# Jak firmy mierzą wpływ AI

> 16 metryk, którymi Atlassian, Dropbox, GitHub, Microsoft i inne firmy mierzą wpływ AI na zespoły IT: adopcja, szybkość, jakość, koszty. Na podstawie raportu DX.

- Adres strony: https://liderzy.tech/materialy/metryki-wplywu-ai
- Tytuł strony: Jak firmy mierzą wpływ AI na zespoły IT: 16 metryk
- Ostatnia zmiana treści: 2026-10-11
- Przewodnik po serwisie: https://liderzy.tech/llms.txt
- Wersja Markdown strony HTML, generowana automatycznie z jej treści. W razie rozbieżności obowiązuje strona HTML.

[Materiały · Pomiar wpływu AI](https://liderzy.tech/materialy)

16 metryk z 7 firm technologicznych

Katalog metryk, którymi Atlassian, Dropbox, GitHub, Microsoft i inne firmy sprawdzają, jak AI zmienia pracę zespołów IT – od adopcji narzędzi, przez szybkość i jakość, po koszty.

Aktualizacja: 11 października 2026

W skrócie

- Same wskaźniki adopcji niewiele mówią o efektach. Firmy zestawiają je z metrykami szybkości, jakości i doświadczenia programistów.
- Klasyczne metryki – m.in. przepustowość PR, odsetek nieudanych zmian i odsetek wycofanych PR – pozostają punktem odniesienia: połowa metryk w katalogu (8 z 16) nie powstała specjalnie z myślą o AI.
- Część metryk – satysfakcję z narzędzi AI, zaoszczędzony czas, utrzymywalność kodu i pewność wprowadzania zmian – firmy mierzą ankietami lub próbkowaniem doświadczeń, a nie wyłącznie danymi systemowymi.

Wybierz obszar lub firmę, a potem kliknij kartę, aby zobaczyć sposób pomiaru, jednostkę i cytat z raportu. Znacznik AI wyróżnia metryki stworzone specjalnie do mierzenia pracy z AI.

## Katalog metryk

Firma (opcje: Wszystkie firmy; Atlassian; Dropbox; GitHub; Glassdoor; Microsoft; T-Mobile; Webflow) Tylko metryki stworzone dla AI
Atlassian, AI

### Wskaźnik akceptacji sugestii AI

Odsetek sugestii AI, które programiści akceptują.

- Adopcja AI

Im wyżej, tym lepiej

- Firma: Atlassian
- Obszar: Adopcja AI
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Odsetek sugestii AI, które programiści akceptują.

### Kontekst

Atlassian buduje własne narzędzia AI, więc wskaźnik pomaga firmie zrozumieć, jak narzędzia są faktycznie używane, i podejmować decyzje produktowe.

### Cytat z raportu

> Atlassian … tracking acceptance helps them understand direct usage and guide product decisions.

Raport DX, s. 13

Dropbox, AI

### Dzienni i tygodniowi użytkownicy narzędzi AI (DAU/WAU)

Liczba lub odsetek programistów korzystających z narzędzi AI w danym dniu (DAU) lub tygodniu (WAU).

- Adopcja AI

Im wyżej, tym lepiej

- Firma: Dropbox
- Obszar: Adopcja AI
- Metoda pomiaru: Dane systemowe
- Jednostka: Liczba użytkowników lub %
- Okres pomiaru: Dzień (DAU) i tydzień (WAU)
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Liczba lub odsetek programistów korzystających z narzędzi AI w danym dniu (DAU) lub tygodniu (WAU).

### Kontekst

Z narzędzi AI regularnie korzysta ok. 90% programistów w firmie Dropbox.

### Cytat z raportu

> They track these AI metrics: Daily and weekly active users

Raport DX, s. 7

Dropbox, AI

### Satysfakcja z narzędzi AI (CSAT)

Zadowolenie programistów z narzędzi AI mierzone wskaźnikiem CSAT (Customer Satisfaction Score).

- Doświadczenie programistów

Im wyżej, tym lepiej

- Firma: Dropbox
- Obszar: Doświadczenie programistów
- Metoda pomiaru: Ankiety
- Jednostka: Skala CSAT
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Zadowolenie programistów z narzędzi AI mierzone wskaźnikiem CSAT (Customer Satisfaction Score).

### Cytat z raportu

> They track these AI metrics: … CSAT of AI tools

Raport DX, s. 7

Dropbox, AI

### Czas zaoszczędzony na programistę

Tygodniowy czas pracy, który programista oszczędza dzięki narzędziom AI.

- Szybkość
- Doświadczenie programistów

Im wyżej, tym lepiej

- Firma: Dropbox
- Obszar: Szybkość, doświadczenie programistów
- Metoda pomiaru: Ankiety, próbkowanie doświadczeń
- Jednostka: Godziny tygodniowo
- Okres pomiaru: Tydzień
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Tygodniowy czas pracy, który programista oszczędza dzięki narzędziom AI.

