Polscy juniorzy uczą się Pythona od bootcampów po wieczorowe kursy, dlatego pytanie “po co Python, skoro AI pisze kod” brzmi prawie jak prowokacja. Noah Mitchem postawił tę tezę w eseju “If AI writes your code, why use Python?” opublikowanym 28 kwietnia 2026 na Medium. Jego argument jest prosty: AI najlepiej radzi sobie w językach z silnym systemem typów, takich jak Rust, Go i Swift. Python natomiast wygrał poprzednią dekadę właśnie dlatego, że trudne języki były dla człowieka męczące. Skoro człowiek już ich nie pisze ręcznie, ich główna wada znika. Co to znaczy w praktyce? Microsoft przepisał kompilator TypeScript z TS na Go i dostał wersję dziesięć razy szybszą. Dla polskich firm programistycznych i ich juniorów to pytanie warte chwili namysłu, niezależnie od tego, czy zgodzimy się z autorem.
O co dokładnie chodzi w eseju Mitchema
Główna teza eseju jest prosta. AI właśnie zburzyło kalkulację, która przez ostatnie dwie dekady faworyzowała Python i JavaScript. Tamte języki wygrywały, bo były wygodne dla programisty, mimo że wolniejsze i mniej bezpieczne typowo. Mitchem zauważa, że w kwietniu 2026 czołowe modele AI przekroczyły próg 80 procent na benchmarku SWE-bench Verified. To oznacza, że agenty potrafią rozwiązać większość realnych zadań inżynierskich na bazie zgłoszeń z GitHuba. Co więcej, dotyczy to także trudnych klas problemów – wyścigów wątków, zarządzania pamięcią, niskopoziomowej współbieżności.
Z perspektywy autora języki, które były najtrudniejsze dla człowieka, okazują się najwygodniejsze dla agentów. Powód jest techniczny. Mocny system typów i szybka kompilacja działają jak darmowy “sygnał uczący” dla AI. Agent pisze kod, kompilator wskazuje błąd, model poprawia. Ta pętla jest krótka i jednoznaczna. W Pythonie ten sam błąd wychodzi dopiero przy uruchomieniu, czasem tygodnie później, w produkcji. Z kolei dla człowieka Rust wymaga długiej nauki, ponieważ ma swój własny system własności pamięci – dla agenta to po prostu jasna reguła do nauczenia raz i na zawsze.
Najmocniejszy cytat z eseju brzmi: “ekosystem Pythona coraz częściej jest ekosystemem Rusta przebranym za Python”. Mitchem przypomina, że Pydantic, Polars i tokenizery Hugging Face są w środku napisane w Ruscie. Programista pisze w Pythonie, ale wydajność, na której mu zależy, dostarcza inny język ukryty pod spodem. To prowadzi go do prowokacyjnego wniosku – jeśli i tak korzystasz z Rusta przez maskę Pythona, czemu nie pisać od razu w Ruscie z pomocą agenta?
Konkrety, które autor podaje jako dowody
Mitchem nie poprzestaje na argumentach koncepcyjnych. Wymienia konkretne historie z ostatnich miesięcy. Po pierwsze, Microsoft przepisał kompilator TypeScript z TS na Go i według ogłoszenia firma dostała dziesięciokrotne przyspieszenie względem wersji szóstej. To nie był ruch akademicki – chodziło o narzędzie, którego używają miliony programistów na świecie codziennie. Już samo to wpisuje się w szerszy trend – przeskakiwania ze skryptowych środowisk uruchomieniowych na języki kompilowane.
Po drugie, Nicholas Carlini zorganizował agenty Claude w proces, który wyprodukował kompilator C napisany w Ruscie. Projekt miał około 100 tysięcy linii kodu, a cały koszt obliczeniowy zamknął się w dwudziestu tysiącach dolarów. Mitchem podkreśla, że to wartość, której nikt rozsądny nie zapłaci pojedynczemu programiście za miesięczny projekt napisany od zera. Co ciekawe, podobne wnioski pojawiały się też w naszej analizie doniesień o 75 procentach kodu Google generowanego przez AI, gdzie środowisko produkcyjne firmy przekształciło się szybciej, niż wiele osób się spodziewało.
