Czy warto poznawać „surowe podstawy” DE w erze AI?

  • Czy warto poznawać „surowe podstawy” DE w erze AI?

    Posted by Marek Czuma on 2026-07-14 at 08:39

    Chciałbym poznać wasze zdanie i jednocześnie powiedzieć o moim.

    Czy dzisiaj warto poznawać takie „surowe”, podstawowe umiejętności, jak Linux, Bash, działanie sieci i serwerów? Albo – choć to trochę „po bandzie” – programowanie?

    Kilka moich spostrzeżeń, po systematycznym, długotrwałym korzystaniu z Codexa, Chata GPT, Cursora oraz z Genie (Databricks Assistant):

    • Asystent AI jest ramieniem, dźwignią. Żeby dobrze działał, musi mieć dobrego rozmówcę. Z tego wynika prosty wniosek: im lepsze skille mam, tym więcej „etapów” i błądzenia mogę ominąć i tym jeszcze lepszy wynik mogę uzyskać z AI.
    • AI potrafi być coraz bardziej kompleksowe. Ale wciąż „nie potrafi” spojrzeć aż tak bardzo z lotu ptaka, jak powinni to robić inżynierowie danych. Często nie dlatego, że nie ma takich „umiejętności”, tylko dlatego, że po prostu, najzwyczajniej w świecie, ciężko go zapiąć „na całym systemie”.
    • Finalnie to tylko narzędzie. Nawet jeśli inne niż reszta. A to prowadzi do prostej konsekwencji: to my odpowiadamy za efekt końcowy. Gdy robię swój prototyp, mogę lecieć na YOLO. Ale gdy robię duży system dla klienta, wypadałoby jednak zweryfikować co tam się w tym kodzie dzieje.
    • Błędy – wciąż się zdarzają. I to częściej niż można by oczekiwać. I nie wychwycimy ich bez tej bazowej wiedzy.
    • Nie zawsze opłaca się korzystać z AI – choć i ja łapię się na tym, że wolę zlecić asystentowi napisanie czegoś banalnego, zamiast poświęcić 20 minut więcej i zrobić to samemu. To trochę odpowiednik wyciągania kalkulatora, żeby policzyć „17 + 38”. Ale… AI kosztuje. I firmy w końcu zaczną coraz mocniej ograniczać wtedy, gdy nie jest to potrzebne. Sądzę, że tak jak dzisiaj specjalizujemy się w optymalizacji jobów sparkowych, tak pojawią się mocne dyskusje jak metodycznie ograniczać koszty zapytań.

    I jeszcze coś: W wielu przypadkach kodowanie się zmieni – i to już się dzieje.
    Klasyczne programowanie jest zastępowane przez wyspecjalizowane zlecanie
    dobrze opisanych zadań. ALE! Nasza robota to potem zrobić code review
    takiego rozwiązania. To może doprowadzić do paradoksu: potrzebni będą ludzie, którzy rozumieją kod i inne techniczne aspekty rozwiązań. Ale nie będzie skąd ich brać, bo będzie coraz mniej kodowania.

    Podsumowując:

    Moim zdaniem na etapie nauki warsztatu należy położyć bardzo mocny nacisk na zrozumienie mechanizmów. Ciągle to jest fundamentem. I będzie jeszcze długo.

    Myślę, że chyba rozwinę te spostrzeżenia w newsletterze najbliższym.

    Ale chętnie poznam wasze zdanie. Szczególnie, jeśli jest inne;-)

    Marek Czuma replied 2 tygodnie, 1 day temu 5 Members · 7 Replies
  • 7 Replies
  • Dominik Szcześniak

    Member
    2026-07-14 at 09:24
    235 Exp

    Hej,

    Ostatnio też się nad tym zastanawiałem. 🙂

    Uważam, że podstawy są dalej istotne i zgadzam się z większością tez, które tutaj postawiłeś.

    Na ten moment AI traktuję jako dźwignię i „przyspieszacz”. Nie jako coś, co mnie totalnie zastępuje. Korzystam w projektach (moja organizacja, pomimo tego, że jest bardzo regulowanym środowiskiem) jest otwarta na użycie narzędzi AI’owych. Prywatnie, czy w projektach dodatkowych również chętnie korzystam np. z Claude Code czy Power BI’owych MCP Serwerów.

