Najlepsza osoba od operacji, z jaką kiedykolwiek pracowałem, większość czasu spędzała na czytaniu książki przy biurku. Deploye — automatyczne wrzucanie nowego kodu na serwery produkcyjne — wychodziły punktualnie. Incydenty rozwiązywała, zanim ktokolwiek je zauważył. Onboarding nowych pracowników działał jak w zegarku.

Jej przełożony o mało jej nie zwolnił za „brak widocznej pracy."

Ona nie próżnowała. Ona była skończona.

Luka, o której nikt nie mówi

Kultura pracy nagradza widoczny wysiłek. Developer walący w klawiaturę jak opętany wygląda na produktywnego. Ten, który przez dwadzieścia minut wpatruje się w sufit — przemyślając architekturę — wygląda na lenia. Osoba odpisująca na maile o 23:00 dostaje łatkę „zaangażowanej." Ta, która wychodzi o piątej — „nie przykłada się."

Badanie z 2022 roku prowadzone przez naukowców z Columbia, Georgetown i Harvard potwierdziło to, co ludzie od ops wiedzieli od zawsze: managerowie konsekwentnie oceniali „wyglądających na zapracowanych" pracowników jako bardziej kompetentnych, nawet gdy ich faktyczne wyniki były gorsze od spokojniejszych kolegów. Nagradzamy pozory pracy, nie samą pracę.

12 marca PagerDuty zaprezentował swojego SRE Agenta jako wirtualnego respondenta — oprogramowanie, które wykrywa awarie, przeprowadza diagnostykę i realizuje procedury naprawcze bez udziału człowieka. Cztery dni później, 16 marca na GTC, NVIDIA ogłosiła Agent Toolkit z OpenShell — infrastrukturę do bezpiecznego uruchamiania autonomicznych agentów operacyjnych na produkcji. 24 marca, na YC Demo Day, startupy takie jak IncidentFox zaprezentowały autonomiczne reagowanie na incydenty jako swój główny produkt. Sygnał z rynku jest jasny: jeśli zadanie podąża za przewidywalnym wzorcem, człowiek nie powinien go wykonywać ręcznie.

I tu pojawia się pytanie, z którym mierzą się teraz zespoły ops na całym świecie: jeśli agenty AI — programy działające samodzielnie, podejmujące decyzje i wykonujące kroki bez stałego nadzoru człowieka — zajmują się widocznym gaszeniem pożarów, to co osoba od ops robi cały dzień?

Odpowiedź się nie zmieniła. Ale presja, żeby ją zrozumieć — tak.

W operacjach stara struktura motywacyjna tworzy odwrócony system — mechanizm nagradzający dokładnie złe zachowania. Jeśli firma ceni cię za gaszenie pożarów, masz zero motywacji, żeby im zapobiegać. Jeśli twój przełożony mierzy twoją wartość liczbą pilnych wiadomości na Slacku, to budowanie systemów eliminujących te wiadomości sprawia, że wyglądasz na zbędnego. A teraz agenty AI też gaszą pożary. Szybciej. Bez snu. Bez narzekania.

Paradoks u podstaw ops

Im lepszy jesteś w operacjach, tym mniej wydaje się, że robisz. Strażak, który zapobiega pożarom, wygląda na bezrobotnego. Osoba od ops, której systemy nigdy się nie sypią, wygląda na obijającą się. Widoczna praca znika właśnie dlatego, że ktoś wykonał tę niewidoczną jak należy.

Obserwuję ten wzorzec od lat. Osoba od ops, która zautomatyzuje swoją robotę, słyszy: „Co ty właściwie robisz cały dzień?" Ta, która ręcznie obsługuje każdy incydent, harując po dwanaście godzin, dostaje awans za „ponadprzeciętne zaangażowanie."

Jedna zbudowała system. Druga zbudowała uzależnienie firmy od siebie. Zastanów się, która z nich jest firmie naprawdę potrzebna — i którą agent AI zastąpi jako pierwszą.

Jak wyglądają dobre operacje w praktyce

Dobra praca operacyjna przebiega w dwóch fazach.

Faza 1: Zbuduj systemy. Ta część jest widoczna i ograniczona czasowo. Pisanie runbooków — instrukcji krok po kroku do obsługi konkretnych sytuacji. Ustawianie monitoringu — automatycznych kontroli, które łapią problemy, zanim zauważą je użytkownicy. Tworzenie automatyzacji dla powtarzalnych zadań. Dokumentowanie procesów, żeby każdy mógł je odtworzyć. Ta faza jest intensywna: zwykle od dwóch do sześciu miesięcy skupionej pracy.

