Jako softwarový inženýr už dnes nenapíšu ani řádku kódu: Všechno dělá AI – a pár slov k Vibe Codingu

Mám za sebou víc než šest let praxe jako softwarový inženýr, ale už přes rok jsem nenapsal ani řádku kódu ručně. Všechno, na čem teď pracuji, píše odshora dolů umělá inteligence. Jenže když jsem s tím před rokem začínal, tahle euforie mi vydržela sotva tři dny.

Vibe coding je čistá radost

Vzpomínám si, jak jsem loni v červnu (2025) poprvé ze zvědavosti otevřel Cursor. Na první pohled vypadal úplně jako staré dobré VS Code, jen s jedním postranním panelem pro chat s AI navíc.

Do té doby pro mě programování s AI znamenalo víceméně jen pokročilejší našeptávač typu GitHub Copilot. Jenže pak jsem zadal první prompt, odeslal ho a nestačil zírat. Model se na okamžik hluboce zamyslel a pak začal do editoru chrlit desítky, stovky řádků kódu neuvěřitelnou rychlostí. Přeskakoval mezi soubory, upravoval je a dokonce sám spouštěl příkazy v terminálu.

Najednou stačilo popsat požadovanou funkci běžnou lidskou řečí a AI ji celou sestavila. Nemusel jsem psát jediný znak. Už to nebylo tupé automatické doplňování kódu – AI převzala část inženýrské práce z úplně jiné, vyšší úrovně.

V tu chvíli jsem si připadal jako s kouzelnou hůlkou v ruce. Jako když před vámi někdo otevře dveře do úplně nového světa.

Tehdy jsem si do poznámek napsal:

Vibe coding je jak stvořený pro lidi s ADHD. Klasické programování jde totiž přesně proti jejich přirozenosti, zatímco vibe coding vás rázem vyléčí z nechuti psát testy, z odporu k CSS, z neustálých překlepů v názvech proměnných i ze zdlouhavého a otravného hledání banálních chyb.

Zpětná vazba je díky AI blesková a pocit zadostiučinění obrovský. Čím rutinnější a nudnější úkol je, tím lépe si s ním AI poradí.

Člověk se pak může soustředit jen na směr, architekturu a zůstat v roli vizionáře či vedoucího projektu.

Vůbec netoužím po tom vyťukávat každý znak ručně, ale proces tvorby mě neskutečně baví. Od assembleru přes vyšší programovací jazyky byl vývoj pro programátory vždycky o tom, aby se jim tvořilo snáz a efektivněji.

Možnost tvořit software čistě z pohledu tvůrce, nikoli jako řadový dělník na stavbě, je pro programátora v podstatě splněný sen.

Kde naráží vibe coding na své limity

Pro tenhle styl práce se vžil termín vibe coding. V únoru 2025 ho zpopularizoval spoluzakladatel OpenAI Andrej Karpathy. V kostce jde o to, že se řídíte čistě pocitem („vibe“): lidskou řečí AI vysvětlíte, co chcete, bezhlavě přijmete veškerý kód, který vygeneruje, řádek po řádku nic nekontrolujete, a když vyskočí chyba, jednoduše ji zkopírujete zpátky do promptu. Až téměř zapomenete, že nějaký kód vůbec existuje.

Jenže po tom prvotním nadšení a mých optimistických poznámkách netrvalo ani tři dny, než jsem narazil na tvrdou realitu.

Zrovna jsem zkoušel prototypovat novou aplikaci. Při ryzím vibe codingu jsem nechal AI improvizovat na základě vágních zadání bez jakýchkoli inženýrských mantinelů. Netrvalo dlouho a AI se vymkla kontrole. Architektura se zvrhla v takový chaos, že projekt prakticky nešlo dál udržovat ani rozvíjet.

Musel jsem všechno smazat a začít od nuly. Tentokrát jsem se na to podíval znovu jako inženýr a zapojil osvědčené postupy, jen s asistencí AI.

Najednou jsem se ocitl v úplně jiném režimu. Neztratil jsem nic ze zábavnosti vibe codingu, ale přidal jsem k tomu přísné revize kódu, jasnou dokumentaci a malé, postupné kroky namísto generování obřích kusů naráz. Celková architektura a implementace zůstaly pevně v mých rukou a práce šla od ruky s chirurgickou přesností. Vývoj s AI se začal podobat vedení stážisty: nemusíte dělat každou drobnost sami, ale musíte si udržet pevný architektonický dohled a strategické myšlení.

