01 · Analiza
Sprawdzamy, jak pracujecie
Patrzymy, jakich narzędzi używa zespół i gdzie są bottlenecki.
Dla CTO i tech leadów · program kwartalny
Claude Code w zespole programistów: workflow agentowy z pomiarem w repozytorium.
Pokazujemy, jak zmienia się codzienna praca programisty, który prowadzi agenta, jakich narzędzi używamy i jak mierzymy efekt w repozytorium, przed i po. Uczymy tak, żeby zespół sam to kontynuował. Czytasz jako członek zarządu? Wersja dla decydentów →
Agenci AI Opus i Sonnet do kodu produkcyjnego
Setup pod stack Claude Code, MCP Tools, Cursor, Copilot
Pomiar przed i po konkretny ROI, nie obietnice
Liczby z naszych pomiarów, każda z linkiem do źródła.
+266%
Tempo zespołu po wdrożeniu
Średni wzrost tempa pracy w pomiarze DevLens z realnego wdrożenia (dane zanonimizowane).
6 mies. → 4 tyg.
System biletowy NFC
Zaplanowany na pół roku, działający produkt w produkcji po czterech tygodniach.
2 mies. → 2 tyg.
Moduł do sterownika STM32
Moduł komunikacji dla sterownika przemysłowego, z testami HIL, w dwa tygodnie.
3,75×
GCC zamiast Keila
Ten sam firmware na STM32F429, zmierzony przez agenta: szybszy i 2,4× mniejszy.
Jest jednak haczyk. Raport Faros AI nazywa go paradoksem produktywności AI:
- 84% programistów używa AI albo planuje używać (Stack Overflow 2025), licencje kupiła większość firm, a delivery często stoi w miejscu.
- Zaufanie programistów do dokładności AI spadło z 40% do 29% (Stack Overflow).
- Średnia oszczędność to 3,6 godziny tygodniowo na programistę i przestała rosnąć (DX, raport Q4 2025).
Licencja wpięta w stary proces daje stare wyniki. Dlatego zaczynamy od przeprojektowania workflow zespołu (od definicji zadań po review) tak, żeby agenci robili robotę, a devowie ją prowadzili.
Co zmienia się w pracy dewa, gdy dochodzi agent.
| Czynność | Wczoraj: wspomaganie | Dziś: programowanie intencyjne |
|---|---|---|
| Nowy task | Czytasz ticket, sam piszesz kod linijka po linijce, autouzupełnianie podpowiada fragmenty. | Zlecasz agentowi intencję, kontekst i kryteria odbioru, a potem oceniasz wynik. |
| Debug i legacy | Szukanie błędu w nieznanym kodzie zjada dni, zanim w ogóle ruszysz z poprawką. | Agent czyta repo z kontekstem, lokalizuje problem i proponuje fix do oceny. |
| Testy | Pisane po fakcie albo wcale. Backlog rośnie szybciej niż pokrycie. | Testy powstają razem z kodem, w tym samym PR-ze. |
| Standard zespołu | Tech lead pilnuje konwencji ręcznie, w code review, i staje się wąskim gardłem. | AGENTS.md / CLAUDE.md to kontrakt: zasady i kryteria odbioru wykonuje agent. |
| Pierwsze dostawy | Onboarding i nowy moduł liczone w miesiącach. | Pierwsze realne dostawy w drugim tygodniu, na Waszym kodzie. |
- Plan mode najpierw plan, potem kod
- Agent najpierw rozpisuje plan na zadanie (intencję, kontekst, kryteria odbioru), który programista ocenia, zanim cokolwiek się zmieni w repo.
- Subagenci podział złożonego taska
- Złożone zadania dzielą się na wyspecjalizowane przebiegi, które pracują równolegle i wracają z wynikiem do oceny.
- Serwery MCP połączenie wprost z Waszym kontekstem
- Serwery MCP pisane pod projekt łączą agenta wprost z Waszą bazą danych (MS SQL, MySQL, IBM DB2, Postgres, Oracle) i narzędziami zespołu.
- AGENTS.md / CLAUDE.md kontrakt zespołu
- Zasady, konwencje i kryteria odbioru zapisane raz, egzekwowane przez agenta przy każdym tasku. Zostają u Was jako powielalny wzorzec.
- Wspólny commit na żywym kodzie
- Uczymy przez wspólne sesje na Waszym kodzie. Każdy programista pracuje samodzielnie po kilku spotkaniach.
Narzędzia dobrane do Waszego stacku i potrzeb zespołu.
| Narzędzie | Do czego |
|---|---|
| Claude Opus / Sonnet | Modele do kodu produkcyjnego: nowe funkcje, refactoring, debugowanie złożonych problemów |
| Claude Code | Agent w terminalu: plan mode, subagenci, praca na całym repozytorium |
| MCP Tools | Integracje agenta z Waszymi systemami: baza danych, przeglądarka, testy E2E, Figma |
| Cursor / Copilot | Wsparcie w IDE: autouzupełnianie i szybkie edycje w trakcie pisania |
- Backend i frontend API, bazy danych, interfejsy
- Agenci przejmują refactoring, testy i przegląd kodu. Programista prowadzi pracę, zamiast wykonywać ją ręcznie.
