Projekt netrvá mesiace pre programátorov. Trvá mesiace, lebo chýba zadanie. Triviálne, však?
Jednoduchú aplikáciu dnes AI napíše za pár hodín. Napriek tomu sa firemné projekty stále naťahujú na mesiace. Problém sa presunul: najťažšie už nie je napísať kód, ale presne povedať, čo má robiť.
Programátori potrební sú. Mení sa, kde sa projekty zdržia.
Hneď na začiatku jedna vec, aby nevznikol omyl. Tento článok netvrdí, že si má firma všetko naprogramovať sama cez AI a že programátori či dizajnéri sú zbytoční. Naopak.
Kto chce vo firme postaviť vlastný nástroj, stavia produkt, aj keď je digitálny. Potrebuje niekoho, kto vie, čo má produkt robiť a pre koho: produktového vlastníka, ktorý napíše dobré zadanie a rozhoduje. A potrebuje ľudí, ktorí dotiahnu to, čo AI sama nezvládne: architektúru, kontrolu kódu, bezpečnosť a dizajn.
AI píše kód rýchlo, no nie vždy bezpečne. Firma Veracode v roku 2025 otestovala viac ako 100 jazykových modelov. Pri 45 % úloh vygenerovaný kód obsahoval bezpečnostnú chybu. Skúsený človek, ktorý ju vie odhaliť, je preto dôležitejší, nie menej dôležitý.
Ani rýchlosť nie je samozrejmá. Výskumná organizácia METR v roku 2025 sledovala 16 skúsených vývojárov pri 246 skutočných úlohách. S AI nástrojmi boli o 19 % pomalší, hoci sami odhadovali, že boli o 20 % rýchlejší. Seniori majú pri práci s AI veľkú váhu. Mení sa však miesto, kde projekty strácajú najviac času. O tom je zvyšok článku.
Kód prestal byť úzkym hrdlom
Ešte pred pár rokmi bolo písanie a kontrola kódu najdrahšia časť vývoja. Dnes ho za vás z veľkej časti napíše AI. Úzkym hrdlom sa stalo zadanie: schopnosť jasne opísať, čo chcete postaviť.
Vývojári tomu hovoria spec-driven development, teda vývoj podľa špecifikácie. Najprv sa písomne dohodne, čo má systém robiť. Až potom sa píše kód.
Tento prístup už má aj vlastné nástroje. GitHub v septembri 2025 zverejnil otvorenú sadu Spec Kit, ktorá vedie AI cez štyri kroky: špecifikácia, plán, úlohy a implementácia. Po každom kroku výsledok skontroluje človek a až potom sa pokračuje.
Skúšanie naslepo je rýchle len na začiatku
Opak má tiež meno: vibe coding, o ktorom píšeme aj v článku o prototypoch. Poviete AI, čo chcete, ona niečo vyrobí, vy upravíte zadanie, ona prerobí. Takto dookola, kým výsledok nevyzerá dobre.
Na rýchly test nápadu je to výborné. Problém nastane, keď z toho má byť nástroj, na ktorý sa firma spolieha. Ten istý pokyn môže dať pri každom pokuse iný výsledok a nikto už nevie povedať, prečo AI urobila práve takéto rozhodnutie.
Potvrdzujú to aj čísla z praxe. Správa DORA od Google Cloud z roku 2024, ktorá každý rok skúma tisíce ľudí z vývoja softvéru, zistila, že s rastúcim používaním AI sa rýchlosť dodávok odhadom znížila o 1,5 % a ich stabilita o 7,2 %. Ľudia pritom s AI hlásili vyššiu osobnú produktivitu. Rýchlejšie písanie kódu teda samo osebe neznamená rýchlejší projekt.
Pri človeku
Novému dodávateľovi nepoviete „postavte nám portál pre klientov“ a nečakáte, že sa trafí. Najprv spolu spíšete, kto sa prihlási, čo uvidí a čo sa stane, keď niečo chýba.
Pri AI
Platí to isté. Bez špecifikácie AI háda, čo ste mysleli. Má 30 spôsobov, ako to urobiť, a vy sa s ňou dohadujete dlhšie, než by trvalo napísať zadanie.
