Podcast

Dobrý den, moje jméno je Jirka Vychorek.
Ahoj všem, moje jméno je Barbara Hinerová.
Vítáme vás u dalšího dílu Data Talk podcastu.
Našimi dnešními hosty jsou Prokop Šimek z DX Heroes a Vráťa Kalenda z Upliftingu.
Ahoj.
Ahoj.
Ahoj.

My se dnes podíváme na to, jak AI mění IT industry. Co se vlastně mění – jak na úrovni individual contributorů, samotných programátorů, tak na úrovni týmů, tak na úrovni agentur, co se děje na trhu, co vlastně klienti dneska poptávají, kde je AI dobrá pro pozice, ale špatná na produktivitu, a naopak.

Než skočíme do tohoto velkého tématu, na které se moc těším, začneme tím, že dáme prostor hostům se představit.

Myslím, že ve vašem případě spousta lidí o vás už slyšela a ví, ale opáčko neuškodí – kde se zrodil Uplifting, co vedlo k jeho založení, jak tam teď působíš, kolik vás je a tak dále.

Já jsem před jedenácti lety společně s kolegy založil svobodnou softwarovou firmu u svého táty v garáži – doslova, nebo spíš ve sklepě – a tak nějakým způsobem jsme vybudovali firmu, která má dneska zhruba dvě stě lidí. Řídíme se takzvanými tržními principy, máme například volenou radu starších, která ve firmě rozhoduje, a podobně. Je to hodně plochá struktura, hodně sebeřídící, hodně dáváme lidem svobodu.

Na co se zaměřujeme, je výroba digitálních produktů s pomocí umělé inteligence – ať už v rámci dodávky, abychom to udělali rychleji, tak i tím, že nás klienti často oslovují, aby chtěli umělou inteligenci zapracovat do svých produktů. Například jsme na trhu udělali Kubova English, což je vlastně velký AI avatar, který tě učí angličtinu.

Prokop, teď ty – jaký je tvůj příběh, co dělají DX Heroes?

Já jsem v Upliftingu začínal před deseti, jedenácti lety jako vývojář a DX Heroes jsem založil jako dceřinou společnost, která je součástí skupiny Uplifting, a vedu ji pět let.

Proč jsem DX Heroes založil? Jako vývojáře mě štvalo, jak IT vůbec ve firmách funguje. IT oddělení neměla čas zlepšovat procesy, vývojářské portály a podobně. Tak jsem založil DX Heroes, která se soustředí hlavně na zlepšování IT prostředí ve firmách – ať už po softwarové stránce, nebo nástrojové, tedy tooling pro vývojáře.

Dnes k tomu samozřejmě patří i umělá inteligence, takže to řešíme s firmami dost často.

Takže DX Heroes je spin-off, dceřiná společnost Upliftingu?

Ano. A ještě ke klientům a zakázkám – co je typický klient a typická zakázka? Z toho, co říkáš, to zní hodně konzultačně, jako přijďme, podíváme se, jak tam pracujete, změna managementu, softwarové mentoring.

Ano, dnes je to hodně konzultační, včetně školení pro firmy. Typický klient je velká firma s rozsáhlým IT oddělením – zhruba 100 a více lidí – která chce zlepšit své fungování, ale interně je setrvačnost příliš silná a pomalá, tak raději přivádějí někoho zvenčí, aby jim pomohl.

Tady je opravený text:

Vůbec to není výjimečné, typicky třeba u AI adopce. AI adopce dneska existuje, třeba u vývojářů, kteří mají zkušenosti s umělou inteligencí, ale potřebují někoho, kdo to vše slepí dohromady, spojí a kdo rozdělí úkoly a celkově celou AI transformaci povede a přinese zkušenosti, aby si o tom lidé mohli povídat s ostatními.

No a jaký je výsledek? Výsledek jsou produktivnější programátoři, spokojenější tým, ale typická věc, kterou navrhnete, nebo co se tam obvykle stane, je, že zkrátíte meetingy na polovinu a dáte vývojářům více času na soustředěnou práci (focus time). Nebo se podíváte, jak funguje CICD, a řeknete: „Proč nepoužíváte tyhle funkce GitHubu?“ Jak si to mám představit?

Pro mě je to stále velmi široké téma. Může jít třeba o CICD nebo o různé úrovně AI maturity ve firmě. Cílem je zrychlit dodávání softwaru v rámci IT. Typicky tam máte role jako analytik, architekt, vývojář, tester a předtím i produktového manažera a další. A tihle lidé musí často spolu komunikovat. A zpoždění mezi odpověďmi nebo čekání se dá urychlit třeba tím, že vývojáři a analytici spolupracují přímo v rámci trunk-based developmentu a analytici znají práci s gitem, což zrychluje softwarovou dodávku a zároveň kvalitu výsledků – udělá je méně chybovými. Umělá inteligence pak navíc může zrychlit a zlevnit celý IT proces, který bývá největší nákladovou položkou v typických firmách.

To je taky něco, čemu se určitě budeme věnovat: IT jako nákladová položka a cost centrum versus IT jako příležitost a strategická výhoda. Vy oba jste zmínili AI – dnes je propozice postavená na adopci AI a trendu generativní AI. Pojďme se podívat, jak jste se k tomu vlastně dostali, jak pro vás vypadaly poslední dva až dva a půl roku od příchodu ChatGPT a jak jste se v tom vůbec orientovali. Vidím tam různé vlny – někdo na to skočil hned a říkal, že budeme mít AGI a programátoři budou bez práce, a tak dále. Jak vypadaly vaše poslední dva roky? Kde jste udělali správná rozhodnutí a kde jste se mýlili? To nás také zajímá. Kde jste to podcenili a kde přecenili?

Já si myslím, že poslední dva roky byly hlavně hodně hektické. Vývoj jde extrémně rychle dopředu – co fungovalo před pěti měsíci, dnes funguje ještě lépe, a to, co dřív nefungovalo, začalo fungovat. Modely rychle napredují a mění se i způsoby práce. Vidíme to hlavně ve startupovém světě, kde k nám původně zákazníci přicházeli s klikatelným prototypem, který chtěli vyrobit. Dnes nám přinášejí prototypy v Lavabullu – software, který umožňuje za pomoci normálního lidského jazyka říct, že chtějí aplikaci na vaření. AI pak postupně vede a vyvíjí aplikaci. Dnes tedy zákazníci nechodí s klikatelným prototypem, ale s už téměř hotovou aplikací, a říkají: „Chceme, aby to vypadalo zhruba takhle, a teď nám to buď opravte, nebo udělejte znovu a líp, ale prosím ideálně…“

Pokud chceš, můžu ti pomoci s dokončením poslední věty nebo s úpravou dalších částí.

Opravím a upravím text, aby byl srozumitelnější a formálně správnější:

Efektivně. Takže žádné velké týmy, udělejte to prostě s jedním člověkem, takhle nám to neříkají, ale pak se to překládá. No, jako „vibe coding“ je široký pojem, myslím si, že co vlastně chtějí, abychom dělali. Ideálně by chtěli, aby to bylo stejně rychlé jako „vibe coding“, ale když otevřete ten motor, odklopíte kapotu, tak aby všechny ty drátky od motoru vedly správně, nikde se nekřížily a nebyl žádný zkrat. To je, myslím, to, co lidi chtějí. Prostě chtějí, aby to bylo odborně správně, ale ideálně stejně rychle jako „vibe coding“. A to jsou už úplně jiná očekávání, hlavně pokud jde o nějaké ceny nebo náklady na takové věci. Myslím, že spousta lidí stále neví, kolik IT vlastně stojí, ale myslím si, že na trhu to zatím úplně necítíme, ten tlak zespodu, ale myslím, že to přijde jako tlak odspoda – ať už nové agentury, nebo agentury, kterým to dojde, začnou nabízet služby, které budou úplně jinak efektivní. Takže agentury, které budou stále pracovat s pětičlennými týmy na startupových projektech, skončí. Protože je prostě velký rozdíl mít runtime třeba čtvrt milionu měsíčně a runtime milion měsíčně za relativně obdobnou delivery. Jo, to je zhruba čtyřnásobný rozdíl.

Když zmiňuješ startupy a MVPčka, myslíš tím startupové prostředí, že k vám chodily firmy definované jako startupy, nebo tam máš i korporátní piloty a nějaké inovativní projekty? To je zajímavé, protože jak říkal Prokop, rychlost adopce je hodně různá podle velikosti firmy. Třeba solo-founders už pochopili, že svět dnes funguje úplně jinak, a nenosí nám jen klikatelný prototyp, nenosí nám hotovou aplikaci v low-code, která prostě nefunguje. Je to třeba funkční, ale v těch velkých korporacích je setrvačnost velká. Jsou tam problémy ohledně jistoty práce, lidi si myslí, že když začnou používat AI, možná přijdou o práci – tato rezistence tam je. A navíc manažeři zatím neumí přemýšlet tak, že nechtějí frontendového a backendového inženýra, ale full stack AI-powered inženýra. To je pro ně velký posun. Mají škatulky nakreslené jinak a trvá, než je překreslí a začnou přemýšlet i o jiných byznys modelech – možná by třeba neměli platit za čas, ale za efektivitu. Ale zatím to celá odvětví ještě nemají vyřešené. Je těžké najít fungující byznys model.

Ale třeba začít u toho, že potřebujeme více generalistů a méně specialistů. Že na 30 backendových inženýrů stačí jeden superkvalifikovaný specialista, který kontroluje a říká: „Jo, máš to dobře, tady je to špatně.“ Něco jako vedoucí výroby nebo mistr. A myslím, že tato změna bude chvíli trvat. Celá tato transformace.

Ale vy už se na to připravujete, nebo jste nějakým způsobem už začali tyto změny dělat či adoptovat? My se vlastně snažíme…

Pokud chcete, mohu i dále pomoci s úpravou textu nebo pokračovat v jeho rozpracování.

Zde je opravený text s lepší strukturou, interpunkcí a stylistikou:

My máme vlastně dva typy zákazníků. Hlavně dneska už obsluhujeme scale-upy, větší projekty nebo enterprise startupy, které potřebují vyrolovat nový produkt. Třeba jsme takhle řešili BankID nebo teď nedávno Skowalu, což je finanční vzdělávání pro děti ve školách.

U těchto klientů chtějí zavedené a standardní postupy, musí to zapadat do určitých škatulek, ale zároveň chtějí efektivitu. Hlavně jde o osobní efektivitu a efektivitu týmu, není to o redefinování rolí. Velmi často používáme nástroje jako Curious nebo Copilot, dobře zadáváme úkoly a tím zrychlujeme vývoj. Dodání (delivery) tak zrychlujeme někde mezi 30 až 50 procenty, pokud máme tým, který ví, co dělá.

Pak jsou tu klienti, a to jsou ty větší firmy. Pro ně je vlastně jedno, jak máte uspořádaný tým – jestli je tam pět backendových vývojářů a tři frontendaři, zase záleží hlavně na výsledku. Většina velkých projektů se dnes platí formou „time and material“, takže to poznají na ceně i na rychlosti dodání, pokud to děláme dobře. To je jedna velká část naší práce.

