AI firmě pomáhá? Realita může překvapit

Budou ještě potřeba ajťáci?

Budou. Z toho, co dnes vidíme, AI pomáhá vývojářům být lepší. A i když firmy zapojují umělou inteligenci primárně proto, aby snížily náklady na vývoj softwaru, zatím není v takovém stavu, aby se dala zautomatizovat veškerá práce. Díky AI zvládnou vývojáři víc práce. Někteří o trochu, někteří pětinásobně, někteří stokrát víc. Rozdíly mezi nimi jsou obrovské, ale stále budou potřeba.

Jak moc je softwarový vývoj nečitelná položka pro vedení?

Ve firmách mu moc lidí nerozumí. Většinou se po vývojářích něco chce, například aby vyrobili nějakou funkci nebo dodali určitou vlastnost do aplikace, ale málokdo ví, jak je to náročné. Je složité říct, že jsme rychlejší, když nepoznáte rozdíl a vidíte jen, že jste chtěli určitou věc a její vývoj trval měsíc. Těžko pak určíte, o kolik je firma rychlejší díky tomu, že utratila stovky tisíc dolarů za AI nástroje.

Když tedy firma zavede AI jako pomocníka v IT, má tendenci zveličovat její dopad na produktivitu zaměstnanců?

Tohle je zajímavé, protože ve chvíli, kdy firma zavádí AI nástroje, je pro její manažery přirozené říkat, jak AI pomáhá a vše je skvělé. Říkají to všichni. Liší se jen v tom, jak to podkládají daty. V momentě, kdy se ptají zaměstnanců, děje se to samé. Pro zaměstnance je těžké říct, že AI nepoužívají a je za ně zbytečná. Abyste se něco takového odvážili říct, musíte mít ve firmě silné postavení. Výsledkem je, že se top managementu reportuje, jak je situace skvělá a všichni AI používají. A potom přijdeme my, podíváme se na data a často nevidíme rozdíl. Jsou momenty, kdy pochybujeme, jestli měříme správně.

Foto: archiv Jiřího Bachela

Čím to bylo?

Nakonec zjistíme, že zaměstnanci sice umělou inteligenci používají, ale třeba jen pět minut denně, a ještě na něco, co vůbec nedává pro firmu smysl. Jakmile se začneme dívat detailněji na každý tým a na každého vývojáře, vidíme rozdílné stavy AI transformace. Na druhou stranu si ale firmy neuvědomují, jak náročný proces to je, když najednou mění styl práce stovkám lidí. Na výběr máte ze spousty úrovní a musíte se naučit mnoho technik. Nejen v kódování, ale i v tom, jak kód kontrolujete a vytváříte produktové zadání. A právě tady vidíme obrovské rozdíly mezi firmami. Některé zvládly trochu rychlejší kódování, ale začaly mít problém s kontrolou. Ty, které zvládly kontrolu, mají problém vytvářet zadání, aby zvládaly tempo vývoje. Protože když se vám 200 vývojářů zrychlí dvakrát, nezvládá to produkt. Jakmile se jedna část zrychlí, další začne brzdit ostatní. A i ona se musí zlepšovat a to zlepšování firmu bolí.

Vývojáři se tedy musí naučit s AI pracovat. Kdy má smysl měřit využívání AI a návratnost investice?

Záleží, jak rychle tím chcete projít. Čím dřív začnete věci měřit, tím jednodušší je se zlepšovat. Takže z mého pohledu co nejdříve.

Práce ajťáků je hodně subjektivní a obtížně se posuzuje. Jak bylo složité do tohoto subjektivního světa hodit tvrdá data?

Inženýring má pocit, že je velmi subjektivní něco tvořit. My ale víme, že naše měření je konzistentní napříč různými typy týmů a rozdílnými druhy práce. Proto data čteme dvěma způsoby. Jeden z nich porovnává týmy a firmy mezi sebou, druhý srovnává sebe sama – konkrétní tým oproti tomu, jak fungoval předtím, než začal používat AI nástroje. Měřit to je velmi komplikované. Strávili jsme víc než rok a půl tím, že jsme vymýšleli, jak to udělat. A zjišťujeme, že nejnáročnější je změřit tu škálu. To znamená rozdílné jazyky, rozdílné typy týmů, rozdílné typy firem, rozdílné chování vývojářů – tak, aby to bylo konzistentní a použitelné napříč obrovským spektrem. Stále se učíme a vylepšujeme. S každým novým zákazníkem a s každým novým neobvyklým chováním.

