Vývojári používajú AI denne, no pri dôležitých rozhodnutiach jej verí len 7 %

Stack Overflow v oznámení výsledkov Developer Survey 2026 zo 6. októbra uviedol, že prieskum získal viac než 30 000 odpovedí zo 169 krajín a výstupom AI pri dôležitých pracovných rozhodnutiach dôveruje 6,6 % respondentov otázky o dôvere, teda po zaokrúhlení 7 %; generálny riaditeľ Prashanth Chandrasekar túto hranicu vyjadril slovami „Trust is not a given when it comes to developers“.

Pravidelné používanie pritom nie je výnimkou: podľa Visual Studio Magazine používa kódovacích asistentov a agentov denne 73 % ich používateľov, zatiaľ čo 48 % z 14 304 účastníkov otázky o dôvere verí výstupu AI vtedy, keď ho môže ľahko overiť. Obe percentá opisujú rozdielne skupiny odpovedajúcich a rozdielne otázky: frekvenciu práce s nástrojom a podmienky, za ktorých človek prijme jeho výsledok.

Časté používanie neznamená voľnú ruku pri rozhodovaní

Údaj o dennom používaní sa týka ľudí, ktorí kódovacích asistentov alebo agentov používajú. Otázka o dôvere má vlastný okruh respondentov, preto z porovnania nemožno určiť, koľko denných používateľov by AI zverilo dôležité rozhodnutie. Výsledky však ukazujú zmysluplnú hranicu: nástroj môže byť súčasťou každodennej práce, aj keď jeho odpoveď potrebuje kontrolu.

Pri návrhu kódu možno správanie overiť spustením programu, porovnaním s existujúcou časťou projektu a revíziou. Rozhodnutie o architektúre, bezpečnosti alebo zásahu do produkcie závisí aj od požiadaviek, prevádzkových obmedzení a následkov chyby. Presvedčivo napísaná odpoveď sama o sebe tieto súvislosti nepreverí. Rozdiel teda nespočíva iba v zložitosti úlohy, ale aj v tom, či tím dokáže výsledok nezávisle posúdiť predtým, ako podľa neho koná.

Kód a testy vedú, komunikácia a produkcia zaostávajú

Podrobné tabuľky prieskumu ukazujú súčasné používanie AI pri generovaní kódu v známej oblasti u 69,3 % odpovedajúcich na otázku o pracovných úlohách a pri tvorbe alebo zlepšovaní testov u 58,1 %. Pri písaní správ a inej komunikácie ju používa 23,5 %, kým 45,9 % ju na túto úlohu nepoužíva ani to neplánuje; pri nasadzovaní, prevádzke alebo riešení problémov produkčných systémov uvádza používanie 19,9 %. Ide o podiely používania pri jednotlivých úlohách, nie o hodnotenie správnosti výstupov.

V známej časti kódu má vývojár oporu v existujúcich funkciách, konvenciách a testoch. Návrh od AI tak môže rýchlo prejsť kontrolou proti konkrétnemu očakávaniu. Pri testoch je kontrola náročnejšia: úspešné spustenie ešte neukazuje, či test zachytáva správnu požiadavku alebo dôležitý prípad zlyhania. Rozdiel medzi týmito úlohami vysvetľuje, prečo samotná schopnosť vytvoriť kód alebo test nestačí na schválenie výsledku.

Komunikácia má inú slabinu. Text môže byť gramaticky správny a pritom nepresne opísať rozsah zmeny alebo vytvoriť záväzok, ktorý tím nechcel dať. V produkcii sa zase chyba prejaví mimo vývojového prostredia a môže zasiahnuť používateľov. Nižšie používanie AI v týchto oblastiach preto dáva tímom dôvod posudzovať nielen podobu výstupu, ale aj to, čo sa stane po jeho odoslaní alebo nasadení.

Matica rizika pre vývojársky tím

Rozdelenie úloh podľa overiteľnosti a dosahu chyby je redakčným výkladom výsledkov, nie pravidlom vydaným Stack Overflow. Pre slovenský tím môže slúžiť ako spoločný jazyk pri určovaní, kde stačí bežná revízia a kde musí rozhodnutie výslovne prevziať zodpovedný človek:

• Generovanie kódu: AI môže pripraviť návrh v známej oblasti. Vývojár skontroluje jeho správanie, súlad s projektom a okrajové prípady; pri neznámej časti systému potrebuje aj pôvodnú dokumentáciu alebo pomoc človeka, ktorý jej rozumie.
• Testovanie: AI môže navrhnúť prípady pre rutinné správanie. Tím overí, či testy vychádzajú zo skutočných požiadaviek a či pokrývajú zlyhania podstatné pre produkt. Prechádzajúci test je dôkazom iba pre to, čo naozaj skúša.
• Komunikácia: AI môže pripraviť zhrnutie technickej zmeny. Pred odoslaním človek posúdi význam, adresáta a tvrdenia o termínoch či rozsahu práce, ktoré by príjemca mohol považovať za záväzné.
• Rozhodovanie a produkcia: AI môže ponúknuť možnosti alebo upozorniť na otázky, ktoré treba preskúmať. Výber riešenia a povolenie zásahu patria človeku, ktorý pozná obmedzenia systému a zodpovedá za následky.

Kontrola sa má riadiť následkom chyby

Prieskum zaznamenáva postoje a správanie respondentov, nie bezpečný postup platný pre každú firmu. Z jeho výsledkov však vyplýva dôvod stanoviť kontrolu ešte pred začlenením výstupu AI do práce tímu. Pri malej úprave môže ísť o spustenie kódu, testy a bežnú revíziu. Pri zmene s dosahom na používateľov alebo prevádzku treba skontrolovať aj predpoklady návrhu a určiť, kto rozhodne o nasadení.

1. Autor zmeny stručne uvedie, akú úlohu AI riešila a ktoré požiadavky tvorili zadanie. Revízia potom môže posúdiť, či návrh odpovedá na správny problém, nielen či vyzerá technicky vierohodne.
2. Výsledok sa preverí v kontexte projektu: spustením, porovnaním so súvisiacim kódom a kontrolou testov. Ak AI tvrdí niečo o správaní knižnice alebo služby, rozhodujúci je pôvodný technický podklad.
3. Pri zmene s väčším dosahom zodpovedný člen tímu zaznamená dôvod voľby a podmienky, za ktorých by rozhodnutie zmenil. Tým zostane zrejmé, kto posúdil riziko a na akom základe.

Pre manažéra je dôležité sledovať popri používaní AI aj prácu potrebnú na overenie jej návrhov. Ak tím pripraví zmenu rýchlejšie, ale nejasné predpoklady odhalí až tesne pred nasadením, práca sa iba presunie do neskorej revízie. Jasne pridelená zodpovednosť umožní využiť rýchlosť nástroja pri kontrolovateľných úlohách a ponechať rozhodnutie s následkami človeku.

Prečítajte si aj:

• Asana či Jira: tím zaplatí buď za jednoduchosť, alebo vývojársku hĺbku
• ClickUp či Trello: viac funkcií nepomôže tímu, ktorý ich nebude používať
• DeepL či Google Translate: pri slovenčine rozhoduje typ chyby, nie značka