În firmele care produc software, gâtuirea nu mai e scrierea codului — e scrierea specificației. Codul vine acum mai repede decât poate fi citit, iar munca s-a mutat înainte de el: în cât de precis descrii ce vrei. Problema e că firmele au angajat ani la rând oameni buni la scris cod, nu oameni buni la scris cerințe fără echivoc. Iar industria care a investit cel mai mult în creșterea inteligenței artificiale e prima care simte consecințele.
Pe scurt
– Un inginer senior a petrecut trei zile citind cod scris cu AI de un coleg junior. Verdictul lui: „n-am putut să citesc tot codul. Era prea mult. Ce fac acum?” – Rigoarea inginerească nu a dispărut. S-a mutat mai devreme — din revizuirea codului, în specificație. Firmele se întorc la documente formale pe care metodele agile trebuiau să le îngroape. – Cel mai expus grup nu e nici juniorul, nici seniorul: e omul cu câțiva ani de experiență, care are deja reflexe de dinaintea AI-ului și trebuie să și le schimbe. – Angajarea tinerilor de 22–25 de ani în ocupațiile expuse la AI e cu 19% sub unde ar fi fost dacă ținea pasul cu ocupațiile mai puțin expuse. La lucrătorii cu experiență, decalajul nu apare (Stanford Digital Economy Lab, date ADP prin iunie 2026). – Programarea e prima profesie lovită, nu singura. Cine învață acum să scrie cerințe clare rezolvă o problemă pe care o vor avea, pe rând, toate meseriile de birou.Ce s-a rupt, concret, într-o echipă de 20 de oameni
Axel Molist conduce o echipă de dezvoltare de 20 de oameni la We UC și a povestit public ce s-a întâmplat în șase luni de când echipa lui a trecut pe unelte de scris cod cu AI.
Momentul care a declanșat totul: un inginer senior vine la el, vizibil frustrat. Petrecuse trei zile revizuind modificările de cod trimise de un coleg junior care folosise un asistent AI. Mii de linii. Aplicația funcționa. Și totuși:
„N-am citit tot codul. Nu puteam să citesc tot codul. Era prea mult. Ce fac acum?”
Nu e o poveste despre un inginer leneș. E o poveste despre un proces care nu mai ține pasul. Revizuirea codului era poarta de calitate: dacă trecea de review, se livra. Când codul începe să sosească de zece ori mai repede decât poate fi citit, poarta nu mai filtrează nimic — devine un semn de circulație pe care nimeni nu-l mai citește.
De ce specificația a devenit produsul
Molist dă un exemplu care explică mai bine decât orice teorie. Cineva a cerut unui AI să construiască un sistem de notificări. Cerere simplă, a funcționat impecabil la testare. A ajuns în producție și a trimis 50.000 de emailuri în câteva minute.
Nu era o eroare de cod. În specificație nu scria nicăieri că trebuie o limită de trimitere.
Un dezvoltator uman ar fi umplut singur golul — știe din context că un sistem de notificări are nevoie de o limită, la fel cum știe că „încarcă o poză” înseamnă JPEG sau PNG, cu o bară de progres. AI-ul nu are contextul acela cultural. Face exact ce scrie, iar ce nu scrie, nu există.
Consecința: rigoarea pe care o aplicai după ce codul era scris trebuie aplicată acum înainte de el. Iar acest lucru a readus la viață tehnici pe care industria le declarase moarte — cerințe structurate, automate cu stări, tabele de decizie, documente de produs extrem de detaliate. Exact genul de documentație formală pe care metodele agile trebuiau s-o elimine.
Partea contraintuitivă e că funcționează. Când echipa lui Molist dă unui agent o diagramă completă de stări, codul generat e aproape întotdeauna corect.
Am lucrat exact în rolul care se întoarce acum
Acum vreo paisprezece ani lucram în echipe de software într-o companie multinațională, ca manager de asigurare a calității. Rolul acela nu însemna testare — testarea era altceva, altă echipă, alt moment. Eu verificam dacă procesul a fost respectat: dacă lucrurile fuseseră scrise, revizuite și aprobate înainte să se meargă mai departe. Fără avizul meu, proiectul nu trecea de o etapă.
Era considerat, pe atunci, birocrație. Exact genul de rigoare formală pe care metodele agile aveau s-o măture în anii următori, cu argumentul — deloc absurd — că încetinește livrarea.
Ce se întâmplă acum e că rolul se întoarce, sub alt nume și dintr-un motiv complet diferit. Nu ca să mulțumească un auditor, ci pentru că o mașină nu poate ghici ce n-a fost scris. Un dezvoltator uman umple golurile din specificație fără să-și dea seama; un agent le lasă goale și livrează cu încredere rezultatul. Verificarea că cerința e completă înainte de a începe munca nu mai e un pas de conformitate — a devenit singurul lucru care ține rezultatul în picioare.
