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