### Cytat z raportu

> … Time saved per engineer

Raport DX, s. 7

Dropbox, AI

### Wydatki na AI

Wydatki na narzędzia AI – licencje, opłaty za zużycie (np. tokeny) i szkolenia – łącznie i w przeliczeniu na programistę.

- Koszty

W zakresie docelowym

- Firma: Dropbox
- Obszar: Koszty
- Metoda pomiaru: Dane systemowe
- Jednostka: Kwota łącznie i na programistę
- Okres pomiaru: Nie podano
- Pożądany kierunek: W zakresie docelowym

### Opis

Wydatki na narzędzia AI – licencje, opłaty za zużycie (np. tokeny) i szkolenia – łącznie i w przeliczeniu na programistę.

### Cytat z raportu

> … AI spend

Raport DX, s. 4, 7

Dropbox

### Przepustowość PR

Liczba pull requestów scalanych w tygodniu w przeliczeniu na programistę (agregowana na poziomie zespołu).

- Szybkość

Im wyżej, tym lepiej

- Firma: Dropbox
- Obszar: Szybkość
- Metoda pomiaru: Dane systemowe
- Jednostka: PR na programistę tygodniowo
- Okres pomiaru: Tydzień
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Liczba pull requestów scalanych w tygodniu w przeliczeniu na programistę (agregowana na poziomie zespołu).

### Kontekst

Programiści aktywnie korzystający z AI scalają o ok. 20% więcej PR tygodniowo.

### Cytat z raportu

> … tracks core metrics … PR throughput. Right now, engineers who actively use AI merge 20% more pull requests each week …

Raport DX, s. 7

Dropbox

### Odsetek nieudanych zmian (Change Failure Rate)

Odsetek wdrożonych zmian, które kończą się incydentem albo koniecznością wycofania.

- Jakość i stabilność

Im niżej, tym lepiej

- Firma: Dropbox
- Obszar: Jakość i stabilność
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im niżej, tym lepiej

### Opis

Odsetek wdrożonych zmian, które kończą się incydentem albo koniecznością wycofania.

### Cytat z raportu

> Dropbox … tracks core metrics … Change Failure Rate.

Raport DX, s. 7

GitHub, AI

### Wskaźnik akceptacji sugestii AI

Odsetek sugestii AI, które programiści akceptują.

- Adopcja AI

Im wyżej, tym lepiej

- Firma: GitHub
- Obszar: Adopcja AI
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Odsetek sugestii AI, które programiści akceptują.

### Kontekst

GitHub buduje własne narzędzia AI, więc wskaźnik pomaga firmie zrozumieć, jak narzędzia są faktycznie używane, i podejmować decyzje produktowe.

### Cytat z raportu

> … GitHub … tracking acceptance helps them understand direct usage and guide product decisions.

Raport DX, s. 13

Glassdoor

### Liczba testów A/B w miesiącu

Liczba eksperymentów A/B w miesiącu. Glassdoor traktuje ją jako efekt pracy z AI – sprawdza, czy AI przyspiesza eksperymentowanie.

- Innowacyjność

Im wyżej, tym lepiej

- Firma: Glassdoor
- Obszar: Innowacyjność
- Metoda pomiaru: Dane systemowe
- Jednostka: Testy miesięcznie
- Okres pomiaru: Miesiąc
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Liczba eksperymentów A/B w miesiącu. Glassdoor traktuje ją jako efekt pracy z AI – sprawdza, czy AI przyspiesza eksperymentowanie.

### Kontekst

Cel: eksperymenty prowadzi 100% programistów z dostępem do AI.

### Cytat z raportu

> They track the number of A/B tests per month … aim for 100% of developers …

Raport DX, s. 15

Glassdoor, AI

### Model dojrzałości w korzystaniu z AI

Pięć poziomów zaawansowania w pracy z AI – od poziomu „świadomy AI” (AI Aware) po poziom „car AI” (AI Czar).

- Adopcja AI

Im wyżej, tym lepiej

- Firma: Glassdoor
- Obszar: Adopcja AI
- Metoda pomiaru: Nie podano
- Jednostka: Poziom
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Pięć poziomów zaawansowania w pracy z AI – od poziomu „świadomy AI” (AI Aware) po poziom „car AI” (AI Czar).

### Jak to działa

Poziomy: świadomy AI (AI Aware), eksperymentujący (AI Experimenter), biegły (AI Fluent), ambasador AI (AI Champion) i car AI (AI Czar). Osoby na dwóch najwyższych poziomach to wewnętrzni eksperci, którzy wspierają adopcję AI w zespołach.

### Kontekst

Model pokazuje nie tylko, czy programiści korzystają z AI, ale też, jak zaawansowane staje się to użycie. Glassdoor uzupełnia go porównaniami narzędzi, które pomagają wykryć, kiedy dane narzędzie przestaje przynosić korzyści, i przesunąć budżet.

### Cytat z raportu

> Glassdoor came up with a neat adoption framework that buckets engineers into a progression like this: “AI Aware” … “AI Czar”

Raport DX, s. 15–16

Microsoft

### Zły dzień programisty (Bad Developer Day)

Wskaźnik dni, w których pracę programisty zdominowały żmudne zadania i utrudnienia. Microsoft używa go do oceny wpływu narzędzi AI.

