Insights AI
Budowanie w erze programowania przez agentów AI: jak infrastruktura dostosowuje się do autonomicznych twórców oprogramowania
Podcast · Słuchaj (19 min)
Supabase Says 70% of Its New Users Aren't Human | AI Explained
Spis treści
- Wąskie gardło: infrastruktura zaprojektowana dla ludzi w świecie napędzanym przez agentów
- Jak działa infrastruktura skoncentrowana na agentach: plan krok po kroku
- Krok 1: Programowe tworzenie i konfiguracja zasobów
- Krok 2: Interfejsy zoptymalizowane pod kątem agentów
- Krok 3: Zautomatyzowane zarządzanie cyklem życia
- Intuicyjna analogia: budowa według planów a automatyczne drukowanie mikromieszkań
- Co jest rzeczywiście nowe: przejście od „jak tworzyć” do „co tworzyć”
- Wpływ gospodarczy i strategiczny: produkty, branża i użytkownicy końcowi
- Dla zespołów produktowych
- Dla branży sztucznej inteligencji i chmury
- Dla zwykłych użytkowników
- Ograniczenia, ryzyka i otwarte pytania techniczne
- Kluczowe liczby
- Co mogłoby zmienić ten obraz
- Źródła
W miarę jak agenci sztucznej inteligencji coraz częściej przejmują zasadniczą realizację procesu tworzenia oprogramowania, podstawowa infrastruktura programistyczna przechodzi transformację strukturalną, aby obsługiwać autonomicznych, nieludzkich twórców. Supabase, platforma PostgreSQL (Postgres) o otwartym kodzie źródłowym, aktywnie przebudowuje swoją infrastrukturę wokół agentów sztucznej inteligencji, którzy generują obecnie około 70% całej nowej aktywności na platformie. Ta szeroko zakrojona migracja w kierunku agentowego tworzenia oprogramowania sprawia, że niestandardowe, niezwykle wyspecjalizowane oprogramowanie osobiste staje się równie powszechne i jednorazowe jak osobiste dokumenty tekstowe czy arkusze kalkulacyjne, a jednocześnie przenosi główny czynnik tworzenia wartości w rozwoju oprogramowania z realizacji technicznej („wiedzy, jak tworzyć”) na wiedzę dziedzinową i wizję produktu („wiedzę, co tworzyć”).
Wąskie gardło: infrastruktura zaprojektowana dla ludzi w świecie napędzanym przez agentów
Tradycyjna infrastruktura programistyczna została zaprojektowana z uwzględnieniem fizycznego tempa pracy i ograniczeń poznawczych człowieka. Starsze platformy bazodanowe, panele zarządzania chmurą i zestawy narzędzi programistycznych zakładały obecność człowieka siedzącego przed ekranem — ręcznie konfigurującego środowiska, tworzącego schematy baz danych, uruchamiającego skrypty wiersza poleceń i analizującego interfejsy programowania aplikacji. Te procesy pracy skoncentrowane na człowieku z natury przebiegały w umiarkowanym tempie, obejmując ręczne korygowanie błędów, nawigację po interfejsach wizualnych oraz wielotygodniowe cykle prac inżynierskich.
Dostosowanie starszej infrastruktury do autonomicznych agentów sztucznej inteligencji wiąże się z poważnymi wyzwaniami technicznymi. W przeciwieństwie do programistów, którzy korzystają z platform za pośrednictwem konsol graficznych lub świadomego uruchamiania skryptów, agenci sztucznej inteligencji programowo uruchamiają, odpytują, modyfikują i likwidują usługi zaplecza na ogromną skalę i niemal natychmiast. Tradycyjne platformy bazodanowe napotykają operacyjne wąskie gardła pod wpływem tych obciążeń generowanych bez udziału człowieka: ręczne procesy konfiguracji zatrzymują się, limity częstotliwości żądań dostosowane do ludzi uruchamiają się przedwcześnie, a wizualne panele zarządzania tracą znaczenie, gdy nikt nie korzysta z interfejsu użytkownika.
