Sztuczna inteligencja pisze kod szybciej, niż zespoły kontroli jakości zdążają go sprawdzić, i to jest dziś realny problem operacyjny wielu dużych firm. UiPath przekonuje, że lekarstwem są agenty AI ustawione po drugiej stronie procesu, a liczby, którymi się posługuje, robią wrażenie na zarządach.
Kluczowe fakty:
- Badanie Microsoft Research i GitHuba z 2023 roku wykazało, że deweloperzy korzystający z GitHub Copilota wykonywali zadania o 55,8 proc. szybciej niż grupa kontrolna, co pogłębia asymetrię między tempem wytwarzania a weryfikacji kodu.
- Według raportu IDC, na który powołuje się UiPath, 72 proc. programistów modyfikuje ponad 40 proc. kodu wygenerowanego przez AI.
- UiPath proponuje wykorzystanie agentów AI po stronie testowania oprogramowania jako odpowiedź na rosnącą lukę między prędkością generowania kodu a możliwościami manualnej kontroli jakości.
Do redakcji trafił tekst ekspercki Piotra Zająca, AI&ML Solution Consultanta w polskim oddziale UiPath, poświęcony agentowemu testowaniu oprogramowania. Teza jest prosta i trudno się z nią kłócić: przez dekady weryfikacja jakości była etapem koniecznym, ale rzadko strategicznym, i taki model działał dopóty, dopóki tempo wytwarzania oprogramowania wyznaczali ludzie. Teraz nie wyznaczają. Sprawdziłem, co stoi za argumentacją, i gdzie jej brakuje.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Kod powstaje szybciej, tylko sprawdzanie zostało w tyle
Punktem wyjścia jest asymetria, którą widać w każdym większym zespole inżynierskim. Narzędzia do generowania kodu skalują się błyskawicznie, narzędzia do jego weryfikacji, zwłaszcza te oparte na ręcznej pracy, praktycznie wcale.
Opublikowane w 2023 roku badanie Microsoft Research i GitHuba pokazało, że deweloperzy z dostępem do GitHub Copilota wykonali zadanie o 55,8 proc. szybciej od grupy kontrolnej. Zadaniem było napisanie serwera HTTP w JavaScripcie, więc mówimy o wystandaryzowanym ćwiczeniu, a nie o codziennej pracy przy dojrzałym systemie. To rozróżnienie okaże się za chwilę ważne. Do tego dochodzi liczba z raportu IDC, na który powołuje się UiPath: 72 proc. programistów modyfikuje ponad 40 proc. kodu wygenerowanego przez AI.
Zając opisuje skutek tego stanu rzeczy bez owijania w bawełnę. Gdy oprogramowanie dostarczane jest w trybie ciągłym, wpływ pojedynczej zmiany staje się trudny do przewidzenia, a konsekwencje błędu nie kończą się na warstwie technicznej. Są też operacyjne, finansowe i wizerunkowe.
Agent, który sam poprawia test po zmianie interfejsu
Sedno propozycji UiPath nie sprowadza się do wygenerowania większej liczby przypadków testowych. Autor tekstu formułuje to inaczej: „ostatecznym celem nie jest maksymalizacja liczby testów, lecz koncentracja wysiłku na najwrażliwszych obszarach”, czyli tam, gdzie zmiana ma największe znaczenie biznesowe.
Druga obietnica dotyczy odporności. Klasyczna automatyzacja testów sypie się przy każdej zmianie interfejsu, parametrów konfiguracji czy komponentu środowiska, i utrzymanie tego zestawu bywa droższe niż samo testowanie. Agent ma się dostrajać sam oraz sygnalizować, co się zmieniło, co zostało pokryte, gdzie są luki i czy wydanie można bezpiecznie kontynuować.
Gerd Weishaar, wiceprezes i szef produktów testowych w UiPath, przy premierze Test Cloud w marcu 2025 roku nazwał testowanie obszarem, który wciąż pozostaje „uparcie ręczny i czasochłonny” / „stubbornly manual and time intensive”. Firma podaje, że tradycyjne metody testowania pochłaniają zwykle około 25 proc. budżetu IT.
NatWest, EDF i Cisco, czyli co pokazują wdrożenia
Trzy wdrożenia przywoływane przez UiPath to brytyjski bank NatWest, francuski EDF i amerykańskie Cisco. NatWest skrócił czas potrzebny na rozpoczęcie testów i obniżył koszty utrzymania. EDF zautomatyzował większość testów systemu SAP. Cisco ogranicza ręczną pracę testerów niemal o połowę przy użyciu asystenta Autopilot i prognozuje dalsze oszczędności.
Badanie IDC zamówione przez UiPath podaje następujące wyniki u firm korzystających z Test Cloud:
- średnio 4 mln dolarów rocznych korzyści na organizację
- 529 proc. zwrotu z inwestycji w perspektywie trzech lat
- zwrot nakładów w około sześć miesięcy
- wzrost efektywności testowania o 36 proc.
- podwojenie tempa dostarczania nowych funkcji
- ograniczenie przestojów o 50 proc. i skrócenie czasu diagnozowania usterek o 93 proc.
Traktuję te liczby dokładnie tak, jak na to zasługują. To badanie sfinansowane przez dostawcę, przeprowadzone wśród jego własnych klientów, a więc wśród firm, które wcześniej zdecydowały się zapłacić za rozwiązanie i mają interes w tym, żeby wypadło dobrze. Nie znaczy to, że wyniki są nieprawdziwe. Znaczy tyle, że nie są niezależne.
Zgadzam się z diagnozą Piotra Zająca, bo trudno się z nią nie zgodzić. Skoro generowanie kodu przyspieszyło skokowo, a jego weryfikacja została przy tych samych procesach co pięć lat temu, to gdzieś musi puścić. Pytanie brzmi, czy odpowiedzią jest kolejna warstwa automatyzacji sprzedawana przez tego samego typu dostawcę co poprzednia.
