Rozwój WordPressa napędzany przez AI

Sztuczna inteligencja jest już częścią codziennej pracy wielu zespołów WordPress: podpowiedzi w IDE, agenci proponujący zmiany w repozytorium, pierwsze wersje testów i dokumentacji. Nie zmieniło się to, kto odpowiada za wynik. Każdy commit nadal potrzebuje kogoś, kto go rozumie, przegląda i wdraża.

W tym przewodniku sprawdzamy, gdzie programowanie wspierane przez AI naprawdę pomaga w WordPressie, co mówią badania z pomiarem produktywności, jakie API dla AI WordPress dostarcza od wersji 6.9 i 7.0 oraz które obietnice marketingowe lepiej odrzucić przed planowaniem projektu.

#1. Narzędzia AI do programowania w WordPressie

Programowanie dla WordPressa z AI bardziej przypomina kierowanie i przeglądanie niż pisanie każdej linii od zera. Programista opisuje zadanie, asystent proponuje kod, a programista decyduje, co trafi do repozytorium.

#IDE z AI, które czytają kod Twojego projektu

Narzędzia takie jak Cursor i GitHub Copilot pracują na kontekście otwartego repozytorium: czytają pliki motywu lub wtyczki, zarejestrowane hooki i konwencje samego projektu. Żaden dostawca nie podaje, że jego modele trenowano specjalnie na rdzeniu Gutenberga, więc jakość podpowiedzi zależy od tego, co asystent widzi w Twoim repozytorium, i od tego, jak dobrze napisany jest istniejący kod.

Możliwości przydatne na co dzień:

• Podpowiedzi z kontekstem: IDE sugeruje hooki i filtry WordPressa na podstawie kontekstu bieżącego pliku
• Generowanie bloków: pierwsza wersja własnego bloku Gutenberga na podstawie opisu w języku naturalnym, przeglądana potem przez człowieka
• Refaktoryzacja ze wsparciem: zamiana starego kodu proceduralnego na klasy ze ścisłym typowaniem PHP 8.x
• Wskazywanie niebezpiecznych wzorców: oznaczanie zapytań bez $wpdb->prepare() albo wyjścia bez escapowania, jako wsparcie przeglądu bezpieczeństwa, a nie jego zastępstwo

#Refaktoryzacja na dużą skalę

Agenci AI mogą pomóc przerobić starszą wtyczkę opartą na jQuery na nowoczesne bloki oparte na React, z zachowaniem logiki i nowszą architekturą. Rzeczywiste tempo zależy od wielkości wtyczki i od testów, które istnieją przed rozpoczęciem prac.

Gdzie to naprawdę pomaga: przy rusztowaniu starszej wtyczki, czyli przy przenoszeniu znaczników i struktury do bloków oraz przy pisaniu brakujących testów. Logika biznesowa nadal wymaga przeglądu przez człowieka linia po linii i tam asystent oszczędza niewiele.

#Generowanie testów ze wsparciem AI

AI nie tylko pisze kod, pomaga go też testować. Agenci mogą zaproponować:

• Testy jednostkowe dla funkcji publicznych
• Testy integracyjne dla interakcji między wtyczkami
• Scenariusze obciążeniowe, które potem uruchamia się narzędziami do testów wydajności
• Automatyczne kontrole dostępności względem WCAG 2.2, które obejmują tylko część kryteriów

Wygenerowany test jest wart tyle samo co napisany ręcznie tylko wtedy, gdy ktoś sprawdzi, że nie przechodzi, kiedy kod jest zepsuty.

#2. Co mówią badania o produktywności z AI

Liczby krążące na temat czasu oszczędzanego dzięki AI pochodzą z badań o bardzo różnych założeniach. Zanim zacytujesz procent, sprawdź, co dane badanie mierzyło.

