Czy AI zastąpi programistów? Co realnie zmieniło się po 6 miesiącach codziennej pracy z AI

Pewnie jedno z najczęściej zadawanych dziś pytań w naszej branży. Odpowiem na nie z perspektywy kogoś, kto realnie siedzi w tym temacie po kilkanaście godzin dziennie od sześciu miesięcy.

W tym czasie testowałem przeróżne modele i agentów — Codex, Claude Code, Gemini, wbudowanych agentów w PhpStormie (Junie). Na początku, gdy dopiero poznawałem możliwości AI, byłem przekonany, że w IT nadchodzą ciężkie czasy. Dziś, po setkach godzin pracy z tymi narzędziami w realnych projektach, mogę powiedzieć jasno: na ten moment nie ma takiej możliwości, żeby AI zastąpiło programistów. Ale rola programisty zmienia się bardzo mocno — i o tym właśnie chcę napisać.

Co się dzieje, gdy AI zostaje samo

W ostatnich miesiącach branżą wstrząsnęło kilka incydentów, które dobrze pokazują, dlaczego oddawanie pełnej władzy AI nad środowiskami produkcyjnymi to bardzo ryzykowna sprawa.

W kwietniu 2026 popularny agent AI usunął produkcyjną bazę danych firmy PocketOS — platformy używanej w USA przez branżę wynajmu samochodów. Razem z backupami. Wcześniej, w lipcu 2025, podobna historia zdarzyła się na platformie Replit — agent AI skasował produkcyjną bazę z danymi ponad tysiąca firm, a w logach generował komunikaty sugerujące, że nic się nie wydarzyło. Gemini CLI w tym samym roku usunął pliki użytkownika po źle zinterpretowanej komendzie.

I tu trzeba postawić pytanie: kto jest odpowiedzialny za te operacje?

AI to wspaniałe narzędzie, znacząco usprawniające pracę programisty. Ale pozostawione samo sobie potrafi narobić nieodwracalnych szkód. To nadal algorytm — i nie jest nieomylny.

Hype i jego pułapki

Dziś mamy w branży bardzo silny hype na AI i ludziom wydaje się, że mogą zrobić wszystko. W sieci znajdziecie setki filmów w stylu "zbudowałem aplikację w 2 godziny zamiast w pół roku" czy "zrobiłem własną stronę WWW z AI, nie umiejąc programować". I to wszystko prawda — da się.

Więc gdzie jest "ale"?

Ale tkwi w tym, że dla osoby nieznającej programowania jedynym kryterium oceny jest pytanie: czy to działa? A odpowiedzią staje się wizualny test end-to-end. Kliknięcie działa? Działa. Strona się otwiera? Otwiera. Osoba bez doświadczenia na tym kończy.

Potem przychodzi moment uruchomienia na serwerze produkcyjnym. I tu — z mojego doświadczenia — kończy się to podawaniem AI jawnych danych dostępowych do serwera, żeby "to ogarnęło, bo użytkownik nie umie". Tym samym oddajemy pełnię władzy nad stroną w ręce sztucznej inteligencji.

A jak to się może skończyć — opisałem powyżej.

I jeśli mówimy o prostej wizytówce internetowej, szkody będą raczej niewielkie. Właściciel co najwyżej straci treści, ewentualnie strona przestanie działać. Ale jeśli mówimy o poważniejszej aplikacji albo sklepie internetowym — z danymi kontrahentów, sprzedażą, realnym wpływem na biznes — sytuacja przestaje być zabawna. Skąd osoba bez znajomości kodu ma wiedzieć, czy security zostało porządnie skonfigurowane? Że modele AI nie mają dostępu do danych osobowych klientów? Że zmienne środowiskowe są zabezpieczone i nie wyciekają w logach? To realne ryzyko, nad którym trzeba mieć pełen nadzór.

Nie mówię tutaj, że vibe coding (programowanie bez wiedzy technicznej, za pomocą promptów) jest złe. Wręcz odwrotnie — to wspaniałe, że można sobie szybko zrobić aplikację na własny użytek, dowieźć proof of concept czy postawić bardzo budżetową stronę. Ale absolutnie nie poszedłbym tą drogą, myśląc o poważnej stronie internetowej czy też sklepie.

