Zawody przyszłości w rolnictwie i kompetencje do 2035 roku

W skrócie

Kompetencje przyszłości w rolnictwie będą łączyć wiedzę agronomiczną, cyfrową i ekonomiczną. Szkoły rolnicze, ODR i organizatorzy szkoleń powinny już dziś uczyć pracy na danych z pól, sensorów, maszyn, satelitów i dokumentacji produkcyjnej, bo do 2035 r. przewagę zyskają osoby umiejące przekształcać pomiar w decyzję.

• Najbardziej potrzebne będą zawody łączące agronomię, dane, automatykę, traceability i zarządzanie gospodarstwem.
• Rolnictwo cyfrowe nie eliminuje pracy praktycznej, lecz wymaga lepszego rozumienia danych i procesów.
• Do 2035 r. szkoły rolnicze powinny uczyć obsługi systemów FMS, IoT, VRA, teledetekcji, raportowania i analizy kosztów.
• AgriEdukacja wspiera naukę przez wirtualne gospodarstwo, scenariusze decyzyjne, dokumentację, sensory i raporty.
• Największym błędem będzie traktowanie cyfryzacji jako dodatku do programu, a nie jako praktycznej kompetencji zawodowej.

Czym są kompetencje przyszłości w rolnictwie?

Kompetencje przyszłości w rolnictwie to zestaw umiejętności zawodowych, który łączy agronomię, analizę danych, obsługę technologii, dokumentowanie produkcji i podejmowanie decyzji w gospodarstwie na podstawie mierzalnych informacji.

W praktyce oznacza to, że absolwent szkoły rolniczej powinien rozumieć nie tylko glebę, roślinę, maszynę i pogodę. Powinien też umieć sprawdzić dane z czujnika, porównać mapę NDVI z historią zabiegów, ocenić koszt przejazdu maszyny, przygotować rejestr zabiegu i uzasadnić decyzję agronomiczną.

Stan na czerwiec 2026 r. pokazuje wyraźny kierunek: rolnictwo pozostaje sektorem praktycznym, ale coraz więcej decyzji zależy od jakości danych. Komisja Europejska wskazuje, że cyfryzacja rolnictwa obejmuje m.in. Internet rzeczy (IoT), sensory, analitykę danych, sztuczną inteligencję i systemy wspomagania decyzji, które wspierają bardziej precyzyjne operacje produkcyjne.
Komisja Europejska opisuje ten kierunek jako cyfryzację sektora rolnego.

To ważne dla edukacji. Sama znajomość definicji Rolnictwa 4.0 nie wystarczy, jeśli uczeń nie potrafi przejść od pomiaru do decyzji. Tu zaczyna się różnica między „obsługą aplikacji” a realną kompetencją zawodową.

Dlaczego perspektywa 2035 r. jest ważna dla szkół rolniczych?

Perspektywa 2035 r. jest ważna, ponieważ uczniowie, którzy dziś zaczynają naukę w technikum rolniczym, będą pracować w gospodarstwach, firmach agro, doradztwie i przetwórstwie w czasie, gdy cyfryzacja, presja kosztowa, wymagania środowiskowe i automatyzacja będą już codziennym standardem.

Eurostat podał, że w 2023 r. w rolnictwie UE pracowało 8,4 mln osób, a sektor odpowiadał za około 3,9% całkowitego zatrudnienia w Unii Europejskiej. Ten sam zestaw danych wskazuje, że tylko 10,7% kierowników gospodarstw w UE miało mniej niż 40 lat, a 61,0% miało co najmniej 55 lat.
Eurostat opisuje strukturę pracy i wieku w rolnictwie UE.

Te liczby mają znaczenie dla szkół. Pokazują, że edukacja rolnicza nie może przygotowywać uczniów wyłącznie do obecnych nawyków produkcyjnych, bo część gospodarstw będzie przechodzić sukcesję, profesjonalizację i wdrażanie technologii w tym samym czasie. To duża zmiana.

Komisja Europejska w raporcie „EU Agricultural Outlook 2025–35” wskazuje, że rolnictwo UE będzie utrzymywać wysoką produktywność do 2035 r., ale przy wolniejszym wzroście i przy presji wynikającej z klimatu, kosztów oraz dostępności środków produkcji. Raport podkreśla też znaczenie produktywności pracy i stopniowej poprawy parametrów środowiskowych.

