Ten sam wynik AI kosztuje 13 razy mniej niż rok temu, ale wygrają firmy, które umieją sprawdzić pracę AI

Obniżenie kosztów tworzenia oprogramowania dzięki AI jest możliwe, ale mniejsze niż w zapowiedziach

Według JetBrains 90% zawodowych programistów używa agentów kodujących co najmniej raz w tygodniu. Agent to program, który sam wykonuje zadania, na przykład pisze i uruchamia kod. Na pytanie, ile to daje, nie ma jednej odpowiedzi. W eksperymencie METR z 2025 roku doświadczeni programiści open source pracowali z AI o 19% dłużej. W badaniach w Microsofcie, Accenture i firmie z listy Fortune 100 asystent kodowania dał 26% więcej ukończonych zadań, ale to były narzędzia z lat 2022–2024, jeszcze nie agenci.

Najwyższy zmierzony wynik pochodzi z jednej firmy, którą badacze nazywają przypadkiem prawie idealnym: młodej, nastawionej na AI, bez limitów wydatków na narzędzia. Liczba zmian w kodzie na programistę wzrosła tam do kwietnia 2026 roku 2,09 raza. Zysk narastał powoli i dotyczył głównie nowszego kodu. W repozytoriach powstałych po 2022 roku wyniósł 44%, a w starszych tylko 12%.

Wynika stąd, że podwojenia produktywności nie da się przenieść na cały system, zwłaszcza gdy większość kodu jest stara. Pomiar po kilku tygodniach zaniża efekt, a liczba zmian na osobę mierzy aktywność, nie wartość. Plan budżetu i zatrudnienia oparty na jednej średniej z badań jest więc zakładem, a nie prognozą.

Przegląd kodu zajmuje dużo czasu, a agenci AI jeszcze tego nie rozwiązują

W tej samej firmie liczba zmian wzrosła ponad trzykrotnie, a liczba recenzentów tylko o połowę. Na jednego recenzenta przypadało więc około dwa razy więcej pracy. Firma przerzuciła część przeglądu na boty AI: udział zmian sprawdzanych przez człowieka spadł z 89% do 68%, a przez bota wzrósł z około 19% do 84%. Przegląd ludzki też zrobił się płytszy: odsetek zmian z komentarzem recenzenta spadł z około 39% do 21%.

Na razie nie widać skutków: odsetek zmian włączonych do kodu i cofniętych pozostał mniej więcej stały. Powód do ostrożności daje badanie otwartych projektów: zmiany sprawdzone wyłącznie przez boty włączano do kodu rzadziej niż sprawdzone wyłącznie przez ludzi, w 45% przypadków wobec 68%.

Efekt zależy od systemu wokół AI. Raport DORA, coroczne badanie Google o wydajności zespołów wytwarzających oprogramowanie, opisuje AI jako wzmacniacz tego, co organizacja już ma. Zespoły z dobrymi testami, małymi zmianami i szybkim rollbackiem, czyli cofaniem wadliwej zmiany, zyskują. Pozostałe dostają więcej zmian i więcej niestabilności.

Zaufanie do recenzji ludzkiej przestaje więc wystarczać jako jedyna bariera. Skoro człowiek sprawdza coraz mniej zmian i robi to płycej, część kontroli musi przejść do infrastruktury: testów, automatycznych bramek i szybkiego cofania zmian. To, ile kodu zespół jest w stanie sprawdzić, wyznacza, ile kodu napisanego z AI firma może bezpiecznie wdrożyć.

Zmienia się też praca testerów i menedżerów. W banku Itaú agenci generowali testy na podstawie specyfikacji, a automatyczne kontrole blokowały wdrożenie, gdy testy nie przechodziły albo pokrywały mniej niż 90% kodu. Jedyny błąd po walidacji znalazł człowiek. To sugeruje, że tester przesunie się od wykonywania testów do ustalania, co znaczy „gotowe”. Według autorów badania tempo ograniczała jakość specyfikacji, a nie model. Dla product managerów i menedżerów inżynierii może to oznaczać, że dobry opis zadania będzie ważniejszy niż szybkość pisania kodu.

AI tanieje, ale rachunek za nią może rosnąć

Według Epoch AI koszt osiągnięcia ustalonego wyniku w testach spada od 2023 roku około 13 razy w ciągu roku. To znaczy, że tanieje wynik, który wcześniej wymagał drogiego modelu, a nie korzystanie z najnowszych modeli. Najmocniejsze modele, Fable 5.1 Anthropica i GPT-6 Astra OpenAI, kosztują nadal 10 USD za milion tokenów wejścia i 50 USD za milion tokenów wyjścia.

