Agentami AI musi kierować doświadczony programista - uważa CTO chmury Microsoftu

Jeszcze dwa lata temu AI podpowiadała programiście następną linijkę. Dziś agent dostaje zadanie, sam przegląda projekt, pisze setki linijek, uruchamia testy i oddaje gotowe rozwiązanie. Zmieniła się więc rola programisty. Andrej Karpathy, współzałożyciel OpenAI (od maja 2026 roku w Anthropicu), w lutym 2026 roku uznał „agentic engineering” za najlepszą nazwę tego sposobu pracy. Jak tłumaczy, w 99% przypadków nie piszesz już kodu sam, tylko kierujesz agentami, którzy go piszą, i pilnujesz, co robią. Jak to wygląda na co dzień, opisuje Jakub Pachocki, główny naukowiec OpenAI: w firmie nikt już nie siedzi cały czas w kodzie, każdy zarządza grupą agentów Codex.

Programista staje się kimś w rodzaju tech leada, tylko że jego zespół to agenci: ustala, co ma powstać, dzieli pracę, sprawdza wyniki i składa je w całość. Tak powstała w Microsofcie wersja zapoznawcza Office Agenta. Siedmiu inżynierów, którzy poświęcali jej tylko część czasu, zbudowało ją w 10 tygodni. Projekt liczy ponad 110 tys. linii kodu, z czego według firmy 98% napisała AI. Mark Russinovich, dyrektor techniczny chmury Azure, i Scott Hanselman, wiceprezes w dziale CoreAI, którzy opisali ten projekt, nazywają tę zmianę przejściem „from authoring to directing”, czyli od pisania do kierowania.

Tylko że tech lead, który nie rozumie, co robi jego zespół, prowadzi projekt na ślepo. W lutym 2026 roku w Communications of the ACM, piśmie największego na świecie stowarzyszenia informatyków, Russinovich i Hanselman napisali, że agenci AI zwielokrotniają wydajność doświadczonych inżynierów, a początkujących spowalniają. Początkującym brakuje wyczucia i znajomości systemu, żeby agenta poprowadzić, sprawdzić jego pracę i wpasować ją w resztę kodu. Za badaczami z Harvardu nazywają to zmianą technologiczną premiującą staż („seniority-biased technological change”).

Autorzy pokazują to na przykładzie. Agent „naprawił” wyścig między wątkami, dopisując do kodu opóźnienie. Testy przestały się sypać, więc początkujący mógłby uznać sprawę za załatwioną. A błąd został, tylko się schował. Zdaniem autorów zauważy to i naprowadzi agenta na prawdziwą poprawkę tylko ktoś, kto rozumie synchronizację wątków i zna architekturę tego kodu.

Nie tylko oni tak uważają. Werner Vogels, CTO Amazona, mówił w grudniu 2025 roku w przemówieniu zamykającym konferencję re:Invent, że modele piszą kod szybciej, niż jesteśmy w stanie go zrozumieć. Dlatego, jak przekonywał, punktem kontrolnym staje się przegląd kodu: seniorzy wnoszą do niego wyczucie wzorców i „ciężko wypracowany osąd”, a juniorzy świeże spojrzenie. Karpathy radzi pilnować agentów „jak jastrząb”, bo ich pomyłki to już nie błędy składni, tylko subtelne błędy w samym pomyśle, jakie popełniłby trochę niedbały junior w pośpiechu. Sam Altman, szef OpenAI, napisał z kolei w czerwcu 2025 roku, że oprogramowanie będzie mogło tworzyć znacznie więcej ludzi, ale eksperci najpewniej nadal będą dużo lepsi od nowicjuszy - o ile przekonają się do nowych narzędzi.