Druhá velká část jsou tzv. greenfield projekty, kde vlastně nic není – nemusíme se integrovat do stávajících systémů, můžeme si technologie zvolit sami. Pro klienta je hlavně důležité, jak rychle projekt bude hotový a jak efektivní bude výsledné řešení. U těchto projektů používáme trochu jiné technologie než klasický backend a frontend vývoj. Stavíme například na Reactu, React Native a Supabase, ale důraz je na rychlost.

Díky tomu jsme schopní něco, co by normálně trvalo půl roku, udělat za měsíc až dva. A místo týmu třech lidí to zvládne i jeden člověk, který má dobře rozvinuté soft skills, umí naslouchat zákazníkovi a zároveň rozumí technologiím – například má zkušenosti s programováním i zabezpečením. Business model je tam stále stejný – platí se za lidi, ale dneska nabízíme model předplatného (subscription), kdy si klient koupí od nás určitou kapacitu AI engineeringu a my mu pravidelně dodáváme týdenní inkrementy produktů.

Tím opouštíme tradiční „mendělský“ model. Zkoušíme subscription model a máme první klienty, kteří s tím nemají problém, když vidí výsledky. Nabízíme třeba 14 dní money back guarantee – pokud se jim nebude líbit naše rychlost (velocity), můžou se s námi rozloučit, nechají si to, co máme hotové a zaplatí za to, nebo nám to vrátí a nic neplatí. Obvykle, když vidí, jak rychle oproti jejich dosavadní praxi pracujeme, tak... (text dále pokračuje).

Pokud chcete, mohu upravit text ještě podrobněji, případně přeformulovat některé části podle vašeho přání.

Minulým zkušenostem jsme schopní vyvíjet, takže oni ten produkt udělají. Možná se mi to vyplatí víc, než dělat věci klasickým způsobem. Ale například, jít do klasické firmy a říct: „Hele, dáte nám subscription, my pro vás budeme vyvíjet, a pokud chcete větší rychlost, třeba třikrát více engineering power, tak prostě to bude třikrát tolik za subscription.“ To si nedokážu představit, že jim to projde přes controlling v tuto chvíli.

Na druhou stranu si myslím, že se jednou bude muset rozbít ten vzorec „platí se za odvedený čas“, protože dnes už to tak opravdu nefunguje. Hodnota už se nepočítá jen podle času. Je to velmi pomalý proces, jsme na začátku, pravděpodobně to stále platí spíše více než méně, ale to vychází z paradigmatu, kdy lidé psali kód jako ruční vyšívání krásného koberce. Dnes už většina lidí nechce krásně vyšívaný koberec.

Vidíte spíše levný koberec, který je vyráběný průmyslově ve fabrice – a ta fabrika už také není oceňována podle hodin odvedené práce lidí, ale podle toho, jak dobře je fabriku postavená a jak rychle dokáže koberce vyrábět. Já jsem k tomu trochu skeptický a vidím tu rezistenci. Jako člověk, který dělá profesionální služby a řeší placení za hodnotu, ne za hodiny, mohu říct… Je to trochu tvrdé, ale je to pravda. Pro firmy je jednodušší kontrolovat práci, když se platí za odpracovaný čas, a zároveň jsou zaměstnanci lépe zajištění.

Souhlasím, ale myslím si, že ten přechod nejde ze strany středních a velkých firem, ale spíše od cash-rich zakladatelů a startupů, kteří už mají tento mindset překlopený. Nemají tým, se kterým by nyní museli dělat větší změny, a pracují mnohem rychleji než velké firmy. Proto jsme začali spolupracovat i se startupy, abychom se společně učili, jak bude budoucnost práce ve velkých firmách vypadat – přijde to tam později, ale přijde.

Jako advokát Davida bych ještě zmínil téma equity. Máte zkušenosti s projekty, které byly dělány za podíl ve startupech. Zpočátku to vypadalo, že to bude dobrý business model – podílet se, mít slevu, přibrat interní klíčové dodavatele do ESOPů a všichni budou spokojení. Ale moc agentur, kterým by to fungovalo, neznáme. Já také ne. Důvodem je, že agentury si na začátku cesty myslely, že největší riziko je špatné naprogramování softwaru, ale ve skutečnosti jsou rizika jinde – třeba že slavný founder přinese nápad, který nikoho nezajímá, neumí ho prodat nebo správně pivotovat produkt. To jsou rizika, která agentura na vývoj softwaru neovlivní.

Jistě, tady máte opravený text:

Na to měli dát správný risk premium, kolik by měla stát naše jedna hodina času, aby to tam bylo započítané – všechny tyhle rizika. Tak možná startupy byly rády, že dostaly normální hodinovku. Protože když si to spočítáte – jaká je šance, že ten startup uspěje a tak – tak naše hodinovka, nemám to přesně spočítané, ale myslím si, že by začínala někde na 5 000 Kč, možná ještě výš, aby to vůbec dávalo smysl.

A proto existují VC fondy – protože ty chtějí rozložit riziko na spoustu startupů. My jako software house to riziko rozložit nemůžeme, protože bychom museli mít třeba 500 takových projektů, nebo nás prostě muselo být strašně moc, s takovouhle silou.

Takže žádný takový projekt momentálně nemáte? Měli jsme v minulosti, ale zatím vždycky, když jsme to zkusili, ten startup failnul na Product Market Fit. Ale to je normální, protože zhruba 10 % startupů přežije tu první fázi, a pak asi 2–3 % jsou skutečně úspěšné.

Kolik by pro nás bylo potřeba mít startupů, aby se nám to vyplatilo? Možná se vrátím o krok zpátky, k Prokopovi a k posledním dvěma rokům. Říkáš, že máte subscription AI inženýra, co prodáváte, a dosahujete 30 až 50% zvýšení produktivity. A tady jsou Loveblow, Kurzor, Makary a Bůh ví co ještě, co jsou součástí toho stacku. Jak jste se k tomu dostali? Podle mě jste v tomhle early adopters, cutting edge – dnes jsou všechny agendy AI-driven, ale vy jste byli první, kdo v tom zvedl vlajku. Když jsem to sledoval, byli jste první, kdo udělal to rozhodnutí dát místo IT do popředí AI. Předpokládám, že Prokop v tom měl taky důležitou roli?

Co se dělo za poslední dva roky? Když teď začínám s klasickou IT firmou nebo klasickým IT oddělením, jaké jsou kroky, jak se dostat k funkční AI pipeline, která zvyšuje produktivitu o 30 až 50 %?

Před rokem nebo dvěma to bylo AI, které generovalo básničky, a všichni se z toho smáli – to bylo vlastně všechno. Pamatuji si, že to bylo loni v srpnu, kdy jsem poprvé pořádně viděl hodnotu v umělé inteligenci – že opravdu pomáhá při psaní kódu, při vývoji.

Bylo to spojené s nějakým modelem? Myslím, že ano, spíš s pokročilým modelem, který už dokázal generovat něco užitečného. Možná to bylo spojeno s releasem GitHub Copilot, který skutečně pomáhal a navrhoval při psaní kódu.

A když se podíváte od té doby, je tu spousta nových modelů, nových firem a produktů, které skutečně zrychlují různé segmenty – ať už jde o vytváření diagramů, datových modelů, návrhů a tak dále. Za ten rok nastala raketová změna v tom, jak pracujeme díky LLM a generativním modelům.

Jak jsme se k tomu dostali? Řekl bych, že je důležité vidět hodnotu v AI. Dnes má mnoho lidí ve firmách AI spíš „v nenávisti,“ nechtějí s ní vůbec…

Pokud chcete, mohu upravit i pokračování, nebo zkrátit či zpřehlednit celý text. Rád pomohu!

Opravený text:

c používat, prostě jsou odpůrci. Myslím si o těchto lidech své a kde skončí. A pak jsou lidé, kteří umělou inteligenci nějak začínají používat, anebo jsou vlastně na hraně těch možností. A ti, kteří do toho vstoupili, vidí tu hodnotu a dokážou potom ovlivňovat okolí i celou firmu. Myslím si, že vůbec nákup kurzoru do celého upliftingu posunul ten engineering jiným směrem. Nákup pro produkt Lamebul nebo co tam bylo za nástroje, tak myslím, že to celé povede úplně jinam. My s tím, jako s DX0, protože sedíme v jednom baráku, vlastně úzce spolupracujeme. A máme takové ambasadory AI, někdo se nadchne a řekne: "Ty jo, děcka, viděli jste tenhle model s tímhle ID? To je nejlepší věc od namazanýho chleba. Prostě pojďte to zkusit." A my se hlavně snažíme tomu nebránit. Ta politika, co máme v upliftingu, je vlastně explorace a umožnit co nejvíce lidem dát na to budget, nástroje, aby si to zkoušeli. A pak, když vidíme silný signál, tj. že se něco děje a tým je efektivnější, tak to pak adoptujeme skrze DX nebo přímo u nás. Vlastně pak vezmeme věci z vrchu a řekneme: "Hele, všichni máte teďka licenci na kurzor, pojďte to použít, protože se ukázalo, že to funguje." Začalo to nástrojem a teď společně s DX0 děláme i metodiky. To znamená, jak to používat správně. Jedna věc je být jako zvědavá opička, co do něčeho mlátí a čeká, co to udělá, druhá věc je, když ti někdo dá manuál – který mimochodem nikde jinde není – jak správně používat nástroj, aby to bylo dobré. Aby to bylo dostatečně dobré, protože vyšel třeba výzkum, že když se to používalo v některých open source projektech – tady ne přímo kurzor, ale prostě využívání umělé inteligence – tak si seniorní vývojáři mysleli, že jsou rychlejší o 20-30 %, ale ve skutečnosti byli přibližně o tyle procent pomalejší. Teď je otázka, kolik z toho je otázkou metodiky, kolik komplexností projektu a kolik toho, že si člověk chce fakt hrát a zkoumá to. Jasně. Třeba jeden co-founder z jedné agentury mi říkal, že 80 % nějakého skriptu, co chtěl, mu vytvořila AI, a na posledních 20 % bylo potřeba jen něco propojit. A přitom se s ní hádal 6 hodin, než mu došlo, že by bylo lepší si ty tři řádky kódu napsal sám. Takže to se lidem někdy taky stává. Ale myslím si, že dobrá metodika a hlavně kumšt bude to opravdu zlato. Jak s těmi nástroji pracovat, jaké prompty zadávat, jak dělat kontext engineering a jak postupně skládat software, aby ti to fakt netrvalo dlouho. To mě právě zajímalo – když ve firmě máte licence na kurzor, nějaké další nástroje, a přikázané dělat věci pomocí AI, tak jak potom řešíte systematičnost, že to opravdu každý používá a že licence neleží ladem? Myslí…

Jasně, tady je opravený text s lepší srozumitelností a gramatikou:

Myslím si, že to v mnoha firmách, když se podívám ven nebo i do upliftu, ještě není úplně vyřešené, protože to opravdu mění i způsob práce – ať už vývojáře, testera, nebo analytika. Pořád se to posouvá, licence tam neleží jen tak ladem, ale je potřeba lidi naučit, jak psát prompt. Typicky člověk přijde, napíše do kurzoru prompt „chci vytvořit aplikaci“, AI vytvoří nějakou aplikaci, kterou si vymyslí, a výstup je úplně špatný. Proč? Protože člověk neumí promptovat, neumí AI přesně instruovat. Aby AI dělala opravdu to, co člověk chce, je třeba čtyřkrokový postup, jak definovat, co chce, jak to má vypadat, jaké technologie použít, co to má dělat a co ne.

