Na początku 2026, badacze próbujący zmierzyć wpływ AI na produktywność programistów napotkali bardzo ludzki problem: niektórzy programiści nie chcieli już podejmować zadań, które mogłyby wymagać pracy bez AI.
Badacze nazwali to efektem selekcji. Ja myślę o tym jako o małym wyznaniu.
Teraz, dla wielu programistów, to po prostu część pokoju. Jest obecna, gdy rano otwieramy edytor, gdy przejmujemy repozytorium, którego nikt nie dotykał od lat, i gdy test świeci się na czerwono późno w nocy.
Możemy zamknąć panel. Możemy wyłączyć agenta. Nadal potrafimy programować.
Dlaczego więc praca bez AI już teraz wydaje się jakbyśmy tracili jedną rękę?
AI przejęła przerwy
AI nie weszła do programowania, ogłaszając, że nas zastąpi. Pojawiła się jako drobna ulga.
Dokończyła linię, którą i tak mieliśmy napisać. Potem przygotowała test, który odkładaliśmy. Wyjaśniła nieznaną funkcję, przetłumaczyła ślad stosu na prosty język i znalazła flagę konfiguracyjną ukrytą w dokumentacji, której nie chcieliśmy już czytać.
Nic z tego nie wydawało się uzależnieniem. To było poczucie rozpędu.
Ale pomyśl o ostatnim razie, gdy Twój asystent przestał działać. Najbardziej niepokojące nie było to, że zapomniałeś języka. To była cisza przed pierwszym ruchem. Musiałeś sam zdecydować, gdzie spojrzeć. Musiałeś sam unieść niepewność. Musiałeś wpatrywać się w błąd wystarczająco długo, by pojawiła się teoria.
Te przerwy były kiedyś normalne. Teraz wydają się tarciem.
Być może to właśnie AI zmieniła najgłębiej. Nie tylko zmieniła sposób, w jaki znajdujemy odpowiedzi. Zmieniła, jak długo jesteśmy gotowi pozostać sami z pytaniem.
Ulga jest prawdziwa
Łatwo mówić o uzależnieniu od AI, jakby programiści zamieniali dyscyplinę na lenistwo. To nie oddaje tego, jak narzędzie jest odbierane od środka pracy.
Programowanie zawiera zaskakująco dużo prywatnego wstydu. Jest starszy inżynier, który zapomniał składni podstawowej komendy. Nowy pracownik, który boi się, że kolejne pytanie potwierdzi wątpliwości wszystkich. Programista pracujący w drugim języku, który dokładnie wie, co jest nie tak, ale nie potrafi wystarczająco szybko sformułować wyjaśnienia. Osoba dołączająca do dziesięcioletniej bazy kodu, gdzie każda ważna decyzja żyje w czyjejś pamięci.
AI jest cierpliwa wobec wszystkich.
Nie wzdycha, gdy pytanie się powtarza. Nie mówi: „Powinieneś już to wiedzieć.” Jest dostępna o 2 rano i potrafi zamienić pusty ekran w coś, z czym można się spierać. Nawet jeśli odpowiedź jest niedoskonała, samo jej posiadanie zmienia emocjonalny ciężar początku.
To ma znaczenie. Czasem to, co wygląda na produktywność, jest w rzeczywistości ulgą: mniej strachu przed utknięciem, mniej wstydu, mniej samotności przed maszyną, która nie chce się tłumaczyć.
Dla wielu programistów AI przywróciła też energię tym częściom pracy, na których im zależy. Może przejąć szablony, powtarzalne testy, rusztowania migracji i setną wersję klienta API. Umysł dociera do ciekawego problemu mniej zmęczony.
Nie należy tego lekceważyć jako skrótu. Narzędzie, które daje ludziom więcej odwagi do eksploracji, naprawdę wnosi wartość.
Trudność polega na tym, że komfort i zależność wyrastają z tego samego korzenia.
Używamy tego, czemu nie do końca ufamy
Ankiety programistów wciąż pokazują ten sam dziwny związek: używamy AI nieustannie, pozostając podejrzliwi wobec tego, co nam daje.
To napięcie jest znajome każdemu, kto widział, jak pewna odpowiedź rozpada się na jednym przypadku brzegowym. Kod wygląda dobrze. Nazwy są czytelne. Wyjaśnienie spokojne. Dopiero po trzecim nieudanym teście zauważamy, że model wymyślił metodę, źle zrozumiał regułę biznesową lub rozwiązał prostszy problem niż ten, który mamy naprawdę.
