Co pokazała ankieta z 2024
Ponad 1700 programistów, pytanie o asystentów kodu. Większość była zadowolona: 76 procent używało AI albo planowało, najchętniej frontendowcy i osoby pracujące z AI, najrzadziej programiści systemów wbudowanych i analitycy danych. Najczęściej używane narzędzia to ChatGPT i GitHub Copilot. Już wtedy 38 procent mówiło, że asystent podaje błędne informacje co najmniej w połowie przypadków, ale 95 procent czuło, że pracuje wydajniej. Ten rozjazd między „często się myli” a „czuję, że jestem szybszy” był najciekawszym wynikiem i okazał się zapowiedzią tego, co przyszło rok później.
Co zmieniła ankieta z 2025
W edycji z lipca 2025 (ponad 49 tysięcy odpowiedzi, to już główna ankieta Stack Overflow, nie osobne badanie) obraz się wyostrzył:
- 84 procent programistów używa narzędzi AI albo planuje. Rok wcześniej 76. Czyli AI jest już w zasadzie wszędzie.
- Zaufanie spadło. Odsetek osób, które nie ufają dokładności odpowiedzi AI, wzrósł do 46 procent. Tych, którzy ufają „bardzo”, jest garstka. Programiści używają AI codziennie i jednocześnie coraz mniej jej wierzą. To nie jest sprzeczność, to dojrzałość.
- „Prawie dobrze” jako główna frustracja. 66 procent wskazało, że największym problemem są rozwiązania „prawie poprawne”. Kod, który wygląda dobrze, przechodzi pierwszy test i sypie się na trzecim. Z pełnym błędem jest łatwiej: widać go od razu.
- Debugowanie kodu AI zjada czas. 45 procent powiedziało, że poprawianie kodu wygenerowanego przez AI trwa dłużej, niż się spodziewali.
- Ludzie nadal pytają ludzi. Trzy czwarte respondentów woli zapytać człowieka, gdy nie ufa odpowiedzi AI. Stack Overflow, który stracił sporo ruchu na rzecz czatów, zrobił z tego hasło przewodnie raportu.
- Agenci dopiero wchodzą. Większość nadal używa AI do pisania fragmentów i wyjaśniania kodu. Z agentów, które same zmieniają wiele plików, korzystała mniejszość, choć ta grupa rosła najszybciej.
Niezależnie od ankiet pojawiło się też badanie METR z lipca 2025, w którym doświadczeni programiści pracujący na swoich dobrze znanych, dużych projektach byli z AI wolniejsi o około 19 procent, choć sami szacowali, że są szybsi o 20. Jedno badanie na 16 osobach to nie wyrok, ale dobrze pasuje do tego, co pokazuje ankieta: odczucie wydajności i wydajność to dwie różne rzeczy.
Jak to wygląda z mojego biurka
Jestem w tej grupie 84 procent i nie zamierzam z niej wychodzić. Ale po dwóch latach pracy z asystentami widzę u siebie dokładnie to, co ankieta: największa wartość jest tam, gdzie wiem, jak powinna wyglądać poprawna odpowiedź, i mogę ją szybko sprawdzić. Testy, migracje, dokumentacja, szkic funkcji w znanej bibliotece. Największe straty czasu są tam, gdzie nie znam dziedziny i nie potrafię od razu zweryfikować wyniku. Wtedy „prawie dobrze” kosztuje mnie więcej niż napisanie od zera.
Dlatego u klientów trzymam się prostej zasady: AI przyspiesza pisanie, nie zastępuje czytania. Każda zmiana, którą wygeneruje agent, jest przeze mnie przeczytana, zanim trafi na serwer. To spowalnia o te kilkanaście procent z badania METR i to jest cena, którą warto zapłacić za to, żeby nie tłumaczyć klientowi, czemu sklep nie liczy VAT-u.
Jeśli zarządzasz zespołem i zastanawiasz się, czy „wdrożyć AI”, to z ankiet wynika, że już ją macie. Pytanie brzmi, czy macie też przegląd kodu i testy, które wyłapią to „prawie dobrze”, zanim zrobi to klient.