Prvním krokem je pochopení technologie, ne jen zkusit něco napsat a říct: „To funguje.“ Myslím, že je potřeba lidi v tom „vykoupat“ – je to velká změna. Když lidem dáte kurzor a řeknete: „Tady máš kurzor, dělá to všechny tyhle věci, tady máš 20stránkový manuál, jak s tím pracovat,“ tak z toho dostanou hlavu kolem. Oni si to potřebují nejdřív chvilku osahat, vyzkoušet, jak to funguje, a pak jim ukázat ovládací panel se všemi tlačítky a říct: „Tady máš všechny funkce.“

My máme postupný přístup k adopci. Všem jsme dali licence, tomu říkáme maturity level 1 – lidi mají kurzor a něco si v něm poklikávají. Maturity level 2 je, že lidé používají nástroje podle metodik, s nějakými MCP servery, koordinovaně, jak už máme ověřeno v interních benchmarcích, že to funguje lépe. To ale nemůžeme hned hodit na lidi, kteří si funkce vybavují poprvé, protože by je to utopilo. Takže třeba měsíc po první zkušenosti řekneme: „Hele, zkoušejte toto.“

Maturity level 3 je, že inženýři jsou spíš manažeři autonomních kódovacích agentů. Ale tam už s AI agenty musíme zacházet s úctou a myslím, že tam ještě nejsme. Máme to sice na roadmapě, protože víme, kam to míří, ale musíme si na to ještě počkat půl roku.

Celkově teď máme jako firma maturity level 2. Nedávno jsme dělali benchmark a zjistili jsme, že 80 % inženýrů už denně aktivně používá kurzor, což je super – před půl rokem to bylo asi 30 %. Špičkových AI-powered inženýrů je zhruba pár na prstech obou rukou z celkových 120 lidí v týmu. Adopce tedy postupuje, a cílem je, abychom do konce příštího kvartálu měli půlku týmu AI-powered.

Zohledňujete tohle i ve hodnocení lidí podle úrovně maturity? Máte na to nějaká „bonusová“ kritéria? My to máme, uplifting je už známý v komunitě přes naše kompetenční modely.

Pokud chceš, můžu text ještě více zestručnit nebo upravit styl.

Jasně, tady je opravená verze textu:

Když lidi mají přesně vědět, co mají umět, že máme transparentní platy, tak je vždycky musíme nějak benchmarkovat – za co je jaký plat. Teď se do těch kompetenčních modelů postupně dostávají ty AI maturity levely a začínáme s těmi lidmi v rozhovorech vlastně jako v posledních dnech říkat: „Hele, pokud to nebudeš používat do konce příštího roku, může to začít být problém.“ Protože co je na tom upliftingu, ale vůbec kariérně – kam se podíváš na trhu – na tom ve výsledku vyhrávají naši zákazníci. Ten trh nás tlačí k tomu, abychom byli efektivnější, protože firmy, které efektivní nebudou, a jednotlivci, kteří nebudou efektivní, to budou mít špatně. Takže kariérní rozhodnutí jsou to rozhodně.

Když se podívám na příměr, který Prokop používal, „špatný prompt je jako zadání od klienta“. Jakmile přijde zadání „chci aplikaci“, můžu ho dát i super full stack vývojářům a nevypadne z toho to, co chci. Takže něco, co já opakuju a co mě chat GPT konkrétně naučil, je lepší zadávání práce lidem – uvědomil jsem si, kolik mi v zadání chybí kontext. A zatímco u umělé inteligence vím, že nemá ten kontext, došlo mi, že moji kolegové, partneři a tak, taky často ten kontext nemají. Čím lepší zadání jim dám, tím lepší výsledek dostanu od lidí.

Jak se liší ten top, ten „100x“ inženýr před dvěma lety a dnes? Vždycky to byl jednorožec, všichni chtěli full stacka, aby tam nebyla komunikační bariéra mezi frontendem a backendem, takže se tvořily agilní týmy – to přišly první startupy, které chtěly sedět v jedné místnosti, a specializace na to byla vlastně proti.

Změnilo se něco, nebo ti, kteří byli skvělí, protože uměli komunikovat s klientem, chápat architekturu a nějakým způsobem „shapeovat lidi“, teď dostali super sílu? Myslím si, že vlastně ten stejný vektor, který nastavily startupy, vede ke vzniku „shaped people“ – spíše generalistů s více specializacemi a nějakou schopností naslouchat a chápat potřeby – nejenže specializace nejsou jen v IT, ale třeba i produktový přesah. Slyšel jsem o startupech, kde mají frontend design inženýry, kteří spojují schopnost dobře kreslit a dobře kódovat. Myslím, že tudy to nějak vede.

A taky bych chtěl říct, že to AI jen umocňuje. Myslím si, že rozdíl oproti dvěma letům je v nějakém novém mindsetu – že to není o prompt engineeringu, ale o context engineeringu, a o tom asi ví víc Prokop. Přirovnal bych vývojáře kdysi k lidem, co sedí ve sklepě s brýlemi a jen tisknou zadání, které jim přijde zrovna z nějakého patra. Dneska se vývojář opravdu dostal z toho tmavého sklepa skoro do první linie, až k zákazníkovi, protože musí chápat...

Pokud chceš, mohu pomoci s další úpravou nebo doplněním.

Tady je opravený text s úpravami pro lepší srozumitelnost, gramatiku a plynulost:

To je jeho zadání, aby věděl, co má udělat. Programování dneska – ať už je to Python, PHP, Java, Kotlin – je vlastně jen syntaxe. To ti udělá LLM, to ti udělá AI. Ale skutečně záleží na těch engineeringových principech a na tom, jak tu aplikaci postavit, nebo jak vůbec pochopit, co zákazník chce. Jak pochopit, že ta aplikace má být pro tisíc, deset tisíc uživatelů, a ne jen pro dva, co klikají. Škálování vůbec. To dneska hodně vidím, že se blíží k lidem.

Mohl bys říct něco o tom kontext engineeringu? To je strašně zajímavé téma, mně taky přijde velmi zajímavé. Jaký je rozdíl mezi prompt engineeringem a kontext engineeringem? Prompt engineering je to, jak postavíš ten prompt, jo? A kontext engineering je samozřejmě taky o kontextu v promptu, ale prompt je většinou text, řekněme jednu až dvě A4, něco, co si napíšeš. Kontext je výrazně složitější. Vráťa tady mluvil o tom, že dáme vývojářům všechny ty čudlíky. Ale to je mega kontext, obrovský.

Já si myslím, že není ideální dát jim všechny ty čudlíky, aby si to mohli zkoušet, ale dát jim opravdu omezený set čudlíků, které skutečně fungují, aby neklikali na ty, které jsou deaktivované (deactive-on). A to souvisí například s MCP servery – což je také kontext engineering. Dotáhnout si data, získat je. Dneska znám sedm, osm kvalitních MCP serverů, které opravdu pomůžou s deseti tisíci uživateli. A pak jsou servery, které jsou úplně na houby. Kontext engineering je tedy o tom, jak získat data ze systému a správně je do daného momentu dát agentovi v agentním flow. To potom pomáhá doručit výsledek, který potřebuješ.

Mluvil jsi o tom, že ti AI pomohla zadávat práci lépe tvým kolegům, tedy organickým inteligencím. A to je opravdu důležité si uvědomit. Když se lidi podívají na ChatGPT a napíšou něco, měli by si představit, že to říkají někému jinému, kdo to má vykonat. Jak to tedy zadáš někomu jinému, když chceš vytvořit aplikaci? Popíšeš to mnohem podrobněji – a přesně tak to musí být i u AI.

Myslím, že kontext engineering je vlastně o tom, jak pro daný úkol, který má AI vykonat, dostat do promptu či kontextu přesně ty informace, které potřebuji, a žádné navíc. Protože každá informace navíc, která nesouvisí s tím, co má AI vykonat, jenom snižuje její kognitivní schopnost a schopnost soustředit se na úkol.

A ta umění a magie dneska spočívá v tom, jaký máš tooling – třeba ten, který dělají DX Heroes – a jaký máš mindset kolem toho, jak efektivně dokážeš do kontextu dávat ty správné věci ve správný čas, aby AI udělala přesně to, co chceš, a nic jiného.

Když se podíváme na engineering, pojďme k něčemu konkrétnímu: jaká je velikost tasku? Zase nemůžeš tam naházet celou aplikaci najednou. Jedna z pouček je rozdělovat to na menší celky, což je i při zadávání úkolů lidem úplně...

Pokud chceš, mohu pokračovat nebo upravit ještě konkrétní části podle potřeby.

Opravený text:

To samé, takže nějak tak. Když dneska děláte nějaký prototyp, nějaký MVP, jaký je ten proces? To je super otázka a důležitý je říct, že co teďka řeknu, platí teď, ale za sedm měsíců to bude jinak. To je potřeba si uvědomit ještě než odpojím, protože to jde strašně rychle dopředu. Existuje něco, čemu se říká "métr benchmark", který měří, jak velký úkol, měřeno v minutách experta, ta AI s 80% spolehlivostí zvládne udělat.

V software engineeringu GPT-1, což je model starý rok, měl tento benchmark mezi dvěma minutami na nízké spolehlivosti (low confidence). A když se nastaví na vysoký threshold, bylo to devět minut. Takže jsi musel ty úkoly dělit na části. Když si představíš, že to dělá Pepík, senior inženýr, trvalo mu to devět minut na úkol.

Ale dneska, ani ne rok poté, co vyšla GPT-1, má GPT-5 benchmark mezi devíti minutami až hodinou a třiceti minutami. To znamená, že úkol můžeš rozdělit na kousky, které s asi 80% pravděpodobností zvládne za 30-40 minut, a to už je úplně jiná hra. A jak na to potom přemýšlíme? Samozřejmě to má nelineární rozložení napříč úkoly – některé úkoly zvládá výborně a doba zpracování je kratší, někde v řádu několika hodin. Čím je úkol komplexnější a více vyžaduje přemýšlení, tím je spíš blíž těm devíti minutám.

