AI po shkruan kodin, por kush mban përgjegjësi kur ai dështon?

Për dekada, përgjegjësia në zhvillimin e software-it ka qenë relativisht e qartë.

Developer-i shkruan kodin. Ekipi e rishikon. Testet kontrollojnë funksionimin e tij. Organizata vendos nëse software-i është gati për t’u kaluar në production.

Por AI po ndryshon një nga hallkat më themelore të këtij procesi.

Sot, një coding agent nuk kufizohet më vetëm në sugjerimin e disa rreshtave kod.

Ai mund të analizojë një repository, të identifikojë problemin, të ndryshojë disa skedarë, të ndërtojë një funksionalitet, të ekzekutojë teste dhe të propozojë një implementim pothuajse të plotë.

Sipas raportit The 2026 State of AI Agents të Anthropic, më shumë se 9 në 10 organizata të anketuara përdorin AI për të ndihmuar në coding. 86% përdorin coding agents për kod që shkon në production, ndërsa 42% u besojnë këtyre agjentëve të udhëheqin punën e zhvillimit me njerëzit që vazhdojnë të rishikojnë kodin dhe të përcaktojnë strategjinë.

Kjo krijon një pyetje që industria e software-it do të duhet ta adresojë gjithnjë e më shpesh:

Nëse AI shkruan pjesën kryesore të kodit, kush mban përgjegjësi kur ai kod dështon?

Nga “AI më ndihmoi” te “AI e implementoi”

Në fazat e para të AI coding, ndarja e përgjegjësisë ishte më e thjeshtë.

Developer-i shkruante kodin dhe AI sugjeronte një funksion, plotësonte disa rreshta ose shpjegonte një gabim.

Vendimmarrja dhe implementimi vazhdonin të ishin kryesisht njerëzorë.

Coding agents po e ndryshojnë këtë marrëdhënie.

Një developer mund t’i japë një agjenti një objektiv të nivelit të lartë dhe ta lejojë atë të përcaktojë vetë një pjesë të mënyrës së implementimit.

Studimi i Anthropic mbi rreth 400 mijë sesione të Claude Code tregon pikërisht këtë ndarje: njerëzit priren të marrin më shumë vendime rreth çfarë duhet bërë, ndërsa AI merr më shumë vendime rreth si duhet realizuar.

Në këtë model, developer-i nuk është domosdoshmërisht autori i çdo rreshti.

Por vazhdon të jetë pjesë e procesit që vendos nëse ai kod duhet të pranohet.

Autori i kodit dhe përgjegjësi për kodin nuk janë domosdoshmërisht i njëjti rol

Këtu duhet bërë një dallim i rëndësishëm.

Kush e gjeneroi kodin?

dhe

Kush është përgjegjës për vendosjen e tij në production?

janë dy pyetje të ndryshme.

Një coding agent mund të gjenerojë implementimin.

Por organizata është ajo që vendos se cilat mjete AI përdoren, çfarë aksesi kanë, cilat standarde duhet të plotësojë kodi dhe në cilën pikë kërkohet miratim njerëzor.

Prandaj, përdorimi i AI nuk duhet të krijojë një boshllëk përgjegjësie.

Përkundrazi, ai kërkon që përgjegjësia të përcaktohet edhe më qartë.

“E shkroi AI” nuk mund të bëhet mekanizëm për transferimin e përgjegjësisë

Imagjinoni një coding agent që krijon një funksionalitet të ri.

Testet kalojnë.

Kodi duket i rregullt.

Developer-i e miraton dhe ndryshimi kalon në production.

Më vonë zbulohet një problem serioz.

Në një model tradicional, ekipi mund të analizojë vendimet teknike që çuan te gabimi dhe procesin e code review që nuk e identifikoi atë.

Në një workflow të drejtuar nga AI, mund të shfaqet një përgjigje e re:

“Këtë pjesë e shkroi AI.”

Por kjo nuk e zgjidh problemin.

Nëse organizata ka zgjedhur ta përdorë AI për implementimin e software-it, atëherë duhet të ndërtojë edhe proceset për kontrollimin e rezultateve të saj.

AI mund të ndryshojë mënyrën se si prodhohet kodi.

Nuk duhet të eliminojë përgjegjësinë për mënyrën se si ai kod verifikohet dhe përdoret.

