AI rozmywa specjalizacje w Salesforce. Co dalej dla praktyków?

Jeszcze rok temu migracja Aura do LWC wymagała tygodni zespołowej pracy, dziś Agentforce Vibes robi to w kilkadziesiąt minut. AI wyrównuje dostęp do umiejętności, które dotąd budowały przewagę: znajomość narzędzi, frameworków, standardów architektonicznych. To zmienia fundament pracy praktyków Salesforce w Polsce – nie dlatego, że zawody znikają, ale dlatego, że przestają opierać się na wąskich specjalizacjach. Pokazujemy techniczne mechanizmy, które stoją za tą zmianą, scenariusze dla orgów i strategię, jak przejść od roli „specjalisty” do roli „orchestratora” agentów AI.

AI usuwa moat narzędziowy i wiedzy eksperckiej

Od lat to narzędzia i specjalistyczna wiedza definiowały role w ekosystemie Salesforce: admina poznasz po Flow i konfiguracji, developera po klasach Apex, konsultanta po wiedzy procesowej. Tymczasem AI płynnie przejmuje zadania z obu obszarów. W źródle (źródło: artykuł AI broke your job title 'moat’) opisano case projektanta, który bez wsparcia engineeringu stworzył narzędzie wyszukiwania ikon na podstawie SigLIP2, łącząc NLP i similarity search. Mechanizm jest uniwersalny: modele multimodalne rozumieją obraz, tekst i kontekst, co pozwala osobom nietechnicznym wykonywać zadania typowe dla developmentu. W Salesforce już to widzimy – agent w Agentforce Vibes potrafi migrować Aura do LWC, bo ma w pamięci nie tylko syntaks, ale i standardy architektury komponentów.

Technicznie kluczem jest standaryzacja w warstwie metadanych. Salesforce od Spring ’26 udostępnia MCP Server i jednolity format tool-callingu, co pozwala agentom łączyć wiedzę domenową z wykonywalnymi akcjami. Gdy model może „zajrzeć” do metadanych, przepisać Flow, porównać schematy obiektów i wygenerować poprawny kod Apex, specjalizacje oparte tylko na narzędziu tracą znaczenie. Granica między adminem a developerem staje się miękka, bo AI jest w stanie wypełniać luki kompetencyjne.

Dla praktyków oznacza to przesunięcie roli: już nie budowanie rękami, ale definiowanie problemu, intencji, guardrails i kryteriów poprawności. Coraz częściej to osoba, która najlepiej rozumie proces biznesowy, wygra w budowaniu rozwiązania – niezależnie od tytułu stanowiska. Ten trend jest spójny z kierunkiem, który opisywaliśmy w analizie AI literacy w polskich orgach – wartościowa staje się umiejętność pracy z AI, nie posiadanie certyfikatu na narzędzie.

Techniczne fundamenty tej zmiany: multimodalność, agentic workflows i dostęp do wiedzy

Największym katalizatorem rozmycia specjalizacji jest multimodalna AI, która potrafi łączyć dane tekstowe, obrazowe, kod i struktury metadanych. W Salesforce dodatkową dźwignią jest Agentforce 360, który nadaje modelom pełny kontekst orga: schematy obiektów, reguły danych, restrykcje API, uprawnienia użytkowników. To eliminuje tradycyjne tarcie między rolami – wcześniej inżynier musiał tłumaczyć projektantowi limity SOQL, a konsultant musiał pytać devów o ograniczenia Flow; teraz to agent dostarcza odpowiedź w czasie rzeczywistym.

Drugi fundament to agentic workflows: modele przestają być generatorami tekstu, a stają się wykonawcami planów. Frameworki typu Swarm i Sequential (obecne w Agentforce) umożliwiają łączenie wielu agentów, np. jeden wykonuje analizę metadanych, drugi generuje kod, trzeci przeprowadza walidację i testy. Takie podejście opisaliśmy w analizie skalowania agentów AI w enterprise.

