Kilka lat temu programista, który używał AI do pisania kodu, mógł spotkać się z podejrzliwymi spojrzeniami kolegów. Dziś sytuacja odwróciła się o 180 stopni - coraz więcej deweloperów otwarcie mówi, że nie chce pracować bez narzędzi AI. Dla wielu z nich powrót do "czystego" kodowania brzmi mniej więcej tak, jak propozycja rezygnacji z wyszukiwarki na rzecz encyklopedii papierowej.
Ten trend ma bezpośrednie przełożenie na polskie firmy, które zatrudniają programistów lub zlecają tworzenie oprogramowania. Bo jeśli Twój zespół deweloperski (albo software house, z którym współpracujesz) masowo korzysta z AI do generowania kodu, to rodzi się pytanie: czy dostajesz lepszy produkt szybciej, czy może szybszy produkt gorszej jakości? Odpowiedź nie jest jednoznaczna i właśnie dlatego warto się temu przyjrzeć.
Według najnowszych danych z raportu TechCrunch, zjawisko uzależnienia programistów od narzędzi AI nabiera tempa. Ale razem z nim rosną też obawy o jakość kodu, bezpieczeństwo aplikacji i - co może brzmieć paradoksalnie - o kompetencje samych programistów. Przyjrzyjmy się, co to oznacza w praktyce dla polskich małych i średnich firm.
Dlaczego programiści nie chcą wracać do pracy bez AI
Narzędzia takie jak GitHub Copilot, Cursor, Claude Code czy Cline zmieniły codzienną pracę programistów w sposób, który trudno przecenić. Zamiast pisać od zera powtarzalne fragmenty kodu, deweloper opisuje, co chce osiągnąć, a AI generuje gotową propozycję. Zamiast szukać rozwiązania problemu przez godzinę na Stack Overflow, programista dostaje odpowiedź w kilka sekund.
Dane mówią same za siebie. GitHub podaje, że Copilot pomaga programistom pisać kod nawet o 55% szybciej. Badanie firmy McKinsey z 2024 roku wskazało, że deweloperzy korzystający z narzędzi AI raportują wzrost produktywności o 20-45% w zależności od typu zadania. To nie są marginalne usprawnienia - to fundamentalna zmiana w tempie pracy.
Dla programisty, który przyzwyczaił się do takiego wsparcia, powrót do tradycyjnego kodowania jest frustrujący. To trochę jak powiedzenie kierowcy TIR-a, żeby zrezygnował z nawigacji GPS i wrócił do atlasu drogowego. Technicznie możliwe? Tak. Praktycznie sensowne? Niekoniecznie.
Problem w tym, że ta szybkość ma swoją cenę. I to cenę, którą często płaci nie programista, lecz firma zamawiająca oprogramowanie.
Ciemna strona medalu - jakość kodu generowanego przez AI
Tu zaczyna się część, o której rzadziej się mówi w entuzjastycznych artykułach o AI w programowaniu. Kod generowany przez modele językowe bywa poprawny składniowo, ale problematyczny pod względem architektury, bezpieczeństwa i utrzymywalności.
Badanie GitClear z początku 2024 roku wykazało niepokojący trend: po masowym wdrożeniu narzędzi AI w zespołach programistycznych wzrosła ilość tak zwanego "churn code" - kodu, który jest pisany, a potem szybko usuwany lub przepisywany. Innymi słowy, programiści generują więcej linii kodu, ale większa część tego kodu okazuje się niepotrzebna lub wadliwa. To jak mierzyć produktywność pisarza liczbą napisanych stron, ignorując fakt, że połowę z nich wyrzuca do kosza.
Konkretne ryzyka, które powinny zainteresować każdą polską firmę zamawiającą oprogramowanie:
- Luki bezpieczeństwa - AI potrafi wygenerować kod z podatnościami, które doświadczony programista by wychwycił. Badania Stanford University pokazały, że programiści korzystający z AI generowali mniej bezpieczny kod niż ci pracujący bez wsparcia, a jednocześnie byli bardziej przekonani o jego bezpieczeństwie.
