# AI w wytwarzaniu oprogramowania

> Wyniki badania ankietowego z listopada 2025: stopień wdrożenia AI w SDLC, wykorzystywane narzędzia i modele, oczekiwane korzyści, bariery, wpływ na zespoły IT i budżety.

- Adres strony: https://liderzy.it/materialy/badanie-ai-w-sdlc-2025
- Tytuł strony: AI w wytwarzaniu oprogramowania – wyniki badania, listopad 2025
- Ostatnia zmiana treści: 2026-11-02
- Przewodnik po serwisie: https://liderzy.it/llms.txt
- Wersja Markdown strony HTML, generowana automatycznie z jej treści. W razie rozbieżności obowiązuje strona HTML.

[Materiały · Badania](https://liderzy.it/materialy)

Wyniki badania ankietowego, listopad 2025

Na jakim etapie są organizacje we wdrażaniu AI w cyklu wytwarzania oprogramowania (SDLC), z jakich narzędzi korzystają, co je hamuje i czego spodziewają się w ciągu najbliższych dwóch lat.

- Termin badania: 4–20 listopada 2025
- Metoda: Ankieta internetowa

Stopień wykorzystania AI w SDLC

- Wdrożenia produkcyjne **36%**
- Projekty pilotażowe (PoC) **34%**
- Przed wdrożeniem **23%**
- Nie wiem **7%**

Jeden kwadrat to 1% respondentów. [Szczegóły](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#dojrzalosc)

## Wyniki w skrócie

Stopień wdrożenia

36%

organizacji ma produkcyjne wdrożenia AI w SDLC

1. Wdrożenia produkcyjne **36%**
2. Projekty pilotażowe (PoC) **34%**
3. Przed wdrożeniem **23%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#dojrzalosc

Zastosowanie dziś

64%

organizacji stosuje AI przy kodowaniu

1. Kodowanie **64%**
2. Testowanie **42%**
3. Wymagania **32%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#obszary

Za 18–24 miesiące

75%

respondentów spodziewa się, że AI przejmie część pracy testerów

1. Testowanie **75%**
2. Programowanie **74%**
3. Notatki ze spotkań **71%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#perspektywa

Narzędzia

49%

respondentów korzysta z Microsoft 365 Copilot

1. Microsoft 365 Copilot **49%**
2. GitHub Copilot **39%**
3. Gemini **35%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#narzedzia

Korzyści

53%

respondentów oczekuje skrócenia czasu wprowadzania zmian na rynek

1. Krótszy time to market **53%**
2. Niższy koszt wytwarzania **47%**
3. Przygotowanie zespołów **42%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#korzysci

Bariery

74%

respondentów wskazuje bezpieczeństwo danych jako barierę

1. Bezpieczeństwo i compliance **74%**
2. Kompetencje zespołu **42%**
3. Brak jasnego ROI **37%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#bariery

Zespoły IT

74%

respondentów nie spodziewa się zmiany wielkości zespołu IT

1. Ta sama wielkość zespołu **74%**
2. Inny profil kompetencji **54%**
3. Redukcja lub zastąpienie ról **23%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#zespol

Budżet

50%

respondentów nie zna rocznego budżetu na narzędzia AI w SDLC

1. Nie zna budżetu **50%**
2. Do 50 tys. zł **32%**
3. Powyżej 50 tys. zł **18%**

Szczegóły

https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#budzet

W tym badaniu

1. [Stopień wdrożenia](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#dojrzalosc)
2. [Zastosowanie dziś](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#obszary)
3. [Za 18–24 miesiące](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#perspektywa)
4. [Narzędzia i modele](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#narzedzia)
5. [Korzyści](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#korzysci)
6. [Bariery](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#bariery)
7. [Zespoły IT](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#zespol)
8. [Budżet](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#budzet)
9. [Respondenci](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#respondenci)
10. [Metodologia](https://liderzy.it/materialy/badanie-ai-w-sdlc-2025#metodologia)

[Wszystkie materiały](https://liderzy.it/materialy)

Stopień wdrożenia

## Co trzecia organizacja jest na etapie pilotażu

Wdrożenia produkcyjne AI w procesie wytwarzania oprogramowania deklaruje 36% respondentów, w tym 16% w jednym lub dwóch projektach. Niemal tyle samo organizacji (34%) testuje AI w projektach pilotażowych. Prac jeszcze nie rozpoczęło 21%, a wykorzystania AI w SDLC nie planuje 2%.