Podczas występu w podcaście Y Combinator o młodych firmach technologicznych z 30 października 2026, prowadzonym na kanale Lightcone przez Garry’ego, Harja i Jareda, współzałożyciel i dyrektor generalny Supabase Paul Copplestone szczegółowo wyjaśnił, jak jego platforma rozpoznała tę fundamentalną zmianę operacyjną. Ponieważ autonomiczni agenci programistyczni szybko stawali się głównym typem użytkownika w całym ekosystemie, Supabase zauważyło, że traktowanie interakcji agentów jako prostych zautomatyzowanych skryptów przestało być wykonalne. Z perspektywy analitycznej te dane empiryczne wskazują na szerszą rzeczywistość strukturalną: stosy technologiczne zaplecza wymagają gruntownej przebudowy, aby optymalizować je pod kątem programowego wykonywania działań bez udziału człowieka, a nie ręcznego wprowadzania danych.
Jak działa infrastruktura skoncentrowana na agentach: plan krok po kroku
Aby obsługiwać agentów sztucznej inteligencji jako pełnoprawnych użytkowników, platformy programistyczne przebudowują swoją architekturę wokół trójwarstwowego modelu operacyjnego zaprojektowanego z myślą o autonomicznym wykonywaniu działań.
Krok 1: Programowe tworzenie i konfiguracja zasobów
W modelu skoncentrowanym na agentach konfiguracja baz danych jest całkowicie oddzielona od interfejsów przeznaczonych dla ludzi. Agenci programowo inicjalizują w pełni skonfigurowane instancje baz danych za pośrednictwem punktów końcowych czytelnych dla maszyn. Zamiast programisty korzystającego z formularzy internetowych, aby wybrać regiony chmurowe, przydzielić przestrzeń dyskową i ustawić zmienne środowiskowe, agent sztucznej inteligencji wysyła zautomatyzowane polecenia do interfejsów programowania aplikacji, które tworzą kompletne instancje Postgres w milisekundach.
Krok 2: Interfejsy zoptymalizowane pod kątem agentów
Po utworzeniu usług zaplecza warstwa bazodanowa musi udostępniać interfejsy zoptymalizowane specjalnie pod kątem dużych modeli językowych i autonomicznych agentów. Obok tradycyjnych interfejsów programowania aplikacji platformy wdrażają serwery protokołu kontekstu modelu, samoopisujące schematy OpenAPI/Swagger oraz systemy rejestrowania zdarzeń w ustrukturyzowanym formacie JSON. Te abstrakcje przeznaczone dla maszyn pozwalają agentom bezpośrednio analizować architekturę schematów, tworzyć poprawną logikę zapytań, wykonywać migracje schematów i interpretować dzienniki błędów wykonania bez narzędzi wizualnych ani wskazówek człowieka.
Krok 3: Zautomatyzowane zarządzanie cyklem życia
Autonomiczne procesy programowania generują bardzo zmienne wzorce wykorzystania infrastruktury, charakteryzujące się krótkotrwałymi obciążeniami przypisanymi do konkretnych zadań. Infrastruktura skoncentrowana na agentach musi obsługiwać zdarzenia cyklu życia o wysokiej częstotliwości — w tym automatyczne skalowanie, natychmiastowe klonowanie tymczasowych baz danych do izolowanego testowania funkcji oraz szybkie usuwanie zasobów po zakończeniu zadania przez agenta. Platformy infrastrukturalne muszą utrzymywać stabilność systemu i efektywność obliczeniową, obsługując nieustanne cykle tworzenia i usuwania zasobów napędzane przez systemy automatyczne.
Intuicyjna analogia: budowa według planów a automatyczne drukowanie mikromieszkań
Aby zobrazować tę ewolucję strukturalną, rozważmy różnicę między tradycyjnym budownictwem mieszkaniowym a zautomatyzowaną produkcją modułową: * Tradycyjne zarządzanie bazami danych przypomina budowę domu mieszkalnego na zamówienie. Architekci sporządzają fizyczne plany dla przyszłych mieszkańców, a wykonawcy przez miesiące ręcznie montują konstrukcję oraz instalacje wodne i elektryczne. Każdy etap zależy od fizycznego tempa pracy człowieka i ręcznej kontroli. * Agentowe tworzenie i konfiguracja zasobów działa jak zautomatyzowana fabryka, która natychmiast drukuje modułowe mikromieszkania na żądanie, gdy algorytm zgłasza zapotrzebowanie na przestrzeń. Lokale powstają nieustannie, są natychmiast dostosowywane bez ręcznej pracy człowieka i płynnie demontowane, gdy przestrzeń przestaje być potrzebna.
