TL;DR:

Wizja przyszłości: Michael Truell przewiduje ewolucję kodu w kierunku pseudokodu i języka naturalnego
Nowa rola inżyniera: Programiści staną się „projektantami logiki” z naciskiem na „smak” i intencję zamiast technicznej precyzji
Technologia Cursor: Firma używa „ensemble of models” – własne, wyspecjalizowane modele AI współpracujące z dużymi modelami językowymi
Podejście do AI: Człowiek pozostaje „w fotelu kierowcy”, a AI jest asystentem, nie zamiennikiem
Wyjątkowy wzrost: Cursor osiągnął 100 mln ARR w 20 miesięcy i 300 mln ARR w 2 lata, z zespołem ~60 osób
Kluczowa porada: Dziel zadania na mniejsze fragmenty podczas pracy z AI zamiast oczekiwać idealnych rezultatów od jednego złożonego polecenia
Paradoksalna prognoza: Zapotrzebowanie na inżynierów wzrośnie, gdyż obniżenie kosztów tworzenia oprogramowania odblokuje nowe przypadki użycia

Kim jest Michael Truell i co to jest Cursor?

Michael Truell to współzałożyciel i CEO AnySphere, firmy stojącej za Cursor – wiodącym edytorem kodu wykorzystującym AI. Jego doświadczenie obejmuje:

Studia z informatyki i matematyki na MIT
Badania nad AI na MIT i w Google
Zainteresowanie historią technologii i biznesu

Cursor to jeden z najszybciej rozwijających się produktów w historii:

100 milionów ARR w zaledwie 20 miesięcy po premierze
300 milionów ARR dwa lata po starcie

Wizja przyszłości programowania – „świat po kodzie”

Truell wyróżnia trzy potencjalne wizje przyszłości programowania:

Status quo – programowanie wciąż oparte na formalnych językach (TypeScript, Go, C, Rust)
Chatbot – komunikacja z „działem inżynierii” poprzez czat i prośby o budowę/modyfikację oprogramowania
Ewolucja kodu (wizja Cursor) – kod ewoluuje w kierunku reprezentacji w języku bardziej naturalnym

Główne cechy wizji Cursor:

Reprezentacja logiki bardziej zbliżona do języka angielskiego
Możliwość edycji na wysokim poziomie abstrakcji
Bardziej zwięzła i łatwiejsza w nawigacji forma
Zachowanie precyzji i kontroli przez człowieka

Zmieniająca się rola inżynierów

W świecie „po kodzie” kluczowe umiejętności inżynierów ulegną transformacji:

Wzrośnie znaczenie:

„Smak” (taste) – umiejętność określenia, co powinno zostać zbudowane
Projektowanie logiki – definiowanie jak system powinien działać
Precyzyjne określanie intencji – skupienie na „co” zamiast „jak”

Zmniejszy się znaczenie:

Ostrożność w pisaniu kodu bez błędów
Szczegółowa implementacja niskopoziomowych elementów
Znajomość technicznych niuansów języków programowania

Historia Cursor – od mechaniki do rewolucji w kodowaniu

Powstanie Cursor nie było prostą ścieżką:

Inspiracje:

Doświadczenie z pierwszą wersją GitHub Copilot – pierwszy naprawdę użyteczny produkt AI
Badania nad skalowaniem modeli z OpenAI, pokazujące potencjał rozwoju AI

Początkowy błąd:

Pierwsze 4 miesiące poświęcone na narzędzia dla inżynierii mechanicznej
Problemy: brak znajomości dziedziny, trudność w dostępie do danych, brak pasji zespołu

Zwrot ku programowaniu:

Obserwacja, że narzędzia dla programistów nie wykorzystują w pełni potencjału AI
Przekonanie, że „wszystkie tworzenie oprogramowania przejdzie przez te modele”
Budowa pierwszego prototypu od podstaw (nie na bazie VS Code) w ciągu kilku miesięcy

Podejście Cursor – IDE vs Agent

Cursor zdecydował się na model IDE (zintegrowanego środowiska programistycznego) zamiast agenta, z kilku powodów:

Założenia strategiczne:

Człowiek powinien mieć kontrolę nad wszystkimi decyzjami
AI nie jest jeszcze na poziomie pełnej autonomii
Dogfooding – tworzenie produktu, którego sami chcieliby używać

Wybór własnego IDE:

Przekonanie, że cały proces programowania ulegnie transformacji
Ograniczona rozszerzalność istniejących edytorów
Potrzeba kontroli nad całym doświadczeniem użytkownika

Ewolucja produktu:

Początkowo własny edytor zbudowany od podstaw
Później przejście na bazę VS Code (podobnie jak przeglądarki używają Chromium)
Ciągła ewolucja pod wpływem feedbacku użytkowników

Tajemnica sukcesu – własne modele AI i podejście „ensemble”

Wbrew początkowym założeniom, Cursor zainwestował znacząco w rozwój własnych modeli:

Typy modeli w ekosystemie Cursor:

Własne szybkie modele (do zadań z niskim opóźnieniem):
- Autouzupełnianie kodu
- Przewidywanie zmian w wielu plikach
- Wymagania: reakcja <300ms, niskie koszty
Modele do wyszukiwania kontekstu:
- Funkcjonują jak „mini Google” dla bazy kodu
- Znajdują właściwe fragmenty kodu do pokazania dużym modelom
Duże modele fundacyjne (Sonnet, Gemini, GPT):
- Wykorzystywane do wysokopoziomowego myślenia
- Tworzą szkice zmian, które mniejsze modele dopracowują

Podejście „ensemble”:

Wykorzystanie najlepszych cech każdego typu modelu
Optymalizacja kosztów i wydajności
Pragmatyczne wykorzystanie istniejących modeli open source

Innowacyjny proces rekrutacyjny

Budowanie zespołu było kluczowym elementem strategii, z kilkoma nietypowymi podejściami:

Ewolucja rekrutacji:

Początkowo zbyt wolne zatrudnianie (wbrew popularnej radzie „nie zatrudniaj zbyt szybko”)
Zmiana profilu kandydatów z „młodych z prestiżowych uczelni” na bardziej doświadczonych
Obecnie zespół ~60 osób (nieproporcjonalnie mały w stosunku do skali biznesu)

Dwudniowy test pracy:

Kandydat pracuje nad rzeczywistym projektem w kodzie firmy
Pozwala ocenić rzeczywiste umiejętności i dopasowanie kulturowe
Daje kandydatowi głębszy wgląd w zespół i produkt
Skaluje się lepiej niż oczekiwano, mimo początkowych wątpliwości

Priorytetyzacja inżynierii:

Znacznie wyższy procent inżynierów i badaczy w porównaniu do typowych firm o podobnej wielkości
Ograniczone inwestycje w sprzedaż i marketing na rzecz rozwoju produktu

Jak skutecznie korzystać z Cursor – praktyczne porady

Truell dzieli się strategiami efektywnego wykorzystania narzędzi AI:

Kluczowe podejścia:

Dziel zadania na fragmenty – określaj małe części pracy, uzyskuj wyniki, powtarzaj
Eksperymentuj bezpiecznie – testuj granice AI w projektach pobocznych, nie krytycznych
Rozwijaj intuicję – buduj wyczucie możliwości i ograniczeń modeli

Różnice między juniorami a seniorami:

Juniorzy – zbyt polegają na AI do wszystkiego, bez wystarczającego krytycyzmu
Seniorzy – nie doceniają potencjału AI, zbyt trzymają się tradycyjnych metod pracy
Obie grupy mogą znacząco skorzystać z narzędzi, ale popełniają różne błędy

Przyszłość inżynierów i rynku narzędzi AI

Truell ma nieoczywiste przewidywania dotyczące przyszłości:

Rosnący popyt na inżynierów:

Obniżenie kosztów tworzenia oprogramowania odblokuje nowe przypadki użycia
Istniejący popyt na oprogramowanie znacznie przewyższa podaż
Porównanie do dzisiejszego tworzenia oprogramowania „kosztującego jak kasowy film”

Rynek narzędzi AI podobny do:

Rynku wyszukiwarek pod koniec lat 90.
Rozwoju komputerów osobistych w latach 70-90.

Charakterystyka takiego rynku:

Bardzo wysoki „sufit” możliwości – dużo miejsca na innowacje
Wartość każdej dodatkowej godziny pracy nad produktem
Możliwość „przeskoczenia” konkurencji przez lepszy produkt
Potrzeba ciągłych innowacji zamiast budowania tradycyjnych „fos” wokół biznesu

Wnioski

Wywiad z Michaelem Truellem odsłania fascynującą przyszłość programowania:

Kod ewoluuje w kierunku bardziej naturalnego i dostępnego medium
Człowiek pozostaje kluczowym elementem procesu, ale na wyższym poziomie abstrakcji
Sukces zależy od głębokiego zrozumienia potrzeb użytkowników i pragmatycznego podejścia do technologii
Rynek pozostaje niezwykle dynamiczny, z możliwością wielokrotnych przełomów

Z perspektywy praktyka, ta wizja programowania z AI jako potężnym narzędziem, a nie zastępcą człowieka, wydaje się najbardziej realistyczna i obiecująca droga w przyszłość.

Przypisy

Ten artykuł bazuje na wywiadzie z Michaelem Truellem w podcaście Lenny’ego Rachitsky’ego. Wszelkie cytaty i informacje pochodzą bezpośrednio z tej rozmowy, która odbyła się w 2025 roku.

The Lenny Podcast – Michael Truell on Cursor and the future of programming

Tag: Projektowanie Logiki

Programowanie po erze kodu – co Michael Truell, twórca Cursor, mówi o przyszłości #EN50