Brzy nato jsem přešel na Claude Code. Získal jsem ještě přesnější a spolehlivější kontrolu a má produktivita vystřelila několikanásobně nahoru.

Kam směřuje softwarové inženýrství

„Není možné, že kvůli vibe codingu lidé vytvoří věci až příliš snadno, a ztratí tak motivaci jít do hloubky a pochopit základy programování?“

Myslím, že je to víc než pravděpodobné!

Tradiční cesta od prvních krůčků v kódu až po hotový produkt připomínala schodiště – stoupalo se hezky schod po schodu. Většina lidí začínala u základních kurzů, nastoupila jako junioři, v praxi narazila na reálné inženýrské výzvy a postupně vyrostla v samostatné vývojáře. Každý krok nabízel srozumitelnou zpětnou vazbu. Byla to jasně nalajnovaná kariérní dráha a pro člověka s průměrnou pílí a schopnostmi nebylo nepřekonatelné do oboru proniknout.

Vibe coding srazil vstupní bariéru na nulu. Dnes dokáže splácat funkční demo v podstatě kdokoli. Jenže softwarové inženýrství stojí na hluboké praxi. Mezi narychlo spíchnutým demem a robustním komerčním produktem je propastný rozdíl – zhruba jako mezi fází 0 → 1 a fází 1 → 100.

Na tradiční kariérní cestě člověk během fáze 0 → 1 přirozeně nasbíral dovednosti, které pak potřeboval pro fázi 1 → 100. Vibe coding však začátečníkům tyto základy nedá. Už při přechodu z 1 na 10 tak narazí na nepřekonatelnou zeď, která drtivou většinu z nich odradí od dalšího růstu.

Když je začátek až směšně snadný, pozdější překážky už běžné nadšení ani průměrná píle nepřekonají. A ti, kteří to přece jen zvládnou, musí disponovat naprosto mimořádnou schopností učit se a řešit problémy – mluvíme tu o horním 1 % programátorů.

Jinými slovy: tihle lidé by patřili mezi špičkové inženýry i v době před nástupem AI.

S tím, jak schopnosti AI při programování prudce rostou, trh přestává juniorské vývojáře potřebovat. Vzdělávací a profesní řetězec se trhá a nováčci přicházejí o příležitost, kde by se mohli řemeslu reálně naučit.

Dnes, rok po sepsání první verze tohoto textu, začínají tuto hypotézu potvrzovat i data z pracovního trhu:

• Stanford Digital Economy Lab analyzovala mzdová data americké společnosti ADP a zjistila, že do června 2026 klesla zaměstnanost mladých lidí ve věku 22–25 let v profesích nejvíce ohrožených AI o 19 % oproti trendu jejich vrstevníků v jiných oborech (o rok dříve byl tento propad 15 %). U zkušených pracovníků k žádnému takovému propadu nedošlo. Tento deficit navíc pramení především z toho, že firmy přestaly nabírat nováčky, nikoli z propouštění. (Stanford Digital Economy Lab, 2026-08)
• Zpráva venture kapitálového fondu SignalFire z června 2026 uvádí, že ve dvanácti velkých technologických gigantech včetně Googlu, Mety, Applu a Microsoftu klesl počet nabíraných absolventů a juniorů oproti roku 2019 zhruba o 65 %. U raných startupů je propad dokonce 76 %. (SignalFire State of Talent Report 2026)
• Podle statistik pracovního portálu Indeed tvořily juniorské pozice v prvním čtvrtletí roku 2026 pouhých 4,5 % ze všech nabídek v oblasti vývoje softwaru v USA – což byl nejnižší podíl ze všech sledovaných odvětví. (Indeed Hiring Lab, 2026-07)

Pokud jde o budoucnost celého oboru, jsem spíše pesimista. Programování spěje k ostré polarizaci: na jedné straně bude úzká elita géniů, na druhé straně zástupy lidí, kteří si z čistého zájmu tvoří hračky na úrovni jednoduchých dem.

A další obory budou programování brzy následovat. Veškerou méně náročnou duševní práci v budoucnu postupně převezme AI.