Wniosek dla edukacji jest prosty: przyszły pracownik rolnictwa musi rozumieć, jak połączyć produkcję, koszty, środowisko i dane. Bez tego będzie tylko użytkownikiem narzędzi, a nie osobą zdolną do zarządzania gospodarstwem lub doradzania innym.

Jakie zawody przyszłości pojawią się w rolnictwie?

Zawody przyszłości w rolnictwie będą powstawały na styku agronomii, danych, maszyn, logistyki i regulacji. Nie wszystkie będą miały nowe nazwy w klasyfikacji zawodów, ale zakres pracy rolnika, agronoma, doradcy, operatora maszyn i technologa żywności będzie coraz bardziej cyfrowy.

Cedefop w prognozie umiejętności do 2035 r. wskazuje, że wzrost zatrudnienia w UE będzie silnie kształtowany przez transformację cyfrową i zieloną oraz zmiany demograficzne. Wśród ról o rosnącym znaczeniu wymienia m.in. specjalistów ICT, techników, zawody inżynieryjne i naukowe, czyli profile wymagające zaawansowanych umiejętności cyfrowych.

W części gospodarstw te role połączą się w jednej osobie. W większych podmiotach zostaną rozdzielone między agronoma, operatora, kierownika produkcji, specjalistę ds. jakości i osobę odpowiedzialną za dane. Edukacja powinna przygotowywać do obu wariantów.

Jakich kompetencji będą potrzebować uczniowie, rolnicy i doradcy?

Najważniejsze kompetencje do 2035 r. to analiza danych produkcyjnych, rozumienie procesów biologicznych, obsługa technologii, dokumentowanie działań, ocena ryzyka, liczenie kosztów i komunikacja z innymi uczestnikami łańcucha wartości.

Nie chodzi o to, aby każdy uczeń został programistą. Rolnictwo potrzebuje osób, które potrafią korzystać z danych bez utraty kontaktu z polem, zwierzęciem, maszyną i sezonowością produkcji. To inny profil niż klasyczny użytkownik aplikacji biurowej.

OECD w raporcie „Skills for the Digital Transition” opisuje, że sztuczna inteligencja, robotyka i technologie informacyjno-komunikacyjne zmieniają sposób pracy i uczenia się, a polityka publiczna musi wspierać ludzi w zdobywaniu kompetencji cyfrowych potrzebnych na rynku pracy. Ten wniosek pasuje także do rolnictwa, gdzie dane są coraz częściej częścią decyzji produkcyjnej.

Kompetencje techniczne

Do kompetencji technicznych należą: obsługa systemów zarządzania gospodarstwem, praca z mapami pól, rozumienie danych satelitarnych, podstawy GNSS RTK, interpretacja czujników IoT, znajomość plików ISOXML oraz umiejętność przygotowania dokumentacji dla gospodarstwa lub doradcy.

Kompetencje analityczne

Kompetencje analityczne polegają na rozpoznaniu, które dane są wiarygodne, aktualne i użyteczne dla decyzji. Uczeń powinien odróżniać pomiar wilgotności gleby od rekomendacji nawodnienia, mapę indeksu wegetacyjnego od diagnozy przyczyny stresu roślin oraz raport pracy maszyny od oceny jakości zabiegu.

Kompetencje organizacyjne

Rolnictwo 4.0 wymaga planowania zadań, przydzielania pracy, pilnowania terminów, zarządzania magazynem i komunikacji z pracownikami. Bez organizacji dane szybko tracą wartość, ponieważ wpisy są niepełne, opóźnione albo nieporównywalne między polami i sezonami.

Kompetencje odpowiedzialności za dane

Dane rolnicze mogą dotyczyć tras maszyn, wyników produkcyjnych, kosztów, jakości produktów i historii dostaw. Komisja Europejska zwraca uwagę, że dane rolnicze są specyficzne, różnorodne i czasem wrażliwe dla rolników oraz firm w łańcuchu wartości.

Jakie dane trzeba umieć zbierać i interpretować?

W rolnictwie cyfrowym trzeba zbierać dane polowe, pogodowe, maszynowe, kosztowe, jakościowe, magazynowe i środowiskowe. Sama liczba pomiarów nie tworzy przewagi, jeśli użytkownik nie potrafi powiązać ich z decyzją, terminem, ryzykiem i wynikiem produkcji.

