Jak se dnes vytváří software za pomoci AI agentů?
Každý to dělá trochu po svém. Někdo je do vývoje zapojuje hodně, někdo málo. Záleží na zkušenostech. Boom v jejich využívání nastal zhruba před rokem a půl, kdy se výrazně rozšířil Claude Code od Anthropicu, který dnes většina vývojářů zná a používá. My se této oblasti věnujeme už zhruba tři roky. Ze začátku to bylo spíše kopírování z ChatGPT, nyní máme vytvořenou vlastní platformu, která využívá existující harnessy (software, který propojuje jazykový model s reálným vývojovým prostředím – pozn. red.) a představuje pro ně jakousi nadstavbu.
Největší výzvou firem není AI, ale schopnost se jí přizpůsobit
Můžete mi to vysvětlit na příkladu? Když dostanete na stůl zakázku na ERP systém, jak postupujete?
Získáme přístup ke zdrojovým kódům, které „přikryjeme“ naší AI Software Factory s interním názvem Forge. Ta projde repozitář, vytvoří vlastní dokumentaci, nastaví soubor pravidel, omezení a kontrolních mechanismů. Odhalí také slabá místa v kódu a vytipuje oblasti, na které si dát pozor. Ve chvíli, kdy je systém takto „přikrytý“, začne vše fungovat efektivněji a s menší chybovostí. To platí v případě, kdy přebíráme vývoj systému, který už u klienta existuje. Bez využití AI by někdo musel studovat všechny zdrojové kódy, což je práce na týdny, někdy měsíce. Navíc se při tlaku na rychlý vývoj některé standardy obcházely. Díky AI už nemusí být nic narychlo ušité, chaotické, nezdokumentované.
Druhá situace nastává ve chvíli, kdy zákazník přichází s požadavkem na zcela nový systém. V tomto případě ho můžeme vytvořit od začátku – kvalitně a podle pravidel. V obou případech je klíčovou částí analytická fáze. Musíte mluvit s lidmi a do detailu analyzovat jejich požadavky. Tuhle část nemůžete podcenit, i když máte nástroje, které odhalují šedé zóny a upozorní na věci, které klient opomenul.
Na jaké problémy při vývoji narážíte? Je to existence více firemních systémů?
Pokud máme přístup ke zdrojovým kódům, není to problém. Na více rozdílných systémů je naše platforma připravena. Běží nám to například u jedné finanční instituce, která měla několik samostatných systémů, každý na jinou část provozu. Dostali jsme zadání a přístupy ke zdrojovým kódům, abychom zjistili, jak fungují, a postavili nový systém. Když takhle přebíráme existující kód, platforma zpravidla odhalí i slabá místa, o kterých se dosud nevědělo: hluchá místa v logice systému, nejasně definované části, potenciální výkonnostní problémy nebo úzká hrdla. Tam, kde denně probíhají miliony operací a transakcí, může být takový nález zásadní.
Bavíme se o finančním sektoru, který je hodně náročný na regulace. Jak se auditorovi doloží, co dělal AI agent? Jemu přece nestačí říct: „Udělala to AI.“
Veškerá komunikace s AI je auditovaná. Zaznamenává se vše. Jaké informace do modelu vstupovaly, jaké výstupy generovala, proč dospěla k určitému rozhodnutí a jaké kroky během procesu provedla.
AI agenti tedy nechávají stopy pro auditory?
Dokonce bych řekl, že AI auditní stopy jsou v mnoha ohledech podrobnější než stopy člověka. Kvalita kódu, dokumentace, dohledatelnost je upřímně nesrovnatelná s tím, co se dá stihnout ručně. Představte si situace, kdy se blíží deadline. Lidé začnou být rychlejší, dělají více chyb a obcházejí pravidla, aby se vše stihlo. AI pracuje stejně nepřetržitě. AI vývojáři navíc nespí, nejí a mají stále stejně kvalitní výstup. Je to banda neúnavných dříčů, kteří zároveň vše důsledně dokumentují a nic nikomu netají. Forge navíc automaticky nepředpokládá, že má pravdu. Je navržený tak, aby si svá řešení průběžně ověřoval a dokazoval, že splnil zadání.
Jak se z juniorního vývojáře stane seniorní, když všechny základy udělá AI?
