Panelová diskusia: Akú hodnotu bude mať developer v ére AI agentov?

Práca developera sa mení najmä v spôsobe, akým vzniká softvér. Vďaka AI môžu developeri pracovať efektívnejšie, sústrediť sa na komplexnejšie problémy a vytvárať ešte väčšiu hodnotu.

V panelovej diskusii na CODECON sa o tejto zmene rozprávali Marián Vlčák, CTO FinStat a Ondrej Proksa, CTO Muziker. Ich skúsenosti ukazujú, že najväčšia zmena nemusí byť v tom, že AI dokáže napísať viac kódu. Dôležitejšie je, čo s časom a možnosťami, ktoré AI developerovi otvára, urobíme. Menej rutiny môže znamenať viac priestoru na návrh riešení, prácu s kontextom, rozhodovanie a kontrolu toho, čo AI vytvorí.

Vibe coding vs. agentický vývoj

Pri AI vo vývoji je užitočné rozlišovať medzi dvoma veľmi odlišnými spôsobmi práce.

Prvým je vibe coding. Developer zadá prompt a výsledok jednoducho prevezme bez toho, aby detailne riešil, ako AI k riešeniu dospela. Takýto prístup však môže znamenať, že developer nebude rozumieť tomu, čo vlastne vzniklo a či je riešenie vhodné pre konkrétny kontext.

Druhým je agentický AI vývoj. Tu developer s agentom priebežne komunikuje, kontroluje jeho vstupy a výstupy a používa ho skôr ako partnera pri programovaní – v paneli to prirovnali k pair programmingu. Developer teda AI nenecháva pracovať úplne bez kontroly, ale priebežne posudzuje jej prácu a usmerňuje ju.

Tento rozdiel je dôležitý najmä preto, že pri agentickom vývoji sa developer neposúva mimo procesu. Naopak, jeho úloha sa mení: namiesto samotného písania každého riadku kódu viac zadáva smer a rozhoduje, čo sa do výsledného riešenia dostane. Človek pritom zostáva súčasťou procesu – pri produkčnom kóde je stále potrebné overiť výsledok a urobiť senior code review.

AI píše kód. Kto ho potom kontroluje?

Pri agentickom vývoji sa tým mení aj spôsob, akým developer pracuje s výsledkom. AI môže prevziať časť implementácie, no človek zostáva v procese ako kontrola kvality.

Dôvod je jednoduchý: AI vie generovať kód, ale pri väčších a komplexnejších projektoch rastie riziko chýb. Práve tu je dôležitá skúsenosť developera s produkčným prostredím, architektúrou a kontextom projektu.

Juniori s AI: rýchlejší štart, no skúsenosti treba nazbierať inak

Na paneli zarezonovala aj otázka, ktorá sa pri AI rieši menej: ako sa zo súčasných juniorov stanú seniori, ak za nich veľkú časť kódu napíše AI?

Ondrej Proksa priznal, že hotovú odpoveď v Muzikeri nemajú. Juniorov však chcú mať aj naďalej, lebo seniorov inak nevychovajú.

Onboarding je dnes rýchlejší ako kedykoľvek predtým. Vo FinState si podľa Mariána Vlčáka vygenerovali špecifikáciu kódu pre AI. Junior sa tak najprv pýta Claude Code a za seniorom príde až s presnejšou otázkou. Marián však pripomína: „Nedajte si len vygenerovať kód. Nechajte si vysvetliť, prečo AI urobila dané rozhodnutie.“

Kde teda junior nazbiera skúsenosti? Podľa Ondreja nie je dôležité, či kód napísal sám, ale či mu rozumie. Vyvibekódovaný špagetový kód poslaný seniorovi podľa neho nie je posun. Marián radí robiť viac projektov a nebáť sa chýb. Najviac sa podľa oboch človek naučí v ostrej prevádzke, keď niečo pokazí a musí to opraviť.

AI juniorom skracuje cestu k pochopeniu systému. Skúsenosti, ktoré z nich raz urobia seniorov, však za nich nenazbiera.

