Az AI Engineer World’s Fair (AIEWF) 2026 arról tanúskodott, hogy az AI‑mérnökség három év alatt gyökeresen átalakult: már nem az a kérdés, hogy maga az autonóm ügynök működik‑e, hanem hogy milyen rendszerek veszik körül, hogyan ellenőrizzük és fejlesztjük őket, és hogyan lehet őket vállalati környezetbe integrálni.
1. Az ügynököktől a környező rendszerek felé tolódik a hangsúly
A konferencia egyik központi gondolata, hogy az ügynökmag (a nyelvi modell és a promptok) mellett egyre fontosabb lett a környező „hám” vagy harness: az a szoftverréteg, amely a munkafolyamatokat, kontextust, jogosultságokat, kiértékelést, tartós állapotot és a folyamatos fejlesztést kezeli. Lilian Weng korábbi, 2023‑as esszéjében az LLM‑alapú autonóm ügynök belső részeit — tervezést, memóriát, eszközhasználatot — taglalta; 2026‑os írása viszont már a harness‑mérnökség fontosságát emeli ki.
AIEWF beszélgetéseiben az AutoGPT‑szerű, teljes autonómiára építő hype visszaszorult: a 2023‑ban sokat emlegetett AutoGPT gyakorlatilag nem szerepelt az idei vitákban. Az eseményen inkább Claude Code, Codex, Gemini CLI, Cursor, Warp és az őket működtető infrastruktúrák kerültek előtérbe — azaz az, hogyan tehetők a kódoló ügynökök megbízhatóvá gyártásban.
OpenAI keynote‑jában Romain Huet azt emelte ki, hogy az eszközök, például OpenAI Codex használatával az mérnökök könnyebben együttműködhetnek ügynökökkel. Anthropic Thariq Shihiparja pedig arra hívta fel a figyelmet, hogy a legújabb modellek (például Claude Fable) „organikus módon nőnek”, ami további indok a rendszerszintű felügyeletre és mérésre.
2. A „loop engineering” mint új kontrollréteg
Az AIEWF idején a „loop” szó gyakran elhangzott: az AI‑fejlesztésben ma kulcskérdés, hogy hol legyen az ember a hurokban. Sok vezető mérnök úgy szervez munkát, hogy magát az emberi ellenőrzést egy külső hurkba helyezi, míg az ügynökök az inner loop‑ban hajtják végre a feladatokat.
Introspection társalapítója és vezérigazgatója, Roland Gavrilescu az „autoresearch” koncepcióját ismertette: az inner loop a felhasználókkal interakciózó elsődleges rendszer, az outer loop pedig egy külön rendszer, amely tanulmányozza és karbantartja az elsődleges rendszert — visszajelzésekkel, evalokkal és emberi inputtal.
A konferencián többször hangsúlyozták, hogy ez a loop‑építés az AI‑mérnök felelőssége. Peter Steinberger (OpenClaw készítője) például személyesen vállalja a külső hurkot: „az ügynök futtatja a belső végrehajtó hurkot; én határozom meg az irányt és hozok döntéseket a külső hurkban.”
A zárónapon vita folyt arról, hogy valóban képesek‑e teljesen autonóm ügynökök egyedül kezelni a hurkokat; voltak, akik a túlzott hype‑ot kritizálták, és voltak, akik a mérnöki felügyelet szükségességét hangsúlyozták.
3. Az AI‑mérnökség belép a vállalati szférába
A gyakorlatba való átültetés egyik jellemző útja a „forward deployed engineer” (FDE) szerep. Ezek a mérnökök közvetlenül a szervezetek mellett dolgoznak, hogy az ügynököket és a hozzájuk kapcsolódó rendszereket bevezessék.
Sierra FDE‑vezetője, Natalie Meurer szerint a vállalati bevezetés sok szervezést igényel: a cégek azt kérdezik, hogyan tarthatják fenn, felügyelhetik és skálázhatják az ügynöki ökoszisztémát, valamint hogyan kezeljék az integrációkat és a különböző csapatokat.
Cursor‑nál Pauline Brunet arról beszélt, hogy az FDE‑k célja olyan hosszú távú, ROI‑orientált megoldások kiépítése, amelyek a bevezetés után sem kerülnek kikapcsolásra: felhőügynökök, hosszú élettartamú agentek, automatizációk és a Cursor SDK‑ra épült alkalmazások.
A „software factory” kifejezés is gyakran elhangzott: hosszú ideig futó ügynökök által végigvezetett folyamatok, amelyeket a technológiai csapatoknak és FDE‑knek kell beállítaniuk. Warp vezérigazgatója, Zach Lloyd hangsúlyozta, hogy a vállalatoknak meg kell választaniuk, mely részeket automatizálják és hol tartanak embert a hurkakban — például kód‑review automatizálásnál a kockázatos változtatások emberi ellenőrzését.
Kontextuskezelés (context engineering) kérdése is előkerült: Atlan Prukalpa Sankarja szerint fontos, hogy hogyan áramlik a vállalati rendszerből a kontextus egy közös „cég‑agyközpontba”, majd onnan ügynökökhöz, copilotokhoz és alkalmazásokhoz.
