Οι πράκτορες τεχνητής νοημοσύνης δεν περιορίζονται πια σε προτάσεις κώδικα. Σχεδιάζουν βήματα, αλλάζουν δεκάδες αρχεία και τρέχουν δοκιμές μόνοι τους, η ευθύνη όμως για ό,τι ενσωματώνεται σε ένα έργο παραμένει ανθρώπινη και απαιτεί περισσότερη γνώση. Τα πανεπιστήμια που το έχουν καταλάβει αλλάζουν ήδη τον τρόπο που διδάσκουν.
Ένα πείραμα 78 εντολών
Τον Ιούλιο του 2026 ο Διομήδης Σπινέλλης κατέγραψε δημόσια τη συνεργασία του με τον πράκτορα OpenAI Codex. Ήθελε το sed του έργου uutils, μιας επανυλοποίησης των βασικών εργαλείων Unix σε Rust, να επεξεργάζεται ακατέργαστα bytes αντί για χαρακτήρες, αλλαγή που άγγιξε 13 αρχεία με 1.740 γραμμές προσθήκες και 609 διαγραφές.
Ο πράκτορας έκανε μεγάλο μέρος της κουραστικής δουλειάς και, με τη βοήθεια των εκτεταμένων δοκιμών του έργου, ο κώδικας μεταγλωττιζόταν σε κάθε στάδιο. Από τις 78 εντολές του Σπινέλλη, ωστόσο, οι 61 ζητούσαν διόρθωση ή βελτίωση όσων είχε ήδη κάνει ο πράκτορας. Οι περισσότερες ήταν αποφάσεις σχεδίασης που προϋποθέτουν γνώση του κώδικα και της κοινότητας: μια λάθος προσέγγιση, κώδικας αντιγραμμένος σε δύο σημεία, μια συνάρτηση με τετραγωνική πολυπλοκότητα, δοκιμές που δεν ακολουθούσαν τις συμβάσεις του έργου.
Ο ίδιος αναγνωρίζει ότι οι πράκτορες βελτιώνονται, αλλά μαζί τους γίνονται απαιτητικότερες και οι εργασίες που τους αναθέτουμε. Όποιος τους αναθέτει ολόκληρη την ανάπτυξη θα πρέπει να αποδεχτεί ότι ο κώδικάς του σιγά σιγά θα φθείρεται και θα συσσωρεύει τεχνικό χρέος. Στους νέους προγραμματιστές θέτει ένα ευθύ ερώτημα: από πού θα αποκτήσουν τη γνώση για να αναγνωρίζουν τέτοια προβλήματα;
Από το vibe coding στη μηχανική με πράκτορες
Ο Andrej Karpathy, που επινόησε τον όρο vibe coding τον Φεβρουάριο του 2025, έγραψε έναν χρόνο αργότερα ότι ο προγραμματισμός μέσω πρακτόρων γίνεται πλέον η προεπιλογή για τους επαγγελματίες, με περισσότερη όμως εποπτεία. Πρότεινε τον όρο agentic engineering, που θα αποδίδαμε ως μηχανική με πράκτορες: ο άνθρωπος συντονίζει πράκτορες που γράφουν τον κώδικα και ελέγχει τη δουλειά τους, και η λέξη «μηχανική» δηλώνει τέχνη και επιστήμη που απαιτεί εξειδίκευση.
Σε ένα επόμενο κείμενό του ο Σπινέλλης εξηγεί ότι ένας πράκτορας μπορεί να κάνει χιλιάδες αλλαγές πριν ένας άνθρωπος ολοκληρώσει μία, με αποτελέσματα συχνά πειστικά αλλά ανεπαίσθητα λανθασμένα. Χρειάζονται λοιπόν δοκιμές, περιορισμένα δικαιώματα, σημεία ελέγχου, καταγραφή ενεργειών, όρια δαπανών και ενέργειες που αναιρούνται εύκολα. Σε πράκτορες αξίζει να ανατίθενται εργασίες οριοθετημένες, παρατηρήσιμες, αναστρέψιμες και ελέγξιμες με αντικειμενικό τρόπο, ενώ η λογοδοσία δεν μεταβιβάζεται ποτέ μαζί με την εκτέλεση. Ένας πράκτορας άλλωστε δεν αποκτά θεσμική γνώση όπως ένας εργαζόμενος και σπάνια θα διαφωνήσει με μια εντολή τυπικά σωστή αλλά οργανωσιακά παράλογη.
