Dlaczego AI nie zastąpi programistów (I dlaczego teraz jest najlepszy czas, żeby zacząć się uczyć)

Otwieram LinkedIn — i tam kolejny post: „AI pisze kod lepiej niż ludzie, zawód programisty umiera." Wchodzę na Twitter — ta sama historia. YouTube — eksperci przepowiadający koniec ery deweloperów.

Potem patrzę na oferty pracy. Firmy oferują $150-200K rocznie dla programistów mid-level. AWS płaci 31% więcej programistom, którzy potrafią pracować z AI. Popyt na specjalistów od machine learning wzrósł w ciągu ostatnich dwóch lat o 82%.

Coś tu nie gra, prawda?

Sprawdźmy, co tak naprawdę się dzieje. Bez paniki i bez hype'u — same fakty.

Czym AI tak naprawdę jest (Spoiler: Jest głupsza, niż wygląda)

Wiesz, do kogo AI mi przypomina? Do tego prymusującego ucznia, który kuje przed egzaminem. Zapamiętuje tony informacji, ale nie rozumie, jak to faktycznie działa.

Kiedy ChatGPT generuje kod, nie „myśli" nad rozwiązaniem. Przypomina sobie podobne przykłady z milionów linii kodu, na których był trenowany. GitHub, Stack Overflow, dokumentacja — wszystko leży w jego „pamięci" jak gigantyczna baza wzorców.

Wyobraź sobie ucznia przygotowującego się do testu. Rozwiązał 500 zadań z matematyki. Gdy dostaje podobne zadanie na egzaminie, myśli: „O, to jest jak zadanie numer 347, tylko z innymi liczbami." Rozwiązuje je przez analogię.

AI działa dokładnie tak samo. Tylko że zamiast 500 zadań ma miliony przykładów kodu.

Jeden developer postanowił przeprowadzić eksperyment. Zaczął odpowiadać na techniczne pytania przy pomocy ChatGPT. Pierwsze kilka tygodni wydawało się świetne — odpowiedzi brzmiały profesjonalnie. Ale potem zauważył wzorzec: AI po prostu przerabiała popularne odpowiedzi, które już były w tej samej dyskusji kilka postów wyżej.

Więc AI nie wymyślała nowych rozwiązań. Działała jak zaawansowana wyszukiwarka z funkcją parafrazowania.

Gdzie AI się wyłożyła (A dzieje się to cały czas)

Teraz porozmawiajmy o tym, czego sieci neuronowe nie potrafią. I to długa lista.

Nie rozumie kontekstu twojego projektu

AI widzi tylko to, co jej pokażesz. Nie wie, że w twoim projekcie już masz trzy różne sposoby obsługi dat. Że twoje API pracuje ze specyficzną strukturą danych. Że pewne biblioteki ze sobą kolidują.

Poproś ją, żeby napisała funkcję walidacji emaila:

function validateEmail(email) {
    const regex = /^[^\s@]+@[^\s@]+\.[^\s@]+$/;
    return regex.test(email);
}

Wygląda przyzwoicie, prawda? Teraz wyobraź sobie, że twój system musi obsługiwać cyrylicę w emailach. Albo odróżniać jednorazowe adresy email od stałych. Albo że już masz scentralizowany validator, a dodanie kolejnego stworzy zamieszanie.

AI tego nie wie. Napisała „poprawny" kod, który w twoim konkretnym przypadku jest bezużyteczny.

Tworzy luki w bezpieczeństwie

Sieci neuronowe trenowano na publicznym kodzie. A publiczny kod jest pełen bugów i przestarzałych praktyk.

Poproś AI, żeby stworzyła funkcję bazodanową:

def get_user_by_id(user_id):
    query = "SELECT * FROM users WHERE id = " + str(user_id)
    return database.execute(query)

Ten kod otwiera drzwi do SQL injection. Każdy atakujący może ukraść lub usunąć dane. Ale AI nie rozumie zagrożenia — po prostu skopiowała wzorzec, który widziała tysiące razy w starych tutorialach.

