędzi i nazwanych wzmianek o LLM”. To wyklucza sytuację, w której luźne wyniki napędzają nieostre fałszywe trafienia.
Required rośnie szybciej niż Preferred. Required +2,4 pp (ok. 2,4x), Preferred +0,5 pp (praktycznie płasko). Narzędzia AI nie są częściej wspominane „przy okazji” — są przesuwane w górę hierarchii z nice-to-have do must-have. To najczystszy sygnał, że AI przechodzi z umiejętności bonusowej do podstawowego oczekiwania.
Porównanie z danymi innych źródeł:
| Źródło | Zakres | Typowy odczyt (2024-2025) |
|---|---|---|
| LinkedIn Economic Graph | Globalne ogłoszenia LinkedIn | Wzrost ról oznaczonych GenAI ~21x r/r (2023-2024) |
| Indeed Hiring Lab | Ogłoszenia US na Indeed | Częstotliwość słów GenAI +330% r/r we wszystkich ofertach |
| Stanford AI Index 2025 | Globalny przekrój rekrutacji AI | Role klasy AI 1,7% (2024) → 2,5% (2025) |
| Ten raport (HN Who's Hiring) | Społeczność dev na HN, 619 ogłoszeń | Ścisłe wzmianki AI 23,5% → 35,6% (+12,1 pp) |
To nie są sprzeczności. „GenAI 21x / 330%” w LinkedIn / Indeed odnosi się do dedykowanych ról GenAI (AI Engineer / ML Engineer) — mały mianownik daje dramatyczne wielokrotności. Ten raport mierzy szeroką penetrację słów kluczowych AI we wszystkich ogłoszeniach — szerszy mianownik, bardziej umiarkowany wzrost bezwzględny, ale znacznie szersza historia. „AI-class roles 1,7% → 2,5%” ze Stanford AI Index 2025 to udział ról dedykowanych, bliski naszemu „Required AI” (1,7% → 4,1%), ale przy innym mianowniku. Kilka niezależnych źródeł pokazuje ten sam trend, tylko cięty z różnych stron.
Metodologia
Źródło danych: Hacker News Firebase API (https://hacker-news.firebaseio.com/v0/item/{id}.json). Porównywane wątki: maj 2025 (item id 43858554) i maj 2026 (item id 47975571). Każdy komentarz najwyższego poziomu traktowany jako jedno ogłoszenie rekrutacyjne (zgodnie z konwencją HN). Ten sam korpus 619 ogłoszeń co w raporcie Return to Office Index 2026 — identyczne dane źródłowe, inna soczewka analityczna. Data snapshotu: 2026-05-12 (UTC).
Bias społeczności HN (najważniejsze zastrzeżenie): społeczność rekrutacyjna HN jest zdominowana przez developerów, wczesne zespoły inżynierskie i startupy-adopterów AI. Tego raportu nie można czytać jako trendu AI na rynku pracy w USA ani globalnie. Tradycyjne branże (duże finanse, produkcja, retail, healthcare, edukacja) pokazują znacznie niższą penetrację słów AI; większość w ogóle nie rekrutuje na HN.
Kategoria Engineering dominuje w 74,8%: wnioski dotyczące ról Engineering są dobrze ugruntowane; wnioski dotyczące Sales / Marketing / Ops / HR — nie (każda z tych kategorii ma N < 10). Wszystkie wnioski specyficzne dla ról w tym raporcie można bezpiecznie odnieść tylko do Engineering. Pozostałe kategorie są zbyt małe, by formułować mocne tezy.
Tekst JD ≠ realne wymagania stanowiska: ogłoszenia zawierają marketingową otoczkę — „znajomość Copilota” może być dopiskiem pod SEO/HR, a nie realnym wymogiem od pierwszego dnia. Liczby opisują „obecność słów kluczowych w treści JD”, a nie bezpośrednie użycie AI w pracy. Te dwa zjawiska są skorelowane, ale nie identyczne.
Dokładność Required vs Preferred ~75–85%: na podstawie okien kontekstowych ±120 znaków niektóre przypadki skrajne mogą zostać zaklasyfikowane błędnie. Cytowane liczby Required/Preferred należy rozumieć jako wyniki „według naszego zestawu reguł”, a nie absolutną prawdę.
Ryzyko false negative w słowniku v1: słownik opiera się na ekosystemie narzędzi AI z 2026-05 i może nie wychwytywać narzędzi lub terminów, które pojawią się później w 2026 roku. Zgłaszane wskaźniki trafień AI są więc w praktyce „wskaźnikiem trafień według słownika v1” — czyli dolnym ograniczeniem.