Human-in-the-loop po merr një kuptim të ri

42% e organizatave në raportin e Anthropic thonë se u besojnë coding agents të udhëheqin zhvillimin me njerëzit të përfshirë për rishikimin e kodit dhe përcaktimin e strategjisë.

Kjo frazë — human-in-the-loop — bëhet shumë e rëndësishme.

Por prania e një njeriu në proces nuk është e mjaftueshme në vetvete.

Nëse AI gjeneron mijëra rreshta kod dhe developer-i thjesht klikon “Approve”, mbikëqyrja njerëzore ekziston teknikisht, por mund të mos ekzistojë realisht.

Prandaj pyetja nuk duhet të jetë vetëm:

“A e miratoi një njeri?”

Duhet të jetë:

“A kishte ai njeri informacionin, kohën dhe ekspertizën e nevojshme për ta vlerësuar ndryshimin?”

Sa më shumë kod prodhon AI, aq më e vështirë bëhet të kontrollohet gjithçka

AI krijon një paradoks të ri për ekipet e software-it.

Coding agents mund ta rrisin ndjeshëm shpejtësinë e prodhimit të kodit.

Por shpejtësia e code review njerëzor nuk rritet automatikisht me të njëjtin ritëm.

Nëse një ekip më parë prodhonte dhjetë ndryshime në ditë dhe tani AI e ndihmon të prodhojë shumë më tepër, kontrollimi manual i çdo ndryshimi me të njëjtën thellësi bëhet gjithnjë e më i vështirë.

Anthropic parashikon pikërisht një transformim të tillë: mbikëqyrja njerëzore mund të kalojë gradualisht nga kontrollimi i çdo rezultati te kontrollimi i rasteve ku gjykimi njerëzor është vërtet i nevojshëm.

Kjo do të thotë se vetë sistemi duhet të bëhet më i aftë për të dalluar rrezikun.

AI mund të kontrollojë AI-n, por përgjegjësia nuk zhduket

Një zgjidhje që po shfaqet është përdorimi i AI për të kontrolluar output-in e AI.

Një agent mund të shkruajë kodin.

Një tjetër mund ta rishikojë.

Një sistem sigurie mund të kërkojë vulnerabilitete.

Testet automatike mund të verifikojnë sjelljen.

Një tjetër mekanizëm mund të sinjalizojë vetëm ndryshimet me rrezik të lartë për developer-in.

Kjo mund ta bëjë mbikëqyrjen shumë më të shkallëzueshme.

Por krijon edhe një pyetje tjetër:

Nëse AI shkruan kodin dhe një AI tjetër e miraton, kush kontrollon sistemin e kontrollit?

Në fund duhet të ekzistojë një nivel ku përgjegjësia i përket organizatës dhe njerëzve që kanë përcaktuar rregullat e sistemit.

Përgjegjësia po zhvendoset nga rreshti i kodit te sistemi i zhvillimit

Kjo mund të jetë një nga ndryshimet më të rëndësishme që sjell AI në software engineering.

Në modelin tradicional, developer-i ishte shumë pranë çdo rreshti kodi që prodhonte.

Në modelin me coding agents, developer-i mund të jetë më larg implementimit të drejtpërdrejtë.

Përgjegjësia e tij zhvendoset drejt projektimit të procesit:

Çfarë mund t’i delegohet AI?

Çfarë duhet të kontrollohet automatikisht?

Cilat ndryshime kërkojnë code review njerëzor?

Kur duhet agjenti të ndalojë dhe të kërkojë ndihmë?

Cilat teste duhet të kalojnë përpara se një ndryshim të pranohet?

Cilat pjesë të sistemit konsiderohen tepër kritike për t’iu deleguar plotësisht një agjenti?

Këto po bëhen pyetje të software architecture dhe engineering governance.

Ekspertiza njerëzore nuk po bëhet më pak e rëndësishme

Mund të duket sikur, sa më mirë të shkruajë kod AI, aq më pak ekspertizë teknike do të kërkohet nga developer-i.

Të dhënat e Anthropic sugjerojnë një pamje më komplekse.

Në analizën e rreth 400 mijë sesioneve të Claude Code, përdoruesit me më shumë ekspertizë në fushën përkatëse kishin më shumë gjasa ta përfundonin me sukses detyrën.