- Mobile iOS i Android
- Jedna baza kodu na obie platformy i automatyzacja publikacji w sklepach.
- Embedded C/C++, urządzenia przemysłowe
- Agent pracuje także ze starszymi środowiskami — sterowniki i komunikacja z urządzeniami powstają w dniach, nie tygodniach.
- Legacy PHP, Qt, stare monolity
- Modernizacja bez zatrzymywania rozwoju: stary system działa, nowy kod wchodzi obok.
Cztery kroki: od analizy do pomiaru.
02 · Dobór narzędzi
Pod Wasz stack
Rekomendujemy narzędzia AI dopasowane do Waszego stacku technologicznego.
03 · Szkolenie
Praktyczne warsztaty
Context Engineering i praca z agentami AI, na realnych zadaniach.
04 · Pomiar
Produktywność przed i po
Mierzymy efekty i pokazujemy konkretny ROI.
Zrzuty z naszej platformy DevLens Pro. Dane z realnego wdrożenia, zanonimizowane.
Tydzień 1 pomiar wyjściowy: czas od ticketu do PR, czas merge, bug escape rate, pokrycie testami
DevLens wskaźniki produktywności wprost z repozytoriów Git, od pierwszego tygodnia
Tydzień 12 pomiar ponowny i raport dla zarządu: dashboard z liczbami
Duży dział IT wdrażamy falami, zespół po zespole.
Pierwsza fala · 5–10 osób
Pilot na Waszym repo
Zaczynamy od jednego zespołu i prawdziwych tasków. Efekty widać od pierwszych tygodni, a umiejętności po programie zostają u Waszych ludzi.
Kolejne fale · cały dział
Standard i samodzielność
Wzorce zapisujemy w CLAUDE.md i standardach repo, a przeszkoleni programiści prowadzą następne zespoły. Jeden standard narzędzi AI oraz twarde KPI i dokumentacja, z którą pójdziecie do zarządu.
Transfer wiedzy, nie uzależnienie.
- Transfer wiedzy, nie uzależnienie samodzielni po programie
- Po 12 tygodniach zespół pracuje z agentem samodzielnie. Potem 30 dni wsparcia, a co kwartał wracamy z aktualizacją narzędzi i strategii.
- Praktyczne doświadczenie 25 lat w IT · 40+ łącznie
- Tomek: 25 lat w IT (w tym embedded: STM32, C++, Qt), Maciej: 18. Efekty wdrożeń pokazujemy na pomiarach z DevLens, nie na deklaracjach.
Wysyłasz to zarządowi? Wersja dla decydentów: transformacja AI dla firm.
Agent, który sam sprawdza, poprawia i iteruje — aż kod działa.
Agent uruchamia kod i testy, naprawia błędy i iteruje bez udziału człowieka, aż osiągnie cel. Pełną mechanikę pętli (krok po kroku, z przykładami) opisujemy w Akademii: Self-Improving Loops.
- Optymalizacja JavaScript „Ten mechanizm działa wolno. Spraw, żeby przyspieszył.”
- 5x przyspieszenie w 3 minuty, z profilowaniem wydajności w przeglądarce.
- Drukarka RS232 (embedded) „Potrzebujemy komunikacji z drukarką przez RS232.”
- 1,5 dnia zamiast miesiąca, na Rust + STM32.
Pytania, które padają najczęściej.
01 Czy AI zastąpi moich programistów?
Nie. AI to narzędzie, które wzmacnia programistów, a nie ich zastępuje. Najlepsi devowie z AI są jeszcze lepsi. Słabi nadal będą słabi. AI nie da im umiejętności, których nie mają.
02 Jak długo trwa szkolenie zespołu?
Szkolenie to 2 dni na Waszym kodzie. Program z coachingiem i pomiarem trwa 12 tygodni, a pierwsze dostawy z agentem pojawiają się zwykle w drugim tygodniu.
03 Czy dane naszego kodu są bezpieczne?
Możemy pracować z lokalnymi modelami (LM Studio, Llama), które nie wysyłają kodu na zewnątrz. Dla enterprise oferujemy rozwiązania self-hosted.
04 Ile to kosztuje?
Programy kwartalne: stała opłata i zamknięty zakres ustalone przed startem. Po audycie 90 minut dostajecie kwotę mailem w 48 godzin, a po kwartale twarde dane, żeby zdecydować o kontynuacji.
Gotowi na szybszy zespół?
Umówcie rozmowę i pokażcie swoim devom, jak pracować z AI. NDA przed startem, szczegóły finansowe omawiamy indywidualnie.