Když programy píše umělá inteligence

Představa o moderní tvorbě aplikací je lákavá – místo psaní zdrojového kódu stačí umělé inteligenci jednoduše zadat: „Chci rezervační systém pro restauraci, kde si zákazník vybere datum a počet osob a zadá své jméno, telefon a e-mail, na který dostane potvrzení.“ Během pár minut by AI měla vygenerovat funkční aplikaci s požadovanými vlastnostmi. To vše bez znalosti programovacích jazyků nebo databázových struktur, pouze na základě konverzace s AI v přirozené řeči.

A právě tak funguje vibe coding – přístup k tvorbě softwaru, který v posledním roce proměnil představy o tom, kdo může vytvářet digitální produkty. Samotný termín „vibe coding“ pochází od Andreje Karpathyho, spoluzakladatele OpenAI a dřívějšího šéfa oddělení AI v Tesle. Na začátku roku 2025 takto popsal nový způsob práce: „Člověk se soustředí na záměr, nikoli na syntax, a nechá umělou inteligenci, aby se postarala o technickou realizaci.“

Od té doby se vibe coding stal jedním z nejdiskutovanějších pojmů v technologickém světě. Slovník Collins Dictionary ho dokonce zařadil mezi slova roku 2025. Představy o možnostech vibe codingu jsou ale, alespoň zatím, přece jen odvážnější než skutečné schopnosti AI v oblasti samostatného programování.

ICT revue

AI je opice, která dostala klíče od knihovny

15. 4. 2026 ▪ 9 min. čtení

Od vizuálních stavebnic k jazykovému rozhraní

Myšlenka, že by software mohli vytvářet i lidé bez programátorského vzdělání, není nová. Low-code a no-code platformy, jako jsou Mendix, OutSystems, Microsoft Power Platform, Bubble nebo Webflow, slibují totéž už přinejmenším dekádu. Analytici společnosti Gartner v roce 2022 předpovídali, že do roku 2026 bude 75 procent nových podnikových aplikací vznikat právě s využitím takových platforem, zatímco v roce 2022 to bylo necelých 25 procent. Ale faktem je, že ještě než se low-code a no-code nástroje v podnikovém prostředí skutečně prosadily, objevil se vibe coding jako zcela nový přístup, který posouvá hranice ještě dál.

Low-code a no-code platformy fungují na principu vizuálních stavebnic. Uživatel má k dispozici předpřipravené komponenty – formuláře, tlačítka, databázové tabulky, logické bloky – a skládá z nich aplikaci jako z kostek. Jde o intuitivní a rychlý postup, který je pro řadu scénářů naprosto dostačující. Bez napsání jediného řádku kódu (v případě no-code postupu) lze vytvořit třeba jednoduchý CRM systém, formulář pro sběr dat nebo třeba aplikaci pro hlášení dovolených.

Jakmile je ovšem potřeba zapojit nestandardní logiku nebo složitější integraci, narazí i low-code přístup (kdy lze pracovat i přímo s kódem softwaru) na svoje limity. Další komplikací je závislost na konkrétním dodavateli, protože aplikaci postavenou na jedné platformě lze jen velmi těžko přenést na jinou. V podstatě to znamená vytvořit ji znovu od začátku. Pokud tedy dodavatel low-code či no-code platformy změní cenovou politiku, produkt ukončí nebo přestane investovat do jeho vývoje, znamená to nepříjemné rozhodnutí, jak s takovými aplikacemi pokračovat dál.

Vibe coding problém řeší úplně jinak. Nevytváří vizuální abstrakci nad kódem, ale generuje skutečný kód. Na základě co nejpřesnějšího popisu aplikace vygeneruje AI reálný zdrojový kód v Pythonu, JavaScriptu, TypeScriptu nebo jiném jazyce. Výsledek pak není limitovaný na konkrétní proprietární platformu, ale lze s ním dále pracovat v jiném AI nástroji nebo v libovolném editoru.