A mimo to, gdy znów utkwimy, pytamy ponownie.
To nie hipokryzja. Zaufanie nie jest jedną rzeczą.
Możemy nie ufać AI w podejmowaniu ostatecznej decyzji, ale ufamy, że wskaże pierwszy kierunek. Możemy nie ufać łatce, ale ufamy rozmowie, która rozplątuje nasze myślenie. Możemy nie wierzyć odpowiedzi, ale wierzymy, że na ekranie pojawi się coś zamiast niczego.
AI stała się kolegą, któremu nigdy nie pozwolilibyśmy na bezpośrednie mergowanie do maina, a jednak brakuje nam jej, gdy znika z pokoju.
Poruszamy się szybciej, bo kolejny krok pojawia się szybko. Nadal odpowiadamy za sprawdzenie, czy wytrzyma nasz ciężar.
Co znika, gdy znika zmaganie
Jest szczególny rodzaj wiedzy, który pojawia się tylko wtedy, gdy utkwimy.
Przed AI nieznany błąd mógł prowadzić przez ślad stosu, do wywołującego, przez dokumentację, aż do założenia, którego nie byliśmy świadomi. Droga była nieefektywna. Ale to dzięki niej baza kodu stawała się miejscem, a nie zbiorem plików.
Pamiętamy systemy, które kiedyś nam się opierały.
Błąd, który zajął popołudnie, uczy, gdzie naprawdę żyje stan. Incydent produkcyjny pokazuje, po co istnieje nudne zabezpieczenie. Biblioteka, którą źle zrozumieliśmy trzy razy, staje się tą, którą później potrafimy wyjaśnić innym.
Gdy AI usuwa opór, może też usuwać historię, która sprawia, że lekcja zostaje.
Wczesne badanie dotyczące nauki nieznanej biblioteki wykazało coś intuicyjnie prawdziwego: osoby, które delegowały zadanie, uczyły się mniej niż te, które używały AI do zadawania pytań koncepcyjnych i testowania własnego zrozumienia. Kluczowe nie było „AI czy brak AI”. Liczyło się to, czy narzędzie zastępuje myślenie, czy w nim uczestniczy.
To szczególnie trudne dla młodszych programistów. Doświadczeni inżynierowie rozpoznają podejrzaną abstrakcję, bo sami kiedyś zbudowali złą. Wyczuwają, że schludna łatka nie pasuje do systemu, bo pamiętają jego blizny. Ale skąd kolejne pokolenie weźmie ten instynkt, jeśli każda nierówność zostanie wygładzona, zanim ją dotkną?
Mentoring nigdy nie polegał tylko na przekazywaniu odpowiedzi. To był powolny transfer smaku: co budzi niepokój, kiedy przestać, który kompromis będzie kosztowny i dlaczego rozwiązanie, które działa, wciąż nie jest gotowe.
AI potrafi wyjaśnić wszystkie te idee. Nie potrafi jeszcze odtworzyć uczucia, gdy ktoś decyduje się zostać obok, gdy się ich uczysz.
Skrót może być prawdziwy. Zrozumienie wciąż musi pokonać dystans.
Kod kiedyś nosił odciski palców
Jest jeszcze jedna zmiana, trudniejsza do zmierzenia, bo dotyczy relacji międzyludzkich.
Kod pisany przez człowieka często nosi ślady autora. Dziwna funkcja pomocnicza może wiązać się ze wspomnieniem incydentu, który ją wymusił. Niezręczny komentarz zdradza miejsce niepewności. Podczas przeglądu nie tylko sprawdzamy zmianę; odtwarzamy tok rozumowania. Zadajemy pytania, a ktoś odpowiada z własnej perspektywy.
Kod generowany przez AI może pojawić się bez tej ścieżki.
Może być dopracowany i technicznie poprawny, a jednak dziwnie bezpański. Autor potrafi opisać, o co poprosił, ale nie zawsze, dlaczego wynik wygląda tak, a nie inaczej. Recenzent wykonuje wtedy pracę, która kiedyś należała częściowo do autora: odbudowuje intencje, sprawdza założenia i odkrywa ukryte konsekwencje decyzji, której nikt nie pamięta.
To niepokój obecny w wielu dyskusjach społeczności o pull requestach generowanych przez AI. Problemem nie jest tylko zły kod. Zły kod jest znajomy. Głębszy dyskomfort to zmiana kontraktu społecznego.
