Stack Overflow: Nasazení AI agentů se zdvojnásobilo, ale k autonomii mají daleko

Éra bezhlavého AI hypu oficiálně končí. Nejnovější průzkum od Stack Overflow se detailně podíval na zoubek největšímu hitu poslední doby – autonomním AI agentům. Výsledek? Jejich používání sice v práci raketově roste, ale do úplné autonomie to má daleko. Vývojáři totiž rychle vystřízlivěli a drží agenty zkrátka. Proč jim nechtějí dát absolutní svobodu a co to znamená pro současné i budoucí vývojáře? ⏬

Průzkum Stack Overflow Pulse z května 2026, do kterého se zapojilo 1 100 vývojářů, odhalil, že využívání agentů s umělou inteligencí v praxi se od roku 2025 téměř zdvojnásobilo, plná autonomie však zůstává výjimkou. Víc než polovina vývojářů nechává agenty běžet bez dozoru jen zřídka nebo vůbec a taky dává přednost konfiguracím s jedním agentem před koordinací více agentů.  

Skok jako blázen: Agenti už nejsou sci-fi 

Ještě nedávno se o autonomních AI agentech mluvilo hlavně na konferencích. Dneska? Běžná součást vývojářské výbavy. 

Každopádně do sci-fi vizí, kde roboti sami řídí firmy a programátoři jen leží na pláži, to má hodně daleko. 🙃⬇️  

• Podle nejnovějších čísel (květen 2026) už AI agenty v každodenní práci využívá 59 % vývojářů. 
• Za pouhý rok se tak jejich nasazení v reálných projektech skoro zdvojnásobilo. 

Podobný obrázek ukazuje i nezávislý průzkum newsletteru The Pragmatic Engineer mezi více než 900 profesionálními vývojáři. Pravidelné využívání AI agentů přiznává až 55 % dotázaných.  

Nejdůležitější způsoby využití AI agentů

Podle průzkumu The Pragmatic Engineer jsou tohle typické příklady použití AI agentů:

• Code reviews
• Automatizace manuálních a otravných úkolů
• Oprava a analýza chyb (bugů)
• Průzkum a analýza kódu
• Debugging
• „Psaní“ kódu (= skládání dohromady ruku v ruce s agentem)

Takhle to v praxi hodnotí softwarový inženýr z jedné menší firmy:

„Agenty používám prakticky na veškerou práci s kódem, nejčastěji přes Cursor Chat. Využívám je k analýze kódu i chyb, vytváření commitů a pull requestů. Je to můj hlavní nástroj pro code review, ale pořád nad celým procesem držím kontrolu. Téměř všechen kód napsaný umělou inteligencí pořád sám kontroluju a finálně ladím. Když agenty používám na code review, beru to spíš jako konzultaci, která mi pomáhá věcem lépe porozumět, než abych je nechal dělat revizi úplně bez dohledu. Zkrátka je používám na všechno, ale pořád jsem to já, kdo má hlavní slovo.“

Jeden agent na práci stačí. Na „týmovky“ je neužije 

63 % vývojářů stále nechává agenty běžet bez dozoru jen zřídka nebo vůbec. 

A celých 68 % vývojářů dává přednost konfiguraci s jedním agentem. Raději zkrátka delegují jeden konkrétní úkol na jednoho specializovaného robota (třeba psaní testů), než aby riskovali, že se jim celá síť AI agentů zacyklí v nekonečné debatě o ničem. V jednoduchosti je někdy síla. 

Editorům vládne GitHub a Claude, ale zezadu útočí no-code 

V žebříčku nejoblíbenějších kódovacích nástrojů se sice objevují nová jména, ale na bedně vítězů sedí staří známí. Vývojáři mají jasno v tom, koho si do svých projektů pouštějí: 

• GitHub Copilot (61 %) si pořád drží korunu jako nejoblíbenější a nejrozšířenější parťák, na kterého jsou všichni zvyklí. 
• Claude Code (51 %) mu ale šlape na paty a u více než poloviny vývojářů boduje hlavně díky své skvělé schopnosti chápat širší kontext celého projektu. 

🔥 Brutální boom ale zažívá jiná kategorie: nástroje bez nutnosti programování (no-code) – platformy jako Lovable, Replit nebo v0 rostou raketovým tempem.  

Která odvětví nasadila AI agentům nejostřejší tempo v každodenní práci? 

