Od autouzupełniania do delegowania całych zadań
Pierwsza fala narzędzi AI koncentrowała się na podpowiadaniu kolejnych linii kodu i odpowiadaniu na pytania. W 2026 dojrzałe agenty programistyczne działają w pętli: analizują kontekst, planują wykonanie, czytają i zmieniają pliki, uruchamiają narzędzia, sprawdzają wynik i iterują. OpenAI opisuje Codex jako agenta do pisania, przeglądania i dostarczania kodu, a GitHub definiuje swoje agenty jako systemy wykonujące zadania niezależnie w cyklu tworzenia oprogramowania. [2][3][7]
Praktyczna różnica jest duża. Programista nie musi prowadzić modelu przez każdą pojedynczą zmianę, ale musi znacznie precyzyjniej określić cel, zakres, ograniczenia i definicję ukończenia zadania.
Co agent programistyczny potrafi zrobić samodzielnie
Dzisiejsze agenty potrafią przeszukiwać repozytorium, czytać historię i dokumentację, modyfikować wiele plików, uruchamiać komendy, testy i linters, analizować błędy oraz przygotowywać zmiany do przeglądu. GitHub Copilot cloud agent może pracować na gałęzi bez natychmiastowego otwierania pull requestu, a następnie przejść do standardowego procesu przeglądu. [7][10]
Claude Code udostępnia kontrolę narzędzi i trybów uprawnień, Codex działa lokalnie oraz w środowiskach chmurowych, a Gemini CLI może działać interaktywnie, w skryptach i w piaskownicy dla operacji mogących powodować skutki uboczne. [2][6][13]
Cztery główne modele pracy z agentami w 2026
| Agent | Główne środowisko | Model pracy | Kontrola |
|---|---|---|---|
| OpenAI Codex | ChatGPT, aplikacja, CLI, IDE, chmura | Lokalnie i równolegle w chmurze | Skills, środowiska, przegląd zmian |
| Claude Code | Terminal, SDK, MCP | Interaktywnie i skryptowo | Tryby uprawnień, allowed/disallowed tools |
| GitHub Copilot cloud agent | GitHub, VS Code, Mobile, desktop app | Asynchronicznie na branch/PR | Repo policies, logs, review |
| Google Antigravity / Gemini CLI | Antigravity desktop, CLI, SDK | Równoległe agenty i automatyzacja | Sandbox, hooks, MCP, isolation |
Rynek nie sprowadza się do jednego interfejsu. Codex łączy aplikację, CLI, IDE i chmurę. Claude Code jest mocno terminalowy i programowalny. GitHub Copilot cloud agent jest osadzony w przepływie issues, branches i pull requestów. Google Antigravity 2.0 stawia na wieloagentową orkiestrację, a Gemini CLI zapewnia otwarte narzędzie terminalowe. [2][6][7][8][12][13]
W praktyce wybór zależy mniej od samego modelu językowego, a bardziej od tego, gdzie zespół chce uruchamiać agenta, jak chce kontrolować uprawnienia, jak wygląda audyt i gdzie odbywa się przegląd zmian.
Zadania są coraz dłuższe i częściej wykonywane równolegle
OpenAI podaje, że w maju 2026 70,2% badanej próby indywidualnych użytkowników Codex zleciło co najmniej jedno zadanie oszacowane na ponad godzinę ludzkiej pracy, a 25,6% co najmniej jedno zadanie przekraczające osiem godzin. Te wartości są oszacowaniami modelu na podstawie próby 0,1% użytkowników, więc należy traktować je kierunkowo, a nie jako dokładny pomiar czasu. [1]
Ten sam materiał pokazuje wzrost pracy równoległej. Najciężsi użytkownicy wewnątrz OpenAI generowali w czerwcu 2026 wiele godzin pracy agentów dziennie na kilku równoległych zadaniach. GitHub Copilot app i Google Antigravity również zostały zaprojektowane do równoległych sesji. [1][8][12]
Człowiek częściej decyduje co zrobić, agent jak to zrobić
Anthropic przeanalizował około 400 tys. sesji Claude Code z okresu od października 2025 do kwietnia 2026. W typowej sesji użytkownik podejmował około 70% decyzji planistycznych, natomiast Claude około 80% decyzji wykonawczych. Jedno polecenie użytkownika uruchamiało średnio około 10 działań agenta. [4]
To dobry opis nowego podziału pracy. Programista częściej wybiera architekturę, cel i kryteria akceptacji, a agent podejmuje wiele lokalnych decyzji dotyczących plików, poleceń i implementacji. Nie oznacza to jednak, że decyzje wykonawcze nie wymagają nadzoru.
