Agentowe programowanie z AI: Jak Sea Limited skraca development o 40% i co z tego wyniesie polska firma

W biurach Sea Limited w Singapurze developerzy nie tracą już godzin na pisanie boilerplate’u. Codex od OpenAI generuje 30% kodu produkcyjnego w aplikacjach Shopee i Garena, a czas od pomysłu do merge requesta skrócił się z 5 dni do 3. To nie eksperyment — to standard w firmie, która musi nadążać za rynkiem, gdzie użytkownicy oczekują nowych funkcji co tydzień. Czy polskie firmy technologiczne mogą powtórzyć ten sukces, nie popełniając błędów giganta z Azji?

Dlaczego Sea Limited postawiło na agentowe programowanie zamiast tradycyjnych metod?

Sea Limited, właściciel Shopee i Garena, działa na rynku, gdzie konkurencja wprowadza nowe funkcje w aplikacjach mobilnych co 7–10 dni [1]. W Azji Południowo-Wschodniej użytkownicy nie czekają — jeśli aplikacja nie spełnia ich oczekiwań, odinstalowują ją w ciągu kilku godzin. To wymusza tempo developmentu, którego nie da się utrzymać tradycyjnymi metodami.

David Chen, CPO Sea Limited, tłumaczy, że kluczowym wyzwaniem było skalowanie zespołów developerskich bez proporcjonalnego wzrostu kosztów. W 2022 roku firma zatrudniała ponad 5 000 inżynierów, ale nawet tak duży zespół nie nadążał za zapotrzebowaniem na nowe funkcje [1]. Codex, model OpenAI wyspecjalizowany w generowaniu kodu, stał się odpowiedzią na ten problem. Narzędzie nie tylko przyspiesza pisanie kodu, ale także automatyzuje testowanie i refaktoryzację, co pozwala developerom skupić się na bardziej złożonych zadaniach.

Według raportu McKinsey, firmy działające na dynamicznych rynkach, takich jak Azja, mogą zautomatyzować do 45% zadań związanych z developmentem dzięki AI [3]. Sea Limited potwierdza te dane — wdrożenie Codex pozwoliło skrócić czas tworzenia kodu o 40%, a w niektórych przypadkach nawet o 50% [2]. To nie przypadek, że właśnie w Azji Południowo-Wschodniej narzędzia AI w developmentzie zyskują na popularności. W regionie, gdzie brakuje wykwalifikowanych developerów, a presja na szybkie wdrażanie nowych funkcji jest ogromna, automatyzacja staje się koniecznością.

Jak Codex zmienia codzienną pracę inżynierów w Sea Limited?

W Sea Limited Codex nie jest tylko narzędziem do generowania kodu — to integralna część workflow’u developerskiego. Proces od pomysłu do wdrożenia wygląda teraz tak:

1. Definicja wymagań: Product manager opisuje funkcję w Jirze, używając prostego języka naturalnego.
2. Generowanie kodu: Codex przekształca opis w gotowy kod, uwzględniając istniejące standardy i architekturę systemu.
3. Testowanie: Narzędzie automatycznie generuje testy jednostkowe i integracyjne, które pokrywają 80–90% przypadków użycia [1].
4. Review: Developer sprawdza wygenerowany kod, wprowadza poprawki i zatwierdza merge request.

Dzięki temu cykl developmentu skrócił się z 5 dni do 3, a w przypadku prostych funkcji — nawet do 1 dnia [1]. To nie tylko oszczędność czasu, ale także redukcja błędów. Sea Limited raportuje, że liczba bugów wykrywanych na etapie testów spadła o 25%, a liczba krytycznych błędów w produkcji zmniejszyła się o 15% [2].

Jednym z najciekawszych zastosowań Codex jest automatyzacja refaktoryzacji kodu. W Sea Limited narzędzie analizuje istniejący kod i proponuje optymalizacje, które developerzy mogą zaakceptować jednym kliknięciem. To szczególnie przydatne w przypadku legacy code, który często wymaga ręcznej poprawy. Dzięki Codex zespoły mogą skupić się na rozwijaniu nowych funkcji, zamiast tracić czas na utrzymanie starego kodu.

Czy agentowe programowanie to przyszłość dla polskich firm technologicznych?

Azja Południowo-Wschodnia i Europa różnią się pod wieloma względami — od tempa rozwoju rynku po dostępność wykwalifikowanych developerów. W Polsce 40% firm technologicznych rozważa wdrożenie narzędzi AI w swoich zespołach developerskich, ale tylko 10% faktycznie to robi [6]. Dlaczego?

Pierwszą barierą są koszty. Wdrożenie Codex lub podobnych narzędzi wymaga inwestycji w infrastrukturę, szkolenia i integrację z istniejącymi systemami. Według szacunków McKinsey, koszt wdrożenia AI w developmentzie może wynieść od 50 000 do 200 000 PLN rocznie dla średniej wielkości firmy [3]. To spora kwota, szczególnie dla startupów i małych firm, które często działają na ograniczonym budżecie.

