Ochota firem utrácet za nástroje umělé inteligence kontinuálně narůstá. Potvrzují to i nejnovější data od venture kapitálového fondu MenloVC, podle nichž loni vzrostly celosvětové výdaje do generativní AI na 37 miliard dolarů (zhruba 736 miliard korun), ačkoliv ještě v roce 2024 nebyly v porovnání s touto částkou ani třetinové.
Významnou část investic přitom tvoří nástroje pro programování a vývoj softwaru. Analýza MenloVC uvádí, že takzvaní „copiloti“ dnes představují 86 procent výdajů na horizontální AI aplikace, které jsou použitelné napříč různými obory a profesemi. Týká se to například AI asistentů pro psaní textů, analýzu dat nebo právě generování kódu.
Mezi nejznámější takové nástroje patří GitHub Copilot, Claude Code nebo Cursor, které pomáhají vývojářům psát části kódu, hledat chyby nebo automatizovat rutinní úkoly. Zmíněný GitHub Copilot od Microsoftu podle TechCrunche už loni v červenci využívalo po celém světě více než 20 milionů vývojářů.
Očekávané zrychlení se někdy nekoná
Ačkoliv zapojení AI do vývoje softwaru rychle roste, podle spoluzakladatele společnosti Applifting Filipa Kirschnera samotný přístup k nástrojům s umělou inteligencí ještě úspěch nezaručuje. AI už sice umí výrazně urychlit psaní kódu, ale jen tehdy, pokud vývojář rozumí kontextu a dokáže kontrolovat dodané výstupy. Pokud to neumí, přínos umělé inteligence pro jeho činnost bude pravděpodobně jen velmi omezený.
V určitých případech se navíc AI může stát dokonce až přítěží. K tomu dochází třeba tehdy, když se vývojář s nástrojem „hádá“ hodiny kvůli úkolu, který by jinak napsal ručně během chvíle. To ostatně potvrdil i loňský výzkum zveřejněný na serveru arXiv, podle něhož AI nástroje u několika open-source vývojářů dokonce zpomalily dokončení dané práce asi o 19 procent, přestože sami vývojáři očekávali, že dojde ke zrychlení.
„Většina firem se už naučila AI používat na úrovni jednotlivých úkolů, ale pořád naráží na práci s kontextem – tedy na to, jak umělé inteligenci dodat správná data –, omezení a strukturu řešení. Bez toho vznikají výstupy, které je potřeba dál upravovat a které nejdou rovnou použít. Zatímco prompt engineering řeší, jak formulovat samotnou instrukci, práce s kontextem je výrazně složitější. Jde o to, jak do AI dostat správné informace, v jakém pořadí je použít a co naopak vynechat v každé z fází, aby výstup ještě odpovídal původnímu záměru,“ řekl pro Euro.cz Kirschner.
Zaměstnanci si na AI musí zvyknout
Při nasazování nástrojů umělé inteligence je rovněž zásadní, aby si na ně zaměstnanci zvykli a nebrali je jen jako nutné zlo nařízené vedením. Vedení Appliftingu se osvědčilo nabídnout svým vývojářům licence k různým AI aplikacím, které mohli následně testovat a zjišťovat, co a jak by mohlo dobře fungovat i v každodenní praxi.
„Stanovili jsme jasná pravidla, jak tyto nástroje bezpečně používat, aniž bychom po našich zaměstnancích hned chtěli řešit konkrétní úkoly. Vycházeli jsme z předpokladu, že pokud firmy lidem rozdají nástroje a hned očekávají výkon, budou se tomu pracovníci spíš vyhýbat. Když ale dostanou prostor nástroje jen zkoušet, začnou si s nimi hrát, testovat jejich možnosti i limity a postupně si vytvářet vlastní způsob práce s technologií,“ doplnil Kirschner.
Právě na základě výše popsaného experimentování, po němž následuje sdílení získaných zkušeností napříč týmy, se mohou objevit osvědčené přístupy. Ty pak daná společnost může postupně začít formalizovat a rozšiřovat je i na pracovníky, kteří s nimi zatím nemají zkušenosti: „Dnes už odhadem 80 procent našich inženýrů aktivně používá nástroje jako Cursor, zatímco ještě před půl rokem jich byla ani ne třetina.“
Konec účtování podle odpracovaných hodin?
K očekávanému zvýšení produktivity díky nasazení AI nástrojů sice zatím dochází jen postupně, už nyní se ale zdá, že umělá inteligence změní minimálně ekonomiku vývoje softwaru. Pokud totiž stejný kus práce vznikne výrazně rychleji, může se stát, že společnostem přestane dávat smysl klasické účtování podle počtu odpracovaných hodin. Místo toho by se mohly více prosazovat modely založené na kvalitě a rychlosti výsledků.
„Pro firmy přestane být klíčové, kolik času na projektu vývojář stráví, ale jaký výsledek dodá a jak rychle. Pokud se navíc současný vývoj potvrdí, může to mít dopad i na velikost týmů. Projekty, na které je dnes potřeba dvacet lidí, by v budoucnu mohla zvládnout menší skupina, případně jeden zkušený vývojář s podporou AI. Neznamená to nutně nižší cenu, spíše jinou strukturu práce. Menší týmy by mohly dodávat rychleji, častěji iterovat a lépe reagovat na změny zadání,“ vysvětlil Kirschner.
Trh zkušené vývojáře ocení
Ačkoliv se už nyní vývojáři postupně posouvají od ručního psaní kódu směrem k zadávání úloh AI systémům, v budoucnu by se jejich role mohla změnit ještě více. Pravděpodobně totiž půjde o práci, kde člověk nedefinuje jednotlivé úkoly, ale zadává umělé inteligenci celý problém.
V praxi by to mohlo vypadat tak, že vývojář definuje vstupy, pravidla i různá omezení, tedy že v podstatě nastaví workflow, v němž AI vygeneruje jednotlivé části aplikace, a následně bude řešit, jak daný systém funguje jako celek. „V tomto modelu by se vývojář stal spíše architektem a operátorem ‚produkční linky‘, která generuje software pro konkrétní firmu a její byznysové potřeby,“ popsal spoluzakladatel Appliftingu.
Všechno výše uvedené v praxi znamená, že velkou výhodu na pracovním trhu budou mít zkušení vývojáři, kteří dobře porozumí výhodám i problémům práce s různými AI nástroji. Právě tito lidé totiž dokáží umělou inteligenci využít ke znásobení své vlastní produktivity.
„Ke Claude Codu nebo Cursoru má dnes přístup skoro každý vývojář. Rozdíl dělá to, jak hluboko člověk rozumí tomu, co AI generuje, jak rychle pozná slepou uličku a jak přesně umí zadání formulovat. AI dovednosti se už přitom začínají propisovat i do mezd. Data z analýzy více než miliardy pracovních inzerátů ukazují, že si pracovníci s AI znalostmi vydělávají v průměru o 28 procent více než kolegové bez nich. Trh tedy hodnotu kontextu pomalu, ale jistě oceňuje,“ uzavřel Kirschner.
ČLÁNKY DO MAILU