AI dla software house'u i firmy IT – co zmienia w pracy zespołu, wycenie projektów i umowach

Na pytanie o przyspieszenie nie ma jednej odpowiedzi. Wynik zależy od rodzaju zadania, doświadczenia programisty i tego, jak dobrze narzędzie zna projekt. Tabela poniżej zestawia trzy często cytowane badania, które dobrze pokazują ten rozrzut.

Eksperyment GitHub dotyczył jednego, prostego zadania pisanego od zera. Badanie METR objęło doświadczonych programistów w dużych projektach, które znali od lat. W tym drugim przypadku AI bardziej przeszkadzała, niż pomagała, choć uczestnicy byli przekonani, że jest odwrotnie.

METR zastrzega, że wyniki dotyczą narzędzi z początku 2025 r., i w 2026 r. sam uznał je za nieaktualne. Lekcja pozostaje jednak ważna: odczucie zespołu i pomiar potrafią się mocno rozjechać. Dlatego deklarację „jesteśmy dwa razy szybsi” trzeba sprawdzić na liczbach.

Autorzy raportu DORA opisują AI jako wzmacniacz. W firmach z dobrze poukładanym procesem przyspiesza pracę, a w firmach chaotycznych szybciej odsłania ich słabości.

Najwięcej zyskujesz na pracy powtarzalnej i dobrze opisanej. Ryzyko rośnie tam, gdzie błąd jest kosztowny, a trudno go zauważyć. Poniższa lista porządkuje typowe zadania od najbezpieczniejszych do najbardziej wymagających.

Ankieta Stack Overflow z 2025 r. dobrze nazywa główny problem. Programiści najczęściej skarżyli się nie na kod całkiem błędny, tylko na kod „prawie dobry”. Taki kod przechodzi pobieżną kontrolę, a usterka może wyjść dopiero po przekazaniu oprogramowania klientowi.

Przy rozliczeniu za czas i materiały, czyli za przepracowane godziny, każda zaoszczędzona godzina zmniejsza Twój przychód. Klient o tym wie i coraz częściej pyta, dlaczego stawka się nie zmienia, skoro zespół korzysta z AI.

Nie trzeba od razu porzucać rozliczenia godzinowego. Warto jednak świadomie dobrać model do rodzaju pracy. Tabela poniżej pokazuje, kto korzysta na przyspieszeniu w każdym z trzech popularnych modeli.

Stała cena ma sens tylko wtedy, gdy umiesz dobrze szacować pracę z AI. Bez kilku miesięcy pomiarów na własnych projektach łatwo o wycenę, w której niewiadome zjedzą cały zysk z AI.

Przygotowanie oferty często zabiera kilka dni pracy najbardziej doświadczonych osób w firmie. AI może tę pracę skrócić, ale nie przejmie odpowiedzialności za wycenę.

Najlepiej działa praca na własnych materiałach. Firma zbiera dane z zakończonych projektów: zakres, szacunek, faktyczny czas i napotkane problemy. AI porównuje nowe zapytanie z tą bazą i przygotowuje szkic, który architekt poprawia.

Uważaj na szacunki tworzone przez AI bez danych z Twoich projektów. Brzmią przekonująco, ale opierają się na ogólnych wzorcach, a nie na tym, jak pracuje Twój zespół. Poniżej zadania, w których AI w ofertowaniu sprawdza się najlepiej.

Wielu właścicieli firm IT zastanawia się, czy przebudować ofertę wokół AI. To decyzja o zespole, sprzedaży i ryzyku, a nie tylko o haśle na stronie internetowej.

Firma ogólna może używać AI głównie do obniżenia własnych kosztów i nie sprzedawać go jako osobnej usługi. Specjalista od wdrożeń AI konkuruje wiedzą, ale potrzebuje ludzi z doświadczeniem i działa na węższym rynku.

Wiele firm wybiera drogę pośrednią: zachowuje dotychczasową ofertę i tworzy mały zespół do projektów AI. Ważne, by ten zespół miał prawdziwe projekty, a nie tylko pozycję w katalogu usług.

Klienci coraz częściej pytają o AI już przy negocjowaniu umowy. Chcą wiedzieć, czy ich kod trafi do zewnętrznych usług, kto odpowiada za błędy i do kogo należą prawa do kodu.

Prawa autorskie wymagają szczególnej uwagi. Polska ustawa chroni utwory będące przejawem działalności twórczej, a przeważa pogląd, że chodzi o twórczość człowieka. Kod wygenerowany w całości przez AI może więc nie być utworem, dlatego zapisy warto uzgodnić z prawnikiem.

Jeśli budujesz dla klienta system AI, np. chatbota, ustalcie, kto jest jego dostawcą w rozumieniu AI Act. Zwykle jest nim firma, pod której nazwą system trafia do użytku – czasem Ty, a czasem klient. Na dostawcy spoczywa m.in. obowiązek z art. 50: system musi informować ludzi, że rozmawiają z AI. Poniżej punkty, które warto omówić z klientem przed podpisaniem umowy.

Zanim zmienisz cennik albo obiecasz klientowi krótszy termin, zmierz efekt na swoich projektach. Wystarczy kilka miar, które większość zespołów i tak zbiera w systemie zadań, np. w Jira.

Porównuj okresy przed i po wprowadzeniu narzędzi, najlepiej na podobnych projektach. Liczba linii kodu nic tu nie mówi, bo AI łatwo ją zwiększa, a jakość może przy tym spadać.

Pomiar odsłania też koszty ukryte. Jeśli zadania kończą się szybciej, ale rośnie liczba błędów zgłaszanych przez klienta, zysk jest pozorny. Poniższe miary pokazują oba te zjawiska.

Wprowadzanie AI w firmie IT najlepiej prowadzić jak każdy projekt: z celem, pomiarem i decyzją po pilotażu. Poniższe kroki pokazują rozsądną kolejność.

Klienci pytają, jak sam korzystasz z AI. Najlepszą odpowiedzią są spisane zasady i liczby z Twojego zespołu, a nie ogólne deklaracje w ofercie.