Co jest rzeczywiście nowe: przejście od „jak tworzyć” do „co tworzyć”
Przejście do programowania agentowego oznacza jakościowe zerwanie z wcześniejszymi nurtami demokratyzacji oprogramowania, takimi jak platformy wymagające niewielkiej ilości kodu lub niewymagające kodowania. Wcześniejsze narzędzia ograniczające potrzebę kodowania skupiały się na ukrywaniu złożonej składni poprzez udostępnianie użytkownikom wizualnych interfejsów typu „przeciągnij i upuść” lub uproszczonych elementów sterowania graficznego. Operacyjne wąskie gardło jednak pozostawało: ludzie nadal musieli ręcznie rozplanowywać logiczne procesy pracy, łączyć elementy wizualne i składać aplikacje krok po kroku.
Fundamentalny przełom ery agentowej polega na całkowitym delegowaniu realizacji. Tworzenie oprogramowania przeszło od wpisywania kodu lub obsługi wizualnych kreatorów przez ludzi do autonomicznych agentów realizujących cały proces technicznego rozwoju na podstawie intencji wyrażonej w języku naturalnym.
+-----------------------------------------------------------------------+
| EVOLUTION OF BUILDING |
+-----------------------------------------------------------------------+
| TRADITIONAL CODING | Low-Code / No-Code | AGENTIC CODING ERA |
| Human writes code | Human uses drag-and-| Agent executes end-to-end |
| line-by-line. | drop interfaces. | development autonomously. |
+--------------------+---------------------+----------------------------+
| Focus: | Focus: | Focus: |
| "How to build" | "How to build" | "What to build" |
| (Syntax & Code) | (Visual Workflows) | (Domain Vision & Intent) |
+-----------------------------------------------------------------------+
Ta zmiana strukturalna stanowi podstawę wizji „oprogramowania osobistego” Paula Copplestone’a. Historycznie tworzenie oprogramowania wymagało znacznego kapitału lub specjalistycznej pracy inżynierskiej, co ograniczało tworzenie aplikacji do szeroko adresowanych, ustandaryzowanych produktów przeznaczonych dla dużych rynków docelowych. W erze agentowej koszt krańcowy i czas potrzebny do wygenerowania funkcjonalnego oprogramowania zbliżają się do zera.
W rezultacie wysoce spersonalizowane aplikacje stają się równie wszechobecne, tymczasowe i jednorazowe jak osobiste dokumenty tekstowe czy arkusze kalkulacyjne. Na przykład analityk finansowy przygotowujący się do kwartalnego audytu może polecić agentowi stworzenie jednorazowej aplikacji do uzgadniania danych, opartej na krótkotrwałej instancji Postgres. Agent tworzy i konfiguruje bazę danych, pobiera różnorodne faktury dostawców, uruchamia skrypty uzgadniające i przedstawia raport z audytu. Po zakończeniu analizy cały stos technologiczny aplikacji i instancja zaplecza samoczynnie się usuwają, spełniwszy swój wyspecjalizowany cel.
W rezultacie wartość ludzkiej pracy przy tworzeniu oprogramowania podlega strategicznemu przesunięciu. Szczegóły implementacji technicznej — „jak tworzyć” — przejmują infrastruktura zoptymalizowana pod kątem agentów i modele sztucznej inteligencji. Decydujący czynnik przewagi konkurencyjnej przenosi się całkowicie na wiedzę dziedzinową, definiowanie problemów, intuicję produktową i projektowanie doświadczeń użytkownika — „co tworzyć”.
Wpływ gospodarczy i strategiczny: produkty, branża i użytkownicy końcowi
Dostosowanie infrastruktury do autonomicznych twórców wywołuje systemowe skutki pośrednie w trzech kluczowych grupach interesariuszy sektora technologicznego:
Dla zespołów produktowych
Cykle iteracji produktów skracają się z wielotygodniowych etapów prac nad funkcjami do pętli operacyjnych trwających kilka minut. Zespoły inżynierskie poświęcają znacznie mniej zasobów na ręczne pisanie powtarzalnego kodu zaplecza, wykonywanie migracji schematów czy konfigurowanie standardowych interfejsów programowania aplikacji. Zamiast tego menedżerowie produktu i inżynierowie wykorzystują agentów do szybkiego tworzenia prototypów, testowania i wdrażania funkcji. Umożliwia to wysoce spersonalizowane doświadczenia użytkowników, w których funkcje oprogramowania dostosowane do indywidualnych potrzeb mogą być generowane na bieżąco, aby obsługiwać procesy pracy konkretnych użytkowników.