Dáš příklad? Když vidíš programátora, jak to píše ručně, tak se děsíš a říkáš si: "Ne, tohle je už vyřešené!" Třeba když někdo dělá OpenAPI specifikaci nebo píše datové formáty. Kdo kdy psal OpenAPI specifikaci, ví, že je to šílený YAML a fakt to nechceš psát ručně. Bohužel lidé byli donuceni to psát ručně, protože nebyly dobré klikací editory, nebo byly jiné než všude. Dneska ale řekneš AI: "Hele, tady máš user story, tady je datový model té entity nebo API okolo, jak to vypadá, a tady je ta user story, abys přidal tyhle tři pole, třeba datum expirace jídla a odkud pochází." AI to úplně napíše, vytvoří specifikaci a ty jenom řekneš "jo, asi dobrý." Fakt ručně psát tu specifikaci nebo dělat ty endpointy znovu? To je... No, AI to zvládne brrrm a vyrobí ti to.

A právěže tohle se děje, když je nízký kontext (low context). Když máš úplnou specifikaci, tak máš kodifikované zadání pro další krok, například vytvoření API endpointu. Pak řekneš: "Druhý krok, udělej API endpoint, nesnaž se dělat byznys logiku, to už bys tím zkomplikoval." A pak AI udělá API endpoint – protože je omezený kontext – a to zvládne během těch devíti minut. Pak jdeš dál a musíš dělat byznys logiku, třeba na datovou vrstvu, protože ta je taky relativně jednoduchá. Řekneš AI: "Vymysli, jak to má vypadat v databázi." AI to udělá brrrm a vygeneruje databázi. Pak se na to podíváš, máš API vrstvu, máš databázi a řekneš: "Tak jo."

Tady je opravený a upravený text:

Tak teď ještě jsou tady tyhle business pravidla, tyhle dvě vrstvy spojí business logiku a pak to celé naintegrují. To jsou teda dva prompty, jo? Nejprve udělají business logiku a potom to naintegrují. On udělá „brrr“ a „brrr“ a je to hotovo. A dobře, ještě napíšeš testy, řekneš: „Hele, testy nezapomeň na tohle, prosím tě." On to udělá „brrr“. Tak to je dnešní úroveň, jak dneska píšou naši AI oblíbení softwaroví inženýři. Trochu to zjednodušuju, ale furt je to jako task, který by ti zabral 4–5 hodin, a uděláš to jako v pěti promtech za 9 minut. Třeba za 15, ale prostě to je ta úroveň zrychlení. Ale platí „shit in, shit out“ – když nemáš dobrý zadání, dobře napsané user stories, nebo tam vybleješ všechno najednou, tak to takhle nevyjde. Super. No, jak to vnímáš ty, pro kopec? Kam se to posunulo? Co je dneska, když ti přijde zadání z firmy: „Chceme AI, tady je náš use case,“ tak jim řekneš „not there yet“, tedy „ještě ne“, hezky a určitě to tam bude, ale dneska na to asi nejsme. A gušku? Nebo naopak: „Jak to, že to už dávno neděláte?“ Jak říkal Vrátil, vlastně takovou rutinu AI zvládá – napsat kontroler, já úplně napíšu specifikaci. Nedávno jsem se setkal s firmou, která za námi přišla a říkala, že dostávají e-maily, které ručně opisují do tabulky. Hledáme tam čísla, pak to posíláme na kontrolu, aby nám řekli, jestli je to dobré nebo ne. To jsou desetitisíce obchodních záznamů ročně. Dělat to ručně je rutina. A proč? Protože to není automatizované. Rutinu AI zvládá velmi dobře. Typicky to, co už je na hranici, je opravdu složitá business logika. Případně event-driven architektura a podobné složité technologické věci. Hlavně jednoduchou automatizaci si dneska naklikáš v N8N nebo podobných nástrojích. Softwarové agentury pak řeší složité interní systémy nebo digitální produkty. Ale takové to „zautomatizuj mi ten e-mail“? To lidem rovnou říkáme: „Hele, už jste slyšeli o Makeu nebo o N8N? Mrkněte na to, je to skvělý.“ A přitom to už jede dlouho, že jo?

Automatizace taky celkem způsobuje, že se nůžky rozevírají ještě víc. Ti lidé, kteří tuší, nebo si troufnou prozkoumávat, co technologie dneska umí, i když neumí programovat, co si sami můžou vytvořit, mají velkou výhodu oproti lidem, kteří hned běží za expertem, když je to mimo jejich komfortní zónu. Tyto rozevírající se nůžky s tím souhlasím. Vidím to i třeba ve velkých firmách. Typicky vývojář přijde a manažer mu řekne: „Tady jsem si udělal v Labiblu nějaký prototyp nebo cokoliv, můžeš mi to tady naimplementovat? Zítra to může jít do produkce.“ Vývojář se na něj kouká, že se asi zbláznil, protože tam je spousta chyb, není to dodělané, není to dotažené a tak dále. A to jsou přesně ty nůžky mezi tím, kdo tomu nerozumí, a kdo tomu rozumí…

Pokud chcete, můžu text dále zestručnit, rozdělit do odstavců nebo přepsat do formálnější podoby.

Jasně, tady je opravený text s lepší gramatikou a srozumitelností:

Mi dobře rozumí. No a zase budu hrát dělavou doktorku. Myslím si, že už je to tady. Na druhou stranu se o tom bavíme dva a půl roku a sami jste říkali, že až loni, přestože jsme celý ty tři roky mluvili o tom, že programátoři ztratí práci, grafici a další, tak až loni byla ta maturita té technologie taková, že to udělalo víc signálu než šumu. Jo, rozhodně. Já myslím, že teď je hlavně problém ten „last mile“ problém v IT. Potřebuješ něco, co je zapojené do tvého workflow, co umí dobře zachytit tvůj kontext. Chudáci vývojáři, co píšou iOS, do dneška nemají v Xcode něco použitelného, takže musejí přepínat mezi dvěma IDE, aby mohli používat AI, což je úplně absurdní. A to je stojí určitě mnohem víc času, než že mají třeba o půl generace horší model, než co je zrovna někde jinde.

Takže ta uživatelská zkušenost – kde už je vyřešená a kde ještě pořád dře? Já myslím, že bychom měli koukat na věci jako kurzor, měli bychom koukat na GitHub a GitHub Copilot, protože to je dneska cutting edge z pohledu právě toho context engineeringu – jak dobře dokážu nakrmit AI a jednoduše, bez nějakých velkých svolení od manažerů a ostatních lidí v mé organizaci, rychle naplnit AI tím kontextem, co zrovna potřebuji. A to je podle mě dneska klíčové. A to jsou za mě jako lídři – uvidíme, kam to půjde dál. Začít zkoušet, začít používat vůbec nějaké nástroje v dnešní době. Ať si klidně počkají, až se nástroje posunou, ale základní problém je, že lidi s tím na začátku stejně neumí pracovat, musí tomu přijít na kloub. Tak kdo skočí na dno jako první, začíná to poznávat.

A já teda nečekal. Myslím si, že každý měsíc, co lidi ty nástroje nepoužívají, se dostávají minimálně kariérně pozadu vůči těm, kteří už je dnes zkoušejí. A pojďme si to říct na férovku – mluvit s umělou inteligencí a zadávat jí práci je skill jako každý jiný. A každá hodina, kterou věnuju tomu, že se to učím a přeformulovávám problémy tak, aby byly jednoznačné, jednoduše pochopitelné, abych tam dostal ten kontext, je hodina, kdy získávám tenhle skill. A ten bude jenom čím dál tím důležitější.

No jasně, jak už jsme říkali na začátku – změna mindsetu a vlastního kontextu, jak se ty věci dají dělat. Já si celkem myslím, že v AI je dnes největší problém ten „last mile“ problém. Jak zintegrovat systémy v poslední fázi – například mám IDE, mám mailového klienta, teď chci rychle, aby mi jazykový model přečetl e-maily a třeba je sfiltrval. Když jste si někdy ten úkol zkusili, není to triviální udělat tak, aby to fungovalo dobře. A takových úkolů, co bys chtěl v automatizaci každodenního života udělat, je spousta a všichni trpí tím problémem, že model a umělou inteligenci máš někde, data jinde a dát to dohromady je pořád složité.

No, říkal jsi kaž...

Pokud chceš, můžu pokračovat i s další částí nebo nějak text ještě víc upravit.

Jasně, tady je opravený text:

Když ten měsíc nehrajíš, tak o něj přicházíš a ty nožky se rozevírají. Teď a tady je nejlepší čas. Jak to vidíš s entry levelem juniorů? Je to pro ně požehnání, protože najednou dostali v jednom apíku veškerý kontext internetu a programovací schopnosti. Ale je to pro ně taky průšvih, protože práce, která na ně padala – kódování, ne programování nebo engineering, ale prostě kódování – najednou zmizela, kód přestává mít hodnotu.

Co bys dneska dělal, kdybys byl juniorem? Jak vlastně „hajrujete“ juniory? Hajrujete je v upliftingu? Jo. Toto bude asi takový můj hot take. Myslím si, že pro juniory je to požehnání i strašná výzva zároveň. Víš, co je horší než navajbkoděná aplikace? Kód, který vyrobí junior skrze AI. Problém je, že dneska umělá inteligence není tvůj parťák. Je to spíš dobrý bugger – místo aby sis to kopal ručně, pojedeš buggerem. Ale když nevíš, jak se kopá ručně a jak má vypadat to, co děláš, tak bugger to jenom rozbagruje.

Takže tady je velký problém. Máme zásadu v upliftingu, že pokud používáš umělou inteligenci, musíš hluboce chápat její výstup a musíš být zodpovědný za každý řádek kódu, co vyrobí. Ale pokud jsi opravdu junior, po půl roce nebo roce v IT nemůžeš tomu, co AI vyrábí, plně rozumět. Když na tebe hodili práci za celý tým a ty máš odevzdat celý výstup... pak se juniory tváří, ať už vědomě nebo nevědomě, že vyrobili nějakou hustou věc. Ale když začneš zkoumat, jestli tomu ten člověk opravdu rozumí, často zjistíš, že tomu nerozumí do hloubky a kód tam jen tak je.

To je velká výzva. Myslím, že si to firmy začínají uvědomovat, že se tohle děje. To pak vede k chybám, bezpečnostním dírám a spoustě negativních efektů. A myslím, že je výzva, jak se v dnešní době, kdy relativně nikoho na trhu nechce platit, a to nejen v IT, ale i jinde, mají kluci a holky naučit.

Na to mám taky hot take. Další výzvou, nebo spíš tím, co může juniorům pomoct, je, že AI je zároveň skvělý nástroj pro učení. Na co bys musel platit kurzy, když si sedneš před AI a řekneš například: „Hele, vysvětli mi React hooky do detailu, jak to v tom Reactu funguje,“ nebo „Jak funguje inner join v SQL?“ A AI tě pak docela dobře provede problematikou.

