Inteligența artificială a schimbat radical modul în care dezvoltatorii scriu cod, însă impactul asupra productivității organizațiilor este încă sub așteptări. Deși majoritatea companiilor au adoptat deja instrumente bazate pe AI, puține reușesc să transforme această adopție în rezultate măsurabile privind timpul de livrare, calitatea produselor sau eficiența echipelor.
Aceasta a fost una dintre principalele concluzii prezentate de Darryl Lee, Solutions Engineer la Atlassian, în cadrul Work Evolution Summit, unde a analizat modul în care AI redefinește întregul Software Development Life Cycle (SDLC), nu doar etapa de programare.
Productivitatea nu mai depinde de viteza cu care se scrie cod
Potrivit datelor prezentate de Atlassian, aproape 90% dintre organizațiile intervievate utilizează deja soluții de inteligență artificială în activitatea de dezvoltare software. Cu toate acestea, doar 10–15% dintre dezvoltatori declară că observă o creștere semnificativă a productivității.
Explicația este relativ simplă: AI a redus timpul necesar pentru scrierea codului, însă celelalte etape ale ciclului de dezvoltare au rămas aproape neschimbate.
Planificarea produselor, definirea cerințelor, revizuirea codului, gestionarea incidentelor și operațiunile continuă să consume cea mai mare parte a timpului unei echipe de dezvoltare.
În acest context, provocarea nu mai este „cum generăm cod mai repede”, ci „cum folosim AI pentru a optimiza întregul proces de dezvoltare”.
Planificarea devine noul punct critic
Pe măsură ce scrierea codului devine o activitate tot mai automatizată, importanța etapelor de planificare crește.
O întrebare aparent simplă capătă o relevanță majoră:
Construim produsul potrivit pentru piața potrivită?
Atlassian propune utilizarea unui AI Planner care poate evalua fezabilitatea unei idei înainte ca organizația să investească luni de dezvoltare.
Soluția utilizează informații agregate din întreaga organizație – documentație, istoricul proiectelor, backlog-uri, bug-uri, solicitări de funcționalități și alte surse integrate prin Teamwork Graph – pentru a genera documentele de cerințe (PRD) și pentru a estima probabilitatea de succes a unei inițiative.
În cadrul prezentării a fost oferit și un exemplu concret: o funcționalitate dezvoltată anterior pentru Jira Service Management, care a consumat aproape un an de muncă și resurse înainte de a se dovedi lipsită de valoare pentru clienți.
Mesajul este clar: AI poate contribui la evitarea unor investiții costisitoare prin identificarea timpurie a proiectelor cu șanse reduse de succes.
AI ca membru al echipei de dezvoltare
În etapa de implementare, Atlassian propune un model diferit de utilizare a inteligenței artificiale.
AutoDev nu este prezentat ca un simplu asistent de programare, ci ca un coleg virtual capabil să preia o parte importantă din activitățile repetitive.
Pornind de la cerințele definite în etapa de planificare, acesta poate detalia task-urile, genera cod, crea Pull Request-uri și pregăti modificările pentru procesul de code review.
Decizia finală rămâne însă la dezvoltator.
Modelul promovat de Atlassian este unul de tip human in the loop, în care AI automatizează execuția, iar oamenii validează deciziile critice.
Această abordare urmărește păstrarea controlului asupra calității codului și reducerea riscurilor asociate automatizării complete.
Operațiunile devin următoarea frontieră a AI
Un alt domeniu asupra căruia Atlassian își concentrează investițiile este zona operațională.
În mediile de producție, echipele SRE și DevOps sunt adesea suprasolicitate de volume mari de alerte, dintre care multe nu necesită intervenții urgente.
Pentru acest scenariu, compania dezvoltă un AI Site Reliability Engineer integrat în Jira.
Acesta poate analiza automat incidentele, identifica cauza probabilă, grupa alertele similare și propune soluții bazate pe experiența acumulată în proiectele anterioare.
Scopul nu este înlocuirea specialiștilor SRE, ci reducerea timpului petrecut pentru investigarea incidentelor repetitive și prioritizarea problemelor cu impact real asupra serviciilor.
Contextul devine diferențiatorul
Una dintre ideile centrale ale prezentării a fost că performanța viitoarelor soluții AI nu va depinde exclusiv de modelul lingvistic utilizat.
Diferența va fi făcută de context.
Instrumente precum GitHub Copilot, Claude Code sau Codex sunt deja capabile să genereze cod de bună calitate, însă eficiența lor este limitată atunci când nu cunosc istoricul aplicației, arhitectura sistemului sau practicile specifice organizației.
Din această perspectivă, Teamwork Graph reprezintă unul dintre elementele strategice ale ecosistemului Atlassian.
Prin conectarea codului sursă, documentației, sistemelor de management al proiectelor și instrumentelor de colaborare, AI poate produce recomandări mult mai relevante și poate reduce numărul intervențiilor manuale necesare.
Securitatea rămâne o condiție esențială
Adoptarea pe scară largă a AI în dezvoltarea software ridică inevitabil întrebări privind protecția proprietății intelectuale.
Atlassian susține că datele organizațiilor nu sunt utilizate pentru antrenarea modelelor externe și că accesul la informații respectă mecanismele existente de autentificare și autorizare.
Compania a anunțat, de asemenea, dezvoltarea unui model LLM propriu și extinderea opțiunilor de administrare a cheilor de criptare prin mecanisme de tip Bring Your Own Key (BYOK), oferind organizațiilor un control mai mare asupra modului în care sunt gestionate datele.
Măsurarea rezultatelor devine obligatorie
O altă concluzie importantă este că implementarea AI trebuie evaluată prin indicatori obiectivi, nu prin percepții.
În acest scop, Atlassian dezvoltă instrumente care permit măsurarea gradului de utilizare a AI, a numărului de Pull Request-uri generate automat, a proceselor revizuite de agenți AI și a impactului asupra experienței dezvoltatorilor.
Fără astfel de indicatori, organizațiile riscă să investească în tehnologii noi fără a putea demonstra valoarea adăugată.
Concluzii
Mesajul transmis de Atlassian este că următoarea etapă în evoluția dezvoltării software nu constă într-un nou generator de cod, ci într-o integrare inteligentă a AI pe întregul parcurs al ciclului de dezvoltare.
Scrierea codului nu mai reprezintă principalul blocaj.
Provocările reale se regăsesc în planificare, colaborare, managementul cunoștințelor, operațiuni și luarea deciziilor.
Organizațiile care vor reuși să conecteze aceste procese prin context comun și automatizare vor beneficia de cele mai importante câștiguri de productivitate, fără a compromite calitatea sau controlul asupra procesului de dezvoltare.
