Kryzys inżynierów oprogramowania przez AI – podział i frustracja

Inżynierowie oprogramowania mierzą się z nowym, nieoczywistym skutkiem ekspansji sztucznej inteligencji. Choć wiele mówi się o tym, że programiści tracą pracę na rzecz agentów AI, ci, którzy pozostają w branży, doświadczają równie trudnej sytuacji. Wewnątrz firm technologicznych narasta napięcie – powstaje przepaść między osobami beztrosko korzystającymi z narzędzi AI a doświadczonymi specjalistami, którzy muszą sprzątać po nich bałagan.

Podział w zespołach programistycznych – „vibe coders” kontra „craftsmen”

Deedy Das, partner w funduszu venture capital Menlo Ventures, opisuje zjawisko, które obserwuje w wielu firmach technologicznych. Według niego szybkie wdrażanie narzędzi AI tworzy „podział klasowy” – z jednej strony mamy „vibe coders”, czyli osoby generujące kod na podstawie nastroju, bez głębszego zrozumienia działania aplikacji. Z drugiej – doświadczonych rzemieślników („craftsmen”), którzy dbają o jakość i rzetelność swojego rzemiosła.

Ci drudzy są zmuszeni do żmudnego poprawiania i debugowania słabej jakości kodu wyprodukowanego przez AI. Jak ujął to Das w swoim poście na X – „większość inżynierów oprogramowania przechodzi kryzys tożsamości graniczący z depresją”. Ich codzienna praca zamienia się w niekończącą się walkę z błędami, które trafiają do produkcji, a frustracja narasta.

Rzemieślnicy są zmęczeni. Z dnia na dzień ich obciążenie rośnie. Błędy przedostają się do produkcji. Nikt nie wydaje się przejmować. Kolejna porcja AI jest rzucana na problem. Ich niechęć do współpracowników wzrasta. W końcu się poddają. Rzemiosło, które kochali, umarło.

Presja ze strony zarządów i kultura „tokenmaxxingu”

Skąd bierze się to zjawisko? Według analiz Das, presja na używanie AI nie pochodzi wyłącznie od samych programistów. To przede wszystkim kierownictwo firm technologicznych wymusza na pracownikach maksymalne wykorzystanie narzędzi sztucznej inteligencji. W niektórych organizacjach, jak Meta, wskaźnik używania AI jest nawet uwzględniany w ocenach okresowych pracowników.

Do tego dochodzi oddolny trend określany jako „tokenmaxxing” – ideologia przyjęta przez część programistów, którzy traktują intensywne korzystanie z modeli językowych (LLM) jako cnotę i sposób na zwiększenie produktywności. Niestety, często skutkuje to generowaniem dużej ilości kodu niskiej jakości, który nazywany jest „workslop” (od „slop” – breja, paskudztwo).

Badania nad tym zjawiskiem wskazują na powstawanie swoistej biurokracji – pracownicy produkują marny kod, który potem wymaga poprawek przez bardziej skrupulatnych kolegów. To stwarza złudzenie wzrostu wydajności, ale w rzeczywistości oznacza przerzucenie odpowiedzialności na innych. Rosnąca frustracja i wzajemna niechęć są nieuniknione.

Ekonomiczne paradoksy automatyzacji kodu

Koszty masowego korzystania z agentów AI są trudne do oszacowania. Z jednej strony firmy wydają ogromne sumy na opłaty za API modeli – jeden z anonimowych klientów podobno wydał 500 milionów dolarów na Claude w ciągu miesiąca. Z drugiej strony, same konsultingi ostrzegają przed „rozprzestrzenianiem się agentów AI” (AI agent sprawl), czyli sytuacją, w której narzędzia mnożą się bez kontroli, generując chaos i dodatkowe koszty.

Meta stanowi przykład firmy, w której demoralizacja personelu jest już widoczna. Zwolniono tysiące pracowników, a tych, którzy zostali, zmuszono do używania AI w projektach, którymi nie są zainteresowani. Opisuje się je jako „bezduszne” projekty AI – ludzie tracą motywację, bo nie widzą sensu w tym, co robią.

Co dalej z zawodem inżyniera oprogramowania?

Opisana sytuacja pokazuje, że wdrażanie AI w kodowaniu nie jest prostą historią o zastępowaniu ludzi przez maszyny. Tworzy się nowa, nieprzewidziana dynamika społeczna – podział na tych, którzy używają AI bezrefleksyjnie, i tych, którzy muszą za nich poprawiać błędy. W efekcie maleje satysfakcja z pracy, a rośnie wypalenie zawodowe.

Eksperci tacy jak Deedy Das sugerują, że branża potrzebuje zmiany myślenia. Zamiast wymuszać maksymalne użycie AI, warto zastanowić się nad jakością generowanego kodu i nad tym, jak narzędzia te wpływają na rzeczywiste obciążenie pracą. W przeciwnym razie ryzykujemy utratę doświadczonych programistów – tych, którzy stanowią kręgosłup każdej firmy technologicznej.