#Dlaczego wyniki się różnią

Wynik 55,8% z badania Penga i współpracowników pochodzi z wyizolowanego, dobrze zdefiniowanego zadania zaczynanego od zera. To najkorzystniejsze warunki dla asystenta. Badanie METR z 2025 roku mierzyło sytuację odwrotną: programistów, którzy dobrze znali duże repozytoria, pracujących nad prawdziwymi zgłoszeniami. Tam AI ich spowolniła, a po badaniu ci sami uczestnicy nadal uważali, że przyspieszyła ich o 20%. Ta różnica między odczuciem a pomiarem to najbardziej użyteczny wniosek dla każdego zespołu, który chce ocenić własne narzędzia.

METR powtórzył eksperyment z narzędziami z końca 2025 roku i opublikował wyniki w lutym 2026. Dziesięciu programistów z pierwotnego badania wykazało szacowaną oszczędność czasu 18%, a 47 nowych uczestników 4%. Sam METR nazywa te dane bardzo słabym dowodem, bo część uczestników odmawiała pracy bez AI przy niektórych zadaniach, co zniekształca próbę.

Wynik 3% z pracy Humluma i Vestergaard mierzy coś innego: oszczędność czasu deklarowaną przez pracowników korzystających z chatbotów AI, w 11 zawodach, wśród których są programiści. To nie jest pomiar asystentów kodu w IDE, a poprawiona wersja tej pracy w NBER (working paper 33777) skupia się na zarobkach i rejestrowanych godzinach pracy.

DORA 2024 znalazła pozytywne sygnały w pracy wokół kodu: przy każdym wzroście wykorzystania AI o 25% jakość dokumentacji rośnie o 7,5%, jakość kodu o 3,4%, a szybkość code review o 3,1%. Jednocześnie spadają przepustowość i stabilność dostarczania. 39% ankietowanych zadeklarowało małe zaufanie albo brak zaufania do kodu generowanego przez AI.

#Ile czasu AI oszczędza zespołowi WordPress

Żadne z powyższych badań nie mierzy konkretnie projektów WordPress. Pozwalają za to odrzucić okrągłe dwucyfrowe liczby powtarzane bez źródła. W pracy z WordPressem oszczędność pojawia się w czterech konkretnych miejscach:

• Rusztowanie motywów i bloków to miejsce, gdzie asystent oddaje realny czas
• Wygenerowane testy łapią regresje, które wcześniej trafiały na produkcję
• Debugowanie z kontekstem repozytorium skraca szukanie, a nie samą poprawkę
• Wdrożenie nowej osoby zyskuje więcej na aktualnej dokumentacji niż na samym asystencie

#3. Personalizacja WordPressa z pomocą AI

Strona na WordPressie może dopasować część treści do odwiedzającego na podstawie sygnałów kontekstowych. WordPress nie ma tej funkcji w rdzeniu: buduje się ją własnym kodem, wtyczkami albo logiką na brzegu sieci (edge).

#Przewidywanie intencji użytkownika

Dzięki logice na brzegu sieci albo na serwerze strona może oszacować, czy użytkownik chce kupić, poszukać informacji czy porównać oferty, i dopasować kolejność sekcji.

Jak działa ten wzorzec:

1. Użytkownik trafia na stronę z konkretnego wyszukiwania albo kampanii
2. Logika odczytuje dostępne sygnały: stronę wejścia, parametry kampanii, typ urządzenia
3. Przypisywany jest anonimowy profil intencji (kupujący, szukający informacji, porównujący)
4. Treść dopasowuje się do profilu

#Zmiana kolejności bloków Gutenberga według użytkownika

Sekcje Gutenberga mogą zmieniać kolejność albo wyróżniać konkretne funkcje zależnie od przypisanego profilu. Funkcje z przykładu należą do projektu, nie są częścią WordPressa.

