Programowanie zmienia się szybciej niż kiedykolwiek wcześniej. Nie mówię tu o nowym frameworku czy kolejnej wersji języka – mówię o fundamentalnej zmianie tego, czym w ogóle jest praca programisty. Przez ostatnie kilka miesięcy obserwowałem ten trend z pewnej odległości, ale niedawno stało się coś, co zmusiło mnie do działania. Moja firma ogłosiła oficjalny switch w kierunku agentic development. I wiecie co? Cieszę się z tego. Naprawdę.

Zanim jednak powiem dlaczego, wyjaśnię o co w ogóle chodzi – bo hasło "agentic development" brzmi jak kolejny buzzword, który pojawia się na slajdach w PowerPoincie i znika po kwartale. Tym razem jednak jest inaczej.

Przez lata programowaliśmy w ten sam sposób: AI jako asystent. Pisałeś kod, Copilot podpowiadał następną linijkę, ty akceptowałeś albo odrzucałeś. Ty prowadziłeś, AI pomagało.

Agentic development odwraca proporcje. Zamiast "napisz mi tę funkcję", mówisz "rozwiąż ten problem" – i agent samodzielnie planuje kroki, pisze kod w wielu plikach jednocześnie, uruchamia testy, naprawia błędy które sam wykrył, i wraca do ciebie dopiero wtedy, gdy ma gotowy wynik lub utknął na czymś wymagającym Twojej decyzji.

Nie chodzi o to, żeby agent pisał za Ciebie. Chodzi o to, żebyś przestał być maszyną do generowania linii kodu, a stał się kimś kto wie co zbudować, dlaczego – i jak ocenić czy efekt jest dobry.

To pierwsze pytanie które pojawia się w każdej rozmowie o AI i nie zamierzam go omijać.

Krótka odpowiedź: nie. Długa odpowiedź: to zależy od tego, czy będziesz umiał przestawić bieg.

Co więcej, im bardziej doświadczony developer, tym większą korzyść czerpie z narzędzi AI. Najlepsi programiści zyskują nieproporcjonalnie dużo – bo wiedzą jak zadać właściwe pytanie, jak ocenić output i jak połączyć pracę agenta w spójną architekturę. Innymi słowy: agenty nie zastępują seniorów. Agenty mnożą ich możliwości.

Rola seniora przesuwa się w kierunku "AI orchestratora" – kogoś kto projektuje jak agenty wpisują się w proces developerski, ustala standardy i odpowiada za to, żeby wyniki były zgodne z wizją produktu i poprzeczką jakości.

Bo liczby są twarde. Eksperymenty z agent mode w dużych organizacjach pokazują między 80 a 90% poprawę przy generowaniu kodu bazodanowego, 60–70% przy API i mikroserwisach, i do 60% przy warstwie UI. To nie są liczby z marketingowego slajdu – to pomiary z produkcji.

Za kilkanaście miesięcy przepaść między firmami praktykującymi agentic development a tymi kodującymi tradycyjnie będzie nie do nadrobienia. Pytanie już nie brzmi "czy" – brzmi "czy będziesz liderem tej zmiany, czy będziesz gonić ogon".

Moja firma widzi to samo co widzi cała branża i postanowiła nie czekać. Szczerze? Szanuję tę decyzję.

Kiedy usłyszałem o tym przejściu, zrobiłem to co zawsze gdy zaczyna mnie interesować nowy temat – zacząłem szukać dobrego materiału po polsku. I jak zwykle w przypadku nowych technologii: cisza. Są dokumentacje, są wpisy po angielsku, jest sporo szumu – ale dobrego, przystępnego materiału dla polskiego developera praktycznie nie ma.

Postanowiłem to zmienić.

Ten cykl będzie oparty na oficjalnej dokumentacji Awesome GitHub Copilot Learning Hub – świetnie ułożonym zestawie artykułów który GitHub przygotował jako przewodnik po agentic development z Copilotem. Tłumaczę to po polsku, w swoim stylu, z własnymi przykładami i rozszerzeniami tam gdzie temat warto pogłębić. Link do oryginalnego źródła zawsze znajdziecie przy każdym wpisie – nie kradniemy, chcemy żeby temat był przyjazny dla polskiego czytelnika.

Agentic development to nie moda. To zmiana w tym, jak będziemy pracować – i warto wejść w nią świadomie, z dobrym przygotowaniem, a nie z poczuciem że nas omija.

W kolejnym wpisie zaczniemy od fundamentów: czym są Agents, Skills i Instructions – trzy podstawowe cegiełki całego ekosystemu GitHub Copilot w trybie agentycznym. Bez zrozumienia tych pojęć reszta cyklu będzie trudna do przyswojenia, więc warto poświęcić im chwilę uwagi.

Do zobaczenia w kolejnym wpisie! 🚀