Produktivita nie je len o tom, koľko kódu napíšete

AI vie developerom ušetriť čas pri opakujúcich sa úlohách a uvoľniť priestor na kreatívnejšiu prácu. Rýchlosť však neznamená menej práce.

Čísla z panelu sú výrazné. Podľa Mariána Vlčáka vo FinState vzrástla produktivita pri interných nástrojoch a starom backlogu až desaťnásobne. Pri produkčnom kóde, ktorý prechádza viacerými vrstvami kontroly, je to približne dvojnásobok. Ondrej Proksa vidí v Muzikeri podobný skok pri cenotvorbe, kde biznisoví kolegovia s Claude upravujú pravidlá a algoritmy až desaťnásobne efektívnejšie. Zároveň však dodal: „Zatiaľ nemám pocit, že by mal niekto menej roboty. Máme jej len viac všetci.“

Marián upozornil aj na riziko väčšieho context switchingu. Developer vďaka AI zvládne viac úloh naraz, no prepínanie medzi nimi je mentálne náročné. Optimum sú podľa neho dve úlohy denne, nie štyri. Firmy by preto nemali tlačiť na osemnásobný výkon. Stačí dvoj- až trojnásobný.

Jedným z najväčších prínosov AI tak nemusí byť viac napísaného kódu, ale menej času stráveného rutinou a viac priestoru na prácu, ktorá vyžaduje premýšľanie a kreativitu.

Menej rutiny, viac priestoru na premýšľanie

Práve tu sa ukazuje jedna z najpraktickejších výhod AI. Ak nástroj zvládne rutinné úlohy, developer sa môže venovať problémom, ktoré vyžadujú jeho skúsenosti a rozhodovanie.

A to môže byť z dlhodobého hľadiska dôležitejšie než samotný počet vygenerovaných riadkov.

Čím viac implementácie preberá AI, tým väčšiu hodnotu získava schopnosť developera rozhodovať, čo má vzniknúť, prečo to má vzniknúť a ako overiť výsledok.

A práve tým sa dostávame k ďalšej otázke: ak AI dokáže stále viac samotnej implementácie, ktoré schopnosti developera budú mať naopak ešte väčšiu hodnotu?

Developer ako človek, ktorý riadi AI

Tým sa mení aj samotná rola developera. Časť implementácie môže delegovať na AI, no stále musí rozhodovať, čo má vzniknúť a ako má výsledné riešenie fungovať.

Čím viac práce preberá AI, tým dôležitejšie je rozumieť problému, ktorý riešime, a vedieť robiť správne rozhodnutia. Pri produkčných systémoch totiž nejde len o samotný kód, ale aj o architektúru, dáta, bezpečnosť a dôsledky výsledného riešenia.

AI teda môže developerovi prevziať časť implementácie, rozhodovanie a zodpovednosť za výsledok však zostávajú na človeku.

Technické znalosti nezmiznú. Mení sa ich použitie

Ak AI preberá čoraz väčšiu časť implementácie, môže sa zdať, že developer už nepotrebuje rozumieť technickým detailom. Panel však ukazuje skôr opačný trend.

Developer musí stále rozumieť tomu, ako systém funguje a prečo je konkrétne riešenie vhodné. Bez technického základu totiž nedokáže dobre rozhodovať o návrhu ani pracovať s AI v komplexnejšom kontexte.

Zároveň rastie význam architektúry, práce s dátami a doménovej znalosti. Developer, ktorý rozumie problému, ktorý firma rieši, vie AI poskytnúť lepší kontext a zároveň lepšie zapojiť jej schopnosti do reálneho produktu.

Čo teda bude robiť developer?

Odpoveď z panelu nie je, že developer prestane programovať.

Skôr bude programovať inak.

AI môže prevziať časť rutinných úloh, pomôcť s onboardingom a generovaním kódu. Developerovi tak zostáva viac priestoru na pochopenie problému, rozhodovanie a prácu s komplexnými situáciami.

Výhodu tak môže mať developer, ktorý vie AI správne zapojiť do svojej práce a zároveň rozumie tomu, čo od nej dostáva.

