Coraz więcej programistów nie wyobraża sobie pracy bez asystentów AI. Lutowe badanie organizacji METR pokazało, że deweloperzy odmawiali wykonania zadań bez wsparcia modeli, przez co badacze nie mogli nawet powtórzyć eksperymentu z 2025 roku. Problem w tym, że kod generowany przez AI niesie ukryty koszt: niższą jakość i wyższe wydatki na późniejsze utrzymanie.
Doniesienie opisał serwis TechCrunch, zestawiając kilka niezależnych analiz. CodeRabbit wyliczył, że kod tworzony przez AI generuje 1,7 raza więcej problemów niż kod pisany przez ludzi w pull requestach projektów open source. Aiswarya Sankar z firmy Entelligence AI szacuje, że przedsiębiorstwa przeznaczają około 44% tokenów na naprawę błędów wygenerowanych wcześniej przez te same modele. Naukowcy z Singapore Management University ostrzegają z kolei, że taki kod wprowadza długoterminowe koszty utrzymania do realnych projektów.
To nie wszystko. Wcześniejsze badanie z 2025 roku wykazało, że mimo subiektywnego poczucia większej produktywności AI realnie spowalniała programistów, gdy doliczono czas na debugowanie i poprawki. Uber miał przekroczyć swój roczny budżet na AI już po czterech miesiącach, nie notując mierzalnego wzrostu wydajności. Amazon zamknął natomiast wewnętrzny ranking zużycia tokenów, gdy pracownicy zaczęli sztucznie nabijać statystyki nadmiernym korzystaniem z narzędzi.
Co kod generowany przez AI oznacza dla polskiego biznesu
Dla firm w Polsce płynie z tego praktyczny wniosek: AI w programowaniu nie zastępuje przeglądu kodu ani kompetencji zespołu. Narzędzia takie jak GitHub Copilot czy Claude Code przyspieszają pierwszy szkic, ale oszczędność czasu znika, jeśli nikt nie weryfikuje efektu. Zamiast liczyć wygenerowane linie kodu, warto mierzyć koszt utrzymania i liczbę błędów trafiających na produkcję. Najwięcej z tych narzędzi wyciągają zespoły, które łączą AI z rzetelnym code review oraz inwestycją w realne umiejętności programistów. Bez tego szybkość łatwo zamienia się w dług technologiczny.
Źródło: TechCrunch (EN), 29 maja 2026.
