Blog AI zlevňuje výrobu kódu. Odpovědnost za software zůstává na firmě

AI dnes dokáže výrazně zrychlit vývoj aplikací a automatizací. To ale neznamená, že stejným tempem mizí práce kolem zadání, dat, integrací, bezpečnosti nebo provozu. Spíš naopak: čím snazší je software vytvořit, tím důležitější je vědět, co ve firmě vzniká, proč to vzniká a kdo za výsledek odpovídá.

V nedávné debatě na Lupa.cz jsme s dalšími lidmi z branže řešili, jak vibe coding a AI mění vývoj softwaru, požadavky zákazníků i fungování software houses.

Tady chceme rozvinout jednu část tématu, na kterou v článku nebyl prostor: co vlastně znamená levnější výroba kódu pro firmu, která výsledný software musí začlenit do svého provozu, dlouhodobě rozvíjet a nést za něj odpovědnost.

Kód býval úzké hrdlo. Často už jím není

U většiny našich projektů dnes naprostá většina nového kódu vzniká prostřednictvím AI agentů. Neznamená to, že aplikaci „napíše AI sama”. Znamená to, že zkušený člověk stále méně času tráví ručním psaním rutinního kódu a více času zadáváním práce, kontrolou výsledků a rozhodováním o celku.

U dobře vymezených úloh může AI samotnou implementaci zrychlit násobně. To je reálná změna ekonomiky vývoje.

Jenže software není jen implementace.

Pořád je potřeba pochopit businessový problém, rozhodnout, co má vůbec vzniknout, navrhnout architekturu, pracovat s daty, propojit systémy, řešit identity a oprávnění, bezpečnost, testy, monitoring, nasazení, zálohy, obnovu po havárii, škálování a další rozvoj.

Část práce, která byla dříve velmi drahá, dramaticky zlevňuje. Odpovědnost za celek ale nezmizela.

Funkční demo ještě není produkční systém

Právě tady podle nás vzniká část nedorozumění kolem vibe codingu.

Dnešní nástroje umí velmi rychle vytvořit aplikaci, která na první pohled funguje. Pro prototyp, interní pomůcku nebo ověření nápadu je to skvělá zpráva. Projekt nemusí utratit velkou část rozpočtu ještě předtím, než zjistí, jestli o výsledek vůbec někdo stojí.

Jiná situace nastává ve chvíli, kdy se z experimentu stane součást reálného firemního provozu.

Najednou nestačí, že aplikace zvládne scénář, na kterém jsme ji předváděli. Musí fungovat při změně požadavků, výpadku některé služby, větším množství uživatelů nebo bezpečnostním incidentu. Musí být jasné, kdo se k datům dostane, co se stane při chybě a zda systém dokáže převzít někdo jiný než jeho původní autor.

Rozdíl mezi profesionálním agentním vývojem a nekontrolovaným vibe codingem proto podle nás není hlavně v tom, zda kód napsal člověk, nebo AI.

Rozdíl je v tom, zda existují pravidla, testy, auditní stopa, monitoring, reprodukovatelné nasazení a konkrétní člověk nebo tým, který za výsledek ručí.

Levnější software znamená, že ho bude vznikat mnohem víc

Tohle může být nakonec ještě větší změna než samotné zrychlení programování.

Když bylo vytvoření interní aplikace nebo automatizace drahé, spousta menších problémů se jednoduše neřešila. Nebyl na ně rozpočet ani kapacita IT.

Dnes může mít vlastní nástroj marketing, obchod, provoz nebo jeden technicky orientovaný manažer. Mohou vznikat nové automatizace, propojení služeb, reporty, asistenti nebo celé aplikace, které by se ještě před pár lety ekonomicky nevyplatilo vyrábět.

To je obrovská příležitost.

Současně ale vzniká nový problém: software může uvnitř firmy přibývat rychleji, než ho firma dokáže řídit.

Z experimentu se postupně stane součást běžného workflow. Nástroj začne pracovat s reálnými firemními daty. Na výstup se začne spoléhat další oddělení. A po čase nemusí být úplně jasné, kdo za aplikaci odpovídá, kde přesně běží, kdo k ní má přístup nebo co se stane, když její původní autor odejde.

Levnější kód tedy automaticky neznamená jednodušší IT.

Může znamenat více aplikací, více integrací, více datových toků — a větší potřebu celý ekosystém orchestrovat.

Board chce AI. Firma ale někdy nejdřív potřebuje vyřešit něco jiného

Ve středních a větších firmách dnes často vidíme ještě jeden rozpor.

Vedení logicky cítí, že AI přináší nové možnosti a chce je využít. Jenže realita firmy může vypadat tak, že procesy nejsou dobře popsané, důležitá data jsou rozptýlená mezi ERP, tabulkami, e-maily a dalšími systémy a není vždy jasné, kdo odpovídá za jejich kvalitu a přístupy.

V takovém prostředí není první otázkou „Jaký AI nástroj nasadíme?“.

První otázkou je spíš: Co vlastně chceme zlepšit a máme pro to připravené procesy a data?

AI totiž často nevytvoří úplně nový problém. Spíš velmi rychle odkryje starší datový a procesní dluh.

A protože zároveň umožňuje rychle vytvářet další nástroje, může existující nepořádek také rychle znásobit.