Praktyczna implementacja:

// Wzorzec personalizacji na podstawie intencji.
// detect_user_intent() i prioritize_blocks() to funkcje projektu.
function personalize_gutenberg_layout( $blocks ) {
    $intent = detect_user_intent();

    if ( $intent === 'buyer' ) {
        return prioritize_blocks( $blocks, [ 'pricing', 'testimonials', 'cta' ] );
    }

    if ( $intent === 'researcher' ) {
        return prioritize_blocks( $blocks, [ 'features', 'comparison', 'documentation' ] );
    }

    return $blocks;
}

#Personalizacja a prywatność

Jeśli profil liczony jest w przeglądarce albo na brzegu sieci bez zapisywania identyfikatorów osobowych, z urządzenia wychodzi mniej danych osobowych. To nie zwalnia z RODO: jeśli personalizacja korzysta z ciasteczek albo identyfikatorów, nadal potrzebna jest podstawa prawna, a w wielu przypadkach zgoda. Ocena prawna odbywa się dla każdego projektu osobno.

#4. RAG i wyszukiwanie wektorowe w WordPressie

Wbudowane wyszukiwanie WordPressa to nadal zapytanie SQL po tytułach i treści, które znajduje zgodne słowa, a nie znaczenie. Wyszukiwanie wektorowe i RAG (Retrieval-Augmented Generation) dodaje się wtyczkami albo usługami zewnętrznymi w serwisach z dużą ilością treści.

#Bazy wiedzy z AI

Gdy treść zostanie zindeksowana w wektorowej bazie danych, pole wyszukiwania na stronie może działać jak asystent. Podaje odpowiedzi wzięte z Twoich wpisów, z linkami do źródeł.

Architektura wyszukiwania RAG w WordPressie:

1. Indeksowanie wektorowe: każdy wpis, strona i produkt zamieniany jest na embeddingi wektorowe
2. Przechowywanie: wektory trafiają do wyspecjalizowanych baz danych (Pinecone, Weaviate albo pgvector)
3. Zapytanie semantyczne: gdy użytkownik szuka, jego zapytanie zamieniane jest na wektor i wyszukiwane są treści najbliższe znaczeniowo
4. Generowanie odpowiedzi: LLM pisze odpowiedź, używając pobranych fragmentów jako kontekstu
5. Cytowanie źródeł: każda odpowiedź zawiera linki do oryginalnych podstron serwisu

#Pomoc kontekstowa

W rozbudowanych portalach firmowych nawigacja wspierana przez AI może podsunąć whitepaper albo studium przypadku pasujące do strony, którą użytkownik właśnie ogląda.

Gdzie to widać: mniej powtarzających się zgłoszeń do wsparcia, dłuższe sesje w dokumentacji i mniej wyjść ze stron pomocy. Nie publikujemy własnych procentów bez pomiaru, który możemy pokazać.

#Wyszukiwanie konwersacyjne

Wyszukiwanie RAG pozwala na rozmowę w kilku turach, w której system pamięta kontekst wcześniejszych pytań. Ryzyko jest takie samo jak przy każdym LLM: pewna siebie odpowiedź, której nie ma w Twoich dokumentach. Dlatego każda odpowiedź powinna linkować do źródła, a system powinien odpowiedzieć “nie wiem”, gdy nie znajdzie nic trafnego.

#5. Praca z treścią z pomocą AI w Gutenbergu

AI zmieniła pracę w edytorze: szkice, streszczenia, tytuły i teksty alternatywne powstają w kilka sekund, a najwięcej czasu zajmuje teraz redakcja.

#Przegląd sygnałów E-E-A-T

Podczas pisania w Gutenbergu asystent AI może przejrzeć treść pod kątem sygnałów E-E-A-T, proponując źródła do zacytowania albo wskazując miejsca, w których brakuje własnego doświadczenia.

