AI napíše napoprvé správně méně než polovinu funkcí. Proč code review nesmí zmizet

Vibe coding: rychlost na dluh

Pojem vibe coding se v posledních dvou letech stal běžnou součástí slovníku vývojářů. Místo abyste každý řádek psali a promýšleli sami, necháte model vygenerovat funkci, spustíte ji a koukáte, jestli „vibe“ sedí. Je to návykové — kód vzniká řádově rychleji a prvotní pocit produktivity je omamný. Jenže právě tady začíná problém, na který teď poukazuje i ACM. Jazykový model neví, co přesně chcete. Generuje nejpravděpodobnější pokračování vašeho zadání, ne nutně správné řešení. Podle měření, na která se výzkumníci odvolávají, vygeneruje pokročilý model přesnou funkci podle zadání napoprvé správně v méně než polovině případů. Zbytek je kód, který „nějak běží“, ale skrývá chyby. A to je jen viditelná špička. Neviditelná část je horší: zranitelnosti, které se neprojeví hned, nekvalitní testy, rozbité architektonické vzory a kód, kterému nikdo v týmu pořádně nerozumí. ACM to pojmenovává přesně — bezpečnostní zranitelnosti a technický dluh, který se načítá s každým dalším pull requestem.

Co se změnilo: od našeptávače k agentovi

Ještě před pár lety znamenala AI asistence hlavně autocomplete, tedy našeptávání dalšího řádku. Dnes je to agentní programování. Nástroje jako Claude Code nebo Cursor v agentním režimu čtou celý repozitář, plánují vícekrokové změny, upravují víc souborů najednou, spouštějí příkazy v terminálu a samy opravují chyby na základě testů. To zásadně mění i samotnou povahu code review. Klasická lidská revize, kdy kolega pročítá diff řádek po řádku, najednou nestačí — agent vygeneruje stovky řádků napříč desítkami souborů a člověk fyzicky nemá šanci to všechno projít. ACM proto říká, že review je potřeba posílit a automatizovat, nikoliv zrušit. Vývoj se posouvá od pouhého generování komentářů k autonomním agentům, kteří na základě revize sami navrhují opravy, píší testy a otevírají navazující pull requesty.

Jak funguje moderní AI review kódu

Moderní nástroje pro AI review už dávno nekontrolují jen syntaxi. Analyzují záměr kódu, pokrytí testy a architekturu celého repozitáře. Klíčovou roli hraje takzvaný repo-aware přístup — model si načte kontext celého projektu, ne jen samotný diff. Přirovnal bych to k rozdílu mezi korekturou jedné věty a čtením celé kapitoly: teprve s kontextem okolí poznáte, že ta věta nedává smysl. Poslední měsíce se přitom výrazně pracuje právě na tom, aby recenzent viděl celý repozitář a zároveň produkoval méně falešných poplachů. Důležité je i to, jak se s nálezy nakládá. V praxi se upevnilo rozdělování pull requestů podle míry rizika, takzvaného blast radius. Kritický kód — třeba autentizace, platební logika nebo práce s osobními údaji — stále vyžaduje lidské schválení. Rutinní kontroly, jako je dodržování stylu nebo odhalování očividných chyb, může odbavit AI. Cíl je jednoduchý: lidskou pozornost směřovat tam, kde je chyba nejdražší.

Čísla, která vystřízliví

Když se podíváme na měření, je jasné, proč se review nevyplatí škrtat:

• AI systémy, které dávají zpětnou vazbu ke kódu v reálném čase, dokážou zkrátit dobu review o 50 až 60 procent.
• V případových studiích na GitHubu, kde LLM fungoval jako recenzent, 32 až 33 procent vývojářů po AI recenzi provedlo v pull requestu navazující úpravy. Tedy zhruba třetina lidí na základě strojové zpětné vazby něco reálně opravila.
• Prvotní úspěšnost vygenerování přesné funkce bez lidské úpravy je pod 50 procenty.

Poslední číslo hezky ilustruje celek: AI je skvělý pomocník na rychlost, ale není zdrojem pravdy. Review je filtr, který z té rychlosti dělá něco udržitelného.

Kolik to stojí: vlastní přepočet

Dobrá zpráva pro české týmy je, že automatické review nemusí stát majlant. Ceny tokenů se v roce 2026 rozevřely obrovsky — středně výkonné modely dnes dosahují zhruba 90 procent schopností vlajkových modelů za šestinu ceny. Zkuste si to spočítat na jednom review. Řekněme, že recenze průměrného pull requestu spotřebuje 50 tisíc vstupních a 10 tisíc výstupních tokenů. S vlajkovým modelem Claude Fable 5.1 (10 dolarů za milion vstupních, 50 dolarů za milion výstupních tokenů) vás jedno review vyjde na zhruba jeden dolar. Se specializovaným levnějším modelem, jako je DeepSeek V4 Pro (0,435 dolaru za milion vstupních a 0,87 dolaru za milion výstupních tokenů), spadne cena téhož review pod tři centy — tedy zhruba třicetkrát níž. Pointa není, že máte vždy brát ten nejlevnější model. Jde o to, že automatická kontrola kódu je dnes dostupná i pro malé firmy a jednotlivce, nejen pro velké korporace. U týmu, který denně odbaví desítky review, se rozdíl řádově v tisících korun měsíčně.

Co to znamená pro české vývojáře

Pro české firmy i jednotlivce z toho plyne praktický závěr: agentní kódování používejte, ale nenechte ho běžet bez pojistky. Tedy vždy s nějakou formou review — ideálně kombinací lidské kontroly u kritického kódu a automatické AI revize u zbytku. Z pohledu regulace stojí za zmínku i evropský kontext. Akt o umělé inteligenci (AI Act) postupně zpřísňuje požadavky na takzvaně vysoce rizikové systémy — a software, který ovlivňuje bezpečnost, zdraví nebo práva lidí, do této kategorie může spadat. Dokumentovaný a systematický code review je přitom jedním ze způsobů, jak prokázat, že vývoj probíhá pod kontrolou. Dobře nastavená revize tak není jen otázkou kvality kódu, ale i právní pojistkou. A nakonec to nejdůležitější: dnešní AI modely už dobře rozumí češtině, takže automatické review můžete mít klidně i s komentáři v rodném jazyce. Pokud tým pracuje česky, nic nebrání tomu, aby strojová zpětná vazba vypadala přirozeně a srozumitelně.

Sečteno

Code review v éře AI neumírá — jen mění podobu. Rychlost, kterou nám generování kódu dává, se bez kontroly obrátí proti nám v podobě dluhu, který bude někdo muset jednou splatit. Klíčem je kombinace: agentní kódování pro rychlost, automatizovaná AI revize pro objem a lidský dohled tam, kde chyba něco stojí. Udržitelný AI vývoj neznamená vrátit se k psaní všeho ručně. Znamená to vědět, co do kódu vpouštíte.