Wdrażanie sztucznej inteligencji w dużej organizacji to znacznie więcej niż kupno licencji na Copilota. To zderzenie gigantycznych oczekiwań z brutalną rzeczywistością długu technicznego i ryzyka compliance. Ariel Zgórski z ING Hubs dzieli się wnioskami z frontu wdrażania AI w bankowości, tłumacząc, dlaczego “vibe coding” to ślepa uliczka, a przyszłość należy do deweloperów-orkiestratorów. Dowiedz się, jak strategicznie podejść do AI Engineeringu, by realnie zwiększyć produktywność, a nie tylko ilość niskiej jakości kodu.
AI Assisted Engineering – pułapka prędkości
Obietnica 30% wzrostu wydajności jest kusząca, ale Ariel Zgórski ostrzega: AI wzmacnia to, co zastało. Jeśli słaby zespół zacznie bezrefleksyjnie generować kod, jedynym efektem będzie lawinowy przyrost błędów i konieczność morderczego debugowania. Kluczem do sukcesu nie jest samo generowanie kodu, ale świadome korzystanie z modeli rozumujących (reasoning) oraz dostarczanie im precyzyjnego kontekstu organizacji poprzez pliki reguł (cursorrules) czy serwery MCP. W korporacyjnej rzeczywistości kluczowe staje się precyzyjne mierzenie efektywności – zamiast opierać się na subiektywnych odczuciach, analizuje się m.in. Acceptance Rate, czyli procent kodu wygenerowanego przez AI, który deweloper faktycznie akceptuje (gdzie zarówno 0%, jak i 100% są sygnałami alarmowymi).
Nowa hierarchia wiedzy w IT
W korporacyjnym świecie AI, wiedza techniczna musi zostać uzupełniona o nowe kompetencje. W przypadku ING proces ten podzielono na poziomy: od podstawowej świadomości promptowania dla każdego pracownika, po zaawansowany AI Governance dla działów Legal i Compliance. Zrozumienie takich pojęć jak RAG, tokeny czy halucynacje przestaje być opcjonalne – staje się podstawowym narzędziem pracy, tak jak niegdyś Excel. Największą wartość budują dziś ci specjaliści, którzy potrafią połączyć głęboką ekspertyzę domenową z umiejętnością “dogadania się” z modelem. Ariel zwraca uwagę na zjawisko ‘zatruwania’ modeli: coraz więcej kodu w sieci pochodzi z AI słabej jakości, na czym uczą się kolejne modele, co sprawia, że rola człowieka jako ostatecznego weryfikatora merytorycznego jest ważniejsza niż kiedykolwiek.
Od programisty do operatora agentów
Najciekawszym trendem nakreślonym przez Ariela jest przejście od pisania kodu do zarządzania agentami. Rozwiązania typu GitHub Agent HQ czy roje agentów to pieśń niedalekiej przyszłości. Rola dewelopera ewoluuje w stronę orkiestratora, który planuje zadania, nadzoruje ich wykonanie przez wyspecjalizowane agenty i pełni funkcję ostatecznej bramki merytorycznej. To wymaga jednak zmiany mentalnej: z “pisarza” stajemy się “redaktorem” i architektem, co stawia przed seniorami zupełnie nowe wyzwania z zakresu kontroli jakości i bezpieczeństwa. Przytoczona przez prelegenta historia o zespole w Microsofcie, który został rozwiązany po tym, jak jeden inżynier zautomatyzował pracę wszystkich przy pomocy AI, pokazuje, że zmiana mentalna z ‘pisarza’ na ‘redaktora’ to nie wybór, a konieczność przetrwania na rynku.
Chcesz przygotować swój zespół na nadchodzące zmiany? Dołącz do społeczności SysOps/DevOps Polska! Nasze szkolenia SO/DO i MeetUpy to najlepsze miejsca, by w praktyce nauczyć się wdrażania nowoczesnych narzędzi AI i automatyzacji w zgodzie z korporacyjnymi standardami. Sprawdź, co planujemy: sysopspolska.pl/eventy.
Obejrzyj pełne nagranie z prelekcji: Development przyszłości – jak AI zmienia tworzenie oprogramowania w korpo? – Ariel Zgórski