Do tego dochodzą agenci. Agent wykonuje wiele kroków jeden po drugim, więc zużywa znacznie więcej modelu niż pojedyncza odpowiedź w czacie. GitHub Copilot od 1 czerwca 2026 roku rozlicza się według zużycia, a nie stałą opłatą. GitHub przyznał, że stała opłata przestała się opłacać, bo firma pokrywała rosnący koszt pracy agentów. W badanej firmie miesięczny wydatek na Claude Code na jednego autora zmian wzrósł z 42 do 856 USD w dziewięć miesięcy, czyli około 20 razy. Firma nie miała limitów, a to dolna granica, bo drugiego narzędzia, Cursora, nie wyceniono w dolarach.

Cena jednostki spada, ale firma płaci za zużycie, które rośnie szybciej. Budżet na 2027 rok zależy więc od tego, ile pracy firma zleca agentom, a nie od ceny tokena. Sensowną miarą jest koszt ukończonego zadania, na przykład jednej zmiany w kodzie albo jednej obsłużonej sprawy klienta. Koszt agentów działa jak każdy koszt operacyjny: potrzebuje właściciela. Bez niego rośnie tak jak w badanej firmie.

Ryzyko bezpieczeństwa rośnie, a firmy reagują zbyt wolno

Agent z dostępem do poczty, repozytoriów i systemu budowania kodu działa jak pracownik z uprawnieniami, którego da się oszukać. Metoda nazywa się prompt injection: atakujący ukrywa polecenie w danych, które agent czyta, na przykład w treści zgłoszenia błędu, a model wykonuje je jak własne. W publicznym konkursie ataków, w którym wzięły udział 464 osoby, oszukać dało się wszystkie 13 testowanych modeli z 2025 roku. Pojedyncza próba udawała się rzadko, ale żaden model nie był odporny.

Przegląd kodu nie wyłapuje też wycieków kluczy. W badaniu zmian pisanych przez agentów w otwartych repozytoriach w czterech na pięć przypadków, gdy w kodzie pojawił się prawdziwy klucz dostępu lub hasło, nie skomentował tego ani bot, ani recenzent. Dwie trzecie takich wycieków wprowadził człowiek pracujący z agentem, a nie sam agent.

Firmy reagują przy tym wolniej. Według raportu Verizon DBIR 2026 najczęstszą drogą włamania jest wykorzystanie luki w oprogramowaniu, w 31% przypadków. Firmy instalują poprawki coraz wolniej: mediana czasu do załatania luki wzrosła z 32 do 43 dni, więc luka dłużej pozostaje otwarta.

Wnioski są trzy. Po pierwsze, skoro w czterech na pięć przypadków nikt nie zauważył wycieku klucza, kontrola musi działać automatycznie w narzędziach firmy, a nie zależeć od uwagi recenzenta. Po drugie, to, do czego agenci mają dostęp, staje się ważną decyzją techniczną i wymaga kompromisu: każde uprawnienie to kolejna droga ataku, a każde ograniczenie spowalnia pracę zespołów. Po trzecie, wolniejsze łatanie wydłuża czas, w którym atakujący mogą wykorzystać błąd w uprawnieniach agenta.

Najwięcej pracy przypada zespołom DevOps i bezpieczeństwa. Według DORA jakość wewnętrznej platformy, czyli wspólnych narzędzi do testowania i wdrażania kodu, wiąże się z tym, ile korzyści firma wyciąga z AI.

Zależność od jednego dostawcy AI to ryzyko dla całej firmy

12 czerwca 2026 roku amerykański Departament Handlu zażądał od Anthropica licencji eksportowej na modele Fable 5 i Mythos 5, także dla dostępu cudzoziemców. Anthropic nie mógł sprawdzać obywatelstwa użytkowników, więc wyłączył oba modele na całym świecie. Kontrolę zdjęto 30 czerwca, a Fable 5 wrócił 1 lipca, więc przerwa trwała 19 dni. Według kancelarii Mayer Brown po raz pierwszy sam model uznano za przedmiot kontroli eksportowej.

Awaria nie była techniczna. Wystarczyła decyzja jednego rządu. Nie wiadomo, czy to się powtórzy, ale precedens już istnieje.