Faza 2: Utrzymuj systemy. I tu zaczyna się zamieszanie. Systemy działają. Alerty strzelają i runbooki je obsługują — coraz częściej agenty AI wykonują te runbooki bez udziału człowieka. Nowi pracownicy przechodzą onboarding sami, korzystając z udokumentowanych procesów. Deploye lecą przez pipeline CI/CD — zautomatyzowane sekwencje, które przenoszą kod z laptopa developera na serwery produkcyjne bez ręcznych kroków.

Rola osoby od ops w Fazie 2: obserwować wzorce sugerujące degradację systemu. Prowadzić post-mortemy — ustrukturyzowane analizy tego, co poszło nie tak i dlaczego. Planować przyszłą wydajność. Decydować, które nowe procesy oddać agentom, a które wciąż wymagają ludzkiego osądu. Czytać. Uczyć się. Myśleć.

Ta ostatnia część wygląda jak „nierobienie niczego." Ale osoba od ops, która nie studiuje nowych narzędzi, nie modeluje scenariuszy awarii, nie ocenia, które frameworki agentowe pasują do jej infrastruktury, i nie planuje sytuacji, które jeszcze się nie wydarzyły — zostanie zaskoczona, gdy się wydarzą. Podręcznik Google Site Reliability Engineering mówi wprost: celem jest inżynieria niezawodności, a nie heroiczne ratowanie się z jej braku.

„Zajęty" to bug report

Powiem głośno to, o czym wszyscy milczą: ciągłe zapracowanie sygnalizuje zepsute systemy, nie poświęcenie.

Ciągle gasisz pożary? Twoje systemy prewencji zawiodły. Ciągle przeskakujesz między niezwiązanymi zadaniami co kilka minut? Twoja priorytetyzacja zawiodła. Ciągle na spotkaniach? Twoje systemy komunikacji zawiodły. Ciągle szkolisz nowych ludzi ręcznie? Twój onboarding zawiódł.

„Zajęty" to nie stan, do którego warto dążyć. „Zajęty" to bug report.

Celem operacji — i szczerze, większości pracy umysłowej — jest osiągnięcie stanu, w którym systemy obsługują przewidywalne dziewięćdziesiąt procent, a ty masz przepustowość na nieprzewidywalne dziesięć. Ten nieprzewidywalny wycinek to miejsce, gdzie liczy się ludzki osąd. Reszta powinna działać sama. W marcu 2026 „działa samo" coraz częściej oznacza, że prowadzi to agent AI — a osoba od ops, która zbudowała system, decyduje, czego agent powinien, a czego nie powinien dotykać.

Droga wyjścia

Jeśli teraz toniesz w pracy operacyjnej, oto praktyczna sekwencja.

Tygodnie 1–2: Zapisuj wszystko. Każde zadanie, każde przerwanie, każdy powtarzający się problem. Nie naprawiaj jeszcze niczego. Po prostu obserwuj.

Tygodnie 3–4: Kategoryzuj. Co się powtarza? Co podąża za wzorcem? Co mógłby obsłużyć skrypt — mały program automatyzujący ręczny krok — checklist albo agent AI? Zwykle sześćdziesiąt do siedemdziesięciu procent pracy operacyjnej wpada w kategorię „przewidywalne i automatyzowalne."

Tygodnie 5–8: Zautomatyzuj lub udokumentuj dziesięć największych pożeraczy czasu. Jeden na tydzień. Zacznij od tego, co przerywa ci pracę najczęściej. Dla incident response — procesu wykrywania i naprawiania awarii — rozważ triage prowadzony przez agenta: narzędzia takie jak SRE Agent PagerDuty lub open-source'owe alternatywy obsługują incydenty pasujące do wzorców, a nowe eskalują do ciebie.

Miesiąc 3: Masz teraz czterdzieści do pięćdziesięciu procent więcej przepustowości. Zainwestuj ją w kolejny poziom problemów.

Miesiąc 6: Czytasz książkę przy biurku. Twoje systemy działają. Twoje agenty obsługują to, co przewidywalne. Wyglądasz na bezczynnego. Nie jesteś bezczynny. Skończyłeś robotę.

Uwaga dla managerów

Jeśli twoja najlepsza osoba od ops wygląda na znudzoną — gratulacje. Twoje systemy działają. Nie przydzielaj roboty dla pozoru, żeby uzasadnić pensję. Nie każ odgrywać teatru produktywności — tego pozornego biegania i udawania zajętości, żeby spełnić czyjeś oczekiwania, jak powinna wyglądać „ciężka praca."

Zamiast tego zapytaj: „Co byś zbudował, gdybyś miał trzy miesiące nieprzerwanej pracy?" A potem daj te trzy miesiące. To, co powstanie, zaoszczędzi więcej niż jakakolwiek ilość widocznego zapracowania.

Najbardziej produktywna osoba w twojej firmie może być tą, która pozornie robi najmniej. To nie paradoks. Tak wygląda skończona robota.