To je právě ono. Máme v týmu šikovné mladé lidi po škole, ale budou muset být šikovní v něčem jiném. Často přijdou se zajímavými nápady, ale my máme k dispozici AI Software Factory, která už většinu sama obslouží. Jejich práce se prostě změní. Už nebudou muset řešit, jestli se dvě pluska píšou před proměnnou, nebo za ní. Budou muset umět něco jiného: rozebrat zadání, rozhodnout o architektuře, zadat práci agentům a pak zkontrolovat, že odvedli to, co měli. V tom je ta nová seniorita.
Proč svou platformu neprodáváte jako cloudovou službu?
Forge pracuje přímo nad repozitáři dané firmy. Pokud by byly v nějaké cloudové službě, museli byste někam posílat zdrojové kódy a citlivá data. Proto ho nabízíme jako nástroj pro škálování vývojových kapacit uvnitř firmy. Vývojář zadá práci, nastaví požadavky a systém následně pracuje autonomně a data zůstávají uvnitř organizace.
Jak se s AI mění ekonomika vývoje softwaru?
Náklady na samotný vývoj klesají zhruba na polovinu. Ještě výraznější je zkrácení času dodání. Projekt, který byl původně plánován na dva roky, dnes dokážeme dodat za třetinu původního času.
Vraťme se k AI agentům. Můžete mi na konkrétních příkladech ukázat, s čím vším mohou firmám pomoci?
Víceméně se vším. Problém ve firmách je už jen to, co lidé drží v hlavě. Když to bude v textu, dokážeme zautomatizovat cokoliv. Měli jsme zadání, kde byla zákaznická data rozsypaná v několika systémech a v různé kvalitě; agenti je sjednotili, doplnili a připravili do jednoho seznamu pro marketing, což by ručně byly týdny práce. Stejně tak zpracování faktur, objednávek nebo smluv.
Stáhněte si přílohu v PDF
Stále platí, že nám AI dokáže vytvářet úžasné moderní designy, ale lidé pořád chtějí to, na co jsou uživatelsky zvyklí?
Určitě. Lidi, kteří používají stejný systém 20 let, bolí jakákoliv změna. Za nás je v těchto případech náročné vůbec pochopit, jak všechny procesy fungují, a následně je zapsat pro AI. Zvláště u starých systémů mají spoustu věcí lidé jen v hlavě, nejsou nikde zdokumentované. Interně tomu říkáme „olíznutí mozku“ – situaci, kdy musíme dostat ze zaměstnanců věci, které nejsou v žádných zdrojových kódech. Usnadňuje nám to, když komunikace probíhá online. Z videa se vytvoří záznam, který AI dokáže analyzovat, navrhnout změny nebo další otázky. Často vzniká dojem, že stačí otevřít AI a vše se udělá samo. V praxi to tak není. Osobně jsem strávil skoro tři roky vychováváním umělé inteligence – jaké kontroly má zavést, jak má ověřovat informace, jakým způsobem mají jednotlivé části systému spolupracovat.
Jak se tři roky vychovává AI?
Systém postupně zdokonalujete. Když dnes někdo použije běžný nástroj typu Claude Code a zadá mu požadavek na novou funkcionalitu, nástroj ji vytvoří. Vývojář se na výsledek podívá a často zjistí, že by to udělal jinak. Že architektura není ideální, testy nejsou kvalitní nebo že existuje lepší řešení. Nakonec má pocit, že mu AI tolik času neušetřila. Jenže pracovat s AI je dovednost, kterou se musíte naučit, a urychlit se to nedá. Je těžké přetavit svoje ego a 20 let praxe v něco nového. Já to udělal hned na začátku, kdy AI ve vývoji ještě nikdo nepoužíval, protože mi brzy došlo, že je to revoluce. Postupně jsem ji učil pracovat lépe. Jedete ve smyčce pokusů a omylů, dokud výsledek nemá kvalitu, jakou chcete. Je to podobné, jako když k vám do firmy nastoupí juniorní vývojář. Píše jednoduché části kódu a zkušenější kolegové ho opravují. Nakonec získává zkušenosti a pracuje samostatně. Rozdíl je v tom, že vychovaná AI vám neodejde do jiné firmy za lepšími penězi.
Článek vznikl ve spolupráci se společností Cognera.
Článek byl publikován ve speciální příloze HN Umělá inteligence.
Když si předplatíte HN, budete moci číst všechny naše články nejen na vašem aktuálním připojení. Vaše předplatné brzy skončí. Předplaťte si HN a můžete i nadále číst všechny naše články.
- Veškerý obsah
- Bez reklam
- Mobilní aplikace
- Veškerý obsah
- Bez reklam
- Mobilní aplikace
- Veškerý obsah
- Bez reklam
- Mobilní aplikace









