Pro SW vývojáře byla AI ještě před dvěma lety spíše chytřejší našeptávač – asistent doplňující části kódu nebo dopisující chybějící části dokumentace v něm. To neznamená, že už některá první čísla nezpůsobovala zdvihnutá obočí. Raný experiment s GitHub Copilotem ukázal, že vývojáři při jedné kontrolované úloze dokončili zadání o 56 % rychleji než kontrolní skupina. LLM modely navíc od roku 2024 učinily ne jeden ale hned několik zásadních posunů či skoků a tak dnes není neobvyklé, že u konkrétních úkonů prováděných s pomocí AI může vývojář dosahovat nárůstu produktivity v řádu stovek procent.
Jenže pro dodání nové aplikace, nástroje či funkce konkrétní úkon nestačí a realita je složitější. Software nevzniká ve vakuu, ale v prostředí legacy aplikací, regulatorních omezení, nejasných zadání, architektonických kompromisů, testovacích backlogů a dodavatelských vztahů.
Právě na realitě jménem SWDC – software development life cycle, tedy životní cyklus vývoje SW, se dnes láme skutečný přínos AI. Podle studie DORA 2025.2 používá AI v práci už 90 % technologických profesionálů a více než 80 % věří, že jim zvýšila produktivitu. Současně ale DORA upozorňuje, že AI není lineární urychlovač, ale zesilovač: ve zralých (připravených) organizacích posiluje dobré workflow, kvalitní platformy, testování a dokumentaci; v nezralých (nepřipravených) organizacích může jen rychleji vyrábět technický dluh.
Otázka už nezní, zda AI umí napsat kód. Umí, často velmi solidně (jistě, zatím ne vždy zcela bezchybně či optimálně – podobně jako nejeden vývojář). Otázka zní, zda organizace dokáže produktivitu zachytit napříč dodávkou: od zadání přes analýzu, architekturu, testy, bezpečnost, review, dokumentaci až po provoz. Pokud úspora vznikne pouze na úrovni jednotlivce, snadno se rozpustí v delším review, opravách, ověřování nebo v tom, že tým rychleji vyrobí výstup, který nebyl dobře zadán.
📩 Odebírejte ZDARMA náš týdeník Inside Observer.
Trh k tomu dodává protichůdné signály. JPMorgan vloni uvedl, že nasazení coding asistenta zvýšilo efektivitu softwarových inženýrů o 10 až 20 % a umožnilo přesouvat lidi na hodnotnější projekty. Naproti tomu studie METR (také z roku 2025) sledovala zkušené open-source vývojáře na jim známých repozitářích a zjistila opačný efekt: při povoleném použití AI jim úlohy trvaly o 19 % déle. Spíš než rozpor je to důkaz, že „AI produktivita“ není univerzální konstanta. Záleží na typu práce, kontextu, kvalitě nástrojů, zkušenosti vývojářů a hlavně na tom, jestli je AI zabudovaná do workflow, nebo jen přilepená na jeho okraj. A také na tom kdy jste danou věc měřili. Nic není tak staré, jako včerejší názor na možnosti jazykových modelů.
Zajímavý je i vztah vývojářů k AI. Stack Overflow Developer Survey v rice 2025 uváděla, že 84 % respondentů AI nástroje ve vývoji používá nebo plánuje používat a mezi profesionálními vývojáři je denně používalo 50,6 %. Zároveň však 46 % respondentů aktivně nedůvěřovalo přesnosti AI výstupů a pouze 3,1 % jim „vysoce důvěřovalo“. Tento údaj je už s ohledem na tempo vývoje modelů a agentických nástrojů relativně starý, přesto dobře vystihuje podstatu problému: adopce roste rychleji než důvěra. A bez důvěry, validace a odpovědnosti se AI ve vývoji nedá škálovat. Mezi vývojáři také dochází k jisté polarizaci – část preferuje používání AI a část je k němu skeptická, nebo jej dokonce odmítá (současný poměr těchto skupin si ale netroufneme odhadnout).
Vedle interní produktivity se proto znovu otevírá i otázka postavit či koupit. A právě na ni se, zejména z pohledu uživatelských organizací, podíváme v Observeru Plus.
📩 Odebírejte ZDARMA náš týdeník Inside Observer.