AI zmapowało 150 000 linii kodu legacy w jedną noc. W poniedziałek rano zaczęła się prawdziwa praca.

Andrzej Martens Andrzej Martens CEO

Ta noc jest prawdziwa. Agenty AI potrafią zinwentaryzować starszy kod sklepu internetowego w PHP – każdy plik, każdą zależność, każdą funkcję – i do śniadania przygotować mapę, nad którą senior siedziałby kiedyś trzy tygodnie.

Poniedziałkowy poranek też jest prawdziwy. To wtedy ktoś czyta tę mapę i decyduje, co z nią zrobić. Mapa to nie modernizacja. To moment, od którego modernizację można zacząć uczciwie planować.

Jeśli porównujesz oferty agencji, które powołują się na AI, ten tekst jest o przepaści między jednym a drugim – co AI robi w nocy, czego nie robi w poniedziałek rano i co to oznacza dla ofert leżących na twoim biurku.

Co rynek sprzedaje pod hasłem modernizacji kodu legacy z AI

Krąży pewna opowieść o modernizacji kodu legacy z pomocą AI. Brzmi tak: AI czyta dziś twój kod, rozumie reguły biznesowe, generuje testy, refaktoryzuje moduły i skraca czas modernizacji o 40–50%. Tę liczbę przypisuje się McKinseyowi, powtarza ją BCG, przedrukowują ją serwisy o strategii IT.

Ta liczba nie jest błędna. Po prostu policzono ją dla kogoś innego.

Te 40–50% pochodzi z korporacji, które modernizują setki systemów legacy naraz. Centra kosztów z radami nadzorczymi do spraw ładu IT. Nie firmy z jedną starszą platformą e-commerce w PHP, którą przez osiem lat łatały trzy zespoły i w której pytanie „gdzie siedzi logika rabatów” ma kilka odpowiedzi – każdą częściowo prawdziwą.

Gdy przyjrzysz się, skąd biorą się te 40–50%, liczba się rozpada: owszem, 40–50% przyspieszenia przy rozumieniu i dokumentowaniu kodu – ale przy rozumieniu intencji biznesowej, czyli faktycznego „dlaczego” stojącego za decyzjami w kodzie, AI oszczędza ci zero procent. Ta część wciąż wymaga ludzi. Głównie rozmów z tobą.

Tej części nie ma w prezentacji sprzedażowej.

Co naprawdę daje ta noc

Co nie znaczy, że AI jest bezużyteczne. Dobrze użyte zmienia trzy rzeczy przy przejęciu systemu legacy.

Odczytanie tego, co jest w kodzie.

Nocna mapa z początku tego tekstu – to właśnie to. Ale ma swoją granicę: mapa mówi, co jest w kodzie, a nie co jest ważne. Piętnaście tysięcy funkcji, zinwentaryzowanych i powiązanych ze sobą, i ani słowa o tym, na których dwunastu opierają się twoje przychody. Mapę wciąż musi uszeregować człowiek. Zmieniło się to, że to szeregowanie zaczyna się teraz od pełnego obrazu zamiast częściowego – i zaczyna się w poniedziałek, a nie w trzecim tygodniu. Mapa, która zajmowała dwa tygodnie, teraz zajmuje jedną noc. Audyt, który po niej następuje, nadal wymaga zespołu – ale startuje z kompletnej mapy, a nie z jej fragmentu.

Mapowanie zależności.

Systemy legacy mają ukryte powiązania. Funkcja A po cichu zależy od konkretnego zachowania funkcji B, napisanej pięć lat temu przez kogoś, kto już tu nie pracuje. Szukanie takich nitek było kiedyś powolne i ręczne. AI znajduje je szybko. Nie bezbłędnie – coś przeoczy, a coś oznaczy, choć problemu nie ma. Ale seniorzy, którzy kiedyś całymi dniami przekopywali kod grepem, teraz sprawdzają krótką listę.

Tłumaczenie kodu na ludzki język.

