Wbrew popularnej narracji, wdrożenie narzędzi opartych o sztuczną inteligencję w programowaniu nie prowadzi do oczekiwanej „hiperproduktywności” zespołów ani nie rozwiązuje kluczowych problemów modelu body-leasing. Body-leasing (czyli „wynajem” pojedynczych specjalistów IT do realizacji projektów w zewnętrznych zespołach) staje się coraz mniej efektywny, ale nie dlatego, że AI znacząco zwiększa wydajność programistów. Przyjrzyjmy się, co tak naprawdę zmienia się na rynku usług IT i dlaczego rozmowa o produktywności pod wpływem narzędzi AI wymaga dziś znacznie więcej sceptycyzmu.
Sztuczna inteligencja kontra realna produktywność: fakty
Na pierwszy rzut oka AI w programowaniu mogłoby wydawać się narzędziem, które napędzi rewolucję wydajnościową – kod powstaje szybciej, a programiści mogą skupić się na bardziej skomplikowanych wyzwaniach. Tymczasem rzeczywistość jest daleka od tych oczekiwań. Wyniki badań METR pokazują, że w praktyce zarówno skuteczność, jak i tempo pracy doświadczonych programistów przy wsparciu narzędzi AI uległy obniżeniu. Efekt? Seniorzy, którzy mieli jeszcze niedawno stanowić „motor napędowy” pracy zespołów dzięki wsparciu AI, finalnie generują mniej kodu w tym samym czasie niż bez jej udziału.
Jak wygląda to w liczbach?
- Programiści nieświadomie uważali, że AI przyspiesza ich pracę, choć realny czas realizacji zadań wydłużył się średnio o blisko 20%.
- Akceptacja kodu produkowanego przez AI wśród specjalistów jest niska (mniej niż połowa wygenerowanych rozwiązań trafia do finalnej aplikacji), a spora część czasu schodzi na poprawki.
To wszystko pokazuje, że AI jest daleka od rozwiązania problemu dostępności „rąk do pracy” w IT, a narracja o całkowitej automatyzacji czy zastępowaniu młodszych programistów (juniorów) przez starszych korzystających z AI nie wytrzymuje konfrontacji z liczbami.
Przeciążenia i spadek popytu: źródło zmiany nie tam, gdzie go szukamy
Warto zdefiniować dwa powiązane terminy. Body-leasing to praktyka delegowania pojedynczych pracowników do obcych projektów; team leasing polega na „wynajmowaniu” całych zespołów. Od kilku lat obserwujemy spadek zainteresowania tym pierwszym modelem – nie dlatego, że firmy osiągają spektakularne wyniki dzięki AI, ale po prostu dlatego, że zwykłe usługi programistyczne tracą na atrakcyjności. Popyt przesuwa się w stronę bardziej kompleksowych, zintegrowanych usług, a nie prostego „dokładania głów do projektu”.
W tej narracji łatwo popełnić błąd uproszczenia – przypisywać spektakularną przemianę całego rynku narzędziom AI, podczas gdy prawdziwe zmiany wynikają z przesuwania się oczekiwań klientów i ewolucji modelu biznesowego usług IT. Oczywiście, automatyzacja i szerokie wdrożenia narzędzi opartych o AI odgrywają pewną rolę, ale nie można mówić o przełomie w produktywności bez rzetelnych danych – których dziś po prostu nie ma.
Wnioski z obserwowanych trendów są więc jasne: rewolucja AI w programowaniu jest w rzeczywistości dużo bardziej ograniczona, niż chciałby tego branżowy marketing, a zmiany w modelu body-leasing związane są z relacjami popyt–podaż i zmieniającymi się potrzebami biznesowymi, a nie przełomem wydajności w zespołach programistów.
Co to realnie oznacza dla organizacji i użytkowników? Przed podjęciem decyzji o wdrożeniu narzędzi AI do codziennej pracy zespołów IT warto spojrzeć poza hasła i zadbać o rozumienie realnego wpływu technologii na procesy – zamiast polegać na obietnicach „hiperproduktywności”.
Bądź na bieżąco – obserwuj analizy i najświeższe komentarze na sztucznainteligencjablog.pl.