Jedna osoba może teraz wprowadzić dużą zmianę w kilka minut. Ktoś inny musi poświęcić ludzką uwagę, by ją zrozumieć. Czas zaoszczędzony przy klawiaturze może po cichu wrócić w przeglądzie kodu, utrzymaniu, bezpieczeństwie lub w nocy, gdy system zawiedzie i ktoś musi wyjaśnić, co próbowała zrobić wygenerowana łatka.
Kod zawsze był komunikacją. Gdy generowanie staje się niemal darmowe, uwaga staje się towarem deficytowym—a uwaga należy do ludzi.
Może rzemiosło się przesuwa
Dla niektórych programistów to wszystko nie jest stratą. To wreszcie praca na poziomie, o którym zawsze marzyli.
Piszą mniej linii, więcej czasu poświęcają na kształtowanie problemu. Porównują kilka rozwiązań, zanim wybiorą jedno. Myślą o użytkowniku, architekturze, trybach awarii i granicach, których agent nie powinien przekraczać. Rzemiosło przesuwa się z produkcji każdego elementu na kierowanie całością.
To może być prawdziwa ewolucja. Nie przestaliśmy być programistami, gdy asembler zastąpił kod maszynowy, ani gdy frameworki zastąpiły własnoręcznie budowaną infrastrukturę. Oprogramowanie zawsze szło w górę przez kolejne abstrakcje.
Ale każda abstrakcja zależy od tego, że ktoś rozumie, co jest pod spodem.
Programista kierujący AI wciąż potrzebuje smaku. Recenzent wciąż potrzebuje modelu mentalnego. Architekt musi wiedzieć, co się stanie, gdy czysty diagram spotka wolną sieć, uszkodzoną wiadomość, zmęczony zespół lub przestraszonego użytkownika.
Jeśli AI pisze więcej implementacji, ludzki osąd nie staje się mniej ważny. Łatwiej go przeoczyć i trudniej wykształcić.
Optymistyczna wersja tej przyszłości nie polega na tym, że programiści są mniej potrzebni. Chodzi o to, byśmy bardziej świadomie dbali o to, co tylko ludzie mogą wnieść: kontekst, troskę, wątpliwość, odpowiedzialność i umiejętność rozpoznania, kiedy technicznie poprawna odpowiedź jest zła dla tego systemu i tych ludzi.
Zostać, nie znikając
Czy wciąż możemy odejść od AI?
Indywidualnie tak. Możemy jutro zamknąć panel. Zawodowo pytanie jest już bardziej złożone. Oczekiwania się zmieniają. Bazy kodu wypełniają się generowanymi fragmentami. Nowi programiści spotykają AI na początku kariery, nie w połowie. Nawet ktoś, kto nigdy nie korzysta z asystenta, coraz częściej będzie przeglądać i utrzymywać kod, który powstał z jego pomocą.
Nie ma prywatnej drogi powrotu do branży sprzed AI.
Ale może odejście nie jest właściwą miarą wolności. Ważniejsze pytanie brzmi, czy potrafimy pozostać obecni, gdy narzędzie zostaje.
Pozostać obecnym to czytać łatkę, nawet gdy wszystkie testy są zielone. To pytać „dlaczego”, gdy odpowiedź działa. To odmówić mergowania tego, czego nie umiemy wyjaśnić. To dać młodszym czas na zmaganie bez traktowania tego czasu jako straty i docenić recenzentów za niewidzialną pracę ochrony systemu przed wiarygodnymi błędami.
To także zachować chwile, gdy żaden asystent nie odpowiada od razu—nie jako rytuał czystości, ale by znów usłyszeć własne myślenie.
Większość z nas będzie dalej korzystać z AI. Ulga jest prawdziwa. Możliwości są prawdziwe. Tak samo jak niepokój, zależność i cichy lęk, że coś, co kochaliśmy w tej pracy, może się wymykać.
Nie musimy wybierać między zaprzeczeniem a poddaniem się.
Przyszłość oprogramowania nie rozstrzygnie się przez to, jaki procent kodu napisze AI. Zdecydują o niej mniejsze momenty: czy rozumiemy, zanim zaakceptujemy; czy uczymy, zamiast tylko przekazywać odpowiedź; czy chronimy uwagę drugiej osoby; i czy nadal bierzemy odpowiedzialność, gdy wygenerowany kod trafia do rzeczywistego świata.
AI może zostać.
Musimy zadbać, byśmy my też zostali.
