Az AI-kódgenerálás felgyorsítja a fejlesztést, de a felelősséget nem veszi át

Röviden

• Az AI kódgenerálás gyorsítja a fejlesztést, miközben az ellenőrzés és a rendszertervezés súlya növekszik.
• A vállalat számára a működő alkalmazás értéke fontosabb az elkészült kódsorok mennyiségénél.
• A következő vezetői feladat az emberi ellenőrzés, a költségek és a hosszú távú üzemeltetés összehangolása.

Egy fejlesztő korábban egy hétre becsült feladatot egyetlen délután alatt készített el. Bács Zoltán, az ARTofINFO ügyvezetője ezt a konkrét esetet idézte fel a DIG-IT Podcast beszélgetésében. A történet elsőre az AI-kódgenerálás mellett szól. Csakhogy az ügyfél számára a gyors teljesítés hamar új elvárássá válik. Amit tegnap még öt napra terveztek, azt holnap már néhány órán belül kérhetik. A fejlesztőnek közben továbbra is vállalnia kell a munkája következményeit. A gyorsaság tehát nem oldja meg automatikusan a szoftverfejlesztés legnehezebb problémáit, inkább máshová helyezi őket.

Az AI kódgenerálás átalakítja a fejlesztők munkáját, de a változás lényege nem a programozás megszűnése. A valódi üzleti kérdés az, hogy ki érti, ellenőrzi és tartja működésben a géppel létrehozott rendszereket. Kozma Ferenc, a Delta fejlesztési és technológiai igazgatója szerint a generált kód mennyisége már önmagában komoly terhelést jelenthet a tapasztalt szakembereknek. A vállalat ezért könnyen olyan helyzetbe kerülhet, amelyben gyorsabban készülnek alkalmazások, mint ahogyan azok minőségét ellenőrizni tudják. Ez a különbség határozza meg, mennyit ér a gyakorlatban a fejlesztés felgyorsulása.

Az AI kódgenerálás új feladatokat ad a fejlesztőknek

A generatív mesterséges intelligencia nem egyetlen munkafázisba épül be. A beszélgetésben Bács Zoltán arról számolt be, hogy már a követelményleírások, a programkód és a tesztforgatókönyvek elkészítésében is használják. A fejlesztő több párhuzamosan dolgozó AI-ügynököt irányíthat, majd ellenőrzi és összeilleszti az eredményeket. A munkája így a közvetlen kódírástól a rendszertervezés és az ellenőrzés felé mozdulhat el. Ehhez azonban továbbra is értenie kell a program működését. A gép által javasolt megoldás elfogadása ugyanis szakmai döntés marad.

A gyorsulás mértékéről már ellenőrzött kutatások is rendelkezésre állnak. A Management Science folyóiratban 2026-ban megjelent három vállalati kísérletet feldolgozó tanulmány összesen 4867 fejlesztő eredményeit vizsgálta. A mesterséges intelligenciával támogatott csoportoknál átlagosan 26,08 százalékkal több befejezett feladatot mértek. A kevésbé tapasztalt fejlesztők nagyobb arányban használták az eszközt, és nagyobb termelékenységi javulást értek el. A szerzők ugyanakkor az egyes kísérletek közötti eltérésekre is felhívták a figyelmet. Az eredmény ezért nem általános ígéret minden vállalati fejlesztésre.

Más kutatás más természetű kockázatot mutat. Az IEEE Transactions on Software Engineering folyóiratban 2026-ban közölt 69 résztvevős kísérlet szerint az AI-t használók magasabb feladatteljesítési arányt értek el. Ugyanakkor gyengébben válaszoltak a saját megoldásukra vonatkozó műszaki kérdésekre. Ez különösen fontos egy olyan szervezetben, ahol később másoknak kell továbbfejleszteniük az alkalmazást. A DIG-IT értelmezése szerint a gyorsabban előállított kód értékét az is meghatározza, hogy a csapat mennyire érti annak működését. A megértés hiányát a rövidebb fejlesztési idő önmagában nem ellensúlyozza.