• Fintech (55 %) 
• Média a reklama (50 %) 
• Vývoj SW (44 %) 

Šéfem i nadále zůstává člověk 

Možná zachycuješ apokalyptické články o tom, že AI agenti brzy sami napíšou, otestují a nasadí celou aplikaci na produkci bez lidského zásahu. V komunitě ale realita vypadá úplně jinak. Naprosto tu dominuje přístup Human-in-the-loop (neboli „člověk v procesní smyčce“). 

👉 V praxi to znamená jednoduché pravidlo: „Důvěřuj, ale o to víc prověřuj.“  

AI agent sice dostane zadání a samostatně „vyklepe“ řešení, ale konečné slovo má vždycky programátor. Žádný kód se nedostane do ostrého provozu, aniž by ho zkušené lidské oko řádek po řádku zkontrolovalo, zrevidovalo a schválilo.  

„Dřív jsem si myslel, že cílem je plná autonomie. Prostě agentovi připojíte pár nástrojů a sledujete to kouzlo. Jenže pak jsem narazil do zdi: přemotivovaní agenti totiž bez dozoru sypali jedno zbrklé rozhodnutí za druhým, přepisovali velké části kódu a v celém projektu tak nasekali paseku.

Mnohem víc se mi osvědčilo dát jim vodítko – přesně jim vymezit úkoly a kontrolovat je po každém jednotlivém kroku. Zkrátka dát tomu chaosu řád.“

– Uživatel Redditu

Proč ten strach dát AI plnou svobodu? 

Důvody jsou čistě pragmatické. Vývojáři moc dobře vědí, kde má současná technologie limity: 

1. Halucinace: Umělá inteligence si pořád ráda vymýšlí. V eseji to zásadně nevadí, ale v kódu může jedna „vymyšlená“ drobnost poslat k zemi celý bankovní systém. 
2. Bezpečnost: Nikdo nechce, aby mu AI nechtěně vynesla citlivá firemní data nebo do softwaru zatáhla bezpečnostní díry. 
3. Chybí jí nadhled: AI umí skvěle vyřešit jeden konkrétní úkol (třeba opravit funkci). Ale pochopit byznysový kontext, logiku celé firmy a složitou architekturu? Na to je pořád potřeba lidský mozek. 

Složité sítě vzájemně komunikujících AI robotů tak zatím zůstávají spíš na papíře, v praxi jedou hlavně jednodušší nástroje na jednu konkrétní věc. 

Co se mění pro programátory? 

Čím víc kódu generuje umělá inteligence, tím méně člověk sám píše. Z programátorů se tak stávají „revizoři“ (Code Reviewers), kteří tráví dny kontrolováním cizí práce. ✍️ Data přitom ukazují, že analyzovat a debuggovat cizí (navíc strojem napsaný) kód je pro lidský mozek náročnější než psát vlastní od nuly. 

To přináší dva hlavní problémy: 

• Únava z rozhodování (Decision Fatigue): AI agenti neustále chrlí nové iterace a varianty řešení. Vývojář tak musí každých pár minut udělat mikro-rozhodnutí: „Schválit? Zamítnout? Nechat přepsat?“ Výsledkem je, že jsou programátoři na konci dne totálně vyčerpaní, přestože sami nenapsali ani řádek. 
• Ztráta kontextu (The „Black Box“ efekt): Když píšeš vlastní kód, přesně víš, jak funguje. Když ho vygeneruje AI, ztrácíš kontext a hluboké porozumění systému. Jakmile se pak v aplikaci něco pokazí, vůbec netušíš, kde začít hledat, protože ten kód vlastně neznáš. 

„Lidé často přeceňují, co se stane za jeden rok, a podceňují, co se stane za deset let. Stejné je to s AI agenty – v technologické komunitě se proto nemluví o roku agentů, ale o jejich dekádě.“

– Marián Hurta, CEO ENGETA & Nuomy

Proč jsou vývojáři tak skeptičtí?  

Protože reálná úspěšnost AI agentů je momentálně žalostná. Podle nezávislých benchmarků dokážou autonomní agenti úspěšně vyřešit složitější firemní úkoly jen ve 24 % případů (CMU, 2025).  

Jakmile po nich chceme, aby spolu komunikovali v týmu (multi-agent systémy), úspěšnost klesá na 35 % (vztahuje se na tzv. multi-turn scénáře, ne přímo na multi-agentní týmovou spolupráci, GRAVITY, 2025).  

Analytická společnost Gartner dokonce předpovídá, že do konce roku 2027 bude přes 40 % projektů postavených na AI agentech kvůli zmetkovosti a drahému provozu úplně zrušeno (Reuters, 2025).

