Jeszcze niedawno dyskusja o sztucznej inteligencji w IT sprowadzała się głównie do jednego pytania: czy AI pomoże programistom pisać kod szybciej?

Dziś odpowiedź brzmi niemal banalnie: oczywiście, że tak. Narzędzia oparte na modelach językowych potrafią generować kod, testy, dokumentację, konfiguracje infrastruktury czy analizy logów. Coraz częściej nie są dodatkiem i narzędziem w pracy zespołu, lecz stają się pełnoprawnym uczestnikiem procesu wytwarzania oprogramowania.

To jednak nie oznacza, że stawką w grze pozostaje wyłącznie produktywność programistów. Wraz z rozwojem agentów AI na pierwszy plan wysuwa się istotniejsze pytanie:

Czy organizacja jest gotowa na przyspieszenie, które przyniesie sztuczna inteligencja?

Bo AI nie poprawia jakości architektury.
AI nie naprawia chaosu organizacyjnego. AI przyspiesza to, co już istnieje
Nie porządkuje danych. Nie eliminuje problemów organizacyjnych. Działa raczej jak wzmacniacz - przyspiesza to, co już istnieje. Jeżeli organizacja jest uporządkowana, przyspieszy jej rozwój. Jeżeli funkcjonuje w chaosie, ten sam chaos zacznie rozprzestrzeniać się szybciej niż dotychczas.

‍

Szybciej nie oznacza prościej

W debacie o AI łatwo ulec złudzeniu, że skoro agent potrafi przeanalizować tysiące plików kodu w kilka minut, to problem złożoności systemów przestaje mieć znaczenie.

Tymczasem współczesne środowiska enterprise są bardziej skomplikowane niż kiedykolwiek wcześniej. Nie przypominają pojedynczych aplikacji, które można objąć jednym spojrzeniem. To całe ekosystemy składające się z usług, interfejsów API, procesów integracyjnych, platform uruchomieniowych, mechanizmów bezpieczeństwa, monitoringu i warstw danych.

Sztuczna inteligencja nie zmniejsza tej złożoności. Pozwala jedynie szybciej się po niej poruszać.

To rozróżnienie jest kluczowe. Agent może wskazać zależności między komponentami, przygotować analizę wpływu zmiany lub wskazać potencjalne źródło problemu. Nie oznacza to jednak, że system stał się prostszy. Nadal wymaga świadomego projektowania, kontroli i decyzji podejmowanych z myślą o całości. Wymaga też świadomości, że agent może pominąć pewne obszary w analizie.

Gdy rośnie tempo zmian, jakość architektury przestaje być luksusem. Staje się mechanizmem bezpieczeństwa
W praktyce oznacza to, że wraz ze wzrostem możliwości AI rośnie znaczenie dobrej architektury oraz dojrzałych procesów zarzadzania zmianą. To one stają się mechanizmem, który pozwala utrzymać kontrolę nad coraz szybszym tempem zmian.

‍

Kod to tylko fragment układanki

Wielu osobom AI wciąż kojarzy się przede wszystkim z generowaniem kodu. To zrozumiałe, bo ten efekt najłatwiej zobaczyć i przeoczyć fakt, że kod maszynowo generujemy od dziesięcioleci (sic!)  Tymczasem jest on jedynie jednym z klocków w całej układance, jaką jest System.

Każda wprowadzania do Systemu zmiana może dotykać wielu warstw, są między innymi kontrakty API, modele danych, konfiguracje środowisk, testy integracyjne, monitoring czy procesy operacyjne. W nowoczesnych systemach trudno wskazać modyfikację, która ograniczyłaby swój wpływ wyłącznie do jednej warstwy.

Agent może wygenerować poprawny fragment kodu, czy poprawne testy. Znacznie trudniej jest jednak ocenić wszystkie skutki tej zmiany dla procesów biznesowych realizowanych przez wiele usług i źródeł danych jednocześnie.

Dlatego organizacje, które koncentrują się wyłącznie na automatyzacji tworzenia kodu, często pomijają znacznie ważniejsze pytanie: czy ich architektura i procesy pozwalają bezpiecznie wprowadzać i automatyzować zmiany w całym systemie?

Największe ryzyko nie dotyczy kodu

Paradoks polega na tym, że najbardziej wrażliwym elementem współczesnych systemów nie jest kod, lecz dane. Kod można odtworzyć.
Kod można odtworzyć. Danych często nie
Można go wygenerować ponownie. Można wrócić do wcześniejszej wersji repozytorium. Z danymi nie jest już tak łatwo. Błędna migracja, niewłaściwie zinterpretowana semantyka pola czy niepoprawna transformacja danych historycznych mogą wywołać skutki, których nie da się łatwo cofnąć. Co więcej, takie błędy potrafią się skutecznie ukrywać przez dłuższy czas. Organizacja odkrywa je dopiero wtedy, gdy pojawiają się problemy: w raportowaniu, rozliczeniach, procesach biznesowych etc.

Dlatego właśnie to warstwa danych powinna wyznaczać granicę autonomii agentów AI. Im bliżej danych działa automatyzacja, tym większego znaczenia nabierają governance, procesy zarządzania zmianą, audyt i odpowiedzialność właścicieli danych.