A majdnem kész alkalmazás még nem vállalati rendszer

Bács Zoltán a gyors, természetes nyelvű utasításokra épülő fejlesztés (vibe coding) egyik legfontosabb korlátját a befejezés nehézségében látja. Egy üzleti felhasználó technikai háttér nélkül is messzire juthat egy alkalmazás összeállításában. A beszélgetésben említett 90 százalékos készültség azonban szemléltető becslés, nem mért iparági mutató. A rendszer bemutatóként már meggyőző lehet, miközben még nem felel meg a vállalati követelményeknek. A biztonság, a terhelhetőség és a meglévő rendszerekkel való együttműködés külön vizsgálatot igényel. A látványos felület tehát nem bizonyítja, hogy az alkalmazás üzemszerű használatra alkalmas.

A kockázatot magyar kötődésű kutatás is alátámasztja. Norbert Tihanyi, az Eötvös Loránd Tudományegyetemhez is kötődő kutató és szerzőtársai kilenc nyelvi modell által generált C-programokat vizsgáltak. Az Empirical Software Engineering folyóiratban megjelent tanulmányuk 331 ezer lefordítható program elemzéséről számolt be. A vizsgált mintában a programok legalább 62,07 százalékánál találtak sérülékenységet. Ez a megállapítás az adott programnyelvre, feladatokra és vizsgálati módszerre vonatkozik. Nem jelenti azt, hogy ugyanilyen arányban hibás minden mesterséges intelligenciával készített vállalati alkalmazás. Arra viszont erős figyelmeztetés, hogy az elkészült kód biztonságát külön ellenőrizni kell.

A tesztelés emiatt még összetettebb feladattá válik. Kozma Ferenc szerint az AI olyan mennyiségű kódot képes előállítani és módosítani, amelynek kézi felülvizsgálata nehezen tarthat lépést a fejlesztéssel. A gépi tesztgenerálás ezért egyre szorosabban kapcsolódik a gépi kódgeneráláshoz. Ugyanakkor a két folyamat közös hibaforrásokat is hordozhat, ha ugyanarra a félreértett követelményre épülnek. A vezetés szempontjából ezért az ellenőrzés függetlensége és a követelmények üzleti jóváhagyása különösen fontos. A tesztek futtatása és az üzleti alkalmasság igazolása nem ugyanaz a feladat.

A régi rendszereknél az emberi tudás hiánya a legnagyobb veszély

Az AI szerepét nem lehet kizárólag az új fejlesztéseken keresztül megítélni. Bács Zoltán szerint az ARTofINFO ügyfeleinél rendszeresen megjelenik a korábban elkészült alkalmazások átvételének igénye. A szoftverátvétel (software take-over) során egy másik fejlesztő vagy szolgáltató által készített rendszert kell tovább működtetni. Előfordulhat, hogy az eredeti beszállító megszűnt, vagy a belső fejlesztőcsapat már nem elérhető. A feladat ilyenkor túlmutat a kód megértésén. Fel kell tárni az üzleti összefüggéseket, az üzemeltetési függőségeket és a rendszer tényleges szerepét.

A podcast egyik példájában egy multinacionális vállalat kezdetben egyetlen szabadúszó fejlesztővel oldott meg egy fontos problémát. A növekvő igényeket később már másik csapatnak kellett kiszolgálnia. Az összehangolatlan technológiai döntések következtében végül öt, különböző megoldásokra épülő alkalmazás jött létre. A rendszerek működtek, de fenntartásuk és továbbfejlesztésük nehezebbé vált. Hasonló üzleti kitettséget mutat be a régi vállalati szoftverek modernizációjáról szóló DIG-IT elemzés. A tanulság az AI-val létrehozott alkalmazásokra is érvényes. Az első sikeres változat még nem teremti meg a hosszú távú fenntarthatóság feltételeit.

A gyors fejlesztés átalakítja az árakat és az elvárásokat

A fejlesztés felgyorsulása a szolgáltatók üzleti modelljét is érinti. Bács Zoltán szerint a korábban több munkanapot igénylő feladatokhoz kevesebb emberi munkaóra társulhat. Közben megjelenik az AI-rendszerek használatához kötődő tokenfogyasztás költsége. A két tényező együttesen változtathatja meg az ügyfeleknek felszámított díjakat. A pontos megtakarítás azonban a feladattól, a felhasznált eszközöktől és az ellenőrzési igénytől függ. A gyorsabban elkészült megoldás későbbi javítása ugyanis szintén ráfordítást követelhet.

