
Sign up to save your podcasts
Or


Czy programowanie z AI oznacza, że programiści nie muszą już czytać kodu? W najnowszym odcinku podcastu Opanuj AI rozprawiamy się z wizją bezobsługowego kodowania agentowego.
Na przykładzie głośnego przepisania komunikatora Campfire przez DHH (z Ruby on Rails na Rusta, Elixira i Go) oraz analizy Piotra Sarnackiego pokazujemy, dlaczego niedookreślony prompt zamienia kluczowe decyzje o architekturze oprogramowania, wydajności i bezpieczeństwie w rzut monetą – od wyciętych tokenów CSRF i Redisa, po ukryte blokady w kodzie asynchronicznym.
Przyglądamy się też drugiemu wyzwaniu pracy z agentami AI i modelami LLM po treningu RLVR, czyli syndromowi pilnego ucznia i przypadkowej złożoności kodu (overengineering). Bazując na obserwacjach Seana Goedeckego, wyjaśniamy, dlaczego sztuczna inteligencja w programowaniu domyślnie dokłada niezamówione mutexy oraz obsługę skrajnych przypadków brzegowych.
Dyskutujemy o tym, dlaczego eleganckie systemy powstają ze świadomej rezygnacji i jak wprowadzić do specyfikacji oraz promptów sekcję „czego NIE wymagamy”.
Na koniec sprawdzamy, jak zmienia się code review oraz weryfikacja kodu generowanego przez AI w oparciu o koncepcję Agentic Verification Addy’ego Osmaniego.
Materiały z odcinka:
Sarnacki o Campfire: https://itsallaboutthebit.com/i-am-sorry-but-you-still-have-to-think/
Godecke o overengineeringu: https://www.seangoedecke.com/what-requirements-dont-you-have/
Osmani o weryfikacji kodu generowanego przez AI: https://addyo.substack.com/p/agentic-verification
Zapisz się na nasze newslettery:
3 rekomendacje techniczne, 2 rozwojowe i bonus na dobry weekend: https://przeprogramowani.pl/newsletter
3 rekomendacje o AI na dobry początek tygodnia: https://opanuj.ai/newsletterProgramuj z AI: https://10xdevs.plW odcinku:00:00:00 - Wstęp i plan odcinka00:03:09 - DHH i one-shotowa migracja Campfire00:05:24 - Decyzje produktowe bez jednej słusznej odpowiedzi00:08:52 - Ukryte błędy w wersjach w Ruście i Elixirze00:13:09 - Charakterystyka ruchu i sensowne benchmarki00:17:37 - Dlaczego agenci przekomplikowują rozwiązania00:21:17 - Trening pod gradery i nadmiarowa złożoność00:23:25 - Nadmiar mutexów i defensywnego kodu00:26:40 - Świadome kompromisy i spisywanie non-goals00:31:59 - Pętle weryfikacji według Addy'ego Osmaniego00:36:31 - Strach o pracę i onboarding agentów00:39:45 - Testy mutacyjne, property-based i pułapka coverage'u00:44:13 - Na co stawiać jako programista00:49:09 - Brak gwarancji i nasz zakład na przyszłość💌 Podobało się? Zostaw suba 🚀
Co się dzieje z pracą programisty, kiedy kod powstaje szybciej, niż człowiek jest w stanie go przeczytać? Procesy, na których od lat opiera się branża IT, przestają nadążać za możliwościami agentów AI. Firmy takie jak Anthropic, Google czy Imprint już dziś eksperymentują z nowymi sposobami organizacji pracy. W tym odcinku sprawdzamy, dlaczego tradycyjne code review staje się wąskim gardłem, a obsługę incydentów coraz częściej przejmują agenci. Zastanawiamy się też, czy przyszłość należy do jedno- i dwuosobowych zespołów wspieranych przez AI. Na konkretnych przykładach pokazujemy, jak zmienia się rola programisty, którego najważniejszym zadaniem przestaje być samo pisanie kodu. Bo jeśli ograniczeniem nie jest już tempo programowania, lecz ludzka uwaga i zdolność podejmowania decyzji, to być może cała branża potrzebuje nowych zasad działania.
Mateusz Wróbel to Senior Software Engineer w Trivago, który od 16 lat pracuje w zawodzie, a od 2023 roku buduje rozwiązania oparte o LLM-y. Rozmawiamy o tym, jak wygląda codzienna praca programisty w epoce agentów, od ticketu aż do produkcji. Mateusz opowiada, co w firmie mocno stawiającej na AI jest już normą, jak przygotować zadanie, żeby agent mógł je wykonać, i jak weryfikować efekty jego pracy. Sprawdzamy też, czy code review staje się nowym wąskim gardłem i kiedy legacy lepiej naprawiać, a kiedy przepisać od zera.
Mateusz dzieli się też doświadczeniami z lokalnymi modelami i jego domowym laboratorium: co dziś działa, gdzie SLMy wciąż przegrywają z modelami frontier i jak radzą sobie agenci pracujący kilka dni bez przerwy. Na koniec rozmawiamy o nastrojach na 2027 rok, czyli o AI FOMO, motywacji i o tym, czego warto się dziś uczyć. To odcinek dla każdego, kto chce budować z AI zarówno własne narzędzia po godzinach, jak i produkty w zespole.
