AI agenti už nepíšou jen kód. Převzali celý úkol, kontrola zůstává na vás

Od našeptávače k pracovnímu úkolu

První generace nástrojů pro programátory čekala na kurzor. Nabídla další řádek, vysvětlila funkci nebo podle krátkého zadání vytvořila kus kódu. Agentní AI dostane širší cíl a sama volí dílčí kroky. Projde soubory, hledá souvislosti, mění kód a výsledek ověřuje pomocí příkazů, které má v prostředí povolené.

Rozdíl je podobný jako mezi korektorem textu a spolupracovníkem, kterému svěříte celou kapitolu. Neznamená to, že software vznikne bez člověka. Znamená to, že se část práce přesune z okamžitého psaní do zadávání, kontroly a rozhodování.

Co dnes umí GitHub Copilot

GitHub ve své dokumentaci popisuje cloudového agenta, který může prozkoumat repozitář, naplánovat změny a pracovat ve vzdáleném dočasném vývojovém prostředí. Umí upravovat soubory, spouštět testy a lintery a následně vytvořit větev nebo pull request. Pull request je návrh změn, který tým před začleněním do hlavní verze projde.

Praktická ukázka je přímočará. Vývojář požádá o doplnění testů k části aplikace. Agent si načte související kód, navrhne postup, testy zapíše a zkusí je spustit. Pokud test selže, může se pokusit opravu upravit. Výsledek přitom není hotový produkt, nýbrž sada změn s historií práce, kterou člověk musí přečíst.

Dokumentace uvádí také omezení. Jedna cloudová relace může trvat nejvýše 59 minut, agent pracuje jen v určeném repozitáři a v jednom úkolu na jedné větvi. GitHub současně varuje před chybným nebo zranitelným kódem. Pro české týmy je služba dostupná přes GitHub, ovšem dokumentace neuvádí české rozhraní jako samostatnou funkci. Zadání lze formulovat česky, ale při práci s názvy souborů, chybovými hláškami a programátorskou dokumentací je praktičtější počítat s angličtinou.

Codex staví na práci v cloudu

OpenAI popsala Codex jako cloudového softwarového agenta, kterému lze zadat opravu chyby, novou funkci, refaktorování nebo dokumentaci. Každý úkol běží v odděleném prostředí s kopií repozitáře. Agent může číst a měnit soubory, spouštět testovací sady, lintery i kontrolu typů a uvádět výpisy z terminálu jako doklad toho, co provedl.

Oficiální oznámení z května 2025 uvádí obvyklou délku úlohy 1 až 30 minut, podle její složitosti. Jde o údaj z tehdejšího oznámení, nikoli o slib pro každý projekt. Stejný text upozorňuje, že vzdálený agent bývá pomalejší než interaktivní úprava v editoru a že všechny jeho změny je nutné ručně zkontrolovat.

Pro práci přes API OpenAI v tomto oznámení uvádí cenu modelu Codex-mini-latest 1,50 USD za milion vstupních tokenů a 6 USD za milion výstupních tokenů. Token je malý úsek textu, podle kterého se účtuje zpracování. Konečný účet ovlivní délka zadání, velikost načteného kódu i počet opakovaných kroků. Přepočet na koruny by byl jen orientační, protože se mění kurz a nejde o český ceník.

Chat, agent a běžný programátor

Rozdíl mezi režimy je důležitější než název konkrétního produktu. Chat se hodí pro vysvětlení neznámé funkce, návrh algoritmu nebo krátkou opravu, kterou má člověk okamžitě před očima. Agent se vyplatí u úkolu s jasným začátkem a koncem: přidat testy, přejmenovat rozhraní napříč soubory, připravit dokumentaci nebo opravit opakující se chybu.

U grafičky, malého studia nebo živnostníka může být přínosem třeba doplnění exportu, úprava jednoduchého webu nebo kontrola formuláře. Není nutné rozumět každému detailu frameworku, ale je nutné vědět, co má výsledek dělat. Člověk by měl umět spustit projekt, přečíst změny a ověřit alespoň hlavní scénář. Bez toho se z úspory času stává přesunuté riziko.

Soukromí a kontrola změn

Agent potřebuje přístup ke zdrojovému kódu a někdy také k testovacím datům. Před použitím ve firmě je proto třeba zkontrolovat nastavení repozitáře, oprávnění, síťový přístup a pravidla poskytovatele pro ukládání dat. Do veřejné nebo sdílené služby nepatří hesla, produkční klíče ani osobní údaje zákazníků.

Izolované prostředí pomáhá omezit škody, neodstraňuje je. Chybný test může projít. Agent může změnit soubor, který zadání nezmiňovalo, nebo navrhnout řešení s bezpečnostní chybou. Rozumný postup je malý úkol, samostatná větev, automatické testy a kontrola diffu, tedy přesného seznamu změněných řádků. Teprve potom má smysl pull request přijmout.

Co se mění v českých týmech

Pro české vývojáře nejde o otázku, zda agent rozumí češtině dokonale. Důležitější je, zda rozumí repozitáři, firemním pravidlům a testům. Pokyny uložené v dokumentaci projektu mají často větší cenu než dlouhý jednorázový prompt. OpenAI pro Codex uvádí soubor AGENTS.md, do kterého lze zapsat příkazy pro testování a zvyklosti týmu. GitHub podobně nabízí vlastní instrukce, nástroje a připojení přes MCP.

Malý tým může začít bez velkého předělávání procesu. Vybere opakující se úkol, zakáže agentovi přístup k citlivým datům, změny nechá projít běžným review a sleduje skutečný čas i spotřebu. Pokud lidé tráví více času opravováním návrhů než jejich kontrolou, agent zatím nepomáhá.

Rozumné doporučení

Vyzkoušet agentní AI dává smysl vývojářům, kteří mají testy, verzování a jasná pravidla pro kontrolu kódu. Začít je lepší dokumentací, testy a malými refaktoringy než přepsáním důležité části aplikace. Běžnému uživateli bez repozitáře agent mnoho nepřinese; v takovém případě stačí klasický chatbot nebo nástroj přímo v editoru.

Podle dostupné dokumentace tedy agentní AI neposílá programátora mimo proces. Mění pořadí práce: nejdřív popis úkolu, potom běh agenta a nakonec lidská kontrola. GitHub u cloudového agenta výslovně uvádí možnost chyb a bezpečnostních zranitelností a OpenAI vyžaduje ruční ověření všech změn před jejich použitím.