Coś się zmieniło w tym, jak programiści siadają do pracy. Nie chodzi tylko o nowe narzędzia – chodzi o fundamentalne pytanie, czy nadal chcą robić to, co do tej pory robili. Stephanie Kirmer, badaczka i inżynierka ML, opublikowała właśnie obszerny esej, który trafia w sedno tego, co przeżywa dziś wielu specjalistów od kodu.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Asystenci AI potrafią już naprawdę dużo
Kirmer przyznaje wprost: narzędzia takie jak GitHub Copilot, Claude Code czy Cursor zrobiły w ostatnim roku ogromny skok jakościowy. Nie mówi się już tylko o podpowiadaniu kolejnej linii – dziś asystenci potrafią:
- przeszukiwać całe projekty i analizować zawartość plików,
- pisać całe klasy, moduły i testy,
- korzystać z modeli „reasoning”, które rozbijają zadania na mniejsze kroki i na bieżąco informują o postępach,
- samodzielnie wywoływać zewnętrzne narzędzia – włącznie z wyszukiwaniem w sieci.
To już nie jest uzupełnianie składni. To coraz bardziej pełnoprawny współpracownik.
Dwa obozy: entuzjaści i rzemieślnicy
Kirmer obserwuje wyraźny podział w środowisku. Z jednej strony są ci, którzy z ulgą oddają asystentowi całą robotę – dla nich pisanie kodu było zawsze środkiem do celu, nie wartością samą w sobie. Narzędzia AI dają im prędkość, której wcześniej nie mogli sobie wyobrazić, i po prostu są zadowoleni.
Z drugiej strony są ci, których Kirmer nazywa „rzemieślnikami” – inżynierowie, dla których myślenie o architekturze kodu, rozwiązywanie trudnych problemów i samo pisanie to źródło zawodowej satysfakcji. Dla nich perspektywa sprowadzenia swojej pracy do wklejania promptów i przeglądania pull requestów generowanych przez AI jest autentycznie przygnębiająca. Część z nich – jak przyznaje autorka – rozważa zmianę zawodu.
Kirmer przywołuje tu tekst Vicki Boykis, która radzi osobom czującym się zagubionymi w tym nowym świecie, żeby szukały w pracy innych sposobów na twórczość i sens. Co samo w sobie jest wymownym przyznaniem, że praca programisty zmienia swój charakter.
Pokusa jest tuż obok
Centralną metaforą eseju jest „przycisk” – to okienko czatu po prawej stronie ekranu albo terminal czekający na komendę. Kirmer opisuje wewnętrzny monolog, który pewnie zna wielu czytelników AIPORT.pl:
„It’ll take me 3 hours to write this class and get it working and write the tests. But man, I could just push that button. That button’s just right there.”
I właśnie tu robi się ciekawie. Bo ta pokusa nie jest irracjonalna. Jest bardzo racjonalna – i to jest problem.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl:
Ten tekst dotyka czegoś, o czym rzadko mówimy wprost. Asystenci AI to nie tylko kwestia produktywności – to kwestia tożsamości zawodowej. Rozumiem entuzjazm tych, którzy cieszą się z odciążenia. Ale rozumiem też tych, którzy czują się wywłaszczeni z tego, co lubili w swojej pracy. Prawda jest taka, że obie postawy są uzasadnione. Pytanie, które mnie nurtuje, jest inne: co się dzieje z kompetencjami, kiedy przestajemy z nich korzystać na co dzień? Jeśli przez rok nie piszesz trudniejszego kodu samodzielnie, czy nadal potrafisz ocenić, czy to, co wygenerował model, jest dobre? I kto wtedy pilnuje jakości?
Etyka w tle każdego kliknięcia
Kirmer idzie krok dalej niż większość tekstów na ten temat. Zwraca uwagę, że każde kliknięcie „generuj” to de facto decyzja etyczna. Korzystanie z AI oznacza zużycie energii elektrycznej, wody w centrach danych i wspieranie ekosystemu, który – w innych obszarach – odpowiada za realne problemy społeczne, polityczne i kulturowe.
Jednocześnie autorka nie moralizuje. Przyznaje, że dla większości ludzi „material survival has to win out” – i trudno się z tym nie zgodzić. Nie możesz od pracownika wymagać, żeby w pojedynkę stawiał opór transformacji branży, jeśli ceną jest utrata pracy.
Dokąd zmierza zawód programisty
Kirmer kończy bez jednoznacznych odpowiedzi – i dobrze. Uważa, że praca programistów nie zniknie, ale zmieni się gruntownie. Przywołuje analogię z początków informatyki: czy ktoś siedzący przy mainframie w latach 60. mógł przewidzieć Pythona i open source? Zapewne nie.
Część firm już teraz ocenia pracowników nie tylko za efekty pracy, ale za to, czy „wystarczająco dużo” korzystają z AI. To nie jest spekulacja – to rzeczywistość wielu zespołów.
Pytanie o to, jak znaleźć równowagę między presją biznesową a własnym rozwojem kompetencji, zostaje bez odpowiedzi. I chyba na razie musi tak zostać.
