SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

Zaufanie do AI spada, choć sięga po nią coraz więcej programistów

Choć według ankiety Stack Overflow z 2025 roku po narzędzia AI sięga albo zamierza sięgać 84% programistów, zaufanie do trafności ich podpowiedzi spadło do 29%, o jedenaście punktów mniej niż rok wcześniej, a najmniej ufają im ci najbardziej doświadczeni. Kłopotem są odpowiedzi prawie dobre: badanie METR pokazało, że z AI programiści pracowali o 19% wolniej, a analiza 470 pull requestów wykazała 1,7 raza więcej poważnych błędów w kodzie współtworzonym przez model. Praca nie znika, tylko przesuwa się w stronę recenzji i testów, co napędza firmy pokroju Qodo.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  4 min  · 

Zaufanie do AI spada, choć sięga po nią coraz więcej programistów
Ilustrację przygotowała AI.

Coś się rozjechało w tym, jak programiści pracują z AI, i najlepiej widać to w dwóch liczbach, które idą w przeciwne strony. W dorocznej ankiecie Stack Overflow z 2025 roku 84% programistów deklaruje, że używa albo zamierza używać narzędzi AI, rok wcześniej było to 76%. Zaufanie idzie w drugą stronę: do trafności tego, co modele podsuwają, przyznaje się już tylko 29%, o 11 punktów mniej niż rok wcześniej. Im powszechniejsze staje się to narzędzie, tym mniej ludzie mu wierzą.

Ostrożność nie bierze się przy tym z niedoświadczenia. Najrzadziej ufają AI właśnie najbardziej doświadczeni programiści i to oni najczęściej deklarują wprost brak zaufania. Ludzie, którzy najlepiej potrafią ocenić kod, wierzą mu najmniej, bo najlepiej widzą, w których miejscach się sypie.

Powód tej rozbieżności jest prostszy, niż się wydaje. Programista przywykł do narzędzi deterministycznych, w których te same dane na wejściu dają zawsze ten sam wynik. Model językowy tak nie działa. Za każdym razem podsuwa jeden z wielu prawdopodobnych wariantów, a część z nich to pewnie brzmiące odwołania do funkcji, których nie ma, albo subtelna luka w zabezpieczeniach, która na pierwszy rzut oka wygląda schludnie, jak tłumaczył zespół Stack Overflow w lutym 2026 roku. Najbardziej męczą nie te odpowiedzi, które są ewidentnie błędne, tylko te prawie dobre. Główną frustracją 45% badanych są, jak podała Ars Technica, "rozwiązania AI, które są prawie trafne, ale nie do końca". Doprowadzenie takiego kodu do porządku potrafi zjeść więcej czasu niż napisanie go od zera.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

39 punktów różnicy między tym, co programista czuje przy AI, a tym, co mierzy stoper Analiza / Opinia

39 punktów różnicy między tym, co programista czuje przy AI, a tym, co mierzy stoper

3 min

Doświadczeni programiści open source spodziewali się, że asystent AI przyspieszy ich pracę o 24%. Po wszystkim nadal czuli zysk rzędu 20%. Stoper METR w randomizowanym badaniu pokazał coś odwrotnego: byli o 19% wolniejsi. Trzydzieści dziewięć punktów rozjazdu między odczuciem a zegarem bierze się z przeglądu wygenerowanego kodu, poprawiania promptów i przełączania uwagi. Cała branżowa narracja o produktywności AI opiera się na ankietach, a 87% deweloperów codziennie sięga po te narzędzia, nie wiedząc, kiedy faktycznie pomagają.

Zatrudnienie najmłodszych programistów spadło prawie o 20% od 2022 roku Analiza / Opinia

Zatrudnienie najmłodszych programistów spadło prawie o 20% od 2022 roku

4 min

Raport AI Index 2026 Stanforda pokazuje, że zatrudnienie programistów w wieku 22-25 lat w USA spadło o niemal 20% względem szczytu z 2022 roku, podczas gdy w starszych grupach wiekowych dalej rośnie. Rozjazd zaczął się w połowie 2024, gdy Claude Code, Cursor i Copilot dotarły do poziomu, na którym starszy programista nie potrzebuje juniora. Ekonomista Alex Imas stawia pytanie o elastyczność popytu: jeśli okaże się sztywna, narzędzia AI nie tworzą miejsc pracy, tylko je likwidują. 73% ekspertów wierzy w poprawę rynku pracy, ale tylko 23% obywateli — największa rozbieżność w historii raportu.

Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny Premiera / Narzędzie

Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny

5 min

Z relacji Marka Pesce'a w The Register z konferencji AI Engineer Melbourne wynika, że programiści przestali bać się AI i zaczęli budować narzędzia, które ustawiają ją po swojej stronie. AJ Fisher pokazał, jak tani model dyfuzyjny puszczany w kółko nad jednym problemem schodzi z kosztem do połowy, a czasem do jednej dziesiątej, co Google potwierdził świeżym DiffusionGemmą. Daniel Rodgers-Pryor uruchomił zaś pipeline CI/CD, w którym agenty same diagnozują usterki i wypuszczają poprawki, działając tym lepiej, im większe dostają obciążenie.