Albo weźmy uwierzytelnianie. AI może zasugerować przechowywanie tokenów w localStorage:

localStorage.setItem('authToken', token);

Czy to działa? Tak. Czy jest bezpieczne? Nie. To tworzy lukę XSS. Profesjonalny developer używa httpOnly cookies. AI nie, bo prosty sposób pojawia się częściej.

Pisze wolny kod

Wydajność to coś, o czym AI w ogóle nie myśli.

Oto funkcja znajdująca duplikaty w tablicy:

function findDuplicates(arr) {
    let duplicates = [];
    for (let i = 0; i < arr.length; i++) {
        for (let j = i + 1; j < arr.length; j++) {
            if (arr[i] === arr[j] && !duplicates.includes(arr[i])) {
                duplicates.push(arr[i]);
            }
        }
    }
    return duplicates;
}

AI wygeneruje coś takiego. Złożoność O(n³). Na tablicy z 1000 elementów to zajmuje sekundy. Programista napisze to przy pomocy Set z O(n) — tysiące razy szybciej.

Na danych testowych różnica jest niewidoczna. W produkcji twoja apka zamienia się w żółwia.

Nie radzi sobie z nietypowymi zadaniami

Jest badanie testujące, jak AI pisze kod w językach rzadko spotykanych online. Użyli na przykład Ada — języka dla systemów krytycznych w lotnictwie i medycynie.

Wynik? Połowa wygenerowanego kodu nawet się nie kompilowała. Reszta się kompilowała, ale działała niepoprawnie. AI dosłownie wymyślała składnię, która „wyglądała podobnie" do prawdziwego kodu.

To samo dzieje się z niszowymi frameworkami, wewnętrznymi bibliotekami firmowymi, specyficznymi zadaniami domenowymi. Jeśli nie ma wielu przykładów online — AI jest bezradna.

Realne porażki: Gdy firmy próbowały zastąpić ludzi przez AI

Teoria to jedno, ale spójrzmy, co faktycznie się wydarzyło.

Amerykańskie firmy fintechowe

W latach 2023-2024 kilka startupów fintechowych postanowiło się „zoptymalizować". Zwolniły deweloperów, zostawiły managerów i kilku seniorów, którzy będą „po prostu sprawdzać kod od AI".

Pierwsze miesiące wydawały się w porządku. Funkcje wychodziły szybko. Managerowie świętowali zaoszczędzone pieniądze.

Potem zaczęły się problemy. Bugi w produkcji. Krytyczne luki w bezpieczeństwie. Awarie serwisów. Skargi klientów. Kary od regulatorów.

Gdy zaczęli się w to wgłębiać, okazało się: kod AI wyglądał dobrze na powierzchni, ale w środku był pełen długu technicznego. Niezgodności w architekturze. Duplikacja logiki. Nieoczywiste bugi, które pojawiały się tylko przy określonych warunkach.

Firmy pilnie zaczęły szukać deweloperów z powrotem. Ale najlepsi specjaliści już znaleźli inne prace. Musieli zatrudniać nowych ludzi za podwójną, a nawet potrójną pensję. Plus spędzić miesiące na rozgarnianiu technicznego chaosu.

Oszczędności zamieniły się w straty.

Historia Klarny ze Szwecji

Klarna — duża firma fintechowa — ogłosiła w 2024, że zwalnia 700 osób i zastępuje ich AI. Media pisały entuzjastyczne artykuły o „przyszłości bez programistów".

Rok później firma cicho zaczęła ściągać ludzi z powrotem. Bo jakość serwisu spadła krytycznie. Klienci narzekali. Konkurencja wyprzedzała w funkcjonalności. Rozwój nowych ficzerów stanął w miejscu.

Okazało się, że AI potrafiła klecić prosty kod, ale nie potrafiła:

• Zrozumieć złożonej logiki biznesowej
• Koordynować pracy różnych części systemu
• Podejmować decyzji architektonicznych
• Szybko reagować na nieoczekiwane problemy

Eksperyment Carnegie Mellon

Badacze postanowili przetestować: czy zespół agentów AI może pracować jak prawdziwa firma IT?

