Ha azt hitted, az AI a fejlesztőknek főleg gyorsítást és kényelmet hoz, van egy kevésbé látványos mellékhatás: sok csapatnál a kód minősége és a mérnöki munka öröme kezd szétcsúszni.

Mi történt

A szoftverfejlesztésben egyre agresszívebben terjednek az AI-alapú kódoló eszközök és „ügynökök” (olyan automatizmusok, amelyek feladatokat vállalnak át: kódot írnak, tesztet generálnak, hibát keresnek). Ezzel párhuzamosan több munkahelyen elvárássá válik, hogy a dolgozók minél többet használják ezeket — sőt, egyes cégeknél az AI-használat a teljesítményértékelésben is megjelenik.

A jelenség egyik kísérőfogalma a „vibe coding”: amikor valaki főleg AI-val „összerakat” megoldásokat, és inkább a gyors haladásra, mint a kód megértésére és karbantarthatóságára fókuszál. A kritika lényege, hogy így sok helyen „AI-kódáradat” keletkezik: látszólag kész a feladat, de a kód tele van rejtett hibákkal, rossz szerkezettel, félreértett követelményekkel. Ennek a rendbetétele gyakran a tapasztaltabb mérnökökre marad, akiknek a munkája egyre inkább tűzoltás és takarítás.

Miért fontos

Gondolj a kódbázisra úgy, mint egy város infrastruktúrájára. Lehet gyorsan felhúzni házakat, ha mindenki előregyártott elemeket dobál egymásra — csak később derül ki, hogy a csövek nem illeszkednek, a villanyhálózat túlterhelt, és a javítás sokkal drágább, mint az építés volt. A szoftverben ez úgy jelenik meg, hogy a „kimenő” produktivitás (sok commit, sok PR, sok sor kód) nőhet, miközben a rendszer megbízhatósága romlik: hibák szivárognak éles környezetbe, nő a karbantartási teher, és a csapaton belül feszültséget szül, hogy ki termel és ki javít.

Közben a költségoldal sem triviális: az AI-ügynökök tömeges használata könnyen „agent sprawl”-hoz vezethet (amikor túl sok automatizmus fut párhuzamosan, nehéz átlátni, mit miért csinál, és mennyibe kerül), és a használati díjak is elszállhatnak. A Futurism AI által idézett iparági hangulat szerint mindez nemcsak technikai, hanem identitásbeli válságot is okoz: a „mesterség” jellegű mérnöki munka helyét sokaknál a folyamatos utólagos javítgatás veszi át.

Mire figyelj

  1. Mérőszámok torzulása: ha az AI-használat vagy a „kiszállított mennyiség” önmagában cél lesz, a minőségbiztosítás és a karbantarthatóság könnyen háttérbe szorul.
  2. Kódreview és felelősség: kulcskérdés, hogy ki vállalja a felelősséget az AI által generált kódért, és van‑e idő/keret a valódi átnézésre (nem csak formális jóváhagyásra).
  3. Rejtett költségek: az AI-eszközök díjai mellett számolj a hibajavítás, incidenskezelés és technikai adósság (a későbbi „visszafizetendő” rossz döntések) növekvő árával is.
  4. Csapatmorál és szerepek: ha a seniorok tartósan „szemétfelszedő” üzemmódba kerülnek, az kiégéshez és elvándorláshoz vezethet — ami tovább rontja a minőség spirálját.

A következő hónapok egyik nagy kérdése az lesz, hogy a cégek képesek-e a gyorsítás ígéretét úgy megfogni, hogy közben ne amortizálják le azt, ami a szoftvert hosszú távon működőképessé teszi: a tiszta felelősséget, a jó mérnöki gyakorlatot és a megértésre épülő fejlesztést.