Podobny obraz daje badanie Suproteema Sarkara z Uniwersytetu Chicagowskiego, oparte na danych prawie 120 tys. użytkowników Cursora z tysiąca firm. Doświadczeni programiści rzadziej niż mniej doświadczeni przyjmują podpowiedzi autouzupełniania. Z agentem jest odwrotnie: częściej przyjmują jego kod. Sarkar tłumaczy to tym, że doświadczeni lepiej zlecają agentowi pracę: częściej zaczynają od planu i rzadziej zadają mu pytania. W 32 firmach sprawdził też, co to daje. Tam, gdzie zespoły były bardziej doświadczone, po wdrożeniu agenta liczba zmian w kodzie scalanych co tydzień wzrosła o 52%, w pozostałych o 23%. Jedno zastrzeżenie: latem 2025 roku Sarkar pracował gościnnie jako badacz w firmie, która tworzy Cursora.

Anthropic, twórca Claude Code, przeanalizował ok. 400 tys. sesji z tym narzędziem i doszedł do podobnego wniosku. Potwierdzonym sukcesem kończy się 15% sesji nowicjuszy, a u osób co najmniej średnio zaawansowanych 28-33%. Porzuceniem, czyli porażką bez choćby jednej linijki kodu, kończy się 19% sesji nowicjuszy i tylko 5-7% sesji pozostałych.

Badanie Anthropica każe jednak rozumieć tę tezę szerzej. Doświadczenie oznaczało tam znajomość konkretnego zadania, a nie staż w programowaniu: senior, który pierwszy raz pyta model o Rusta, jest w Ruście nowicjuszem. W sesjach, w których powstawał kod, ludzie spoza programowania osiągali cel niewiele rzadziej niż programiści (29% wobec 34%), a menedżerowie nawet trochę częściej. Autorzy wnioskują, że o skuteczności decyduje znajomość dziedziny, a nie sama umiejętność pisania kodu. Do pracy z agentami potrzebny jest zatem ktoś, kto rozumie problem i biznes oraz wie, jak wygląda dobre rozwiązanie. Jeśli przy tym zna się na kodzie, tym lepiej.

Anthropic mierzył jednak tylko, czy sesja osiągnęła cel, a nie, czy powstały kod jest bezpieczny. Czym kończy się brak wiedzy technicznej, pokazują głośne wpadki. W marcu 2025 roku twórca aplikacji EnrichLead chwalił się na X, że nie napisał w niej ręcznie ani linijki kodu. Dwa dni później alarmował, że jest celem ataku: ktoś wyczerpał limity jego kluczy API, a inni korzystali z płatnych funkcji za darmo. Przyznał też, że nie ma przygotowania technicznego. Niecałe trzy dni później zamknął aplikację i napisał, że nie powinien był wdrażać niezabezpieczonego kodu. W listopadzie 2025 roku agent AI w Google Antigravity, pracujący w trybie bez potwierdzeń, skasował użytkownikowi całą zawartość dysku D:. Poszkodowany powiedział serwisowi The Register, że nie jest programistą i zna tylko trochę HTML-a, CSS-a i JavaScriptu. Pod koniec stycznia 2026 roku twórca Moltbooka, sieci społecznościowej dla agentów AI, też chwalił się, że nie napisał ani linijki kodu. Tymczasem jego baza danych nie miała podstawowych zabezpieczeń i każdy mógł podejrzeć 1,5 mln tokenów dostępowych.

Na rynku pracy widać ten kierunek, choć nie tylko za sprawą AI: programistów zaczęło ubywać, zanim pojawili się agenci, w czasie zwolnień po pandemii. Według amerykańskiego Biura Statystyki Pracy (BLS) liczba „computer programmers”, czyli osób piszących kod według cudzego projektu, spadła w USA niemal o jedną trzecią: ze 133 tys. w 2022 roku do 92 tys. w 2025. W tym samym czasie liczba „software developers”, czyli tych, którzy projektują oprogramowanie i odpowiadają za całość, wzrosła o 10%, do 1,69 mln. Ogłoszeń w branży znów przybywa, ale nie dla początkujących: według Indeed 71% przyrostu ofert w USA od maja 2025 do maja 2026 roku przypada na stanowiska seniorskie. W Polsce jest podobnie. Na justjoin.it w pierwszym kwartale 2026 roku ogłoszeń IT było ponad dwa razy więcej niż rok wcześniej, ale 55% z nich skierowano do seniorów, a tylko 5% do juniorów. Także w samym Anthropicu udział juniorów wśród osób przyjmowanych na stanowiska techniczne spadł z 27% na początku 2025 roku do 9% według raportu z października 2026 roku.