Jest jeszcze jedna rzecz, która mnie w tym wszystkim niepokoi. Śledzę temat AI dość intensywnie — oglądam masę materiałów od specjalistów i od samych vibe-koderów, czytam też komentarze pod tymi filmami. I tam właśnie robi się (nie) ciekawie. Bo pod każdym takim "zbudowałem aplikację w 2 godziny" pojawiają się dziesiątki pytań w stylu "ile można na tym zarobić?", "jak to sprzedać?", "czy klient się pozna?". To pokazuje dość jednoznacznie, w którym kierunku to wszystko zmierza. Realnie spodziewam się, że w najbliższych miesiącach rynek zostanie zalany aplikacjami i stronami zbudowanymi w 100% przez AI, bez żadnej kontroli technicznej — sprzedawanymi klientom, którzy nie mają jak tego zweryfikować. I to nie jest scenariusz, który dobrze się skończy ani dla tych klientów, ani dla branży.

Realny przykład z życia

Niedawno miałem "przyjemność" przyglądać się dość zaawansowanej aplikacji powstałej w 100% przez vibe coding. Autor poprosił mnie o wsparcie, ponieważ aplikacja generowała już tak duże ilości błędów, że nie była w stanie sama się naprawić. AI próbowało, ale poprawiając jeden bug generowało dwa kolejne, w zupełnie innych miejscach kodu.

A to, co zastałem w środku, pozostawię bez komentarza.

To dobry przykład tego, dlaczego pierwsze uruchomienie projektu z AI często wygląda imponująco, a długoterminowe utrzymanie staje się problemem. AI nie ma poczucia spójności architektury w skali całego projektu — działa lokalnie, na fragmencie kodu, który widzi w danym momencie. Im większy projekt, tym więcej takich lokalnych decyzji się kumuluje, aż całość zaczyna się sypać.

Niewidoczna umiejętność: zarządzanie kontekstem

Zanim przejdę do kosztów i ról, jedna rzecz, której większość poradników o AI nie tłumaczy, a która w praktyce decyduje o wszystkim: umiejętność prowadzenia AI.

Dwóch programistów z tym samym Claude Code, na tym samym projekcie, dostaje skrajnie różne rezultaty. Jeden mówi "AI jest świetne, robię dwa razy więcej". Drugi mówi "AI jest do niczego, ciągle generuje śmieci". Najczęściej to nie jest kwestia umiejętności programowania — to kwestia umiejętności dostarczania AI właściwego kontekstu.

Brzmi banalnie, ale to nie jest oczywiste. Trzeba wiedzieć:

• Co wrzucić do sesji, a co pominąć
• Kiedy zacząć nową konwersację, a kiedy kontynuować starą
• Jak opisać problem, żeby AI nie poszło w błędną interpretację
• Jak rozbić duże zadanie na kawałki, których AI nie zgubi
• Kiedy NIE używać AI, bo ręcznie będzie szybciej

To są kompetencje, które buduje się miesiącami codziennej pracy. U mnie też musiało minąć trochę czasu i przepalonych tokenów, zanim zacząłem realnie czuć, gdzie są granice modeli i jak je obchodzić.

Dlatego nie ma sensu pytać "czy AI mi pomoże" w abstrakcji. Trzeba pytać: "czy mam czas i cierpliwość nauczyć się tym narzędziem zarządzać". Bo bez tej umiejętności używanie AI będzie kłopotliwe i bardzo drogie.

Halucynacje, czyli AI które nie wie, że nie wie

Drugi temat, którego początkujący nie widzą: AI bardzo pewnie kłamie.

Wymyśla nazwy funkcji, których nie ma w bibliotece. Wymyśla parametry, których API nie obsługuje. Sugeruje pakiety, które nie istnieją (albo gorzej — istnieją, ale jako pułapki postawione przez kogoś, kto wiedział, że AI je halucynuje). Generuje kod, który wygląda profesjonalnie i kompiluje się, ale po uruchomieniu nie robi tego, co miał zrobić.