    Dużo zależy od modelu który wybierzemy. Nawet na przykładzie Claude’a widzę, jak odpowiedni dobór modelu wpływa na szybkość i jakość rozwiązywania problemów. Co ciekawe, w kwestii np. Power BI widać ogromną różnicę między Sonnetem, a a Opusem (oczywiście na korzyść Opusa), nawet w kwestii realizacji prostych zadań.

    No i tutaj powoli przechodzimy do tego, co wspomniałeś. NIE WYOBRAŻAM sobie, żeby budując dojrzałe, skalowalne rozwiązanie kod nie został przejrzany/ zrozumiany przez DE/ BI Developera.

    Uważam, że zrozumienie podstaw i też doświadczenie, które zdobywaliśmy/ zdobywamy w różnych projektach dają przewagę i pozwalają korzystać z narzędzi jako dźwigni.

    Pytanie, jak to będzie wyglądało za kilka lat. Są też głosy, że obecne modele nadal są bardzo prymitywne i przez najbliższe lata przeskok będzie jeszcze większy. Czy będziemy operatorami i weryfikatorami kodu generowanego przez Agenty?

    Ciekawe też jak to wpłynie w ogóle na specyfikę pracy? Pojawia się też kwestia „cognitive oveload”, tego, że może będą oczekiwania, żeby jeszcze więcej projektów i zadań dowozić w tym samym czasie?

    A może skupimy się jeszcze bardziej na współpracy z biznesem? Na jeszcze lepszym rozumieniu procesów biznesowych/ szukaniu optymalizacji? My, osoby techniczne również.

    Ciekawi mnie też kwestia pricingu, o którym wspominałeś. Wydaje mi się, że niestety idzie to w stronę pay-to-win, czyli ktoś kto ma dużo kasy/ zasobów będzie z przodu wyścigu. Co dalej będzie rozwarstwiało biznesy. Przykład Fable – pokazujemy (teraz do 19.07) wszystkim, a potem jak chcesz to płać (chociaż teraz już są głosy, że nowy model od OpenAI dowozi, więc Fable będzie może ogólnodostępny dalej?). A może wrócimy do on- premów? 🙂 Gdzie każdy będzie trzymał swój model lokalnie, nie martwiąc się też o kwestie związane z bezpieczeństwem danych. (Już teraz w projektach i u Klientów widzę trend (potwierdzają też znajomi Developerzy), że firmy trochę obawiają się uzależnienia od infry zza Oceanu i szukają np. europejskich dostawców chmurowych). To wszystko zależy od potrzeb, wielkości organizacji, zasobów, które może poświęcić np. na zakup sprzętu na lokalne modele (nadal jest to droga impreza 😉 )

    Długie wyszło 😀 Ale temat bardzo ciekawy 🙂 Zachęcam tez innych do wypowiedzi! Miłego dnia!

  • Kasper Bania

    Member
    2026-07-16 at 21:46
    1150 Exp

    To właśnie do tego się sprowadza – rola programisty przesuwa się w stronę PM’a, który już nawet nie musi pisać kodu ale musi rozumieć kod generowany przez AI i umieć nim zarządzać w kontekście projektu. Słyszałem też ostatnio zgrabną definicję programisty – to taki ktoś, kto poradzi sobie z kodem jak AI będzie niedostępne 🙂

    Także modele językowe powinniśmy taktować jako asystentów, którzy wspomogą naszą pracę, pomogą gdy utkniemy, przetworzą dla nas trace błędów, bo nam może coś umknąć (kiedyś człowiek potrafił spędzić 3 dni na odkryciu, że jednak tam jest kropka, nie przecinek, dwuliterowy przyjaciel potrafi w ułamku sekundy odkryć ten błąd). Reasumując – uczmy się, rozwijajmy, czujmy temat.

    Dość też powiedzieć, że często AI robi takie babole, że głowa mała.