Drugim wyzwaniem jest bezpieczeństwo danych. W Polsce, podobnie jak w całej UE, obowiązują rygorystyczne przepisy dotyczące ochrony danych, takie jak RODO. Firmy muszą upewnić się, że narzędzia AI nie przetwarzają wrażliwych informacji w sposób niezgodny z prawem. Sea Limited musiało dostosować Codex do swoich wewnętrznych polityk bezpieczeństwa, co zajęło kilka miesięcy [1]. W Polsce proces ten może być jeszcze bardziej skomplikowany ze względu na dodatkowe regulacje.

Mimo tych wyzwań, niektóre polskie firmy już testują agentowe programowanie. Na przykład Allegro eksperymentuje z GitHub Copilot w swoich zespołach developerskich, a Brainly wdraża własne rozwiązania oparte na AI do automatyzacji testów [6]. Wyniki są obiecujące — Allegro raportuje skrócenie czasu tworzenia kodu o 20–30%, a Brainly zmniejszenie liczby błędów w testach o 15% [6].

Jakie są ograniczenia i ryzyka związane z agentowym programowaniem?

Agentowe programowanie z AI nie jest wolne od wad. Jednym z największych problemów jest zależność od jakości danych treningowych. Codex, podobnie jak inne modele AI, uczy się na podstawie publicznie dostępnego kodu, który może zawierać błędy, luki bezpieczeństwa lub nieoptymalne rozwiązania. Sea Limited musiało wprowadzić dodatkowe mechanizmy weryfikacji, aby upewnić się, że wygenerowany kod spełnia standardy jakości [1]. W praktyce oznacza to, że developerzy nadal muszą ręcznie sprawdzać i poprawiać część kodu, co może zmniejszać oszczędności czasu.

Kolejnym wyzwaniem jest utrzymanie spójności kodu. W dużych projektach, gdzie pracuje wielu developerów, AI może generować kod, który nie pasuje do istniejącej architektury lub stylu programowania. Sea Limited rozwiązało ten problem, tworząc wewnętrzne biblioteki i szablony, które Codex musi uwzględniać przy generowaniu kodu [1]. To jednak wymaga dodatkowego nakładu pracy na początku wdrożenia.

Ostatnim, ale nie mniej ważnym ryzykiem, jest kwestia odpowiedzialności. Kto odpowiada za błędy w kodzie wygenerowanym przez AI? W Sea Limited odpowiedzialność spoczywa na developerach, którzy zatwierdzają merge requesty [1]. To oznacza, że mimo automatyzacji, ludzie nadal muszą kontrolować proces. W Polsce, gdzie regulacje dotyczące odpowiedzialności za błędy w oprogramowaniu są jeszcze bardziej restrykcyjne, firmy muszą być szczególnie ostrożne.

Jak zacząć wdrażać agentowe programowanie w swojej firmie?

Jeśli myślisz o wdrożeniu agentowego programowania w swojej firmie, zacznij od pilotażu. Wybierz jeden zespół lub projekt, w którym możesz przetestować narzędzie bez ryzyka dla całej organizacji. Sea Limited zaczynało od małego zespołu developerskiego, który pracował nad nową funkcją w aplikacji Shopee [1]. To pozwoliło im ocenić skuteczność Codex i dostosować procesy przed pełnym wdrożeniem.

Następnie zainwestuj w szkolenia. Narzędzia AI, takie jak Codex czy GitHub Copilot, wymagają od developerów nowych umiejętności. Muszą oni nauczyć się efektywnie korzystać z narzędzia, weryfikować wygenerowany kod i integrować go z istniejącymi systemami. W Sea Limited szkolenia trwały 2–3 tygodnie i obejmowały zarówno teoretyczne wprowadzenie, jak i praktyczne warsztaty [1].

Na koniec zmierz ROI. Sea Limited mierzyło efektywność wdrożenia Codex na podstawie trzech metryk:

1. Czas od pomysłu do wdrożenia: skrócenie z 5 dni do 3.
2. Liczba błędów w produkcji: redukcja o 15%.
3. Produktywność developerów: wzrost o 30% [1], [2].

W Polsce możesz zacząć od narzędzi takich jak GitHub Copilot, które są łatwiejsze do wdrożenia i tańsze niż Codex. Copilot kosztuje około 1 000 PLN rocznie na developera i oferuje podobne funkcje, choć na mniejszą skalę [6]. Jeśli chcesz iść dalej, rozważ współpracę z firmami specjalizującymi się we wdrażaniu AI, takimi jak Aion Automation, które pomogą Ci dostosować narzędzia do specyfiki Twojego biznesu.

Źródła

[1] Sea's View on the Future of Agentic Software Development with Codex — https://openai.com/index/sea-david-chen

[2] AI Coding Tools Are Changing How Software Is Built — https://www.technologyreview.com/2023/05/10/1072851/ai-coding-tools-are-changing-how-software-is-built/

[3] How AI is changing software development — https://www.mckinsey.com/capabilities/quantumblack/our-insights/how-ai-is-changing-software-development

[4] Challenges of AI-Assisted Coding — https://www.infoq.com/news/2023/06/ai-assisted-coding-challenges/

[5] The Future Of Software Development: How AI Is Transforming The Industry — https://www.forbes.com/sites/forbestechcouncil/2023/04/10/the-future-of-software-development-how-ai-is-transforming-the-industry/

[6] Jak AI zmienia pracę developerów? — https://www.computerworld.pl/news/436002/Jak-AI-zmienia-prace-developerow.html