Największy błąd w nauce technologii polega na pokazywaniu narzędzia bez procesu. Stacja pogodowa nie jest celem zajęć. Celem jest decyzja: czy wykonać zabieg, czy poczekać, czy zwiększyć monitoring, czy zmienić plan pracy.

W edukacji rolniczej warto uczyć danych w rytmie sezonu. Wiosną uczeń może analizować nawożenie i ryzyko zabiegów, latem monitoring upraw i pracę maszyn, jesienią plon, magazyn i koszty, a zimą raporty, wnioski i planowanie kolejnego sezonu.

Co temat oznacza dla szkół, ODR, doradców i agronomów?

Każda grupa odbiorców potrzebuje innego poziomu szczegółowości, ale cel jest wspólny: przejść od ogólnej wiedzy o technologiach do praktycznych ćwiczeń, decyzji i mierzalnych efektów uczenia.

Dyrektorzy szkół rolniczych

Dla dyrektora szkoły rolniczej najważniejszym problemem jest aktualność programu i atrakcyjność kształcenia. Szkoła, która pokazuje Rolnictwo 4.0 wyłącznie na slajdach, ryzykuje, że uczeń nie zobaczy związku między lekcją a realnym gospodarstwem.

Decyzją po lekturze powinno być zaplanowanie ścieżki wdrożenia: które klasy pracują na wirtualnym gospodarstwie, które przedmioty wykorzystują dane i jak nauczyciele oceniają proces decyzyjny uczniów. Dobrym KPI może być liczba scenariuszy praktycznych zrealizowanych w semestrze.

Nauczyciele przedmiotów zawodowych

Nauczyciel potrzebuje narzędzia, które łączy teorię z ćwiczeniem. Może po lekcji o nawożeniu poprosić uczniów o przygotowanie planu nawozowego, po lekcji o ochronie roślin o ocenę ryzyka chorób, a po lekcji o mechanizacji o analizę raportu pracy maszyny.

AgriEdukacja opisuje funkcje dla nauczycieli jako pracę z indywidualnymi gospodarstwami uczniów, ocenę procesu decyzyjnego, dokumentację i scenariusze oparte na danych z sensorów, GPS, zdjęć satelitarnych oraz raportów.
Narzędzia dla nauczycieli i szkoleniowców pokazują, jak prowadzić klasę jak sieć cyfrowych gospodarstw.

Uczniowie techników rolniczych

Uczeń powinien zrozumieć, że technologia nie jest osobnym przedmiotem oderwanym od produkcji. Dane pomagają podjąć decyzję, ale wymagają sprawdzenia założeń, warunków lokalnych i skutków ekonomicznych.

Konkretne kroki dla ucznia to prowadzenie cyfrowej karty pola, analiza pogody, tworzenie dokumentacji zabiegów, interpretacja zdjęć satelitarnych, liczenie kosztów i przygotowanie raportu. To są umiejętności, które można pokazać przyszłemu pracodawcy.

Ośrodki doradztwa rolniczego i organizatorzy szkoleń

ODR i organizatorzy kursów potrzebują formuły, która nie kończy się na wykładzie. Doradca może prowadzić szkolenie jako studium przypadku: pole ma problem, dane są niepełne, pogoda zmienia plan, a uczestnik musi zaproponować decyzję i ją uzasadnić.

Dobrym miernikiem sukcesu jest liczba uczestników, którzy po szkoleniu potrafią samodzielnie uzupełnić dokumentację, odczytać mapę pola, wskazać brakujące dane i przygotować prostą rekomendację. To mierzalne.

Agronomowie i doradcy rolniczy

Agronom przyszłości będzie pracował z rolnikiem, ale też z danymi z wielu źródeł. Musi umieć rozmawiać o glebie, odmianie, presji chorób, pogodzie, kosztach, technologii zabiegu i dokumentach jakościowych.

W praktyce oznacza to konieczność zbierania historii pól, zdjęć, zabiegów, wyników gleby, plonów i notatek z lustracji. Bez tego doradztwo pozostaje opinią, a nie procesem opartym na porównywalnych danych.

Jak AgriEdukacja wspiera przygotowanie do nowych zawodów?