Koszty AI mogą jednak ponosić najbardziej doświadczeni. Faros AI, firma sprzedająca narzędzia do mierzenia pracy zespołów, przeanalizowała dane 22 tys. programistów: w okresach, gdy z AI korzystano najintensywniej, na jeden pull request przypadało o 243% więcej incydentów niż wtedy, gdy korzystano najmniej, a mediana czasu przeglądu kodu była ponad pięć razy dłuższa. Według Faros to seniorzy toną w przeglądach kodu, który tylko z pozoru wygląda na przemyślany. Firma nazywa to „podatkiem seniora”.

Doświadczenie bywa też kłopotem już przy zlecaniu pracy. David Heinemeier Hansson (DHH), twórca Ruby on Rails, przyznaje, że przez pewien czas wiedza o programowaniu wręcz mu przeszkadzała: narzucał agentom, jak mają coś zrobić, zamiast opisywać problem. A przed wpadkami doświadczenie chroni tylko częściowo. W lutym 2026 roku Claude Code skasował Alexeyowi Grigorevowi, szefowi społeczności DataTalks.Club i autorowi książki o uczeniu maszynowym, bazę z danymi zbieranymi przez dwa i pół roku. Odzyskał ją po dobie z pomocą AWS, a winę wziął na siebie.

Zostaje pytanie, które Russinovich i Hanselman stawiają sobie sami: jeśli firmy będą zatrudniać tylko doświadczonych programistów, skąd wezmą się następni seniorzy? Ich odpowiedź brzmi tak: juniorów trzeba dalej przyjmować, ale uczyć ich inaczej, na wzór preceptorstwa znanego z pielęgniarstwa, gdzie nowa osoba wchodzi do zawodu pod okiem kogoś doświadczonego. W ich wersji jeden mentor prowadzi od trzech do pięciu osób, i to przez co najmniej rok. Kent Beck, twórca programowania ekstremalnego, dorzuca do tego argument ekonomiczny: z AI junior zaczyna się firmie opłacać dużo szybciej, pod warunkiem że się przy tym uczy, a nie tylko wyrabia normę.

Na razie agent nie zastępuje kogoś, kto wie, co ma powstać, i umie sprawdzić, czy powstało dobrze. Zastępuje za to kogoś, kto tylko przekładał cudzy projekt na kod.

Agent AI - program oparty na modelu językowym, który sam wykonuje zadanie złożone z wielu kroków (czyta pliki, pisze i uruchamia kod, poprawia własne błędy), zamiast tylko odpowiadać na pytania. Tech lead - programista, który prowadzi zespół: dzieli pracę, przegląda kod i odpowiada za architekturę. Wyścig (race condition) - błąd, który pojawia się tylko wtedy, gdy równolegle działające części programu wykonają się w niefortunnej kolejności, dlatego trudno go wyłapać. Autouzupełnianie - funkcja, w której AI podpowiada, jak dokończyć linijkę kodu, którą programista właśnie pisze. Pull request - zgłoszenie zmian w kodzie do przejrzenia, zanim trafią do projektu. Scalenie (merge) - włączenie tych zmian do projektu. Junior i senior - odpowiednio programista początkujący i doświadczony. Przegląd kodu (code review) - sprawdzanie zmian w kodzie przez innego programistę, zanim trafią do projektu. Klucz API, token dostępowy - tajne ciągi znaków, które dają programowi dostęp do usługi lub danych; kto je zdobędzie, może korzystać z usługi na cudzy rachunek. CTO - dyrektor techniczny firmy.