Programiści. Działania przy komputerze
AI miała usprawnić realizację zadań, rezultat jest zdumiewający
Michał Duszczyk
Reklama
Z niniejszego tekstu pojmiesz:
- Jak prezentują się obecne rezultaty analiz odnośnie oddziaływania AI na efektywność specjalistów IT?
- Jakie przekształcenia w naturze pracy programistów wprowadza inteligencja obliczeniowa?
- W jakich sferach w sektorze IT widać rzeczywiste atuty używania narzędzi AI?
Opowieść o generatywnej sztucznej inteligencji w branży IT od wielu miesięcy zasadzała się na zapewnieniu nagłego progresu produktywności. Niemniej jednak realia konfrontują te przypuszczenia w bezlitosny sposób. Zamiast generować kod szybciej, twórcy oprogramowania marnują ważne chwile na doglądanie algorytmów. Czy to niedociągnięcia wczesnej fazy rozwoju technologii, czy istotna zmiana w charakterze pracy deweloperów?
Reklama Reklama
Złudne wsparcie i mnóstwo pomyłek
Rob Skillington, jeden z założycieli Chronosphere, zaznacza, że AI zasadniczo transformuje metodę pracy inżynierów, lecz w kierunku, jakiego niewielu się domyślało. Zamiast prostego przyśpieszenia, mierzymy się z „narzuconą reinterpretacją funkcji zawodowych oraz perspektyw kariery”. Uwiarygadnia to najnowsze, randomizowane badanie zrealizowane przez organizację badawczą non-profit METR. Rezultaty są zaskakujące: doświadczeni deweloperzy open-source użytkujący narzędzia AI potrzebowali aż o 19 proc. więcej czasu na wykonanie zadań w zestawieniu do kolegów pracujących bez cyfrowej pomocy. Jak komunikują specjaliści na łamach serwisu TechRadar, jest to w wyraźnej sprzeczności z oczekiwaniami rynku – przed eksperymentem zarówno osoby biorące w nim udział, jak i analitycy prognozowali, że algorytmy zagwarantują usprawnienie pracy na poziomie około 40 proc.
Z jakiej przyczyny narzędzia, które mają automatyzować działania, w rzeczywistości je spowalniają? Według naukowców z METR problem drzemie w zmianie nakładu pracy. Programiści, zamiast konstruować kod, są zmuszeni poświęcać czas na tworzenie precyzyjnych poleceń dla AI, nużące studiowanie wygenerowanych sugestii oraz integrowanie otrzymanych wyników ze złożonymi, istniejącymi już zasobami kodu. To właśnie ów proces weryfikacji okazuje się „przeszkodą”. Skutek? Specjaliści od informatyki tracą cenny czas.
Dowiedz się więcej:
Raporty ekonomiczne Prawnicy i programiści powinni się bać? Widać efekty AI
Pro
Reklama Reklama Reklama
Dane statystyczne dotyczące klasy generowanych rozwiązań są niepokojące. Badanie zasygnalizowało, że aż 60 proc. defektów w kodzie było wywołanych bezpośrednio przez narzędzia AI. Co gorsza, mankamenty te są często zwodnicze. Co to oznacza? Mowa tu o sytuacjach, gdy wygenerowany kod na pierwszy rzut oka sprawia wrażenie zadowalającego oraz poprawnego pod względem składni, jednak – przy wnikliwszej analizie – ujawnia kluczowe niedociągnięcia, które potrzebują dużych nakładów działań naprawczych.
Niejednoznaczne podsumowanie korzyści i strat
Agenty AI, chociaż dają mnóstwo koncepcji, notorycznie wpadają w szczególną pułapkę: cykliczne próby naprawiania własnego kodu. „Algorytm, próbując skorygować błąd, generuje kolejne błędne rozwiązanie, co zmusza człowieka do interwencji” – oznajmiają eksperci. A to z kolei od programistów wymaga solidniejszej kontroli. W efekcie funkcja człowieka ewoluuje z twórcy (jakim był programista przed rozpowszechnieniem agentów) w restrykcyjnego kontrolera (aktualnie).
Pomimo tych przeszkód technologia nie stoi w miejscu – nowoczesne narzędzia zaczynają autonomicznie budować i przeprowadzać testy na wykreowanym przez siebie kodzie, co powoli ogranicza kłopot tzw. halucynacji, który był plagą wcześniejszych odmian tych systemów. Ponadto są także obszary w tej branży, które bez wątpienia zyskują za sprawą AI. Jaki przykład? Site Reliability Engineering (SRE), inaczej inżynieria niezawodności witryn. Kluczem do powodzenia jest tutaj wykorzystanie serwerów Model Context Protocol (MCP). Serwery te kooperują z zaawansowanymi narzędziami AI do kodowania, takimi jak Cursor czy Claude Code, zezwalając inżynierom na płynne włączanie sztucznej inteligencji do codziennych procedur pracy DevOps. Przełom polega na dostępie do informacji: serwery MCP udostępniają algorytmom dane telemetryczne w czasie rzeczywistym. Dzięki temu AI może „wnioskować” w oparciu o konkretne dane, usuwając konieczność ręcznego wprowadzania danych przez człowieka. To z kolei podwyższa efektywność i zmniejsza liczbę pomyłek.
W praktyce to, czy inteligencja sztuczna pozwoli zaoszczędzić czas, czy go straci, zależy od wielu determinant. Końcowy rezultat korzyści i strat przy wdrażaniu AI w IT pozostaje zagadnieniem otwartym.
