Przejdź do treści
SwankyForge
SwankyForge
Wszystkie insights
Artykuł8 min czytania

Z asystentem AI w każdym repozytorium automatyzujemy kontrole, a pięć decyzji zostawiamy ludziom

Jak zespół inżynierski pracuje z asystentami AI do kodowania: co uruchamia się automatycznie przy każdej zmianie, o czym zawsze decyduje człowiek i czego jeszcze nie zmierzyliśmy.

Większość pracy inżynierskiej w naszych repozytoriach zaczyna się dziś od pierwszej wersji napisanej przez asystenta AI do kodowania. Nic z tego nie trafia na produkcję tylko na słowo asystenta. Ta notatka opisuje konfigurację w takiej postaci, w jakiej istnieje w repozytorium tej strony, bo to je możemy pokazać publicznie. Wymienia też decyzje, które zostawiamy ludziom, i liczbę, której jeszcze nie możemy podać.

Wersja skrócona dla kupującego

Jesteśmy małym zespołem dwóch inżynierów, do którego dołączają specjaliści w zależności od projektu. Asystent AI pracuje obok nas obu. Przygotowuje szkice kodu, testów, dokumentacji i rutynowych opisów. Automatyczne kontrole uruchamiają się przy każdej zmianie i blokują te, które łamią regułę. Człowiek czyta każdą zmianę, zanim zostanie zmergowana. Nic nie trafia na produkcję ani do publicznej wiadomości bez wyraźnego „tak”.

Co Państwo z tego mają: ci sami dwaj inżynierowie pokrywają więcej rutynowej pracy, którą małe zespoły zwykle pomijają, takiej jak testy, dokumentacja i kontrole wydań. Dzięki temu więcej budżetu zostaje na części wymagające osądu: wybór metryki, decyzję, czy model jest wart budowy, i wpasowanie go w Państwa proces.

Czego nie twierdzimy: nie podajemy liczby przyspieszenia. Nie zmierzyliśmy jej, a dowody zewnętrzne mówią, że deklarowane przyspieszenia są niewiarygodne. Ostatnie sekcje mówią, co byśmy mierzyli i co to oznacza dla klienta.

Co mówią badania: narzędzie to nie zysk

Cztery badania z 2025 roku wpłynęły na to, jak to skonfigurowaliśmy.

  • Program DORA Google przebadał na potrzeby raportu 2025 blisko 5 000 specjalistów technologicznych. 90% używa AI w pracy, a ponad 80% uważa, że AI zwiększyło ich produktywność. Mimo to 30% deklaruje niewielkie zaufanie do generowanego kodu albo jego brak. Podsumowanie raportu brzmi: AI „wzmacnia to, co już jest”: mocne zespoły stają się lepsze, a zespoły z problemami widzą, jak te problemy się nasilają.
  • Raport technologiczny Bain 2025 wykazał, że zespoły używające asystentów AI do kodowania zyskują 10–15% produktywności. Niektóre firmy raportują 25–30%, ale tylko wtedy, gdy AI idzie w parze z przeprojektowaniem całego procesu. Jeden z powodów, dla których pierwsza liczba jest mała: pisanie i testowanie kodu to około 25–35% czasu od pomysłu do wdrożenia.
  • Stack Overflow Developer Survey 2025 wykazała, że 84% respondentów używa narzędzi AI lub planuje ich używać, a 46% nie ufa trafności wyników. Najczęstszą frustracją był wynik, który jest prawie dobry, ale jednak nie.
  • METR przeprowadził randomizowane badanie z 16 doświadczonymi programistami open source na 246 prawdziwych zadaniach. Gdy narzędzia AI były dozwolone, zadania trwały o 19% dłużej. Programiści spodziewali się przyspieszenia o 24%, a po badaniu nadal uważali, że byli o 20% szybsi. Autorzy zastrzegają, że wynik jest specyficzny dla ich warunków: dużych, dojrzałych projektów open source i programistów z ograniczonym doświadczeniem w używanym narzędziu.

Czytane razem, badania mówią trzy rzeczy. Wdrożenie asystenta jest łatwe. Zysk zależy od procesu wokół niego. A niczyje wrażenie co do własnej szybkości nie jest dowodem. Dlatego wysiłek wkładamy w proces (instrukcje, kontrole i punkty zatwierdzania), a nie w wybór narzędzia.

