Przez ostatnie lata świat IT żył obietnicą: AI wystrzeli produktywność programistów na orbitę. Mieliśmy wejść w erę „developerów z supermocami”, gdzie rutynowe zadania znikają pod naporem modeli językowych, a seniorzy będą robić w tydzień to, co dawniej zajmowało miesiąc.
Tymczasem najnowsze, rzetelne badanie przynosi kubeł zimnej wody – i nie jest to kolejny clickbait z bloga rekrutera. To twarde dane z realnych repozytoriów, doświadczonych programistów i narzędzi, które jeszcze wczoraj miały zmieniać świat.
Rewolucja, która utknęła na światłach
Zespół METR postawił sprawę jasno: 16 programistów, każdy z minimum pięcioletnim stażem w swoim projekcie (średnio 1500 commitów na głowę), setki prawdziwych zadań, open source na poziomie „elite” (23 000+ gwiazdek, ponad milion linii kodu). Narzędzia? Topowe – Cursor Pro, Claude 3.5/3.7 Sonnet. Część zadań rozwiązywali tradycyjnie, część z AI.
Przewidywania były zgodne: AI skróci czas pracy nawet o jedną trzecią. Eksperci z Doliny Krzemowej, profesorowie ekonomii i sami programiści – wszyscy zgodnie obstawiali „boost”.
Efekt? Zupełnie odwrotny. Tam, gdzie pojawiła się AI, czas realizacji zadań… wydłużył się średnio o 19%. Tak, dobrze czytasz – sztuczna inteligencja, która miała być dopalaczem, okazała się balastem.
Mit „AI automatyzuje seniorów” pęka
Jak to możliwe? Odpowiedź jest banalnie ludzka i boleśnie niedostrzegana przez fanów technologicznego postępu.
Senior zna swoje repozytorium jak własną kieszeń. AI – nie. Cała niepisana wiedza, konteksty, smaczki architektury czy decyzje podjęte pięć sprintów temu są dla modelu czarną magią. Im lepiej programista znał kod i jego historię, tym gorzej wypadała pomoc AI.
Kod AI wymaga opieki. Liczby są brutalne: deweloperzy zaakceptowali mniej niż 44% sugestii AI, a 9% całego czasu pracy poświęcili na przeglądanie i „sprzątanie” po modelach. Resztę trzeba było poprawiać, testować, czasem napisać od nowa. Senior nie lubi bawić się w niańkę dla kodu.
Zamiast kodować, zaczynasz promptować. Praca z AI to wieczne pytania, czekanie na output, walidacja, sprzątanie po błędach. To już nie jest flow – to przerywany maraton przez labirynt podpowiedzi.
Skala zabija automatyzację. Projekty badane przez METR to nie startupowe MVP, tylko monstra z wieloletnią historią i legacy. Tam nie ma miejsca na przypadek.
Iluzja produktywności, czyli efekt placebo 2025
Najciekawsze? Nawet po zakończeniu badania większość programistów deklarowała… że AI ich przyspieszała! Zarówno eksperci, jak i sami deweloperzy przewidywali 20-40% przyspieszenie. Po testach programiści wciąż subiektywnie wierzyli w 20% boost.
Narracja jest tak silna, że realne dane przegrywają z przekonaniem o własnej skuteczności. To case study nie tylko o kodowaniu, ale o sile masowej autosugestii w nowoczesnych organizacjach.
Gdzie AI naprawdę błyszczy?
To nie jest tekst o tym, że AI to wydmuszka. Modele mają miejsce – tam, gdzie trzeba szybko prototypować, poznawać nowe stacki, automatyzować żmudne, powtarzalne taski. Tam, gdzie brakuje ludzi albo wiedzy domenowej, AI faktycznie przyspiesza.
Ale jeśli masz do czynienia z architekturą złożoną jak Nowy Jork w godzinach szczytu – na razie lepiej, żeby prowadził człowiek.
Praktyczne wnioski dla liderów
Wyniki METR to sygnał dla wszystkich, którzy marzą o „AI-first company” i automatyzacji wszystkiego, co się rusza. Oto konkretne wskazówki:
Maksymalna ekspertyza = minimalny sens AI. Jeśli masz w zespole wybitnych seniorów, którzy znają kod na wylot, zastanów się, czy AI faktycznie im pomoże, czy tylko wprowadzi szum.
Prawdziwe przyspieszenie jest na początku. Szukaj wartości AI tam, gdzie brakuje kontekstu – w nowych projektach, przy prototypowaniu, w obszarach, które zespół dopiero poznaje.
Nie kupuj narracji, weryfikuj. Zanim wdrożysz AI „dla wszystkich” w swoim zespole, przetestuj to na Twoim kodzie, z Twoim zespołem. Mierz efekty, zamiast polegać na obietnicach.
Edukuj zespoły w efektywnym używaniu AI. Jeśli już wdrażasz, naucz programistów, jak pisać lepsze prompty i jak szybko weryfikować output, minimalizując straty czasu.
Branża – czas na zimny realizm
Zanim przerzucisz zespół na AI, zadaj sobie proste pytania:
- Czy Twoje repozytorium, zespół i biznes naprawdę skorzystają?
- Czy masz systemy do mierzenia rzeczywistej produktywności?
- Czy Twoi seniorzy nie są już wystarczająco efektywni bez AI?
A może, tak jak w tym badaniu, w najlepszym razie… wszystko zwolni?
Źródło:
Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, METR, luty–czerwiec 2025
https://metr.org/Early_2025_AI_Experienced_OS_Devs_Study.pdf