Stworzyli wirtualne biuro. Każda rola — osobny agent AI: deweloperzy, testerzy, managerowie, designerzy. Dali im zadania o różnej złożoności.

Najlepszy wynik? Claude 3.5 wykonał 24% zadań. GPT-4 — mniej niż 9%. Inne modele wypadły jeszcze gorzej.

Ale najśmieszniejsza część — jak wypadły:

• Jeden „deweloper" utknął na oknie dialogowym przeglądarki i nie mógł kontynuować pracy
• Inny nie znalazł odpowiedniej osoby w Slacku, więc po prostu stworzył nowego użytkownika z potrzebnym imieniem
• Trzeci zamknął zadanie jako wykonane, nie robiąc właściwie nic

Wniosek badaczy: AI katastrofalnie brakuje zdrowego rozsądku. Nie rozumie, co robi.

Co faktycznie dzieje się na rynku pracy

Teraz ciekawa część. Podczas gdy wszyscy mówią „AI zabija zawód", na rynku dzieje się coś odwrotnego.

Pensje rosną

Światowe Forum Ekonomiczne opublikowało prognozę: popyt na specjalistów AI/ML wskoczy o 82% w ciągu najbliższych kilku lat. Tak, dobrze przeczytałeś — ponad cztery piąte.

AWS dodaje dodatkowe 31% do pensji programistów z doświadczeniem w AI. A w USA co druga oferta pracy związana z AI obiecuje $174K rocznie — prawie podwójnie więcej niż zarabia średni developer.

Co z Zachodnią Europą? Praktycznie ta sama historia:

• Niemcy: zwykły senior dostaje €70-90K, ale jeśli rozumiesz machine learning — oczekuj €85-110K
• UK: klasyczny developer — £50-70K, specjalista AI — £70-95K
• Holandia: development — €60-80K, data science — €75-100K

Nawet w Europie Wschodniej pensje wzrosły:

• Polska: zwykły mid-level — $25-35K, developer AI — $35-50K
• Czechy: development — $30-45K, machine learning — $40-60K
• Rumunia: klasyczne kodowanie — $20-30K, AI — $30-45K

Niedobór specjalistów nigdzie nie zniknął

Firmy narzekają: znalezienie dobrego developera mid-level lub seniora stało się jeszcze trudniejsze niż wcześniej.

Dlaczego? Bo wymagania się zmieniły. Teraz potrzebują ludzi, którzy:

• Rozumieją całą architekturę systemu
• Wiedzą, jak pracować z AI jako narzędziem
• Potrafią zweryfikować wygenerowany kod pod kątem bezpieczeństwa i wydajności
• Podejmują decyzje, a nie tylko piszą kod według specyfikacji

Tacy specjaliści kosztują. I naprawdę nie ma ich wystarczająco.

AI nie zastępuje programistów — zmienia zawód

Wcześniej dużo czasu szło na rutynę. Napisać kolejne REST API. Stworzyć formularz z walidacją. Skonfigurować config. To były mechaniczne zadania.

Teraz robi to AI. A programista koncentruje się na tym, co wymaga inteligencji:

• Projektuje architekturę
• Wybiera odpowiednią technologię pod konkretne zadanie
• Optymalizuje wydajność
• Zapewnia bezpieczeństwo
• Komunikuje się z klientami i przekłada wymagania biznesowe na rozwiązania techniczne

W zasadzie zawód staje się bardziej intelektualny. Mniej kodowania dla kodowania, więcej podejmowania decyzji.

I to świetna wiadomość dla tych, którzy dopiero zaczynają się uczyć.

Dlaczego teraz jest najlepszy czas, żeby zacząć uczyć się programowania

Tak, mówię poważnie. Właśnie teraz jest idealny moment.

1. Wysoki popyt i dobre pieniądze

Dużo ofert pracy. Wysokie pensje. Możliwość pracy zdalnej na globalny rynek.