Ugyanakkor Cursor‑ból Brunet emlékeztetett: a vállalati AI‑elfogadás még mindig korai szakaszban van, és elsősorban korai befogadókra koncentrál — ezért FDE‑knek belső jobb támogatókat kell találniuk a szervezetekben.
4. A kódoló ügynökök átveszik az IDE helyét
Az elmúlt három év legszembetűnőbb gyakorlati változása az, hogy a fejlesztők miként dolgoznak AI‑val. 2023‑ban a fejlesztés legtöbbször GitHub Copilot‑szerű kiegészítéseket jelentett: intelligens automatikus kiegészítést. 2026‑ra viszont megjelentek olyan eszközök, mint Claude Code, Codex, Gemini CLI, Cursor és Warp, amelyek képesek komplexebb célokat érteni, feltérképezni kódbázisokat, módosítani több fájlt, futtatni teszteket, hibákat javítani és önállóan iterálni.
A Vercel által kiadott eve nevű agent framework példája mutatja, hogy ez a tendencia a webfejlesztésben is elterjed: az ügynökök már nem csak soronkénti kód‑segítséget adnak, hanem sajátos, hosszú távú munkameneteket folytatnak.
Vercel Chief of Software‑a, Andrew Qu szerint az ügynökök „új típusú szoftverek”: kevésbé előre jelezhetők, dinamikusabbak az interakciók és a kimenetek. Qu hozzátette, hogy továbbra is sokat kell építeni a fejlesztési környezetek és sandboxok, a biztonságos kódvégrehajtás és a hosszú futású feladatok támogatására.
Conductor vezérigazgatója, Charlie Holtz emlékeztetett arra, hogy a harness és a factory megoldások mellett is fontos, hogy az ember maradjon a kontrollban — ő azt szeretné, hogy a mérnök „vezényelhesse az orkesztrát”, ne tűnjön el a humán szerep.
5. Minden ügynökplatform a „skills” köré épít
A konferencia egyik központi fogalma a „skills” volt: Anthropic tavaly ősszel vezette be a Claude‑hoz kapcsolt agent skills koncepcióját. Addy Osmani értelmezésében a skills kódolják azokat a munkafolyamatokat, minőségi kapukat és bevált gyakorlatokat, amelyeket a tapasztalt mérnökök használnak.
A Vercel‑es Andrew Qu szerint a skills „hordozható, igény szerinti tudásként” hasznosak. Roland Gavrilescu azt mondta, az AI‑mérnökség elmozdult „agent tools‑ról agent skills‑re”. Google DeepMind‑ból Philipp Schmid bemutatta, hogy deklaratív Markdown fájlokkal és skills‑szel „kód nélküli” ügynökhasználat hozható létre; szerinte a skills csökkentik az orchestration‑ban korábban sokszor Pythonban megírt kód szükségességét: „ügynökök csak fájlok. Markdown fájlokat írunk a képességek kiterjesztéséhez.”
Paul Bakaus (Renaissance Geek) nyílt forráskódú Impeccable projektje a design skills rendszert kínálja, amellyel a kódoló ügynököknek szókincset adnak a felületek fejlesztéséhez. Bakaus a „skill engineering” mint fegyelem mellett érvelt. Ugyanakkor többen figyelmeztettek a „skills hell” veszélyére: ha túl sok, vagy rosszul megírt skills gyűlik össze, az éppúgy problémákat okozhat, mint a korábbi „frameworks hell”. Matt Pocock részletes checklistet és javaslatot adott: kevesebb, kisebb és strukturáltabb skill‑eket írjunk.
Y Combinator elnöke, Garry Tan záró keynote‑jában arra buzdította hallgatóságot és a startupokat, hogy az üzleti funkciókat (értékesítés, támogatás, pénzügy stb.) érdemes skills‑ként kódolni, és felvenni mérnököket, akik a skills‑eket karbantartják és elvégzik azokat a munkákat, amelyeket a skills önmagukban még nem tudnak.
Összegzés: az ügynökök mindennapossá váltak, a mérnökség rendszerszintű lett
Három évvel az „AI engineer” fogalom kialakulása után és a 2023‑as kezdeti autonóm‑ügynök viták után 2026‑ra világossá vált: az ügynökök működnek és skálázhatók — a mostani kihívás a megbízható rendszerek, hurkok, kontextuskezelés, output‑értékelés és vállalati integráció megépítése.
Akár „AI engineer”, akár „software engineer”, akár „Forward Deployed Engineer” a név, a szakma most azokra a munkákra koncentrál, amelyek a modelleket ipari szintre emelik: coding agents, harness engineering, loop‑design és orchestration. Az AIEWF 2026 megmutatta, hogy az AI‑mérnökség iránya már nem pusztán modellek fejlesztése: rendszereket építünk, amelyekkel a modellek biztonságosan és hasznosan dolgozhatnak a valós világban.