Po trzecie, Steve Klabnik zbudował nowy język programowania nazwany “Rue” w dwa tygodnie z asystą Claude. Mitchem dorzuca jeszcze Armina Ronachera, który przeniósł bibliotekę MiniJinja na inny język w 45 minut faktycznej pracy. Każdy z tych przykładów osobno robi małe wrażenie, jednak w sumie pokazują zmianę ekonomiki. Porty bibliotek stają się tańsze niż wprowadzanie do nich poprawek, dlatego maleje motywacja do utrzymywania starych zależności. Tu pasuje analogia z mieszkania – kiedyś łatwiej było wstawić nową pralkę w to samo miejsce, niż przesunąć rury. Dziś przesunięcie rur jest tak tanie, że projektujemy łazienkę od nowa.
Gdzie krytycy mają rację
Esej Mitchema nie został przyjęty na Hacker News bez sprzeciwu. Komentarze wskazują kilka mocnych kontrargumentów, które warto wziąć pod uwagę, zanim ktoś pochopnie skreśli Pythona. Po pierwsze, korpus treningowy. Modele AI są lepsze w językach, których po prostu mają dużo. Komentarz użytkownika lenerdenator streszcza to prosto – dla wielu aplikacji Python ma większy zasób publicznego kodu, więc model ma z czego się uczyć i generuje czytelniejszy wynik. To prawda dla typowych aplikacji webowych, skryptów do analizy danych i automatyzacji. Rust dopiero buduje swoją bazę publicznego kodu.
Po drugie, prawdziwe wąskie gardło aplikacji często nie jest po stronie języka. Te same głosy z HN przypominają, że większość komercyjnych systemów spowalnia baza danych albo opóźnienie sieci, a nie pętla obliczeniowa Pythona. Wybór języka, który jest o 10 razy szybszy w CPU, daje wtedy oszczędność niezauważalną dla użytkownika końcowego. W polskich realiach to dotyczy większości aplikacji biznesowych – sklepów internetowych, panelów administracyjnych, integracji z systemami klienta.
Po trzecie, są obszary, w których Python pozostaje bezkonkurencyjny. Według Mitchema PyTorch nadal dominuje w badaniach nad uczeniem głębokim, z udziałem rzędu 85 procent. To nie zmieni się przez kilka najbliższych lat. Dane laboratoryjne, prototypowanie naukowe, klasyczne notebooki Jupytera – tu Python ma ekosystem, którego nikt nie podrobi w rok. Mitchem zresztą sam o tym wspomina, jednak wielu czytelników eseju ma poczucie, że teza brzmi mocniej, niż zasługuje. Co więcej, Prisma niedawno usunęła Rusta ze swojej warstwy zapytań i dostała 85 procent mniejszy pakiet w przeglądarce. To pokazuje, że nawet ulubieńcy AI nie wszędzie pasują.
Wybór języka programowania w 2026 to nie tylko decyzja techniczna. To zakład o to, w czym Twoja firma będzie pisała kod za pięć lat.
W tym kontekście warto spojrzeć, jak temat automatyzacji łączy się z tym, co możesz pokazać pracodawcy już za miesiąc.
Kurs n8n 2.0 · Kodożercy
Automatyzacja to dziś jedna z najbardziej poszukiwanych umiejętności
Firmy szukają ludzi, którzy łączą procesy z narzędziami. Kurs n8n 2.0 na Kodożercach da Ci praktyczne umiejętności – webhooki, API, automatyczne przepływy danych – które możesz pokazać już jutro.