Než začnete stavět další AI aplikaci, udělejte si Firemní STK

Pracovně tomu v COex říkáme Firemní STK: technologická a procesní kontrola, která má dát vedení realistický přehled o tom, na čem firma stojí a kde má zavádění nových nástrojů skutečně smysl.

Nemá jít o nasazování AI za každou cenu. Smyslem je zjistit, kde může technologie odstranit konkrétní úzké místo, aniž by vytvořila další izolovaný systém nebo provozní riziko.

Dobrá vstupní mapa by měla odpovědět alespoň na několik otázek:

• Jaké aplikace, automatizace a AI nástroje už ve firmě skutečně používáme?
• Kde vznikají klíčová data, kam se předávají a kde se stále ručně přepisují?
• Kdo odpovídá za kvalitu dat, jednotlivé procesy a výstupy systémů?
• Které experimenty už se fakticky staly součástí produkčního provozu?
• Kde pracujeme s citlivými daty a jak jsou řešené přístupy, bezpečnost a compliance?
• Co se stane, když odejde autor řešení nebo přestaneme chtít používat současného poskytovatele?

Teprve z podobné mapy často vyplyne, jestli firma skutečně potřebuje nový AI projekt, klasickou automatizaci, integraci existujících systémů, úpravu procesu — nebo kombinaci několika kroků.

Odpovědnost znamená také možnost systém převzít

S AI se navíc vrací starý problém vendor lock-inu v nové podobě.

Firma může vlastnit zdrojový kód a přesto být silně závislá na konkrétním editoru, agentní platformě, proprietárním indexu repozitáře nebo historii promptů a rozhodnutí, která existuje jen uvnitř jedné služby.

Pak sice vlastníme aplikaci, ale část znalosti o tom, proč funguje právě takhle, zůstala někde jinde.

Proto považujeme za důležité, aby kód, zadání i kontext důležitých rozhodnutí zůstávaly přenositelné. Architektonická rozhodnutí, datová a bezpečnostní pravidla, integrační kontrakty, testovací kritéria nebo provozní postupy by neměly existovat pouze v historii jednoho AI nástroje.

Model nebo agentní prostředí musí být možné časem vyměnit, aniž by spolu s ním zmizelo firemní know-how.

Zrychlit vývoj neznamená přeskočit řízení rizika

AI naopak otevírá zajímavé možnosti i tam, kde byl vývoj dříve příliš nákladný — například při modernizaci starších firemních systémů.

V jednom z našich projektů jsme nový, moderněji postavený systém nechali několik měsíců běžet paralelně vedle původního nad stejnými daty. Teprve po provozním ověření a testování dal klient zelenou k plnému přechodu.

Zpětná vazba zaměstnanců během paralelního provozu navíc pomohla novou aplikaci upravit nad rámec původního zadání.

Právě tady podle nás dává kombinace rychlejšího vývoje a tradičního inženýrského přístupu velký smysl. AI může dramaticky zkrátit cestu k novému řešení. Nemusíme kvůli tomu dramaticky zvyšovat riziko přechodu.

Mění se proto i hodnota vývojářů a technologických partnerů

Pokud byla hlavní hodnotou vývojáře schopnost rychle napsat určité množství kódu, AI tuto hodnotu nepochybně snižuje.

Jenže to není jediná práce potřebná k vytvoření dobrého softwaru.

Vývojáři se posouvají blíž k produktu. Potřebují lépe rozumět zadání a doméně, rozhodovat o architektuře, správně rozdělovat práci agentům, kontrolovat výstupy a přemýšlet o bezpečnosti, udržitelnosti a provozu celého systému.

Podobně se mění i role software house.

Smyslem technologického partnera by nemělo být vyprodukovat co největší objem kódu. Jeho hodnotou je pomoci rozhodnout, co má vůbec vzniknout, jak to zapadne do současného prostředí firmy a jak za výsledné řešení dlouhodobě převzít odpovědnost.

A někdy také říct, že nový software není ta správná odpověď.

Kód bude levnější. Kontext a odpovědnost budou cennější

AI podle nás nepovede k tomu, že by software přestal být důležitý. Spíš naopak.

Když je levnější řešit softwarem problémy, které se dříve ekonomicky řešit nevyplatily, množství aplikací, automatizací a digitálních služeb dál poroste.

Vzácnější komoditou tak postupně přestává být samotná schopnost vyrobit další kus kódu.

Hodnotu bude mít schopnost pochopit problém, pracovat s daty a procesy, propojit technologie do funkčního celku a jasně určit, kdo za něj odpovídá.

To je podle nás důležitější změna než samotný vibe coding.

Jak začít

Pokud ve firmě řešíte, kde využít AI, nezačínali bychom seznamem nástrojů.

Začněte mapou toho, jak dnes fungují vaše procesy, data a systémy. Z ní obvykle rychle vyplynou místa, kde dává smysl AI, kde stačí automatizace nebo integrace a kde by další aplikace jen přidala novou vrstvu složitosti. Rádi se na to podíváme společně — podobné vstupní analýzy a konzultace děláme běžně.

Řešíte podobnou situaci? Ozvěte se nám a můžeme se společně podívat na současné systémy, data a procesy a najít místa, kde má další technologický krok skutečný smysl.