Przydatne funkcje takiego asystenta:

• Oznacza twierdzenia faktyczne bez podanego źródła
• Proponuje trafne linki wewnętrzne, które wzmacniają autorytet tematyczny
• Wskazuje miejsca na dodanie doświadczenia z pierwszej ręki
• Rekomenduje zmiany w strukturze treści dla lepszej czytelności

#Generowanie multimodalne

Z nagrania webinaru pipeline AI może przygotować transkrypcję, szkic wpisu podsumowującego i fragmenty do mediów społecznościowych. To nie jest funkcja rdzenia WordPressa: składa się ją z usług transkrypcji i LLM, a wynik przechodzi przez redakcję człowieka.

Proces multimodalny:

1. Wejście: nagranie webinaru
2. Przetwarzanie: automatyczna transkrypcja ze znacznikami czasu
3. Generowanie: szkic wpisu z najważniejszymi punktami i cytatami sprawdzonymi z nagraniem
4. Dane strukturalne: schema markup dopasowany do treści (na przykład VideoObject)
5. Dystrybucja: krótkie klipy z napisami do mediów społecznościowych
6. SEO: meta opisy i teksty alternatywne miniatur, sprawdzane ręcznie

#Tłumaczenie i lokalizacja

AI nie tylko tłumaczy: z dobrymi instrukcjami potrafi dopasować przykłady i ton do każdego rynku. Dla agencji takiej jak WPPoland, która pracuje z klientami w Polsce, Niemczech, Austrii i całej Europie, przyspiesza to pierwszą wersję tekstu. Liczby, nazwy i cytaty sprawdzamy w każdym języku, bo właśnie tam tłumaczenie maszynowe wymyśla szczegóły.

#6. Ochrona danych przy AI w WordPressie

“Odpowiedzialna AI” to wymóg architektury, a nie opcjonalny dodatek. Firmy, które ignorują etykę AI, biorą na siebie ryzyko prawne, wizerunkowe i operacyjne.

#Suwerenność danych

Wdrażamy lokalne modele LLM albo prywatne instancje API, aby wrażliwe dane klientów nigdy nie opuszczały środowiska firmy w celu trenowania modeli.

Architektura prywatnej AI:

• LLM on-premise: otwarte modele, takie jak Llama 3, działające na własnej infrastrukturze
• Bezpieczne bramki API: proxy, które odfiltrowuje dane wrażliwe przed wysłaniem do zewnętrznych API
• Szyfrowane przechowywanie: embeddingi wektorowe są szyfrowane w transmisji i w spoczynku
• Logi audytowe: każda interakcja z AI jest zapisywana na potrzeby zgodności z przepisami

#Audyt stronniczości

Personalizacja wymaga przeglądu pod kątem stronniczości, jak każdy system, który decyduje, co widzi dany użytkownik. Obejmuje to:

• Analizę sprawiedliwości rekomendacji treści
• Wykrywanie dyskryminujących wzorców w segmentacji odbiorców
• Sprawdzenie, czy personalizacja nie tworzy “baniek filtrujących”
• Przegląd stronniczości przed publikacją, a nie dopiero na końcu projektu

#Przejrzystość algorytmów

Użytkownicy powinni wiedzieć, kiedy mają do czynienia z treścią wygenerowaną albo spersonalizowaną przez AI. Wdrażamy:

• Wyraźne oznaczenia treści wygenerowanych przez AI
• Zrozumiałe wyjaśnienia, dlaczego wyświetlana jest spersonalizowana treść
• Możliwość wyłączenia personalizacji przez użytkownika
• Pracę zgodną z unijnym aktem o AI, z dokładnym zakresem ustalanym dla każdego projektu

#7. Automatyzacja CI/CD WordPressa z AI

AI trafia też do pipeline’u wdrożeniowego WordPressa, zawsze za testami i przeglądem człowieka.

