31/01/2026
W tym tygodniu zakończyła się pewna era w SmartyTalent.
Coraz rzadziej „piszemy kod”.
Coraz częściej nadzorujemy AI, które go pisze.
I to nie jest żadna „przyszłość”. To dzieje się tu i teraz.
Dla mnie – po 18 latach w software development – to jest domknięcie pewnego etapu w głowie.
Bo kiedy kod przestaje być największym bottleneckiem, zmienia się wszystko:
• jak projektujesz,
• jak dowozisz,
• i… jak budujesz zespoły techniczne.
Nowe „supermoce” zaczynają wyglądać inaczej:
✅ umiejętność definiowania problemu i ograniczeń,
✅ pisanie testów jako specyfikacji,
✅ myślenie architekturą (a nie tylko taskami),
✅ walidacja, obserwowalność, bezpieczeństwo,
✅ odpowiedzialność za efekt, nie za liczbę linijek.
Świetny kontekst z rynku: NVIDIA opublikowało VibeTensor – prototyp deep learning runtime’u, który wg autorów został „w pełni wygenerowany” przez agentów AI pod wysokopoziomowym nadzorem ludzi.
Powstało tam +60k linii C++/CUDA i cały runtime pod trening sieci.
Działa (krzywe uczenia wyglądają sensownie), ale jest też haczyk: w testach end‑to‑end bywa 1.7–6.2× wolniejszy od PyTorch.
Najciekawsze jest jednak pojęcie, które tam pada: „efekt Frankensteina”.
Każdy moduł z osobna przechodzi testy i wygląda OK, ale całość cierpi przez brak holistycznej architektury i punkty serializacji.
I tu jest sedno:
Agenty AI będą coraz lepsze w „przechodzeniu testów”.
Ale ktoś musi:
🧭 trzymać kierunek,
🧱 pilnować spójnej architektury,
🧪 pisać testy, które łapią problemy „dopiero w całości”,
⚙️ zadbać o performance, koszty i utrzymanie.
Też tak to widzicie?
Czy w ciągu najbliższych lat programiści staną się „menedżerami AI” – a kluczową kompetencją będzie specyfikacja, architektura i walidacja?
Jeśli temat Cię kręci – zapraszam do sieci. Warto mieć kontakt i porównać praktyki.