Przewagę zbudują nie firmy z najlepszym modelem, lecz z najlepszymi fundamentami

Jeszcze niedawno wiele organizacji zakładało, że o sukcesie w erze AI zdecyduje przede wszystkim dostęp do najnowszego modelu językowego. Dziś, zwłaszcza w większych firmach, to założenie traci na znaczeniu. Coraz wyraźniej widać, że przewaga nie wynika z samego wyboru modelu, lecz z jakości, dostępności i uporządkowania danych, na których ma on pracować. Nawet najlepsze rozwiązania AI nie przyniosą wartości, jeśli zostaną osadzone w chaotycznym, niespójnym lub trudno dostępnym środowisku.

Modele rozwijają się niezwykle szybko, a przewaga technologiczna pomiędzy nimi stopniowo się zmniejsza. Znacznie trudniej jest skopiować coś innego: dojrzałą architekturę, uporządkowane dane, dobrze opisane kontrakty, skuteczne procesy zmiany i kulturę odpowiedzialności.

To właśnie te elementy zdecydują, czy organizacja wykorzysta potencjał AI, czy jedynie zwiększy tempo popełniania błędów. Agent działający w uporządkowanym środowisku staje się wzmacniaczem jakości. Ten sam agent działający w organizacji pozbawionej standardów może stać się wzmacniaczem chaosu.

AI nie eliminuje odpowiedzialności

Wokół sztucznej inteligencji narosło wiele narracji dotyczących zastępowania ludzi. W praktyce widać jednak zjawisko odwrotne. Im większa autonomia agentów, tym większe znaczenie mają doświadczenie, wiedza domenowa i zdolność rozumienia systemu jako całości.

Agent może przygotować decyzję. Odpowiedzialność za jej skutki pozostaje po stronie człowieka
Agent może przygotować propozycję rozwiązania. Może wskazać ryzyka. Może przeanalizować ogromne ilości informacji w czasie nieosiągalnym dla człowieka. Nie przejmuje jednak odpowiedzialności za skutki swoich działań. To nadal ludzie odpowiadają za bezpieczeństwo danych, zgodność regulacyjną, stabilność systemów oraz konsekwencje podejmowanych decyzji. Właśnie dlatego przyszłość inżynierii oprogramowania nie będzie polegała wyłącznie na pisaniu kodu. Coraz większą wartością stanie się umiejętność rozumienia zależności między technologią, danymi i procesami biznesowymi.

‍

AI przyspiesza. Architektura nadaje kierunek

Jakość architektury nie polega na poprawnym diagramie. Polega na zdolności do bezpiecznej zmiany
Sztuczna inteligencja zmienia tempo działania organizacji technologicznych. Nie zmienia jednak fundamentalnych zasad budowy systemów. Dobra architektura pozostaje warunkiem bezpiecznej zmiany. Uporządkowane dane pozostają warunkiem wiarygodnych decyzji. Jasno określona odpowiedzialność pozostaje warunkiem skutecznego zarządzania ryzykiem.

AI może znacząco zwiększyć produktywność zespołów. Może skrócić czas analizy, implementacji i diagnostyki. Może stać się jednym z najważniejszych narzędzi współczesnej inżynierii. Ale tylko wtedy, gdy działa w organizacji, która wie, dokąd zmierza. Bo ostatecznie to nie AI odpowiada za system, lecz człowiek, który jest po stronie decyzji i konsekwencji. AI przyspiesza. Architektura nadaje kierunek. Człowiek nadal ponosi odpowiedzialność.

Czy Twoja organizacja jest gotowa na agentów AI?

Przed wdrożeniem agentów warto odpowiedzieć na kilka pytań

  • Czy istnieją aktualne kontrakty API?
  • Czy wiadomo, kto jest właścicielem usług i danych?
  • Czy zmiany przechodzą przez repozytorium, testy i review?
  • Czy istnieją testy kontraktowe?
  • Czy migracje danych mają plan rollbacku?
  • Czy działania agentów pozostawiają ślad audytowy?

Granica autonomii AI

Im większa autonomia agenta, tym większego znaczenia nabierają

  • architektura
  • polityki bezpieczeństwa
  • obserwowalność
  • governance
  • odpowiedzialność człowieka
Mit Rzeczywistość
AI zmniejsza złożoność systemów AI pomaga analizować złożoność, ale jej nie usuwa. Nowoczesny system nadal obejmuje usługi, dane, integracje, bezpieczeństwo, monitoring i procesy operacyjne.
Agent wygeneruje poprawny kod, więc problem jest rozwiązany Lokalnie poprawna zmiana może globalnie zaburzyć działanie całego procesu biznesowego.
O sukcesie zdecyduje najlepszy model językowy Przewagę budują uporządkowane dane, dojrzała architektura, standardy, governance oraz jasno określeni właściciele danych.
Dobrze zaprojektowana architektura pozwala agentom bezpiecznie działać szybciej. To współpraca ludzi, architektury i agentów tworzy wartość. AI przyspiesza. Architektura nadaje kierunek. Człowiek ponosi odpowiedzialność

Autor:

Marcin Ostrowski i Bogdan Kubik, architekci IT w Asseco Poland

‍