#13 Solution Spotlight: AI zpřístupnila firmám rychlejší vývoj. A taky nový způsob, jak vyrobit technický dluh

Tlak na zrychlení dodávek a radikální snižování nákladů v IT neustále roste. Zákazníci chtějí nová řešení ideálně hned, což na trhu vytváří nebezpečnou iluzi: představu, že díky autonomním AI agentům dnes zvládne komplexní enterprise software postavit a udržovat hrstka jednotlivců v režimu „one-man show”.

Realita z praxe je ale mnohem střízlivější a pro řadu firem obrovsky bolestivá.

Extrémní rychlost generování kódu bez silného architektonického dozoru vede k masivnímu technickému dluhu, nepřehledným závislostem a kritickým bezpečnostním dírám. Klientům z dlouhodobého hlediska hrozí chaos v podnikovém IT, neschopnost aplikace dále škálovat a ztráta kontroly nad kódem, kterému v extrémních případech už nikdo do hloubky nerozumí.

Rychlé kódění, pomalé delivery

Data z měření vývoje v roce 2026 tento paradox jednoznačně potvrzují. AI sice skokově zrychluje psaní rutinního kódu, ale zároveň vytváří masivní úzká hrdla:

• Boom technického dluhu: Analýza společnosti Code Ninety (2026) ukázala, že ačkoli AI nástroje zkrátily hrubý čas dodání kódu o 32 %, chybovost stoupla o polovinu. Extrémní je nárůst 30denního code churnu (kódu, který se do měsíce musí z důvodu nefunkčnosti přepsat nebo smazat) o neuvěřitelných 67,8 % ⚠️.

• PR queue: Výzkum Opsera zjistil, že AI sice zkrátí čas na vytvoření Pull Requestu až o 58 %, vygenerovaný kód ale následně čeká na code review 4,6× déle, protože mu chybí pochopení celkové softwarové architektury.

• Dopad na stabilitu: Statistiky nemilosrdně doplňuje studie Faros AI, podle které sice plošné nasazení AI zvedlo množství splněných úkolů o 34 %, ale zároveň vedlo k raketovému nárůstu produkčních incidentů připadajících na jeden nasazený pull request – o více než 240 %.⚠️ Rychlost zkrátka drtivě naráží na chybějící kontrolu kvality.

Konec „AI Layoffs” a pravidlo Human in the loop

Trh se z počátečního naivního nadšení už naštěstí probouzí. Firmy, které na první dojmy reagovaly plošným propouštěním, teď potichu couvají.

Podle dat agentury Forrester z léta 2026 celých 55 % zaměstnavatelů lituje personálních škrtů, které původně zdůvodňovali nástupem umělé inteligence. Korporace jako Ford, IBM či Klarna dokonce začaly v posledních měsících IT experty nabírat zpět.

👉 Role vývojáře se však dramaticky transformuje. Z toho, kdo převážně psal kód, se stává orchestrátor, architekt a revizor. Skutečná hodnota spočívá v pochopení byznys kontextu a schopnosti kód bezpečně zasadit do cloud-native architektur, AI-ready API vrstev a prověřených CI/CD pipelines.

Jak se k AI výzvám stavíme my?

V Lundegaard žádné personální škrty neplánujeme. Naší klíčovou přidanou hodnotou jsou zkušení lidé, kteří se dokáží orientovat v technologické džungli. Umělou inteligenci maximálně podporujeme, ale za volantem musí vždy sedět expert s kritickým uvažováním.

K tomu se držíme těchto principů:

🟩 Spec-driven development. Než agent začne psát kód, vzniká explicitní, verzovaná specifikace toho, co má vzniknout. Reviewer pak kontroluje kód proti čitelnému zadání, místo rekonstrukce záměru z tisíců řádků bez hlubšího kontextu.

🟦 Sdílené know-how pro práci s AI. Instrukce, skilly a šablony pro agenty spravujeme centrálně a verzujeme mimo klientské repozitáře, aby výsledky byly opakovatelné napříč projekty a týmy. Máme jasně stanovená pravidla, jak by AI mělo pro nás pracovat, aby byla maximálně ulehčená kontrola jeho výstupu.

🟩 Stejné review jako u kolegy. Každý výstup AI projde stejnou kontrolou jako kód od člověka, s důrazem na bezpečnost, závislosti a dlouhodobou udržitelnost. PR inkrementy jsou vytvářeny tak, aby jejich rozsah byl zkontrolovatelný člověkem.

🟦 Inženýr s přesahem. Právě díky přesahu, který vehementně podporujeme, jsme schopni udržet „human in the loop”. Seniorita sama nestačí. Komplexita AI výstupů vyžaduje nejen zkušenosti z různých oblastí, ale především strategické myšlení, tak aby návrh, zadání, dopady řešení a výstupy AI nezpůsobily zbytečný overhead a technický dluh.

Klientům tak díky kombinaci našich lidí a AI nástrojů dodáváme řešení rychleji a levněji, ovšem bez jakýchkoliv kompromisů v kvalitě. Výsledkem je robustní a udržitelný software.

AI workshopy na míru

Naše ověřené postupy si nenecháváme jen pro sebe. Nedávno jsme dokončili například sérii školení AI přístupu k vývoji pro významnou instituci z bankovního prostředí, kde jsme radili, jak zavést nejen spec-driven development s automatickým procesem buildování interní znalostní báze, ale i jak konkrétně aplikovat AI na projektech s velkým technickým dluhem.

Na praktických workshopech pro firmy a instituce pomáháme vývojovým týmům přenést AI z teorie přímo do každodenní práce – od práce s reálným kódem a konkrétními příklady z praxe až po řešení problémů, které týmy při zavádění AI skutečně řeší.

Pokud i vy tápate, jak efektivně a bezpečně používat AI nástroje v běžné firemní praxi, ozvěte se nám.

Rádi pomůžeme i vám nastavit společné workflow, vytvořit projektovou konstituci či zdokumentovat know-how.