Tani kod i droga uwaga: czego uczy podejście Andreja Karpathy'ego

W świecie technologii i biznesu rzadko kiedy jedno zdanie potrafi tak celnie zdefiniować nową epokę ekonomiczną, jak słowa Andreja Karpathy'ego. Były dyrektor ds. AI w Tesli i współzałożyciel OpenAI przyznał otwarcie, że od grudnia 2025 roku nie napisał ręcznie ani jednej linijki kodu. Cały jego warsztat pracy przesunął się z poziomu 80% ręcznego pisania do 80% pracy opartej na agentach AI, gdzie pozostałe 20% to wyłącznie nadzór. Karpathy podsumował tę zmianę prostym, ale uderzającym wnioskiem: to on sam wciąż pozostaje wąskim gardłem. Nie dlatego, że agenci AI działają zbyt wolno, lecz dlatego, że tempo ludzkiej weryfikacji ma swoje biologiczne granice.

To spostrzeżenie obnaża fundamentalną prawdę o rewolucji generatywnej: krańcowy koszt tworzenia kodu gwałtownie zmierza ku zeru, jednak uwaga człowieka pozostaje zasobem sztywnym, ściśle ograniczonym i bardzo kosztownym. Prawdziwym ograniczeniem we wdrażaniu agentów AI nie jest dziś dostępna moc obliczeniowa, wydatki na subskrypcje API czy sam poziom zaawansowania modeli językowych. Ograniczeniem jest człowiek stojący pomiędzy masowo generowanym wynikiem a środowiskiem produkcyjnym, który musi podjąć decyzję, czy danemu fragmentowi kodu można zaufać.

Dla właścicieli firm, menedżerów oraz osób budujących narzędzia cyfrowe to potężna lekcja. Wielu przedsiębiorców zachłysnęło się możliwością generowania setek linijek kodu, gotowych stron czy automatycznych skryptów w kilka sekund. Rzeczywistość rynkowa pokazuje jednak, że ignorowanie ograniczeń ludzkiej percepcji prowadzi do chaosu operacyjnego, lawinowego wzrostu błędów i wcale nie przyspiesza rozwoju projektów.

Twarde dane o agentach AI: liczby, które zmuszają do refleksji

Entuzjazm związany z narzędziami wspomaganymi przez sztuczną inteligencję często zderza się z twardą statystyką inżynieryjną. W marcu 2026 roku firma Faros AI opublikowała badanie obejmujące 22 000 programistów pracujących w 4 000 zespołów. Wyniki tej analizy dobitnie pokazują, z jakimi wyzwaniami mierzy się obecnie branża IT:

• Wzrost wskaźnika niestabilności kodu (code churn) o 861%: Agenci nieustannie przepisują kod, który został stworzony chwilę wcześniej – bardzo często ich własny.
• Skok stosunku incydentów do liczby Pull Requestów (PR) o 242,7%: Większa ilość produkowanego kodu przełożyła się na proporcjonalnie znacznie większą liczbę awarii i błędów.
• 31,3% zmian wdrażanych bez jakiejkolwiek weryfikacji: Prawie jedna trzecia poprawek i nowości trafia na produkcję bez sprawdzenia przez drugiego człowieka.
• Sześciokrotny wzrost wskaźnika defektów: Odsetek błędów przypadający na pojedynczego programistę wzrósł drastycznie z 9% do aż 54%.
• Mediana czasu trwania przeglądu kodu dłuższa o 441,5%: Gdy kod jest pisany przez agentów, proces jego sprawdzania zajmuje ludziom 4,4 raza więcej czasu.

Równolegle przeprowadzone badanie 25 264 zapytań typu pull request wygenerowanych przez agentów wykazało, że w 42,27% projektów wskaźnik zaangażowania zespołu wynosił poniżej 5%. Oznacza to, że przytłaczająca większość zmian generowanych przez sztuczną inteligencję spoczywa na barkach jednej osoby. Jeden człowiek staje się jedyną barierą pomiędzy nieokiełznanym potokiem automatycznego kodu a działającym systemem biznesowym.

Paradoks produktywności: szybsze pisanie, wolniejsze dostarczanie

Opisane zjawisko znajduje potwierdzenie również w badaniach akademickich. Analiza przeprowadzona przez badaczy z Harvardu potwierdziła niepokojący wzorzec: agenci AI zwiększyli łączną objętość tworzonego kodu o 30%, ale nie przełożyło się to na żaden wymierny wzrost liczby rzeczywiście rozwiązanych problemów. Zamiast tego czas weryfikacji skoczył o 49%, a liczba próśb o poprawki i rewizje wzrosła niemal dwukrotnie. Powiązany temat opisaliśmy w artykule „Nowe narzędzie do debugowania aplikacji no-code i generatorów AI”.

Problem można streścić w jednym fundamentalnym kontraście: agenci generują kod z prędkością maszynową, podczas gdy człowiek jest w stanie weryfikować go wyłącznie z prędkością ludzkiego mózgu. Ta dysproporcja sprawia, że cała wydajność zespołów ugrzęzła w kolejkach do przeglądu i testowania. Zamiast zyskiwać czas, zespoły toną w konieczności analizowania rozwiązań, które wyglądają poprawnie na pierwszy rzut oka, ale zawierają subtelne, trudne do wykrycia luki logiczne. Tak pracujemy przy tworzenie stron internetowych dla firm.

