Starożytne chińskie powiedzenie brzmi: „Obyś żył w ciekawych czasach”. Często interpretowane jako przekleństwo, bo „ciekawe czasy” to te pełne zmian, niepewności i rewolucji, które testują naszą adaptacyjność. Dziś, w erze AI, te słowa nabierają nowego wymiaru – nie jako klątwy, ale zaproszenia do innowacji.
Żyjemy w czasach, gdzie technologia nie tylko przyspiesza, ale redefiniuje, co oznacza efektywność. A ja właśnie doświadczyłem tego na własnej skórze, wdrażając automatyzację w naszym zespole developerskim.
Mój przypadek – dług technologiczny, nudne i żmudne aktualizacje paczek NPM
W tym wpisie przedstawiam mój przypadek, gdzie AI zaoszczędziło nad tygodnie pracy a firmie pieniędzy na coś, co nie ma „wartości biznesowej”. Specjalnie wziąłem to w cudzysłów, bo biznes decyduje się na tego typu rzeczy na samym końcu lub jeśli musi (np. security issue).
Wyobraźcie sobie: stare paczki w package.json, rozsiane po wielu repozytoriach. Rutynowe zadanie wygląda tak:
- przeglądamy repo,
- identyfikujemy przestarzałe (niebezpieczne) paczki,
- planujemy migrację.
Brzmi prosto? W praktyce to kilka tygodni pracy: 2-3 dni na developera per zespół, bo każdy projekt ma inny setup, testy. Oczywiście w każdy przypadek będzie inny. W praktyce nikt nie lubi tego robić. Czasami jakaś funkcja jest użyta inaczej niż zwykle. Potem jest czekanie na code review, debugowanie, testy… Czas mija, a koszty rosną.
Niech zrobi to AI
Tu wkroczyło AI. Z pomocą Claude Code i Copilota stworzyliśmy szczegółowy plan działania (prompt).
Trzeba było szczegółowo opisać, co AI ma robić:
- zainstalować i usunąć odpowiednie paczki;
- dostosowanie starego kodu, do nowej wersji API biblioteki (trzeba było dostarczyć tzw. migration guide – przykłady kodu!!!);
- dostosowanie konfiguracji projektu do używania nowej wersji paczki;
- nie zmienianie logiki biznesowe – po pierwszych próbach AI za mocno ingerował w kod poprawiając popełnione przez siebie błędy;
- poprawa testów związanych tylko i wyłącznie z aktualizowaną paczką;
- na koniec AI odpalało testy (w tym coverage), lintera, sprawdzało typowanie TypeScript oraz sprawdzało czy projekt się buduje.
Cała instrukcja (prompt) do ogarnięcia tego wszystko zajmowała około półtorej strony A4.
Efekt? Niecała godzina i tysiące zaoszczędzonych złotówek
Jedna migracja, a w zasadzie aktualizacja starych paczek NPM, zajęła AI 40 minut. Obejmowało to migrację w 8 projektach. Dodatkowo poświęciliśmy niecały dzień na prompt engineering oraz research, by dostosować podejście do unikalnych setupów projektów.
Koszt samego AI, to 10 dolarów, czyli około 40 zł. Nawet dodając do tego czas programisty, który musiał zrobić research i stworzyć prompt, to i tak to się bardzo opłacało.
Policzcie sobie ile to by kosztowało normalnie. Niech będzie to dwa dni na jednego programistę. Szesnaście godzin pomnożone przez osiem projektów. W tym konkretnym przypadku wyszło nad takie równanie:
16 godzin × 8 projektów × stawka godzinowa < 40 zł
To, co kiedyś pochłaniało tygodnie, teraz dzieje się błyskawicznie. Nie chodzi tylko o oszczędność czasu – lecz o skalowalność, redukcję ludzkich błędów i uwolnienie devów do kreatywnych zadań. AI nie zastępuje nas, ale amplifikuje naszą produktywność.
Czy „ciekawe czasy” to przekleństwo, czy błogosławieństwo? Dla mnie to drugie – pod warunkiem, że się adaptujemy.
Teraz praca nad długiem technologicznym będzie prostsza i przyjemniejsza. Dodatkowo biznes widzi różnicę. Jak pokazaliśmy tę „technologię” górze, to była pozytywnie zaskoczona i zainteresowana tym.
Teraz planujemy kolejne migracje i aktualizacje.
Czy AI zastąpi programistów?
Tak. W tym sensie, że będzie robiła za nas tę nudną i powtarzalną część.
