Według raportu Światowego Forum Ekonomicznego, AI może wyprzeć 9 mln miejsc pracy w ciągu najbliższych pięciu lat – ale równocześnie stworzyć ma około 11 mln nowych stanowisk. Największe zmiany zachodzą w branży IT, gdzie sztuczna inteligencja zaczyna przejmować zadania dotychczas wykonywane przez programistów. Czy to początek końca programowania przez człowieka?
Mark Zuckerberg przewidywał niedawno, że większość kodowania – od pisania, przez testowanie, po debugowanie – będzie wkrótce realizowana przez AI. Ta wizja powoli staje się rzeczywistością: duże modele językowe przekształcają się bowiem w autonomicznych agentów, którzy potrafią planować, uruchamiać procesy i wchodzić w interakcje z API – działając jak młodsi developerzy.
Dla osób tworzących glue code, dashboardy czy proste skrypty oznacza to, że agenci mogą już teraz wykonać ich pracę szybciej. Nie znaczy to jednak końca programowania – zmienia się rola człowieka, który coraz częściej pełni funkcję nadzorcy i architekta.
Czy kodowanie przez człowieka wymiera?
W Microsoft za pisanie 30% kodu odpowiada AI, a według badania przeprowadzonego przez Okta, 91% organizacji korzysta już z agentów AI – najczęściej do automatyzacji zadań. Takie dane prowadzą do prostego pytania: czy to początek końca programowania przez ludzi?
„Niezupełnie. Nawet najlepsza sztuczna inteligencja ma problemy z systemami o dużej skali, niejednoznacznymi wymaganiami i zmieniającym się kontekstem. Agentom brakuje osądu, wglądu w domenę i zdolności rozumowania na wielu poziomach architektury. Jedno jest jednak pewne: rola inżyniera się zmienia. Agenci mogą napędzać produktywność, obsłużyć powtarzalne zadania i być niestrudzonymi współpracownikami. Praca programisty nie zniknie – ale będzie wyglądać zupełnie inaczej – i to wkrótce” – twierdzi Iurii Milovanov, AVP AI/Data Science w SoftServe.
Z obserwacji specjalistów SoftServe wynika, że agentic AI przekształca proces developmentu.
„Zintegrowaliśmy agentów, by pomagali w generowaniu początkowej logiki backendu, w pełni funkcjonalnego UI, konfiguracji CI/CD (w tym Terraform), a nawet wstępnych artefaktów wymagań. Nie budują oni kompletnych systemów, ale generują wstępne rozwiązania na podstawie dostępnych danych, takich jak dokumenty wymagań produktowych (PRD). Wynik nie jest idealny i nie oczekujemy, że taki będzie. Jest jednak wystarczająco dobry, aby pomóc inżynierom przejść przez etap czystej tablicy, dostarczając im strukturę do iteracji i zmieniając tym samym ich rolę – nie są już odpowiedzialni za pisanie każdej linijki kodu, a za kształtowanie i udoskonalanie efektów pracy agenta” – wskazuje Nazarii Drushchak, Data Scientist w SoftServe.
Agenci AI zwiększają możliwości programistów
W IT rośnie liczba narzędzi wykorzystujących agentów AI. Przykładowo, Cursor wspiera programistów bezpośrednio w IDE, Lovable i V0 automatyzują budowę komponentów UI, a Windsurf eksperymentuje z bardziej złożonymi kompozycjami. Choć zapewniają częściową automatyzację, większość z nich jest zamknięta i trudna do dostosowania do własnego stacku. Dlatego wiele firm tworzy własnych agentów wewnętrznych – inspirowanych gotowymi rozwiązaniami, ale zaprojektowanych pod kątem realnych procesów wytwarzania oprogramowania. A to prowadzi do ważnego wniosku: agenci nie zastępują programistów, lecz zwiększają ich możliwości. Nadal potrzebny jest developer – zwykle na średnim lub seniorskim poziomie – który nadzoruje wyniki, podejmuje decyzje i nadaje kierunek pracy agentów.
Ta zmiana odblokowuje znaczny wzrost wydajności. Inżynierowie spędzają mniej czasu na powtarzalnych zadaniach, a więcej na zajmowaniu się architekturą, wydajnością i obsługą przypadków brzegowych.