Špecifikácia je zmluva, nie byrokracia
Pri vývoji podľa špecifikácie sa nezadáva riešenie, ale správanie a obmedzenia. Čo má systém robiť, pre koho, čo sa stane pri chybe. Z toho vzniknú požiadavky, ktoré fungujú ako zmluva medzi vami a tým, kto stavia.
Tie požiadavky si prečítate a schválite skôr, než vznikne prvý riadok kódu. Zmeniť vetu v dokumente stojí minútu. Zmeniť hotovú aplikáciu stojí týždne. Až po schválení vznikne návrh riešenia so zoznamom úloh a potom samotná implementácia.
Nie je to nový poznatok. Barry Boehm a Victor Basili v roku 2001 zhrnuli desaťročia meraní do jednoduchého pravidla: chyba, ktorú nájdete až po odovzdaní, stojí často 100-krát viac než tá istá chyba zachytená pri požiadavkách a návrhu. A podľa Project Management Institute je nepresná práca s požiadavkami hlavnou príčinou pri 47 % projektov, ktoré nesplnili svoje ciele.
Postup je takýto:
- Zadanie: čo má systém robiť a za akých podmienok.
- Požiadavky: konkrétne pravidlá, ktoré schválite.
- Návrh: ako sa to postaví, rozdelené na úlohy.
- Implementácia a testy: AI píše kód a overuje ho proti požiadavkám.
„Účtovná kancelária chce portál, kde klienti nahrávajú doklady. Pri skúšaní naslepo by vznikol formulár na nahrávanie. Špecifikácia hneď na začiatku zachytí to podstatné: čo s dokladom, ktorý nie je čitateľný, kto dostane upozornenie, keď klient do 10. dňa nič nenahrá, a že klient nikdy nevidí doklady iného klienta.“
Z požiadaviek vzniknú aj testy
Najväčší prínos špecifikácie sa ukáže neskôr. Keď je v požiadavkách napísané, čo sa stane pri správnych a nesprávnych údajoch, dajú sa z nich priamo odvodiť testy. AI potom nepíše kód „podľa pocitu“, ale tak, aby prešiel presne tými skúškami, ktoré ste schválili.
Pre vás to znamená menej prekvapení pri odovzdaní. Viete, čo dostanete, ešte predtým, než to existuje.
„Pracujeme v krátkych cykloch: ukážka každé 1 až 2 týždne a platby po fázach. Funguje to práve preto, že každá fáza začína odsúhlasenou špecifikáciou. Na stretnutí sa nebavíme o tom, čo ste mysleli, ale či výsledok spĺňa to, čo sme spolu napísali.“
Kedy stačí skúšať a kedy písať špecifikáciu
| SITUÁCIA | PRÍSTUP |
|---|---|
| Chcete overiť, či nápad dáva zmysel | Skúšanie naslepo, prototyp za deň |
| Nástroj budú denne používať zamestnanci | Špecifikácia |
| Systém pracuje s dátami klientov alebo peniazmi | Špecifikácia a testy povinne |
| Nikto vo firme nevie povedať, čo presne chce | Najprv workshop, potom špecifikácia |
Čo to znamená pre vedenie
Keď vám niekto povie, že aplikácia bude za tri mesiace, opýtajte sa, koľko z toho je písanie zadania. Ak odpoveď znie „to sa vyjasní počas vývoja“, projekt sa nebude naťahovať kvôli programovaniu, ale kvôli dohadovaniu.
AI vývoj zrýchlila natoľko, že rozdiel medzi dobrým a zlým projektom dnes robí kvalita zadania. A to je úloha pre ľudí, ktorí poznajú firmu, nie pre programátorov.
Spýtajte sa sami seba
Viete dnes na jednej strane napísať, čo presne má robiť nástroj, ktorý chcete postaviť?
Zdroje: Veracode, GenAI Code Security Report (2025); METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (2025); Google Cloud, DORA Accelerate State of DevOps Report (2024); GitHub, Spec Kit (2025); Boehm a Basili, Software Defect Reduction Top 10 List (2001); PMI, Pulse of the Profession (2013).