Ekspertyza nadal zwiększa skuteczność
W tym samym badaniu Anthropic sesje ocenione jako bardziej eksperckie częściej kończyły się sukcesem. W najsurowszej metryce zweryfikowanego sukcesu sesje początkujących osiągały około 15%, podczas gdy poziom średniozaawansowany i wyższy około 28 do 33%. Metryka była wyliczana z transkryptów i sygnałów takich jak testy, commity czy potwierdzenie użytkownika, więc nie jest bezpośrednim pomiarem jakości produkcyjnej. [4]
Wniosek jest praktyczny: agent nie usuwa wartości wiedzy domenowej. Osoba, która potrafi precyzyjnie opisać reguły biznesowe, wykryć zły kompromis i wskazać właściwe testy, zwykle może lepiej sterować agentem niż ktoś, kto zna tylko składnię polecenia.
Produktywność: wyniki badań są mieszane i zależą od sposobu pomiaru
| Źródło | Próba | Najważniejszy wynik |
|---|---|---|
| Anthropic 2026 | ~400 tys. sesji Claude Code | Użytkownik ~70% decyzji planistycznych, Claude ~80% wykonawczych |
| METR 2025 RCT | 16 programistów, 246 zadań | 19% dłuższy czas z narzędziami AI z początku 2025 |
| METR 2026 survey | 349 pracowników technicznych | Deklarowana mediana 1,4 do 2x wartości pracy, z istotnymi zastrzeżeniami |
| OpenAI 2026 Codex | Losowa próba 0,1% indywidualnych użytkowników | 70,2% miało co najmniej jedno zadanie oszacowane na ponad godzinę pracy człowieka |
METR w kontrolowanym badaniu z 2025 roku obserwował 16 doświadczonych programistów open source wykonujących 246 rzeczywistych zadań we własnych, dobrze znanych repozytoriach. Przy narzędziach AI dostępnych na początku 2025 roku zadania zajmowały im średnio 19% więcej czasu, mimo że sami uczestnicy sądzili, że AI ich przyspiesza. [14]
W 2026 METR rozpoczął większe badanie, ale uznał jego sygnał za niewiarygodny z powodu selekcji uczestników: część programistów nie chciała już pracować bez AI. Osobna ankieta 349 pracowników technicznych wykazała medianę deklarowanej zmiany wartości pracy na poziomie 1,4 do 2 razy, ale METR wyraźnie zaznacza powody do ostrożności wobec wielkości tych deklaracji. [15][16]
Code review staje się głównym punktem kontroli jakości
Gdy agent może zmodyfikować wiele plików i przygotować gotowy pull request, przegląd kodu przestaje być końcowym dodatkiem i staje się jednym z najważniejszych etapów sterowania systemem. GitHub buduje przepływ agentów wokół diffów, pull requestów, logów sesji i istniejących reguł repozytorium. [7][8][11]
Praktycznie oznacza to mniej przeglądania kodu linia po linii bez kontekstu, a więcej sprawdzania założeń, granic zmiany, kontraktów API, bezpieczeństwa, zachowania na przypadkach brzegowych i zgodności z architekturą.
Testy i CI stają się kontraktem dla agenta
Agent może szybko napisać dużo poprawnie wyglądającego kodu, ale tylko automatyczne i ręczne kryteria potrafią wiarygodnie określić, czy zmiana rzeczywiście spełnia wymagania. Dlatego testy jednostkowe, integracyjne, end-to-end, typowanie, linting i kontrola budowania zyskują na znaczeniu w przepływie agentowym. GitHub i Claude Code wprost zakładają uruchamianie poleceń i testów podczas pracy agenta. [6][7][10]
Dobrze opisane zadanie dla agenta powinno zawierać nie tylko oczekiwany rezultat, ale również sposób jego sprawdzenia. Im bardziej jednoznaczna automatyczna weryfikacja, tym mniej pracy pozostaje do ręcznego odgadywania, czy agent zakończył zadanie poprawnie.