„Przekonaliśmy się o tym na własnym przykładzie, wdrażając wewnętrznych agentów – uzyskaliśmy wzrost produktywności i oszczędności kosztów na poziomie nawet 70% w określonych zadaniach, szczególnie tam, gdzie występują powtarzalne wzorce” – mówi Iurii Milovanov.
Zmienia to strukturę zespołów: klasyczne składają się z 8-10 developerów, natomiast w modelu nazywanym przez specjalistów SoftServe „one-pizza team” – wystarczy pięciu, wspieranych przez zestaw agentów generujących kod, testy i dokumentację.
5 poziomów dojrzałości agenta AI
Rosnąca automatyzacja wymaga od programistów nowych umiejętności: nadzorowania agentów, projektowania workflow i myślenia systemowego. Eksperci SoftServe proponują pięciopoziomowy model dojrzałości agentów:
- Poziom 1. Asystent. AI działa jako inteligentne autouzupełnianie, operując w bezpośrednim kontekście programisty. Sugeruje linie lub bloki kodu, ale człowiek ma pełną kontrolę, podejmując wszystkie decyzje i kierując procesem. Rola człowieka: Autor.
- Poziom 2. Specjalista. Tutaj można polegać na agencie pod kątem tego, że wykona kompletne, dobrze zdefiniowane zadanie na polecenie. Przykładowo, może wygenerować pełny unit testów dla danej klasy lub stworzyć plik konfiguracyjny Terraform na podstawie prostego opisu. Zadanie jest dokładnie określone, ale autonomia agenta w ramach tego zadania jest wysoka. Rola człowieka: Delegujący.
- Poziom 3. Współpracownik. System agentów może obsłużyć złożony, wieloetapowy workflow z ludzkim nadzorem w kluczowych momentach. Na przykład, biorąc projekt z Figmy i generując w pełni funkcjonalne, wielokomponentowe UI, gdzie jeden agent zajmuje się strukturą, drugi stylowaniem, a trzeci zarządzaniem stanem. Człowiek nie pisze kodu, ale kieruje procesem i weryfikuje wyniki. Rola człowieka: Recenzent / Architekt.
- Poziom 4. Autonomiczny członek zespołu. To obecna granica zaawansowanego agentic engineering. Na tym poziomie agent może przejąć kompletną historię użytkownika lub wymaganie funkcjonalne i zarządzać cyklem życia. Może samodzielnie planować niezbędne zadania, pisać kod, tworzyć testy, korzystać z dokumentacji poprzez RAG i zgłaszać pull request do zatwierdzenia przez człowieka. Rola człowieka przesuwa się całkowicie w kierunku przeglądu wysokiego poziomu i strategicznych decyzji dotyczących architektury, podobnie jak w przypadku senior tech leada. Rola człowieka: Supervisor.
- Poziom 5. Zespół agentów. To długofalowa wizja. Zbiór połączonych, wyspecjalizowanych agentów może przejąć cały epic, a nawet mały projekt. Człowiek, który jest product ownerem, określa cele biznesowe i ograniczenia, a system agentów autonomicznie koordynuje planowanie, rozwój, testowanie, zabezpieczanie i wdrażanie rozwiązania. Ludzie są odpowiedzialni za „co” i „dlaczego”, agenci zajmują się „jak”. Rola człowieka: Wizjoner produktu.
Jak wskazują przedstawiciele SoftServe, większość branży znajduje się obecnie na poziomie 1., z obszarami eksplorującymi poziomy 2. i 3. Osiągnięcie poziomów 4. i 5. to nie tylko wyzwanie techniczne – wymaga to fundamentalnego przemyślenia ról, struktur zespołów i tego, co oznacza budowanie oprogramowania. Ale dla tych, którzy to zaakceptują, ścieżka jest jasna.
Programiści powinni więc uczyć się pracy z agentami przez praktykę – delegować im proste zadania, weryfikować wyniki i stopniowo poszerzać zakres odpowiedzialności AI. Muszą też pamiętać, że coraz ważniejsze stają się umiejętności zarządzania procesem i rozumienia domeny, a nie tylko pisania kodu. Wyłania się bowiem dla nich nowa rola – intelligence engineer – odpowiedzialna za nadzorowanie pracy agentów, weryfikację wyników i integrację ich z procesem wytwarzania oprogramowania.