#CI/CD z AI

Pipeline’y ciągłej integracji mogą używać AI do:

• Priorytetyzacji testów: najpierw uruchamiane są testy najważniejsze dla wprowadzonych zmian
• Wykrywania regresji: oznaczanie zmian, które mogą pogorszyć wydajność, przed merge’em
• Przeglądu kodu: automatyczne komentarze w code review, wykraczające poza zwykły linting

#Monitoring z AI

AI może analizować wzorce ruchu i wydajności, aby ostrzec, zanim problem dotknie użytkowników:

• Alerty o spadku wydajności
• Prognozy skoków ruchu na podstawie danych historycznych
• Wczesne wykrywanie ataków na podstawie nietypowych wzorców

#Dokumentacja ze wsparciem AI

Agenci AI pomagają utrzymywać aktualną dokumentację:

• Dokumentację API dla własnych endpointów
• Instrukcje dla użytkowników własnych bloków Gutenberga
• Changelogi na podstawie commitów
• Diagramy architektury generowane z kodu źródłowego

W tym obszarze DORA 2024 zmierzyła najwyraźniejszy pozytywny efekt: jakość dokumentacji wyższa o 7,5% przy każdym wzroście wykorzystania AI o 25%.

#8. Jakie API dla AI dostarczają WordPress 6.9 i 7.0

Do 2025 roku każda wtyczka AI integrowała własnego dostawcę i własny format. Zespół Core AI WordPressa opublikował zestaw wspólnych elementów, które opisuje w swoim podsumowaniu pierwszych sześciu miesięcy.

#Abilities API w WordPressie 6.9

Abilities API jest dostępne od WordPressa 6.9. To centralny rejestr “abilities”, czyli jednostek funkcjonalności o nazwie namespace/ability-name, z kategorią, definicjami JSON Schema dla wejścia i wyjścia (input_schema, output_schema), funkcją wykonującą i opcjonalnym permission_callback. Deklarowany cel to umożliwienie wtyczkom, motywom i systemom zewnętrznym, takim jak agenci AI, sprawdzenia, co potrafi dana strona.

Minimalna rejestracja, na podstawie przykładu z oficjalnej dokumentacji:

add_action( 'wp_abilities_api_categories_init', function () {
    wp_register_ability_category( 'site-information', array(
        'label'       => __( 'Site Information', 'textdomain' ),
        'description' => __( 'Abilities that provide information about the WordPress site.', 'textdomain' ),
    ) );
} );

add_action( 'wp_abilities_api_init', function () {
    wp_register_ability( 'my-plugin/site-info', array(
        'label'               => __( 'Site Info', 'textdomain' ),
        'category'            => 'site-information',
        'execute_callback'    => 'wporg_get_siteinfo',
        'permission_callback' => function () {
            return current_user_can( 'manage_options' );
        },
        'meta'                => array( 'show_in_rest' => true ),
    ) );
} );

Dla bezpieczeństwa najważniejszy jest permission_callback: ability udostępniona agentowi bez sprawdzenia uprawnień to otwarty endpoint pod inną nazwą.

#MCP Adapter

MCP Adapter to pakiet zespołu Core AI, który łączy Abilities API z Model Context Protocol. Zarejestrowane abilities pojawiają się jako narzędzia, zasoby albo prompty MCP, więc klient taki jak Claude Code czy Cursor może z nich korzystać na stronie WordPress. Pakiet nie jest częścią rdzenia. Praktyczny przykład takiego podejścia opisujemy w artykule o agentowym WordPressie z MCP.

#AI Client i Connectors w WordPressie 7.0

WordPress 7.0 “Armstrong” ukazał się 20 maja 2026 roku. Według oficjalnego ogłoszenia zawiera:

• AI Client w rdzeniu: wspólną warstwę, dzięki której WordPress i wtyczki komunikują się z modelami generatywnej AI bez integrowania własnego dostawcy w każdej wtyczce
• Ekran Connectors: jedno miejsce w kokpicie do zarządzania połączeniami zewnętrznymi, z trzema gotowymi ustawieniami i możliwością dodania kolejnych
• Client-Side Abilities: odpowiednik Abilities API w JavaScripcie, z własnym interfejsem i paletą poleceń
• Osobną wtyczkę AI: generuje i edytuje obrazy, tworzy tytuły albo zajawki i proponuje teksty alternatywne

Dla zespołu programistów zmienia to jedną konkretną decyzję: nowa wtyczka, która potrzebuje AI, może oprzeć się na AI Client i na połączeniach skonfigurowanych przez administratora, zamiast prosić o własny klucz API.

