Jak AI zmieniła nasz software house?

Kiedy pierwszy raz wkleiliśmy fragment kodu do modelu językowego AI i poprosiliśmy o refaktor, nie podchodziliśmy do tego 100% na poważnie. Raczej traktowaliśmy to jak ciekawostkę do sprawdzenia w wolnej chwili. Dziś, patrząc już na chłodno, wiemy, że był to moment jednej z największych zmian. Ta zmiana nie dotyczy tylko sposobu naszej pracy, ale i całej branży software house’owej. 

Chociaż medialny przekaz wygląda nieco inaczej, wdrożenie AI w software house’ie nie jest rewolucją przeprowadzoną z dnia na dzień. Cały proces był raczej powolnym przesuwaniem pewnych składowych, które dopiero zsumowane ułożyły pełny obraz nowej codzienności.  

W tym miejscu chcemy uczciwie podsumować tę drogę. Bez nadmiernych zachwytów, ale też bez sztucznego sceptycyzmu. W pewien sposób wkładamy przysłowiowy „kij w mrowisko” i chcemy opowiedzieć, jak wykorzystanie AI w programowaniu naprawdę u nas wygląda. Chcemy pokazać, czego się nauczyliśmy i jakie lekcje wyciągnęliśmy z całej tej historii. 

Wdrożenie AI w software house’ie – od ciekawostki do narzędzia 

Na początku korzystaliśmy z AI tak jak większość zespołów. Ktoś zapytał czat o szybsze rozwiązanie problemu, ktoś inny poprosił o wygenerowanie powtarzalnej metody, a jeszcze ktoś inny robił research na temat technologii, której akurat nie znał na pamięć. 

Z czasem te pojedyncze zapytania zmieniły się w nawyk. Pojawiło się autouzupełnianie kodu, diagnozowanie błędów, generowanie testów jednostkowych i generowanie podsumowań i streszczeń. 

Sztuczna inteligencja przestała być okazjonalnym pomocnikiem, a stała się tłem pracy. Podobnie jak wcześniej ewoluowały systemy kontroli wersji czy automatyczne formatowanie kodu.

Nie jesteśmy wyjątkiem w tej dziedzinie. Z badania Stack Overflow Developer Survey 2025, w którym wzięło udział ponad 49 tys. programistów ze 177 krajów wynika, że 84% developerów używa lub planuje używać narzędzi AI w pracy. To wzrost o 8 punktów procentowych względem poprzedniego roku – narzędzia AI stają się więc standardem w dziedzinie programowania.

Co AI przyspiesza, a czego nie? 

Najłatwiej i najkorzystniej marketingowo byłoby napisać, że dzięki AI pracujemy dwa razy szybciej. Rzeczywistość jest jednak bardziej skomplikowana, a eksperci w naszej dziedzinie od razu wyczuliby naginanie faktów. 

Są obszary, w których wykorzystanie sztucznej inteligencji faktycznie skraca czas: 

• Generowanie testów jednostkowych, 
• pisanie powtarzalnych fragmentów, 
• wstępna analiza nieznanej biblioteki, 
• przygotowanie szkicu dokumentacji, 
• podsumowanie długich wątków poruszanych podczas spotkań. 

Tutaj oszczędności są odczuwalne i mierzalne. W naszych projektach, w których AI dobrze się sprawdza, jesteśmy w stanie faktycznie skrócić czas realizacji. Zawsze jednak podkreślamy, że ta skala zależy od zakresu prac i wymagań, dlatego zawsze wyceniamy wszystko indywidualnie. 

Jest też druga strona medalu, której przemilczenie byłoby nieuczciwe, a na jej poparcie istnieją dane. W 2025 r. organizacja METR przeprowadziła badanie, którego wyniki wielu zaskoczyły. Doświadczeni programiści, pracujący nad poważnymi projektami, które znali średnio od pięciu lat, mieli oszacować oszczędność czasu pracy, jaką zapewni im sztuczna inteligencja. Początkowy szacunek spadł z 24% do 20% po zakończeniu prac. Jednak w rzeczywistości wynik okazał się jeszcze bardziej zaskakujący: AI wydłużyło czas wykonania zadań o 19%.

Warto dodać, że METR w lutym 2026 r. poinformował o problemach metodologicznych w kontynuacji tego badania. Coraz więcej doświadczonych programistów nie chce już pracować bez AI, co utrudnia dalsze precyzyjne mierzenie efektu. Sami badacze przyznają, że nie mają dziś wiarygodnych danych, czy trend się odwrócił.”