Ta zmiana jest dla ciebie najważniejsza. AI potrafi przeczytać funkcję na 300 linii i wyjaśnić prostym językiem, co robi. Kiedy napisze: „wygląda na to, że funkcja wylicza rabat lojalnościowy dla klientów, którzy złożyli więcej niż pięć zamówień w ciągu ostatnich dwunastu miesięcy, ze szczególnym przypadkiem dla zamówień z Niemiec”, możesz to porównać z tym, jak naprawdę działa twój biznes. Z surowego kodu nie dałbyś rady. Teraz dasz.

Zmieniają też koszt audytu – i jego charakter. Koszt nie znika, tylko się przesuwa. Przestajesz płacić za tygodnie, w których senior czyta kod, a zaczynasz płacić za dwie inne rzeczy: przetwarzanie przez AI (przy tej skali to realne pieniądze, ale ułamek kosztu tygodni pracy inżynierów) i godziny seniorów poświęcone na weryfikację tego, co wyprodukowało AI. To właśnie ta druga pozycja decyduje dziś o tym, czy audyt się uda. Agencja, która hojnie budżetuje weryfikację, rozumie tę pracę. Agencja, której wycena to samo AI i zero godzin na weryfikację, wycenia ci noc i liczy na to, że nie zapytasz o poniedziałek.

Jak wygląda poniedziałkowy poranek

Teraz trudniejsza część modernizacji kodu legacy z AI.

AI nie powie ci, dlaczego w twoim kodzie jest szczególny przypadek dla klienta o ID 47. Widzi ten wyjątek. Nie może wiedzieć, że klient 47 to twoje największe konto B2B, że wyjątek dodano po rozmowie telefonicznej w 2021 roku i że jego usunięcie kosztowałoby cię ten kontrakt.

Według ankiety Stack Overflow wśród programistów z 2025 roku 84% inżynierów korzysta z narzędzi AI do kodowania, ale tylko 60% ocenia je pozytywnie – dwa lata wcześniej było to 70%. Najczęstsza skarga, zgłaszana przez dwie trzecie respondentów: wyniki AI, które są „prawie dobre”. Nie na tyle złe, żeby je wyłapać. Nie na tyle dobre, żeby im zaufać. Na platformie e-commerce „prawie dobrze” wygląda jak rabat źle naliczany dla 3% zamówień – po cichu, przez kwartał, aż ktoś w księgowości zada pytanie.

W projekcie przejęcia wszystko sprowadza się do tego, co otacza kod. Kod to widoczna część. Nieudokumentowane reguły, decyzje związane ze zgodnością z przepisami, wyjątki dla konkretnych klientów, powody, dla których dany fragment logiki istnieje – to jest właściwy system. AI szybko czyta widoczną część. Reszta wciąż pochodzi od ludzi. Od twojego zespołu, który przeprowadza seniora przez to, co naprawdę ważne. Od tego, kto zbudował pierwotny system, jeśli wciąż da się do niego dotrzeć. Od ciebie. Tam naprawdę leży odpowiedzialność – nie w tym, kto napisał kod, ale w tym, kto bierze odpowiedzialność za zrozumienie, co ten kod robi i co się dzieje, gdy przestaje działać.

Warto znać drugą stronę medalu: im więcej takiego kontekstu dostanie AI, tym lepiej działa. AI, które wie, że prowadzisz e-commerce B2B z indywidualnymi cennikami kontraktowymi, czyta logikę rabatów zupełnie inaczej niż takie, które zgaduje. To znaczy, że to, ile agencja pyta o twój biznes, zanim dotknie kodu, mówi coś o tym, jak będzie korzystać z narzędzi. Zapamiętaj tę myśl – za chwilę do niej wrócimy.
Jest jeszcze jedna rzecz, której AI nie skraca: testy. Kiedy AI pisze testy do kodu bez pokrycia testami, pisze testy, które przechodzą. Czy testują właściwą rzecz – faktyczne zachowanie biznesowe, przypadki brzegowe, które mają znaczenie – to osobne pytanie. Bez istniejących testów jako wzorca AI zgaduje, co sprawdzać. I w tym zgadywaniu całe przedsięwzięcie zamienia się w teatr.

Sygnały ostrzegawcze

Oto na co zwracać uwagę przy następnej prezentacji oferty.