Co asystent robi w naszym repozytorium

Używamy Claude Code. Pięć elementów sprawia, że jego praca jest przewidywalna.

Instrukcje projektu. Plik w katalogu głównym repozytorium mówi asystentowi, co gdzie leży, które reguły są twarde i jakie komendy uruchamiać. Jest wersjonowany jak kod, więc zmiana reguł pojawia się w code review jak każda inna zmiana. Każdy z dostępem do repozytorium może dokładnie przeczytać, co powiedziano asystentowi.

Skille do powtarzalnych zadań. Skill to krótka spisana procedura, którą asystent wykonuje dla jednego rodzaju zadania. Mamy ich osiem: opis studium przypadku z rekordem dowodu, szkic notatki inżynierskiej, szkic posta na stronę firmową, generowanie profilu na zewnętrzną platformę, sprawdzanie tekstu pod kątem poufnych nazw i danych osobowych, audyt sygnałów zaufania strony w trybie tylko do odczytu, cotygodniowy raport statusu i triaż przychodzących zapytań. Każdy skill określa, gdzie się zatrzymuje. Żaden nie kończy się publikacją czegokolwiek.

Hooki. Działania asystenta przechodzą przez napisane przez nas skrypty. Po edycji pliku jest on skanowany pod kątem poufnych nazw i danych osobowych, a znalezisko odsyła asystenta do poprawki. Zanim asystent wykona git commit albo push, strażnik uruchamia skan poufności i lint twierdzeń na tym, co ma opuścić katalog roboczy. Każde znalezisko blokuje komendę. Zwykły hook pre-commit w git stosuje te same kontrole do commitów robionych ręcznie.

CI przy każdym pushu i pull requeście. Potok uruchamia lint, sprawdzanie typów i build, a potem trzech strażników:

  • skan poufności na kodzie źródłowym, treści i wyrenderowanym HTML. Jeśli brakuje jego konfiguracji, kończy się błędem, zamiast po cichu przejść;
  • lint twierdzeń, który odrzuca listę superlatywów i fraz zapożyczających cudzy autorytet;
  • walidator treści, który odrzuca studium przypadku bez rekordu dowodu, projekt referencyjny deklarujący zmierzone liczby i liczbę na stronie głównej, która nie linkuje do przypadku, z którego pochodzi.

Te reguły są celowo mechaniczne. Asystent szybko produkuje wiarygodnie brzmiący tekst, a „wiarygodne, ale błędne” to dokładnie ta porażka, którą opisują ankiety. Reguła uruchamiana przy każdym commicie nie zależy od tego, czy ktokolwiek, człowiek czy model, pamięta o ostrożności.

Potok treści. Wszystko, co ma być publiczne, przechodzi przez trzy foldery: szkice, zatwierdzone, opublikowane. Skill może zapisywać w szkicach i nigdzie dalej. Krok zatwierdzenia uruchamia wyłącznie właściciel, a ten krok ponownie uruchamia oba skany, zanim przeniesie plik. Publikacja jest ręczna: zatwierdzony post trafia do właściciela jako tekst gotowy do wklejenia, a zatwierdzona notatka pojawia się na stronie dopiero z następnym zatwierdzonym pushem do main. Ta notatka przeszła tę drogę. Asystent przygotował jej szkic na podstawie plików repozytorium, skany zostały na niej uruchomione, a na tę stronę trafiła po zatwierdzeniu przez człowieka.

Czego nigdy nie delegujemy

Pięć decyzji zostaje przy ludziach, niezależnie od tego, co potrafią narzędzia.

