Agenci AI piszą więcej kodu, ale nie tworzą więcej oprogramowania

Wdrożenie agentów AI do procesu tworzenia oprogramowania miało przynieść rewolucję w produktywności zespołów programistycznych. Okazuje się jednak, że choć maszyny generują coraz więcej linii kodu, to nie przekłada się to proporcjonalnie na ilość gotowego oprogramowania. Badacze Chen i Stratton przeanalizowali dane z firm korzystających z narzędzi AI i odkryli zjawisko, które rzuca nowe światło na realne efekty tej technologii.

Dlaczego więcej kodu nie oznacza więcej oprogramowania

Klucz do zrozumienia tej rozbieżności tkwi w procesie przeglądu kodu. Po wprowadzeniu agentów AI czas między złożeniem pull requesta a jego scaleniem z główną gałęzią kodu wydłuża się średnio o 49 procent. To znacząca zmiana, która niweluje część korzyści płynących z szybszego pisania kodu przez maszyny.

Badacze przyjrzeli się również bardziej szczegółowym wskaźnikom. Odsetek pull requestów, w których wymagane były poprawki, wzrósł niemal dwukrotnie. Jednocześnie liczba komentarzy przypadających na pojedynczy pull request zwiększyła się o 35 procent. Te dane wyraźnie pokazują, że kod generowany przez AI wymaga znacznie więcej uwagi ze strony ludzkich recenzentów.

Jak zmienia się struktura pracy zespołów

W odpowiedzi na rosnące obciążenie procesem recenzji, organizacje zaczęły przesuwać zasoby ludzkie w kierunku weryfikacji kodu. Badania wykazały 14-procentowy wzrost odsetka pracowników zajmujących się przeglądem kodu po wdrożeniu agentów AI. To naturalna konsekwencja sytuacji, w której maszyny produkują więcej materiału do sprawdzenia.

Co ciekawe, analiza całkowitego zatrudnienia w badanych firmach nie wykazała istotnych zmian kadrowych, które można by przypisać wprowadzeniu AI. Badacze przeanalizowali dane z platformy Jellyfish i porównali je z informacjami z LinkedIn, ale nie znaleźli dowodów na znaczące przekształcenia w strukturze zatrudnienia.

Czy AI może sama recenzować swój kod

Teoretycznie agenci AI mogliby odciążyć ludzi również w procesie przeglądu kodu. Jak dotąd jednak ich wkład w tę część pracy pozostaje marginalny. Do marca 2026 roku 80 procent badanych firm korzystało z jakiejś formy automatycznego przeglądu kodu opartego na AI, ale agenci odpowiadali jedynie za 23,3 procent wszystkich komentarzy w recenzjach i 10,8 procent pull requestów. Zdecydowana większość tej pracy wciąż spoczywa na ludzkich barkach.

Należy pamiętać, że agenci AI to stosunkowo nowe narzędzie w świecie programowania. Od momentu zebrania danych w marcu 2026 roku pojawiły się znaczące aktualizacje i ulepszenia ich możliwości. Choć 95 procent firm w badaniu wdrożyło już agentów AI do kodowania, wiele z nich wciąż uczy się, kiedy i jak najlepiej ich używać.

Bilans zysków i strat w erze agentowego kodowania

Optymistyczny scenariusz zakłada, że opisane kompromisy między czasem kodowania a czasem przeglądu będą się poprawiać wraz z zdobywaniem doświadczenia przez zespoły inżynierskie. Programiści uczą się, do jakich problemów warto angażować agenta AI, a kiedy lepiej rozwiązać zadanie samodzielnie.

Na razie jednak obraz jest ambiwalentny. Zlecanie pisania kodu sztucznej inteligencji przypomina obosieczny miecz. Przyspieszenie generowania kodu jest równoważone przez podobny wzrost czasu i wysiłku potrzebnego na jego weryfikację. To skłania do pytania, czy koszty czasu i pieniędzy związane z wdrażaniem agentów AI do kodowania rzeczywiście się opłacają dla większości organizacji.

Badanie Chen i Stratton nie przesądza o przyszłości agentów AI w programowaniu. Pokazuje jednak, że automatyzacja nie eliminuje pracy, lecz przenosi ją w inne miejsce. Zespoły, które zrozumieją tę dynamikę i nauczą się nią zarządzać, mogą osiągnąć realne korzyści. Te, które skupią się wyłącznie na szybkości pisania kodu, mogą odkryć, że wąskim gardłem stał się przegląd, a nie tworzenie.