Ο έλεγχος, όπως έχει εξηγήσει ο ίδιος τον Μάιο, είναι δυσκολότερος απ’ όσο φαίνεται. Όποιος δουλεύει μόνος του σε άγνωστο κώδικα πρέπει να τον καταλάβει για να προχωρήσει, ενώ όποιος ελέγχει μια αλλαγή που πέρασε ήδη τη συνεχή ολοκλήρωση μπορεί να τη δεχτεί πιστεύοντας ότι την κατάλαβε. Τα λάθη ενός γλωσσικού μοντέλου μοιάζουν εύλογα, η προκατάληψη αυτοματοποίησης μας κάνει να ελέγχουμε λιγότερο, και οι λιγότερο έμπειροι δυσκολεύονται περισσότερο να κρίνουν πόσο καλά καταλαβαίνουν.
Οι κοινότητες ανοιχτού λογισμικού το έχουν αποτυπώσει σε κανόνες. Ο πυρήνας του Linux απαγορεύει στους πράκτορες να προσθέτουν ετικέτα Signed-off-by, γιατί μόνο άνθρωπος μπορεί να πιστοποιήσει νομικά την προέλευση του κώδικα. Όταν ένας πράκτορας αναζητά σφάλματα, οφείλει να επιχειρεί αναπαραγωγή τους, να δηλώνει τι δεν μπόρεσε να ελέγξει και να μη στέλνει ποτέ ο ίδιος τίποτα στους συντηρητές.
Τι έχουν δείξει οι μετρήσεις
Η δοκιμή της METR το 2025 έδειξε ότι έμπειροι συντηρητές ανοιχτού λογισμικού χρειάστηκαν 19% περισσότερο χρόνο με τα εργαλεία ΤΝ της εποχής, ενώ οι ίδιοι πίστευαν ότι είχαν επιταχυνθεί. Το 2026 η METR ανακοίνωσε ότι η συνέχεια της μελέτης δεν δίνει αξιόπιστο αποτέλεσμα, επειδή πολλοί αρνούνταν πλέον να δουλέψουν χωρίς ΤΝ, και θεωρεί πιθανή κάποια επιτάχυνση χωρίς να μπορεί να την υπολογίσει.
Για την εκπαίδευση πιο ενδιαφέρουσα είναι μια τυχαιοποιημένη δοκιμή της Anthropic, του Ιανουαρίου 2026, με 52 προγραμματιστές, κυρίως με λίγη εμπειρία. Όσοι έμαθαν μια άγνωστη βιβλιοθήκη Python με βοηθό ΤΝ πέτυχαν στο τεστ κατανόησης 50% έναντι 67%, με τη μεγαλύτερη διαφορά στην αποσφαλμάτωση. Όσοι ανέθεσαν όλη τη δουλειά στο εργαλείο έμειναν κάτω από 40%, ενώ όσοι ζητούσαν εξηγήσεις ξεπέρασαν το 65%. Οι ερευνητές σημειώνουν ότι με αυτόνομους πράκτορες η επίδραση πιθανότατα θα είναι εντονότερη.
Πώς απαντούν τα πανεπιστήμια
Στο Harvard, το CS50 του David Malan χρησιμοποιεί από το 2023 έναν δικό του βοηθό, το CS50 Duck. Κώδικας της ομάδας του μαθήματος ελέγχει κάθε απάντηση πριν τη δει ο φοιτητής και απορρίπτει όσες δίνουν έτοιμη λύση, ενώ ένα σύστημα «καρδιών» επιτρέπει λίγες ερωτήσεις ανά χρονικό διάστημα. Στο Stanford, το μάθημα CS146S «The Modern Software Developer», που δίδαξε πρώτος ο Mihail Eric το 2025, κινείται στην αντίθετη άκρη, αφού οι φοιτητές δουλεύουν με εργαλεία ΤΝ σε ρεαλιστικές εργασίες, με στόχο όμως να μάθουν και πότε και γιατί μπορούν να τα εμπιστευτούν.