Prawdziwym wąskim gardłem ery agentów nie jest to, jak szybko maszyna potrafi napisać kod, lecz to, jak szybko człowiek potrafi zdecydować, co zasługuje na zaufanie.

Ekonomia uwagi: dlaczego budżet poznawczy jest ważniejszy niż budżet na API

W dyskusjach o sztucznej inteligencji powszechnie analizuje się koszty tokenów, serwerów czy abonamentów za oprogramowanie. Tymczasem kluczowym wyzwaniem staje się tzw. budżet uwagi. Zwraca na to uwagę m.in. Addy Osmani, dawniej związany z Google Chrome, a dziś jeden z czołowych autorów piszących o zarządzaniu agentami AI. Jak zauważa Osmani, punkt ciężkości przesunął się z pytania „czy ten agent potrafi napisać kod” na pytania: „czy w ogóle powinniśmy to budować” oraz „czy jestem w stanie efektywnie zarządzać wieloma agentami jednocześnie”.

Praktycy radzą sobie z tym problemem poprzez ściśle zdefiniowane środowiska pracy. Addy Osmani utrzymuje zestaw 4–5 agentów działających w tle na zadaniach o ograniczonym ryzyku (takich jak testy, dokumentacja czy aktualizacja zależności) oraz 3–5 sesji lokalnych do pracy nad architekturą i samym produktem. Z kolei Boris Cherny, twórca Claude Code, korzysta równolegle z 5 sesji lokalnych oraz 5–10 w przeglądarce, a Greg Isenberg opisuje pracę na 5–10 równoległych sesjach w chmurze, generujących od 22 do 25 PR-ów każdego dnia.

Tu jednak pojawia się haczyk potwierdzony przez raport Anthropic na temat trendów kodowania agentowego (2026 Agentic Coding Trends Report). Deweloperzy w pełni delegują maszynom zaledwie od 0% do 20% zadań, podczas gdy aktywnie nadzorują od 80% do 100% tego, co zlecili. Matematyka staje się nieubłagana: jeśli uruchamiasz flotę dziesięciu agentów, ale musisz uważnie kontrolować 80% ich pracy, wcale nie oszczędzasz uwagi – mnożysz zapotrzebowanie na nią. Nadzór nie skaluje się liniowo. Każdy kolejny proces generowany automatycznie dokłada zmienny koszt weryfikacji, zależny od skomplikowania architektury i potencjalnych strat w razie awarii.

Co to oznacza dla małej firmy i przedsiębiorców lokalnych?

Dla właściciela małej firmy – bez względu na to, czy prowadzisz działalność usługową w Katowicach, zarządzasz produkcją w Bielsku-Białej, czy rozwijasz handel w Czechowicach-Dziedzicach – wnioski płynące z badań nad kodem Karpathy'ego są uniwersalne. Sztuczna inteligencja kusi obietnicą błyskawicznego stworzenia gotowych aplikacji, sklepów czy skomplikowanych lejków marketingowych za pomocą kilku kliknięć. W praktyce jednak powierzenie maszynom zadań bez odpowiedniego przygotowania kończy się długiem technologicznym i chaosem w danych klientów.

Jeśli decydujesz się na wdrożenie przemyślanej automatyzacji AI w swoim biznesie, musisz pamiętać, że najcenniejszym aktywem jest Twój czas poświęcony na nadzór. Generowanie setek niesprawdzonych podstron, chaotycznych powiadomień do klientów czy niespójnego kodu w systemie CRM może szybko sparaliżować codzienną pracę firmy. Koszt usunięcia usterki, która przez tygodnie generowała błędy na produkcji, niemal zawsze przewyższa oszczędności z taniego, maszynowego wykonania.

Przedsiębiorcy często stają przed wyborem: czy budować narzędzia samodzielnie za pomocą tanich promptów, czy oprzeć się na sprawdzonych rozwiązaniach. Zamiast eksperymentować na żywym organizmie swojej firmy, znacznie bezpieczniej jest wybrać solidną podstawę – na przykład decydując się na profesjonalne tworzenie stron internetowych, w których architektura i stabilność kodu są zweryfikowane przez specjalistów. Zanim zainwestujesz czas i środki w skomplikowane procesy agentowe, pomocna może okazać się także rzetelna wstępna diagnoza potrzeb firmy, która pozwala ocenić, gdzie automatyzacja przyniesie realny zysk, a gdzie stanie się jedynie źródłem niepotrzebnego długu technicznego.

Podsumowanie: kontroluj procesy, chroń swoją uwagę

Podejście Andreja Karpathy'ego oraz najnowsze dane rynkowe z 2026 roku jasno wyznaczają granice współczesnej technologii. Kod stał się tani, a narzędzia AI są powszechnie dostępne, jednak to ludzka uwaga pozostaje najwęższym i najdroższym gardłem każdego projektu. Sukces w nowoczesnym biznesie nie polega na generowaniu jak największej liczby linijek tekstu czy kodu w ułamku sekundy. Prawdziwą przewagę zyskują ci, którzy potrafią zorganizować pracę z agentami w taki sposób, aby chronić swój własny czas i kierować go wyłącznie tam, gdzie ludzka ocena tworzy rzeczywistą wartość.