Mentionsy Mentionsy
Data Driven by Future Processing
Data Driven by Future Processing

Dług technologiczny na sterydach: co AI robi z kodem, którego nie sprawdzasz

13.10.2026 ·1 godz 23 min · 13 rozdziałów

Dług technologiczny istnieje od lat 90. Ale czy definicja sprzed trzech dekad wciąż działa w świecie, gdzie kod generuje AI?Patryk Kiepel, Cloud Data Architect i Mateusz Salik, Senior Software Engineer rozmawiają z Błażejem Ksyckim o tym, jak AI zmienia charakter długu technicznego – i czy w ogóle można mówić o świadomym zaciąganiu długu, gdy kod generuje black box.Rozmawiamy o tym, czy dług zaciągnięty przez AI to nadal dług, czy zwykły bałagan, dlaczego refaktoryzacja spadła z 21% do 3,8% a duplikacja kodu wzrosła o 81%, co się dzieje, gdy agent wyłącza testy, żeby tylko przejść CI, czym jest dług kognitywny i czy za kilka lat młodzi programiści będą umieli ocenić kod, którego nigdy ręcznie nie pisali oraz kiedy tryb YOLO ma sens – i kiedy kończy się żart.Dla tych, którzy używają AI do kodowania i zastanawiają się, czy powinni się tym bardziej martwić.

0:00 · Wprowadzenie i definicja dług technologicznego 1

Moimi gośćmi dzisiaj są Mateusz Calik Senior Software Engineer oraz Patryk Kiepel Cloud Data Architect. Panowie, zaczynając bezpośrednio wprost. W zasadzie taka klasyczna definicja długu technologicznego, ona jest W zasadzie dość precyzyjna bym powiedział i już nawet bym powiedział, że też dość stara, bo ona po raz pierwszy chyba się tam pojawiła, była zdefiniowana w latach 90., na początku lat 90. I ona zakładała, że to jest taka decyzja, gdzie się idziemy na skróty, ale po pierwsze świadomie, żeby wiemy, co trzeba zrobić dobrze, robimy na skróty szybciej.

5:03 · AI i dług technologiczny 2

Muszę pójść do kogoś wziąć pożyczkę, żebyśmy mogli dopiero rozmawiać o długu. Patryku, zgadzasz się z tym? Ja się zgadzam z tym, ale też troszeczkę doprecyzuję tutaj słowo bałagan, dlatego że fajne jest tutaj rzucanie epitetami, że coś jest niskiej jakości z bałaganem i zgadzam się, że w wielu przykładach tak jest, natomiast czasami musimy się po prostu mierzyć z tym, że nie wszystko musi być super wygłaskane. Nie zawsze potrzebujemy mieć super piękne narzędzia do tego, żeby orać pole, żeby to było po prostu łatwe i nie każdy projekt jest systemem bankowym, który jest używany na całym świecie i ma super wielką odpowiedzialność. Z tego też powodu, jeżeli wiemy, że coś musi być na chwilę, coś może być po prostu zwyczajnie plasterkiem, który będzie na chwilę zaimplementowany, to

No dobra, ale czy to oznacza, że trochę dochodzimy do takiego momentu, gdzie tą definicję Powiem teraz po raz trzeci, z lat 90. trzeba przypisać od nowa po prostu, kiedy ona się już po prostu zaktualizowała, ona funkcjonowała wtedy, kiedy pisaliśmy ten kod inaczej, ten workflow był inny, SDLC było inne i w tym momencie musimy przyjąć inne kryteria definicji długu technologicznego. Patryku, jakby... Jasne. Ja bym się trochę nie zgodził, w sensie... Ona dalej działa, tylko my perspektywicznie troszeczkę mamy taki bias kognitywny, że chcielibyśmy to rozumieć w stary sposób, że to my pisaliśmy ten kod. My teraz odchodzimy od tego paradygmatu,

