Dwa raporty, jeden zwrot globalny

Raport DORA (DevOps Research and Assessment) powstaje od lat w USA w ramach zespołu badawczego Google Cloud. Jego autorzy od ponad dekady analizują praktyki tysięcy zespołów inżynieryjnych na świecie, badając, jak procesy, kultura pracy i narzędzia wpływają na efektywność dostarczania oprogramowania. Najnowsza edycja pt. 2025 DORA State of AI-assisted Software Development Report - skupia się na czynnikach sukcesu wdrożeń AI. 

Raport Polski DevEx: dane, procesy, AI stworzony przez zespół badawczy Network Perspective, opisuje wnioski zebrane od ponad 150 liderek i liderów IT odpowiedzialnych za całe działy i obszary technologiczne na temat tego, które dane, procesy i praktyki współpracy wzmacniają proces wytwarzania oprogramowania, a które je spowalniają, także w kontekście wdrożeń AI. 

Tomek, COO Infoshare, tak podsumował ten raport: 

“Raport prezentuje szereg ciekawych wniosków dotyczących współczesnego wytwarzania oprogramowania, dobrze pokazuje, gdzie tkwi potencjał, ale też gdzie czyhają największe bariery. Dla mnie absolutnie kluczowe są trzy elementy. Po pierwsze, efektywność zespołu w dużej mierze zależy od jasnej i komunikowanej wizji produktu – z własnego doświadczenia wiem, że szczególnie w dużych firmach to wyzwanie, które decyduje o sukcesie każdego projektu. Po drugie, połączenie autonomii, prawdziwego ownershipu oraz eliminacja silosów to fundament jakościowej współpracy, choć ich wdrożenie bywa szczególnie trudne w organizacjach z wieloletnią historią. Po trzecie, bardzo trafna jest obserwacja, że AI jest traktowane nie jako technologiczna rewolucja, lecz użyteczne, acz wymagające narzędzie – wsparcie, które pomaga, ale nie zastępuje podstawowych procesów i praktyk zespołu.” 

Wnioski z obu raportów spotykają się — w przekonaniu, że AI nie rozwiązuje problemów systemowych w delivery, lecz je przyspieszy. Sukces wdrożeń AI w IT nie zależy od wdrożonego narzędzia, ale od tego, czy organizacja ma zdrowe fundamenty, czyli dane, procesy, kulturę współpracy i mierzalność efektów. Sprawdzamy i wchodzimy głębiej.

AI to katalizator: przyspieszy mocne strony, ale też dysfunkcje delivery

Wspólny mianownik obu raportów jest prosty, ale niewygodny: AI nie „naprawi” systemu – wzmacnia to, co w nim działa, i przyspiesza to, co jest źródłem tarcia.

AI działa jak katalizator — przyspieszy to, co już jest dobre, ale też to, co zaniedbane. Dlatego pytanie nie brzmi czy wdrażać AI, tylko jak wpiąć je w fundamenty delivery i DevEx tak, by zyskać tempo, stabilność i wartość dostarczaną oprogramowaniem. Więc kluczowe pytanie brzmi: jakie fundamenty ma twój proces dostarczania oprogramowania - procesy, dane i praktyki? To właśnie one zostaną przyspieszone. 

AI, DevEx i delivery — o co tu naprawdę chodzi? Na poziomie narzędzi AI to kusząca obietnica: szybciej pisać kod, szybciej wydawać funkcje, szybciej „zamykać” zadania. Ale na poziomie systemu delivery, AI to wzmacniacz mocnych i słabych stron. Jeśli masz klarowne priorytety, ownership, małe batch’e, sprawne review i automatyczne testy — AI doda im turbodoładowania. Jeśli tych elementów brakuje, AI przesunie wąskie gardła z implementacji na specyfikację, testy, review, utrzymanie, adopcję i wartość dla użytkownika. Więcej kodu ≠ więcej wartości, gdy nie nadąża jakość i decyzje.

Dlatego w praktyce dane i praktyki inżynieryjne zadecydują o wyniku wdrożeń AI. I to nie na poziomie optymalizacji lokalnych, ale całego systemu. Zdrowy system ma krótkie pętle informacji zwrotnej (od wymagań po produkcję), świadomie ogranicza wielkość zmian i dba o czytelność oraz testowalność kodu. W takim środowisku AI skraca czas „od pomysłu do efektu”, zamiast produkować dług techniczny. 

