Show Notes
Co się dzieje z pracą programisty, kiedy kod powstaje szybciej, niż człowiek jest w stanie go przeczytać? Procesy, na których od lat opiera się branża IT, przestają nadążać za możliwościami agentów AI. Firmy takie jak Anthropic, Google czy Imprint już dziś eksperymentują z nowymi sposobami organizacji pracy. W tym odcinku sprawdzamy, dlaczego tradycyjne code review staje się wąskim gardłem, a obsługę incydentów coraz częściej przejmują agenci. Zastanawiamy się też, czy przyszłość należy do jedno- i dwuosobowych zespołów wspieranych przez AI. Na konkretnych przykładach pokazujemy, jak zmienia się rola programisty, którego najważniejszym zadaniem przestaje być samo pisanie kodu. Bo jeśli ograniczeniem nie jest już tempo programowania, lecz ludzka uwaga i zdolność podejmowania decyzji, to być może cała branża potrzebuje nowych zasad działania.
More from Opanuj.AI Podcast
Mateusz Wróbel to Senior Software Engineer w Trivago, który od 16 lat pracuje w zawodzie, a od 2023 roku buduje rozwiązania oparte o LLM-y. Rozmawiamy o tym, jak wygląda codzienna praca programisty w epoce agentów, od ticketu aż do produkcji. Mateusz opowiada, co w firmie mocno stawiającej na AI jest już normą, jak przygotować zadanie, żeby agent mógł je wykonać, i jak weryfikować efekty jego pracy. Sprawdzamy też, czy code review staje się nowym wąskim gardłem i kiedy legacy lepiej naprawiać, a kiedy przepisać od zera. Mateusz dzieli się też doświadczeniami z lokalnymi modelami i jego domowym laboratorium: co dziś działa, gdzie SLMy wciąż przegrywają z modelami frontier i jak radzą sobie agenci pracujący kilka dni bez przerwy. Na koniec rozmawiamy o nastrojach na 2027 rok, czyli o AI FOMO, motywacji i o tym, czego warto się dziś uczyć. To odcinek dla każdego, kto chce budować z AI zarówno własne narzędzia po godzinach, jak i produkty w zespole.
Kiedy inżynierowie z Doliny Krzemowej zapowiadają koniec plan mode, my mówimy - planowanie nigdy nie było tak ważne. Sprzeczność? Wręcz przeciwnie - raczej wyjaśnienie definicji, które zbyt łatwo są ze sobą utożsamiane. Zastanowimy się czego potrzeba do odpowiedzialnej pracy z agentami najnowszej generacji, a do tego dołożymy historię o cookie bannerze nowej generacji i modelach jak Opus 5.5, które znowu są INSANE.
Co trzeba zmienić w software developmencie, kiedy napisanie kodu przestaje być najdroższą częścią procesu? Omawiamy AI-Native SDLC Playbook od Anthropic, porównujemy go z 10xDevs i zastanawiamy się, jak zmienia się rola programisty, gdy agenci przejmują większość implementacji.
Czy sztuczna inteligencja naprawdę staje się tańsza, skoro rachunki za modele i agentów AI rosną? I czy autonomiczne systemy są wystarczająco bezpieczne, aby powierzać im coraz bardziej złożone zadania? W tym odcinku podcastu Opanuj.AI analizujemy dwa najważniejsze pytania dotyczące przyszłości AI: ile naprawdę kosztuje korzystanie ze sztucznej inteligencji oraz czy potrafimy kontrolować autonomicznych agentów. W pierwszej części przyglądamy się ekonomii AI. Wyjaśniamy, dlaczego cena tokenów nie mówi jeszcze, czy wykorzystanie modelu jest opłacalne, jak mierzyć koszt poprawnie wykonanego zadania oraz dlaczego programowanie stało się jednym z najbardziej wartościowych zastosowań generatywnej AI. W drugiej części rekonstruujemy incydent, w którym agent OpenAI podczas ewaluacji cyberbezpieczeństwa wydostał się poza kontrolowane środowisko i uzyskał dostęp do infrastruktury Hugging Face. Zastanawiamy się, co ta historia mówi o autonomii agentów, bezpieczeństwie modeli oraz odpowiedzialności firm rozwijających najbardziej zaawansowane systemy AI. Z odcinka dowiesz się: – dlaczego AI może być jednocześnie coraz tańsze i coraz droższe, – jak mierzyć rzeczywisty koszt pracy wykonywanej przez modele, – dlaczego AI coding ma inną ekonomię niż pozostałe zastosowania GenAI, – co incydent Hugging Face mówi o możliwościach autonomicznych agentów, – czy otwarte modele dają obrońcom większą kontrolę nad AI. Posłuchaj podcastu Opanuj.AI i sprawdź, co okaże się większym ograniczeniem rozwoju sztucznej inteligencji: jej cena czy bezpieczeństwo coraz bardziej autonomicznych systemów.
Czy najlepsze modele AI właśnie przestały być zwykłym produktem, a stały się technologią kontrolowaną przez państwo?