  1. „AI napisze wam testy”. W porządku. Kto sprawdzi, czy te testy testują właściwą rzecz? Jeśli odpowiedź brzmi „AI”, to znaczy, że nikt. Zapytaj o weryfikację przez człowieka.
  2. „Przeanalizujemy wasze reguły biznesowe z pomocą AI”. Też w porządku, co do zasady. Pytanie uzupełniające: jak potwierdzicie, że reguły wyciągnięte przez AI są kompletne? Kod legacy zawiera decyzje, których nie opisuje żaden komentarz. Bez kogoś z twojego zespołu, kto zweryfikuje wynik, dostajesz wiarygodnie brzmiące podsumowanie, a nie prawdę.
  3. Agencja nie pyta o kontekst twojego biznesu, zanim wyceni audyt. To mówi wiele. Narzędzia AI działają dobrze, gdy wiedzą, w jakiej branży działasz, kim są twoi klienci i czym faktycznie zajmuje się twoja firma. Agencja, która puszcza ogólny przebieg po twoim kodzie, przepali godziny na rzeczy bez znaczenia i przeoczy te, które się liczą. Jeśli nie pytają, używają uniwersalnego narzędzia. A za tę uniwersalność zapłacisz ty.
  4. „AI po prostu przepisze te zagmatwane fragmenty”. Nie. To oferta kogoś, kto chce pominąć etap zrozumienia. Przepisywanie bez zrozumienia to sposób na zamianę jednego systemu legacy w dwa.
  5. Nigdzie w planie nie ma mowy o pokryciu testami. Jeśli AI robi w twojej modernizacji cokolwiek istotnego, a nikt nie mówi o tym, skąd będziesz wiedzieć, że zadziałało – sprzedają ci szybkość, której nie da się zweryfikować.

Co to oznacza dla ciebie

Dobrze użyte AI w modernizacji kodu legacy powinno sprawić, że projekt będzie tańszy, szybszy albo dokładniejszy. Nie wszystko naraz. Agencja, która obiecuje wszystkie trzy, albo jeszcze tego nie robiła, albo nie rozumie kompromisów.

Pytanie nie brzmi, czy agencja korzysta z AI. Większość będzie korzystać w ciągu roku, jeśli jeszcze tego nie robi. Pytanie brzmi, czy używa go, żeby przyspieszyć pracę, która i tak zostanie wykonana – czy żeby pominąć pracę, którą wciąż trzeba wykonać.

Rzetelna modernizacja z udziałem AI ma kształt, z którym możesz porównać każdą ofertę: najpierw mapa (ta noc), potem weryfikacja mapy pod kątem twojego biznesu (ludzie, w tym twoi), potem siatka bezpieczeństwa z testów i dopiero wtedy zmiany w kodzie. Każda oferta, która zmienia tę kolejność – zmiany przed testami, testy przed weryfikacją – optymalizuje pod to, co dobrze wypada na demo.

Poznasz to na jednym spotkaniu. Zapytaj, jak przeprowadziliby audyt twojego kodu, i posłuchaj, czy odpowiedź opisuje ludzi, czy oprogramowanie. Zapytaj, co sprawdziliby ręcznie, i posłuchaj, czy to „ręcznie” to prawdziwa lista, czy pusta. Zapytaj o testy i posłuchaj, czy odpowiedź jest procesem, czy obietnicą.

Tak naprawdę oceniasz, gdzie leży odpowiedzialność. Nie kto napisał kod – tylko kto bierze odpowiedzialność za zrozumienie, co ten kod robi dziś, i za naprawienie tego, co zepsuje się jutro.

Jeśli doszedłeś do wniosku, że uporządkowanie twojego systemu legacy bez przepisywania go od zera jest poza zasięgiem – warto spojrzeć na to jeszcze raz. Grunt się przesunął. To, co dwa lata temu nie było realne, teraz jest.

Noc jest łatwa. Płacisz tak naprawdę za poniedziałkowy poranek.

Andrzej Martens
Andrzej Martens
CEO @ EfficientWeb

Porozmawiajmy o tym, czego naprawdę potrzebuje twój system legacy. Powiemy ci to samo, co powiedzielibyśmy każdemu na twoim miejscu.