AgriEdukacja wspiera przygotowanie do nowych zawodów przez naukę na cyfrowym gospodarstwie, scenariusze problemowe, dokumentację, analizę danych, pracę z sensorami, paszportyzację produktu i raportowanie. Platforma traktuje te elementy jako jeden proces edukacyjny.

Na stronie AgriEdukacja opisano platformę jako narzędzie dla edukacji Rolnictwa 4.0, które przygotowuje uczniów, nauczycieli i rolników do wykorzystania danych, sensorów, automatyzacji i sztucznej inteligencji w produkcji rolniczej.

W praktyce uczeń może prowadzić własne wirtualne gospodarstwo, planować pola, analizować nawożenie, dokumentować zabiegi, porównywać koszty, obserwować dane z czujników i przygotowywać raporty. Nauczyciel widzi nie tylko wynik, ale też drogę dojścia do decyzji.

Strona scenariusze pracy w wirtualnym gospodarstwie opisuje m.in. planowanie precyzyjnego nawożenia, decyzje o ochronie roślin, organizację pracy, IoT, dokumentację gospodarstwa, analizę gleby, zdjęcia satelitarne, paszportyzację, rolnictwo zrównoważone, monitoring maszyn i liczenie kosztów.

Takie podejście ma jedną przewagę: uczy myślenia procesowego. Uczeń nie wykonuje pojedynczego zadania w oderwaniu od produkcji, tylko widzi zależność między polem, pogodą, maszyną, magazynem, kosztem i dokumentacją.

Oferta edukacyjna AgriEdukacja obejmuje platformę szkoleniową, szkolenia, demonstracje, ćwiczenia i wykłady dla uczniów, nauczycieli, doradców rolnych oraz agronomów. Taki model odpowiada na potrzebę łączenia szkoły, praktyki i doradztwa.

Case study: technikum rolnicze przygotowuje klasę do pracy z danymi

Technikum rolnicze w Polsce planuje semestralny blok zajęć dla klasy kształcącej się w zawodzie technik rolnik. Klasa liczy 24 uczniów. Nauczyciel dzieli uczniów na 6 zespołów, a każdy zespół prowadzi wirtualne gospodarstwo o powierzchni 80 ha z trzema uprawami: pszenicą ozimą, kukurydzą i rzepakiem.

Problem dydaktyczny polega na tym, że uczniowie znają pojęcia z nawożenia, ochrony roślin i mechanizacji, ale rzadko łączą je w jedną decyzję. Celem semestru jest przygotowanie raportu gospodarstwa, który obejmuje plan nawożenia, ocenę ryzyka chorób, dokumentację zabiegów, analizę pracy maszyny i prosty rachunek kosztów.

Dane wejściowe obejmują: 18 kart pól, 6 zestawów wyników gleby, 12 wpisów pogodowych, 8 obserwacji z pola, 6 raportów pracy maszyny i 6 zestawów kosztów. Uczniowie pracują w czterech etapach: diagnoza, plan, wykonanie symulowanej dokumentacji i raport końcowy.

KPI dla nauczyciela są praktyczne: 100% zespołów przygotowuje kartę gospodarstwa, minimum 80% kart pól ma uzupełnioną historię zabiegów, każdy zespół uzasadnia co najmniej 3 decyzje danymi, a raport końcowy zawiera minimum 1 rekomendację poprawy kosztów lub organizacji pracy.

Wynik ćwiczenia nie polega na wskazaniu jednej idealnej technologii. Najważniejszy rezultat to poprawa jakości argumentacji ucznia: jakie dane sprawdził, czego nie wiedział, które założenia przyjął i jak ograniczenia danych wpływały na decyzję.

Ograniczenie interpretacyjne jest oczywiste. Taki model nie zastępuje praktyki w realnym gospodarstwie, pracy z maszyną ani obserwacji polowej. Uczy jednak porządku decyzyjnego, którego trudno wymagać od ucznia, jeśli nie ma bezpiecznego środowiska do popełniania błędów i porównywania wariantów.

Checklista przygotowania programu zajęć

Program zajęć o zawodach przyszłości w rolnictwie powinien zaczynać się od decyzji, jaką uczeń ma umieć podjąć po zakończeniu ćwiczenia. Dopiero później należy dobrać narzędzie, dane i formę oceny.

