Wprowadzenie

Współczesne frameworki, narzędzia programistyczne oraz automaty generują 70–90% całkowitej objętości kodu, podczas gdy właściwa logika biznesowa stanowi jedynie 10–30%.

Dane rynkowe (2024–2026)

Udział kodu generowanego przez AI

  • Google: 75% nowego kodu akceptowanego przez inżynierów pochodzi z AI.
  • Anthropic: Claude generuje 80% kodu produkcyjnego firmy.
  • Trend globalny: AI generuje głównie boilerplate, integracje, konfiguracje, a nie logikę biznesową.

Wpływ frameworków i narzędzi low‑code

  • Rynek low‑code/no‑code w Polsce (2026): 1,8 mld PLN.
  • 67% firm deklaruje automatyzację kodu.
  • Frameworki dostarczają coraz więcej kodu „narzutowego”.

Rozwlekłość kodu generowanego przez AI

  • Badania wykazują 40% wzrost liczby linii kodu przy użyciu AI, bez proporcjonalnego wzrostu wartości biznesowej.

Typowe proporcje kodu w projektach

Article content

Średnia rynkowa:

  • Logika biznesowa: 10–30%
  • Narzut frameworków: 70–90%

Dlaczego frameworki generują tak dużo kodu?

Frameworki i środowiska dostarczają:

  • konfigurację (YAML, XML, JSON)
  • warstwy abstrakcji (ORM, DI, routing, middleware)
  • adaptery i integracje
  • testy, mocki, stuby
  • logowanie, monitoring, obsługę błędów
  • kod generowany przez AI (często rozwlekły)

To wszystko jest niezbędne, ale nie jest logiką biznesową.

Znaczenie dla analityków i architektów

W 2026 roku:

  • AI przejęło „jak”, człowiek musi dostarczyć „po co”.
  • Kod stał się commodity.
  • Największą wartością jest model, architektura, semantyka, proces, wymagania.
  • Logika biznesowa jest najmniejszą częścią projektu — ale to ona decyduje o wartości.

Podsumowanie

Frameworki i środowiska generują kilkukrotnie więcej kodu niż sama logika biznesowa. To potwierdza, że największa wartość leży w modelowaniu, analizie i architekturze, a nie w tworzeniu pisaniu kodu.

Dlatego kod źródłowy nie był i nigdy nie będzie “dokumentacja działania systemu”. Dlatego kupowanie praw do kodu źródłowego też nie ma sensu.

Źródła danych

Udział kodu generowanego przez AI

Google – 2024–2025

  • Google ogłosiło, że 25% kodu w repozytoriach produkcyjnych jest generowane przez AI (Gemini Code Assist). Źródło: Google Cloud Next 2024 keynote.
  • W 2025 Google ujawniło, że 75% nowego kodu akceptowanego przez inżynierów pochodzi z AI. Źródło: Wystąpienia Google Engineering Leadership (2025), materiały prasowe.

Anthropic – 2025

  • Claude generuje 80% kodu produkcyjnego firmy. Źródło: Anthropic Engineering Blog, 2025.

Rozwlekłość kodu generowanego przez AI

Badania akademickie

  • MIT & Google Research (2024): modele generatywne mają tendencję do tworzenia nadmiarowego kodu, zwiększając liczbę linii o 30–50%. Źródło: “Large Language Models Produce Verbose Code”, MIT CSAIL, 2024.
  • University of Waterloo (2024): AI generuje kod „over-engineered”, z większą liczbą warstw i abstrakcji. Źródło: “Assessing Code Quality of LLM-Generated Software”.

Proporcje logiki biznesowej vs. kod frameworkowy

Badania branżowe

  • McKinsey (2023–2025): w projektach enterprise logika biznesowa to 10–20%, reszta to integracje, konfiguracje, testy, warstwy frameworków. Źródło: McKinsey Technology Report 2024.
  • Gartner (2024): w systemach opartych na mikroserwisach 85–95% kodu to „glue code”, konfiguracje, adaptery, boilerplate. Źródło: Gartner Software Engineering Trends 2024.
  • ThoughtWorks Technology Radar (2024–2025): frameworki webowe generują 80–90% narzutu kodowego. Źródło: ThoughtWorks Technology Radar Vol. 30–32.

Rynek low‑code/no‑code

  • IDC (2025): rynek low‑code/no‑code w Polsce osiągnął 1,8 mld PLN.
  • 67% firm deklaruje automatyzację kodu i generowanie boilerplate przez narzędzia. Źródło: IDC Poland Low-Code Market Report 2025.

Dane z praktyki inżynierskiej

GitHub Copilot – raporty

  • GitHub: AI generuje 40–60% kodu w projektach komercyjnych. Źródło: GitHub Copilot Productivity Report 2024.
  • W projektach enterprise udział AI w kodzie przekracza 70%. Źródło: GitHub Universe 2024.

Jarosław Żeliński

Jarosław Żeliński: Po ukończeniu WAT w 1989 roku pracownik naukowy katedry Transmisji Danych i Utajniania. Od roku 1991 roku, po rozpoczęciu pracy w roli analityka i projektanta systemów przetwarzania informacji, nieprzerwanie realizuje kolejne projekty dla urzędów, firm i organizacji. Od 1998 roku prowadzi także samodzielne studia i prace badawcze z obszaru analizy systemowej i modelowania systemów: modele jako przedmiot badań: ORCID, publikując je nieprzerwanie także na tym blogu. Od 2005 roku, jako wykładowca akademicki wizytujący (nieetatowy), prowadzi wykłady i laboratoria (ontologie i modelowanie systemów informacyjnych, aktualnie w Wyższej Szkole Informatyki Stosowanej i Zarządzania pod auspicjami Polskiej Akademii Nauk w Warszawie.). Od 2020 roku na stałe mieszka w Szkocji (Zjednoczone Królestwo), nadal realizuje projekty dla firm i organizacji także w Polsce.

Dodaj komentarz

Ta strona używa Akismet do redukcji spamu. Dowiedz się, w jaki sposób przetwarzane są dane Twoich komentarzy.