Rys. 1 Zakres wykorzystania AI w procesie wytwarzania oprogramowania

**21%**, **34%**, **16%**, **10%**, **10%**

**Przed wdrożeniem** 23%

- Brak planów **2%**
- Wdrożenie planowane **21%**

**Projekty pilotażowe** 34%

- Projekty pilotażowe (PoC) **34%**

**Wdrożenia produkcyjne** 36%

- 1–2 wdrożenia produkcyjne **16%**
- Szerokie zastosowanie (3–4 obszary) **10%**
- Wszędzie, gdzie to możliwe **10%**

- Nie wiem **7%**

Pytanie: „Jak szeroko stosujecie AI w procesie budowy oprogramowania (SDLC)?” (jednokrotny wybór).

Zastosowanie dziś

## AI wspiera przede wszystkim kodowanie i testy

Kodowanie jest jedynym etapem SDLC, na którym AI stosuje większość organizacji (64%). Testowanie wskazuje 42% respondentów, a zbieranie i dokumentowanie wymagań 32%. Z AI przy architekturze, integracjach i zarządzaniu projektem korzysta co piąta organizacja lub mniej.

Rys. 2 Etapy SDLC, na których organizacje stosują dziś AI

1. Kodowanie **64%**
2. Testowanie **42%**
3. Wymagania biznesowe i systemowe **32%**
4. Modelowanie procesów biznesowych **20%**
5. Architektura rozwiązań **19%**
6. Architektura IT **16%**
7. Integracje i API **15%**
8. Zarządzanie projektem lub produktem **9%**
9. Nigdzie **9%**
10. Nie wiem **8%**

Pytanie: „Gdzie Twoja organizacja obecnie wykorzystuje narzędzia AI w procesie budowy oprogramowania (SDLC)?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Za 18–24 miesiące

## Oczekiwania obejmują cały cykl wytwarzania

Respondenci spodziewają się, że AI przejmie część pracy na każdym etapie SDLC. Najczęściej wskazują testowanie (75%), programowanie (74%) i notatki ze spotkań (71%), najrzadziej architekturę rozwiązań (29%).

Zestawienie z obecnym zastosowaniem AI pokazuje, gdzie oczekiwania najbardziej wyprzedzają praktykę: w testowaniu, w specyfikacji integracji i API oraz w opisie procesów biznesowych. Najmniejsza różnica dotyczy programowania, w którym AI jest już powszechna.

Rys. 3 Obszary pracy, które według respondentów AI częściowo przejmie w ciągu 18–24 miesięcy

1. Testowanie (testy, dane testowe) **75%**
2. Programowanie **74%**
3. Notatki ze spotkań **71%**
4. Code review i analiza jakości kodu **63%**
5. Dokumentacja powdrożeniowa **53%**
6. Opis wymagań (historyjki, epiki, przypadki użycia) **50%**
7. Specyfikacja API i integracji **46%**
8. „Pamięć projektowa” zamiast ludzkiej bazy wiedzy **41%**
9. Opis procesów biznesowych **39%**
10. Architektura rozwiązań **29%**

Pytanie: „Jak AI wpłynie na SDLC w ciągu 18–24 miesięcy?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Rys. 4 Obecne zastosowanie AI a oczekiwania na 18–24 miesiące

- Stosują AI na tym etapie dziś
- Spodziewają się, że w ciągu 18–24 miesięcy AI przejmie część tej pracy

1. Testowanie dziś:, 42%, ; za 18–24 miesiące:, 75%
2. Integracje i API dziś:, 15%, ; za 18–24 miesiące:, 46%
3. Procesy biznesowe dziś:, 20%, ; za 18–24 miesiące:, 39%
4. Wymagania dziś:, 32%, ; za 18–24 miesiące:, 50%
5. Architektura rozwiązań dziś:, 19%, ; za 18–24 miesiące:, 29%
6. Programowanie dziś:, 64%, ; za 18–24 miesiące:, 74%

Pytanie: „Gdzie Twoja organizacja obecnie wykorzystuje narzędzia AI w procesie budowy oprogramowania (SDLC)?” oraz „Jak AI wpłynie na SDLC w ciągu 18–24 miesięcy?” (wielokrotny wybór, odsetki nie sumują się do 100%). Wykres zestawia odpowiedzi na dwa różne pytania: o obecne zastosowanie AI w organizacji i o oczekiwanie, że AI przejmie część pracy. Pokazuje kierunek oczekiwań, a nie prognozę.

Narzędzia i modele

## Dominują narzędzia Microsoftu i OpenAI

Z Microsoft 365 Copilot lub GitHub Copilot korzysta 67% respondentów, z narzędzi OpenAI 62%. Narzędzia Google i Anthropic wskazuje mniej więcej co trzeci respondent. Prawie połowa organizacji (47%) stosuje już narzędzia do kodowania agentowego, takie jak Cursor czy Claude Code.

Bezpłatną wersję ChatGPT wskazuje 32% respondentów. Ponieważ bezpieczeństwo danych jest najczęściej wskazywaną barierą, korzystanie z bezpłatnych narzędzi warto objąć zasadami obowiązującymi w organizacji.