  1. Uzgodnienie metryki z klientem. Która liczba definiuje sukces, jak się ją mierzy i jaki próg oznacza zakończenie. Wpisujemy to do umowy, zanim zacznie się trening. Asystent może wypisać kandydackie metryki. Nie może wiedzieć, na podstawie której Państwa biznes będzie działał.
  2. Ocena, czy ML się opłaca. Czasem uczciwą odpowiedzią jest reguła, raport albo zmiana procesu. „Jeszcze nie róbcie ML” to rekomendacja, którą dajemy, i jest to osąd Państwa sytuacji, a nie zadanie generowania tekstu.
  3. Zatwierdzanie wydań. Merge do main wdraża. Nic nie trafia do main bez wyraźnego „tak” właściciela, a uprawnienia asystenta wykluczają force-push.
  4. Rozmowy z klientem. Rozmowy, pisemne odpowiedzi, złe wiadomości. Skill może przygotować szkic odpowiedzi na zapytanie; człowiek go czyta, poprawia i wysyła. Żaden skrypt nie kontaktuje się z leadem.
  5. Decyzja, co staje się publiczne. Posty, notatki, profile, studia przypadków i wydania kodu. Potok sprawia, że publikacja jest świadomym krokiem, a nie domyślnym działaniem.

Wspólnym mianownikiem jest odpowiedzialność. Każda z tych decyzji ma konsekwencje, za które ktoś musi odpowiadać, i tym kimś musi być człowiek. W projekcie jest to jeden wskazany inżynier, który zostaje przy pracy od początku do końca.

Czego nie zmierzyliśmy

Nie mamy liczby „przed i po” dla naszej własnej produktywności i nie będziemy jej podawać. Powodem jest wynik METR: programiści, którzy byli o 19% wolniejsi, uważali, że byli o 20% szybsi. Wrażenie, także nasze, nie jest pomiarem.

Jeśli opublikujemy liczbę, będzie miała tę samą etykietę dowodu co nasze studia przypadków (zmierzone, oszacowane albo poglądowe) i będzie pochodzić z zapisów takich jak te, zbieranych w określonym oknie czasowym:

  • czas od otwarcia zgłoszenia do przejrzanej, zmergowanej zmiany, dla porównywalnych typów zadań;
  • udział zmergowanych zmian cofniętych albo poprawionych w ciągu 14 dni;
  • problemy wychwycone przez hooki i CI przed merge'em w porównaniu z defektami znalezionymi później;
  • czas przeglądu na zmianę, bo to przy przeglądzie wynik asystenta kosztuje ludzi czas;
  • godziny na kamień milowy w porównaniu z wyceną z naszego kalkulatora.

Do tego czasu uczciwe twierdzenie jest węższe. Kontrole uruchamiają się przy każdej zmianie, a pięć powyższych decyzji podejmują ludzie.

Co to oznacza dla Państwa

Więcej rutynowej pracy zostaje wykonane. Przy stałym budżecie testy, dokumentacja, monitoring i kontrole wydań to pierwsze, co tną małe zespoły. Asystent sprawia, że są tańsze w napisaniu, a kontrole sprawiają, że trudno je pominąć.

Cena idzie na osąd. Nasze stawki i godziny stojące za każdą rolą są opublikowane na stronie z cennikiem, a kalkulator pokazuje rachunek. Najważniejsze godziny to te poświęcone metryce, ewaluacji i integracji z Państwa procesem: części, których żaden asystent za nas nie zrobi. Jeśli nie są Państwo pewni, czy ML to właściwa odpowiedź, bezpłatny teardown daje pierwszy werdykt w sześciu pytaniach, a krótkie płatne discovery rozstrzyga to, zanim zostanie wytrenowany jakikolwiek model.

Konfigurację można sprawdzić. Repozytorium od pierwszego dnia znajduje się w Państwa organizacji. Jeśli pracuje w nim asystent, jego instrukcje i kontrole też leżą w tym repozytorium, obok historii każdej zmiany, gdzie można je przeczytać.

Warto zadać każdemu wykonawcy te same pytania. Które narzędzia AI zobaczą Państwa kod i dane i na jakich warunkach? Które kontrole uruchamiają się przy każdej zmianie i czy blokują, czy tylko ostrzegają? Kto zatwierdza wydanie? Czy wykonawca zmierzył własne przyspieszenie i jak? Odpowiedzi pokażą, czy AI w jego procesie wzmacnia dyscyplinę, czy jej brak.

Źródła

Mają Państwo proces, który kosztuje za dużo?

Proszę nam o nim opowiedzieć. Pierwsza rozmowa jest bezpłatna, a jeśli AI nie jest odpowiedzią, powiemy to wprost.

Omów zadanie