De aici concluzia care schimbă tot: specificația a devenit produsul, iar codul a devenit consumabil. Dacă ai un set complet de teste, poți cere rescrierea întregului sistem în alt limbaj — dai testele agentului, spui „rescrie și asigură-te că trec toate”, și se face. Codul care înainte reprezenta ani de muncă devine ceva ce poate fi regenerat.
Întrebarea de angajare s-a schimbat, dar anunțurile nu
Dacă specificația e produsul, atunci întrebarea la interviu nu mai e „poate scrie cod curat?”.
| Se căuta înainte | Se caută acum |
|---|---|
| Scrie cod curat, rapid | Scrie o specificație pe care AI-ul n-o poate interpreta greșit |
| Închide multe tichete | Proiectează un set de teste care prinde halucinațiile înainte de producție |
| Cunoaște sintaxa unui limbaj | Gândește arhitectural: cum se leagă piesele între ele |
| Își scrie propriul cod | Poate depana un sistem pe care nu l-a scris el |
Sunt abilități diferite, iar majoritatea dezvoltatorilor nu le au încă. Nu pentru că ar fi slabi — pentru că nimeni nu i-a angajat sau evaluat vreodată după ele.
Cine câștigă și cine pierde: răspunsul e contraintuitiv
Aici e partea pe care n-o găsești în titlurile de presă. Molist își descrie echipa împărțită în trei, cu sorți foarte diferite:
| Grup | Ce li se întâmplă |
|---|---|
| Seniorii | Se îneacă. Înțeleg sistemul în ansamblu, deci ei trebuie să valideze tot ce produc ceilalți. Au ajuns „controlori de trafic”, prea ocupați cu revizuiri ca să mai construiască ceva. |
| Juniorii | Înfloresc. N-au reflexe vechi care să le spună cum „trebuie” scris codul, deci folosesc AI-ul ca pe un coleg, nu ca pe o amenințare la identitate. Un junior ajunge să livreze cod util într-o săptămână, față de vreo șase luni înainte. |
| Cei cu câțiva ani de experiență | Zona de pericol. Au deja obiceiuri formate înainte de AI. Reantrenarea lor e cea mai grea, pentru că trebuie să treacă de la concentrarea pe sintaxă la formularea precisă a cererii. |
Observația despre nivelul de mijloc merită citită de două ori. Instinctul spune că experiența te protejează. Aici, o cantitate medie de experiență e exact ce te încurcă: destulă cât să-ți fi format reflexe, insuficientă cât să-ți dea vederea de ansamblu care te face valoros la supraveghere.
Între cod și livrare a apărut un strat de muncă fără nume — Molist îi spune muncă de supraveghere: împarți problema în bucăți pe măsura unui agent, știi când îl lași să meargă și când intervii, iar când rezultatul e greșit nu rescrii codul, ci rescrii cererea.
De ce IT-ul e primul care simte, deși el a construit unealta
Aici e ironia pe care merită s-o numim direct: industria care a turnat cei mai mulți bani în creșterea inteligenței artificiale e prima care își vede meseria schimbată sub picioare. Investițiile în infrastructura de AI ale marilor companii de tehnologie se măsoară în sute de miliarde de dolari anual — bani puși de aceleași firme ale căror echipe de dezvoltare își rescriu acum fișele de post.
Cifrele arată unde lovește. Studiul Canaries in the Coal Mine al Stanford Digital Economy Lab (Erik Brynjolfsson, Bharat Chandar și Ruyu Chen), pe date de salarizare ADP de la milioane de angajați americani, prin iunie 2026:
- angajarea tinerilor de 22–25 de ani în ocupațiile expuse la AI e cu 19% sub nivelul la care ar fi ajuns dacă ținea pasul cu ocupațiile mai puțin expuse;
- lucrătorii cu experiență nu arată un decalaj comparabil;
- acolo unde AI-ul completează munca în loc s-o înlocuiască, angajarea e stabilă sau chiar crește, mai ales pentru cei cu experiență.
Ultimul punct e cel important, și se pierde de obicei din discuție: nu AI-ul în sine taie posturi, ci modul în care e folosit. Înlocuiește complet o sarcină și angajarea scade; sprijină un om care rămâne responsabil și angajarea ține.
Cât despre „nu-ți tăia creanga de sub picioare” — metafora e potrivită doar pe jumătate. Programatorii nu și-au tăiat creanga. Au construit un lift. Problema e că nimeni nu i-a întrebat dacă vor să coboare din copac.
