Kod od AI powstaje w mgnieniu oka, ale kto weźmie za niego odpowiedzialność?

Branża IT od dawna zmagała się z ograniczoną szybkością wytwarzania oprogramowania. Sztuczna inteligencja tę barierę praktycznie usunęła, ale w jej miejsce wyrosła inna – brak wystarczających mocy do sprawdzania tego, co powstało. Firmy dysponują coraz większymi zasobami kodu napisanego przez modele AI, jednak odpowiedzialność za jego działanie, bezpieczeństwo i zgodność z wymaganiami wciąż spada na ludzi.

Do niedawna tempo prac programistycznych wyznaczała głównie zdolność zespołu do fizycznego napisania kodu. Dzięki modelom językowym i agentom AI ten czynnik przestał być kluczową barierą – maszyny same generują duże fragmenty aplikacji, podsuwają gotowe rozwiązania i przejmują zadania, które dotąd wykonywali ludzie. To jednak nie zamknęło sprawy. Zdarza się, że kod stworzony przez AI przechodzi testy i ląduje na produkcji, choć w zespole nie ma osoby, która rozumiałaby go w całości. A to właśnie człowiek musi ostatecznie ocenić, czy dane rozwiązanie wpisuje się w architekturę systemu, spełnia wymagania biznesowe i nie łamie zasad bezpieczeństwa.

To właśnie jest pytanie, które branża software powinna otwarcie sobie zadać: nie czy sztuczna inteligencja potrafi pisać kod, ale czy osoby odpowiedzialne za powstałe oprogramowanie rozumieją je na tyle dobrze, by mu zaufać

Jarosław Dąbrowski, Country Manager w JetBrains Poland

AI wchodzi do codziennej pracy deweloperów

Wsparcie AI w programowaniu nie jest już próbą czy nowinką – staje się standardowym elementem pracy dewelopera. W USA ponad 90% programistów przyznaje, że korzysta z narzędzi AI, a wartość globalnego rynku takich rozwiązań przekroczyła już 8,5 mld dolarów.

Polska nie zostaje w tyle. Z badania JetBrains AI Pulse 2026, które objęło ponad 10 tys. programistów z całego świata, wynika, że aż 91,8% polskich deweloperów sięga w pracy po przynajmniej jedno narzędzie AI. Blisko dwie piąte z nich korzysta codziennie z trybu agentowego – dla porównania, w skali globalnej ten wskaźnik wynosi jedynie 36%.

Taka zmiana przekłada się na inną ekonomię tworzenia oprogramowania. Skoro kod można wygenerować szybciej i za mniejsze pieniądze, czas jego napisania traci status głównego ograniczenia. Zasobem, którego zaczyna brakować, jest natomiast ludzka uwaga potrzebna do weryfikacji efektów pracy AI. Programista nie może się ograniczyć do przeczytania wygenerowanego fragmentu – musi też zrozumieć jego zależności, ocenić skutki dla całego systemu i upewnić się, że rozwiązanie przetrwa kolejne zmiany.

Szybsze tworzenie kodu ma swoją cenę

Problem nabiera znaczenia, bo większa prędkość generowania kodu może iść w parze ze spadkiem jego jakości. Firma CodeRabbit przeanalizowała kilkaset aktywnych projektów na GitHubie i wykazała, że kod tworzony z udziałem AI zawierał średnio 1,7 razy więcej poważnych błędów niż kod pisany wyłącznie przez ludzi. Liczba błędnych konfiguracji była wyższa o 75%, a częściej pojawiały się także kwestie związane z bezpieczeństwem.

Organizacje, które na dużą skalę zastąpiły tradycyjne procesy wytwórcze generowaniem kodu przez modele językowe, zderzają się dziś z rzeczywistością: oszczędność na etapie produkcji przekształca się w wielokrotnie wyższy koszt naprawy i utrzymania systemu

Jarosław Dąbrowski

Polscy deweloperzy częściej sprawdzają kod

Na tym tle dane o polskich programistach wypadają obiecująco. Jak podaje JetBrains AI Pulse, 78,2% polskich deweloperów regularnie bierze udział w przeglądach kodu, podczas gdy średnia globalna sięga 60,8%.