Kjo ka kuptim.

Për të kontrolluar një implementim, duhet të kuptosh se si duhet të sillet sistemi.

Për të dalluar një vendim të dobët arkitekturor, duhet të kuptosh arkitekturën.

Dhe për të ditur se kur nuk duhet t’i besosh rezultatit të AI, duhet të kesh ekspertizën për ta sfiduar atë.

Prandaj AI mund ta reduktojë sasinë e kodit që developer-i shkruan manualisht, por mund ta rrisë rëndësinë e gjykimit teknik.

Gjurmueshmëria do të bëhet po aq e rëndësishme sa code review

Në një sistem ku AI merr pjesë në implementim, ekipet duhet të jenë në gjendje të kuptojnë se si është krijuar një ndryshim.

Cili agent e propozoi?

Çfarë udhëzimesh mori?

Cilat mjete përdori?

Çfarë testesh ekzekutoi?

Cili developer e rishikoi?

Cilat kontrolle automatike kaloi?

Kjo krijon një lloj të ri të gjurmueshmërisë së software-it.

Nuk mjafton të dimë vetëm çfarë ndryshoi në kod.

Gjithnjë e më shumë mund të na duhet të dimë edhe si dhe nga kush u morën vendimet që prodhuan atë ndryshim.

Nga Code Ownership te AI Governance

Në shumë ekipe software ekziston koncepti i code ownership.

Një ekip ose developer është përgjegjës për një pjesë të caktuar të sistemit.

Coding agents nuk duhet ta eliminojnë këtë model.

Ata mund ta bëjnë atë edhe më të rëndësishëm.

Një repository mund të përmbajë mijëra rreshta të gjeneruar nga AI, por duhet të vazhdojë të ekzistojë një pronësi njerëzore mbi sistemin.

Dikush duhet të përcaktojë standardet.

Dikush duhet të vendosë kufijtë e autonomisë.

Dikush duhet të analizojë incidentet.

Dhe dikush duhet të ketë autoritetin për të thënë se një ndryshim i prodhuar nga AI nuk duhet të kalojë në production.

Përgjegjësia për kodin AI po bëhet pjesë e arkitekturës së software-it

Për Soft&Solution Group, pyetja se kush e shkroi një rresht kodi do të bëhet gradualisht më pak e rëndësishme sesa pyetja se si u kontrollua ai përpara se të bëhej pjesë e sistemit.

Organizatat që përdorin coding agents duhet të projektojnë jo vetëm mënyrën se si AI prodhon kod, por edhe mënyrën se si ky kod testohet, rishikohet, miratohet dhe gjurmohet.

Kjo do të thotë se përgjegjësia nuk mund të jetë një diskutim që fillon pasi ndodh një incident.

Ajo duhet të jetë pjesë e arkitekturës së procesit të zhvillimit që në fillim.

Siç shprehet Ermal Beqiri, themelues i Soft&Solution Group:

“AI mund të marrë përsipër gjithnjë e më shumë nga implementimi, por përgjegjësia nuk mund t’i delegohet një modeli. Nëse një organizatë vendos t’i besojë AI-së shkrimin e kodit, ajo duhet të ndërtojë edhe mekanizmat që përcaktojnë kush e kontrollon, kush e miraton dhe kush mban përgjegjësi për rezultatin. Autonomia teknike duhet të shoqërohet gjithmonë me përgjegjësi të qartë njerëzore.”

AI po e ndryshon autorësinë e software-it.

Një pjesë gjithnjë e më e madhe e implementimit mund të prodhohet nga sisteme që nuk janë njerëz.

Por kjo nuk do të thotë se përgjegjësia duhet të bëhet e paqartë.

Përkundrazi.

Sa më autonom të bëhet coding agent-i, aq më qartë duhet të përcaktohen kufijtë e tij, procesi i verifikimit dhe pronësia njerëzore mbi rezultatin.

Në epokën e coding agents, pyetja nuk do të jetë më vetëm:

“Kush e shkroi këtë kod?”

Pyetja më e rëndësishme do të jetë:

“Kush vendosi se ky kod ishte mjaftueshëm i mirë për t’u përdorur?”