A költségvitában könnyű megfeledkezni az emberi terhelésről. Kozma Ferenc a DIG-IT Podcastban arra figyelmeztetett, hogy a nagy mennyiségű gépi kód értékelése tartós koncentrációt követel a tapasztalt fejlesztőktől. Bács Zoltán hasonló terhelést tapasztal az alacsony kódigényű fejlesztési platformoknál is. A munkatársak kevesebbet foglalkoznak ismétlődő részfeladatokkal, viszont folyamatosan összetett döntéseket hoznak. A gyorsaság ezért nem feltétlenül jelent kisebb mentális igénybevételt. A szervezetnek a teljesítmény mellett az ellenőrzési kapacitást és a fejlesztői tudás átadását is kezelnie kell.

Az automatizálás és az emberi döntés határát a fejlesztési módszertan sem tünteti el. Bács Zoltán az üzleti folyamatok alapos felmérését a projekt egyik meghatározó szakaszának tartja. Az ARTofINFO gyakorlatában ezt később rendszeres visszajelzésre épülő fejlesztés követi. A munkafolyamatok felmérése során akár olyan felesleges lépésekre is fény derülhet, amelyeket a szervezet megszokásból tart fenn. Ezek automatizálása önmagában nem javítaná az üzleti működést. Hasonló vezetői dilemmát tárgyal a BIM-stratégia üzleti feltételeiről szóló korábbi írásunk, amely a technológiai döntések emberi és adatoldali feltételeit emeli ki.

A fejlesztő értéke a vállalati működés megértésében nőhet

A hagyományos fejlesztés, a kevés kódolást igénylő (low-code) platformok és a generatív AI nem feltétlenül egymás kizárólagos alternatívái. Bács Zoltán szerint a Mendix platformon építőelemekből hozhatók létre alkalmazások, és szükség esetén egyedi komponensek is fejleszthetők. Saját tapasztalata alapján a low-code fejlesztés három-ötször gyorsabb lehet a hagyományos kódírásnál. Ez vállalati tapasztalati becslés, nem általánosan igazolt sebességkülönbség. A beszélgetésben bemutatta a Mendix Maya AI-asszisztensét is, amely a specifikáció alapján támogatja a felületek és folyamatok létrehozását. A platformok közötti választásnál azonban az integráció, a későbbi módosíthatóság és a szolgáltatótól való függés is mérlegelendő.

A DIG-IT olvasata szerint a fejlesztők szerepe nem egyszerűen kisebb lesz, hanem más természetű. A kód előállítása könnyebben automatizálható, mint az üzleti probléma helyes meghatározása vagy a vállalható kockázat eldöntése. A nagyobb felelősség a rendszertervezés, az ellenőrzés és a hosszú távú fenntarthatóság körül összpontosulhat. Ez az ügyfél és a fejlesztőpartner kapcsolatát is módosítja. A részletes elszámolás mellett egyre fontosabb kérdéssé válik, milyen működő eredményt kap a vállalat, és ki vállal felelősséget annak további életciklusáért. A felelősség szerződéses rendezésének jelentőségét a menedzselt szolgáltatások irányításáról szóló DIG-IT cikk is tárgyalja.

A következő évek egyik nyitott kérdése, hogy az AI-rendszerek mennyire képesek majd önállóan teljesíteni a nagyvállalati alkalmazások minőségi követelményeit. Bács Zoltán szerint a természetes nyelvű utasításokon alapuló fejlesztés képességei tovább javulhatnak. Kozma Ferenc inkább az ellenőrizhető fejlesztési keretek jelentőségét hangsúlyozta. Mindkét megközelítés ugyanahhoz a vezetői kérdéshez vezet. Ki tudja bizonyítani, hogy az elkészült szoftver nemcsak működik, hanem biztonságosan tovább is működtethető? A témáról Bács Zoltán és Kozma Ferenc a DIG-IT Podcast teljes beszélgetésében fejti ki részletesen a tapasztalatait.

DIG-IT Podcast szerkesztőség - All rights Reserved.