Στο Σαν Ντιέγκο, ο Leo Porter ανασχεδίασε το εισαγωγικό μάθημα με βάση το βιβλίο που έγραψε με τον Daniel Zingaro του Πανεπιστημίου του Τορόντο, με έμφαση στην ανάγνωση, τη δοκιμή και την αποσφαλμάτωση κώδικα, και οι δύο ίδρυσαν το 2025 μια διεθνή κοινοπραξία που διαθέτει έτοιμα μαθήματα σε άλλα ιδρύματα. Στο MIT, το εισαγωγικό 6.100A επιτρέπει τη χρήση ΤΝ για την κατανόηση εννοιών, ο κώδικας όμως γράφεται από τον φοιτητή. Στο Ελσίνκι, ένα μάθημα έργου λογισμικού επέτρεψε ελεύθερη χρήση γλωσσικών μοντέλων εκτός από τις δοκιμές μονάδας.
Η ομάδα εργασίας της ACM κατέγραψε το 2026, με 763 απαντήσεις διδασκόντων από 49 χώρες, ότι το 87% ανησυχεί για την εξάρτηση των φοιτητών και το 68% έχει ήδη αλλάξει την αξιολόγηση, με προφορικές υποστηρίξεις και θέματα όπου ο φοιτητής κρίνει κώδικα που πρότεινε ένα μοντέλο.
Τι θα μπορούσαν να κάνουν τα ελληνικά τμήματα πληροφορικής
Κατά τη γνώμη μας, τα θεμέλια χρειάζεται να χτίζονται με προσωπική προσπάθεια, με την ΤΝ να μπαίνει πρώτα ως δάσκαλος και αργότερα ως εργαλείο. Η ανάγνωση ξένου κώδικα, οι προδιαγραφές, οι δοκιμές που προσπαθούν να διαψεύσουν έναν κώδικα και η ασφαλής λειτουργία πρακτόρων πρέπει να περάσουν στον κορμό των σπουδών. Η συμμετοχή σε έργα ανοιχτού λογισμικού είναι βέβαια η καλύτερη μαθητεία για να καταλάβει κανείς τι σημαίνει να υπογράφει μια αλλαγή, και τα μοντέλα ανοιχτών βαρών αφορούν την ψηφιακή κυριαρχία των ιδρυμάτων.
Τα μοντέλα θα βελτιωθούν, και μάλλον γρήγορα. Όσο όμως περνάμε από τον βοηθό στον αυτόνομο πράκτορα, ο άνθρωπος που καταλαβαίνει, ελέγχει και λογοδοτεί γίνεται πιο αναγκαίος. Η δουλειά των πανεπιστημίων είναι να βγάζουν τέτοιους ανθρώπους.