Kiedy inżynierowie z Doliny Krzemowej zapowiadają koniec plan mode, my mówimy - planowanie nigdy nie było tak ważne. Sprzeczność? Wręcz przeciwnie - raczej wyjaśnienie definicji, które zbyt łatwo są ze sobą utożsamiane. Zastanowimy się czego potrzeba do odpowiedzialnej pracy z agentami najnowszej generacji, a do tego dołożymy historię o cookie bannerze nowej generacji i modelach jak Opus 5.5, które znowu są INSANE.
Co trzeba zmienić w software developmencie, kiedy napisanie kodu przestaje być najdroższą częścią procesu?
Omawiamy AI-Native SDLC Playbook od Anthropic, porównujemy go z 10xDevs i zastanawiamy się, jak zmienia się rola programisty, gdy agenci przejmują większość implementacji.
Rozmawiamy też o agentach OpenAI, które spontanicznie zaczęły ze sobą współpracować, oraz o tym, czy rzeczywiście powstały „cywilizacje AI”, czy raczej mieliśmy do czynienia z efektownym security facepalmem. Na koniec: SpaceX kupuje Cursora za 60 mld dolarów, Grok 4.6 trafia do edytora, a OpenAI zapowiada wycofanie swoich modeli.
Materiały z odcinka:
👉 Anthropic, AI-Native SDLC Playbook: https://claude.com/blog/the-ai-native-sdlc-playbook
👉 METR + Redwood, raport OpenAI/Hugging Face: https://metr.org/hugging-face-incident-report-aug-2026.pdf
👉 Dwarkesh Patel, The Rise and Fall of Agent Civilizations: https://www.dwarkesh.com/p/openai-huggingface
👉 10xDevs: https://10xdevs.pl/
Czy sztuczna inteligencja naprawdę staje się tańsza, skoro rachunki za modele i agentów AI rosną? I czy autonomiczne systemy są wystarczająco bezpieczne, aby powierzać im coraz bardziej złożone zadania?
W tym odcinku podcastu Opanuj.AI analizujemy dwa najważniejsze pytania dotyczące przyszłości AI: ile naprawdę kosztuje korzystanie ze sztucznej inteligencji oraz czy potrafimy kontrolować autonomicznych agentów.
W pierwszej części przyglądamy się ekonomii AI. Wyjaśniamy, dlaczego cena tokenów nie mówi jeszcze, czy wykorzystanie modelu jest opłacalne, jak mierzyć koszt poprawnie wykonanego zadania oraz dlaczego programowanie stało się jednym z najbardziej wartościowych zastosowań generatywnej AI.
W drugiej części rekonstruujemy incydent, w którym agent OpenAI podczas ewaluacji cyberbezpieczeństwa wydostał się poza kontrolowane środowisko i uzyskał dostęp do infrastruktury Hugging Face. Zastanawiamy się, co ta historia mówi o autonomii agentów, bezpieczeństwie modeli oraz odpowiedzialności firm rozwijających najbardziej zaawansowane systemy AI.
Z odcinka dowiesz się:
– dlaczego AI może być jednocześnie coraz tańsze i coraz droższe,
– jak mierzyć rzeczywisty koszt pracy wykonywanej przez modele,
– dlaczego AI coding ma inną ekonomię niż pozostałe zastosowania GenAI,
– co incydent Hugging Face mówi o możliwościach autonomicznych agentów,
– czy otwarte modele dają obrońcom większą kontrolę nad AI.
Posłuchaj podcastu Opanuj.AI i sprawdź, co okaże się większym ograniczeniem rozwoju sztucznej inteligencji: jej cena czy bezpieczeństwo coraz bardziej autonomicznych systemów.
Czy najlepsze modele AI właśnie przestały być zwykłym produktem, a stały się technologią kontrolowaną przez państwo?
W tym odcinku rozmawiamy o bezprecedensowej sytuacji: rząd USA blokuje publiczny dostęp do najmocniejszych modeli AI - Fable 5 / Mythos od Anthropic oraz GPT-5.6 Sol od OpenAI. Oficjalnie chodzi o cyberbezpieczeństwo. W praktyce pojawia się pytanie: czy zaczyna się era reglamentowanego AI?
Omawiamy, dlaczego modele frontierowe mogą być traktowane jak technologia podwójnego zastosowania, co oznaczają amerykańskie blokady dla firm i developerów oraz dlaczego chińskie LLMy dystrybuowane jako open weights, takie jak GLM, DeepSeek i MiniMax, zmieniają całą geopolityczną układankę.
W drugiej części odcinka bierzemy na warsztat raport Cursora o reward hackingu w benchmarkach programistycznych. Okazuje się, że część modeli osiąga świetne wyniki nie dlatego, że samodzielnie rozwiązuje zadania, ale dlatego, że znajduje gotowe odpowiedzi w internecie, historii repozytoriów albo pull requestach.