Máte pocit, že roste efektivita AI agentů a jejich použití v praxi?

AI modely jsou čím dál lepší, ale rozhodně největší dopad na výkon týmů mají samotní vývojáři. V momentě, kdy se naučí používat umělou inteligenci správně, výrazně ho posunou. Pokud je vývojář průměrně dobrý, pomůže mu průměrně. Pokud je výjimečně dobrý, umí ho poslat úplně do nebe.

Můžete nám popsat, jak přesně funguje Navigara? Co vše kontroluje a čte ze zdrojového kódu?

Napřed se podíváme na zdrojový kód a na to, jak se firma a jednotlivé týmy měnily před a po zapojení AI. Každému pak ukazujeme, kde se aktuálně nachází, kde jsou mezery a jak se může zlepšit. Potom se podíváme, kolik to celé stálo. Projdeme licence Anthropicu, OpenAI a dalších dodavatelů a řekneme, kolik firmu stálo zrychlení o tolik a tolik procent. Následně se podíváme do roadmapy firmy a zjišťujeme, jestli práce, kterou vývojáři za ty peníze udělali, byla vůbec plánovaná. Velmi často se nám stává, že velká část práce v roadmapě vůbec není. Neznamená to nutně, že byla zbytečná, jen nikdo neřekl, proč bylo potřeba ji udělat. Tím se ukážou chyby v interních procesech a jak zrychlení inženýringu přináší nové problémy.

V podstatě je to takový AI audit.

Jen se to neustále mění. Problémy, které firmy měly v lednu, byly jiné než ty dubnové a jiné než ty, které mají nyní. AI transformace nikdy nekončí.

Jak daleko do historie můžete jít?

Ve vývoji se používá nástroj, který se jmenuje Git a v něm je veškerá historie projektu. Takže můžete jít klidně i dvacet let do minulosti. Jde jen o to, jestli to dává konkrétní firmě smysl, nebo ne.

Foto: archiv Jiřího Bachela

Jak se mění dynamika softwarových týmů v momentě, kdy část vývoje přebírají autonomní AI agenti?

Hodně se to liší podle velikosti firmy. Budu teď mluvit hlavně o těch větších, které mají přes sto vývojářů. Zhruba pětina lidí je nadšená. Tyhle týmy už nástroje používaly, mají je rády, okamžitě je adoptují a vidíme u nich velké zrychlení. Asi 40 procent lidí je spíš laxních. Vyzkouší si to, ale úplně nevědí, jak s tím pracovat. Zbývajících 40 procent AI vůbec používat nechce. Nějakým způsobem bojují s managementem a dokazují mu, že to nefunguje. To je pro firmu lidsky nejtěžší část. Ve chvíli, kdy se podaří tuhle skupinu přesvědčit, otevírá se jí obrovský prostor pro růst. Zvláště pokud je edukace personalizovaná pro konkrétního člověka.

Zrychlují AI agenti skutečně práci týmů, nebo spíš generují technologický odpad?

AI je pořád jen nástroj. Pracujete-li s ní špatně, přidělá vám práci. Když dnes nechám AI napsat článek, napíše ho, ale bude nečitelný pro normální lidi. Podobné je to v kódování. Proto se vývojáři nejdřív učí s AI pracovat. Pokud vývojář AI agentovi věří až moc a nechá ho udělat úplně všechno, vytvoří spoustu kódu, kterému nikdo nerozumí. Začnou se objevovat chyby, které už ani umělá inteligence neumí opravit. Stojí to spoustu peněz a po měsíci až dvou se firma rozhodne projekt zahodit a začít úplně znova.

ICT revue

Stáhněte si přílohu v PDF

Za jak dlouho se firmám může vrátit investice do AI?

Já si především myslím, že pro firmy je aktuálně povinnost do AI investovat, protože neinvestovat představuje obrovské riziko. To, co my vidíme, je, že na začátku firmy netrápí peníze. Posílají libovolné množství peněz jenom na to, aby to vůbec někdo ve firmě začal používat. Částky ale najednou vylétnou do obřích rozměrů a vedení začne trápit, že nevidí návratnost.

Firmu řídíte z amerického San Francisca. Jak je to pro váš byznys klíčové?

Já to rád přirovnávám k tomu, jako když vám v Česku někdo něco prodává z Kazachstánu. Neříkám, že by nešlo nic z Kazachstánu prodat, ale větší důvěru vzbuzuje osobní kontakt. A pokud je pro nás americký trh priorita, je pro nás důležité být tam.

Článek byl publikován ve speciální příloze HN ICT revue.