AI działa najlepiej tam, gdzie DevEx i delivery są już w formie, gdzie dane, procesy i praktyki tworzą stabilny kręgosłup dla turbodoładowania AI. 

Polaryzacja przyspieszeń: AI rozdzieli rynek IT na liderów i ugrzęzłych? 

Patrząc w przyszłość - czy nie będzie tak, że AI nie wyrówna szans, a rozszerzy różnice? Rozdzieli rynek IT na tych, którzy przyspieszą w stronę wartości, i tych, którzy przyspieszą w stronę chaosu? 

Organizacje z klarownymi danymi, krótkimi pętlami informacji zwrotnych i decyzji i dobrymi procesami odpalą „turbo” w kierunku wartości: krótszy time-to-market oraz time-to-insights, a w konsekwencji - time-to-impact. 

Firmy z mętnymi sygnałami i chaotycznym delivery też przyspieszą… tylko w złą stronę, czyli kosztownej nieprzewidywalności? Mówimy tu na przykład o długu technicznym, dłuższych review, większym odsetkiem wdrożonych zmian, które kończą się błędem, oraz dłuższym czasem przywracania sprawności i mniejszą wartością dostarczaną dla użytkownika?   

Warunki sukcesu: dane i procesy zanim włączysz „fast lane” 

Skuteczne wdrożenia AI zaczynają się od danych, czyli widoczności procesu (ankiety DevEx i sygnały z logów systemów, metryki przepływu, szybkości i jakości), dobrych procesów i praktyk inżynieryjnych (testy, małe PR-y, czytelność, bezpieczeństwo) oraz jasnych ról i zasad: Definition of Ready/Done dla pracy z AI, limity batchy, polityki danych w promptach, szybkie SLA na review. 

Do tego rytm eksperymentów (pilotaże, „przed/po”), świadome spowalnianie przy alertach jakości i regularna korekta kursu. AI przyspieszy tylko to, co masz już pod kontrolą — resztę najpierw uporządkuj.

A jak to wygląda w Polsce? 

Sprawdził to zespół Network Perspective. Polskie zespoły technologiczne nie potrzebują kolejnego frameworka — potrzebują jasności i priorytetów. Wśród 150 liderek i liderów, ponad połowa (54%) wskazuje, że to właśnie planowanie i klarowność działań mają największy wpływ na doświadczenie deweloperów. Technologia schodzi na dalszy plan: jakość kodu (26%) i testowanie oraz niezawodność (20%). Innymi słowy, problemem nie jest „czym” budujemy, tylko „jak” i „dlaczego”. 

Największe trzy hamulce polskich zespołów? Działanie bez feedbacku, czyli na oślep. Chaos procesowy pod przykrywką pseudo-agile. Eksplozja złożoności, której nie towarzyszą jasne koncepcje ani narzędzia. To nie brak technologii, lecz brak widoczności procesu i danych decyzyjnych spowalnia tempo i jakość. 

Co dalej? 

Wśród polskich liderów: 71% wskazuje brak czasu na usprawnienia, 26% brak danych, a jedynie 4% brak narzędzi. Problem nie leży w arsenale technologicznym, tylko w zdolności organizacji do uczenia się i działania w pętli informacji zwrotnej. To codzienność wielu polskich firm: ogrom systemów, mało czasu, fragmentaryczna współpraca, procesy, systemy i dane. I właśnie tu widać, jak DevEx staje się nie tylko tematem komfortu pracy, lecz warunkiem budowy przewagi konkurencyjnej.  

W erze wdrożeń AI liderzy powinni strategicznie zadbać o czas na usprawnienia procesu delivery i dane mówiące o tym procesie - jeśli poprzez wdrożenia narzędzi AI, chcą rzeczywiście budować przewagę konkurencyjną swoich firm, czyli zwiększać produktywność i jakość oprogramowania, a nie chaos. 

24 listopada 2025 w Katowicach Anita Zbieg i Iza Goździeniak, autorki raportu będą szerzej omawiać ten temat: AI: Turbo dla delivery. Jak przyspieszać wartość, nie chaos (DevEx + DORA), a 20-21 maja 2026 Anita Zbieg i Jon Kern, współtwórca agile manifesto będą mówić o doświadczeniach w tym obszarze na rynku amerykańskim.