Dokonce i matematika, která ze své podstaty vyžaduje nejčistší originální myšlení, zaznamenala v uplynulém roce průlomy způsobené AI:

• V lednu 2026 vyřešili cambridgeský student Kevin Barreto a amatérský matematik Liam Price za pomoci GPT-5.2 Pro Erdősovu hypotézu č. 728, o jejímž důkazu se v dosavadní literatuře nenacházela ani zmínka. Šlo o vůbec první Erdősův problém vyřešený převážně umělou inteligencí.
• V květnu 2026 model od OpenAI vyvrátil Erdősovu hypotézu jednotkových vzdáleností z roku 1946 – oříšek, který trápil matematickou komunitu celých 80 let. Držitel Fieldsovy medaile Tim Gowers to komentoval slovy: „Žádný dosavadní důkaz vygenerovaný AI se této úrovni ani nepřiblížil.“ O několik týdnů později lidští matematici na výsledek AI ještě výrazně navázali a posunuli ho dál.
• V témže měsíci autonomní AI agent od Google DeepMind vyřešil 9 z 353 otevřených matematických problémů, přičemž náklady na vyřešení jednoho problému činily pouhých několik stovek dolarů.
• Matematik Noga Alon dokonce oznámil, že se Erdősovým problémům přestává věnovat: „Jakmile je začala řešit AI, ztratilo to smysl.“

O čem bude tato série

Dnes se k vývoji s AI dostává spousta lidí bez jakékoli předchozí programátorské zkušenosti. Možná nevědí, kde začít, nebo se pokusili o pár drobných experimentů. Velmi rychle ale narazí na to, že jim chybí inženýrské myšlení – najednou nevědí, co vlastně dělají, jak rozpadnout složitý problém na menší části, ani jak AI správně instruovat, aby dosáhli požadovaného výsledku.

Všímám si také, že řada potíží pramení z absence logického uvažování. Lidé se neumí správně ptát, postrádají kritický odstup a nedokážou posoudit, zda je odpověď AI vůbec věcně správná.

Mám za sebou víc než šest let softwarového vývoje a s pomocí AI jsem navrhl a postavil několik komplexních aplikací, které dnes aktivně používají reální lidé. Jak jsem zmínil na začátku: v mých současných projektech píše každý řádek kódu AI. AI vám dokáže pomoci i s velmi náročnými systémy – pod podmínkou, že sami přesně víte, co děláte, a dokážete ji správně vést. AI je jen nástroj. Tím rozhodujícím článkem zůstává člověk.

V éře AI se tradiční cesty výuky programování rozpadají. Rozhodl jsem se proto zareagovat na tento posun a připravit ucelenou sérii: Průvodce vibe codingem od nuly.

V průvodci se zaměřím na několik klíčových oblastí:

1. Jak propojit kódování s AI s osvědčenými postupy moderního softwarového inženýrství. Nejprve si ujasníme, co to softwarové inženýrství vlastně obnáší, a pak od nuly postavíte vlastní aplikaci. Cílem je, aby projekt neskončil jako křehké demo, ale dal se dlouhodobě udržovat a práce na něm šla hladce od ruky.
2. Trénink myšlení a logiky: jak se efektivně ptát, čeho se při AI programování vyvarovat a jak psát smysluplnou dokumentaci k projektu.
3. Testování a optimalizace celého pracovního postupu: jak zajistit spolehlivou architekturu a zároveň průběžně zvyšovat kvalitu kódu i nové funkce. Jak zrychlit vývoj a vybudovat automatizované procesy, aniž by tím utrpěla kvalita výsledku.
4. Výběr ideálního technologického stacku: jaké programovací jazyky a frameworky zvolit, abyste z možností AI vytěžili absolutní maximum.

Doslov

Základ tohoto textu jsem napsal už před rokem (v říjnu 2025). Teď jsem se k němu vrátil, přepracoval ho a doplnil čerstvá data z trhu práce i nejnovější průlomy AI v matematice. Tehdy mě tempo vývoje natolik omráčilo, že jsem se bál, že cokoli napíšu, bude za pár dní neaktuální – chrlil jsem proto jen krátké statusy na sociální sítě a na souvislejší eseje nezbýval čas. Když jsem po roce otevřel tenhle koncept, došlo mi, že ty myšlenky nezestárly ani trochu. Proto jsem text dotáhl a poslal do světa. Do budoucna chci psát delší texty častěji – texty s lidským rukopisem totiž budou v nadcházejících letech čím dál vzácnější.