Az AI kiváló segítség lehet olyan feladatoknál, amelyek jól körülhatárolhatóak, rutinszerűek, és kevés önálló mérlegelést igényelnek. Ilyen lehet például egyes kódrészletek előállítása, az ismétlődő megoldások megírása, a dokumentáció első változatának vagy bizonyos teszteknek az elkészítése.

Az így felszabaduló fejlesztői időt olyan munkára fordíthatjuk, ahol az emberi tapasztalat és ítélőképesség nagyobb hozzáadott értéket teremt: az architektúra megtervezésére, az üzleti logika tisztázására, a rendszer egészének megértésére és a hosszú távú fenntarthatóság biztosítására.

A tanulmány eredményei arra is figyelmeztetnek, hogy az AI-eszközök hatását nem érdemes egységesen kezelni. A kódolási asszisztensek és a hosszabb feladatok végrehajtására képes AI agentek eltérő eredményeket mutattak. Az agentek bevezetése a vizsgált vállalatoknál jelentős növekedéssel járt a kódolási aktivitás mutatóiban, miközben a review folyamat is intenzívebbé vált. Az asszisztenseknél jóval visszafogottabb kódolási hatásokat mértek, és nem találtak szignifikáns növekedést a vizsgált review mutatókban sem. Ez nem azt jelenti, hogy az egyik eszköztípus általánosságban jobb lenne a másiknál. Csak arra világít rá, hogy az AI bevezetésének eredményét az adott eszköz, a feladat jellege és a fejlesztési folyamat együtt határozza meg.

Az AI emellett gondolkodási partnerként is hasznos lehet. Segíthet alternatívákat keresni, megtalálni egy terv gyenge pontjait, vagy akár „gumikacsaként” működni, amikor egy problémát hangosan végiggondolva próbálunk megoldani. Ezekben a helyzetekben azonban nemcsak az számít, hogy az AI milyen választ ad, hanem az is, hogy a fejlesztő képes-e megítélni a válasz helyességét. Az alternatívák közötti választás, a követelmények pontosítása és a rendszer egészének megértése továbbra is szakmai feladat marad.

A tanulmányban bemutatott tapasztalatok is azt jelzik, hogy az AI által előállított kód ellenőrzése nem válik feleslegessé attól, hogy maga a kód gyorsabban elkészül. A fejlesztő munkája részben áthelyeződik a közvetlen kódírásról a javaslatok értékelésére, a hibák felismerésére és a megoldás javítására. Ehhez azonban továbbra is szükség van a megfelelő szakmai tudásra. Ahhoz, hogy felismerjük, mikor jó egy AI által javasolt megoldás, és mikor csak első pillantásra tűnik annak, értenünk kell a mögöttes elveket és a rendszer egészét.

A gyakorlatban ezért három kérdést érdemes feltenni egy feladat AI támogatással történő megvalósítása előtt:

  • Mennyire pontosan határozható meg az elvárt eredmény?
  • Milyen megbízható módszerrel ellenőrizhető, hogy az eredmény helyes?
  • Mekkora következménnyel járna, ha egy hiba mégis átjutna az ellenőrzésen?

Egy egyszerű, jól tesztelhető feladatnál nagyobb teret lehet adni az AI-nak. Egy üzleti szabályokat, jogosultságokat vagy kritikus adatkezelést érintő módosításnál viszont erősebb ellenőrzésre lehet szükség. Ugyanakkor nem merev szabályrendszert kell létrehozni, hanem az elvárt minőséghez és a kockázatokhoz érdemes igazítani a munkaszervezést. A cél az, hogy az AI ott gyorsítsa a fejlesztést, ahol az eredmény megfelelően ellenőrizhető, és a gyorsaság ne menjen az ellenőrzés ill. a minőség és megbízhatóság rovására.

Az AI használatát tehát tudatosan kell bevezetnünk és működtetnünk. A következő kérdés az, hogy miként győződhetünk meg arról: az elkészült kód nemcsak működik, hanem szakmailag is jó minőségű és megfelelő alapot ad a további fejlesztésekhez.

Forrás: Fiona Chen és James Stratton, Harvard University: Artificial Intelligence in the Firm: Bottlenecks in Software Production. A bejegyzés a 2026. augusztus 4-i változat alapján készült.

AI segítségével készült a szoftvered? Nézesd át szakértővel!