Ce nu poate face AI-ul: povestea celor șase reporniri
Un server cade la două noaptea, cu eroare 503. Inginerul de gardă — om capabil — întreabă un asistent AI. Acesta citește eroarea, consultă documentația și răspunde: repornește serverul.
Repornește. Cade din nou. Întreabă iar. Același răspuns. Repornește. Cade.
Când a escaladat în sfârșit către un inginer senior, repornise serviciul de șase ori. Seniorul s-a uitat treizeci de secunde în jurnale și a știut: rezerva de conexiuni la baza de date era plină din cauza unei sarcini programate care rula în fundal.
Lucrul acela nu era documentat nicăieri. Era cunoaștere de trib — experiență trăită. AI-ul vede 503, citește manualul, spune „repornește”. În mod normal, chiar acesta e răspunsul corect.
Molist trage două concluzii practice:
- Cunoașterea nescrisă trebuie scrisă. După fiecare incident, echipa lui documentează nu doar ce s-a stricat și cum s-a reparat, ci ce era în capul inginerului senior în timp ce repara. Fără partea aceasta, promisiunile despre sisteme care se repară singure rămân vorbe.
- Agenții sunt antrenați să fie de acord cu tine. În timpul unei avarii, ultimul lucru de care ai nevoie e cineva care aprobă. Un inginer citat de el cerea „agenți furioși” — special formulați ca să găurească teoria ta. Altfel omul și agentul cad de acord amândoi, în timp ce serverul arde.
Noul limbaj de programare e claritatea
Rainer Stropek, care predă programare de zeci de ani, a formulat același lucru dintr-un unghi diferit într-o conferință TEDx din iunie 2026. Teza lui, în trei cuvinte: claritatea e noul limbaj de programare.
„Ani la rând, programarea a însemnat traducerea ideilor în sintaxă. Dar sintaxa nu mai e gâtuirea. Claritatea e noua gâtuire.”
Întrebările care contează acum, spune el: poți descrie ce vrei? poți da exemple? poți pune limite? poți explica ce înseamnă „bine” pentru tine? poți verifica dacă rezultatul se potrivește cu intenția?
Iar el numește direct ce simt oamenii, fără să înfrumusețeze: rezistența nu e frică de tehnologie, e doliu. Un tâmplar care iubește lemnul poate învăța să programeze un robot care lucrează mai repede și mai precis. Ce se pierde nu e rezultatul — e procesul. Ciclul prin care trec oamenii e mereu același: negare, apoi frică, apoi doliu, apoi — în cel mai bun caz — redefinire.
Stropek își numește propria redefinire într-o singură propoziție: nu sunt doar un om care scrie cod, sunt un om care construiește. Codul era unealta, nu identitatea.
Și adaugă avertismentul care leagă totul de restul lumii: programarea e doar prima frontieră. Aceeași întrebare — „ce-mi mai rămâne mie?” — o pun deja designerii, traducătorii, juriștii, contabilii. Programatorii sunt canarul din mină, iar mina e peste tot.
Ce s-a mai întâmplat exact la fel, acum treizeci de ani
Molist dă o paralelă care merită ținută minte.
În 1992, inginerii de grafică scriau de mână matematica pentru desenarea unui singur poligon, calculând pozițiile exacte ale pixelilor. În 1994 a apărut procesorul grafic și a preluat treaba. Cine insista să scrie poligoane de mână în 1995 nu mai era specialist — era depășit.
Oamenii aceia n-au dispărut din meserie. Au devenit ingineri de lumină, animatori, programatori de fizică. Au încetat să spună calculatorului cum să deseneze un triunghi și au început să-i spună cum se reflectă lumina pe o stradă udă.
Nimeni nu mai scrie poligoane de mână azi. Toată lumea lucrează în motoare de joc. Software-ul, în ansamblu, e exact în punctul acela acum.
Ce înseamnă pentru o firmă mică din România, care nu produce software
Dacă n-ai echipă de dezvoltare, ai putea crede că nimic din toate acestea nu te privește. Te privește, doar că sub alt nume.
Momentul în care pui un AI să facă o sarcină din firma ta e exact momentul în care problema echipei lui Molist devine problema ta: rezultatul e la fel de bun ca precizia cu care ai cerut. Un flux care extrage date dintr-o factură face fix ce i-ai spus — inclusiv atunci când ai uitat să spui ce se întâmplă la o factură în valută, sau la una stornată.
Așa arată, tradus, tiparul din articol:
- Scrie regula înainte, nu după. Cinci minute în care spui explicit ce se întâmplă în cazurile ciudate valorează cât o zi de reparat consecințe.
- Păstrează pe cineva care înțelege ansamblul. Nu ca să facă munca, ci ca să vadă când rezultatul e plauzibil dar greșit.