Porównanie z innymi zawodami (średnie roczne pensje w USA):

• Lekarz: $200-250K
• Prawnik: $120-150K
• Programista: $90-120K (ale w dużych firmach do $300K+)
• Nauczyciel: $50-60K
• Pielęgniarka: $70-80K

W Europie różnica jest jeszcze bardziej zauważalna — programiści w top 3 pod względem pensji.

2. Możesz się uczyć szybciej niż wcześniej

Wcześniej, żeby zostać programistą, musiałeś:

• Studiować 4 lata na uniwersytecie
• Albo spędzić lata samodzielnie nawigując po chaosie informacji

Teraz z dobrym ustrukturyzowanym kursem i praktyką możesz osiągnąć poziom juniora w 6-12 miesięcy.

Tak, rynek stał się bardziej wymagający. Ale to oznacza tylko jedno: musisz się uczyć prawidłowo. Nie tylko oglądać video-wykłady, ale rozwiązywać problemy. Dużo problemów. Pisać kod. Budować projekty.

Na przykład na CodeGym studenci rozwiązują ponad 1200 praktycznych zadań. Bo programowanie to umiejętność. A umiejętności rozwijają się tylko przez praktykę, nie przez teorię.

Możesz przeczytać książkę o pływaniu. Ale nauczysz się tylko na basenie.

3. Próg wejścia się obniżył

Dyplom uniwersytecki nie jest już obowiązkowy. Firmy patrzą na:

• Co potrafisz zrobić
• Jakie projekty możesz pokazać
• Jak rozwiązujesz problemy na rozmowach kwalifikacyjnych

Portfolio z kilkoma działającymi projektami jest cenione bardziej niż dyplom.

4. AI to narzędzie, nie konkurent

Wyobraź sobie: jesteś architektem. Wcześniej plany rysowano ręcznie — wolno i żmudnie. Potem pojawił się AutoCAD — teraz możesz rysować szybciej i dokładniej.

Czy liczba architektów spadła? Nie. Jest ich więcej. Ale to, czego się od nich wymaga, się zmieniło. Teraz nie wystarczy tylko nacisnąć przycisk — musisz rozumieć kompozycję, światło, obróbkę.

To samo dzieje się z programowaniem.

AI przejmuje nudną mechaniczną pracę. Programiści koncentrują się na interesujących wyzwaniach.

Co więcej: ci, którzy nauczą się efektywnie pracować z AI, będą zarabiać więcej niż inni. To nowa umiejętność, którą jak dotąd opanowało niewielu.

5. Globalny rynek pracy jest otwarty

Programowanie to jeden z niewielu zawodów, gdzie geografia nie ma znaczenia.

Lekarz z Polski nie może pracować w Niemczech bez przekwalifikowania. Prawnik z Rumunii jest bezużyteczny w USA — tam inne prawo.

Ale programista może:

• Mieszkać w Europie Wschodniej
• Pracować dla firmy z USA lub Zachodniej Europy
• Dostawać zachodnią pensję (lub blisko tego)
• Podróżować i pracować z dowolnego miejsca na świecie

To unikalna zaleta.

Kto faktycznie ryzykuje utratę pracy przez AI

Oto paradoks: AI zagraża nie początkującym programistom, ale tym, którzy robią to samo od lat i się nie rozwijają.

Jeśli spędziłeś 10 lat na pisaniu typowych operacji CRUD, konfigurowaniu formularzy, kopiowaniu rozwiązań — AI naprawdę może cię zastąpić. Bo robisz mechaniczną pracę.

Ale jeśli:

• Rozumiesz, jak zaprojektować system od podstaw
• Wiesz, jak wybrać odpowiednie rozwiązanie techniczne dla konkretnego zadania
• Wyczuwasz, gdzie kod może się zepsuć
• Widzisz słabe punkty w wydajności i bezpieczeństwie aplikacji
• Potrafisz faktycznie rozmawiać z ludźmi i przekładać ich życzenia na konkretne zadania techniczne

...to jesteś niezastąpiony. I twoja wartość tylko rośnie.

