AI ve vývoji softwaru funguje nejlépe s člověkem ve smyčce

Za poslední tři měsíce jsem nechal Claude Code napsat asi 40 % nového kódu v jednom z našich projektů. Funguje to. Ale ne tak, jak byste čekali.

Čekal jsem, že budu zadávat úkoly a kontrolovat výstupy. Takový manažer, který deleguje na junior vývojáře. Ve skutečnosti to vypadá úplně jinak. Sedím u kódu stejně dlouho jako předtím. Jen dělám jiné věci. Míň psaní, víc čtení. Míň mechaniky, víc přemýšlení o tom, jestli to, co agent navrhl, opravdu dává smysl v kontextu, který on nevidí.

Nevím, jestli je tohle dlouhodobě udržitelné. Upřímně.

Proč jsem si vybral Claude Code a ne Cursor

Zkoušel jsem obojí. Cursor je příjemný na menší úpravy, kde chcete zůstat v editoru a nechcete opouštět flow. Na větší úkoly (přepiš tuhle službu, zrefaktoruj tuhle vrstvu, napiš testy na celý modul) mi vyhovuje Claude Code víc. Důvod je jednoduchý. Pracuju s ním v terminálu, vidím přesně, co dělá se soubory, a konverzace si udrží delší kontext. Když mu vysvětlím architekturu projektu a pak zadám pět úkolů po sobě, pamatuje si, co jsem mu řekl na začátku.

Copilot používám na autocomplete. Na nic víc. Codex od OpenAI jsem zkoušel na dvou projektech a vrátil jsem se zpátky. Výstupy byly v pořádku, ale interakce mi nesedla. Možná se to změnilo, nesleduju to aktivně.

Update, červenec 2026. Codex je zpátky v rotaci, protože OpenAI přešel na účtování pay-as-you-go. Agentické úlohy na něm dnes běží vedle Claude Code a zbytek článku zůstává v dubnové podobě.

Tohle jsou moje preference. Ne doporučení. Každý tým si musí najít, co mu funguje.

Co se mi povedlo a co ne

Na jednom klientském projektu jsem agentovi zadal úkol přepsat middleware vrstvu. Asi 1 200 řádků kódu, nic složitého na pochopení, ale spousta mechanické práce. Agent to udělal za dvacet minut. Já jsem strávil hodinu review. Výsledek byl čistší než původní kód. Testy procházely, edge cases byly pokryté, dokonce i pojmenování proměnných bylo konzistentnější než to, co tam napsali lidé.

Na tom samém projektu jsem mu o týden později zadal úkol navrhnout změnu v databázové vrstvě. Vypadalo to dobře. Testy procházely. Až při manuálním review jsem si všiml, že v jednom scénáři by smazal záznamy, které měly zůstat. Ten scénář v testech nebyl, protože ho agent při generování testů nepovažoval za důležitý. Logicky, neměl jak vědět, že ten scénář existuje. Ta informace byla v e-mailu od klienta z doby před třemi měsíci, ne v kódu.

Tohle je ten moment, kdy si uvědomíte, že agent není junior vývojář. Junior vývojář by se zeptal. Agent ne.

Vercel to potvrdil, ale není to jen o Vercelu

Tým okolo Turborepo sdílel, jak používají AI agenty při vývoji. Plně autonomní smyčka, agent píše kód bez dozoru, nefunguje na produkční kvalitu. Jejich agenti generovali kód, který procházel testy, ale obsahoval chyby v logice, které by zkušený vývojář zachytil intuitivně.

Není to překvapení. Ale je dobře, že to řekl někdo s váhou. Protože na LinkedInu pořád vidím posty typu „AI mi nahradilo celý tým" a „vibe coding je budoucnost". Možná pro MVP. Pro systém, na kterém běží provoz, to nestačí.

Jak to vypadá v praxi u nás

Nemáme formální „AI workflow". Zkoušel jsem zavést nějaký proces, pravidla kdy agent ano a kdy ne, a rychle jsem zjistil, že to závisí na situaci. Někdy zadám agentovi celou feature a výsledek je perfektní. Jindy mu dám triviální úkol a musím opravit půlku výstupu.

Nejlíp to jde tehdy, když agentovi dám dost kontextu. Když mu vysvětlím proč, ne jen co. „Přepiš tenhle endpoint" je slabý prompt. „Tenhle endpoint zpracovává webhooky z platební brány, musí být idempotentní, protože Stripe někdy pošle stejný event dvakrát." To je prompt, se kterým agent pracuje dobře.

Rozsype se to ve chvíli, kdy od něj čekám znalosti, které v kódu nejsou. Byznys pravidla, výjimky, dohody s klientem, historická rozhodnutí. To všechno musí přijít ode mě.

Čísla, pokud vás zajímají

Typický backend endpoint spadl z 3-4 hodin na 1,5-2 hodiny. Ale pozor, ten ušetřený čas nejde na to, že dělám míň. Jde na to, že dělám jiné věci. Víc review, víc přemýšlení o architektuře, víc komunikace s klientem. Celkový output týmu je vyšší, ale ne proto, že bychom psali víc kódu.

Za tři měsíce jsme neměli bug v produkci způsobený AI-generovaným kódem. Měli jsme dva případy, kdy by agent nasadil něco špatného, ale review to zachytilo. Takže ano, proces funguje. Ale stojí na tom review, ne na agentovi.

Čím si nejsem jistý

Nevím, co se stane, až budou modely lepší. Možná za rok budu psát článek o tom, jak jsem se mýlil a agent zvládne i architekturu. Možná ne. Teď vím jen to, co vidím. Agent je výborný na mechanickou práci a nebezpečný na rozhodnutí, kde záleží na kontextu mimo kód.

A ještě jedna věc, která mě trápí. Když mladší vývojáři v týmu začnou používat agenty brzy, naučí se psát kód? Nebo se naučí jen číst a schvalovat kód? To není totéž. Nemám na to odpověď.

Pokud přemýšlíte, kde ve vašem vývoji AI pomůže a kde ne, ozvěte se, rád si o tom popovídám.