Sztuczna inteligencja to już nie tylko dodatek dla programistów, ale główny element tworzenia oprogramowania – uważa współzałożyciel i prezes OpenAI, Greg Brockman. Na konferencji Sequoia AI Ascent 2026 wskazał on, że agentyczne systemy nie ograniczają się już do podpowiadania kodu, ale coraz częściej samodzielnie realizują złożone, wieloetapowe procesy inżynieryjne.
Zdaniem Brockmana branża technologiczna stoi przed koniecznością całkowitego przemodelowania struktur zespołów deweloperskich. AI przestaje być jedynie opcjonalnym dodatkiem w edytorze tekstu, stając się integralnym elementem łańcucha produkcyjnego. Taka transformacja wymusza ewolucję roli człowieka: programista jutra to przede wszystkim architekt systemu, audytor i ekspert od walidacji, a nie rzemieślnik piszący kod od podstaw.
Szef OpenAI zaznaczył, że za obecnym skokiem jakościowym nie stoi jedna, rewolucyjna zmiana, lecz suma drobnych, konsekwentnych udoskonaleń. To efekt synergii między ewolucją modeli bazowych, precyzyjnym dostrajaniem w fazie post-treningu oraz rozbudową narzędzi, które umożliwiają agentom realizację coraz bardziej wielowątkowych operacji. Brockman zwrócił uwagę, że dzięki tej kumulacji usprawnień modele znacznie lepiej radzą sobie z analizą założeń projektowych i operacjami na poziomie systemowym, co pozwala im generować kod spełniający rygorystyczne standardy profesjonalnych środowisk produkcyjnych.
Wypowiedź Brockmana dotyczyła również platformy Codex, którą OpenAI rozwija jako narzędzie wykraczające poza samo programowanie. Według niego technologia ta ma służyć szerzej rozumianemu rozwiązywaniu problemów, obejmując także pracę z arkuszami kalkulacyjnymi, prezentacjami oraz innymi zadaniami wymagającymi analizy i organizacji wiedzy.
Rozwój agentów kodujących wpisuje się w szerszy trend w branży technologicznej. Największe firmy coraz częściej informują, że istotna część nowego kodu jest generowana przez narzędzia AI, a następnie sprawdzana i zatwierdzana przez inżynierów. Zmienia to proporcje między ręcznym pisaniem kodu a nadzorem nad systemami automatyzującymi część procesu programistycznego.
Taki model pracy może zwiększać produktywność zespołów, zwłaszcza przy zadaniach powtarzalnych, testach i integracjach. Jednocześnie wymaga bardziej rygorystycznych procedur kontroli jakości, bezpieczeństwa, przeglądu kodu i zarządzania odpowiedzialnością za błędy.
W praktyce rola programistów może coraz bardziej przesuwać się w kierunku architektury systemów, formułowania wymagań, oceny ryzyka i walidacji efektów pracy AI. Umiejętność precyzyjnego definiowania zadań, rozumienia ograniczeń modeli i wychwytywania błędów może stać się równie ważna jak samo pisanie kodu.
