Nowy opis stanowiska marketera in-house: nadzorca systemów automatycznych

📅 3 sierpnia 2026 ⏱️ 9 min czytania

Michał Winciorek

Performance Marketing Strategist · LinkedIn ↗

IAB Polska podało w czerwcu 2026, że 88% marketerów korzysta z narzędzi AI. Przy takim nasyceniu samo używanie przestało odróżniać sprawny dział od słabego. Różnicę robi to, co dzieje się z wynikiem: jak precyzyjnie go zamówiono, kto go sprawdził i kto bierze za niego odpowiedzialność przed zarządem. Opis stanowiska w dziale in-house przesuwa się dokładnie w tę stronę.

Rekrutując do zespołu wewnętrznego trzy lata temu, pytałeś o obsługę paneli: Google Ads, Menedżer Reklam, GA4, arkusz. Dziś kandydat, który tego nie umie, odpada na pierwszym sicie, a kandydat, który umie wyłącznie to, dowozi mniej niż subskrypcja za kilkaset złotych miesięcznie. Na rozmowie liczy się dziś inne pytanie: co robisz z wynikiem, który dostajesz.

Kiedy prawie każdy używa, używanie przestaje być argumentem

Raport Strategiczny INTERNET 2025/2026 IAB Polska (premiera 18 czerwca 2026) podaje dwie liczby, które trzeba czytać razem. 88% marketerów korzysta z narzędzi AI, a ponad 90% wykorzystuje je do wsparcia decyzji biznesowych i marketingowych. Na całym rynku nie rozkłada się to równo, bo dwie trzecie wydawców AI jeszcze nie stosuje. Po stronie reklamodawcy nasycenie jest jednak takie, że zdanie „korzystamy z AI” w CV, ofercie albo na spotkaniu zarządu nie niesie już żadnej informacji.

Druga liczba jest ciekawsza od pierwszej. Wsparcie decyzji biznesowych sięga dalej niż generowanie nagłówków. Wynik z narzędzia trafia do rozmowy o budżecie, o podziale pieniędzy między kanały, o tym, czy dany kanał się broni. Ktoś przy tym stole musi wiedzieć, na czym ten wynik stoi.

Badanie ANA „The Resilient Rise of the In-House Agency” z czerwca 2026 pokazuje, dokąd rola zmierzała jeszcze przed falą automatyzacji: 53% badanych uważa, że główną rolą zespołu in-house jest bycie partnerem strategicznym, a tylko 9% traktuje in-housing jako tańszą alternatywę dla agencji. Zespoły wewnętrzne wykonują 58% pracy marketerów. Automatyzacja rutyny tylko przyspiesza ruch, który zaczął się wcześniej.

Co schodzi do narzędzi, a co drożeje

Lista czynności, które w dziale in-house realnie przeprowadziły się do narzędzi, jest krótka:

• warianty tekstów reklamowych i nagłówków, gdy kierunek jest już ustalony,
• podstawowe kreacje i przeróbki formatów pod placement,
• pierwsza wersja raportu miesięcznego wraz z opisem wykresów,
• research: przegląd konkurencji, zbieranie źródeł, streszczanie długich dokumentów.

Wspólny mianownik: robota powtarzalna, o niskiej wartości jednostkowej, której jakość widać od razu. Co narzędzia i agenci realnie dowożą, a co zostaje demem na konferencje, rozbieram w tekstach o AI w performance marketingu oraz o agentach AI w dziale marketingu. Tutaj interesuje mnie druga strona tej przeprowadzki: co po niej zostaje człowiekowi.

Zostają trzy rzeczy i wszystkie trzy podrożały.

Brief. Wynik jest tak dobry, jak wejście: kontekst produktu, marża, odbiorca, ograniczenia prawne, ton, format wyjścia. Marketer, który potrafi napisać brief tak, że pierwsza wersja nadaje się do poprawek, oszczędza zespołowi kilka godzin tygodniowo w porównaniu z kimś, kto wrzuca jedno zdanie i przepisuje wynik od nowa. Jak taki brief wygląda w praktyce, pokazuję w bibliotece promptów performance marketera.