Srovnáním obou přístupů dojdeme k závěru, že low-code a no-code platformy jsou zralejší, stabilnější a lépe ošetřené především z hlediska bezpečnosti. Mají definované bezpečnostní modely, správu přístupů i auditní stopy. Jsou navrženy pro firemní prostředí a rozumí mu. Jejich slabinou je rigidita – dělají dobře to, na co byly navrženy, ale obtížně se přizpůsobují neočekávaným požadavkům.

Vibe coding je v tomto ohledu přesný opak. Je mimořádně flexibilní, protože nestaví na omezeném katalogu předpřipravených komponent. Ale tato flexibilita je zároveň jeho největší slabinou, protože s ní přichází i nepředvídatelnost. Každý výstup je unikátní a dvě identická zadání mohou vygenerovat zásadně odlišný kód. Nikdo přitom nezaručí, že výsledek bude bezpečný, efektivní nebo udržitelný.

V praxi to znamená, že low-code platformy jsou vhodnější tam, kde firma potřebuje standardizované řešení s jasně definovanými hranicemi. Jde například o automatizaci procesů, interní portály, přehledy či reporty a podobně. Vibe coding naopak vyniká v situacích, kdy jde o rychlé ověření nápadu, vytvoření prototypu nebo řešení nestandardního problému, pro který žádná hotová komponenta neexistuje.

Zajímavé je, že se obě kategorie začínají prolínat. I low-code platformy totiž integrují AI asistenty, kteří pomáhají s konfigurací. A naopak nástroje na vibe coding jako Cursor nebo Replit přidávají stále více automatizovaných kontrol a agentů, kteří se snaží zachytit chyby dříve, než se dostanou do výsledného produktu. Hranice mezi oběma světy se tedy rozmazává.

AI ovládá programování

Rozsah využívání AI nástrojů při vývoji softwaru dnes nelze přehlížet. Devět z deseti amerických vývojářů pracuje s AI asistenty denně. Celosvětově s nimi přichází do styku více než čtyři pětiny programátorů alespoň jednou týdně. Platforma GitHub eviduje, že téměř polovina veškerého nově vzniklého kódu je generovaná právě AI – ještě před třemi lety to byla jen desetina. Také Google přiznává, že každý čtvrtý řádek jeho kódu vzniká za asistence umělé inteligence.

A stejně rychle roste také ekonomika kolem AI nástrojů na programování. Platforma Lovable, která umožňuje generovat webové aplikace na základě textového popisu, dosáhla stami­lionových ročních tržeb za pouhých osm měsíců provozu. Konkurenční Bolt.new překonal hranici 40 milionů dolarů za čtyři a půl měsíce. V prostředí Replit, dalšího významného hráče, tři čtvrtiny uživatelů nikdy nenapíšou ani řádek kódu ručně.

Jedním z nejpřesvědčivějších argumentů pro vibe coding je úspora času. IBM ve své studii z počátku roku 2026 uvádí, že u interních podnikových aplikací může vývoj s pomocí AI zkrátit dobu realizace až o 60 procent. Doba vzniku funkčního prototypu se podle dostupných dat zkracuje o 20 až 45 procent. To může znamenat zásadní konkurenční výhodu.

Paradox rychlosti

Skutečnost ale nemusí být zdaleka tak přesvědčivá. Nezávislá výzkumná organizace METR hodnotící rizika AI provedla kontrolovaný experiment se zkušenými programátory, kteří pracovali na reálných úkolech. Vývojáři s AI nástroji byli při dokončování úkolů měřitelně pomalejší – dokonce o 19 procent. Před experimentem přitom odhadovali, že budou téměř o čtvrtinu rychlejší. A co je ještě pozoruhodnější: i po skončení studie zůstali přesvědčeni, že jim AI pomohla a zrychlila je o pětinu.

