Wpływ AI na programowanie – zmiany i wyzwania

- AI znacząco zmienia proces tworzenia oprogramowania, wprowadzając cztery etapy transformacji: programowanie manualne, co-piloty (np. GitHub Co-Pilot), agentów AI działających na kilku plikach (np. kursor) oraz asynchronicznych, samodzielnych agentów (np. Devin, OpenAI Codex).
- Firmy takie jak Shopify i Duolingo wdrażają strategie AI-first, wymagając wykorzystania AI od wszystkich pracowników, co może zmienić rynek pracy.
- Pomimo entuzjazmu, obecne systemy AI mają ograniczenia: nadają się głównie do prostych zadań, generują często kod niskiej jakości, zawierający błędy i "halucynacje", oraz mają problem z zastosowaniem w złożonych i starszych projektach.
- Podejście "vibe coding" (programowanie polegające wyłącznie na promptach i języku naturalnym) jest szybkie, ale generuje duży dług techniczny i niski poziom kontroli jakości kodu.
- Zaleca się podejście "Context Driven Development", które naśladuje tradycyjne metody planowania i dokumentacji – przygotowanie jakościowego kontekstu (dokument PRD), testowanie promptów oraz systematyczne planowanie pracy z AI, co skutkuje lepszą przewidywalnością i jakością wytwarzanego oprogramowania.
- Współpraca z AI wymaga zrozumienia ograniczeń modeli językowych (cut-off date, limit okna kontekstowego, brak deterministyczności odpowiedzi).
- Modele AI lepiej radzą sobie w dobrze znanych dziedzinach niż w tworzeniu innowacji, jednak pojawiają się przełomy, jak wykrycie podatności w jądrze Linuxa przez model OpenAO3.
- Warto stosować strategie wykorzystujące rozdzielenie planowania (modele rozumujące, architektów) od implementacji (modele edytorów), co zwiększa efektywność i jakość tworzonego kodu.
- Narzędzia takie jak konsola Antropik pomagają w tzw. metapromptingu, czyli ulepszaniu promptów za pomocą AI, co skraca czas potrzebny na pisanie skutecznych zapytań.
- Wprowadzenie AI do zespołów platformowych jest wg prelegentów nieuniknione i konieczne, by utrzymać konkurencyjność i jakość pracy.

---

Zalecane działania / zadania dla programistów i zespołów

- Zamiast stosować "vibe coding", wdrożyć metodę Context Driven Development z solidną dokumentacją i przetestowanymi promptami.
- Korzystać z narzędzi wspomagających tworzenie promptów, np. konsoli Antropika.
- Rozdzielać zadania na etap planowania (używając modeli rozumujących) i implementacji (za pomocą modeli edytorów).
- Śledzić rozwój modeli rozumujących i wykorzystywać je do rozwiązywania bardziej złożonych problemów.
- Rozwijać kompetencje AI w ramach szkoleń, np. 10xDevs.pl, aby świadomie i efektywnie wykorzystywać AI przy tworzeniu oprogramowania.
- Przygotowywać i aktualizować dokumentację projektów w formie czytelnej dla AI, aby ograniczać błędy i "halucynacje" modeli.
- Świadomie zarządzać ograniczeniami AI – rozumieć datę cutoff i limit okna kontekstowego, ograniczać kompleksowość jednego prompta.
- Rozważyć zastosowanie AI w zespołach platformowych i infrastrukturze, aby zwiększyć efektywność pracy zespołów programistycznych.

---

Podsumowanie

- Sztuczna inteligencja nie zastąpi programistów, ale stanie się potężnym narzędziem wspierającym ich pracę.
- Efektywna praca z AI wymaga zmiany podejścia – z szybkiego prototypowania na przemyślane, kontekstowe planowanie.
- AI potrafi znacznie zwiększyć produktywność i jakość kodu, ale tylko jeśli użytkownik rozumie jej ograniczenia i wykorzystuje ją świadomie.
- Nadchodząca transformacja w programowaniu jest porównywana do wcześniejszych wielkich zmian w branży (internet, mobile, chmura).
- Zachęta do rozwoju kompetencji w zakresie pracy z AI oraz udziału w dedykowanych szkoleniach, które pomagają przygotować się na nadchodzące zmiany.