A dla tych, którzy dopiero zaczynają się uczyć, jest ogromna zaleta: będziesz uczył się programowania w świecie, w którym AI już istnieje. Dla ciebie to będzie naturalne narzędzie — jak Google i Stack Overflow dla poprzedniego pokolenia.

Od razu nauczysz się prawidłowo pracować z AI. Podczas gdy ci, którzy uczyli się „po staremu", teraz próbują się przekwalifikować.

Od czego zacząć, jeśli zdecydowałeś się zostać programistą

Oto moja szczera rada.

Ucz się nie tylko pisać kod, ale myśleć jak programista.

Co to znaczy?

Rozwiązuj dużo problemów. Teoria jest ważna, ale umiejętności rozwijają się tylko przez praktykę. 100 przeczytanych tutoriali nie zastąpi 100 napisanych programów.

Buduj projekty. Pracodawcy muszą zobaczyć, że potrafisz tworzyć działające rzeczy. Kilka faktycznie działających projektów w portfolio jest warte więcej niż jakikolwiek certyfikat.

Naucz się czytać kod innych ludzi. Serio, to jest równie ważne jak pisanie własnego. W prawdziwych pracach będziesz spędzał większość czasu na przeglądaniu tego, co napisali inni przed tobą, a nie na tworzeniu wszystkiego od zera.

Staraj się zrozumieć logikę rozwiązań. Nie kopiuj tylko kodu z internetu — poświęć czas na zrozumienie, jak to działa w środku. Dlaczego użyli tej konkretnej struktury danych? Jakie są alternatywy? Jakie są kompromisy?

Nie bój się błędów. Każdy profesjonalny programista był kiedyś początkującym googlującym „jak stworzyć zmienną". Wszyscy przez to przeszli.

AI może wygenerować funkcję w sekundę. Ale nie może:

• Zrozumieć, która dokładnie funkcja jest potrzebna w twojej sytuacji
• Zobaczyć, jak wpasuje się w ogólną architekturę
• Przewidzieć, gdzie pojawią się problemy
• Wyjaśnić klientowi, dlaczego to jest odpowiednie rozwiązanie
• Wziąć odpowiedzialności za wynik

Ludzie robią to wszystko. I będą robić jeszcze długo.

Podsumowanie: Programiści stają się elitą

Wiesz, co się dzieje, gdy technologia automatyzuje proste zadania? Popyt na specjalistów nie spada — rośnie. Ale wymagania rosną.

Kiedy pojawiła się fotografia cyfrowa, nie było mniej fotografów — było ich więcej. Ale to, czego się od nich wymaga, się zmieniło. Teraz nie wystarczy tylko nacisnąć przycisk — musisz rozumieć kompozycję, światło, edycję.

To samo dzieje się z programowaniem.

AI nie zniszczy zawodu — uczyni go bardziej wartościowym. Maszyny wezmą rutynę. Ludzie obsłużą pracę intelektualną.

Ci, którzy rozumieją, jak działają systemy, dostaną pensje, o których inne zawody nawet nie marzą. Będą tworzyć produkty, które zmienią świat. Będą rozwiązywać złożone, interesujące wyzwania.

Rynek jest daleki od nasycenia. Cyfryzacja dzieje się we wszystkich sektorach — od medycyny po rolnictwo. Firm potrzebujących programistów przybywa szybciej niż samych programistów.

Więc jeśli zastanawiasz się, czy powinieneś zacząć uczyć się programowania w erze AI — odpowiedź jest jasna: absolutnie.

Ale zrób to prawidłowo:

• Skup się na praktyce, nie teorii
• Rozwiązuj prawdziwe problemy, nie tylko oglądaj wykłady
• Ucz się rozumieć, jak działają technologie, a nie tylko ich używać
• Rozwijaj umiejętność myślenia, nie kopiowania kodu

Przyszłość należy do tych, którzy potrafią rozwiązywać problemy. A AI tylko sprawi, że ta praca będzie szybsza i ciekawsza — jeśli nauczysz się jej używać, oczywiście.