Amikor a kód megírja önmagát

Valami Csendben Rendkívüli Történik

Az élvonalbeli AI laborokban átléptek egy küszöböt. Nem sajtótájékoztatóval vagy termékbemutatóval — hanem a bolygó legfejlettebb AI rendszereit építő mérnökök csendes, szinte mellékesnek tűnő beismerésével: abbahagyták a kódírást.

Nem „AI-t használnak segítségként." Nem „az AI gyorsítja a munkafolyamatukat." Érdemi, operatív értelemben teljesen abbahagyták a kódírást.

Boris Cherny, az Anthropic Claude Code vezetője 2026 januárjában közölte, hogy több mint két hónapja nem írt egyetlen sor kódot sem. Az Anthropicon belül a kód „gyakorlatilag 100%-a" AI-generált — egy szóvivő a vállalati szintű arányt 70–90%-ra pontosította, míg maga a Claude Code kódbázisa körülbelül 90%-ban AI által írt. Egy évvel ezelőtt a mérnökök munkájuk 28%-ában használták a Claude-ot. Ma ez 59%. A produktivitásnövekedés 20%-ról 50%-ra duplázódott.

Ezek nem tervszámok. Ezek operatív tények a Claude-ot építő cégtől.

Az OpenAI Egymillió Soros Kísérlete

Az OpenAI tovább vitte a koncepciót egy célzott kísérlettel, amit „harness engineering"-nek neveznek. Mindössze három mérnök indult neki egy teljes termék megépítésének a Codex segítségével — egyetlen, nem tárgyalható szabállyal: nem írnak kézzel kódot.

Az első commit egy üres repozitóriumba 2025 augusztus végén érkezett. Öt hónappal és nagyjából 1500 pull requesttel később a repozitórium nagyságrendileg egymillió sornyi kódot tartalmazott — alkalmazáslogikát, infrastruktúrát, eszközöket, dokumentációt és belső fejlesztői segédprogramokat felölelve. Emberek egyetlen sort sem írtak közvetlenül.

A csapat „aranyszabályokat" — véleményes, mechanikus szabályokat — kódolt közvetlenül a repozitóriumba, hogy a kódbázis olvasható és konzisztens maradjon a jövőbeli ágens-futtatásokhoz. Egyes Codex munkamenetek hat vagy több órán át futottak önállóan. Az emberek nem kódoltak. Karmesterkedtek.

Ez nem prototípus és nem proof-of-concept demó. Ez egy éles termék, amelyet gépek építettek, három ember irányításával, akik egyszer sem nyúltak billentyűzethez kód írása céljából.

A Számok Nem Hazudnak

Az Anthropic 2026 Agentic Coding Trends Report című jelentése, amely január 21-én jelent meg, a legátfogóbb adatokat szolgáltatja erről az átmenetről. A számok egyértelmű gyorsulást mutatnak:

A funkciók AI-val történő implementálása 14%-ról 37%-ra ugrott az AI kódolási eszközök teljes használatán belül. A kódtervezés és -tervező munka — az összetett, architekturális feladatok, amelyeknek elvileg szilárdan emberi kézben kellett volna maradniuk — 1%-ról 10%-ra nőtt. Ezek nem marginális változások. Az AI ágensekre bízott feladatok körének alapvető kiterjesztését jelentik.

Talán a legárulkodóbb adat: a Claude-dal végzett munka 27%-a olyan feladatokból áll, amelyeket egyébként el sem végeztek volna. Nem a meglévő munka gyorsabb változatai — teljesen új feladatok. Skálázási projektek, feltáró prototípusok, belső eszközök, interaktív dashboardok. Munka, ami mindig „jó lenne, ha megcsinálnánk" kategóriába esett, de sosem volt költséghatékony, amikor minden sorhoz emberi mérnök kellett.

Operatív szinten az adatok ugyanilyen feltűnőek. A mérnökönkénti napi összefésült pull requestek száma 67%-kal nőtt, miután az Anthropic bevezette a Claude Code-ot a mérnöki szervezetükben. A Claude Code immár nagyjából 20 önálló műveletet hajt végre, mielőtt emberi beavatkozásra lenne szükség — kétszerese a fél évvel ezelőtti értéknek. Az átlagos emberi beavatkozások száma munkamenetenként 33%-kal csökkent, 6,2-ről 4,1-re.

Így Néz Ki Éles Környezetben

A jelentés esettanulmányai nem kísérletező startupokból származnak — nagyvállalatoktól, amelyek éles környezetben, skálán futtatnak AI ágenseket.

A Rakuten a Claude Code-ot bízta meg egy specifikus aktivációs vektor extrakciós módszer implementálásával a vLLM-ben — egy hatalmas, nyílt forráskódú könyvtárban, amely 12,5 millió sornyi kódot tartalmaz több programozási nyelven. A Claude Code egyetlen önálló futtatásban, hét óra alatt végezte el a teljes munkát. Az implementáció 99,9%-os numerikus pontosságot ért el a referenciamódszerhez képest. „Nem írtam egyetlen sor kódot sem az a hét óra alatt" — emlékezett vissza Kenta Naruse, a Rakuten ML mérnöke. „Csak alkalmanként adtam iránymutatást." A szervezet egészében a Rakuten 79%-kal csökkentette az új funkciók piacra jutási idejét — 24 napról 5-re.

A TELUS, Kanada egyik legnagyobb telekommunikációs vállalata több mint 13 000 egyedi AI megoldást hozott létre, és 30%-kal gyorsabban szállította a mérnöki kódot. A 57 000+ fős csapaton belül a cég összesen több mint 500 000 órányi megtakarítást ért el.