13:55 · Specyfikacja i dług technologiczny 1

Dobrze, a Patryku pozwól, że Ciebie spytam, czy uważasz, że jakby ten spec-driven development, niezależnie od frameworka, którego wybierzemy, bo tych frameworków jest już w chwili obecnej też mnóstwo, czy on rzeczywiście nas w jakiś sposób może zabezpiecza? Nie tyle przed długiem technologicznym, ale przed tym bałaganem właśnie, że minimalizuje tą przypadkowość i brak determinizmu decyzji, przynajmniej na poziomie architektonicznym. Dalej to wszystko jak wszystko zależy. To znaczy, tak, jest już to jakiś framework, który potencjalnie daje nam pole manewru, usprawniające sposób działania AI na pewno w ramach kontekstu.

21:01 · Stabilność narzędzi i dług technologiczny 2

Output. I teraz jakby... Od lat wiemy, że dobrą praktyką jest jakiś pip-freeze czy cokolwiek, żeby zamrozić wersję, żeby nam się nie robiło bałagan w dependencies w projektach, ale tutaj jest YOLO, najnowsza wersja i lecimy. Patryku, nie przeraża cię to poniekąd? Nie, no to jest przerażające, dlatego że no tak jak mówisz, chcemy mieć jakby stabilność do tego, że w naszych projektach używamy modeli, no i nawet jak mamy te modele po prostu, a okej, wrzucamy sobie tam Claudiusza i lecimy sobie na tym modelu, no to nie mamy tej gwarancji, że no za chwilę no skill niestety zostanie troszeczkę tutaj źle skonfigurowane, no i ten output nie będzie zbyt dostosowany do naszych wymagań przez chwilę.

I teraz pytanie, czy to trochę nie kłóci się z taką podstawową koncepcją, Długo technologicznego, bo wtedy jednak mieliśmy świadomość, dlaczego to robiliśmy, a tutaj jest po prostu końcowa decyzja. Czy to nie będzie rodziło problemów, Patryk? Co do zasady myślę, że tak, tylko w sumie też brakuje mi takiego konstruktu, W jakim zakresie to będzie budzić problemy? Dlatego, że możemy sobie debatować, w jakich warunkach mogłoby to budzić problemy, w jakich nie mogłoby budzić problemy. Co do zasady bym powiedział, że raczej w większości warunków, jeżeli nie jesteśmy świadomi popełnianej decyzji, to jest to tak samo jak z umową kredytową, która ma mnóstwo, mnóstwo stron, jest zawalowana malutkimi druczkami.

28:34 · Code review i dług technologiczny 1

Takie jest moje zdanie. Okej, a powiedz mi Patryku, czy w tym momencie Puszczanie agentowego code review na kodzie, który wygenerował inny agent ma w ogóle jakikolwiek sens? Czy to nie jest trochę teatr review, że tak powiem? I jeszcze tym bardziej, że często gęsto to tak wygląda, że do kodowania używamy tych modeli wyższego rzędu, a do tych review używamy Ja to oceniam tak, że realnie możliwe, że to w jakichś przypadkach zmniejszy jakąś ilość błędów, natomiast uważam, że to jest antypraktyka.

34:34 · Konsekwencje rozwoju AI 3

Patryk, myślisz, że to się tak może skończyć? Głęboko wierzę w to, że agenci też będą ewoluować i proces pojmowania ich kontekstów będzie rosnąć. Druga sprawa jest też taka, że frameworki do tych większych projektów są takie, że one po prostu rosną taką piramidką, pokazując kontekst temu, żeby on był w stanie sobie paginować ten kontekst do większych projektów, więc uważam, że taka metoda byłaby pewnego rodzaju odpowiedzią na ten problem. Natomiast jest to realnie duży dylemat z tego powodu, że tak jak kiedyś brakowało nam pamięci RAM, dlatego żeby po prostu te programy w jakiś sposób działały, obecnie nie mamy tego problemu.