Lider technologiczny musi więc wybrać, ile zapłacić za zabezpieczenie. Druga, przetestowana ścieżka dla funkcji krytycznych, najlepiej w innej chmurze lub innym kraju, kosztuje: utrzymanie, testy niezależne od jednego modelu i umowy z prawem do wyeksportowania danych. Bez niej firma sama bierze na siebie ryzyko przestoju takiego jak czerwcowy. Miarą tego ryzyka jest czas przełączenia na innego dostawcę, porównywany z 19 dniami.

Modele open weight, czyli takie, które firma pobiera i uruchamia na własnych serwerach, są częścią tej odpowiedzi. Według Epoch AI najlepsze z nich są średnio o około cztery miesiące za najlepszymi modelami zamkniętymi, a w trudniejszych zadaniach dystans bywa większy. To opcja awaryjna i karta w negocjacjach z dostawcą, ale nie zamiennik na najtrudniejsze zadania.

Co z początkującymi programistami?

Według Indeed liczba ofert pracy dla programistów w USA wzrosła o prawie 15% od premiery Claude Code w lutym 2025 roku. Jednak 71% przyrostu w ostatnim roku to stanowiska dla doświadczonych osób, a nie juniorów.

Większe ryzyko leży kilka lat dalej. W małym eksperymencie Anthropica głównie początkujący programiści uczyli się nowej biblioteki. Ci, którzy zlecali AI pisanie kodu, wypadli w teście wyraźnie gorzej, zwłaszcza w debugowaniu. Ci, którzy pytali AI o wyjaśnienia, wypadli lepiej. Jeśli firma zamknie ścieżkę wejścia dla juniorów, za kilka lat może zabraknąć ludzi, którzy potrafią sprawdzić kod i prowadzić systemy. To wniosek, nie zmierzony fakt. Wynika z niego kompromis: firma oszczędza dziś na juniorach, a za kilka lat płaci brakiem ludzi, którzy umieją sprawdzać kod. Ta umiejętność zyskuje na wartości, bo kodu jest coraz więcej.

Zespół skurczony do jednej osoby ma na razie jeden przykład. W Itaú doświadczony inżynier (poziom staff) z czterema agentami wykonał w trzech sprintach pracę, którą czteroosobowy zespół zaplanował na sześć. Autorzy nazywają to testem granicznym, nie wzorcem: potrzebne były stabilna architektura, bardzo dobra specyfikacja i doświadczona osoba, a taki układ ich zdaniem nie nadaje się do systemów, w których awaria jest kosztowna, ani do dyżurów. Na jednym przykładzie nie da się planować wielkości zespołów.

Wygrają firmy, które potrafią sprawdzić pracę AI i nie uzależniają się od jednego dostawcy

Zyskają te firmy, w których ilość kodu napisanego z AI nie przekracza tego, co zespół jest w stanie sprawdzić, zanim kod trafi na produkcję. W badanej firmie liczba zmian wzrosła ponad trzykrotnie, a liczba recenzentów o połowę, więc część kontroli przejęły boty, a przegląd ludzki zrobił się płytszy. Skutków jeszcze nie widać, ale koszt takiej luki może pojawić się z opóźnieniem: w awariach i droższym utrzymaniu kodu. Dlatego to, ile kodu zespół zdoła sprawdzić, jest limitem, który trzeba wpisać w budżet i plan wdrożeń.

Lider technologiczny rozstrzyga przy tym trzy sprawy. Pierwsza to ryzyko zależności: czy zaakceptować możliwość 19 dni bez kluczowego modelu, czy zapłacić za drugą ścieżkę. Druga to koszty, które przesuwają się od stałej opłaty do rozliczenia według zużycia, gdzie agenci potrafią kosztować 20 razy więcej niż na początku. Trzecia to podział kontroli między ludzi a automatyczne narzędzia. Ramy ustawiają też terminy prawne. Od 12 stycznia 2027 roku Data Act zakazuje w UE opłat za samo przejście do innego dostawcy chmury, co obniża koszt zmiany dostawcy. Wymogi AI Act dla systemów wysokiego ryzyka (załącznik III) obowiązują od 2 grudnia 2027 roku, a przepisy USA i UE w dużej części wymagają spisu systemów AI, logów decyzji i ludzkiej kontroli ważnych decyzji. Kto tych elementów nie zbuduje wcześniej, zrobi to pod presją terminu.