Jak zavádíme AI coding agenty ve velkých firmách: praktické zkušenosti

• Adopce není technický problém, je to change management. Nejslabší článek není technologie, ale zvyky lidí. Vývojář, který 10 let píše kód určitým způsobem, nepřepne přes noc.
• Governance musí předcházet rolloutu. Kdo má přístup? K jakým repozitářům? Jak se loguje, co agent dělá? Ve finanční instituci tohle nejsou volitelné otázky.
• ROI se neměří jen rychlostí psaní kódu. Zajímavější metriky jsou čas do prvního commitu nového vývojáře, počet round-tripů na code review nebo doba řešení bugů.

• Identitu agenta. Agent musí mít vlastní účet s auditovatelným přístupem, ne sdílený token vývojáře.
• Omezení scope. Agent pracuje jen s repozitáři, ke kterým má explicitní povolení.
• Review gate. Žádný kód od agenta se nedostane do main branch bez lidského review.
• Logging a monitoring. Vše, co agent dělá, musí být zpětně dohledatelné.

• zvládne rutinní refaktoring a boilerplate za zlomek času,
• napíše první verzi testů, kterou pak vývojář upraví,
• pomůže s onboardingem, neznámý kód vysvětlí líp než zastaralá dokumentace,
• zrychlí code review tím, že odchytí triviální problémy dřív, než je člověk vidí.

• generuje kód, který vypadá správně, ale nerespektuje business logiku projektu,
• generuje API endpointy, které ve skutečnosti neexistují,
• nedokáže posoudit architektonický dopad své změny,
• potřebuje jasný kontext: čím lepší prompt nebo issue, tím lepší výstup.

„AI nástroje zásadně urychlují research a pochopení platformy. Onboarding na každé nové platformě je díky modelům a nástrojům jako Perplexity, Claude nebo Cursor výrazně rychlejší, zero to first draft je technicky během jednoho dne. Pomáhá to hlavně s monotónními částmi, kde není tolik potřeba přemýšlet do hloubky, a tím urychluje tu druhou část.“

„Člověk přechází do role reviewera, nechávám si připravit bloky místo toho, abych je psal. Ale musí si pořád držet pojem o tom, co se děje, čeho je potřeba docílit a jaké jsou limity. AI paradoxně trochu zatěžuje hlavu tím, že člověk nemá čas na tu monotónní část psaní boilerplate kódu a furt při vývoji drží pozornost nad tím, co se kde změnilo.“

— David Omrai, developer DX Heroes

1. Strach z vendor lock-inu. „Co když GitHub zvedne ceny?“ Řešení: strategie, která počítá s multi-model přístupem a neváže se na jediného poskytovatele.
2. Compliance obavy. „Kam odchází náš kód?“ Řešení: transparentně vysvětlit, jak konkrétní nástroj pracuje s daty, v ideálním případě self-hosted varianta.
3. ROI skepticismus. „Jak poznám, že se to vyplatí?“ Řešení: pilotní projekt s měřitelnými metrikami na 2–3 týmech, ne plošný rollout.
4. Odpor vývojářů. „Naši senioři to nechtějí.“ Řešení: začít s early adopters, ukázat konkrétní výsledky a nechat adopci růst organicky.

„Klienti se často ptají, jak ten proces vlastně probíhá. Začínáme čtyřhodinovým workshopem: úvod, zmapování stavu a hlavně identifikace quick wins. Taková matice: co přinese rychlý výsledek s malým úsilím a co je dlouhodobý cíl. Pak pokračujeme přes AI ambasadory, kteří sahají napříč týmy, aby se adopce šířila organicky.“

„Co klienty přesvědčí nejvíc? Že začít mohou velmi rychle s profesionální podporou. Stačí nakopnout, ukázat best practices, nastavit prostředí, a tým pak dokáže stavět na solidních základech. Dodáváme reálnou hodnotu v krátkém čase, a to klienti ocení.“

„Důležité je, že nejde jen o to vzít AI nástroj a dělat věci stejně jako dřív. Práce se posouvá k důkladnější přípravě, analýza a zadání musí být výrazně kvalitnější, aby pak implementace s AI byla na úrovni. Lidi musí změnit způsob své práce.“

— Prokop Simek, co-founder DX Heroes