A presne o tom bola aj panelová diskusia Mariána Vlčáka a Ondreja Proksu na CODECON. Ak vás zaujíma, ako AI reálne mení každodennú prácu developerov a čo to znamená pre juniorov, pozrite si celú diskusiu na YouTube.

Čo si z toho môže developer odniesť?

AI nemusí znamenať, že developerova práca zmizne. Môže však zmeniť to, čomu developer venuje svoj čas a kde vzniká jeho hodnota.

Z panelu však vyplýva niekoľko pomerne praktických záverov:

• naučiť sa pracovať s AI nestačí – treba rozumieť aj jej výstupom,
• kvalitný kontext je pri práci s AI často dôležitejší než samotný prompt,
• juniori by nemali preskakovať fázu učenia a experimentovania len preto, že AI vie úlohu vyriešiť za nich,
• seniorita bude ešte viac súvisieť so schopnosťou robiť rozhodnutia a niesť za ne zodpovednosť,
• a čím viac práce AI preberá, tým dôležitejšie je rozumieť systému ako celku, nielen samotnému kódu.

Otázka preto nemusí byť len v tom, či AI nahradí developerov, ale aj v tom, ako dokážu developeri zmeniť svoju prácu a AI využiť vo svoj prospech.

Ak chcete počuť konkrétne skúsenosti z praxe a názory Mariána Vlčáka a Ondreja Proksu na to, ako AI mení vývoj softvéru, pozrite si celú panelovú diskusiu na CODECON na YouTube.

FAQ

Nahradí AI developerov?
AI môže prevziať časť implementácie a rutinných úloh, no developerovi zostáva pochopenie problému, rozhodovanie, práca s kontextom a zodpovednosť za výsledné riešenie.

Čo bude robiť developer, keď AI píše kód?
Developer bude časť práce delegovať na AI, no zároveň bude určovať, čo má vzniknúť, poskytovať potrebný kontext a rozhodovať o výslednom riešení.

Čo je agentický vývoj?
Pri agentickom vývoji developer pracuje s AI agentom priebežne, usmerňuje jeho prácu a kontroluje výsledky. V paneli bol tento spôsob prirovnaný k pair programmingu.

Aký je rozdiel medzi vibe codingom a agentickým vývojom?
Pri vibe codingu developer zadá prompt a výsledok môže jednoducho prevziať. Pri agentickom vývoji s AI priebežne komunikuje, usmerňuje ju a pracuje s ňou skôr ako s partnerom pri programovaní.

Prečo je pri AI dôležitý kontext?
AI dokáže pracovať efektívnejšie, keď má k dispozícii kontext konkrétneho projektu, procesu alebo problému. Práve znalosť kontextu pomáha developerovi AI správne zapojiť do práce.

Potrebuje developer ešte rozumieť kódu, ktorý vytvorila AI?
Áno. Developer musí rozumieť výsledku AI a vedieť posúdiť, či je vhodný pre konkrétny systém a jeho požiadavky.

Pomôže AI junior developerom?
Áno. AI môže juniorom pomôcť pri onboardingu, orientácii v codebase a vysvetľovaní častí systému. Zároveň však nenahrádza potrebu získavať vlastné skúsenosti.

Ako sa junior stane seniorom, ak veľa práce robí AI?
Aj pri práci s AI musí junior získavať skúsenosti z reálnych projektov, učiť sa z chýb a rozumieť tomu, čo vytvára. Rozdiel medzi juniorom a seniorom zostáva výrazne spojený so skúsenosťami z produkcie.

Prečo je doménová znalosť pri AI dôležitá?
Developer, ktorý rozumie problému a fungovaniu produktu, vie AI poskytnúť lepší kontext a lepšie rozhodovať o tom, ako jej schopnosti využiť.

Môže AI developerovi uvoľniť čas na kreatívnu prácu?
Áno. Ak AI prevezme časť rutinných úloh, developer môže viac času venovať problémom, ktoré vyžadujú premýšľanie, rozhodovanie a kreativitu.