Rys. 5 Rodzaje narzędzi AI wykorzystywanych w SDLC

1. Kodowanie agentowe (np. Cursor, Claude Code) **47%**
2. Asystenci kodowania (np. Sourcegraph, Tabnine) **23%**
3. Vibe coding (np. Replit, Bolt, v0, Lovable) **10%**
4. Nie używamy **23%**
5. Nie wiem **12%**

Pytanie: „Jakiego rodzaju narzędzia Twoja organizacja wykorzystuje w SDLC?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Rys. 6 Narzędzia AI wykorzystywane w SDLC

1. Microsoft 365 Copilot (biznesowy) **49%**
2. GitHub Copilot **39%**
3. Gemini **35%**
4. ChatGPT (płatny) **34%**
5. ChatGPT (bezpłatny) **32%**
6. Claude **28%**
7. Claude Code **21%**
8. Własne rozwiązania **20%**
9. Cursor **14%**
10. AI w narzędziach Atlassian **11%**
11. AI w Miro **8%**
12. Gemini CLI **7%**
13. Codex CLI **4%**
14. Nie używam narzędzi AI **3%**
15. Nie wiem **1%**

Pytanie: „Jakie narzędzia AI wykorzystujesz w SDLC (nie tylko w kodowaniu)?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Rys. 7 Modele AI wykorzystywane przez API

1. OpenAI przez Azure **23%**
2. Google Gemini **18%**
3. OpenAI bezpośrednio **17%**
4. Anthropic bezpośrednio **12%**
5. Dedykowane modele on-premise **11%**
6. Llama (Meta) on-premise **7%**
7. Bielik on-premise **4%**
8. Mistral on-premise **3%**
9. Anthropic przez AWS **2%**
10. Nie korzystamy z modeli przez API **31%**
11. Nie wiem **18%**

Pytanie: „Jeżeli korzystacie z modeli AI przez API, to jakie modele stosujecie w SDLC?” (wielokrotny wybór, odsetki nie sumują się do 100%). Modele uruchamiane we własnej infrastrukturze (on-premise) wskazuje łącznie 16% respondentów.

Korzyści

## Najważniejsze są czas i koszt wytwarzania

Respondenci oczekują przede wszystkim korzyści biznesowych: szybszego wprowadzania zmian na rynek (53%) i niższego kosztu wytwarzania oprogramowania (47%). Na trzecim miejscu jest przygotowanie zespołów na zmiany technologiczne (42%). Lepszą jakość kodu i większą wartość biznesową rozwiązań IT wskazuje po 18%.

Rys. 8 Korzyści z wdrożenia AI w SDLC

1. Skrócenie time to market **53%**
2. Niższy koszt wytwarzania oprogramowania **47%**
3. Przygotowanie zespołów na zmiany technologiczne **42%**
4. Więcej czasu na zadania kreatywne **33%**
5. Lepsza jakość dokumentacji **28%**
6. Mniej błędów **27%**
7. Podążanie za trendami **21%**
8. Lepsza jakość kodu **18%**
9. Więcej czasu na rozmowy z biznesem **18%**
10. Większa wartość biznesowa rozwiązań IT **18%**
11. Nie wiem **5%**

Pytanie: „Jakie widzicie korzyści z wdrożenia narzędzi AI w procesie budowy oprogramowania (SDLC) w Twojej organizacji?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Bariery

## Bezpieczeństwo danych hamuje bardziej niż koszty

Obawy o bezpieczeństwo danych i zgodność z regulacjami wskazuje 74% respondentów, ponad dwa razy więcej niż koszty licencji (28%). Kolejne bariery dotyczą kompetencji: w zespołach wytwórczych (42%) i wśród menedżerów IT (36%). Opór wobec zmiany – zarówno deweloperów (25%), jak i menedżerów IT (18%) – wskazywany jest rzadziej niż brak kompetencji.

Rys. 9 Główne bariery zastosowania AI w SDLC

1. Bezpieczeństwo danych i compliance (RODO, NIS2) **74%**
2. Brak kompetencji w zespole wytwórczym **42%**
3. Brak jasnego ROI, zwłaszcza przy skalowaniu **37%**
4. Brak kompetencji menedżerów IT **36%**
5. Systemy legacy (kod, dokumentacja) **35%**
6. Koszty licencji i narzędzi **28%**
7. Opór deweloperów **25%**
8. Integracja AI z narzędziami SDLC **23%**
9. Opór menedżerów IT **18%**
10. Jakość kodu z AI wymaga refaktoryzacji **16%**

Pytanie: „Jakie są obecnie główne bariery zastosowania AI w SDLC?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Zespoły IT

## Zmienią się kompetencje, nie liczebność zespołów

Trzy czwarte respondentów (74%) spodziewa się, że wielkość zespołu IT się nie zmieni. Zmieni się natomiast profil kompetencji (54%) lub zespół zrealizuje więcej projektów (49%). Zastąpienie niektórych ról przez AI lub zmniejszenie zespołu przewiduje łącznie 23%.