Dla branży sztucznej inteligencji i chmury
W przypadku dostawców chmury i platform bazodanowych wzorce wykorzystania zaplecza gwałtownie przechodzą od działań inicjowanych przez ludzi do zautomatyzowanych operacji na dużą skalę. Gdy agenci sztucznej inteligencji odpowiadają za większość tworzenia i konfiguracji baz danych, platformy infrastrukturalne doświadczają ogromnych, automatycznych skoków wykorzystania, charakteryzujących się nieustannym uruchamianiem, odpytywaniem i usuwaniem milionów mikrobaz danych.
Z perspektywy inwestycyjnej i ekonomiki jednostkowej ta zmiana przekształca profile marż dostawców chmury. Tradycyjne, przewidywalne modele subskrypcji oprogramowania jako usługi, rozliczane według liczby stanowisk, ustępują miejsca pomiarowi wykorzystania dostosowanemu do ciągłego, szybkiego zużycia zasobów. Dostawcy chmury, którzy optymalizują swoją infrastrukturę pod kątem interfejsów agentów o niskich opóźnieniach, zautomatyzowanego zarządzania schematami i natychmiastowego tworzenia instancji, mają szansę zdobyć dominujący udział w rynku zapotrzebowania na moc obliczeniową generowanego bez udziału człowieka.
Dla zwykłych użytkowników
Specjaliści nietechniczni i eksperci dziedzinowi zajmujący się działalnością operacyjną stają się bezpośrednimi twórcami oprogramowania. Łącząc intencję wyrażoną w języku naturalnym z agentowymi platformami zaplecza, mogą tworzyć dopasowane do swoich potrzeb aplikacje użytkowe bez formalnego wykształcenia informatycznego. Eksperci dziedzinowi mogą natychmiast rozwiązywać wyspecjalizowane problemy związane z produktywnością, generując narzędzia programowe precyzyjnie dostosowane do bieżących potrzeb operacyjnych.
Ograniczenia, ryzyka i otwarte pytania techniczne#
Choć przejście w kierunku infrastruktury agentowej otwiera ogromne możliwości operacyjne, zarządzanie platformami, na których autonomiczni agenci generują większość aktywności, wprowadza ryzyka techniczne i nierozstrzygnięte kwestie zarządcze.
- Niezawodność platformy i integralność danych: Jak dokumentują dane platformy Supabase, agenci sztucznej inteligencji generują obecnie około 70% nowej aktywności. Tak duża skala działań bez udziału człowieka wprowadza ryzyka systemowe związane z uszkodzeniem schematów, niezamierzonym wykonywaniem zapytań i pogorszeniem wydajności. Autonomiczni agenci działający bez nadzoru człowieka mogą szybko rozpowszechniać nieefektywne struktury zapytań lub wadliwe skrypty migracji jednocześnie w tysiącach środowisk chmurowych.
- Zarządzanie i mechanizmy ochrony prywatności: Zarządzanie parametrami bezpieczeństwa, listami kontroli dostępu i zgodnością z wymogami ochrony danych staje się znacznie bardziej złożone, gdy bazy danych są automatycznie tworzone na dużą skalę, przekraczającą 1 mln nowych instancji tygodniowo. Ustanowienie solidnych zabezpieczeń, które zapobiegną przypadkowemu ujawnieniu danych wrażliwych przez agentów lub błędnej konfiguracji zasad bezpieczeństwa na poziomie wierszy, pozostaje poważnym wyzwaniem technicznym.
- Zarządzanie kosztami i alokacja zasobów: Tworzenie i usuwanie usług zaplecza z wysoką częstotliwością może powodować problemy z alokacją zasobów zarówno u dostawców infrastruktury, jak i klientów platform. Bez zautomatyzowanych reguł cyklu życia i zdecydowanego odzyskiwania zasobów nieaktywnych instancji porzucone bazy danych utworzone przez agentów mogą prowadzić do marnowania zasobów chmurowych i nieoczekiwanego przekraczania budżetów.