Πηγές άρθρου:
- Spinellis D., Why agentic AI needs better experts (8/7/2026): Η πρωτογενής καταγραφή του πειράματος με το uutils sed και τον OpenAI Codex, με όλες τις 78 εντολές και τα στοιχεία της αλλαγής: https://www.spinellis.gr/blog/20260708/index.html
- Karpathy A., ανάρτηση στο X για τον πρώτο χρόνο του vibe coding (4/2/2026): Ο δημιουργός του όρου vibe coding διαπιστώνει ότι ο προγραμματισμός με πράκτορες γίνεται η προεπιλογή για τους επαγγελματίες, με περισσότερη εποπτεία, και προτείνει τον όρο agentic engineering: https://x.com/karpathy/status/2019137879310836075
- Spinellis D., Barings, Boeing, and Bots (15/7/2026): Εξετάζει την ανάθεση εργασιών σε πράκτορες ΤΝ με όρους διοίκησης. Προτείνει αυστηρούς τεχνικούς ελέγχους και ανάθεση μόνο οριοθετημένων, αναστρέψιμων και ελέγξιμων εργασιών, με τη λογοδοσία να μένει πάντα στον άνθρωπο: https://www.spinellis.gr/blog/20260715/index.html
- Spinellis D., Why reviewing AI-generated code is devilishly hard (23/5/2026): Εξηγεί γιατί ο έλεγχος κώδικα που παρήγαγε ΤΝ είναι δυσκολότερος, με βάση τη μεταγνώση, την προκατάληψη αυτοματοποίησης και τα εύλογα στην όψη λάθη των γλωσσικών μοντέλων: https://www.spinellis.gr/blog/20260523/index.html
- Linux Kernel Documentation, AI Coding Assistants: Η πολιτική του πυρήνα του Linux για την ανθρώπινη ευθύνη, την ετικέτα Signed-off-by, τη δήλωση Assisted-by και τη διαδικασία που ακολουθεί ένας πράκτορας όταν εντοπίζει σφάλματα: https://docs.kernel.org/process/coding-assistants.html
- METR, We are Changing our Developer Productivity Experiment Design (24/2/2026): Η ενημέρωση της METR που επαναξιολογεί το εύρημα του 2025 και εξηγεί γιατί η νέα μελέτη δεν δίνει αξιόπιστο αποτέλεσμα: https://metr.org/blog/2026-02-24-uplift-update/
- Anthropic, How AI assistance impacts the formation of coding skills (29/1/2026): Δοκιμή με 52 προγραμματιστές για την επίδραση της ΤΝ στην κατανόηση και την αποσφαλμάτωση: https://www.anthropic.com/research/AI-assistance-coding-skills
- Gordon S. κ.ά., ACM Task Force on Generative AI and Programming Assessment, Final Report (2026): Διεθνής έρευνα σε 763 διδάσκοντες για τις αλλαγές στη διδασκαλία και την αξιολόγηση του προγραμματισμού: https://acm-education-genai-task-force.github.io/ACM_Taskforce_GenAI_Report_16Feb26.pdf
- Harvard Gazette, Taming the Duck, for starters (25/9/2026): Συνέντευξη του David Malan για τον σχεδιασμό, τους περιορισμούς και τα διδάγματα του CS50 Duck: https://news.harvard.edu/gazette/story/2026/09/taming-the-duck-for-starters/
- CS50 Docs, CS50.ai: Η περιγραφή του βοηθού του CS50 και η πολιτική του μαθήματος για τη χρήση άλλων εργαλείων ΤΝ: https://cs50.readthedocs.io/cs50.ai/
- Stanford Bulletin, CS146S The Modern Software Developer: Η περιγραφή του μαθήματος του Stanford για την ανάπτυξη λογισμικού με εργαλεία και πράκτορες ΤΝ: https://bulletin.stanford.edu/courses/2274401
- UC San Diego Today, Transforming Computer Science Education in the Age of AI (28/10/2025): Η ίδρυση της διεθνούς κοινοπραξίας UC San Diego και Πανεπιστημίου του Τορόντο για τη διδασκαλία της πληροφορικής με ΤΝ: https://today.ucsd.edu/story/transforming-computer-science-education-in-the-age-of-ai
- Leo Porter, UC San Diego: Η σελίδα του καθηγητή με την περιγραφή του βιβλίου Learn AI-Assisted Python Programming και των δεξιοτήτων που αυτό προτάσσει: https://leoporter.ucsd.edu/
- MIT 6.100A, Course Information (Fall 2025): Η πολιτική του εισαγωγικού μαθήματος προγραμματισμού του MIT για τη χρήση ΤΝ ως βοηθού κατανόησης: https://introcomp.mit.edu/6.100A_fa25/information
- Korpimies K., Laaksonen A., Luukkainen M., Unrestricted Use of LLMs in a Software Project Course (Koli Calling 2024): Μελέτη του Πανεπιστημίου του Ελσίνκι για μάθημα έργου λογισμικού με ελεύθερη χρήση γλωσσικών μοντέλων εκτός από τις δοκιμές μονάδας: https://doi.org/10.1145/3699538.3699541.