Albo nawet jeżeli sobie to AI tłumaczy gdzieś pod spodem na angielski, no bo nie wiemy co te tule robią tak do końca. No to pytanie, czy sama taka translacja i prowadzenie konwersacji w swoim języku ojczystym już nie sprowadzi się do tego, że ten output będzie inny, czyli będzie niedeterministyczny. Wracam do tego. No, ale tak trochę sobie pozwolę też challenge'ować. Nie wiem, Patryk, czy się ze mną zgodzisz, czy to nie jest trochę tak, że nawet teoretycznie, gdy język polski jest naszym ojczystym, ale jakby nie dostaliśmy nigdy certyfikatu z Rady Języka Polskiego, że umiemy ten polski na ocenę celującą, więc już nawet w naszą ojczystym wprowadzamy szum.

Czy z wprowadzeniem LLM-ów, które same generują kod, przestaniemy umieć pisać kod? Ale z drugiej strony to jest taka dyskusja, którą mieliśmy w latach 60-tych. Czy z wprowadzeniem kalkulatora ludzie przestaną umieć liczyć? Albo czy z wprowadzeniem Wikipedii ludzie przestaną umieć czytać? Czy to nie jest w kółko ten sam temat, tylko w innym wariancie, Patryku? Troszkę jest, natomiast inflacja skilli technicznych jest zauważalna na rynku. Moim zdaniem, i to też wszystko jest tak zwanie, wiadomo, żyjemy w swojej bańce informacyjnej i każdy żyje w swojej bańce jakby w pracy.

70:15 · Rozważania nad jakością danych 1

Dojrzałości w wielu, wielu, wielu miejscach, żeby tak naprawdę dopuszczać AI do tych danych, już pomijając to, co AI z tym zrobi samą z siebie. Bo przecież jakiś tutaj Patryk, który siedzi tam w księgowości, on od lat wie, że tutaj jest to zapisywane w danym formacie, ale od danego roku się to zmieniło, no bo to jest wiedza tajemna. Ale AI tego dokumentnie nie wie i to jest tam trzymane gdzieś tam, na różnych serwerach rozbite. Więc jak nie ma tych metadanych, to AI tego nie przerobi, choćbyśmy nie wiadomo jak bardzo sobie w niego cisnęli. Więc ten problem dalej pozostaje. I nawet jeżeli to, że coś w dany sposób ma być wyliczone, to my i tak musimy ten model poprowadzić, że kurczę, my musimy mieć te wymagania, co my tak naprawdę chcemy, wiedzieć jak to ma być policzone, wiedzieć jak to ma być zrobione, zanim dojdziemy do tego zadania.

76:09 · Ryzyka i strategie w projektach AI 2

Nie możecie kierować tych pieniędzy nigdzie indziej niż na AI. Jakich takich ryzyk staralibyście się zmitygować od początku? Chociaż jedno, takie najważniejsze ryzyko, które byście starali się minimalizować. A w co byście inwestowali pieniądze? Może tak po jednej rzeczy z tych dwóch kategorii. Patryk. Ok, to u mnie będzie tak, że to będzie około AI'owe, ale dalej będzie to dotykało AI'a, czyli mapowanie, translację procesów biznesowych, requirementów i jakość danych. Czyli do tego, że jesteśmy gotowi na to, że wiemy jakie są procesy, wiemy co chcemy zautomatyzować, wiemy jakie są potrzeby, jakie

Zgadzam się. Dziękuję Wam za udział w dzisiejszym podcaście. Sądzę, że drodzy widzowie, możemy Was na koniec zostawić przede wszystkim z taką radą, że o ile może i możecie spróbować zaufać temu, co generuje LLM, to na pewno musicie wiedzieć, na czym to uruchamiacie. To był kolejny podcast z serii Data Driven, a moimi gośćmi był Patryk Kiepel i Mateusz Salik. Dzięki.

Pokazano wszystkie 13 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.