Když se dnes mluví o AI ve vývoji software, často to vypadá, jako by hlavní změna spočívala v tom, že kód vzniká rychleji.
To je pravda jen napůl.
Skutečná změna je hlubší. Nemění se jen rychlost psaní kódu. Mění se samotný způsob, jak software vzniká, jak se organizuje práce a jakou roli v tom hraje zkušený člověk.
Největší změna se neodehrává v editoru. Největší změna se odehrává v delivery modelu.
Dřívější model: mnoho rolí, mnoho handoffů
Klasický vývoj software často vypadal takto:
- někdo sebral zadání,
- někdo navrhl UX,
- někdo připravil backend,
- někdo napsal frontend,
- někdo to otestoval,
- někdo to nasadil,
- někdo opravil chyby,
- a všichni si mezi tím předávali kontext.
Ten model nezmizel. Bude dál fungovat hlavně tam, kde si ještě neuvědomili, že se svět software už změnil. Problém je, že takové organizace budou čím dál víc brzdit samy sebe, a předběhnou je ti, kdo nový delivery model pochopí včas.
Důvod je jednoduchý: přibyla nová páka.
AI nezrychlila jen kód. Změnila ekonomiku delivery.
Dnes je možné:
- rychleji navrhnout varianty řešení,
- rychleji rozpadnout práci,
- rychleji připravit první funkční verzi,
- rychleji dělat review,
- rychleji testovat a iterovat,
- a hlavně držet celý systém v pohybu s menším týmem.
To je mnohem důležitější než samotné „AI umí napsat funkci“.
Když se zkrátí vzdálenost mezi nápadem, implementací a ověřením, změní se ekonomika celé práce. Najednou dává smysl pouštět se i do věcí, které byly ještě nedávno příliš drahé, příliš pomalé nebo organizačně příliš těžké.
Tohle není jen vyšší produktivita vývojáře. Tohle je jiný model delivery.
Kde je to vidět v praxi
Na HarryApp je dobře vidět, že malý tým dnes může držet v pohybu produkt, backend, web i další vrstvy systému jinak než dřív. Ne proto, že by zmizela složitost. Ale protože se dramaticky zkrátil čas mezi rozhodnutím, změnou, kontrolou a releasem.
Aplikaci držíme průběžně v releasovatelném stavu. Děláme malé commity. Když změnu dělá člověk s AI, nejde přes klasické review člověkem, ale rovnou do mainu a ven. Kontrola nezmizela. Jen se přesunula z formální blokující fáze do průběžné disciplíny a denního sdílení toho, co se změnilo.
Jiný režim je u samostatných AI agentů. Když práci udělá agent, otevře PR a to kontrolujeme. To rozlišení je důležité: neodbouráváme kontrolu jako takovou, ale měníme její tvar podle typu práce.
Právě v tom je ta změna. Dřív se velká část energie ztrácela v handoffech, čekání a znovunačítání kontextu. Dnes se mnohem větší část může proměnit přímo ve skutečný posun produktu. U nás je pravidlo, že software má být releasovatelný v každé chvíli a je to běžný pracovní režim.
A není to jen efekt současné AI vlny. Už dřív jsem to viděl na Groupon IQ. Byl to pro mě důkaz, že je možné během jednoho měsíce dostat od nuly do produkčního stavu produkt, který mohou používat běžní uživatelé, a dělat to vedle běžné agendy engineering manažera.
Ne všechno bylo dotažené. Ale ukázalo se tím něco důležitějšího: při dobré architektuře, správném backendovém základu a automatické CI/CD pipeline může být cesta do produkce výrazně kratší, než bylo dřív běžné.
Od té doby se na produktu pracuje dál a postupně se z něj stává hlavní řešení pro chod Grouponu. Nešlo tedy jen o rychlý prototyp, ale o začátek systému, který unesl další růst.
Co se skutečně mění
Méně záleží na počtu lidí a víc na kvalitě řízení.
Kontext se stává strategickou surovinou. Rozhoduje, kdo drží celek, jak se rozpadá scope a jak rychle se do systému vrací zpětná vazba.
Produkční stav přestává být vzdálený cíl na konci projektu. Pokud máte kvalitní pipeline a disciplinovaný způsob práce, může být výchozím režimem.
A zkušenost nemá menší hodnotu než dřív. Má větší. V prostředí vyšší páky dělá zkušený člověk větší rozdíl.
Proč nestačí jen „AI coding“
Velká část veřejné debaty se točí kolem generování kódu. Jenže samotné generování kódu nestačí.
Nestačí pro:
- návrh architektury,
- rozhodnutí trade-offů,
- řízení složitosti,
- práci s reálnými daty,
- koordinaci mezi vrstvami systému,
- a už vůbec ne pro dlouhodobé držení kvality.
Nejde o to mít chytrý autocomplete. Jde o to mít nový systém práce.
Co to znamená pro firmy a vývojáře
Posouvá se hranice toho, co je ekonomicky smysluplné stavět. Najednou dávají smysl i systémy, které byly ještě nedávno mimo dosah, ne proto, že by software zlevnil na nulu, ale protože se dramaticky zkrátila cesta k prvnímu ověření i k průběžnému zlepšování.
A výhodu nezískají jen lidé s jednou úzkou specializací. Posilují hlavně ti, kdo dokážou držet větší celek: businessový kontext, produkt, technologii, architekturu, komunikaci i způsob práce.
Co se nemění
Nezmizela potřeba kvality.
Software se pořád může rozbít. Pořád platí, že špatně navržený systém bude drahý na údržbu. Pořád platí, že testy, review a disciplína jsou zásadní.
AI nezrušila realitu. Jen výrazně změnila tempo a páku.
Proč je to podle mě změna k nepoznání
Nemění se tím, že by senior najednou dělal úplně jinou práci než dřív. Senior vždy držel architekturu, vedl tým, rozděloval problémy na menší části a nesl odpovědnost za celek.
Mění se páka, rychlost a šířka záběru, se kterou to dnes může dělat. To, co dřív vyžadovalo víc handoffů, víc čekání a víc mezivrstev, je dnes možné řídit přímočařeji a v kratších smyčkách. A když se zkrátí cesta od rozhodnutí k ověření, mění se i to, co je reálně možné dodat.
Software nepřestal být náročný. Ale přestal vznikat stejným způsobem jako dřív.
Proto se software změnil. K nepoznání.