Ale důležité je nespoléhat na to, že AI ti vyplivne kód a ty tomu nerozumíš a jsi s tím v pohodě. Musíš tomu opravdu hluboce rozumět. AI totiž nejsou alignované s lidskými potřebami a tím, co lidi chtějí. Jsou nějak natrénované a něco dělají, ale do budoucna budou lidi hlavně validovat výstupy AI, budou dělat code review, inspekce kvality – ti, co to vymýšlejí, zadají, a pak si to přeberou a ověří.

Jak jsi říkal, AI tě možná naučí, ale ty musíš vědět, co se máš naučit a jak tomu rozumět.

Pokud chceš, můžu ti s textem ještě více pomoci, například zkrátit ho nebo přizpůsobit styl.

Opravený text:

Potřebuješ vědět, co je třeba, abys mohl být dobrý inspektor kvality. Jo, ale vědět, kde je ta laťka, je podle mě základ. O tom je napsáno relativně dost materiálů, ať už na YouTube nebo jinde. To, co pak přijde, je to, že strávíš hodiny učením se často neefektivní formou. Zaboucí AI se ale dokáže učit takovým způsobem, který je podle mě jeden z nejefektivnějších. Prostě se můžeš ptát, mít blbé otázky, chytré otázky, říct třeba: „Hele, teď na mě rapuj tu odpověď, protože rap zvládám líp.“ Trochu přeháním, jo, ale vlastně si to můžeš hodně přizpůsobit, jak ti to do tebe přijde, Elie.

Na druhou stranu, když jsi použil vibe coding, líbí se mi ten přístup, že potřebuješ mít cit pro to, že to musíš mít naposlouchané, mít nějaký interní kompas, který ti řekne: „Hele, to zní dobře, ale tady mi něco nesedí.“

Kód nerozumím, rozumím textům – to uvidím hlavně u copywriterských jobů. Když to projedu očima, zní to hrozně dobře, říkám si: „Jo, to je dobrý,“ ale když se zastavím a trochu se do toho ponořím, zní to prostě jinak, tam je něco špatně. A to jsou ty bad vibes a good vibes. Jak se mám jako začátečník naučit rozlišovat právě tohle? Protože se to učíš tak, že to třicetkrát uděláš špatně, a díky tomu si to pamatuješ. Když ti poprvé spadne databáze, začneš si dávat pozor na joiny.

A teď můj názor. Myslím, že z IT se stane něco jako právnictví nebo medicína. Aby ti někdo dal do ruky skalpel a dovolil ti operovat na živém člověku, musíš mít atestaci. Stejně tak budeš muset mít atestaci nebo tu práci hodně dlouho studovat a dělat. Vrátíme se zpátky do doby, kdy jsi musel vystudovat vysokou školu nebo to nějak dlouho studovat, dělat to za málo peněz, než ti dali čepičku a řekli: „Hele kámo, teď už můžeš používat ten AI skalpel a jít řezat do živého.“ Protože musíš vědět, že když přeřízneš aortu, tak je to vážný problém. Nemůžeš na to kouknout a říct: „Jako vibe notes, krev tolik nestříká, asi to půjde.“ V konečném důsledku musíš ten kód přečíst a rozumět mu do poslední řádky.

AI nemá tvůj nejlepší umysl. Nedá se to nahradit tvým nejlepším umyslem, prostě to tak není. A věř mi, tohle je spíš utopická myšlenka, že se to takhle někdy stane. Ne, lidé prostě budou dělat věci a budou je dělat blbě.

Teď navíc vzniká úplně nový průmysl – agentury jako my, které opravují chyby po lidech, co jenom „vibují“. Co to bude mít za následky? Takhle bych to viděl.

Dnes už jsou třeba úniky desítek tisíc údajů na internet, což znamenalo velký průšvih, zvlášť když to byla nějaká zranitelná skupina. Ale někdo tam měl dobrý vibe a chyby kontroloval. To ale nepřišlo s AI – bezpečnostní díry tu byly vždycky. Jasně, to není novinka, ale laťka vstupu pro nekompetentní lidi je teď tisíckrát nižší.

Níže je opravený text s úpravami pro lepší srozumitelnost, gramatiku a stylistiku:

Dneska je to nízký, protože práce, kterou musíš udělat, aby ses dostal k spuštění aplikace, která je špatně udělaná a nedostatečně zabezpečená, je prostě hodně jednoduchá. Ale i pro kompetentní lidi, kteří nejsou dostatečně opatrní a pořádně si aplikaci nekontrolují, je to vlastně jedno. Jenom AI ti dává možnost vytvořit něco, čemu nerozumíš, nebo být prostě líný. A když si to neskontroluješ, dopadne to potom takhle.

Jak se tedy mění váš přístup k vývoji nebo tvůj, Vráťo, přístup k vývoji aplikací? Předpokládám, že škálovat lidi dalších 10 let a mít přes 200 lidí už není reálné. Už to nejde škálovat?

Myslím, že když chceš dělat velké věci, musíš mít nějakou škálu. A vzhledem k setrvačnosti našich klientů, ale i celé lidské civilizace, to chvíli potrvá, než ten posun přijde. Neříkám desítky let, spíš tři až pět let – to je horizont, na který teď plánujeme.

Abychom jako agentura přežili, musíme mít evoluční větev, kdy postupně vzděláváme naše lidi, aby používali AI. Potom ale musíme mít i revoluční větev – jak stavět nové projekty úplně jinak, mnohem efektivněji, a jak rozjíždět týmy, které budou pracovat třeba čtrnáctkrát nebo pětkrát rychleji. Nevíme přesně, kde dneska ta hranice je, ale věříme, že během roku tam někde ty výsledky budou.

Kdybych byl novým founderem a zakládal novou agenturu, založil bych ji pravděpodobně na úplně jiných principech než klasické agentury dnes. Už se to dá dělat jinak – pravděpodobně s mnohem menším počtem lidí, s mnohem nižšími náklady... AI vede k demokratizaci a otevírá příležitosti menším skupinám a týmům. To, na co jsi dřív potřeboval 50 lidí, dnes uděláš ve 10, a co jsi dřív zvládl ve 10, dnes zvládneš sám.

Pokud jsi šikovný, chytrý a chceš se učit, jsi dnes nejsvobodnější, jak jsi kdy mohl být. Nepotřebuješ tolik externího kapitálu a přesto toho můžeš hodně vytvořit. Myslím, že začne ekonomicky dávat smysl vrátit se ke guildám nebo malým skupinám lidí, třeba pěti až šesti osobám...

Existují lidé, kteří dělají práci s mnohem větším výtlakem, a jak myslím, brzo to zase začne dávat smysl. Vidíš to na soloprenerech – lidech, kteří nikdy nechtěli získat velký kapitál ani zakládat firmy s obratem stovek milionů ročně. Dělají všechno sami: zákaznickou podporu mají automatizovanou, fakturaci mají automatizovanou, bug fixing taky do určité míry... Pracují třeba jen tři hodiny denně, kouknou na reporty, jestli vše běží, a pak další dvě hodiny vyvíjejí nové funkce, které pak nasadí do produkce, a pak jdou surfovat. To mi přijde lepší než dělat agenturu nebo mít pět lidí, které musíš pořád řešit.

Ale samozřejmě, každá cesta má svoje problémy...

Pokud chceš, mohu text ještě více zformátovat nebo upravit dle tvých preferencí.

Jasně, tady je upravený text s lepší gramatikou a stylistikou:

No, má své, a já si myslím, že důležité je tohle: já si prostě myslím, že v určité chvíli uplifting a další agentury začnou cítit evoluční a kapitalistický tlak od těch nových agentur, které budou postavené úplně jinak. Já si neumím úplně představit svět, kdy se tohle nestane. Otázka je jenom kdy.

To už vidím dneska. Firmy už dnes přemýšlejí nad tím, co budou dělat s umělou inteligencí. Namísto aby... Firmy nechtějí vyhazovat lidi kvůli AI kvůli úsporám, to typicky ne. Ale když někdo z firmy odejde, prvním, co řeší, je, jak nahradit toho člověka pomocí umělé inteligence. Do jaké míry vlastně potřebujeme toho člověka, nebo jestli to zvládne AI. A typicky to zvládne AI.

No tak, OK, když jdete do těch enterprise klientů, kteří jsou pomalejší, ale na druhou stranu drží peníze – to je ten mass market – věštění do křišťálové koule, jak se změní IT oddělení těch firem, které mají 100 a více inženýrů. Předpokládám, že role zůstanou víceméně stejné, ale že jim už přinesou nějaké kopiloty a podobně, že to bude normální součást práce.

Jak se budou ty nástroje prosazovat a jak se bude downsizovat počet lidí? To je zajímavá věc. Máme v IT historii nějaké paralely, co se děje teď. Například když se psalo v assembleru, vždy specificky na každý procesor zvlášť, pak přišly jazyky, které to celé zjednodušovaly – objektové nebo procedurální jazyky nad tím. A všichni měli pocit ohledně jistoty práce, že teď bude třeba potřeba méně programátorů, protože je to desetkrát jednodušší psát.

Ale to tak nebylo. Ukázalo se, že čím je software levnější a jednodušší na napsání, tím je ho celkově víc. Otázka je, že to byl relativně lineární skok – trošku exponenciální, ale o jeden řád. Tady se ale bavíme o tom, že teoreticky za pět, šest let bude ten skok o několik řádů.

Ekonomové by řekli, že software bude levnější, takže půjde o větší množství softwaru, což lidstvo ocení a bude to skvělé. Já si ale nejsem jistý, jestli je kapacita pro software opravdu o tolik řádů větší. Nicméně já si myslím, že ano.

Když se podíváš, kolik peněz, energie a fokusu jde do digitalizace, a kde teď jsme – kolik věcí pořád ještě děláme tužkou a papírem ve fyzickém světě, a přitom už z IT a technologií víme, že by to šlo automatizovat, jenže je to zatím moc malý use case a příliš drahý – právě proto mě na tom baví, že tohle najednou otevřelo spoustu use caseů, které například z mého specifického mailu dřív dávalo velmi draze, vyžadovalo to experta, a teď to zvládnu sám.

Je to single-purpose aplikace a tam vidím obrovský potenciál. Myslím si, že se teď vyplatí dělat i mikro aplikace nebo věci pro osobní použití, kde často dokonce stačí neřešit tolik kódování a provoz, protože pokud tam vznikne nějaká chyba, škoda je relativně malá.

Takže všichni tyhle nástroje dávají mega smysl, a já si spíš myslím, že se lidi budou víc posouvat do konzultantských rolí.

Pokud chceš, mohu text ještě více upravit pro konkrétní formální nebo neformální styl.

Tady je opravený text:

Že prostě ty nebudeš mít klasické IT specialisty, fakt ty backendáky a frontendáky, budeš mít jako konzultanty human compassion and understanding, kteří soucítí s tím byznysákem, pochopí, co chce, a jsou překladateli do AI. A pokud ten byznys si užívá tu AI, tak to potom AI prověří. Takže to je něco specifického – jdou za tím jedním, ne za pěti, za tím jedním senior Java vývojářem a řeknou: „Hele, Franto, tohle je docela kritická byznys logika, nemohl by ses na ten kód podívat? Já mu sice rozumím, ale ne úplně do hloubky, můžeš to po mně zkontrolovat?“ A takhle si myslím, že to v jednu chvíli bude.

