AI w roli programisty – prawda czy tylko hype?

Kontrowersyjne badania METR pokazują, że AI w programowaniu to nie tylko korzyści

Sztuczna inteligencja w programowaniu to jeden z najgorętszych tematów ostatnich lat. Czy rzeczywiście rewolucjonizuje sposób, w jaki piszemy kod, czy to kolejny przereklamowany trend? Sprawdzamy realne badania i konfrontujemy je z narracją o “vibe coding”.

Rzeczywistość okazuje się o wiele bardziej złożona, niż chciałaby nas przekonać branża AI. Zamiast prostej opowieści o sukcesie, mamy spektrum wyników – od znacznych przyspieszeń po zaskakujące spowolnienia.

Badanie METR: gdy AI spowalnia ekspertów

Jedno z najważniejszych badań 2025 roku zostało przeprowadzone przez METR (Model Evaluation & Threat Research). Wyniki są zaskakujące: doświadczeni programiści pracujący z AI byli średnio o 19% wolniejsi niż ci, którzy używali tradycyjnych narzędzi.

Metodologia badania

Badanie objęło 16 doświadczonych programistów open source, którzy przez kilka miesięcy wykonywali 246 realistycznych zadań programistycznych. Połowa zadań została wykonana przy dozwolonym użyciu AI (głównie Cursor Pro z Claude 3.5/3.7 Sonnet), druga połowa bez.

Przed rozpoczęciem programiści prognozowali, że AI przyspieszy ich pracę o 24%. Po zakończeniu nadal byli przekonani, że AI pomogła im skrócić czas o 20%. Rzeczywiste pomiary pokazały przeciwny efekt – spowolnienie o 19%.

Dlaczego AI spowalnia ekspertów?

Naukowcy z METR wskazują pięć głównych przyczyn tego zjawiska:

• Nadmierny optymizm – nierealistyczne oczekiwania co do użyteczności AI
• Wysoka znajomość kodu – praca na znanych repozytoriach nie wymagała podpowiedzi od AI
• Złożoność projektów – w dużych projektach (ponad milion linii kodu) AI radziła sobie znacznie gorzej
• Niska niezawodność – tylko 44% podpowiedzi AI zostało zaakceptowanych
• Brak kontekstu – AI nie do końca rozumiała specyfikę tak dużego repozytorium

Kluczowy problem: czas przesuwał się z aktywnego pisania kodu na czekanie na odpowiedzi AI, ich analizę i debugowanie błędów generowanych przez narzędzie.

Druga strona medalu: pozytywne wyniki badań

Badanie GitHub z Microsoft i Accenture

Zupełnie inne wyniki przyniosły eksperymenty prowadzone przez MIT w Microsoft i Accenture na grupie 4,867 programistów. Pokazały one wzrost produktywności o 26% przy użyciu GitHub Copilot.

Różnice w wynikach

Kluczowe różnice między badaniami:

• Grupa docelowa: METR testował doświadczonych programistów w znanych projektach. Microsoft zaś szersze grupy w różnych kontekstach
• Typ zadań: kompleksowe zadania open source vs. standardowe zadania korporacyjne
• Narzędzia: Cursor Pro vs. GitHub Copilot
• Znajomość narzędzi: tylko 56% uczestników METR miało doświadczenie z Cursor

Badanie MIT z różnymi wynikami

Badanie MIT z 2025 roku na 1,974 programistów pokazało zwiększenie produktywności o 12.92% do 21.83% w Microsoft i 7.51% do 8.69% w Accenture.

Vibe coding – nowa era czy zagrożenie?

Podczas gdy badania METR pokazują ograniczenia AI dla ekspertów, równolegle rozwija się trend “vibe coding” – programowania opartego na naturalnym języku i intuicji.

Czym jest vibe coding?

Vibe coding to nowe podejście do programowania, gdzie deweloperzy opisują swoje intencje w naturalnym języku, a AI generuje kod.

Statystyki trendu

Według Y Combinator, 25% startupów w ich obecnej kohorcie ma kod w 85% lub więcej wygenerowany przez AI. To pokazuje skalę adopcji tego podejścia w nowych projektach.

Zalety vibe coding

• Szybkość rozwoju – znacznie szybsze tworzenie prototypów
• Dostępność – niższe bariery wejścia dla nowych programistów
• Intuicyjność – praca w naturalnym języku zamiast składni

Wady i zagrożenia

Eksperci wskazują na kilka kluczowych problemów:

• Problem “sierocego kodu” – kod wygenerowany przez AI, którego nikt nie rozumie
• Brak kontroli nad architekturą – AI pomija kluczowe aspekty jak skalowalność czy bezpieczeństwo
• Dług techniczny – szybkie rozwiązania tworzą problemy w długim terminie

No-code vs. AI: kto wygrywa?

