Mentionsy Mentionsy
Better Dev Club
Better Dev Club

Better Dev Club #40 - Czy 9 agentów AI urodzi dziecko w miesiąc? Prawa IT i AI

01.10.2026 ·32 min 49 s

Czy rewolucja generatywnego AI jest w stanie obalić fundamentalne prawa inżynierii oprogramowania, które rządzą branżą od kilkudziesięciu lat? W 40. odcinku Better Dev Club Piotrek Stapp i Kajetan Duszyński biorą na warsztat klasyczne zasady wytwarzania software'u i sprawdzają, czy dorzucenie tokenów i armii agentów AI pozwala obejść ograniczenia, z którymi mierzymy się od dekad. Od dowcipu o 9 kobietach rodzących dziecko w miesiąc (Prawo Brooksa), przez architekturę odzwierciedlającą strukturę zespołów (Prawo Conwaya), po ewolucję systemów od prostych do złożonych (Prawo Galla).W dalszej części rozmowy panowie dyskutują o pułapkach metryk efektywności w dobie AI (Prawo Goodharta i "token maxing"), wyjaśniają, dlaczego dyskusje w internecie stały się zbyt grzeczne przez LLM-y, oraz analizują Prawo Amdahla na autentycznym przykładzie 3-tygodniowego debugowania błędu klawiatury w aplikacji terminalowej na iOS. Czy AI to faktycznie rewolucja wywracająca zasady gry, czy raczej ewolucja, która tylko uwypukla i wzmacnia klasyczne problemy inżynierii oprogramowania?Rozdziały:00:00 - Wprowadzenie do praw fizycznych i inżynieryjnych01:21 - Prawo Brooksa i jego współczesne zastosowanie w dobie agentów AI04:14 - Prawo Conwaya a nowa struktura organizacyjna i komunikacyjna07:29 - Ewolucja zespołów w kontekście agentów AI i monolitów10:19 - Prawo Galla: Dlaczego skomplikowany system musi wyrosnąć z prostego13:10 - Pułapki jednego prompta i zbieranie wymagań pod agentów16:28 - Problemy z wymaganiami w oprogramowaniu i iteracyjna krytyka20:22 - Prawa informatyki: Prawo Goodharta, mierzenie KPI i token maxing26:31 - Prawo Amdahla i wąskie gardła w automatyzacji (case study debugowania iOS)31:31 - Ewolucja czy rewolucja w kontekście AI oraz polecajka (Thinking in Systems)Linki i materiały:- Thinking in Systems (Donella H. Meadows): https://www.chelseagreen.com/product/thinking-in-systems/- Nasza strona z transkrypcjami: https://betterdevclub.pl#betterdevclub #programowanie #ai #softwaredevelopment #sdlc

Wynika to z konieczności wdrożenia i przeszkolenia nowych osób przez doświadczonych członków zespołu oraz wykładniczego wzrostu liczby kanałów komunikacyjnych w grupie. No i teraz miało to sens, to zawsze miało sens, bo faktycznie nawet kiedy wyceniamy projekty nowe albo kolejne projekty dla tych samych klientów, no to zawsze dodajemy jakiś czas na onboarding, zawsze dodajemy jakiś czas na wdrożenie, zawsze dodajemy jakiś czas na to, aż ci ludzie realnie zaczną być produktywni. Ale czy możemy o tym mówić właśnie w momencie, w którym na przykład chcielibyśmy dodać kolejnego agenta AI do naszego zespołu agentów AI? Czy on musi się onboardować?

Czy nie musi się onboardować? Czy on od razu przyniesie wartość, jeśli tam dopalimy mu trochę tokenami, trochę dolców mu dorzucimy jeszcze do pieca? Czy to oznacza, że to prawo Brooksa w tym momencie przestaje mieć znaczenie i 9 agentów AI będzie w stanie urodzić dziecko w miesiąc? Powiem przewrotnie, że wydaje mi się, Ponieważ to prawo, więc trzeba mocnego dowodu na ubicie go, to niestety nadal jest, no niestety, albo stety nadal jest aktualne. No bo jak, chwilę o tym, tak spróbujemy to zrozbić na czynniki pierwsze. Nie jak coś tam, Kretan, masz inne zdanie, to ty jak gdyby mów, nie?

Oczywiście jest jeszcze Trump i Elon Musk jako ludzie, którzy są zupełnie poza tym rankingiem. Ja swoje trzy grosze, które dałem radę wytrzymać, I Ci nie przerwałem? To słuchaj, bo jak się odpowiada na komentarze w internecie, używając LLM-a, żeby dobrze odpowiadać, to on jest miły. Tak, w pełni się zgadzam. To świetny punkt widzenia. Czy pomyślałeś jeszcze o... zamiast... Tu był bip i moje zdanie jest ważniejsze niż twoje. A ponieważ ludzie, tu polecam post chyba sprzed dwóch tygodni Oskara Dudycza, który zastanawiał się, po co ludzie to robią i tam nie chciał wrzucić w LLM, a od razu odpowiedział, a ja wrzuciłem, wkleiłem, po co ludzie to robią.

Pokazano wszystkie 3 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.