Kontrola jakości. Ktoś musi zdecydować, co z wygenerowanego materiału wchodzi na antenę. Przy kilkunastu wariantach dziennie ta decyzja zajmuje więcej czasu niż samo generowanie i wymaga wiedzy o marce, o kliencie i o tym, co już przerabialiśmy pół roku temu.

Odróżnienie wyniku poprawnego od wyniku, który wygląda poprawnie. Najtrudniejsza z trzech.

Weryfikacja weszła do opisu stanowiska

Przykład z pracy nad tym cyklem tekstów. Agent researchowy dostał zadanie: zbierz aktualne dane o rynku in-housingu w Polsce. Wrócił między innymi z gotową tezą, że in-housing rozjeżdża się z rachunkiem wyników. Podpisał ją wystąpieniem na wydarzeniu izby branżowej, z nazwiskami prelegentów i datą.

Teza była sensowna. Pasowała do tego, co widać na rynku, i weszłaby do artykułu bez zgrzytu. Sprawdzenie u źródła zajęło cztery minuty: strona wydarzenia miała inną datę, innych prelegentów i inne tematy. Żadna izba branżowa niczego takiego nie ogłosiła, źródło zostało dopisane do tezy po fakcie. Sama treść brzmiała przy tym jak coś, co ktoś rzeczywiście mógł powiedzieć.

Gdyby ten fragment przeszedł dalej, w tekście stałaby teza podpisana nazwiskiem i datą, czyli materiał, który czytelnik ma pełne prawo uznać za sprawdzony. Wyłapał to jeden nawyk: otworzyć źródło pierwotne i przeczytać je, zanim liczba wejdzie do tekstu.

Ten rodzaj błędu jest trudny, bo nie wygląda na błąd. Model nie sygnalizuje niepewności tak, jak robi to człowiek mówiący „chyba czytałem gdzieś, że”. Zwraca płynne zdanie z przypisem, w tym samym rejestrze, w jakim zwraca rzeczy prawdziwe. Formę i wiarygodność trzeba więc oceniać osobno, a tego człowiek uczy się dopiero w praktyce.

Trzy rzeczy sprawdzam przy każdej liczbie, która ma trafić do decyzji budżetowej albo do publikacji:

1. Przypisanie. Czy to zdanie faktycznie stoi w tym dokumencie. Otwarty plik, wyszukanie frazy, numer strony.
2. Metodologia. Kto pytał, ilu ludzi, kiedy, jak dobrano próbę. Liczba bez próby jest anegdotą w garniturze.
3. Kto zapłacił. Materiał sponsorowany bywa oznaczony drobnym drukiem, a cytowany dalej już bez tego oznaczenia. W Raporcie Strategicznym IAB Polska takie oznaczenie stoi przy konkretnych materiałach i można je zobaczyć na własne oczy: strony 47-48 oraz strona 80. Rozbieram ten mechanizm na konkretnym przykładzie w tekście o tym, kto płaci za dane o in-housingu.

W rekrutacji przekłada się to na jedno: umiejętność sprawdzenia wyniku stoi dziś w opisie stanowiska obok umiejętności jego wygenerowania.

Rekrutacja: pytania, które to sprawdzają

Rynek pracy rozjeżdża się dokładnie w tym miejscu. Raport „Trendy rekrutacyjne w sektorze: marketing” (rocketjobs.pl z partnerami WPP Media i Marketer+, publikacja 30 lipca 2026) prognozuje około 9 000 ofert pracy w marketingu w 2026, o 28% więcej rok do roku. Kandydaci aplikują przede wszystkim na role contentowe: Copywriter, Content Creator, Content Specialist, Social Media Specialist i Social Media Manager. Pracodawcy szukają Account Managerów, Marketing Managerów i Performance Marketing Specjalistów. Autorzy podsumowują to jednym zdaniem: „Kandydaci chcą tworzyć treści, podczas gdy firmy szukają osób odpowiedzialnych za wyniki, relacje z klientem i zarządzanie.” Szerzej o tej luce piszę w tekście o rynku pracy w marketingu 2026.

