Andrej Zdravkovic, senior vice president w AMD, przekonuje w tekście opublikowanym 17 sierpnia 2026 w IEEE Spectrum, że inżynieria oprogramowania przejdzie od asystentów AI naśladujących pracę człowieka do autonomicznych „rojów agentów”, które same przepiszą cykl wytwarzania oprogramowania. Na poparcie tezy firma podaje 30-procentowy wzrost produktywności dzięki AI.
Najważniejsze w skrócie
- Tekst to opinia Andreja Zdravkovica, SVP AMD, w IEEE Spectrum (17 sierpnia 2026) — nie zapowiedź produktu.
- AMD deklaruje 30-procentowy wzrost produktywności dzięki AI, powyżej początkowego celu 25 procent.
- Kod generowany przez AI przekroczył 20 procent na początku 2026 i zmierza do 50 procent w całej bazie kodu, a w części komponentów przekracza 80 procent.
- Case study RSX (Radeon Software eXperience): agentowa pętla rozwiązała 6 procent zgłoszeń w październiku 2025 i ponad 75 procent w czerwcu 2026.
- AMD używa agentic harnesses takich jak Codex i Claude Code w wieloagentowym workflow.
Asystent kontra rój
Dzisiejsze asystenty kodowania są zaprojektowane tak, by wspierać człowieka na każdym kroku — podpowiadają linijkę, uzupełniają funkcję, poprawiają błąd. Zdravkovic twierdzi, że to zarazem ich sufit: skoro naśladują ludzki tok myślenia, dziedziczą jego ograniczenia. Alternatywą mają być współpracujące grupy agentów działających równolegle, które samodzielnie szukają rozwiązania zamiast odtwarzać znane kroki.
Agenci nie będą ulepszać każdego etapu cyklu wytwarzania oprogramowania — oni sami ten cykl przepiszą.
Andrej Zdravkovic, senior vice president, AMD.
Dowód z własnego podwórka: RSX
Najmocniejszy argument AMD to własny komponent RSX — interfejs do konfiguracji i monitorowania sterownika grafiki. Firma podaje, że agentowa pętla, która w październiku 2025 zamykała ledwie 6 procent zgłoszeń, do czerwca 2026 rozwiązywała już ponad 75 procent. To skok o rząd wielkości w niecały rok, choć wciąż na wewnętrznym, wąskim wycinku, a nie na całym procesie wytwórczym. Do budowy takich workflow AMD sięga po gotowe agentic harnesses?Agentic harness: Warstwa uruchomieniowa, która daje modelowi narzędzia, pamięć i pętlę działania — zamienia „gołego” LLM w samodzielnie działającego agenta., w tym Codex i Claude Code.
| Wskaźnik | Wartość |
|---|---|
| Wzrost produktywności dzięki AI | 30% (cel początkowy: 25%) |
| Kod generowany przez AI — cała baza kodu | zmierza do 50% |
| Kod generowany przez AI — część komponentów | ponad 80% |
Nowa rola inżyniera
Jeśli agenty przejmą samo pisanie kodu, punkt ciężkości pracy inżyniera przesuwa się z wykonania na specyfikację i walidację — precyzyjne opisanie, co ma powstać, i sprawdzenie, czy wynik jest poprawny. To odwrócenie dzisiejszego układu, w którym większość czasu pochłania implementacja, a nie definiowanie problemu.
Dlaczego to ważne?
Głos pada od menedżera producenta układów scalonych, nie od dostawcy narzędzi AI — a to sygnał, że wieloagentowe kodowanie wchodzi do dużych organizacji inżynierskich, nie tylko startupów. Liczby są jednak samodzielnie raportowane i dotyczą wąskich wycinków, więc trudno je porównać z konkurencją. Wartość tekstu leży bardziej w kierunku niż w twardym dowodzie skuteczności rojów agentów na pełnym procesie.
Co dalej?
- AMD wskazuje udział kodu generowanego przez AI zmierzający do 50 procent w całej bazie — kolejnym testem będzie utrzymanie jakości przy tym udziale poza wybranymi komponentami.
- Model RSX (6 do ponad 75 procent) jest wewnętrznym case study — brak niezależnej weryfikacji wyników przez podmiot trzeci.
Źródła
- IEEE Spectrum — From AI Copilots to Agent Swarms
- Anthropic — Claude Code
