General Motors: agenci AI potroili liczbę scalonych pull requestów w dziale inżynierii

General Motors przeprojektował sposób pracy swoich zespołów inżynierskich wokół agentów sztucznej inteligencji i odnotował trzykrotny wzrost liczby scalanych pull requestów. Koncern z Detroit należy dziś do najbardziej agresywnych przykładów wdrożenia AI w programowaniu wśród dużych firm przemysłowych spoza sektora technologicznego.

Wzrost liczby scalonych pull requestów o 300 procent oznacza, że zespoły GM przepuszczają przez proces code review i wdrożenia około czterokrotnie więcej gotowych zmian w kodzie niż wcześniej. To jeden z najbardziej konkretnych, mierzalnych wskaźników pokazujących, jak agenci kodujący zmieniają tempo pracy w dużej organizacji inżynierskiej, a nie tylko w startupach programistycznych.

Skala wdrożenia w GM

Najbardziej zaawansowane wdrożenie dotyczy zespołu pracującego nad jazdą autonomiczną, gdzie according to Barry Barra niemal dziewięć na dziesięć linijek kodu powstaje dziś przy udziale narzędzi AI. To wyjątkowo wysoki odsetek jak na firmę motoryzacyjną, w której oprogramowanie odpowiada za bezpieczeństwo pojazdów na drodze, a nie tylko za funkcje konsumenckie.

Obok samego generowania kodu GM rozbudowało też automatyczne testowanie. Firma opisuje laboratoria testowe oparte na AI, które symulują miliony interakcji kierowców i pasażerów z interfejsami pojazdów, zanim aktualizacja trafi do produkcji. Ma to rekompensować ryzyko związane z masowym wprowadzaniem kodu generowanego maszynowo do systemów, które sterują samochodami na drogach.

Kontekst kadrowy

Przebudowa procesów inżynierskich w GM zbiega się z głęboką reorganizacją zespołu technologicznego koncernu. W ostatnich miesiącach firmę opuścili między innymi pierwszy w historii GM Chief AI Officer Barak Turovsky, zatrudniony w marcu 2025 roku i odchodzący po zaledwie dziewięciu miesiącach, oraz wiceprezes ds. oprogramowania Baris Cetinok. Ich miejsce zajęły osoby z doświadczeniem w firmach takich jak Apple, mające mocniej osadzić GM w podejściu AI-native.

Wcześniej w tym roku GM zwolniło setki pracowników działu IT, jednocześnie ogłaszając rekrutację na analogiczne stanowiska, ale z wymaganiami dotyczącymi umiejętności pracy z narzędziami sztucznej inteligencji. Firma aktywnie poszukuje też inżynierów specjalizujących się w projektowaniu agentów AI, co pokazuje, że przebudowa procesów programistycznych to element szerszej strategii, a nie jednorazowy eksperyment.

Co to znaczy dla branży

Przykład GM pokazuje, że automatyzacja programowania za pomocą agentów AI przestaje być domeną wyłącznie firm technologicznych i trafia do przemysłu ciężkiego, gdzie oprogramowanie odpowiada za bezpieczeństwo fizycznych produktów. Trzykrotny wzrost przepustowości code review przy jednoczesnym utrzymaniu rozbudowanego testowania automatycznego sugeruje, że firma stara się równoważyć tempo z kontrolą jakości, a nie wyłącznie maksymalizować liczbę scalonych zmian.

Dla polskich firm motoryzacyjnych i poddostawców, w tym licznych centrów R&D dużych koncernów działających nad Wisłą, taki przykład może stać się punktem odniesienia przy planowaniu własnych wdrożeń agentów kodujących. Pytanie, które pozostaje otwarte, dotyczy tego, czy wzrost liczby scalonych pull requestów przekłada się realnie na mniej defektów i krótszy czas dostarczania funkcji, czy tylko przesuwa pracę z pisania kodu na jego przegląd.