- Doświadczenie programistów

Im niżej, tym lepiej

- Firma: Microsoft
- Obszar: Doświadczenie programistów
- Metoda pomiaru: Nie podano
- Jednostka: Indeks
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im niżej, tym lepiej

### Opis

Wskaźnik dni, w których pracę programisty zdominowały żmudne zadania i utrudnienia. Microsoft używa go do oceny wpływu narzędzi AI.

### Jak to działa

Składniki: czas poświęcony na incydenty i zgodność z regulacjami (compliance), na spotkania i e-maile oraz na zarządzanie zadaniami – zestawiony z aktywnością w PR jako przybliżeniem czasu na kodowanie.

### Cytat z raportu

> Microsoft uses the concept of a Bad Developer Day (BDD) to assess the impact of AI tools.

Raport DX, s. 14–15

T-Mobile, AI

### Wskaźnik akceptacji sugestii AI

Odsetek sugestii AI, które programiści akceptują.

- Adopcja AI

Im wyżej, tym lepiej

- Firma: T-Mobile
- Obszar: Adopcja AI
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Odsetek sugestii AI, które programiści akceptują.

### Kontekst

T-Mobile traktuje go jako jedną z miar, które pomagają oszacować, ile kodu napisanego przez AI trafia na produkcję.

### Cytat z raportu

> T-Mobile does include acceptance rate in their metrics … as one data point to help with determining how much AI-authored code makes it to production

Raport DX, s. 13

Webflow

### Utrzymywalność kodu

Ocena, jak łatwo utrzymywać i zmieniać kod – także ten wygenerowany przez AI.

- Utrzymywalność

Im wyżej, tym lepiej

- Firma: Webflow
- Obszar: Utrzymywalność
- Metoda pomiaru: Ankiety
- Jednostka: Skala
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Ocena, jak łatwo utrzymywać i zmieniać kod – także ten wygenerowany przez AI.

### Cytat z raportu

> Webflow … They track: Code maintainability …

Raport DX, s. 9–10

Webflow

### Pewność wprowadzania zmian (Change Confidence)

Przekonanie zespołu, że może wprowadzać zmiany bez ryzyka regresji.

- Jakość i stabilność
- Utrzymywalność

Im wyżej, tym lepiej

- Firma: Webflow
- Obszar: Jakość i stabilność, utrzymywalność
- Metoda pomiaru: Ankiety
- Jednostka: Skala
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im wyżej, tym lepiej

### Opis

Przekonanie zespołu, że może wprowadzać zmiany bez ryzyka regresji.

### Cytat z raportu

> … Change confidence …

Raport DX, s. 9–10

Webflow

### Odsetek wycofanych PR (PR Revert Rate)

Odsetek scalonych pull requestów, które później wycofano (revert).

- Jakość i stabilność

Im niżej, tym lepiej

- Firma: Webflow
- Obszar: Jakość i stabilność
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im niżej, tym lepiej

### Opis

Odsetek scalonych pull requestów, które później wycofano (revert).

### Cytat z raportu

> … PR revert rate …

Raport DX, s. 9

Webflow

### Odsetek nieudanych zmian (Change Failure Rate)

Odsetek wdrożonych zmian, które kończą się incydentem albo koniecznością wycofania.

- Jakość i stabilność

Im niżej, tym lepiej

- Firma: Webflow
- Obszar: Jakość i stabilność
- Metoda pomiaru: Dane systemowe
- Jednostka: %
- Okres pomiaru: Nie podano
- Pożądany kierunek: Im niżej, tym lepiej

### Opis

Odsetek wdrożonych zmian, które kończą się incydentem albo koniecznością wycofania.

### Cytat z raportu

> … Change failure rate

Raport DX, s. 9

**Źródło:** raport DX [„How 18 top companies measure the impact of AI in engineering”](https://getdx.com/report/how-companies-measure-ai-impact-in-engineering/) (Laura Tacho). Katalog obejmuje 16 metryk z 7 firm opisanych w raporcie; numery stron w szczegółach metryk odsyłają do raportu. Pole „Nie podano” oznacza, że raport nie opisuje metody lub okresu pomiaru.

Przeczytaj też **Spada, a miało rosnąć? Paradoks produktywności AI w zespołach deweloperskich**

https://liderzy.tech/materialy/paradoks-produktywnosci-ai

Bezpłatna konferencja online

## Budowa oprogramowania w erze AI

Jak mierzyć efekty AI w zespołach i w całym procesie wytwórczym? Praktycy pokażą, co sprawdza się u nich – w ścieżce technologicznej, menedżerskiej i w debacie CIO.

[Więcej materiałów](https://liderzy.tech/materialy)

4, listopada 20269:00–16:00 · online · udział bezpłatny

[Zarejestruj się](https://liderzy.tech/konferencja#rejestracja) [Zobacz program](https://liderzy.tech/konferencja#program)