Tento rozpor ve vnímání přínosu AI má logické vysvětlení. AI skutečně dramaticky zrychluje rutinní, opakující se práci – generování šablon, základních struktur nebo standardních částí kódu. Tato úspora je okamžitě viditelná a subjektivně působí významně. Současně se ale komplikují složitější úkoly – ladění neznámého kódu, odhalování drobných logických chyb či pochopení skrytých závislostí. Čas ztracený na těchto problémech je nenápadný, rozprostřený do celého projektu a obtížně měřitelný. Proto jej programátoři nezaregistrují se stejnou intenzitou.

Subjektivní pocit produktivity tedy není spolehlivý ukazatel. Skutečný přínos vibe codingu je třeba měřit, nikoli jen odhadovat.

Bezpečnost jako slepé místo

Pravděpodobně nejzávažnějším problémem konceptu vibe codingu jsou bezpečnostní rizika. Analýza společnosti CodeRabbit, která prozkoumala stovky veřejných projektů na Git­Hubu, zjistila, že kód vytvořený s pomocí AI obsahuje téměř dvakrát více závažných chyb než kód psaný člověkem. Bezpečnostní testy pěti populárních nástrojů na vibe coding odhalily desítky zranitelností v patnácti identických testovacích aplikacích, z nichž několik bylo klasifikováno jako kritické. Celkově se bezpečnostní nedostatky z žebříčku deseti nejčastějších typů zranitelností webových aplikací OWASP Top 10 vyskytují téměř v polovině vzorků kódu generovaného AI.

Tady se ukazuje jeden z klíčových rozdílů oproti low-code platformám. Ty mají bezpečnostní mechanismy zabudované přímo v architektuře, ať už jde o správu přístupů, šifrování dat, nebo ochranu programovacích rozhraní. Uživatel se o ně nemusí starat, protože je za něj řeší platforma. U vibe codingu tato ochranná vrstva chybí. AI generuje kód, který může být funkční a vizuálně bezchybný, ale pod povrchem obsahuje zranitelnosti, které laik neodhalí a často ani netuší, že by je měl hledat.

Potvrzují to i zdokumentované případy, kdy například bezpečnostní výzkumníci zjistili, že více než desetina aplikací vytvořených na platformě Lovable nechránila osobní údaje svých uživatelů.

Skutečný přínos vibe codingu

Podle dlouhodobé studie DORA (DevOps Research and Assessment), kterou spravuje Google Cloud a která sleduje výkonnost softwarových týmů, vnímá 80 procent vývojářů AI jako přínos pro svou produktivitu. Největší reálný efekt ale AI nástroje mají v rukou zkušených programátorů, kteří dokážou rozpoznat chyby v generovaném kódu a přesněji formulovat zadání. Rovněž umí lépe odhadnout, kde AI ušetří čas a kde naopak hrozí, že je zavede do slepé uličky.

ICT revue

Stáhněte si přílohu v PDF

U méně zkušených vývojářů jsou výsledky nejednoznačné. AI jim sice umožní vytvořit funkční kód, ale často nedokážou posoudit, zda to funguje správně, bezpečně a udržitelně.

Lidem zcela bez znalostí programování umožňuje vibe coding pustit se do prototypování a ověřování nápadů. Přechod od prototypu k produkční aplikaci už ale vyžaduje jiný přístup, zejména s ohledem na bezpečnost a dlouhodobý provoz nového softwaru.

Vibe coding tedy nejspíše nenahradí ani klasické programování, ani low-code a no-code platformy. Jako pravděpodobná se jeví určitá konvergence, kdy budou vývojářské platformy stále více využívat AI pro generování vlastních komponent a rozšiřování možností. Vibecodingové nástroje budou přidávat automatizované bezpečnostní kontroly, testování a vrstvy pro správu a řízení kódu. A tradiční vývoj bude stále více delegovat rutinní práci na AI, zatímco se vývojáři soustředí především na architekturu, bezpečnost a strategická rozhodnutí.

Článek byl publikován ve speciální příloze HN ICT revue.