Skoro strumień kandydatów płynie w stronę tworzenia treści, a rekrutujesz kogoś, kto ma odpowiadać za wynik, musisz sprawdzić coś, czego CV nie pokazuje. Sześć pytań i to, czego przy odpowiedzi słuchać:

1. „Kiedy ostatnio narzędzie AI podało Ci coś, co okazało się nieprawdą? Jak to wyszło?”
   Dobra odpowiedź ma temat, okoliczności i sposób wykrycia. „Nigdy mi się nie zdarzyło” znaczy jedno z dwóch: kandydat używa narzędzi powierzchownie albo nie sprawdza tego, co dostaje.
2. „Dostajesz rekomendację: przenieś 30% budżetu z Google na Meta. Co robisz, zanim ją wykonasz?”
   Słuchaj, czy pada pytanie o okno atrybucji, o marżę na produktach z obu kanałów i o okres, z którego pochodzą dane. Odpowiedź „wykonałbym i obserwował” kończy rozmowę.
3. „Panel pokazuje 340 konwersji, dział sprzedaży widzi 190 zamówień. Od czego zaczynasz?”
   Sprawdzasz, czy kandydat w ogóle dopuszcza, że panel bywa w błędzie. Dobra odpowiedź idzie w stronę deduplikacji, konwersji modelowanych, okien atrybucji i porównania z systemem sprzedaży jako źródłem prawdy. Rozwinięcie jest w tekście o rozjeździe panelu ze sprzedażą.
4. Zadanie na miejscu, 15 minut: „Napisz brief do modelu na 10 nagłówków dla naszego produktu. Masz stronę produktu i cennik.”
   Oceniasz brief, a nagłówki przy okazji. Czy jest w nim odbiorca, ograniczenia prawne, ton, czego unikać, format wyjścia i kryterium odrzucenia wariantu.
5. „Przynosisz na spotkanie zarządu liczbę z raportu branżowego. CFO pyta, skąd ona jest. Co odpowiadasz?”
   Interesuje Cię, czy kandydat zapisuje źródło w momencie brania liczby, zanim ktokolwiek o nie zapyta.
6. „Pokaż fragment raportu, który zrobiłeś w ostatnim kwartale, i powiedz, skąd wzięła się w nim każda liczba.”
   Najprostsze i najskuteczniejsze z tej listy. Kandydat, który zna drogę od zdarzenia w GA4 do slajdu, weryfikuje. Kandydat, który zna wyłącznie slajd, przykleja.

Żadne z tych pytań nie dotyczy znajomości konkretnego narzędzia. Narzędzia wymienią się w ciągu roku, nawyk sprawdzania zostaje na dłużej.

Ta sama kompetencja skierowana na zewnątrz

Wobec dostawcy zewnętrznego obowiązuje ten sam opis stanowiska. Agencja ma pełne prawo używać AI do analizy i raportowania. Odpowiada przy tym za to samo, co Twój zespół: za pokazanie, na czym stoi wynik.

Trzy rzeczy do zapisania w umowie albo w SLA:

1. Uzasadnienie rekomendacji. Każda rekomendacja budżetowa przychodzi z danymi, na których została oparta, i z okresem, z którego pochodzą. Zdanie „system wskazuje” uzasadnieniem nie jest.
2. Dostęp do surowych danych. Konta reklamowe, GA4, GTM i feed produktowy po Twojej stronie własności, z dostępem administracyjnym. Raport jest wtedy wygodą, bo każdą liczbę sprawdzisz bezpośrednio na koncie.
3. Odtwarzalność wyliczenia. Wybierz jedną liczbę z raportu i poproś o pokazanie, jak powstała: z jakiego widoku, z jakim filtrem, w jakim oknie atrybucji. Dostawca, który odtwarza to przy Tobie w kilka minut, pracuje na danych.

Ten sam test stosuję po obu stronach stołu. Jak wygląda ukrywanie danych w praktyce i po czym je poznać, opisuję w tekście o tym, jak agencja ukrywa dane.