Nie oznacza to jednak, że AI jest nieefektywna i bezużyteczna. Oznacza, że jej wartość zależy od kontekstu i sposobu wykorzystania. Tam, gdzie kod jest dojrzały, a programista zna go na wylot, sprawdzanie i poprawianie sugestii sztucznej inteligencji potrafi przewyższać idące za tym korzyści. 

Z kolei w obszarach nowych dla zespołów lub powtarzalnych i rutynowych korzyść jest faktyczna. Zrozumienie tej różnicy pozwala nam odróżnić świadome korzystanie z narzędzia od bezrefleksyjnego klikania i zgadzania się na wszystko. 

Najważniejsza zasada – człowiek na końcu 

Jeśli jednym zdaniem mielibyśmy podsumować wszystko, czego nauczyliśmy się o pracy z AI, brzmiałoby ono prosto: sztuczna inteligencja jest wsparciem kompetentnego zespołu, nie jego substytutem. W praktyce sprowadza się to do reguły, którą w GOTOMA Software House powtarzamy do znudzenia: człowiek + AI = wynik. 

Wdrożenie AI w software house’ie wspiera analizę, research, wyszukiwanie informacji i przygotowanie propozycji, szkiców i konspektów. Generatywne modele robią jednak dokładnie to, co im zlecimy. Nie mają one świadomości, nie potrafią odnosić się do rzeczy „po ludzki”, gubią kontekst i przede wszystkim – nie ponoszą odpowiedzialności. 

Sztuczna inteligencja bazuje na danych, których ją nauczono, i z pełnym przekonaniem potrafi podać nieprawdziwą informację. Po upomnieniu zwraca klasyczne już „masz absolutną rację”, ale nie wyciąga wniosków. Przy kolejnej pomyłce ponownie będzie konieczna ludzka korekta. Dlatego ostatnim ogniwem zawsze będzie specjalista, który wynik „wypluty” przez AI przetworzy, zweryfikuje i weźmie za niego odpowiedzialność. 

To, że silnik LLM coś wygeneruje, nie zwalnia nas z obowiązku rozumienia tego, co dostarczamy. Nasz klient ma prawo zapytać o każdą linijkę kodu, a my mamy obowiązek ją wytłumaczyć – i tak właśnie robimy. 

To nie prosty chwyt marketingowy, ale praktyczny wynik naszego podejścia. Skoro AI bywa błędna i potrafi spowolnić tam, gdzie miała przyspieszać, trzeba ją traktować po prostu ostrożnie.

Nowe obszary 

Wraz z upowszechnieniem się zjawiska generowania kodu pojawiły się obszary zupełnie nowe dla software house’ów. Pozornie to, czego rynek się obawiał, czyli utraty pracy lub zmniejszenia zleceń dla programistów, przyniosło odwrotny rezultat.  

Refaktoryzacja kodu AI 

Coraz częściej trafiają do nas aplikacje zbudowane głównie albo w całości przez AI – dzięki tzw. vibe codingowi. Pozornie działają, robią wrażenie w wersji demo, ale w środku bywają nieczytelne, niezabezpieczone i praktycznie niemożliwe do dalszego rozwijania. 

Z perspektywy software house’u oznacza to zupełnie nowy obszar działalności: refaktoryzację kodu wygenerowanego przez AI. Przejęcie takiego projektu przez doświadczony zespół, audyt bezpieczeństwa i doprowadzenie kodu do stanu, w którym można na nim bezpiecznie rozwijać projekt, nadal pozostają w kompetencjach człowieka. 

Co ciekawe, wraz z tym trendem rysują się granice samej automatyzacji. Można szybko wygenerować działający prototyp, ale przekształcenie go w produkt gotowy na rozwój, skalowanie i utrzymywanie wciąż wymaga ludzkiego rozumienia. Rynek to wyczuwa i coraz częściej poszukiwane są zespoły, które potrafią uporządkować i zoptymalizować to, co AI zrobiła na szybko.  

Agenci AI 

Naturalnym kierunkiem rozwoju stają się dziś agenci AI. To systemy, które nie tylko odpowiadają na pytania, ale wykonują też złożone zadania, wykorzystując do tego różne narzędzia i systemy.  

To obszar mający spory potencjał i budujemy doświadczenie także w tej dziedzinie. Podchodzimy do niego jednak z taką samą rozwagą, jaką stosujemy przy innych aspektach pracy z AI. Zawsze stawiamy na pełen profesjonalizm i rzetelność. Zarówno w obszarach dla nas nowych, jak i w tych, w których mamy ugruntowane doświadczenie. 

Do agentów AI podchodzimy według jednej prostej zasady: agent Ai ma rozwiązywać konkretne problemy, a nie być modną ozdobą. Tam, gdzie stawka jest wysoka, ostatnie słowo zawsze ma człowiek. 