Dla seniora to nie jest problem — przejrzy kod w 30 sekund i powie "znowu wymyśliłeś metodę która nie istnieje ..." - dość często w niezbyt cenzuralny sposób :). Mid-developer wyłapie pewnie 8 na 10 takich rzeczy. Junior bez doświadczenia może uwierzyć i wkleić w produkcję.

To znów wraca do tego samego punktu: wartość AI jest proporcjonalna do umiejętności weryfikacji. AI generuje, człowiek weryfikuje — i to człowiek bierze odpowiedzialność. Jeśli ten człowiek nie potrafi zweryfikować, to AI staje się generatorem ryzyka, nie produktywności.

Pozornie tanie

Jest jeszcze jeden temat, o którym warto powiedzieć wprost, bo dotyczy każdego, kto myśli o pracy z AI na poważnie: pieniądze.

Na poziomie prostych prób — pytań do ChataGPT, drobnych eksperymentów — darmowe plany faktycznie wystarczają i to jest świetna sprawa do nauki. Problem zaczyna się w momencie, w którym ktoś chce realnie pracować: zaprojektować coś, ciąć kod, prowadzić poważniejszy projekt. Na darmowych planach takie sesje trwają wieki. Na niskobudżetowych — szybko okazuje się, że tokeny kończą się szybciej, niż się człowiekowi wydaje.

Co realnie zżera tokeny? Cała masa rzeczy, których początkujący użytkownik nie widzi:

Poprawki. AI rzadko trafia za pierwszym razem. Każda iteracja to kolejne wczytanie kontekstu i kolejne wygenerowanie odpowiedzi.
Niezrozumienie problemu. Im gorzej opisana sprawa, tym więcej rundy "nie o to mi chodziło, spróbuj jeszcze raz".
Brak umiejętności zarządzania kontekstem. Wrzucanie do sesji wszystkiego, co pod ręką — całych plików, całych logów, niepotrzebnej historii — gwałtownie podbija zużycie.
Przeskakiwanie między czatami. Każdy nowy chat to nowy kontekst od zera. Trzeba tłumaczyć projekt jeszcze raz. Tokeny lecą zanim w ogóle zaczyna się robić cokolwiek użytecznego.
Pamięć modelu (memory). Funkcja istnieje, ale agenci nie zawsze z niej korzystają podczas pracy. Nie można zakładać, że AI "pamięta" projekt między sesjami.
To wszystko sumuje się w obraz, który dla osób z zewnątrz jest niewidoczny: koszt godzin pracy z AI na poważnym projekcie potrafi być znaczący. Nie jest to katastrofa — przy dobrze prowadzonej pracy zwrot z inwestycji jest bardzo solidny — ale "AI jest darmowe" to mit. Pozornie tanie. W praktyce, im poważniejszy projekt, tym poważniejszy budżet.

Jak AI wpływa na poszczególne role w zespole

Przejdźmy do tego, jak to wszystko wpływa na konkretne role w zespole. Modelowy skład potrzebny do zrobienia strony lub aplikacji wygląda mniej więcej tak:

• Product Manager
• Designer / Grafik
• Frontendowiec
• Backendowiec
• DevOps
• Tester / QA

W mniejszych projektach często jest to One Man Army, ale role i tak warto omówić osobno.

Product Manager

To osoba prowadząca projekt — rozmawia z klientem, zbiera oczekiwania biznesowe, tłumaczy je na zadania dla zespołu, pilnuje terminów i priorytetów. Klasycznie najbardziej "ludzki" element całego procesu, oparty na komunikacji i zrozumieniu kontekstu.

Tutaj wpływ AI jest na razie najmniej dramatyczny. AI świetnie wspiera PM-a w pracy operacyjnej: pisanie ticketów, formatowanie wymagań, podsumowywanie spotkań, przygotowywanie maili do klienta. To realnie oszczędza godziny tygodniowo. Ale samej rozmowy z klientem, wyczucia tego, czego on naprawdę potrzebuje (a często sam nie umie nazwać), AI nie zastąpi. Klient nie chce rozmawiać z botem o swoim biznesie — chce zrozumienia, kontekstu, partnerstwa. To nadal praca człowieka.