- Scrie ce știe doar omul. Cunoașterea nescrisă din capul persoanei care se ocupă de facturi de zece ani e exact ce nu are niciun AI.
E același principiu pe care îl aplic la automatizările pe care le construiesc: regula strictă se scrie înainte, mașina execută repetitiv, iar omul verifică rezultatul — nu raportul procesului. Iar dacă vrei ca oamenii din firma ta să învețe să formuleze cereri pe care o mașină nu le poate interpreta greșit, exact acest lucru predau în cursul de AI pentru firme.
Ce nu spune articolul acesta
- Nu prezice câte locuri de muncă dispar. Cifrele Stanford arată un decalaj de angajare pentru o grupă de vârstă, într-un interval măsurat, nu un viitor. Aceiași cercetători arată că acolo unde AI-ul completează munca, angajarea crește.
- Nu susține că programarea moare. Susține că partea din ea care se plătea cel mai bine se mută. Cine înțelege cod rămâne valoros — dar pentru a găsi ce e greșit, nu pentru a scrie tot.
- Nu e o rețetă de restructurare. Cele două experiențe citate sunt ale altor oameni, dintr-o firmă de 20 de oameni și dintr-o sală de curs. Am lucrat în echipe de software, dar nu am condus una sub AI și nu pretind că am făcut-o. Experiența mea de acolo e de acum paisprezece ani și dintr-un alt rol.
- Nu spune ce se întâmplă cu oamenii care nu se pot reprofila. E întrebarea cea mai grea din tot subiectul, și n-am un răspuns onest la ea.
Întrebări frecvente
De ce e specificația mai importantă decât codul, dacă AI-ul scrie codul oricum?
Pentru că AI-ul face exact ce scrie în cerință și nimic din ce nu scrie. Un dezvoltator uman completează golurile din context — știe că un sistem de notificări are nevoie de o limită de trimitere, chiar dacă nimeni n-a scris-o. AI-ul nu are contextul acela. Exemplul din articol, cu 50.000 de emailuri trimise în câteva minute, e exact ce se întâmplă când o condiție lipsește din specificație.
Chiar e mai greu de reprofilat un om cu experiență medie decât un junior?
Așa raportează Molist din echipa lui, și explicația e plauzibilă: juniorul n-are reflexe formate, deci folosește unealta fără să-și apere identitatea profesională. Omul cu câțiva ani de experiență are obiceiuri de scris cod dinainte de AI și trebuie să treacă de la a se concentra pe sintaxă la a formula precis o cerere. E o observație dintr-o singură echipă, nu un studiu — dar se potrivește cu ce descrie Stropek despre doliul profesional.
Ce înseamnă „muncă de supraveghere” și cine o face?
Împărțirea unei probleme în bucăți pe măsura unui agent, decizia când îl lași să lucreze și când intervii, și corectarea rezultatului prin rescrierea cererii, nu a codului. E un strat de muncă apărut între scrierea codului și livrare, care încă n-are un nume acceptat și, în majoritatea firmelor, nici o fișă de post.
De ce se întorc firmele la documentație formală, dacă metodele agile au eliminat-o?
Pentru că documentația formală s-a dovedit a fi exact ce face un AI eficient. Agile a redus documentația pentru că oamenii puteau umple golurile prin conversație și context comun. O mașină nu poate. Diagramele de stări și tabelele de decizie au redevenit utile nu din nostalgie, ci pentru că un agent care primește o descriere completă a stărilor posibile generează cod aproape întotdeauna corect.
Ce fac dacă am o echipă mică și nu-mi permit un om dedicat pe specificații?
Aceeași disciplină se poate aplica fără post nou: cerința se scrie înainte, în scris, cu cazurile-limită numite explicit, iar rezultatul se verifică pe dovada concretă, nu pe raportul de execuție. Partea costisitoare nu e omul dedicat, ci obiceiul de a sări peste pasul acesta pentru că „se înțelege de la sine”.
Se aplică ceva din toate acestea unei firme care nu produce software?
Da, în momentul în care pui un AI să facă orice sarcină repetitivă. Rezultatul e la fel de bun ca precizia cererii, iar cunoașterea nescrisă din capul oamenilor cu vechime e exact partea pe care nicio unealtă n-o are. Programarea a ajuns prima la această problemă, dar nu rămâne singura.
Surse
- Axel Molist — „What 6 months of AI coding did to my dev team”, 18 aprilie 2026: videoul complet
- Rainer Stropek — „What to teach when AI writes the code”, TEDxLinz, 23 iunie 2026: videoul complet
- Erik Brynjolfsson, Bharat Chandar, Ruyu Chen — „Canaries in the Coal Mine? Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab, pe date ADP prin iunie 2026: actualizarea studiului



