Trzecia rewolucja w software engineeringu nadchodzi

MIT Technology Review ogłasza, że branża software engineeringu wchodzi w trzecią wielką transformację stulecia — po open source i DevOps przyszedł czas na AI jako pełnoprawnego uczestnika procesu wytwarzania kodu.

Open source i DevOps to prehistoria

Dwie poprzednie rewolucje brzmiały podobnie dramatycznie w swoim czasie. Ruch open source sprawił, że kod przestał być zamkniętą własnością korporacji — nagle każdy developer mógł budować na cudzej pracy zamiast zaczynać od zera. Potem przyszedł DevOps i agile: koniec z sześciomiesięcznymi cyklami wydań i zespołami pracującymi w kompletnej izolacji. Oprogramowanie zaczęło wychodzić szybciej, z mniejszą liczbą katastrofalnych wdrożeń. Obie zmiany zajęły lata, zanim stały się standardem branżowym.

AI kompresuje ten cykl do miesięcy.

Czy inżynier to nadal właściwe słowo?

Najciekawsze pytanie, które stawia MIT Technology Review, nie dotyczy narzędzi — dotyczy tożsamości zawodowej. Jeśli Copilot pisze boilerplate, agent testuje kod, a kolejny agent deployuje — co właściwie robi inżynier oprogramowania?

Odpowiedź, którą widać w praktyce największych zespołów technologicznych, jest taka: inżynier przestaje być wykonawcą, a staje się architektem intencji. Definiuje co system ma robić, weryfikuje czy AI to poprawnie zrozumiała i odpowiada za konsekwencje błędów, których sam nie napisał. To fundamentalnie inny zakres odpowiedzialności niż pisanie linii kodu po linii.

Niektórzy seniorzy w dużych firmach tech zgłaszają, że spędzają już ponad 60% czasu na review kodu generowanego przez narzędzia AI — nie na pisaniu własnego.

Trzy umiejętności, które zyskują na wartości

Z tego, co wyłania się z analizy MIT Technology Review oraz trendów widocznych w ogłoszeniach o pracę, zestaw kompetencji potrzebnych inżynierowi przesuwa się w konkretnym kierunku:

• Prompt engineering dla kodu — umiejętność precyzyjnego opisania problemu tak, żeby narzędzie AI wygenerowało użyteczne rozwiązanie, a nie kod, który wygląda poprawnie, ale robi coś innego
• Weryfikacja i audyt — zdolność szybkiego wykrycia, że wygenerowany kod ma lukę bezpieczeństwa, błąd logiczny lub nie obsługuje edge case’ów
• Architektura systemów — im więcej detali przejmują agenci, tym bardziej liczy się umiejętność projektowania całości, nie pisania fragmentów

Umiejętności czysto syntaktyczne — znajomość konkretnej składni języka, pamiętanie API na pamięć — tracą na wartości szybciej niż ktokolwiek chciałby przyznać.

Co z juniorami?

To najostrzejszy punkt całej dyskusji. Tradycyjna ścieżka kariery wyglądała tak: junior pisze dużo prostego kodu, uczy się przez błędy, stopniowo dostaje trudniejsze zadania. Problem w tym, że AI przejmuje właśnie tę prostą warstwę.

Jeśli nie ma już miejsca na pisanie CRUD-owych endpointów i podstawowych skryptów, junior musi od razu rozumieć systemy na wyższym poziomie abstrakcji — a do tego brakowało mu właśnie doświadczenia, które miał zdobyć pisząc ten prosty kod. Kilka firm technologicznych już teraz zmniejsza rekrutację na poziomie juniorskim o 20-30%, jednocześnie szukając seniorów i architektów.

Czy oznacza to, że za pięć lat programowanie przestanie być dobrym wyborem kariery dla absolwentów? Branża nie ma tu jednomyślnej odpowiedzi, ale fakty są takie: GitHub Copilot ma ponad 1,8 miliona płatnych użytkowników, a Cursor AI rośnie o kilkaset procent rok do roku.

DevOps wchłonął sceptyków — AI też to zrobi

W 2010 roku mnóstwo doświadczonych inżynierów twierdziło, że agile to moda dla startupów, a porządne oprogramowanie wymaga pełnych specyfikacji przed napisaniem pierwszej linii. Dzisiaj ci sami inżynierowie pracują w dwutygodniowych sprintach i robią daily standupy.

Historia transformacji w software engineeringu nie zna przykładu, żeby branża odrzuciła narzędzie, które realnie przyspieszyło dostarczanie działającego kodu.