Współzałożyciel Solany stawia na AI w kodowaniu

Kiedy współtwórca jednego z największych blockchainów mówi, że przestaje sam pisać kod, warto słuchać uważnie. Anatoly Yakovenko, współzałożyciel Solany, na konferencji TechCrunch Disrupt przyznał, że coraz częściej pozwala agentom AI przejąć kontrolę nad zadaniami programistycznymi. To nie futurystyczna wizja – to dzieje się teraz.

Yakovenko czuje się komfortowo, oddając część odpowiedzialności za rozwój oprogramowania narzędziom opartym na sztucznej inteligencji. Dla kogoś, kto zbudował infrastrukturę blockchain przetwarzającą tysiące transakcji na sekundę, to deklaracja o sporym ciężarze.

Czym różni się agentic coding od asystentów AI

Agentic coding to podejście, w którym systemy AI nie tylko podpowiadają fragmenty kodu (jak robi to GitHub Copilot). One samodzielnie planują, piszą i testują całe funkcjonalności. Agent działa autonomicznie – analizuje wymagania, decyduje o architekturze rozwiązania i implementuje je od początku do końca.

To krok dalej niż asystenci programistyczni. Zamiast uzupełniać Twoje myśli, agent AI przejmuje całe zadanie i wraca z gotowym rozwiązaniem. Yakovenko najwyraźniej widzi w tym przyszłość. I już ją testuje.

Różnica między klasycznym asystentem AI a agentem kodującym jest fundamentalna. Asystent odpowiada na pytania i sugeruje uzupełnienia – działa reaktywnie. Agent natomiast działa proaktywnie: dostaje cel, sam formułuje kroki do jego osiągnięcia, a następnie iteracyjnie poprawia swoje rozwiązanie na podstawie wyników testów. W praktyce oznacza to, że programista może opisać funkcjonalność w języku naturalnym, a agent dostarczy działający, przetestowany kod – bez konieczności ręcznego pisania każdej linii.

Dlaczego twórca Solany ufa autonomicznym agentom

Yakovenko nie podał szczegółów technicznych, ale jego wypowiedź na Disrupt wskazuje na rosnące zaufanie do możliwości AI w realnych projektach produkcyjnych. Solana to ekosystem, gdzie wydajność i bezpieczeństwo są krytyczne – każdy błąd w kodzie może kosztować miliony dolarów.

Jeśli ktoś na tym poziomie odpowiedzialności zaczyna delegować zadania programistyczne AI, to sygnał dla całej branży. Nie chodzi tu o eksperyment w garażu. To świadome wykorzystanie narzędzi w projektach o realnym znaczeniu biznesowym.

Warto pamiętać, że Solana od początku swojego istnienia była projektem stawiającym na innowacje techniczne. Architektura Proof of History, która leży u podstaw sieci, była w swoim czasie rozwiązaniem nieszablonowym i kontrowersyjnym. Yakovenko ma więc udokumentowaną historię przyjmowania nowych, nieoczywistych podejść do inżynierii – jego otwartość na agentic coding wpisuje się w ten sam schemat myślenia.

Narzędzia, które zmieniają sposób pracy z kodem

Deklaracja Yakovenko wpisuje się w szerszy trend. Narzędzia takie jak Cursor, Replit Agent czy Devin od Cognition Labs zyskują na popularności wśród programistów wszystkich poziomów. Różnica? Teraz mówią o nich nie tylko startupy, ale liderzy dużych projektów technologicznych.

Każde z tych narzędzi podchodzi do problemu nieco inaczej:

• Cursor – edytor kodu z głęboko zintegrowanym modelem językowym, który rozumie kontekst całego projektu, nie tylko otwartego pliku.
• Replit Agent – pozwala opisać aplikację słowami, a następnie generuje, uruchamia i debuguje kod w środowisku chmurowym bez konieczności lokalnej konfiguracji.
• Devin od Cognition Labs – przedstawiany jako pierwszy w pełni autonomiczny agent inżynierski, zdolny do samodzielnego poruszania się po przeglądarkach, terminalach i repozytoriach kodu w celu realizacji złożonych zadań.

To właśnie ta różnorodność podejść sprawia, że ekosystem narzędzi do agentic coding rozwija się wyjątkowo dynamicznie. Programiści mają dziś do wyboru rozwiązania dopasowane do różnych stylów pracy i typów projektów.

Co wypowiedź Yakovenko oznacza dla programistów

Dla Ciebie jako developera (lub kogoś, kto pracuje z programistami) to oznaka, że warto eksperymentować z agentami AI już teraz. Nie za rok, nie za kwartał. Narzędzia dojrzały na tyle, że ludzie odpowiedzialni za miliardy dolarów kapitalizacji rynkowej stawiają na nie w codziennej pracy.

Praktyczny wniosek jest prosty: umiejętność skutecznego formułowania zadań dla agentów AI staje się nową kompetencją programisty. Podobnie jak kiedyś nauczenie się systemu kontroli wersji Git było obowiązkowym krokiem w karierze każdego dewelopera, dziś takim krokiem staje się opanowanie pracy z autonomicznymi narzędziami kodującymi. Ci, którzy nauczą się delegować odpowiednie zadania i weryfikować wyniki agentów, zyskają realną przewagę produktywności.

Yakovenko pokazuje, że przyszłość programowania nie polega na zastąpieniu ludzi przez AI. Polega na inteligentnym podziale zadań. Ty definiujesz kierunek, agent wykonuje pracę. Proste? Może. Skuteczne? Współtwórca Solany właśnie Ci to potwierdził.

Źródła

• TechCrunch AI – Solana co-founder Anatoly Yakovenko is a big fan of agentic coding