Asystenci AI mieli zrewolucjonizować pracę programistów. Nowe dane pokazują, że choć generują kod masowo, jego jakość jest niska, a koszty rosną lawinowo.
W skrócie:
- AI-generowany kod cechuje się ogromnym “code churn” – nawet 90% kodu wymaga późniejszych poprawek, co niweluje początkowe zyski na produktywności.
- Badania firm analitycznych jak GitClear i Faros AI wskazują na wzrost “code churn” o ponad 800% w zespołach intensywnie korzystających z asystentów AI.
- Najwięksi “pożeracze tokenów” AI osiągają zaledwie dwukrotny wzrost wydajności przy dziesięciokrotnie wyższych kosztach, generując objętość, a nie wartość.
W Dolinie Krzemowej narodził się nowy symbol statusu – ogromne budżety na tokeny AI. Programiści chwalą się, ile mocy obliczeniowej mogą zużyć, jakby to była miara ich geniuszu. Jest w tym jednak pewien absurd. To tak, jakby stolarz chwalił się nie liczbą wykonanych mebli, a metrami zużytego drewna. Stara menedżerska zasada mówi: dostajesz to, co mierzysz. Wygląda na to, że branża IT, mierząc zużycie zamiast efektu, wpadła we własne sidła. I to kosztowne.
Dowody dostarcza nowa fala firm z sektora “developer productivity insight”, które prześwietlają, jak naprawdę wygląda praca z narzędziami typu Claude Code czy Cursor. Ich wnioski są brutalne. Programiści faktycznie generują znacznie więcej kodu, ale potem – w ukryciu przed powierzchownymi metrykami – muszą do niego wracać i go poprawiać. Dużo częściej niż kiedykolwiek wcześniej. Fasada produktywności zaczyna pękać.
Iluzja produktywności? Co mówią twarde dane?
Alex Circei, założyciel firmy Waydev, która analizuje pracę ponad 10 tysięcy inżynierów oprogramowania, rzuca na sprawę nowe światło. Jego zdaniem menedżerowie widzą imponujące wskaźniki akceptacji kodu na poziomie 80 – 90%. Oznacza to, że programista zatwierdza większość propozycji AI. Problem w tym, co dzieje się później. “W kolejnych tygodniach inżynierowie muszą poprawiać ten kod, co obniża realny wskaźnik akceptacji do zaledwie 10 – 30%” – tłumaczy Circei. Waydev w ostatnich sześciu miesiącach całkowicie przebudował swoją platformę, by śledzić te nowe, niewidoczne koszty.
Inne raporty opowiadają tę samą historię. Opublikowana w styczniu analiza firmy GitClear wykazała, że użytkownicy AI mieli średnio 9,4 raza wyższy wskaźnik tzw. code churn (kodu, który jest szybko usuwany lub zmieniany) niż ich koledzy pracujący bez wsparcia AI. To ponad dwukrotnie więcej niż deklarowany wzrost produktywności. Z kolei Faros AI w swoim raporcie z marca 2026 roku, opartym na dwuletnich danych, podaje jeszcze bardziej dramatyczną liczbę: code churn wzrósł o 861% w zespołach, które intensywnie wdrożyły sztuczną inteligencję. Problem jest tak poważny, że Atlassian, gigant branży, kupił w zeszłym roku startup DX za miliard dolarów, by pomóc klientom zrozumieć, czy inwestycja w AI w ogóle im się opłaca.
Objętość zamiast wartości, czyli pułapka “tokenmaxxing”
Najbardziej obrazowe dane pochodzą od firmy Jellyfish. W pierwszym kwartale 2026 roku przeanalizowała ona pracę 7548 inżynierów i odkryła niepokojącą zależność. Ci, którzy mieli największe budżety na tokeny, faktycznie tworzyli najwięcej tzw. pull requestów (propozycji zmian w kodzie). Jednak wzrost wydajności wcale nie skalował się z kosztami. Osiągnęli dwukrotnie większą przepustowość przy dziesięciokrotnie wyższych wydatkach na tokeny. Wniosek jest prosty: narzędzia generują objętość, nie wartość.
Te statystyki znajdują potwierdzenie w rozmowach z programistami. Przyznają oni, że proces przeglądu kodu (code review) staje się koszmarem, a dług technologiczny rośnie w zastraszającym tempie. Co ciekawe, problem dotyka głównie młodszych stażem deweloperów. Chętniej akceptują oni kod od AI, a w konsekwencji spędzają więcej czasu na jego późniejszych poprawkach. Doświadczeni inżynierowie podchodzą do sugestii automatu z większą rezerwą.
Czy to koniec rewolucji? “Trzeba się przystosować”
Pomimo tych wszystkich problemów nikt w Dolinie Krzemowej nie myśli o powrocie do starych metod. Wręcz przeciwnie. Wszyscy rozumieją, że to dopiero początek drogi, a obecne trudności są chorobami wieku dziecięcego. Kluczem jest zmiana sposobu myślenia o produktywności i wdrożenie narzędzi, które potrafią ją mierzyć w inteligentny sposób – uwzględniając nie tylko ilość napisanego kodu, ale też jego jakość i trwałość.
“To nowa era tworzenia oprogramowania. Musisz się przystosować, jako firma jesteś do tego zmuszony” – podsumowuje Alex Circei w rozmowie z TechCrunch. “To nie jest cykl, który po prostu przeminie”. Wygląda na to, że rewolucja AI w programowaniu trwa, ale jej bohaterowie muszą nauczyć się odróżniać prawdziwą pracę od generowania cyfrowego szumu. A to wymaga czegoś więcej niż tylko większego budżetu na tokeny.