#9. Stos narzędzi AI do pracy z WordPressem

#Narzędzia AI i ich integracja z WordPressem

#Jak zmierzyć, czy AI oszczędza czas Twojego zespołu

Powyższe badania dają metodę, którą każdy zespół WordPress może powtórzyć w małej skali:

1. Przydzielaj zadania losowo. METR rozstrzygał losowaniem, zgłoszenie po zgłoszeniu, czy wolno użyć AI. Dzięki temu łatwe zadania nie trafiają wszystkie do jednej grupy.
2. Mierz czas, nie odczucia. W METR 2025 uczestnicy byli przekonani, że zyskali 20%, a stracili 19%.
3. Patrz też na dostarczanie. DORA mierzy przepustowość i stabilność: zespół, który pisze kod szybciej, ale wypuszcza więcej regresji, niczego nie zyskał.
4. Rozdzielaj typy zadań. Rusztowania nowego bloku i błędu w dziesięcioletniej wtyczce nie należy uśredniać razem.

#10. Agencja WordPress do wdrożenia AI

W WPPoland używamy AI w codziennej pracy i wdrażamy ją w projektach klientów wtedy, gdy rozwiązuje konkretny problem.

1. Integracja procesów z AI: pomagamy Twojemu zespołowi włączyć narzędzia AI w cykle tworzenia treści i kodu, od konfiguracji IDE po zautomatyzowane pipeline’y.

2. Indywidualne rozwiązania RAG: zamieniamy Twoją stronę WordPress w przeszukiwalną bazę wiedzy z wyszukiwaniem wektorowym i odpowiedziami, które linkują do Twoich własnych podstron.

3. Personalizacja: budujemy frontendy, które dopasowują treść do odbiorców, z poszanowaniem prywatności i obowiązujących przepisów.

4. Audyt AI: oceniamy Twój obecny stos technologiczny i wskazujemy, gdzie AI pomaga w sposób etyczny, bezpieczny i opłacalny, a gdzie nie.

Dowiedz się więcej o przyspieszaniu strony WordPress i o tym, jak AI wpisuje się w pracę nad wydajnością.

#11. Podsumowanie

AI przyspiesza konkretne części pracy nad WordPressem: rusztowanie, testy, dokumentację i pierwsze szkice treści. W pomiarach METR, Humluma i Vestergaard oraz DORA ogólny wpływ na produktywność jest dużo mniejszy, niż obiecują zapowiedzi, a przy dojrzałym, złożonym kodzie bywa ujemny. Od wersji 6.9 i 7.0 rdzeń WordPressa daje wspólną podstawę do integracji AI (Abilities API, AI Client, Connectors), co zmniejsza pracę integracyjną w nowych wtyczkach.

Narzędzia AI przyspieszają pisanie kodu, ale decyzja o tym, co w ogóle ma w projekcie powstać, zostaje po stronie zespołu. Tę rolę bierzemy na siebie przy rozwoju stron i wtyczek WordPress.

Chcesz włączyć AI do pracy nad WordPressem i mierzyć efekty? Skontaktuj się z WPPoland.

Od strony wdrożeniowej ten temat prowadzimy w ramach GEO i LLMO.

#Powiązane materiały

• Programista WordPress - Wydajne strony i wtyczki na zamówienie
• Programista WooCommerce - Sklepy internetowe na WordPressie
• Handel z AI w WordPressie - Strategie handlu z wykorzystaniem sztucznej inteligencji
• Audyt bezpieczeństwa WordPress - Bezpieczeństwo nowoczesnych stron