Trzeci element to natychmiastowy dostęp do wiedzy eksperckiej. W źródle opisano, jak designer mógł wykorzystać na żądanie wiedzę inżynierską. W Salesforce odpowiednikiem tego są: dokumenty MCP, wzorce architektoniczne, Data 360 jako warstwa prawdy i gotowe narzędzia do introspekcji metadanych. AI nie zgaduje – ona faktycznie czyta strukturę orga.

Implikacja jest jednoznaczna: zawody oparte na akumulacji narzędziowej wiedzy będą tracić swój moat. Przewaga przesunie się w stronę rozumienia problemu, ograniczeń danych, governance i ryzyka. Tego AI nie zrobi za nas, bo wymaga to kontekstu, odpowiedzialności i decyzyjności.

Co to znaczy dla ról admina, developera, konsultanta i architekta?

Admin: rola przesuwa się z konfiguracji narzędzi na kontrolę intencji i jakości AI. Admin musi umieć ocenić, czy agent buduje Flow zgodnie z zasadami modularizacji, co oznacza konieczność rozumienia architektury, a nie tylko klikologii. Najlepiej widać to w nowych wymaganiach egzaminu Administrator (źródło: Salesforce) i jego rozszerzonej sekcji Agentforce.

Developer: AI zabiera prosty development, ale rośnie zapotrzebowanie na osoby potrafiące kontrolować agentów, walidować generowany kod i projektować interfejsy dla agentów (MCP, custom tools). To już bardziej rola software designer niż typowego programisty Apex.

Konsultant: największy wygrany tej zmiany. Konsultant, który dobrze rozumie procesy sprzedażowe, service, marketing automation i dane, będzie w stanie tworzyć rozwiązania końcowe bez czekania na development. To widać po rosnącej adopcji AI-first automatyzacji opisanej w artykule o agentic AI jako nowej warstwie biznesowej.

Architekt: tu rola staje się krytyczna – nie w budowaniu, ale w projektowaniu guardrails, polityk bezpieczeństwa, modeli danych, limitów agentów, kontekstu domenowego i integracji. Architekt nie będzie pisał kodu, ale będzie odpowiadał za odporność systemu, koszt AI, drift modeli i spójność danych. Innymi słowy: architekt nadal ma moat, ale przeniesiony na warstwę decyzyjną.

Strategia dla polskich orgów: jak stać się orchestratorami AI, a nie ofiarami automatyzacji

Po pierwsze: przenieś kompetencje zespołu z narzędzi na rozumienie problemu i danych. Ucz adminów czytać architekturę, ucz developerów projektować procesy, ucz konsultantów pracy z metadanymi. Po drugie: wprowadź governance agentów – limity, monitoring, testy regresyjne, politykę dostępu, mapping intencji na działania. Po trzecie: zacznij od procesów, które AI potrafi dowieźć bez ryzyka – migracja komponentów, generowanie testów, automatyczne dokumentowanie metadanych, analizy danych.

Najważniejsze: stwórz rolę orchestratora agentów – osoby, która łączy wiedzę biznesową, techniczną i kontrolną. To nie musi być architekt; często to najlepszy analityk lub konsultant w zespole. Ta rola będzie w 2026 tym, czym devops był w 2016.

Dla polskich organizacji to szczególnie ważne, bo większość zespołów działa w modelu 2-5 osób, gdzie rola jest wielofunkcyjna. Tu orkiestracja agentów może zwiększyć produktywność o 3-5x bez zwiększania headcountu.

Konkluzja: specjalizacje nie znikają, ale przestają chronić

AI nie odbiera ról, ale odbiera moaty, na których te role przez lata stały. Przewaga nie będzie już wynikać z tego, jak dobrze znasz Flow czy Apex, ale z tego, jak dobrze potrafisz kierować AI, łączyć agentów i definiować problemy. Warto zadać sobie pytanie: jaki problem biznesowy mógłbym rozwiązać, gdyby wykonanie nie było barierą? Bo w 2026 właśnie to staje się nowym polem gry dla praktyków Salesforce.