Firmy wielo-ogłoszeniowe nie są deduplikowane: te same firmy mogą pojawić się wielokrotnie (zwłaszcza te z 10+ ogłoszeniami). Jako mianownik używamy „ogłoszeń”, a nie „unikalnych pracodawców”, ponieważ powtarzalne wpisy z tym samym wymaganiem AI są istotnym sygnałem głębokości użycia AI w firmie, który deduplikacja by zatarła.
Prawo i copyright: API HN jest publiczne, tylko do odczytu i nie wymaga uwierzytelnienia. Teksty komentarzy są chronione prawami autorskimi ich autorów; ten raport używa wyłącznie zbiorczych zliczeń i krótkiej analizy częstotliwości słów kluczowych — bez pełnych cytatów komentarzy. Wymienione firmy (13 firm z Required AI) pojawiają się wyłącznie w pozytywnym lub neutralnym kontekście (publicznie same zadeklarowały AI jako wymagane). Nie publikujemy surowego CSV/JSON; każdą liczbę można odtworzyć z publicznego API HN i publicznego słownika.
Zastrzeżenia
Czego ten raport NIE dowodzi:
- Nie mówi, że „wszystkie ogłoszenia w USA teraz wymagają narzędzi AI” (próba to wycinek HN, nie cały rynek pracy w USA)
- Nie mówi, że „firma X nie używa narzędzi AI” (nie śledzimy firm longitudinalnie)
- Da się bronić tezy: „W wątkach rekrutacyjnych HN z 2025-05 i 2026-05 ścisłe wzmianki AI wzrosły z 23,5% do 35,6% (+12,1 pp)”
Źródło danych i wersjonowanie
Zbiór danych: ai_required_position_rate_2026/ (to repozytorium). Data snapshotu 2026-05-12 UTC, wersja v1.0 (pojedynczy punkt r/r, słownik v1). Dane HN są współdzielone z raportem Return to Office Index 2026 — oba raporty mogą być wzajemnie cytowane.
Co mogą cytować zespoły SEO i Content
To badanie daje kilka kątów cytowania do wstępów blogowych, calloutów danych, postów społecznościowych, stron porównawczych i tekstów wyjaśniających:
- Ścisłe wzmianki o AI wzrosły z 23,5% do 35,6%, czyli o 12,1 punktu procentowego.
- Luźne wzmianki o AI wzrosły z 29,5% do 39,1%.
- AI jako wymaganie więcej niż się podwoiło — z 1,7% do 4,1%.
- AI jako preferencja wzrosło minimalnie — z 3,0% do 3,5%, co czyni wzrost w kategorii Required jeszcze bardziej znaczącym.
- „Agentic” wzrosło z 7 do 30 wzmianek i stało się najważniejszym słowem kluczowym w 2026 roku.
- Claude pojawiło się 18 razy, a Claude Code 11 razy w 2026 roku; łącznie to 29 wzmianek.
- Największy ruch napędzały role inżynierskie, gdzie penetracja słów AI wzrosła z 22,1% do 36,3%.
Z cytatem powinno iść zastrzeżenie. Te liczby opisują konkretną próbkę i metodę zbierania użyte w tym raporcie. Nie należy ich przeformułowywać jako pełnego spisu rynku, wewnętrznej miary adopcji ani twierdzenia o każdej firmie w danej kategorii.
Do użycia redakcyjnego najbezpieczniejsze jest połączenie liczby nagłówkowej z granicami próby. Dzięki temu teza jest bardziej odporna i łatwiejsza do zaufania dla czytelników. Na przykład pisz „w tej próbce ogłoszeń z HN”, „w tym statycznym skanie homepage’ów DTC” albo „w tej próbce kanału YouTube” zanim zamienisz liczbę w szerszą dyskusję o trendzie.
Uwagi o reprodukowalności
Folder dostawy zawiera poniższe pliki procesowe skopiowane z oryginalnych lokalnych paczek raportowych. Dodano je po to, aby opublikowany raport można było zweryfikować względem rzeczywistych skryptów, plików pośrednich, wykresów i szkiców źródłowych użytych w workflow raportowym.
process_files/out/analysis_stats.jsonprocess_files/out/hn_jobs_ai_parsed.csvprocess_files/scripts/01_compute_stats.pyprocess_files/scripts/02_make_figs.pyprocess_files/scripts/03_build_data_brief.pyprocess_files/scripts/04_build_report_bilingual.pyprocess_files/scripts/05_module_i_check.py
Pobierz wszystkie skrypty i zbiory danych
Korekty metodologii, problemy z danymi i analizy uzupełniające są mile widziane pod adresem support@thunderbit.com. Ten raport opiera się na publicznych sygnałach webowych lub publicznych API zebranych w maju 2026 i należy go czytać z uwzględnieniem opisanych powyżej granic próby.
Wypróbuj Thunderbit AI Web Scraper Get Started Free