Já to přirovnávám k právníkům. Tvůj advokát není jen někdo, kdo má načtené paragrafy, ale je někdo zkušený, kdo chápe tvůj byznys, je schopný vzít na sebe právní riziko, říct: „Tohle je úplně safe. Tady v tomhle případě to je trochu rizikové, když se změní evropská legislativa za dva roky, budeme to muset předělat, ale zatím je to v pořádku.“ A je tvůj konzultant, byznysový partner na vztahy ke státu a k ostatním dodavatelům třeba.

Dokud se nevyřeší alignment AI – to znamená, aby ta AI opravdu dělala to, co chceme, v co největším množství případů – lidi budou hlavně takoví mluvčí z AI za IT, kteří budou dávat „štempl“ na výstupy a garantovat zbytku organizace, že to dobře přeložili do AI a že to od ní správně převzali. Myslím si, že ti seniori postupně budou právě v roli validátorů a zadávačů úkolů pro AI. Že ty úkoly zadají do AI, pochopí, co zákazník chce, přeberou si výstup, zkontrolují ho, že je v pořádku, a dají na to „štempl“.

A dál už nebudou programovat, ale metaprogramovat, budou stavět továrny na software pro danou organizaci. To si myslím, že bude velký úkol seniorů – postavit tzv. výrobní linku, aby ty továrny byly optimální a aby proces výroby softwaru byl optimální pro danou organizaci a pro konkrétní use case.

To si myslím, že vidíme teď, že to je vlastně to, co DX Heroes dělá. Protože továrny teď v době kamene AI pořád jsou na začátku, tak skrze DX Heroes společně stavíme ty továrny pro velké organizace, aby software v těch organizacích vyráběli efektivně. A to v každé organizaci znamená něco jiného, protože jde o kontext – dostatek správných informací do AI ve správný čas se správnými pravidly.

No, vrátíme se k Prokopovi. Jak se to podle tebe propíše do velkých organizací? Trochu jsme se od toho odchýlili. Mám pocit, proč se ptám: Poslední tři roky slyším, že všechno se změní, všechno bude jinak, ale když dnes vyjdu ven, tak kromě názvů meetupů a nástrojů osobní produktivity a u enterprise, tedy u větších zákazníků, agentních systémů, vidím tam evoluci, nikde nevidím revoluci. Myslíš, že ta revoluce přijde do dvou let i do mass marketu? Nebo jak to vidíš?

Pokud chceš, mohu pomoct s další úpravou, případně dořešit poslední otázku.

Tady je opravený text s lepší srozumitelností a pravopisnou korekcí:

Jak bude vypadat IT oddělení za dva roky? Co dneska vidím, je, že se role postupně slučují do jednoho celku. Typicky, pokud v rámci IT máš role, které rozumí umělé inteligenci a AI za ně vykonává část práce, tak se to bude nazývat třeba AI inženýr, který bude hlavně kontrolovat výstupy, jež generuje umělá inteligence. Jak říkal Vráťa, je to hodně související – budou dohlížet na to, aby výstupy byly správné.

A jak budou tito lidé odměňováni, když kolem sebe budou stavět „fabriky“? Budou platit za hodiny, které stráví, nebo za výsledky, tedy například za „koberce“, které z té fabriky vyjedou? Nebo jak to bude? Myslím, že se musíme začít bavit jako lidstvo, a v IT obzvlášť, o tom, zda mají být lidé placeni podle odpracovaných hodin, odvedené práce, výsledků, nebo efektivity.

My v IT neumíme efektivitu dobře měřit, a to je samozřejmě jeden z problémů, ale postupem času to bude čím dál absurdnější. Člověk za hodinu, pokud bude mít dobré vstupy, bude schopen vytvořit výstup, na který by jinému trvalo třeba týden pracovat „starými“ metodami – jako psát tužkou na papír, přes klávesnici a podobně. Takové rozdíly už budou natolik extrémní, že jako společnost budeme muset tuto debatu otevřít.

Teď si každý možná říká, že je to šílené, ale vezměme v úvahu, že složitost úkolů, které AI zvládá, se zdvojnásobuje přibližně každých sedm měsíců. Pokud tento trend vydrží – a zatím nevidíme žádné fyzické či jiné limity, které by tomu bránily – tak kolem roku 2029 či 2030 budeme mít efektivitu, kdy bude stačit jeden člověk a jeden „prompt“ na měsíc práce.

Nyní si to představme finančně. Aby to ale fungovalo, musí být dobře postavená „továrna“ – že co do ní zadáš (prompt), z fabriky vyjde něco použitelnýho. Za tento kus práce se bude platit, stoprocentně. Ale budou to zavedené fabriky, nebudeme platit za každou hodinu, ale za výsledný produkt – jako když nekupuji koberec podle času, který někdo strávil jeho výrobou, ale přímo ten koberec.

Ty ale kupuješ professional services, ne? Kupuješ hodiny lidí pořád. Ano, ale možná, že pak si přestanu kupovat professional services, nebudu platit za hodiny, ale za výsledky… Když to řeknu jinak, platím svým zaměstnancům nebo kolegům ve firmě také většinou od hodin, možná tam mám nějaké success fee, ale baseline je práce na hodiny. Můžeš mít svou volnou chvíli, můžeš odpočívat, ale ve výsledku se vracíme k tomu, že pokud máš jasnou metriku, můžeš to napříč organizovat. Pokud ji nemáš, je to komplikované.

Ale když jsi agentura, stále prodáváš hodiny. V roce 2025 – jaké procento máte time and material a jaké jiné modely? Většinu projektů děláme na time and material. Je to standardní model napříč světem. Dneska buď děláš agilní vývoj, což vede v konečném důsledku k největší úspěšnosti projektů...

Pokud chceš, mohu text ještě více zpřehlednit či výrazněji přeformulovat.

Projektů ve smyslu splnění byznys cílů, tak jako se dnes dělá time and material. Vrátíme se k waterfallu. Akorát bude hrozně krátký, bude jenom takový… Tak možná se software cycle sníží třeba na týden, že v pondělí přijde zákazník se zadáním a v pátek vyjede vyleštěná, nadeplnovaná aplikace. Je to klidně možné. Zkrátí se sprinty na jeden den. No, hele, my děláme design sprinty s klienty, což je taková metodika, jako rychle vyřešit nápad, ale rychle znamená pořád týden práce. Říkám si, vlastně už zkoušíme AI design days, kdy tu metodiku udělám a uděláš to za den, za dva, ale nebude to lidsky nakreslené, bude to vyexportované právě třeba v tom labelu. To jo, akorát tam zase ten design sprint slouží k nabrání kontextu, ne? Ty to vlastně neděláš u sebe, ty to děláš u klienta. Jasně, má to spoustu jiných věcí, ale stejně tak, když je klient… Co tam ty "aha" momenty? Jo, jo, jo. Ale můžeš mít relativně dost aha momentů i za den u klienta a s ním, když to děláš. A spoustu klientů má strašně byznysově tu představu, že vyklidit kalendář na pět dní je téměř nereálné, jo. Ale už jsme s tím viděli přijít některé konzultanty. No. Zajímavé.

Co s tím placením teda? Jak si myslíš, že bude biznis model dál pro IT agentury? Nebo i pro jednotlivce? No, jen se zvýší output, ceny zůstanou stejné a prostě chceme rychlejší výstupy? Zatím je AI velkou výhrou pro naše zákazníky, protože my momentálně nemáme žádné value capture jako agentura. Prodáváme hodiny, takže prodáváme teď efektivnější hodiny. Proč prodáváme efektivnější hodiny? Protože kdybychom je neprodávali efektivnější, tak nás vytlačí z trhu někdo jiný, kdo využije AI. Myslím si, že jednou se to dostane do bodu, kdy hodiny přestanou být relevantní měřítko – naše hodiny budou třeba o tolik efektivnější než konkurence, že bude absurdní to na hodiny stále měřit. Nepřestane to být dobrá metrika, protože nebude rozdíl třeba jen 30 % v efektivitě, ale třeba mnohonásobný. Pak se musíme bavit o tom, co s tím.

Myslím si, že možnosti by mohly být například nějaký subscription model, jako mají retainer fees některé agentury – prostě retainer fee, které říká, kolik výstupu dostaneš za určitou cenu, a je na agentuře, aby ten výstup odváděla dobře a kvalitně. A co je vlastně výstup, jak ho definovat? To je teď ta otázka. Jak definovat výstup v softwaru? Myslím si, že je to o nějakých cyklech v tom softwaru, například o počtu dodaných user stories za… User stories, jo. Nějaká velikost…

A zase, jak jdeš do toho, je to hloupé, ale jak říkám, proto se o tom bavíme – dneska není dobrý způsob, jak to měřit, ani jak to správně dělat. Protože v momentě, kdy začneš optimalizovat třeba počet dodaných user stories, tak vývojáři začnou tlačit na to, aby user stories byly…

Jasně, tady je opravený text s lepší srozumitelností a gramatikou:

Aby se jich dodalo víc – jo, to je ono. Když to znáš, začneš měřit systém a on se ti podle toho začne chovat. Skvělý efekt. Takže tím nechci říct, že je to nevyřešený problém, subscription by mohl fungovat a mohl by fungovat i nějaký částečně equity-based funding. Tedy že by se to vrátilo zpátky a pro startupy by se zase začal vyvíjet model, který je částečně retainer plus equity. Třeba ten retainer je takový, aby to bylo bezpečné pro softwareovku, a equity je tam, kde vyděláš ten profit.

Díky tomu, že bys mohl mít menší týmy, třeba i jednotlivce, bys vlastně dělal interní VC, víš? Najednou bys mohl mít ve dvaceti, třiceti lidech dvacet, třicet startupů, což už je zajímavé jako portfolio. To už je pak o vybalancování rizika. Samozřejmě bys ale musel být zase v tom byznysu toho VC, což spousta softwareových firem neumí. A pak je otázka, jak vybrat foundera, který nejenže má nápad, ale který chce někdo opravdu využít, a umí to vybudovat. To už je ale hodně specifická oblast, která není úplně naše.

Ale ty si myslíš, že model s retainerem a equity je vlastně jediný možný funkční model, který tě teď napadá?

Ne, já si myslím, že i subscription by mohl fungovat. Fungovat bude i jako hodinovka, možná bude muset být vyšší, aby se vyvážila kvalita. Ale zatím to vypadá jako race to the bottom – všechny páky mají klienti a my moc ne, protože standardní model je time and material. Těch hodin je relativně hodně, takže to může jít dolů.