Czego nie oddawać systemom w ogóle

Granica jest krótka. Spisz ją, zanim zespół zacznie improwizować.

• Decyzja o alokacji budżetu bez zrozumienia marży. Narzędzie optymalizuje pod metrykę, którą mu wskazałeś. ROAS liczony na przychodzie potrafi rosnąć w tym samym miesiącu, w którym zysk spada, bo w koszyku przybyło produktów z najniższą marżą. Alokację zatwierdza człowiek znający strukturę marży.
• Komunikacja kryzysowa. Wpadka produktowa, wyciek danych, awaria u klienta. Treść pisze ktoś, kto zna stan faktyczny, kontekst prawny i ryzyko, jakie niesie każde zdanie. Poprawnie brzmiące zdanie kosztuje tu najwięcej.
• Dane wrażliwe klientów. Bazy z danymi osobowymi, wyniki sprzedażowe, cenniki i warunki handlowe zostają poza narzędziami, których polityki przetwarzania nie sprawdziłeś i których nie obejmuje umowa powierzenia. Temat jest na osobny tekst i taki napisałem: o danych firmowych w narzędziach AI.

Resztę da się delegować systemom pod warunkiem, że ktoś odbiera wynik i podpisuje się pod nim nazwiskiem. Ta osoba jest dziś rdzeniem działu in-house.

Kompetencja, która odróżnia sprawny dział in-house od słabego, mieści się w jednym pytaniu: skąd wiesz, że to prawda. Zadawanym narzędziu, dostawcy i sobie.

Najczęstsze pytania

Czy AI zastąpi marketera in-house?

Automatyzacja przejęła konkretne czynności: warianty tekstów, podstawowe kreacje, pierwszą wersję raportu i research. Według Raportu Strategicznego INTERNET 2025/2026 IAB Polska (premiera 18 czerwca 2026) korzysta z narzędzi AI 88% marketerów, a ponad 90% wykorzystuje je do wsparcia decyzji biznesowych i marketingowych, więc samo używanie przestało być wyróżnikiem. Wartość przesunęła się na trzy rzeczy: precyzyjny brief, kontrolę jakości tego, co wraca, i weryfikację, czy wynik jest poprawny, czy tylko wygląda poprawnie. Kierunek potwierdza badanie ANA z czerwca 2026, w którym 53% badanych widzi główną rolę zespołu in-house w byciu partnerem strategicznym, a 9% w tańszej alternatywie dla agencji.

Jak sprawdzić na rozmowie rekrutacyjnej, czy kandydat weryfikuje wyniki AI?

Pytaj o konkretne sytuacje zamiast o znajomość narzędzi. Sprawdzone pytania: „kiedy ostatnio narzędzie AI podało Ci coś, co okazało się nieprawdą i jak to wyszło” (odpowiedź „nigdy” jest sygnałem ostrzegawczym), „dostajesz rekomendację przeniesienia 30% budżetu z Google na Meta, co robisz zanim ją wykonasz” oraz „panel pokazuje 340 konwersji, sprzedaż widzi 190 zamówień, od czego zaczynasz”. Dołóż zadanie na miejscu: napisanie briefu do modelu na 10 nagłówków w 15 minut, oceniane po briefie. Najmocniejsze pytanie jest najprostsze: pokaż fragment własnego raportu i powiedz, skąd wzięła się w nim każda liczba.

Czego wymagać od agencji, która używa AI do raportowania i rekomendacji?

Tego samego, czego wymagasz od własnego zespołu, zapisanego w umowie albo w SLA. Po pierwsze, uzasadnienia rekomendacji: dane, na których stoi, i okres, z którego pochodzą, bo „system wskazuje” uzasadnieniem nie jest. Po drugie, dostępu do surowych danych: konta reklamowe, GA4, GTM i feed produktowy pozostają Twoją własnością z dostępem administracyjnym. Po trzecie, odtwarzalności wyliczenia: wybierz jedną liczbę z raportu i poproś o pokazanie, z jakiego widoku, z jakim filtrem i w jakim oknie atrybucji powstała. Dostawca pracujący na danych odtworzy to przy Tobie w kilka minut.