- Dług technologiczny - kod z AI często działa "tu i teraz", ale jest trudny do rozbudowy i utrzymania. Dla firmy, która planuje rozwijać swój produkt przez lata, to poważny problem.
- Brak zrozumienia - programista, który wkleja wygenerowany kod bez pełnego zrozumienia jego działania, nie będzie w stanie skutecznie go debugować, gdy coś pójdzie nie tak. A coś pójdzie nie tak - to kwestia czasu, nie prawdopodobieństwa.
- Licencje i własność intelektualna - modele AI trenowane na kodzie open source mogą generować fragmenty objęte licencjami, które nakładają na Twoją firmę zobowiązania prawne. W polskim kontekście, gdzie świadomość licencji open source wciąż bywa niska, to dodatkowe ryzyko.
Nie chcę malować czarnego scenariusza. Narzędzia AI w programowaniu to ogromny postęp. Ale postęp, który wymaga dojrzałego podejścia - zarówno ze strony programistów, jak i firm, które za tę pracę płacą.
Co to oznacza dla polskich MŚP
Polska branża IT jest jedną z najsilniejszych w Europie. Mamy tysiące software house'ów, dziesiątki tysięcy freelancerów i rosnącą liczbę wewnętrznych zespołów deweloperskich w firmach spoza sektora technologicznego. AI w programowaniu wpływa na każdą z tych grup.
Jeśli prowadzisz firmę, która zleca tworzenie oprogramowania na zewnątrz, powinieneś wiedzieć, jak Twój wykonawca korzysta z AI. Nie po to, żeby zabraniać - to byłoby absurdalne i kontrproduktywne. Po to, żeby mieć pewność, że istnieją odpowiednie procesy kontroli jakości.
Praktyczne pytania, które warto zadać swojemu software house'owi lub zespołowi programistów:
- Czy macie proces code review dla kodu generowanego przez AI? Jak wygląda w praktyce?
- Jakie narzędzia do analizy statycznej i testowania bezpieczeństwa stosujecie?
- Jaki procent kodu w projekcie jest generowany przez AI, a jaki pisany ręcznie?
- Jak weryfikujecie, że wygenerowany kod nie narusza licencji open source?
- Czy junior developer w zespole rozumie kod, który wkleja z AI, czy tylko sprawdza, że "działa"?
Te pytania mogą wydawać się techniczne, ale mają bezpośrednie przełożenie na budżet. Kod niskiej jakości oznacza więcej błędów po wdrożeniu, wyższe koszty utrzymania i większe ryzyko awarii. Dla firmy e-commerce, której sklep internetowy przestaje działać w Black Friday, to nie jest abstrakcyjny problem - to konkretna strata przychodów.
Weźmy realny przykład. Polska firma z branży logistycznej zamawia system do zarządzania flotą pojazdów. Software house, korzystając z AI, dostarcza pierwszą wersję w rekordowym czasie - zamiast 4 miesięcy, projekt trwa 2,5 miesiąca. Klient jest zadowolony. Ale po pół roku okazuje się, że dodanie nowej funkcji wymaga przepisania znacznej części systemu, bo architektura wygenerowana przez AI nie była zaprojektowana z myślą o rozbudowie. Oszczędność 6 tygodni na starcie zamienia się w dodatkowe 3 miesiące pracy (i dodatkowe koszty) później.
To nie jest scenariusz wymyślony na potrzeby artykułu. Takie sytuacje zdarzają się coraz częściej i będą się zdarzać, dopóki branża nie wypracuje dojrzałych standardów pracy z AI w kodowaniu.
Jak mądrze podejść do AI w tworzeniu oprogramowania
Rozwiązanie nie polega na zakazywaniu AI ani na bezkrytycznym akceptowaniu wszystkiego, co generują modele językowe. Polega na zbudowaniu procesu, który łączy szybkość AI z ludzkim osądem i doświadczeniem.
