Mocno zyskują na AI. Ale czy nie potykają się o własne nogi? [OPINIA]

Tekst powstał w ramach projektu WP Opinie. Przedstawiamy w nim zróżnicowane spojrzenia komentatorów i liderów opinii publicznej na kluczowe sprawy społeczne i polityczne.

Z moimi zespołem ze Stanforda obserwowaliśmy, jak AI zmienia sposób, w jaki programiści kodują. Badania miały charakter globalny, ale efekty w Polsce okazały się zaskakująco ciekawe. Nie chodzi tu tylko o liczby – ale także o dowód na to, że w polskim środowisku programistów jest miejsce dla pewnej odwagi technologicznej. Co to znaczy?

Najnowsze badania przeprowadzone przez nasz zespół na Stanford objęły niemal 100 tysięcy inżynierów programistów z ponad 500 firm, z tego grona ponad 4 tysiące było z Polski. Wynik? Polscy programiści, stosując AI, osiągnęli wzrost produktywności na poziomie 18,8 proc., co stawia ich powyżej średniej europejskiej i niemal na równi z USA.

Ale – jak to bywa w badaniach, jak i w życiu – nie wszystko wygląda aż tak dobrze, jak na wspomnianym obrazku. Z jednej strony jesteśmy świadkami imponujących wyników, z drugiej strony zadajemy sobie pytanie: skoro wyniki są tak obiecujące, to czemu tak niewielu programistów w ogóle korzysta z tych narzędzi?

Polska niestety znajduje się w ogonie UE pod względem ogólnej adopcji AI (ang. overall AI adoption - to wskaźnik pokazujący, jak szeroko sztuczna inteligencja jest wykorzystywana w danym kraju, firmie lub branży – nie tylko przez pojedyncze osoby, ale w skali całego społeczeństwa czy gospodarki – red.).

Według Eurostatu jedynie Rumunia wypada gorzej. Skąd więc tak wysoka efektywność? Odpowiedź jest prosta: ci nieliczni, którzy z AI korzystają, to prawdziwi pasjonaci – innowatorzy, którzy robią więcej, szybciej, często lepiej.

To trochę jak z siłownią: może i tylko 5 proc. ludzi regularnie ćwiczy, ale za to robią to z pełnym zaangażowaniem. Reszta Europy? Też ćwiczy, ale z mniejszym zapałem. Wyjątek stanowią kraje nordyckie – tam wysoka adopcja i wysoka produktywność idą ręka w rękę.

Jest też inna ciekawostka – ale też pewien sygnał ostrzegawczy: polscy programiści korzystający z AI generują więcej kodu, który trzeba później poprawić. Co to znaczy?

Z jednej strony może to świadczyć o dużym tempie pracy i gotowości do eksperymentowania, z drugiej – o ryzyku, że zbyt szybko ufamy automatyzacji. W naszej analizie postanowiliśmy przyjrzeć się bliżej, co może za tym stać. Podczas gdy inne kraje "marnują" jedną jednostkę kodu na osiem, Polacy – dwie na dziewięć.

Procentowo wygląda to tak, że jedni "marnują 12,5 proc., a drudzy aż 22 proc. Może to znak innowacyjności, a może pośpiechu. Optymiści powiedzą: "to eksperymentatorzy!". Pesymiści: "to brak QA." (czyli Quality Assurance – proces sprawdzania, czy kod działa poprawnie i nie zawiera błędów, zanim trafi do użytkowników – red.)

Co warte podkreślenia, inżynierowie zatrudnieni w polskich oddziałach zagranicznych firm wykazywali wyższy wzrost produktywności niż ci pracujący w firmach lokalnych. Jednak po uwzględnieniu języka zapytań do AI (np. po angielsku), różnice te niemal znikają. Innymi słowy – AI po prostu "lepiej rozumie" język Szekspira niż Mickiewicza.

I tu dochodzimy do sedna sprawy: duże modele językowe (LLM), na których działa większość narzędzi AI, po prostu gorzej radzą sobie z językiem polskim. Trudniejsza gramatyka i znacznie mniejsza ilość danych treningowych sprawiają, że AI szybciej, ale też lepiej pomoże nam po angielsku niż po polsku.

Ale nie wszystko stracone. Według raportu Amazon Web Services adopcja AI w Polsce wzrosła w ostatnim roku o 36 proc. – i to jest najszybciej w całej UE. To oznacza, że może jeszcze nie jest liderem, ale sprint właśnie się zaczął, a dystans zaraz się zmniejszy.

Co więc Polska może zrobić jako kraj? Edukacja, inwestycje w przyjazne AI środowisko i większe wsparcie dla lokalnych firm wdrażających sztuczną inteligencję. Warto też, żebyśmy jako użytkownicy uczyli się zadawać pytania AI… po angielsku. Na razie działa szybciej.

Na marginesie: z badań wynika, że najczęściej używane narzędzia to GitHub Copilot, ChatGPT-4 i Tabnine. Wnioski? Polacy są gotowi na AI. AI też powoli zaczyna być gotowe na Polaków.

Nie pozostaje więc nic innego jak testować, poprawiać i… próbować nie zapomnieć, że za każdą linijką kodu siedzi nie tylko AI, ale też człowiek.

Na zakończenie warto podkreślić, że choć narzędzia takie jak GitHub Copilot, ChatGPT-4 czy Tabnine oferują ogromne możliwości, to ich skuteczność – przynajmniej na razie – w dużej mierze zależy od języka, w jakim z nich korzystamy.

A to prowadzi do jeszcze jednej refleksji: jeśli chcemy skorzystać w pełni z AI, nie wystarczy tylko czekać, aż technologia sama się dostosuje. Musimy aktywnie działać – rozwijać nasze kompetencje, wspierać tłumaczenia, trenować lokalne modele językowe i inwestować w edukację.

To nie jest tylko technologia. To narzędzie, które – przy odpowiednim podejściu – może zmienić sposób, w jaki pracujemy, uczymy się i rozwijamy.

Autorem jest Yegor Denisov-Blanch, badacz na Uniwersytecie Stanforda, specjalizujący się w sztucznej inteligencji oraz jej wpływie na inżynierów oprogramowania i pracowników wiedzy. Jego badania koncentrują się na tym, jak powszechna adopcja AI wpływa na produktywność, jakość pracy i przyszłość pracy cyfrowej. Doradza m.in. Bankowi Światowemu.