Oczekiwania wobec narzędzi AI również pokazują, że programistom nie chodzi tylko o wyższą produktywność. Głównym powodem, dla którego polscy deweloperzy zdecydowaliby się na zmianę narzędzia AI, jest lepsze rozumienie kontekstu bazy kodu – tak odpowiedziało 30,9% badanych, przy 24,3% w skali świata. Kolejnych 28,1% liczy na wyższą wydajność przy pracy z dużymi i skomplikowanymi projektami.

Polscy deweloperzy nie szukają narzędzi, które generują więcej kodu. Szukają takich, które tworzą kod, któremu można zaufać

Jarosław Dąbrowski

Nowe wąskie gardło: weryfikacja

AI zmienia więc również sam charakter pracy programisty. Miejsce ręcznego pisania kolejnych linii kodu zajmuje coraz częściej czytanie, analizowanie i ocenianie tego, co wygenerował model. Z danych JetBrains wynika, że 45% programistów spędza od jednej do dwóch godzin dziennie na przeglądzie kodu. Jeśli wykorzystanie agentów AI będzie dalej rosło, ten czas może się jeszcze wydłużyć.

Badanie When Using AI Leads to „Brain Fry”, przytaczane przez Harvard Business Review, wskazuje na rosnące przeciążenie poznawcze wśród deweloperów pracujących w intensywnym kontakcie z AI – zjawisko określane jako „AI brain fry”. Automatyzacja wytwarzania kodu nie oznacza, że pracy jest mniej. Zmienił się natomiast jej charakter – dziś więcej czasu zajmuje czytanie, analizowanie i walidowanie kodu oraz podejmowanie decyzji w warunkach ograniczonej przejrzystości. To nie eliminacja pracy, lecz zmiana jej charakteru

Jarosław Dąbrowski

Samo generowanie kodu już nie wystarczy

Rozwiązaniem nie musi być rezygnacja z AI. Znacznie istotniejsze jest zbudowanie środowiska pracy, w którym kod można kontrolować niezależnie od tego, czy powstał z klawiatury człowieka, czy z generatora. Jednym z elementów takiego podejścia jest automatyczna analiza kodu – narzędzia do statycznej analizy, jak Qodana, sprawdzają zmiany pod kątem jakości, bezpieczeństwa, błędnych konfiguracji oraz konkretnych wzorców programistycznych.

Qodana działa równolegle do procesu budowania projektu i integruje się z popularnymi platformami, takimi jak GitHub Actions, GitLab CI/CD czy TeamCity, bez konieczności zmiany istniejących przepływów pracy. Wyniki analizy są dostępne wtedy, gdy deweloper ma jeszcze pełny kontekst zmian w pamięci, a nie kilka dni później – co skraca czas reakcji i redukuje koszt naprawy błędów. Pulpit analityczny pozwala śledzić tendencje w skali całego projektu: identyfikować fragmenty bazy kodu o najwyższym poziomie długu technicznego i obszary, w których zespół systematycznie popełnia te same klasy błędów

Jarosław Dąbrowski

Od generowania kodu do kontroli jego jakości

Im powszechniejsze stają się agenci AI, tym bardziej rozmywa się granica między kodem napisanym przez człowieka a kodem stworzonym przez maszynę. W efekcie pytanie o to, kto konkretnie napisał dany fragment, będzie coraz mniej istotne. Znaczenie zyska natomiast to, czy kod przeszedł odpowiednią weryfikację, czy sposób jego oceny da się odtworzyć i czy organizacja jest w stanie wziąć na siebie odpowiedzialność za jego działanie.

To przekłada się także na nową rolę profesjonalnego środowiska programistycznego. IDE i narzędzia wspierające pracę deweloperów przestają być tylko miejscem powstawania kodu – stają się częścią systemu kontroli jakości, bezpieczeństwa i zgodności.

Polska społeczność programistyczna wchodzi w drugą fazę adopcji AI z rzadko spotykaną dojrzałością. Wysoki wskaźnik zaangażowania w przeglądy kodu, doświadczenie zawodowe powyżej średniej globalnej i szybka adopcja trybów agentowych wskazują na rynek, który nie traktuje AI jako modnego dodatku, lecz jako element zmieniający fundamenty procesu wytwarzania oprogramowania

Jarosław Dąbrowski

Źródło: ITwiz