Firmy s AI píšou kód třikrát rychleji. Ale chyb přibývá ještě rychleji
Umělá inteligence proměnila softwarový vývoj v tovární linku. Jenže data od 22 000 vývojářů ukazují, že tato továrna produkuje víc vadných kusů než kdy předtím. Incidenty na každý odeslaný kód se ztrojnásobily a téměř třetina kódu prochází bez lidské kontroly.
Představte si továrnu, která zvýší produkci o třetinu. Zní to jako sen každého manažera. Teď si ale představte, že počet vadných výrobků na lince vzrostl o 242 procent. Přesně to se děje v softwarovém průmyslu, který vsadil na umělou inteligenci jako na univerzální zrychlovač.
Společnost Faros AI zveřejnila report nazvaný "AI Acceleration Whiplash" — v překladu něco jako bičový efekt AI zrychlení. Analyzovala dva roky telemetrických dat od 22 000 vývojářů ve více než 4 000 týmech. Výsledky jsou alarmující: ano, vývojáři s AI nástroji skutečně pracují rychleji. Ale systémy, které jejich kód přijímají, testují a nasazují do provozu, na to tempo nestačí.
Čísla, která by měla znepokojit každého technického ředitele
Data z reportu Faros AI kreslí obraz rozpolcené reality. Na jedné straně stojí nesporné zrychlení: produktivita na vývojáře vzrostla o 33,7 procenta, počet dokončených větších projektů na osobu stoupl o celých 66 procent a rychlost začleňování nového kódu se zvýšila o 16,2 procenta.
Na druhé straně ale stojí znepokojivá čísla o kvalitě. Počet chyb na vývojáře vzrostl o 54 procent. Počet incidentů na každý odeslaný kus kódu se zvýšil o 242,7 procenta — jinými slovy se víc než ztrojnásobil. Objem přepisovaného a nahrazovaného kódu, takzvaný code churn, explodoval o 861 procent. A medián doby strávené v kontrole kódu narostl o 441,5 procenta.
Nejznepokojivější údaj ze všech: 31,3 procenta pull requestů je nyní začleňováno do produkčního kódu bez jakékoliv lidské kontroly. Systémy kontroly kvality, navržené pro lidské tempo práce, jednoduše nestíhají zpracovat příval kódu generovaného umělou inteligencí.
Google potvrzuje: víc AI neznamená lepší výsledky
Faros AI není jediný, kdo na problém upozorňuje. Výzkumný program DORA společnosti Google dospěl k podobnému závěru: vyšší míra adopce AI nástrojů v týmech je spojena s horší stabilitou dodávek softwaru. Jinými slovy — čím víc umělé inteligence tým používá, tím méně spolehlivý je výsledný produkt.
Benjamin Rogojan, autor analýzy na VentureBeat a frakční technický ředitel, popisuje problém z vlastní zkušenosti. Při práci na dvou projektech sledoval, jak AI generovaná infrastruktura postupně mutuje. Různí vývojáři používají různé styly, jazykové modely se od nich učí a vytvářejí vlastní variace. Výsledek? Kódová základna vyvinula pět až šest různých stylů během několika měsíců — proces, který dříve trval roky.
Skutečná produktivita nastane, když softwarová továrna vezme pomíjivé tokeny a přemění je v trvalé, spolehlivé výstupy. Továrna, která vyhraje, není ta, co generuje nejvíc kódu. Je to ta, co generuje nejméně vad.
Softwarová továrna potřebuje víc než rychlost
Problém není v samotné umělé inteligenci. Problém je v tom, že firmy nasazují AI nástroje do existujících procesů, aniž by tyto procesy přizpůsobily novému tempu. Je to jako dát do staré továrny nový, třikrát rychlejší stroj, ale ponechat stejnou kontrolu kvality na konci linky.
Report identifikuje několik klíčových principů, bez kterých softwarová továrna nefunguje:
**Platforma místo nástrojů** — nestačí přidat AI asistenta sem a agenta tam. Firma potřebuje jednotnou platformu, kde nástroje sdílejí data a spolupracují jako jeden systém. **Sledovatelnost a opakovatelnost** — u každého kusu kódu musí být možné dohledat, jak vznikl, kdo ho schválil a proč. Jednorázoví AI agenti toto neumožňují. **Standardizace od začátku** — bez jasných pravidel pro strukturu a styl kódu vytváří AI modely nepředvídatelnou směsici přístupů. **Kontrola kvality v procesu, ne na konci** — po vzoru Toyoty je třeba zastavit linku ve chvíli, kdy se problém objeví, ne ho řešit až v produkci. **Bezpečnostní guardrails** — s rostoucím objemem kódu roste i plocha pro bezpečnostní chyby a zranitelnosti.
Co to znamená pro český byznys
Český technologický sektor není imunní vůči stejným trendům. Firmy napříč odvětvími nasazují GitHub Copilot, Cursor, Claude Code a další AI kódovací nástroje. Vývojáři hlásí rychlejší práci a manažeři vidí vyšší čísla na dashboardech. Ale kolik z nich sleduje, jak se mění počet incidentů v produkci?
Data od Faros AI jsou varováním: samotná rychlost není produktivita. Firma, která vyprodukuje miliony řádků kódu, ale její aplikace padají třikrát častěji, není efektivnější — je jen hlučnější. Než nasadíte další AI nástroj do vývojového procesu, položte si otázku: máte infrastrukturu, která ten příval zvládne? Máte automatizované testy, standardy pro code review a metriky, které měří kvalitu, ne jen kvantitu?
Budoucnost softwarového vývoje je nepochybně v AI. Ale ta budoucnost vypadá spíš jako moderní automatizovaná továrna s precizní kontrolou kvality než jako nekontrolovaná výrobní linka, ze které padají vadné kusy na hromadu. Firmy, které to pochopí jako první, budou mít rozhodující konkurenční výhodu.