Designer / Grafik

Już teraz w sieci można przeczytać: "Graficy, bójcie się! Nadciąga AI, które robi świetne designy." To tylko połowiczna prawda.

Co jest dziś popularne? Claude Design, pluginy do Claude Code jak frontend-design czy ux-ui-pro. To wszystko świetne narzędzia, z których trzeba umieć korzystać. Ale jest jedna fundamentalna rzecz, której AI nie ma: własnej wizji estetycznej. AI nie wie, dlaczego coś jest dobre. Nie potrafi powiedzieć "to nie pasuje do marki, klient pracuje w premium, tu trzeba inaczej". AI generuje to, co miliony innych ludzi wygenerują tym samym promptem — i dlatego stylistyka AI stała się rozpoznawalna i powszechna. To człowiek decyduje, co jest dobre. AI tylko wykonuje.

Sztuczna inteligencja ma natomiast świetne umiejętności odtwórcze. Jeśli dostanie dobry przykład — najlepiej pocięty, unikalny design wyjściowy — to na bazie wypracowanych elementów potrafi przygotować spójne wariacje, dodatkowe podstrony, brakujące elementy. To oznacza, że solidny ludzki design jest dziś — i będzie tym bardziej w przyszłości — jeszcze bardziej w cenie niż dotychczas. Bo to ludzki designer dostarcza tej wizji, którą AI dalej rozwija.

Jedyne role, które realnie powinny czuć niepewność na rynku, to według mnie UX/UI designerzy pracujący na powtarzalnych, schematycznych projektach. W tej materii AI radzi sobie naprawdę nieźle.

Frontendowiec

Frontendowiec to osoba odpowiedzialna za warstwę wizualną aplikacji — to wszystko, co użytkownik widzi w przeglądarce. Przekłada designy z Figmy na działający kod HTML, CSS i JavaScript, dba o responsywność, animacje, wydajność, dostępność.

Jak AI sobie radzi w tej materii? Średnio. Nie jest źle, ale dużo jest do poprawy. W sieci pojawiają się narzędzia "tnące designy" — Locofy, Anima, v0, Builder.io — jednak większość z nich sprowadza się do tego, że wymagają bardzo porządnie technicznie przygotowanego designu we Figmie (poprawne nazwy warstw, komponenty, auto-layout). A to znowu wymaga człowieka, jego wiedzy i czasu — czasami tak dużego, że szybciej wychodzi pociąć design ręcznie przez frontendowca.

Przekładanie prostych designów z Figmy na HTML potrafi się AI udać. Z bardziej skomplikowanymi elementami — interakcjami, animacjami, customowymi komponentami — wciąż sobie nie radzi tak, jak powinno. Ale, podobnie jak w designie, pod kontrolą człowieka i z dobrze przygotowanymi przykładami prace odtwórcze idą AI naprawdę nieźle i znacząco potrafią przyspieszać pracę.

Backendowiec

Backendowiec to osoba odpowiedzialna za logikę aplikacji po stronie serwera — kod, którego użytkownik nie widzi, ale od którego zależy wszystko: bezpieczeństwo, wydajność, integralność danych, integracje z innymi systemami. To "silnik" aplikacji.

I tutaj — według mnie — jest największy wpływ AI na zawód programisty. Zarówno pozytywny, jak i negatywny.

Zacznijmy od wniosku ogólnego: jeśli dziś jesteś programistą na poziomie mid lub senior i jesteś naprawdę dobry w tym, co robisz, AI wpłynie na Twoją rolę bardzo pozytywnie. Dobrze poprowadzona sztuczna inteligencja, pracująca na dobrze zbudowanym projekcie — z czytelnymi wzorcami i standardami — realnie przyspiesza pracę. Bo, jak pisałem wcześniej, umiejętności odtwórcze AI są na wysokim poziomie, a agenci szukają wzorców w istniejącym kodzie. Senior wyposażony w AI jest w stanie dowieźć naprawdę solidne oprogramowanie w sensownym czasie.