- Dojrzałość a szum medialny: Analitycy infrastruktury muszą odróżniać udokumentowane wskaźniki operacyjne platform od spekulacyjnych prognoz branżowych. Choć duża skala tworzenia i konfiguracji baz danych inicjowanych przez agentów jest potwierdzoną rzeczywistością na platformach takich jak Supabase, długoterminowa stabilność ekonomiczna i przyjęcie przez przedsiębiorstwa modeli jednorazowego „oprogramowania osobistego” pozostają rozwijającymi się paradygmatami, które wymagają ciągłej oceny w rzeczywistych warunkach obciążenia operacyjnego.
Aby pogłębić zrozumienie tych zmian strukturalnych, zapraszamy do zapoznania się z kolejnymi ogólnodostępnymi analizami na stronie DeepValues Research lub do wypróbowania aplikacji DeepValues.
Kluczowe liczby#
Poniższe podstawowe wskaźniki przedstawiają skalę platformy, wolumen operacji i aktywność agentów, zaczerpnięte bezpośrednio z materiału źródłowego:
- Łączna baza użytkowników Supabase: 13 mln użytkowników (stan na 30 października 2026).
- Tygodniowe tempo tworzenia baz danych: Ponad 1 mln baz danych uruchamianych co tydzień (stan na 30 października 2026).
- Udział aktywności agentowej: Około 70% nowej aktywności na Supabase pochodzi od agentów sztucznej inteligencji (stan na 30 października 2026).
- Długość odcinka podcastu: 49 minut (opublikowany 30 października 2026).
Co mogłoby zmienić ten obraz
Długoterminowy kierunek analizy infrastruktury agentowej zależy od szeregu zmieniających się czynników technologicznych, regulacyjnych i ekonomicznych. Poniższe obserwowalne zmiany istotnie wpłynęłyby na tę ocenę strategiczną:
- Wahania udziału aktywności agentowej: Trwały spadek lub znaczny wzrost wynoszącego ~70% udziału aktywności platformy generowanej przez agentów sztucznej inteligencji sygnalizowałby zmiany w stopniu wykorzystania przez programistów, niezawodności modeli lub granicach autonomii agentów.
- Pojawienie się regulacji bezpieczeństwa dotyczących konkretnie agentów: Przyjęcie ram regulacyjnych lub obowiązkowych wymogów zgodności ograniczających konkretnie dostęp autonomicznych agentów sztucznej inteligencji do baz danych w chmurze mogłoby zmusić dostawców infrastruktury do ograniczenia zautomatyzowanych procesów udostępniania zasobów.
- Zmiana ekonomiki jednostkowej usług chmurowych: Jeśli masowe uruchamianie i usuwanie krótkotrwałych baz danych prowadzi do ujemnych marż lub niestabilności sieci, platformy chmurowe mogą zostać zmuszone do przebudowy modeli cenowych dla zautomatyzowanych obciążeń generowanych przez agentów.
- Standaryzacja protokołów komunikacji między agentami a bazami danych: Powszechne przyjęcie w branży ustandaryzowanych protokołów interakcji agentów z bazami danych działających w różnych chmurach — wykraczających poza Postgres i obejmujących zastrzeżone korporacyjne ekosystemy chmurowe — mogłoby przyspieszyć integrację infrastruktury w szerszym środowisku technologicznym.
Źródła
- "What Happens When Everyone Can Build Software," Y Combinator Startup Podcast (featuring Paul Copplestone, hosted by Garry, Harj, and Jared on the Lightcone), published October 30, 2026.
Oglądaj
Linki do źródeł
- What Happens When Everyone Can… - Y Combinator Startup Podcast - Apple Podcasts
Oglądaj i słuchaj
- Supabase Says 70% of Its New Users Aren't Human YouTube · EN
- Supabase每週增百萬資料庫,七成活動不是人類 YouTube · 中文
- Supabase Says 70% of Its New Users Aren't Human | AI Explained Podcast · EN
- Supabase每週增百萬資料庫,七成活動不是人類|AI 前沿 Podcast · 中文