Myslím, že problém je v tom, že jsme transparentní a „hodní“. Teď se to ždíme – ceny zůstávají stejné, delivery je stejný, ale děláme to za polovinu času a zvýšili jsme ziskovost. Některé firmy se k tomu asi postaví tak, že to udělají za méně času, interně lidem vyplatí méně, ale na fakturu dají stále tu osmičku na konci. My v Upliftingu jsme transparentní, jak vůči klientům, tak vůči našim lidem. To je na škodu.

Takže my takhle udělat nemůžeme. Proto bychom přišli na ten subscription model nebo něco transparentního, kde už by to nebylo o čase lidí. Když postavíme dobrou továrnu pro váš příklad, čas není důležitý. Čas už prostě není podstatný.

Zkoušíte nějaký subscription model? Máte v tom nějaké úspěchy?

Máme teď první úspěch. Pracovali jsme na aplikaci Triby, která slouží k tomu, aby se lidé potkávali a našli si kamarády na aktivity, co mají rádi. Například když chodíš lézt a hledáš kámoše na lezení, můžeš si stáhnout tu appku a najít tam lidi, co taky lezejí. Lze se spriatelit, domluvit na rande nebo třeba společné lezení... Nevím přesně, jak tyhle věci fungují, ale ...

Pokud chceš, mohu ještě pomoct s rozšířením textu, přepisem dalších částí nebo úpravou stylu.

Opravený text:

Pointa je... Ono je to pro lesby. Pointa je prostě ta, že to má docela trakci mezi uživateli, ale potřebuje rychle udělat celé back office a otevřít to B2B klientům. Tyjo, než to navrhneš a uděláš, tak to může být ještě v té kvalitě s platbama, se vším onboardingem, no, to můžeš vyrábět třeba tři měsíce, a my jsme to vystřelili za měsíc, že jo. V týmu bys normálně potřeboval dva, tři lidi, a my jsme to udělali v jednom člověku. Měli jsme tam teda ještě Scrum Mastera, protože mi nikdo ve firmě nevěřil, že to půjde, tak mi tam dali Scrum Mastera, aby dohlížel na to, co bude fungovat, ale samozřejmě on taky hodně pomohl. Ale v konečném důsledku to byly jedna, dva lidi, co udělali něco, co by normálně dělal tým tří lidí v klasickém vývoji. To je prostě jiný, no. Připomínáš si někde, kdo to říkal? Nespomenu si. Ale říkal, že se změní poměr engineers versus product managers. Že teď bylo engineering dominantní, to znamená, že jeden product manager měl na starosti šest, osm, deset engineerů, nějak tenhle počet, a že se to změní na přibližně jeden ku jedné. Že právě product manager propojuje ty oblasti — nemluvím o konkrétních lidech s titulem product manager, ale o té roli v organizaci — takžechápe technické zadání i uživatelské, biznisové zadání, a zároveň má pod sebou vývojovou kapacitu. To mi přišlo dost zajímavé, že produktový manažer najednou…

Dobrá kariérní linie. Budu muset víc pochopit byznys zákazníka a problém, který řeší uživatelům. Ukazuje se to i u juniorů. Ty platíš teď, když vidíš srovnání s AI, že ta daň za to, že je problém rozdělený na víc mostků, je strašně vysoká. Ekonomicky vyjde líp mít jeden mozek, který to dělá s pomocí AI, třeba s menší hloubkou znalostí domén, než mít tři lidi rozdělené na tři mostky, které musíš synchronizovat, koordinovat a všem dodávat stejný kontext. Ta komunikační daň je strašná. To je přesně jako full stack vývojář versus jeden backendák a jeden frontendák. A ještě nemůžu opomenout téma placení, protože… Kolik stojí váš AI inženýr na subscription? Čtvrt milionu dneska. Čtvrt milionu? Ano. Dobře, ale změníš vlastně model pro zákazníky, kteří si tě kupují, a přemýšlíš, jak změníš model pro lidi, kteří pro tebe pracují? Jak budeš platit ty lidi, co za jeden měsíc odvedou práci za šest? Super hot take. Myslím, že i v agenturní práci se přestane platit od hodiny a začne se platit fixem. A možná tam budou i velké success fee – třeba když dobře postavíš továrnu a přidáš 30 % navíc, protože už to vlastně začne být jedno. Já představu…

Jasně, tady je opravená verze textu, aby byla srozumitelnější a jazykově správná:

Víš, ty jako AI inženýr, to je fakt podobné jako s právníky. Oni obsluhují nějaké své portfolio klientů, protože většinou platí od hodiny. Ale pointa je, že prostě obsluhuješ nějaké portfolio těch lidí nebo svých startupů, a dokud jsou klienti spokojení a rychlost práce je dobrá podle určitých parametrů, tak si myslím, že všem bude jedno, jestli pracuješ hodinu, čtyři nebo osm hodin. Protože jednoduše naplňuješ očekávání všech stakeholderů. Pak dává smysl, aby pro tebe v rámci agentury pracovali.

To je ten agenturní byznys, ve kterém se ukazuje, že šikovní lidé, pokud mají na to osobnost, mohou jít pracovat sami na sebe. Osobně si nemyslím, že je na tom něco špatného, jen teď je bariéra – umět získávat byznys, filtrovat klienty a zvládat práci. To totiž nese spoustu rizik i na straně byznysu. Spousta lidí bude skvělých, ale zároveň budou chtít mít nějaké zázemí a stabilitu. Možná se to více změní směrem k guildám nebo nějakým komunitám.

Samozřejmě je dobrá otázka, proč by si klient neměl AI inženýry vzít rovnou k sobě. Často startupisté, zejména ti, kteří nejsou technicky zaměření, ani nepoznají, koho si mají sehnat. Takže tam zatím existuje otázka, proč by jim takový model na sebe fungoval docela dobře.

Dobře, takže jsi zkusil mít subscription AI inženýra pro nějakého zákazníka. Plánuješ dělat nějaký pilotní projekt ohodnocování lidí interně nějak podobným způsobem? Myslím, že to musí vždycky vycházet z poptávky. Pokud bude dostatečná poptávka po vývoji na bázi subscription, může to fungovat, ale úplně všude to nejde – velké korporace by to třeba neakceptovaly. Pokud budeme mít dostatek úspěšných příběhů a vývoj bude kvalitní, myslím, že se postupně větší část trhu přesvědčí k tomuto modelu, protože to bude přirozené.

Jak jsem říkal, když máš jednotné hodnocení ve všech částech byznysu, je to jednoduché, protože vidíš svoji ziskovost. Problém nastává, když platíš za hodiny a zároveň máš nějaké bonusy za úspěch, to byl problém třeba u ekvitních smluv – pořád jsi platil hodiny jako fixní náklad, což bylo složité. Když ale platíš nejjednodušeji za úspěch, a můžeš toto riziko předat i svému člověku, je to snadnější model.

Na druhou stranu, dokud lidé platí za čas, je jednodušší udržet kontrolu, protože tam téměř není riziko. Ale jde o to správně nastavit rovnováhu, což je matematika. Když se ty dvě věci – čas a úspěch – propojí, jdeš do rizika, že ti něco nevýjde. Ale někdo musí být pionýr.

Trh nás k tomu jednou donutí, protože současný model není udržitelný. Nemá smysl čekat na trh. A teď to chci vrátit k Prokopovi a k realitě, protože to je zase ta startupová realita.

Pokud chceš, můžu pomoct i s další úpravou textu nebo jeho zestručněním.

Tady je opravený text:

Svět, Silicon Valley, je krásný, tady jsou AI inženýři a tak, ale jak říkám, pro mě, kdybych šel do fakt velké finanční instituce, vybral si svoji oblíbenou a šel tam do IT oddělení, tak můj odhad je asi takový, že polovina lidí by zkusila nějaký AI nástroj, 10–20 % by ho používala nepravidelně, třeba jednou denně, a 5 % by ho využívala opravdu denně a zvýšila si tak svoji produktivitu. Stále je to ale pořád zapouzdřené. My tady mluvíme o krásné AI budoucnosti a o tom, jak se všechno zrychluje, ale on-premise řešení tam pořád jsou, pořád existují „koboly“. Vracíme se zpátky do setrvačnosti a u obrovské firmy s mnoha lidmi trvá dost dlouho, než se tam něco nového zavede – ať už technologická novinka, nebo zkušenost. Jsou tam překážky jako bezpečnostní pravidla, co můžeme používat a co ne. Tohle jsou obrovské organizace, které často pracují s citlivými daty – třeba kdo kolik bere a podobně, takže jsou zpravidla velmi opatrné.

Lidé tam chodí pracovat od devíti do pěti, aby měli stabilní režim a mohli se starat o rodinu. Naopak kdysi to bývalo jiné – všichni jsme dělali od sedmi ráno do půlnoci, a potom šli na pivo. Kam tohle povede? Nevím, kam ten svět spěje. Pokud budeme mít model založený na předplatném a lidé budou dostávat měsíční fixní plat, pak budou možná spokojení, budou mít několik úspěšných funkcí v jedné firmě a dalších pár v jiné, a budou je jen konzumovat. Co s tím? To je otázka.

Na druhou stranu, není to vlastně premise umělé inteligence – že budeme pracovat méně a dostávat víc peněz? Myslím, že je to spíš humanistický pohled. Ale rychlost, s jakou se zrychlí dodávky softwaru a postupně budou vznikat třeba kvantové počítače – tady v Austrálii nebo na nějaké univerzitě – to si neumím ani představit, jak to změní život. Možná to zrychlí náš život, možná naopak zpomalí, protože zlepší produktivitu natolik, že si člověk může dovolit zpomalit. Třeba čtyřdenní pracovní týden, pracovat dvě hodiny denně a zbytek času věnovat něčemu jinému.

Já třeba teď zkoumám AI nástroje a nepřipadá mi, že bych zpomalil – naopak, mám pocit, že jsem ještě zrychlil. Je to šílené. Ale myslím, že adopční křivka je pořád strmá. Já budu optimista a myslím si, že se změní i obchodní modely, což by mohlo postupně vést k tomu, že nebudeme muset tolik pracovat. A přitom budeme mít stejnou, nebo dokonce lepší, kvalitu života než teď. Myslím, že k tomu by nás měla AI dovést, a měli bychom se všichni snažit dostat toto téma do veřejného diskurzu – aby to byla pravda a aby nás to nezničilo, což je samozřejmě stále reálné riziko.

Pokud chceš, mohu ti pomoci i s lepší strukturou nebo jinou úpravou textu.

Jasně, tady je opravená verze tvého textu:

Naše možnost. Dneska je ta největší otázka, nebo spíš výhoda, pro produktové firmy. Produktová firma, ať už je to banka nebo jakýkoliv jiný produktový tým, třeba produktboard a tak dále, tam umělá inteligence skutečně dokáže pomoct. Ale u agentur, jako jsem já, si nemyslím, že budoucnost bude taková, že budou dělat software na běžícím pásu úplně automaticky. Tam jsou přece lidi. Lidi jsou jednodušší tvorové – chtějí víc peněz, chtějí méně pracovat a podobně. A jak to změní mentalitu lidí? Že by tu byli nějací zombíci zavření za zdí, kteří budou kódovat a rychle vytvářet aplikace? Nevím, agenturní svět vůbec nevím, kam půjde, a nemyslím si, že to s ním dopadne úplně dobře.

