Zanim przeczyta pan instrukcję — mówi pani Agnieszka Folwarska, inżynier oprogramowania układowego z Gdańska, do swojego ekranu — to urządzenie już wie, że coś jest nie tak.

Nie mówi tego złośliwie. Mówi to z miną kogoś, kto odkrył, że kawiarnia obok biura otworzyła się godzinę wcześniej, niż myślał. Zaskoczenie połączone z pragmatyzmem. Agnieszka pracuje z mikrochipami z serii nRF od czterech lat. Wie, że Nordic Semiconductor — norweska firma, jeden z globalnych dostawców układów do urządzeń IoT i urządzeń noszonych — to nie jest producent dla hobbystów. To komponenty w czujnikach przemysłowych, urządzeniach medycznych, sieciach logistycznych. Kiedy coś przestaje działać w terenie, konsekwencje są mierzalne w kilogramach niesprzedanego mięsa albo godzinach przestoju linii produkcyjnej.

Pętla, która dotąd była otwarta

Przez dekady cykl życia oprogramowania układowego wyglądał tak: prototyp, testy laboratoryjne, wdrożenie, a potem — cisza z pola. Dane diagnostyczne spływały z urządzeń pracujących w chłodniach, magazynach i maszynach rolniczych, ale żeby je przetłumaczyć na poprawkę kodu, inżynier musiał usiąść, porównać logi z dokumentacją i, mówiąc szczerze, nieco pogadać sam ze sobą przy kawie.

Nordic Semiconductor ogłosił, że ten gap — między tym, co układ robi w laboratorium, a tym, co robi na farmie drobiu pod Łęczycą o drugiej w nocy — da się zamknąć przez AI zintegrowaną z całym cyklem. Jedna konwersacja, wszystkie etapy: od pierwszego prototypu do aktualizacji floty działającej w terenie. Narzędzia AI mają teraz sięgać do rzeczywistych danych polowych i zestawiać je z kodem źródłowym w czasie, kiedy pytasz.

To nie jest nowa idea. Pomysł, żeby systemy uczyły się na własnym zachowaniu, ma swoje korzenie w teorii sterowania z lat pięćdziesiątych — Norbert Wiener, cybernetyka, sprzężenie zwrotne. Nowość polega na tym, że pętla przestaje być metaforą i staje się interfejsem, z którym inżynier może rozmawiać po angielsku albo po norwesku, i który nie odpowiada bezosobowo, lecz — jak każda dobra konsultantka — zaczyna od pytania: a co pan chciał osiągnąć?

Agnieszka i Marek, czerwiec 2026

Agnieszka Folwarska otrzyma zaproszenie do wczesnego dostępu w połowie czerwca, razem z kilkudziesięcioma innymi partnerami Nordic Developer Program. Przeczyta je między jednym commitem a drugim, w biurze na Oruni, gdzie ściany mają kolor regulaminowego szarego i nikt tego nie zmienił od dziesięciu lat, bo jakoś zawsze ważniejsze rzeczy. Kliknie „Dołącz do programu” z podobną emocją, z jaką zapisuje się na webinar o podatkach: wie, że warto, ale nie spodziewa się objawienia.

Objawienie, jeśli przyjdzie, przyjdzie tydzień później, kiedy będzie debugować czujnik wilgotności pracujący w szklarni pod Wieluniem. Urządzenie wysyła anomalię co kilkanaście godzin, regularnie, ale nie alarmowo. Stara ścieżka: pobrać logi, przejrzeć ręcznie, postawić hipotezę, przetestować. Nowa ścieżka: wkleić log w konwersację, dodać wersję firmware'u i zapytać. Zobaczy, jak system zestawia jej przypadek z podobnymi wzorcami z innych wdrożeń — zanonimizowanymi, ale rozpoznawalnymi w strukturze.

Nie będzie to magia. Będzie to właściwie to, co robiłby dobry starszy kolega z dziesięcioletnim doświadczeniem: rozpozna wzorzec, zanim zdążysz skończyć opis problemu.

Marek Szabelski z Poznania, freelancer specjalizujący się w szybkich prototypach dla start-upów z branży medycznej, zetknie się z narzędziem inaczej. Marek ma zwyczaj robienia kawy w momencie, kiedy kompilacja trwa za długo — i właśnie w takich momentach wraca do pytań, które odkłada. Pod koniec czerwca, przy drugiej kawie jednego wtorkowego poranka, zapyta narzędzie o coś, czego wcześniej nie zadałby dokumentacji: czy jego decyzja architektoniczna z etapu prototypu będzie problemem, kiedy flota urośnie do tysiąca urządzeń. Odpowiedź przyjdzie zanim skończy kawę. Nie całkowita, nie pewna, ale konkretna. Marek pomyśli, że to jak mieć kolegę, który przeczytał te same papiery co on, ale ma lepszą pamięć.

Trzecia i czwarta rozmowa z urządzeniem

W trzeci weekend czerwca w kilku europejskich firmach deweloperskich pojawi się ten sam moment — opisywalny, choć subtelny — kiedy inżynierowie zaczną formułować pytania do AI nie jako polecenia, lecz jako negocjacje. Nie „znajdź błąd”, ale „co sądzisz o tym podejściu”. To jest granica, po przekroczeniu której zmienia się podmiotowość narzędzia w oczach użytkownika — mimesis odwrotna, kiedy nie narzędzie nas naśladuje, lecz my zaczynamy naśladować sposób myślenia, który narzędzie nam zwraca.

Przez lato rozgorzeje w branżowych społecznościach spór, który zawsze wybucha przy takich okazjach: czy AI asystująca przy kodzie embedded nauczy junior developerów czy ich rozleniwi. To spór tak stary jak kalkulator i arkusz kalkulacyjny. Wynik będzie taki sam: obie strony będą miały rację w różnych przypadkach i nikt nie wyciągnie z tego wniosku, bo lubimy spory, przy których nie trzeba nic zmieniać.

Nordic jest firmą z Oslo, a Oslo ma tę właściwość, że nie lubi hałasu. Ogłoszenia wychodzą tam zwięzłe, bez konferencji z confetti. Decyzja o zamknięciu pętli między laboratorium a polem zostanie zauważona przez tych, którzy piszą firmware, i przez analityków śledzących rynek IoT — i przez nikogo więcej, co jest prawdopodobnie właśnie tym, na co Nordic liczyło.

Szklarnia pod Wieluniem, noc z wtorku na środę

Czujnik wilgotności w szklarni pod Wieluniem przestanie wysyłać anomalię w ostatni tydzień czerwca. Agnieszka nie będzie pewna, czy to przez jej poprawkę, czy przez to, że poprawkę zasugerowało narzędzie, czy przez to, że po prostu ktoś w szklarni wymienił uszczelkę.

Napisze w komentarzu do commita: „fixed probably”.

Potem zamknie laptop.