Według ekspертów branżowych, tradycyjne platformy no-code są zagrożone przez AI. Gordon Van Huizen z Mendix stwierdził kategorycznie: “Jeśli chodzi o no-code, zdecydowanie się z tym zgadzam. Myślę, że no-code odpowiadało na konkretny problem, który istniał przez określony czas”.
Czy tak się stanie ? Zobaczymy.
Ja w mojej pracy nadal używam Bubble i nie do końca wyobrażam sobie przejście na Vibe Coding – gdzie nie mam pełnej kontroli nad kodem i tym co robi.
W ten sposób powstała właśnie moja platforma https://rpgstorytellers.com/

Platformy No-code walczą z obecnym trendem adaptując nowe mechanizmy

Zamiast umierać, główne platformy po prostu integrują AI. Jak to wygląda obecnie?

• Microsoft Power Platform: 56 milionów użytkowników miesięcznie, 90% firm Fortune 500 korzysta z Copilot Studio
• Bubble: przekształca się w “vibe-code killer” – AI generuje kod oraz szablon w zrozumiałym wizualnym języku za pomocą ich AI Buildera – napisze o tym osobny artykuł.

Praktyczne wnioski dla programistów

Kto zyskuje na AI?

Największe korzyści odnoszą:

• Młodsi programiści (mniej doświadczeni)
• Osoby pracujące z nieznanymi technologiami
• Zespoły wykonujące powtarzalne zadania
• Projekty o mniejszej złożoności

Kto może stracić czas?

Spowolnienie dotyczy głównie:

• Bardzo doświadczonych programistów
• Pracy w znanych, dużych projektach
• Zadań wymagających głębokiego zrozumienia architektury
• Projektów z wysokimi standardami jakości

Najlepsze praktyki

Na podstawie badań wyłaniają się kluczowe zasady:

1. Dla ekspertów: AI jako narzędzie do automatyzacji rutynowych zadań, nie główny sposób pracy
2. Dla początkujących: AI może znacznie przyspieszyć naukę, ale wymaga nadzoru
3. Dla zespołów: połączenie AI z tradycyjnymi metodami daje najlepsze rezultaty
4. Dla firm: inwestycja w platformy z AI zamiast czystych narzędzi AI

Przyszłość programowania

Trzy scenariusze

Scenariusz 1: Dominacja AI – w mojej opinii bardzo odległa rzeczywistość na pograniczu Sci-Fi

• Agenci AI zastąpią większość programistów
• Pozostaną tylko architekci i nadzorcy AI
• Kod stanie się abstrakcją

Scenariusz 2: Hybryda – wg. mnie ten scenariusz będzie docelowy i dominujący

• AI jako zaawansowane narzędzie wspomagające
• Programiści skupią się na architekturze i logice biznesowej
• Wzrost produktywności przy zachowaniu kontroli

Scenariusz 3: Specjalizacja – wg. mnie po wielu spektakularnych porażkach projektów Vibe Codowanych – hype przygaśnie i wrócimy do bardziej kontrolowanego developmentu.

• Podział na “vibe coders” i tradycyjnych programistów
• Różne narzędzia dla różnych zadań
• Ewolucja zawodu zamiast rewolucji

Co mówią liczby?

Obecne dane wskazują na scenariusz hybrydowy:

• 63% programistów używa AI w pracy
• 97% badanych miało kontakt z narzędziami AI wspomagającymi programowanie
• 26% wzrost produktywności w badaniach korporacyjnych
• 19% spadek u ekspertów w badaniu METR

Rekomendacje dla programistów

Jak wykorzystać AI skutecznie?

1. Oceniaj kontekst – AI działa lepiej w nowych projektach niż w legacy code
2. Weryfikuj wszystko – nigdy nie akceptuj kodu AI bez zrozumienia
3. Używaj jako sparring partnera – do burzy mózgów i prototypowania
4. Inwestuj w naukę – rozumiej generowany kod, nie polegaj ślepo na AI

Czego unikać?

• Ślepego kopiowania kodu AI bez zrozumienia
• Używania AI w krytycznych systemach bez weryfikacji
• Zastępowania nauki programowania przez AI
• Polegania wyłącznie na AI w złożonych projektach

Podsumowanie

Prawda o AI w programowaniu jest bardziej złożona niż sugeruje hype i obecne trendu np. na Linkedin. Narzędzia AI mogą znacznie zwiększyć produktywność, szczególnie dla mniej doświadczonych programistów i w nowych projektach. Jednak dla ekspertów pracujących w znanych systemach mogą czasami spowalniać pracę.

Kluczem jest zrozumienie kontekstu i odpowiednie dopasowanie narzędzi. AI nie zastąpi programistów, ale zmieni sposób, w jaki pracujemy. Najbardziej skuteczne będą rozwiązania hybrydowe, które łączą szybkość AI z kontrolą i zrozumieniem człowieka.

Przyszłość należy do tych, którzy nauczą się skutecznie współpracować z AI, a nie tych, którzy całkowicie mu zawierzą.