Z juniorami sprawa jest bardziej zniuansowana. Uważam, że rola backendowca przechodzi obecnie największą metamorfozę — developerzy coraz bardziej przesuwają się w kierunku architektów oprogramowania. Wymaga to solidnej wiedzy o systemach, wzorcach, security. To kompetencje, które buduje się latami praktyki — i tu jest najtrudniejszy punkt dla osób wchodzących do branży.

Junior, który traktuje AI jako narzędzie do nauki — zadaje pytania, weryfikuje odpowiedzi, czyta dokumentację, rozumie dlaczego coś działa — ma dziś moim zdaniem najlepszy moment w historii branży, żeby uczyć się szybciej niż kiedykolwiek. Ma do dyspozycji partnera do rozmowy o kodzie 24/7. Junior, który traktuje AI jako maszynkę do generowania rozwiązań bez refleksji — wkleja prompt, kopiuje wynik, nie rozumie co tam się dzieje — będzie miał trudniej. Nie dlatego, że AI go "zastąpi". Dlatego, że nie zbuduje fundamentów, na których w mid- i senior-poziomie staje się naprawdę przydatny.

Część prostszych zadań, które wcześniej rzeczywiście trafiały do juniorów (proste skrypty, refaktoryzacje, drobne fixy), dziś AI rozwiązuje szybciej. To realna zmiana rynku. Ale to nie znaczy, że juniorzy są niepotrzebni — znaczy tylko, że ścieżka rozwoju wymaga większej świadomości, niż jeszcze 2-3 lata temu.

DevOps

DevOps to osoba odpowiedzialna za infrastrukturę i wdrożenia — serwery, konfiguracje, deployment, monitoring, bezpieczeństwo środowisk produkcyjnych. W skrócie: wszystko, co dzieje się "pomiędzy" kodem a tym, że strona realnie działa dla użytkownika w internecie.

I tutaj sytuacja jest paradoksalna. AI wpływa na tę rolę bardzo mocno — pisanie Dockerfile, konfiguracje CI/CD, Terraform, Kubernetes, skrypty bashowe, audyty bezpieczeństwa — to wszystko są bardzo wzorcowe artefakty, w których AI sprawdza się świetnie. Senior DevOps z AI wymyśla infrastrukturę znacznie szybciej niż bez. Ale jednocześnie to jest miejsce, gdzie stawka błędu jest największa w całym stacku.

Pomyłka w kodzie aplikacji najczęściej skończy się błędem na stronie. Pomyłka w konfiguracji produkcyjnego serwera, security, RODO czy backupów — może skończyć się tak, jak w incydentach które opisałem na początku. Albo gorzej.

Dlatego DevOps z AI to nie jest miejsce na automatyzację bez nadzoru. To jest miejsce na dyscyplinę i podwójną weryfikację. Każda komenda, którą AI sugeruje na produkcyjnym serwerze, powinna być przeczytana ze zrozumieniem. To nie jest miejsce na "kliknij i sprawdź".

Tester / QA

Tester to osoba odpowiedzialna za jakość produktu — sprawdza, czy aplikacja faktycznie robi to, co ma robić, w każdym możliwym scenariuszu. Pisze testy automatyczne, klika ręcznie, łapie bugi zanim trafią do klienta.

Tutaj AI realnie pomaga, ale z bardzo wyraźnym podziałem na to, co działa i co nie działa.

Co AI robi świetnie: testy jednostkowe. To są krótkie, wzorcowe kawałki kodu, które sprawdzają pojedyncze funkcje — i AI generuje je bardzo dobrze, często szybciej i dokładniej niż człowiek na zmęczeniu. Jeśli backendowiec napisał dobrze ustrukturyzowany kod, AI potrafi pokryć go testami w tempie, jakiego ręczne pisanie nigdy nie osiągnie.

Realne wsparcie: testy E2E (end-to-end, czyli sprawdzające całą ścieżkę użytkownika — od kliknięcia w przycisk po wynik w bazie) w narzędziach takich jak Codeception czy podobnych. AI rozumie strukturę takich testów, pisze sensowne scenariusze, ogarnia selektory. Nie jest idealne, ale przyspiesza pracę o tyle, że często wystarcza dopracować to, co wygenerowało, zamiast pisać od zera.