Subscription model je ta cesta, kde už dokážeš práci nějakým způsobem dát do mantinelů. Ale dneska agentury přemýšlejí: "Super, použijeme AI, tak zvedneme ceny." Jenže za půl roku bude každá agentura používat AI. Typicky ke mně přistoupila firma, která dělá fixed time, fixed price projekty a nestíhají, prodělávají na nich, takže chtějí dostat AI do procesu — to už dává smysl. Ale ty firmy chtějí ušetřit. A veřejné zakázky? Jakmile se objeví agentura, která nabídne řešení Vivacodien versus tradiční česká agentura, kdo vyhraje? Vivacodiena, protože prostě umí soutěžit na ceně.

Mimochodem, teď je podle mě geniální jít dělat státní správu na fixed time, fixed price projekty a totálně to prostřelit, ale zároveň skutečně dodat. Protože teď to poprvé v životě jde – za ceny, ve kterých se zakázky soutěží, skutečně dodat kvalitu. To by bylo úplně geniální přijít a dělat to například s pořádným AI engineeringem, ale konečně za tu částku, kterou stát píše, že je ochotný za projekt zaplatit. Možná to je budoucnost agentur – veřejné zakázky a státní správa. Nevím. Nabírají tam i AI specialisty za 40 tisíc, nebo kolik to je... Ale to je jiný příběh, do kterého nechci moc zabrušovat.

Mě osobně zajímá Rohlík, který byl specifický a jeho DNA nejde jednoduše přesunout jinam, ale je zajímavý v tom, jak moc věcí vytváří interně – jak moc IP vzniká uvnitř, a nekupují externí služby jako SaaS, ale všechno si staví sami. Dnes je to technologická firma, jejíž hodnota je postavená na softwaru, který mohou nabízet dál. A toho se trochu bojím, když mluvíme o agenturách a startupech – že lidi ty věci zvládnou sami. Například ty úkoly, které by agentura neodvedla za 7 měsíců, když má kontextové okno třeba tři hodiny, se jim prostě podřezávají. Vrátím se k právníkům – mám rád ten příklad s internetem a šablonami smluv na prodej auta nebo nájemní smlouvu, které omezily práci low-level právníkům...

Pokud chceš, mohu ti pomoci s úpravou i další části.

Tady je opravený text (zachoval jsem styl a obsah, jen jsem upravil pravopis, interpunkci a trochu zpřehlednil):

Ávníka nepotřebuju, tak tohle vidím u IT vývoje a ten průser pro mě jsou startupy, protože zase historicky ta metodika Lean Startup Theory je postavená na tom, vyber si jeden malý konkrétní problém pro malou nízkou skupinu, ten dobře vyřeš a pak se rozrůstají v platformu. Ale to je stejně jak s těma entry-level programátorama, tenhle typ tasků prostě vymezí, protože když je to malý, tak si navymodeluju single purpose apku. Dneska v dnešní době už to bylo ještě možná, ale SatisMeter – když se podívám na ProductBoard, jinou českou firmu, tak já si nedokážu představit, že dneska vznikne SatisMeter, protože je to tak malý, že tohle je přesně ta věc, kterou já bych vyřešil v organizaci. Tam do gotovu hyperpersonalizace asi, ať už ty produkty jako SatisMeter, ProductBoard, bankovnictví nebo cokoli dalšího, tak bude prostě do budoucna personalizované fakt pro tebe, pro tebe osobně.

Dneska to funguje tak, že ty si vyberáš aplikaci sám pro sebe, ale příště už ty apky budou mít v sobě konfigurační matici nějakou. Budou o tobě vědět, kolik utrácíš za jídlo, kolik přijímáš peněz, jaké máš pojištění a tohle všechno ti prostě postaví tvoji webovku, tvůj avatar. No ale myslím si, že tady ta personalizace bude a taky si myslím, že v IT tady ten postup, kdy nám postupně podřezávají věci, na co nás potřebují, tohle se tady děje už asi 20 let.

Před 15 nebo 10 lety jsme chodili do bank prodávat naše řešení bankám, včetně architektury, analýzy, protože oni internalizovanou architekturu a analýzu vlastně neměli. Vlastně si kupovali ty chytré mozky. Dneska jim maximálně prodáme ty fůzovká chlupatý, protože architekty mají svoje metodiky, říkají: „Hele, my sem prostě...“

Výtlak, přesně tohle portfolio – máš člověka, nemáš člověka. Čau. Ale není to tak, že za námi chodí a říkají: „No, tak mi tu chceme postavit tenhle velkej systém.“ To už se omezuje a takhle, co se stalo v bankách, se zase demokratizuje, takže se to děje i v menších firmách.

Myslím si, že celkově nás to dává do pozice, kdy řešíme, když je potřeba nárazově zvýšit kapacitu, udělat něco mimo jejich core business, takže na to nechtějí ani hyrovat lidi, protože jsou nějaké transakční náklady s tím spojené. Tak to bude i nadále podle mě, co se nezmění, je, že když potřebujete vždycky udělat nějakou inovaci, protože interně na to nemají zkušenosti, rozhled, jsou zavření v tom. Oni udělají ty svoje velký věci, už jsou na té dálnici, na jejich roadmapě, a všechno ostatní se snaží outsourcovat.

Co je zajímavé je, že třeba funding celosvětových startupů za posledních pět let klesl zhruba na polovinu, a přitom neklesá počet startupů, co se vyrábí, jsou založené a jsou jako early stage, dokonce vzrostl asi o pět, šest procent. To ukazuje, že spousta lidí si nechodí pro kapitál na první fáze startupu – na validaci myšlenky a třeba stavění MVPčka.

Proč? No, protože dneska to...

Chcete, abych pokračoval a doplnil zbytek, nebo upravil ještě něco konkrétního?

Opravený text:

Všechno dělají za pomoci AI, dělají to rychleji a třeba to mění úplně ekonomiku startupů. Předtím totiž zakladatel přišel až o 47 % equity, než se dostal na Series A, nebo někdy kolem Series A. Po skončení Series A měl těch 47 % pryč, a dneska nezaplatí nic na pre-seedu, nic na seedu, takže z pohledu equity ho Series A stojí jen 17 %. Místo půlky startupu pryč. A to úplně mění hru. Myslím si, že v tom early stage to opravdu mění hru.

Protože to už nejsou ty "lopaty"... Nejenom lopaty, ale také technical co-founder. YC (Y Combinator) například nebere firmy, které mezi co-foundery nemají fullstack vývojáře, takže to tam projdeš jednoduše. A když chceš, mají i marketplace lidí, kteří chtějí být CTO co-founder, takže to tam mají. Ale byla to bariéra vstupu – prostě nemůžeš dělat startup bez programátora. Dneska si myslím, že se to posouvá, že právě prototypy a MVP a ta pre-seed možná seed fáze zvládneš i bez toho. Myslím, že na Series A už budeš potřebovat obchodníky a další lidi, a že už tam pro ty peníze musíš jít, ale ta demokratizace mě moc baví. Startupy už nejsou jenom hra pro programátory.

Já bych to ale tak černě neviděl. Myslím si, že se lidi jenom upskillují, reskillují a pojede se dál. Ty "zlaté české mozečky", které tady máme, zvládnou tuto transici. Nemyslím si, že ji zvládneme nějak hůř nebo líp než zbytek Evropské unie. Dá se o tom bavit – pro mě jsou to jen dvě hřiště: Amerika, protože tam jsou dnes frontier modely a foundation modely umělé inteligence, a pak je zbytek světa. Můžeme se bavit o Číně, kde jsou zase jiná témata, ale Evropa prostě nesahá ani po kotníky Ameriky v foundation modelech. Takže buď jsi v Americe a děláš foundation stuff, nebo děláš aplikace nad generativní umělou inteligencí, kterou můžeš využívat.

Ať už používáš ty základní modely, v tu chvíli jsme ve srovnání s Německem, Francií nebo jakoukoliv jinou zemí. Takže to řekl Jirka, ale přijde mi, že takhle přemýšlí za celé Česko, tedy jako CTO produktové firmy. Naše hodnota je v tom kódu? Myslím, že ne. Každý řádek kódu je vlastně zátěž – musí ho někdo udržovat a musí to někdo dělat. Naše hodnota není v kódu. Naše hodnota je schopnost rychle porozumět potřebám zákazníka a potom vyrobit produkt, který na ně odpovídá. A jestli se to dělá tím, že kód píšu sám, nebo že ho generuju s umělou inteligencí, či stavím továrny, které kód generují, to už je pro mě druhá věc.

A já pevně věřím, že my jako Češi to všechno zvládneme. Stavět továrny na kód. A zároveň jsme postavili továrny na knedlíky – a takový domácí knedlík je vždycky lepší, že jo? Určitě, nemám data, ale je to možné. Jako jestli psát český software nebo software z Indie? Pro naše české zákazníky si spíš koupíš ten český, ne? Ale to už je další téma – kupovat továrny od indických inženýrů. Ale samozřejmě, to je taky problém, který tady existuje už dlouho.

To už... Aby se muselo změnit něco jiného: cena, rychlost, kvalita. Vždycky si vybereš, co potřebuješ. Co si přejete, aby se stalo v příštím roce ve vašem profesním životě nebo v tom technologickém světě? Co kdyby se to povedlo, z čeho byste měli velkou radost? Na co se těšíte?

Já se těším, že plně šlápneme do AI Power Developmentu, protože už máme první známky úspěchů a vypadá to skvěle. Myslím si, že to může být velká jízda, jako transformace týmu apu liftingu do nové doby, která nás všechny čeká. Takže na to se těším hodně.

Já se asi nejvíc těším na to, že mám za cíl příští rok s týmem kompletně změnit fungování IT v jednom korporátu – přinést AI od A do Z. To je velký cíl, který si chci splnit. Velká mise.

No tak jo, tak vám k tomu přejeme hodně štěstí. Držíme palce. Děkujeme, že jste se s námi povídali o AI, prali špinavé prádlo, ukazovali strachy a na druhou stranu dávali věci do kontextu. Díky moc.

Uvidíme se brzy příště a povíme si, jestli se to, co jste chtěli, splnilo.

Tak jo, díky. Bylo to super. Děkujeme, že jste doposlouchali až sem. Díky také našim partnerům a členům Data Talk klubu: Intex, Saska, Bystreet, Colors of Data, Revolt BI, GoodData, Keboola, Emark, Carl Data Company, Data Mind, Notino a Flo.

A pokud chcete zůstat v obraze ohledně české datové scény a globálních datových technologií, nezapomeňte se registrovat k odběru našeho týdenního newsletteru na datatalk.cz.

Nechť vás provází data!