Rys. 10 Spodziewany wpływ AI na zespół IT w ciągu 18–24 miesięcy

1. Ta sama wielkość, inny profil kompetencji **54%**
2. Ta sama wielkość, więcej projektów **49%**
3. AI zastąpi niektóre role **19%**
4. Potrzeba więcej midów wspartych AI **12%**
5. Potrzeba więcej seniorów **12%**
6. Zmniejszenie zespołu **9%**
7. Bez istotnych zmian **15%**

Pytanie: „Jak AI wpłynie na Twój zespół IT w ciągu najbliższych 18–24 miesięcy?” (wielokrotny wybór, odsetki nie sumują się do 100%).

Budżet

## Połowa respondentów nie zna budżetu na narzędzia AI

Brak wiedzy o budżecie może oznaczać, że respondenci nie odpowiadają za zakup narzędzi albo że organizacja nie wyodrębniła budżetu na AI w SDLC. Wśród osób, które budżet znają, odpowiedzi są spolaryzowane: 64% wskazuje kwotę do 50 tys. zł rocznie, a 18% ponad 500 tys. zł.

Rys. 11 Roczny budżet organizacji na narzędzia AI w SDLC (netto)

**Nie zna budżetu 50%**, **Zna budżet 50%**

Roczny budżet wśród respondentów, którzy go znają

1. 0 zł **7%**
2. Poniżej 10 tys. zł **29%**
3. 10–50 tys. zł **28%**
4. 50–200 tys. zł **12%**
5. 200–500 tys. zł **6%**
6. Powyżej 500 tys. zł **18%**

Pytanie: „Jaki jest budżet Twojej organizacji na narzędzia AI w SDLC (rocznie, netto)?” (jednokrotny wybór). Rozkład kwot liczony wśród respondentów, którzy znają budżet.

Respondenci

## Przeważają duże organizacje i sektor finansowy

Najwięcej respondentów (40%) pracuje w organizacjach zatrudniających w Polsce ponad 1000 osób. Najliczniej reprezentowany jest sektor finansowy (23%), a po nim software house’y, administracja publiczna, handel i produkcja. Wyniki opisują więc przede wszystkim perspektywę dużych organizacji.

Rys. 12 Wielkość organizacji (pracownicy i długoterminowi kontraktorzy w Polsce)

1. Jednoosobowa działalność **5%**
2. 2–10 osób **5%**
3. 11–50 osób **7%**
4. 51–250 osób **18%**
5. 251–500 osób **10%**
6. 501–1000 osób **15%**
7. Powyżej 1000 osób **40%**

Pytanie: „Jak duża jest Twoja firma (ilu ma pracowników i długoterminowych kontraktorów) w Polsce?” (jednokrotny wybór).

Rys. 13 Branża

1. Banki, ubezpieczenia i finanse **23%**
2. Software house **12%**
3. Administracja publiczna **10%**
4. Handel i e-commerce **9%**
5. Produkcja i przemysł **9%**
6. Ochrona zdrowia i farmacja **8%**
7. Telekomunikacja **6%**
8. Logistyka i transport **5%**
9. Media i rozrywka **2%**
10. Energetyka i gaz **2%**
11. Doradztwo **1%**
12. Inne branże **13%**

Pytanie: „W jakiej branży głównie działa Twoja firma?” (jednokrotny wybór).

Metodologia

## Jak przeprowadziliśmy badanie

- Termin i metoda: Ankieta internetowa z pytaniami zamkniętymi, przeprowadzona w dniach 4–20 listopada 2025 r. Przy części pytań respondenci mogli dopisać własną odpowiedź.
- Podstawa odsetków: Wszystkie odsetki liczono od ankiet wypełnionych do końca, aby każdy wykres opisywał tę samą grupę respondentów.
- Zaokrąglenia: Odsetki zaokrąglono do pełnych punktów procentowych. W pytaniach jednokrotnego wyboru zaokrąglenia wyrównano tak, aby suma wynosiła 100%. W pytaniach wielokrotnego wyboru suma przekracza 100%.
- Ograniczenia: Dobór respondentów nie był losowy, a ankieta nie pytała o stanowisko. Wyniki opisują badaną grupę i nie są reprezentatywne dla wszystkich organizacji w Polsce. W próbie przeważają duże organizacje i sektor finansowy.

Przeczytaj też **Wpływ AI na SDLC: cykl życia oprogramowania etap po etapie**

https://liderzy.it/materialy/wplyw-ai-na-sdlc