• Określ profil ucznia: technik rolnik, technik mechanizacji rolnictwa, technik agrobiznesu, kursant ODR lub uczestnik szkolenia branżowego.
• Wybierz problem produkcyjny: nawożenie, ochrona roślin, susza, koszt pracy maszyny, traceability, magazyn albo raport gospodarstwa.
• Zdefiniuj dane wejściowe: pole, uprawa, pogoda, wyniki gleby, obserwacje, zabiegi, koszty i ograniczenia.
• Ustal rezultat pracy: karta pola, mapa, raport, dokumentacja zabiegu, rekomendacja doradcza albo prezentacja uczniowska.
• Wprowadź kryteria oceny procesu: kompletność danych, logiczność założeń, jakość uzasadnienia, poprawność dokumentacji i świadomość ograniczeń.
• Dodaj element porównania: klasyczne podejście kontra decyzja oparta na danych.
• Zakończ ćwiczenie refleksją: czego nie wiemy, jakie dane warto zebrać w kolejnym sezonie i jak zmieniłaby się decyzja przy innych warunkach.

FAQ

Jakie zawody przyszłości będą najważniejsze w rolnictwie do 2035 r.?

Najważniejsze będą role łączące agronomię, dane i organizację pracy: technik rolnictwa cyfrowego, analityk danych agronomicznych, specjalista VRA, koordynator traceability, operator maszyn połączonych i doradca rolny ds. danych. W mniejszych gospodarstwach kilka tych zadań może wykonywać jedna osoba, a w większych firmach będą to osobne stanowiska.

Czy uczeń szkoły rolniczej musi uczyć się programowania?

Programowanie może być przydatne, ale nie jest podstawowym wymaganiem dla każdego ucznia. Ważniejsze jest rozumienie danych, umiejętność obsługi systemów rolniczych, interpretacja pomiarów i uzasadnianie decyzji. Uczeń powinien wiedzieć, skąd pochodzą dane, jakie mają ograniczenia i jak wpływają na nawożenie, ochronę roślin, koszty oraz dokumentację.

Jak szkoła rolnicza może zacząć uczyć kompetencji cyfrowych?

Najlepiej zacząć od jednego praktycznego scenariusza, na przykład planu nawożenia lub decyzji o zabiegu ochrony roślin. Szkoła powinna określić dane wejściowe, rezultat pracy ucznia i kryteria oceny. Dopiero później warto rozszerzać program o sensory, zdjęcia satelitarne, monitoring maszyn, traceability i raportowanie.

Jakie dane są najważniejsze w rolnictwie cyfrowym?

Najważniejsze są dane polowe, pogodowe, glebowe, satelitarne, maszynowe, kosztowe, jakościowe i magazynowe. Ich wartość zależy od kompletności, aktualności i powiązania z decyzją. Sam pomiar nie wystarczy. Trzeba umieć sprawdzić, czy dane opisują realny problem, czy tylko pokazują objaw wymagający dalszej diagnozy.

Czy Rolnictwo 4.0 ma sens w małych gospodarstwach?

Tak, ale zakres wdrożenia powinien być dopasowany do skali. Małe gospodarstwo nie musi zaczynać od pełnej automatyzacji. Praktyczny początek to cyfrowa dokumentacja pól, historia zabiegów, prosta analiza kosztów, dane pogodowe i zdjęcia satelitarne. Dopiero po uporządkowaniu podstaw warto dodawać kolejne czujniki i integracje.

Jak ODR może wykorzystać AgriEdukację w szkoleniach?

ODR może wykorzystać AgriEdukację do prowadzenia szkoleń opartych na przypadkach produkcyjnych. Uczestnicy mogą analizować pole, pogodę, historię zabiegów, koszty i dokumentację, a następnie przygotować rekomendację. Taka forma lepiej pokazuje praktykę doradczą niż wykład, ponieważ wymaga decyzji, uzasadnienia i oceny ograniczeń danych.

Jak mierzyć efekty nauki kompetencji przyszłości?

Efekty można mierzyć przez kompletność dokumentacji, liczbę decyzji uzasadnionych danymi, poprawność raportu, jakość interpretacji mapy pola i umiejętność wskazania brakujących informacji. Dobrym miernikiem jest też czas potrzebny uczniowi na odtworzenie historii pola lub partii produktu oraz liczba błędów w dokumentacji.