Když účty za AI přerostou platy vývojářů: Éra bazhlavého „tokenmaxxingu“ končí

Podle Stack Overflow výzkumu firmy sice méně řeší „cenu za token“ jako argument proti zavedení agentů, ale zároveň mnohem víc hlídají celkové provozní náklady, protože u tzv. usage-based modelu rostou s reálným používáním a složitostí workflow. 

Jenže právě tady se ukazuje, že náklady firmy řeší, i když je nechtějí rámovat jako překážku inovace: jakmile se AI dostane z experimentální fáze do každodenního provozu, přestává být jen ukazatelem produktivity a stává se položkou v rozpočtu. A místo honby za co nejvyšší spotřebou přichází otázka, kolik ta „chytrá“ automatizace ve skutečnosti stojí. 

Ještě nedávno management technologických firem (včetně těch největších v Silicon Valley) žil v iluzi, že spotřeba AI je novým měřítkem produktivity. V technologickém světě se pro to vžil termín tokenmaxxing. 

Jak trefně popsal prestižní deník The Wall Street Journal, pohled na tenhle trend se během pár měsíců otočil vzhůru nohama:

• 1. fáze: „Musíme pálit tokeny, jinak nepřežijeme.“ Vedení firem věřilo, že čím víc dat skrze AI proteče, tím lépe. Některé společnosti dokonce zavedly žebříčky a sledovaly, kolik „tokenů“ (jednotek dat a výpočetního výkonu) jejich lidé spotřebují. Vývojáři tak začali propojovat celé sítě autonomních agentů a nechali je generovat tisíce řádků kódu pro každou drobnost, aby v grafech vypadali produktivně. 
• 2. fáze: „Už to přeteklo, vypínáme kohoutky.“ S přechodem poskytovatelů AI na platby čistě podle reálné spotřeby (usage-based billing) přišel šok. Zbrklý agent, který bez dozoru stokrát dokola přepisuje kód, dokáže v reálném čase pálit peníze jako rozjetá lokomotiva. V extrémních případech stál měsíční provoz AI nástrojů pro jednoho seniorního vývojáře víc než jeho plat.  

Technologičtí giganti proto museli zatáhnout za záchrannou brzdu: 

• CTO Mety Andrew Bosworth plošně varoval zaměstnance, že spotřeba tokenů se nerovná pokroku. 
• Amazon raději potichu zrušil sledování těchto statistik. 🤓 
• A Uber? Společnost vyčerpala celý svůj roční rozpočet na AI programovací nástroj Claude Code za pouhé čtyři měsíce. 🤪 To spustilo uvnitř firmy tvrdé debaty. Doporučujeme k přečtení tenhle článek. 

„Některé firmy už začínají svoje zaměstnance testovat z efektivního využívání AI. Cíl je jasný: nechtějí plýtvat, protože náklady na AI rostou a nejsou to už zanedbatelné částky. Od některých firem víme, že pokud v jejich testu neobstojíte, firma vám AI licenci jednoduše nekoupí.“

– Tereza Hurtová, CMO v ENGETU

Ukázalo se, že nechat AI agenty volně dýchat bez lidského dohledu sice vypadá na papíře inovativně, ale ekonomicky je to naprostá sebevražda. A to byl první silný impuls k tomu, proč jim nasadit přísnější režim. Většina velkých firem teď masivně přechází na levnější, lokální open-source modely, aby obří výdaje za komerční předplatná zkrotily. 

„Pozitivní na tom je, že se jedná o problém, který lze zvládnout pomocí inteligentního směrování, lokálních LLM, optimalizace kódu a také díky takovým samozřejmým opatřením, jako je školení vývojářů a nastavení limitů či kvót.“

– Kevin C., Expert na kyberbezpečnost

Opravdu to ale bude tak jednoduché? Nebo se AI stane luxusní komoditou? 🤔 

Představa, že firmy jednoduše přepnou na bezplatný open-source, je iluze. Dá se očekávat, že trh se rozdělí na dvě ligy: 

1. Standardní AI (Komodita pro všechny): Hloupější, menší modely na jednodušší úkoly. Bude to levné a dostupné jako elektřina. Neurazí, nenadchne, firmu nezruinuje. 

2. Prémiová AI (Luxus pro vyvolené): Skutečně autonomní agenti, kteří myslí v tisících krocích a pracují sami na pozadí. Jejich provoz vyžaduje brutálně drahý hardware a špičkové MLOps inženýry, jejichž platy snadno přečíslí účty za komerční API. 