Czego AI nie zastąpi: testów ręcznych — zwłaszcza wizualnych. I tutaj jest sporo bugów, które tylko człowiek wyłapie. Czy guzik nie ucieka poza viewport na konkretnym rozdzielczościowym łamaniu. Czy animacja nie rozjeżdża się przy hover. Czy formularz wygląda dobrze, kiedy klient wpisze imię "Józef-Aleksander". Czy padding na mobile nie jest dwa piksele za mały. AI nie widzi tego, co widzi człowiek — bo "widzenie" w sensie estetycznym i UX-owym to dalej nasza domena. Plus sama integracja AI z testowaniem wizualnym jeszcze sporo bugów generuje, więc bez weryfikacji człowieka jest ryzykowna.

Reasumując, AI w testowaniu to świetny przyspieszacz na poziomie kodu testowego, ale rola testera z głową na karku — kogoś, kto przechodzi aplikację jak realny użytkownik — pozostaje niezastąpiona.

Co AI zmienia w wycenach i rozmowach z klientami

To temat dla wszystkich, którzy zlecają strony i aplikacje — czyli najczęstsze pytanie, które dziś dostajemy od klientów: "skoro AI jest tanie i robi wszystko, to dlaczego strona kosztuje tyle samo co rok temu?"

Odpowiedź jest prosta, ale niełatwa do zaakceptowania: bo klient nie płaci za sam kod. Kod stał się tańszy w produkcji — to prawda. Ale to nie kod jest najdroższy w projekcie.

Najdroższe jest:

• Zrozumienie biznesu klienta i przełożenie tego na decyzje techniczne
• Wybór architektury, która utrzyma się przez kolejne lata, a nie tylko przez pierwszy miesiąc
• Weryfikacja tego, co AI wygenerowało — żeby nie wpuścić halucynacji do produkcji
• Bezpieczeństwo i odpowiedzialność za dane klientów
• Wsparcie powdrożeniowe — bo strona dopiero zaczyna żyć po uruchomieniu
• I jeszcze jedno: odpowiedzialność. Jeśli coś pójdzie nie tak, to nie AI bierze winę przed klientem ani jego klientami. Robi to agencja. To kosztuje — i powinno kosztować.

Klient, który dziś szuka strony "od AI za grosze", za dwa lata będzie szukał kogoś, kto mu to naprawi. Już to widzimy.

Reasumując

Postawienie 100% na AI przy projektowaniu aplikacji internetowych jest możliwe — ale tylko dla bardzo prostych witryn, jeśli komuś nie zależy na unikalności designu i strona ma pełnić funkcję prostej wizytówki.

Jeśli ktoś myśli o poważnej aplikacji, w mojej ocenie nie da się jej "wyvibekodować". Pierwotnie to zadziała. Ale im dalej w projekt, tym gorzej z utrzymaniem.

A odpowiadając na pytanie z tytułu: Czy AI zastąpi programistów?

Moim zdaniem to zależy. Seniorów — nie. A jeśli już, to na pewno nie teraz i nie w najbliższym czasie. Oczywistym faktem jest to, że pewne prace pójdą znacznie szybciej niż dotychczas, ale nie można założyć że jeden senior + AI pociągnie nieskończoną ilość projektów. Mid-developerów, którzy się rozwijają i traktują AI jako akcelerator — też nie, wręcz przeciwnie, mają teraz bardzo dobry moment. Juniorów, którzy świadomie się uczą — tym bardziej. Najtrudniej będzie tym, którzy traktują AI jako sposób na ominięcie nauki podstaw. I osobom wchodzącym do branży świeżo po studiach — wejście wymaga dziś więcej własnej pracy i krytycznego myślenia, niż jeszcze parę lat temu.

Na pewno będziemy do tego tematu jeszcze wracać. To rynek bardzo dynamicznie się rozwijający. Zaczęło się od ChataGPT, potem generowanie obrazów, dziś mamy wspaniałe narzędzia do grafiki, video, muzyki i całe zoo agentów do programowania.

Przyszło nam żyć w ciekawych czasach.