A Zapier 2026 januárjára a teljes szervezetben 97%-os AI-adaptációt ért el, és több mint 800 ágenst vetett be belsőleg.

A Spotify legjobb fejlesztői a 2026 eleji beszámolók szerint „december óta egyetlen sor kódot sem írtak" — több mint 50 funkciót szállítottak AI-vezérelt munkafolyamatokkal.

Az Átmenet a Karmester-modellbe

Aminek tanúi vagyunk, az nem a hagyományos értelemben vett automatizálás. Nem egy mechanikus feladat felváltása egy másikkal. Ez a szoftvermérnök tevékenységének teljes újradefiniálása.

Az Anthropic jelentése pontosan fogalmaz: a szoftverfejlesztés átmegy „a kódírásra fókuszáló tevékenységből a kódot író ágensek orkesztrálásába — az emberi megítélés, felügyelet és együttműködés megtartása mellett, amely biztosítja a minőségi eredményeket."

A mérnök napi rutinja már nem soronkénti kódírás. Problémákat definiál, architekturális kereteket szab, ágens-munkameneteket indít, kimeneteket ellenőriz, stratégiai irányt ad, és gondoskodik arról, hogy a rendszer a megfelelő problémákat oldja meg. A mérnök karmester lesz. Az AI ágensek a zenekar.

Ez nem jelenti a felügyelet megszűnését. A mérnökök továbbra is aktívan felügyelik a delegált feladatok 80–100%-át. Munkájuk mindössze 0–20%-át tudják teljesen átadni. De a felügyelet természete megváltozott — írásból ellenőrzéssé, implementálásból irányítássá.

Az Önerősítő Visszacsatolási Hurok

Íme az a részlet, amire mindenkinek fel kell figyelnie: a gépek már a gépeket írják.

A Claude Code hozzávetőleg 90%-ban Claude Code által írt. Az OpenAI GPT-5.3-Codex modelljéről a saját szavaik szerint elmondható, hogy „meghatározó szerepet játszott a saját létrehozásában." Ez nem metafora. A kódírásra használt AI rendszereket olyan kód fejleszti tovább, amelyet AI rendszerek írtak. Minden generáció jobbá teszi a következőt, ami jobbá teszi az eszközt, ami jobbá teszi a rákövetkező generációt.

Ez egy önerősítő visszacsatolási hurok, amely ipari méretekben működik. A következmények havonta kumulálódnak. Amikor a szoftvert építő eszközt maga is AI építi, a szoftverfejlesztési képességek fejlődési üteme többé nem a rendelkezésre álló emberi mérnökök számához kötött. A számítási kapacitáshoz kötött.

A Kényelmetlen Kérdés

A 2026 januári davosi Világgazdasági Fórumon Dario Amodei, az Anthropic vezérigazgatója azt prognosztizálta, hogy az iparág mindössze hat-tizenkét hónapra lehet attól, hogy az AI a szoftvermérnöki munka nagy részét vagy egészét elejétől a végéig elvégezze.

Ez a jóslat nem egy podcast-futuristától származik. Annak a cégnek a vezérigazgatójától, amelynek terméke már ma a saját kódjának 70–90%-át írja.

De az adatok árnyaltabb történetet is mesélnek, mint hogy „az AI lecseréli a fejlesztőket." A 27%-os adat — az AI nélkül létre sem jött volna feladatok — bővülésre utal, nem pusztán helyettesítésre. A cégek nem rúgják ki a mérnököket és cserélik le őket Claude-ra. Megtartják a mérnököket, és drámaian több kimenetet kapnak. A Rakuten nem bocsátotta el a fejlesztőit; 24 napot tömörítettek 5-re. A TELUS nem csökkentette a létszámot; 500 000 órát takarítottak meg.

Az új környezetben nem azok a mérnökök virágoznak, akik a legelegánsabb kódot írják. Hanem azok, akik a legjobb kérdéseket teszik fel, a legvilágosabb kereteket definiálják, és a leghatékonyabb ágens-munkafolyamatokat orkesztrálják. A szükséges készségek a mesterségbeli tudástól az architektúra felé, a szintaxistól a stratégia felé tolódnak.

Merre Tart Mindez

Az agentikus kódolási piac — amelynek jelenlegi értéke 7,84 milliárd dollár — a becslések szerint 2030-ra eléri az 52,62 milliárd dollárt, 46,3%-os CAGR mellett. De a nyers piaci méret alulbecsüli a strukturális hatást. Ha egyetlen mérnök képes AI ágenseket orkesztrálni annyi eredmény elérésére, amihez korábban tízfős csapat kellett, a szoftverfejlesztés gazdaságtana fundamentálisan átalakul.

Az Anthropic jelentése azonosítja, mi jön ezután: több ágensből álló koordináció, ahol specializált AI ágensek a projekt különböző aspektusait párhuzamosan kezelik; AI-automatizált kódellenőrzés ipari léptékben; az agentikus kódolás kiterjesztése a mérnöki csapatokon túl a termékfejlesztésre, dizájnra és üzemeltetésre; valamint a biztonsági architektúra beépítése az AI-generált kód legkorábbi szakaszaitól kezdve.

Nem egy eszköz fejlődését nézzük. Egy új termelési mód kialakulásának vagyunk tanúi — ahol az emberi intelligencia irányítja a gépi intelligenciát, és a gépi intelligencia az emberi ambíciót a korábban elképzelhetetlenen túlra erősíti.

A gépek már önmagukat írják. A kérdés nem az, hogy ez-e a jövő — hanem az, hogy te milyen gyorsan alkalmazkodsz hozzá.