Czy cyfryzacja zastąpi praktykę w gospodarstwie?

Nie. Cyfryzacja nie zastępuje praktyki w polu, pracy z maszyną ani obserwacji roślin. Dobrze zaprojektowana edukacja cyfrowa wzmacnia praktykę, bo uczy porządkowania danych, sprawdzania założeń i dokumentowania decyzji. Uczeń powinien łączyć pomiar z obserwacją, a nie traktować aplikację jako jedyne źródło prawdy.

Jakie ryzyka wiążą się z nauką na danych rolniczych?

Największe ryzyka to praca na niepełnych danych, mylenie korelacji z przyczyną, brak geolokalizacji pomiarów i zbyt szybkie wyciąganie wniosków z map satelitarnych. Dlatego w edukacji trzeba uczyć ograniczeń interpretacyjnych. Uczeń powinien wiedzieć, kiedy dane wystarczają do decyzji, a kiedy potrzebna jest lustracja lub dodatkowy pomiar.

Słownik pojęć

Rolnictwo 4.0

Model produkcji rolniczej oparty na danych, automatyzacji, sensorach, maszynach połączonych, analizie i systemach wspomagania decyzji. W praktyce oznacza zarządzanie gospodarstwem na podstawie pomiarów, a nie tylko doświadczenia i rutyny.

FMS

Farm Management System, czyli system zarządzania gospodarstwem. Służy do prowadzenia pól, upraw, zabiegów, kosztów, magazynu, maszyn, dokumentacji i raportów.

IoT w rolnictwie

Internet rzeczy w rolnictwie oznacza wykorzystanie połączonych urządzeń pomiarowych, takich jak stacje pogodowe, sensory wilgotności gleby, lokalizatory GPS i czujniki przechowalnicze. Dane z IoT pomagają szybciej reagować na ryzyko.

VRA

Rolnictwo precyzyjne zmiennej dawki (Variable Rate Application, VRA) polega na różnicowaniu dawki nawozu, nasion lub środka ochrony roślin w zależności od strefy pola. Wymaga map, danych agronomicznych i sprzętu zdolnego do pracy ze zmienną dawką.

NDVI

Normalized Difference Vegetation Index to indeks wegetacyjny obliczany z danych teledetekcyjnych. Pomaga ocenić kondycję roślin, ale nie wskazuje samodzielnie przyczyny problemu. Wymaga interpretacji agronomicznej.

Traceability

Identyfikowalność produktu w łańcuchu dostaw. W rolnictwie i przetwórstwie oznacza możliwość odtworzenia historii produktu od pola, przez zbiór i magazyn, aż po odbiorcę.

ISOXML

Format wymiany danych używany w rolnictwie precyzyjnym i maszynach zgodnych z ekosystemem ISOBUS. Może służyć do przekazywania zadań, map aplikacyjnych i danych wykonania między systemem a maszyną.

System wspomagania decyzji

Narzędzie, które pomaga użytkownikowi ocenić sytuację i wybrać działanie na podstawie danych, modeli lub reguł. W rolnictwie może dotyczyć chorób, nawadniania, nawożenia, przymrozków albo organizacji pracy.

Cyfrowy bliźniak uprawy

Cyfrowe odwzorowanie uprawy, pola lub gospodarstwa oparte na danych produkcyjnych, środowiskowych i operacyjnych. W edukacji pomaga pokazać zależność między decyzją, warunkami i wynikiem.

Podsumowanie

Do 2035 r. rolnictwo będzie potrzebować osób, które rozumieją produkcję i potrafią pracować z danymi. Najcenniejsze będą kompetencje mieszane: agronomia, ekonomika, technologie, dokumentacja, analiza i komunikacja.

Szkoły rolnicze, ODR i doradcy nie powinny czekać, aż nowe zawody zostaną formalnie nazwane. Program zajęć można zmieniać już teraz przez scenariusze pracy na danych, wirtualne gospodarstwa, analizę kosztów, dokumentację, sensory i raporty.

AgriEdukacja wpisuje się w ten kierunek jako platforma edukacyjna, która pokazuje rolnictwo cyfrowe przez procesy, a nie przez hasła. To szczególnie ważne, bo przyszły rolnik, agronom lub doradca musi umieć odpowiedzieć nie tylko „co zrobić”, ale też „dlaczego właśnie tak”.