Czy benchmarki AI nadal mierzą realne umiejętności modeli? Czy najmocniejsze AI powinno być dostępne publicznie? I co to wszystko oznacza dla programistów w Europie?
Daj znać w komentarzu, czy rządy powinny mieć prawo blokować dostęp do najmocniejszych modeli AI.
Byliśmy na Google I/O 2026 i opowiemy wam o tym na żywo! W zupełnie nowym formacie podcastu Opanuj.AI zapraszamy na relację z konferencji, która była dla nas jedną wielką niewiadomą, ale też szczególnym wyróżnieniem.Jest tylko jeden haczyk - jeden z nas faktycznie był na miejscu, a drugi będzie próbował ustalić, czy już teraz warto rezerwować bilety na edycję 2027. Marcin opowie o tym, czego oczekiwał przed wyjazdem, co faktycznie wydarzyło się na miejscu i co przegapiły social media. Przemek z kolei wcieli się w rolę ciekawskiego fana nowych technologii, który chciałby poznać rzeczywistość konferencji w USA i tego, jak robią to prawdziwi liderzy świata AI.Porozmawiamy o Gemini, Julesie, Antigravity, Managed Agents, NotebookLM oraz o jednym z najważniejszych newsów całego I/O, który nie padł podczas głównego keynote, tylko został schowany w sekcji o Chrome.Do tego dorzucimy obserwacje z rozmów z zespołami Google i szczerą ocenę tego, co naprawdę zrobiło na nas wrażenie, a co pozostało konferencyjnym szumem. Zapraszamy!
W kwietniu 2026 dostaliśmy wysyp dużych premier: GPT-5.5, Claude Opus 4.7, DeepSeek V4, Cursor 3.0, Zed 1.0, Meta Muse Spark i nowe obrazy w ChatGPT. Na pierwszy rzut oka wygląda to jak kolejny wyścig o „najlepszy model”. Ale coraz wyraźniej widać, że sama jakość modelu to za mało.
W tym odcinku rozmawiamy o tym, dlaczego w pracy z AI coraz większe znaczenie ma nie tylko model, ale całe środowisko wokół niego: narzędzia, pamięć, cache, prompt systemowy, sandbox, kontekst repozytorium, koszt pełnego workflow i sposób, w jaki agent realnie dowozi zadania.
Nie przegap 10xDevs 3.0 - 10xDevs.pl
Webinar o benchmarkach - YT @Przeprogramowani
Czy AI naprawdę rozumie świat, skoro oblewa testy, które człowiek rozwiązuje bez większego problemu? I czy jednocześnie właśnie na naszych oczach kończy się era klasycznych SaaS-ów?W najnowszym odcinku opanuj.ai bierzemy na warsztat dwa tematy, które dziś najmocniej rozgrzewają świat sztucznej inteligencji i technologicznego biznesu.Najpierw analizujemy ARC-AGI-3 - nowy benchmark, o którym w środowisku AI zrobiło się głośno dosłownie kilka dni po premierze. To test, który ludzie przechodzą relatywnie łatwo, podczas gdy najlepsze modele AI osiągają wyniki bliskie zera. Co tak naprawdę mierzy ARC-AGI-3? Dlaczego współczesne modele zawodzą na nim tak spektakularnie? Czy da się poprawić ich wyniki i najważniejsze: czy ten benchmark faktycznie mówi nam coś istotnego o realnych możliwościach AI w 2026 roku?W drugiej części odcinka przechodzimy do pytania, które coraz częściej wraca w rozmowach founderów, inwestorów i liderów produktów: czy SaaSy naprawdę umierają? Przez lata obowiązywał prosty model - użytkownik korzystał z interfejsu, firma płaciła za seaty, a dostawca skalował przewidywalny przychód. Dziś ten porządek zaczyna się kruszyć. AI radykalnie obniża koszt budowy oprogramowania, zmienia oczekiwania klientów i przesuwa wartość z samego narzędzia na dostarczanie konkretnego wyniku. Rozkładamy więc na czynniki pierwsze, kto w nowym świecie będzie kontrolował relację z klientem, dlaczego pricing per-seat przestaje działać i czemu wiele firm SaaS będzie musiało wykonać głęboki pivot.To odcinek o tym, gdzie dziś naprawdę są granice AI i jak AI zmienia ekonomię budowy software’u.
00:00 Intro
04:16 ARC-AGI 3 – nowy benchmark AI
11:17 Historia ARC-AGI 1 i 2
18:46 ARC-AGI 3 – format gry i kontrowersje
51:44 Szybkie newsy: Anthropic, OpenAI, Pentagon
59:09 Przyszłość SaaS i migracja wartości
1:29:35 Szybkie newsy: NVIDIA GTC, Cursor, Chiny
1:38:04 Podsumowanie i zakończenieProgramuj z AI: https://10xdevs.plZapisz się na newsletter Opanuj.AI: https://opanuj.ai/newsletter💌 Podobało się? Zostaw suba 🚀
From the publisher's feed

11 Listeners

63 Listeners

35 Listeners

41 Listeners

45 Listeners

7 Listeners

39 Listeners

9 Listeners

11 Listeners

60 Listeners

34 Listeners

18 Listeners

14 Listeners

24 Listeners

0 Listeners