Mam z tym jeden konkretny problem. Agentowe testowanie oznacza, że AI sprawdza kod napisany przez AI, a człowiek dostaje na końcu zielone światło i podpisuje się pod wydaniem. Jeśli oba systemy popełniają błędy skorelowane, bo uczyły się na podobnych danych, to zbudowaliśmy sobie kontrolę jakości, która nie widzi własnego martwego pola. Autor tekstu sam zresztą zauważa, że skala wdrożeń takich systemów zależy od zaufania do mechanizmów kontroli, a nie od samej technologii. To trafna uwaga i warto ją potraktować poważniej, niż robi to marketing.
Nie namawiam do odrzucenia tej klasy narzędzi. Namawiam do zapytania dostawcy, jak wygląda ścieżka audytu, kto odpowiada za wydanie, które przeszło testy agentowe i wywróciło produkcję, oraz co się stanie z tymi liczbami, gdy przestanie je liczyć firma, która sprzedaje rozwiązanie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Liczby, które psują tę opowieść
Obok badań pokazujących przyspieszenie stoją takie, które pokazują coś przeciwnego. W lipcu 2025 roku organizacja badawcza METR opublikowała wyniki eksperymentu z udziałem 16 doświadczonych programistów open source, którzy wykonali łącznie 246 realnych zadań w repozytoriach, które znali od lat. Efekt: z narzędziami AI pracowali średnio o 19 proc. wolniej. Najciekawsze jest jednak to, że po zakończeniu badania sami oceniali, że AI przyspieszyła ich o 20 proc. Różnica między odczuciem a stoperem wyniosła prawie czterdzieści punktów procentowych. METR opatruje dziś ten wynik zastrzeżeniem, że dotyczy narzędzi z pierwszej połowy 2025 roku i ma charakter historyczny, ale wniosek o rozjeżdżaniu się wrażenia i pomiaru pozostaje aktualny.
Podobnie wygląda kwestia zaufania do wygenerowanego kodu. Z raportu State of Code firmy Sonar wynika, że programiści szacują udział kodu wspieranego przez AI w tym, co komitują, na około 42 proc., a jednocześnie 96 proc. z nich ma wątpliwości co do jego niezawodności. To jest właśnie ta luka, którą agentowe testowanie ma zasypać. Nikt na razie nie udowodnił niezależnie, że ją zasypuje.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Kraków testuje za pół Europy, więc zmiana dotrze tu wcześniej
Cisco, jedna z trzech firm pokazywanych przez UiPath jako przykład wdrożenia, ma w Krakowie największą lokalizację w Europie. Pracuje tam ponad 2,2 tys. osób, a ośrodek pełni rolę głównego centrum obsługi klienta dla regionu EMEA. W grudniu 2025 roku firma podpisała z Ministerstwem Rozwoju i Technologii umowę grantową na 21,494 mln zł przy własnej inwestycji deklarowanej na 204,7 mln zł, obejmującej serwerownie, laboratoria i przestrzeń pod projekty AI, z zobowiązaniem do utrzymania 2248 miejsc pracy. Kiedy więc czytam, że Cisco tnie ręczną pracę testerów o połowę, to nie jest odległa amerykańska anegdota. Część tej pracy siedzi nad Wisłą.
Polski rynek pracy pokazuje ten sam kierunek z drugiej strony. Według raportu Just Join IT kategoria testowania odpowiada za 6,75 proc. wszystkich ogłoszeń w IT, ale ofert dla juniorów jest w niej niespełna 5 proc., a ponad połowę stanowią stanowiska dla specjalistów poziomu mid. Rynek przestał szukać ludzi do wyszkolenia i szuka takich, którzy od pierwszego dnia biorą odpowiedzialność za jakość. Serwis testerzy.pl opisuje przy tym mechanizm, który wart jest zapamiętania: hasła o samonaprawiających się testach i testowaniu wspieranym przez AI działają na wyższą kadrę zarządzającą tak, że łatwiej dziś przekonać ją do wydatku na narzędzie niż do etatu. Tanio przy tym nie jest, bo praca ludzka realnie potaniała.
Polskie firmy z sektora usług IT, a jest ich sporo i sporo z nich obsługuje klientów zachodnich, staną więc przed tym samym pytaniem co Cisco czy NatWest, tylko przy mniejszym budżecie na eksperymenty. Moja rada jest nudna i praktyczna. Zanim ktokolwiek podpisze umowę na platformę agentowego testowania, niech policzy własny koszt utrzymania testów automatycznych za ostatnie dwanaście miesięcy. Bez tej liczby żaden zwrot z inwestycji, choćby wyglądał na 529 proc., nie da się zweryfikować.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału prasowego z tekstem eksperckim Piotra Zająca, AI&ML Solution Consultanta w UiPath, przesłanego redakcji przez agencję Planet Partners, a także źródeł uzupełniających: komunikatu UiPath o premierze Test Cloud z dnia 25.03.2025, badania METR „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity” z lipca 2025 oraz badania GitHuba i Microsoft Research nad wpływem GitHub Copilota na produktywność. Dane o wdrożeniach w NatWest, EDF i Cisco oraz wyniki badania IDC pochodzą z materiałów UiPath. Dane o polskim rynku pracy: raport Just Join IT oraz serwis testerzy.pl. Informacje o rozbudowie krakowskiego centrum Cisco: XYZ. Cytat Gerda Weishaara został zweryfikowany z oryginalnym anglojęzycznym komunikatem UiPath. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o skuteczności agentowego testowania oprogramowania.