Bezpieczeństwo danych 

Największe ryzyko związane z podejściem do i korzystaniem z narzędzi AI to bezpieczeństwo danych. Korzystając z publicznie dostępnych modeli, praktycznie nigdy nie mamy 100% pewności, dokąd trafia ostatecznie to, co wpisujemy, załączamy jako plik czy wklejamy jako fragment kodu. Modele uczą się przecież na danych, a treść, którą im podajemy, jest najlepszym materiałem do nauki. 

To nie paranoja, ale realne ryzyko biznesowe i trzeźwe podejście do tematu. Jak wynika z raportu „Cyberportret polskiego biznesu 2026” przygotowanego przez ESET i DAGMA Bezpieczeństwo IT, aż 35% użytkowników AI wyraża chęć ominięcia firmowych ograniczeń do korzystania z publicznych LLM-ów, a co dziesiąty pracownik udostępnił wrażliwe dane otwartym modelom AI. Dla firm, które operują wrażliwymi danymi, to potencjalna katastrofa.  

Dlatego w GOTOMA Software House zawsze sposób użycia AI ustalamy z klientem na samym początku współpracy. Z naszego doświadczenia wynika, że część klientów nie ma zastrzeżeń co do sztucznej inteligencji, a spora część naszych partnerów preferuje konkretne narzędzia ze względów bezpieczeństwa.  

Dlatego w tym aspekcie jesteśmy bardzo elastyczni. Jeśli klient ma swoje preferencje wobec modeli, jednemu ufa bardziej, innemu mniej – dostosujemy się. Klient życzy sobie rozwiązania lokalnego, uruchamianego bez chmury? Nie ma problemu – dzięki ekosystemowi partnerów i dostawców naszej grupy technologicznej GOTOMA jesteśmy nawet w stanie dostarczyć infrastrukturę sprzętową w postaci serwerów czy jednostek lokalnych. 

Chociaż takie podejście generuje więcej wysiłku, to w wielu projektach jest to po prostu jedyna odpowiedzialna droga, aby w pełni móc zapewnić bezpieczeństwo i płynność prac. 

Czego nauczyła nas nasza przygoda z AI? 

Patrząc wstecz, najciekawsze jest to, że sztuczna inteligencja nie zmieniła nas i naszej pracy w sposób, w jaki się spodziewaliśmy. Nie zastąpiła programistów i nie sprawiła, że projekty „robią się same”. Wdrożenie AI w software house’ie nie zwalnia także z odpowiedzialności za realizowane projekty.

Zmieniła raczej rozkład uwagi: mniej czasu poświęcamy na rzeczy rutynowe i powtarzalne, a więcej na to, co wymaga ludzkiej ręki: architekturę, bezpieczeństwo, jakość, relacje z klientami i zrozumienie tego, co tak naprawdę robimy.  

Sztuczna inteligencja, dając nam więcej czasu, dała nam jednocześnie nowe obszary do odkrycia i edukacji. Chociaż w naszym przekonaniu nie jest możliwe, aby nadążyć za wszystkimi nowościami, skupiamy się na tych innowacjach, które realnie odpowiadają na zapotrzebowanie naszych obecnych i przyszłych klientów.  

Być może to najważniejszy wniosek z całej tej „rewolucji”. Wartość software house’u w epoce AI nie polega na tym, że ma on dostęp do tych samych narzędzi co wszyscy. Polega na tym, że potrafi z nich korzystać świadomie: 

• wie, kiedy AI przyspiesza, a kiedy spowalnia, 
• wie, kiedy jej ufać, a kiedy sprawdzać, 
• traktuje jako narzędzie wspierające, a nie zastępujące. 

AI w software house’ie to czyste rzemiosło, w którym nadal istnieje podział ról na człowieka-wykonawcę i narzędzie w jego rękach, którym potrafi dobrze operować.

Niezależnie od tego, w którą stronę pójdzie rynek, GOTOMA Software House pozostaje synonimem stabilności, technologicznego profesjonalizmu i najwyższej jakości inżynieryjnej. Posiadamy wiedzę, doświadczenie oraz sprawdzone procedury, dzięki którym potrafimy odpowiedzieć na nowości w świecie technologii, tak aby przekuć je w stabilny, bezpieczny i mierzalny sukces biznesowy każdego klienta, który powierzy nam swój cyfrowy los. 

Jeśli więc zastanawiasz się, jak wykorzystać sztuczną inteligencję w swoim projekcie w sposób, który realnie pomoże, a nie zwiększy długu technologicznego, chętnie o tym porozmawiamy.

Skontaktuj się z nami, aby wspólnie z naszymi specjalistami porozmawiać o możliwościach sztucznej inteligencji dla Twojego projektu.