    Kolejną kwestią jest optymalizacja kosztów… W zeszły weekend mój Dyrektor siadł sobie i stworzył vibekodując POC systemu, który potrzebuje jeden z naszych oddziałów. Spalił na tym tygodniowy limit tokenów i oszacował, że zbudowanie tego rozwiązania pracując tylko z czat-botem wyjdzie 3 razy drożej, niż gdybyśmy kupili na rynku komercyjny program realizujący te same funkcjonalności (chodziło o program do zarządzania warsztatem samochodowym). To zaś co teraz oferowane jest za pół-darmo, za jakiś czas może kosztować konkretne pieniądze, a wiadomo – jak się wplecie to wszystko w procesy firmowe – może być problem.

  • Marek Czuma

    Organizer
    2026-07-17 at 11:18
    5633 Exp

    @dszczesniak „Wydaje mi się, że niestety idzie to w stronę pay-to-win, czyli ktoś kto ma dużo kasy/ zasobów będzie z przodu wyścigu.” – czy to nie jest trochę odwieczne prawo, które działa wszędzie i zawsze? Przynajmniej póki ktoś nie wymyśli czegoś kompletnie innego, co odwraca reguły gry. Wcześniej ogromne korporacje miały gigantyczne zespoły (ciągle mają), na które nie stać małych graczy.

    @kasper zaciekawił mnie case twojego dyrektora. Ale wydaje mi się, że to akurat nie jest najlepsze porównanie – bo nie porównujemy tworzenia oprogramowania do gotowego rozwiązania „z półki” tylko do tworzenia przy pomocy zespołu / samodzielnie. I wtedy sądzę że stworzenie PoCów nigdy nie było tak proste. A to właśnie PoC mogą pokazywać czy „warto

  • Marcin Orczyk

    Member
    2026-09-11 at 16:52
    244 Exp

    Najpierw trzeba zrozumieć działanie ludzkiego mózgu, a następnie działanie mózgu AI. Człowiek zdobywa wiedzę przez naukę i doświadczenie, które potem staje się fundamentem jego przyszłej pracy. AI uczy się maszynowo nie jest wstanie zrobić coś od podstaw korzysta tylko z gotowych wzorców wytrenowanych latami przez zaawansowane algorytmy. Wniosek nasuwa się sam człowiek jest w stanie zbudować coś od podstaw napisać kod do aplikacji rozumiejąc jego działanie tak zwana skutek przyczyna. AI powieli ten kod nie rozumieją konsekwencji napisania tego samego kodu. AI bez kontroli człowiek to tylko kolejny kalkulator tylko lepsze opakowanie i droższe materiały.

    • Marek Czuma

      Organizer
      2026-09-11 at 18:39
      5633 Exp

      Pytanie, jak głęboko musimy mieć wiedzę, żeby puścić ten kalkulator samopasem;-)

  • Przemysław Lelewski

    Member
    2026-09-12 at 10:20
    1009 Exp

    Usłyszałem na prezentacji osoby zarządzającej w bieżącym tygodniu coś w stylu „AI jest super, więc Wasza rola będzie się przesuwała w stronę AI jako DE” – ja to czytam jakoś tak „Wszyscy mówią i robią coś z AI. My też robimy, ale chcemy więcej i więcej bo to podnieca management”. Totalne i bezmyślne parcie. Ciekawe kiedy nastąpi pobudka… może jak nie będzie komu nadzorować AI 🤖

    • Marek Czuma

      Organizer
      2026-09-14 at 11:58
      5633 Exp

      Trudna sprawa, bo z jednej strony niesie to za sobą konsekwencje, a z drugiej… no własnie, wzrost produktywności i tempa prac jest bez precedensu.

      Rozmawiałem też ostatnio z bliskim mi liderem, który mówi, że w jego organizacji AI dość mocno wyeksploatowało inzynierów. To też specyficzna, i bardzo wymagająca branża, dla dużych klientów publiczych z wielu krajów, ale sam fakt ciągłego gonienia i sprowadzania roboty do nadzorowania czy AI nie robi głupot, jest dla wielu osób bardzo przepalający.

Zaloguj się aby odpowiedzieć