Zobacz program kursu →
Co to znaczy dla polskiego juniora w 2026
W polskiej rzeczywistości esej Mitchema trafia w moment, w którym tysiące osób są w trakcie nauki Pythona. Bootcampy, kursy weekendowe, programy reskillingowe wojewódzkich urzędów pracy – wszystkie one stawiają na Pythona, bo ma niski próg wejścia i dużo materiałów po polsku. Czy to znaczy, że te osoby uczą się czegoś niepotrzebnego? Nie do końca. Python wciąż jest najszybszą drogą do pierwszej pracy w analizie danych, na zapleczu firmy i w działach raportowych. W polskich ogłoszeniach dla danych i automatyzacji Python nadal pojawia się bardzo często, dlatego dla juniora to wciąż praktyczny wybór.
Kiedy warto dorzucić Rusta albo Go
Jeśli stoisz po pierwszym roku pracy z Pythonem, esej Mitchema mówi Ci jedną rzecz wprost. Twój następny język nie powinien być kolejnym językiem skryptowym. Im wcześniej zobaczysz, jak działa silne typowanie i szybka kompilacja, tym lepiej dogadasz się z agentem AI w projektach na produkcji. Go jest tu wyborem najprostszym – składnia jest prawie tak czytelna jak Python, narzędzia są gotowe od ręki, a wdrożenie do kontenera trywialne. To trochę jak wybór samochodu do miasta i na autostradę – do krótkich tras wystarczy wygoda, jednak przy dużych przebiegach zaczynasz liczyć spalanie, serwis i przewidywalność. Rust jest droższy w nauce, jednak naprawdę otwiera drzwi do systemów infrastrukturalnych i szybko rośnie w polskich ogłoszeniach.
Co więcej, warto sprawdzić, jak polskie zespoły faktycznie pracują z tymi narzędziami. W praktyce widać, że praca z Claude Code i własnym CLAUDE.md szybciej daje efekty w projektach z Rust albo Go niż w czystym Pythonie. Pętla “kompilator wskazuje błąd, model poprawia” jest tam zauważalnie krótsza, a programista częściej spędza czas na decyzjach architektonicznych niż na poprawianiu literówek. Z kolei dla nielicznych, którzy chcą iść w drugą stronę i wyłączyć AI z pisania kodu, Python pozostaje najprzyjemniejszym językiem nauki. Dalej oferuje krótką pętlę “napisz – uruchom – zobacz wynik”.
Sygnał dla pracodawcy i dla firmy
Dla zespołów, które piszą produkty w Go albo Ruscie z asystą AI, przewaga zwykle sprowadza się do dwóch rzeczy. Pierwszą jest niższy koszt utrzymania na dłuższą metę, ponieważ silne typowanie wyłapuje błędy, które w Pythonie wracają w produkcji. Drugą jest większa przewidywalność wydajności, dlatego trudniej o niespodziankę przy skalowaniu. Oba zyski rosną razem ze wzrostem złożoności systemu – dla małej aplikacji są niewielkie, dla rozbudowanej platformy potrafią być decydujące.
Junior, który w 2026 dorzuca Go albo Rust obok Pythona, daje sobie szansę pracować na produktach, których inni nie wezmą w swoje ręce.
Podsumowanie
Esej Noah Mitchema nie jest wyrokiem na Pythona, lecz mocnym sygnałem o zmianie rynkowej. AI zniosło barierę, która kazała programistom wybierać język wygodny dla człowieka, dlatego języki kompilowane z silnym typowaniem przesuwają się do pierwszego rzędu. Python pozostaje numerem jeden w analizie danych, badaniach AI i w typowej polskiej karierze juniorskiej. Co więcej, jego ekosystem ma dziś więcej Rusta w środku, niż wielu programistów zdaje sobie sprawę. Najmądrzejsza reakcja na esej to nie panika, tylko spokojna kalkulacja – jeśli Twoja kariera jest dłuższa niż pięć lat, warto zacząć patrzeć też na Go albo Rust. Jeśli prowadzisz firmę programistyczną, warto policzyć, ile rocznie kosztuje Cię utrzymanie kodu, który “działał na środowisku” i przestał działać po wdrożeniu. To ten koszt esej Mitchema próbuje obnażyć, a polski rynek prędzej czy później to zauważy.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