Výsledek? Nebude to o tom, kdo AI používá, ale jak moc chytrou si může dovolit. AI nástroje se tak v jistém smyslu opravdu stanou luxusní komoditou – budou si ji moct dovolit bohaté korporace a ostatní budou muset žít na přídělech a kvótách. 

Pohled z praxe: Skutečný test produktivity 

Technologický mentor Eric Wise na síti LinkedIn trefně poukázal na to, co se stane, když padnou dotované paušály a poskytovatelé AI začnou účtovat reálné firemní ceny podle spotřebovaného výkonu (usage-based billing). 

Napsal k tomu: 

„Na tom, jak GitHub Copilot ukazuje, jak budou vypadat platby podle reálné spotřeby, je zábavná jedna věc: Měli jsme tu všechny ty lidi, co jedou na vlně vibe codingu a už roky se naváží do profesionálů, a najednou, když ten nástroj stojí pár stovek měsíčně, přecházejí k jiným poskytovatelům.

Takže jak to tedy je? AI 100násobně zvyšuje vaši produktivitu a profesionálové skončili? Nebo prostě není možné obhájit 500 až 5 000 dolarů měsíčně za to, co to dělá? Chci tím říct, že kdyby mi AI legitimně 10násobně zvýšila můj vlastní výkon, měl bych být ochotný za ni utratit klidně pár milionů ročně jen sám za sebe, ne?“

– Eric Wise, zakladatel společnosti Skill Foundry & SW Engineer

Pojmenovává tím zásadní věc: Dokud byla AI extrémně levná a dotovaná velkými technologickými hráči, snadno se věřilo marketingu o řečím o nahrazení lidských programátorů. Skutečnou hodnotu technologie ale poznáme až ve chvíli, kdy za ni musíme zaplatit plnou tržní cenu. 

Pokud by AI nástroje reálně dělali zázraky, investice několika stovek nebo tisíc dolarů měsíčně by se firmě vrátila během pár dnů. 👀 Fakt, že lidé při zvýšení cen raději mění nástroje nebo couvají, ukazuje, že v ostré byznysové praxi je přínos AI zatím mnohem skromnější.

Účet za AI: Půl miliardy dolarů za jediný měsíc

V IT komunitě už se dokonce jako varovný prst šíří historky o tom, jak zbrklý agent bez nastaveného finančního stropu dokáže kvůli nekonečné smyčce propálit astronomické částky za jedinou noc. I když jsou některé příběhy přitažené za vlasy, jádro problému je reálné – autonomní AI bez dozoru je extrémně drahý risk. 

Tenhle příběh popisuje nedávný případ, kdy jedna z klientských firem musela společnosti Anthropic zaplatit za používání modelu Claude přes API šokujících 500 milionů dolarů (cca 10,5 miliardy korun) za pouhých 30 dní.

Vývojáři totiž u autonomních agentů nenastavili žádné finanční limity pro utrácení (byly tzv. uncapped). Agenti se na pozadí zacyklili a celý měsíc nekontrolovaně krmili AI obřími balíky dat, až faktura za propálené tokeny vyrazila managementu dech.

Co z toho plyne pro tebe, pokud v IT začínáš? 

Data ze Stack Overflow posílají jasný a vlastně uklidňující vzkaz všem, kteří do IT teprve míří nebo studují naše kurzy v ENGETU: AI tě nenahradí, ale tvůj parťák to bude skvělý.  

„Firmy dneska nehledají lidi, kteří umí jen dokola mačkat ‚generovat kód‘. Hledají lidi, kteří mají natolik pevné základy, že dokážou kód po AI zkontrolovat, pochopit ho, najít v něm případné chyby a správně ho zasadit do celého projektu.

Umět delegovat práci na AI agenty je nová superschopnost. Ale kritické myšlení, logika a poctivé programátorské řemeslo, které tě učíme, jsou pořád tím hlavním důvodem, proč tě firmy budou chtít.“

– Marián Hurta, CEO ENGETA & Nuomy

Jinými slovy: Umět pracovat s AI je dnes nutnost, ale kritické myšlení, znalost řemesla a schopnost kontroly jsou to, co ti zajistí úspěch. 

A co víc – budoucnost bude patřit efektivitě, ne plýtvání. Zaměstnavatelé budou stále více vyžadovat lidi, kteří dokážou AI nástroje integrovat chytře, úsporně a s ohledem na bezpečnost a rozpočet firmy. 😗 

Chceš se naučit psát kód, kterému budeš rozumět ty i AI? Mrkni na naše Akademie a kurzy a pojď do toho s námi od základů! 

Omrkni nabídku ENGETO kurzů