Bezpieczeństwo: większa autonomia oznacza większą powierzchnię ryzyka
Agent programistyczny może uruchamiać polecenia, czytać pliki, korzystać z sieci i modyfikować kod. Dlatego mechanizmy uprawnień, piaskownice, ograniczenia narzędzi, ochrona sekretów i rejestrowanie działań nie są dodatkiem. Claude Code oferuje jawne tryby uprawnień i listy dozwolonych oraz zabronionych narzędzi. Gemini CLI wspiera izolację kontenerową, a GitHub pokazuje logi sesji i integruje agentów z kontrolami repozytorium. [6][11][13]
Zespół powinien stosować zasadę najmniejszych uprawnień. Agent, który ma tylko zmienić warstwę prezentacji, nie powinien automatycznie otrzymywać dostępu do produkcyjnych sekretów, wdrożeń ani destrukcyjnych operacji infrastrukturalnych.
Kontekst projektu staje się częścią infrastruktury
Jakość pracy agenta zależy od tego, czy rozumie konwencje repozytorium. Dlatego rosną w znaczeniu pliki instrukcji, standardy repozytorium, umiejętności agenta, zasady architektoniczne oraz połączenia z narzędziami przez MCP. Claude Code i Gemini CLI obsługują kontekst projektowy i MCP, GitHub udostępnia instrukcje repozytorium oraz wspólny kontekst dla agentów, a Codex rozwija Skills do utrwalania procesów zespołu. [2][6][9][13]
W praktyce dokumentacja przeznaczona dla ludzi zaczyna jednocześnie pełnić funkcję konfiguracji zachowania agentów. Nieaktualne README, niejasne zasady modułów czy brak komend testowych stają się bezpośrednim kosztem pracy AI.
Wieloagentowość zmienia organizację dnia programisty
Codex, GitHub Copilot app i Google Antigravity wspierają równoległe zadania. Zamiast jednej sesji, w której programista czeka na kolejne kroki, można uruchomić niezależne prace nad testami, refaktoryzacją, dokumentacją i poprawką błędu, a później ocenić wyniki. [1][8][12]
To przenosi wąskie gardło z pisania kodu na priorytetyzację, kontekst, przegląd i integrację. Zespół, który uruchamia zbyt wiele agentów bez dobrych kryteriów akceptacji, może wygenerować więcej pracy do sprawdzania niż realnej oszczędności.
Jakie zadania najłatwiej delegować w 2026
Najbardziej naturalne są zadania dobrze ograniczone i łatwe do sprawdzenia: dopisywanie testów, lokalne refaktoryzacje, migracje API, naprawy z reprodukowalnym błędem, aktualizacje zależności, dokumentacja, analiza repozytorium i przygotowanie pierwszej wersji pull requestu. Produkty OpenAI, Anthropic, GitHub i Google jawnie kierują agentów do takich wieloetapowych prac. [2][6][7][12][13]
Trudniejsze pozostają zadania, w których wymagania są niejawne, kompromisy produktowe są ważniejsze niż poprawność techniczna albo błędna decyzja ma duży koszt. W takich przypadkach agent może przyspieszyć analizę, ale odpowiedzialność za decyzję powinna pozostać po stronie człowieka.
Jak wdrażać agenty w zespole bez tworzenia chaosu
Najbezpieczniej zacząć od ograniczonego zakresu: wybrać typy zadań, zdefiniować instrukcje repozytorium, wymagane testy, maksymalne uprawnienia i momenty obowiązkowego zatwierdzenia przez człowieka. DORA podkreśla, że AI wzmacnia istniejące mocne i słabe strony organizacji, więc słaby proces inżynierski nie staje się automatycznie dobry po dodaniu agenta. [17]
Następnie warto mierzyć wynik na poziomie całego przepływu, a nie liczbę promptów. Przydatne są czas od rozpoczęcia zadania do zaakceptowanego pull requestu, czas code review, liczba iteracji, awarie CI, regresje po wdrożeniu, koszt agentów i odsetek zmian wymagających dużego przepisywania.
- Zdefiniuj dozwolone typy zadań.
- Dodaj aktualne instrukcje repozytorium i komendy weryfikacyjne.
- Wymagaj testów, lintingu i poprawnego builda.
- Ogranicz uprawnienia zgodnie z zasadą najmniejszego dostępu.
- Wymagaj ludzkiego review dla zmian o wysokim wpływie.
- Rejestruj działania agentów i zachowuj ślad audytowy.
- Mierz czas i koszt zakończonego, poprawnie zweryfikowanego zadania.