Oto konkretne rekomendacje dla polskich firm - zarówno tych, które mają własne zespoły programistyczne, jak i tych, które zlecają rozwój oprogramowania:
1. Wymagaj przejrzystości. Twój wykonawca powinien otwarcie komunikować, w jakim zakresie korzysta z narzędzi AI. To nie jest kwestia zaufania - to kwestia świadomego zarządzania ryzykiem. Dobry software house nie będzie miał problemu z taką transparentnością.
2. Inwestuj w code review. Przegląd kodu przez doświadczonego programistę jest teraz ważniejszy niż kiedykolwiek. Paradoksalnie, AI sprawia, że rola senior developera rośnie - bo ktoś musi weryfikować to, co generuje maszyna. Jeśli Twój zespół składa się wyłącznie z juniorów uzbrojonych w Copilota, masz problem.
3. Testuj więcej, nie mniej. Szybsze pisanie kodu powinno oznaczać więcej czasu na testowanie, nie mniej. Automatyczne testy jednostkowe, testy integracyjne, testy bezpieczeństwa - to minimum. Narzędzia takie jak SonarQube, Snyk czy OWASP ZAP pomagają wychwycić problemy, które umykają ludzkiemu oku i które AI chętnie wprowadza.
4. Patrz na całkowity koszt posiadania. Tańszy i szybszy development na starcie może oznaczać droższe utrzymanie i rozbudowę w przyszłości. Przy ocenie ofert od software house'ów nie porównuj tylko stawek godzinowych i terminów - pytaj o podejście do jakości kodu i długoterminowej utrzymywalności.
5. Buduj kompetencje wewnętrzne. Nawet jeśli zlecasz programowanie na zewnątrz, warto mieć w firmie osobę, która rozumie technologię na tyle, by ocenić jakość dostarczanego kodu. Nie musisz zatrudniać programisty na pełen etat - wystarczy konsultant techniczny, który regularnie przegląda projekt.
Warto też spojrzeć na ten trend z perspektywy rekrutacji. Jeśli zatrudniasz programistów, zwróć uwagę na to, jak kandydat korzysta z AI. Najlepsi deweloperzy traktują narzędzia AI jak asystenta, a nie jak zamiennik własnego myślenia. Potrafią krytycznie ocenić wygenerowany kod, zidentyfikować jego słabości i poprawić go. Programista, który bez AI nie potrafi napisać prostej funkcji, to nie programista wspomagany przez AI - to operator narzędzia, który nie rozumie, co to narzędzie robi.
Podsumowanie
Trend jest jednoznaczny: AI w programowaniu zostaje na dobre i będzie tylko zyskiwać na znaczeniu. Programiści, którzy odmawiają pracy bez narzędzi AI, nie są leniwi - są pragmatyczni. Tak samo jak pragmatyczny był księgowy, który 20 lat temu przesiadł się z kalkulatora na arkusz kalkulacyjny.
Ale pragmatyzm wymaga też uczciwości wobec ograniczeń. AI generuje kod szybko, ale nie zawsze dobrze. Przyspiesza proste zadania, ale może komplikować złożone. Obniża próg wejścia do programowania, ale jednocześnie podnosi poprzeczkę dla tych, którzy muszą weryfikować efekty pracy maszyny.
Dla polskich MŚP przekaz jest prosty: nie bój się AI w programowaniu, ale nie bądź naiwny. Pytaj, weryfikuj, testuj. Szybkość dostarczenia projektu to tylko jedna zmienna w równaniu - jakość, bezpieczeństwo i utrzymywalność kodu to pozostałe. I to one decydują o tym, czy inwestycja w oprogramowanie się zwróci, czy stanie się źródłem problemów na lata.
Programiści bez AI? Rzeczywiście, coraz mniej chce tak pracować. I dobrze. Pod warunkiem, że "z AI" nie oznacza "bez myślenia".
Źródło: TechCrunch - Coders are refusing to work without AI, and that could come back to bite them