Matematika, která zabíjela produktivitu

Fred Brooks formuloval svůj slavný postřeh v knize The Mythical Man-Month v roce 1975. Jeho logika byla jednoduchá a neúprosná: každý nový člověk v týmu vytváří nové komunikační kanály. Tři vývojáři znamenají tři vzájemná propojení. Deset vývojářů už 45 spojení. Při dvaceti lidech se bavíme o 190 kanálech. Čím víc lidí, tím víc času se stráví synchronizací, schůzkami a vyjasňováním — místo skutečného programování.

K tomu se přidává náběhový čas nováčků. Než se nový člen týmu zorientuje v kódové základně, trvá to týdny až měsíce. A po celou tu dobu odčerpává čas zkušenějším kolegům, kteří ho musí zaučovat. Výsledkem je, že deset programátorů často neodvede ani dvojnásobek práce jednoho.

AI kolega, který nepotřebuje standup

AI asistenti pro kódování tuhle rovnici kompletně přepisují. Fungují jako ne-lidští spoluhráči, kteří nemusejí na ranní standup, nepletou si úkoly na Slacku a neberou si dovolenou. Koordinační režie, která dělala velké týmy neefektivními, se na AI programátora prostě nevztahuje.

Vývojářský investor a analytik Jacob Lauritzen to v podcastu 20VC shrnul jednoznačně: hlavním úzkým hrdlem vývoje už není samotné psaní kódu, ale code review a systémový design. AI nástroje dnes zvládnou vygenerovat funkční kód během vteřin — ale někdo zkušený ho musí zkontrolovat, zasadit do architektury a rozhodnout, jestli dává smysl v kontextu celého systému.

V praxi to znamená, že pět seniorních vývojářů s AI nástroji pokryje práci, na kterou bylo dřív potřeba patnáct až dvacet lidí. Nejde přitom o žádnou science fiction — firmy jako Sea Limited reportují, že 87 % jejich vývojářů používá agentní AI nástroje alespoň jednou týdně.

Cursor: Půl miliardy v tržbách, ale pořád ve ztrátě

Pokud OpenAI a Anthropic staví motory, Cursor staví auto, které lidé skutečně řídí. Toto AI-nativní vývojové prostředí (IDE) se stalo jedním z nejrychleji rostoucích nástrojů v historii softwaru — odhadované roční tržby dosahují 500 milionů dolarů (zhruba 11 miliard Kč).

Za těmito čísly je ale důležité dodat, že Cursor aktuálně funguje ve ztrátě. Provozování špičkových AI modelů a infrastruktury, která je podpírá, je mimořádně nákladné. Je to klasický příběh technologických firem: nejdřív vybudovat uživatelskou základnu, marže řešit později. Zda tahle strategie vyjde, závisí hlavně na tom, jak rychle klesnou ceny inference AI modelů.

Zajímavý pohled přinesla i empirická studie zkoumající reálné Git projekty. Zjistila, že nasazení Cursoru sice přineslo výrazný nárůst vývojářské rychlosti, ale tenhle efekt nebyl trvalý. Počáteční produktivní skok se postupně vytratil, jak se vývojáři adaptovali na nové workflow. Jinými slovy: AI nástroje nejvíc pomáhají při prvním nasazení, ne jako permanentní násobič výkonu.

Co to znamená pro firmy — a pro Česko

Pro české technologické firmy z toho plyne jasné ponaučení. Najímat armády juniorních vývojářů přestává být konkurenční výhodou. Místo toho se vyplácí investovat do menšího, zkušenějšího týmu a vybavit ho kvalitními AI nástroji. Cursor stojí 20 dolarů měsíčně za verzi Pro, GitHub Copilot vyjde na 10 dolarů měsíčně (případně 39 dolarů u verze Business), Claude Code od Anthropicu se platí podle spotřeby tokenů. Pro srovnání: průměrný plat seniorního vývojáře v Česku se pohybuje kolem 120–180 tisíc Kč měsíčně.

Nejde přitom jen o vývoj softwaru. Lauritzen upozorňuje, že schopnost systémového návrhu se stává důležitější než schopnost psát kód. Zatímco dřív firmy hledaly programátory, kteří umějí rychle psát, dnes potřebují lidi, kteří rozumí architektuře, bezpečnosti a dokážou poznat, kdy AI vygenerovala nesmysl.

České firmy jako Ecomail už AI do svých workflow integrují — propojují e-mailový marketing s Claude a ChatGPT a hlásí vyšší produktivitu. Podobně ČNB buduje vlastní AI centrum pro dohled nad bankovním sektorem. Trend je zřejmý: kdo se nenaučí s AI pracovat, bude ztrácet.

Riziko: přílišné spoléhání na AI kód

Studie ale zároveň varují před přehnaným optimismem. AI generovaný kód stále potřebuje lidskou kontrolu — a dočasný charakter produktivních zisků naznačuje, že organizace potřebují promyšlenou integrační strategii. Nestačí jen dát vývojářům přístup ke ChatGPT a čekat zázraky.

Obzvlášť to platí pro bezpečnostně kritické aplikace — bankovní systémy, zdravotnický software nebo infrastrukturu. Tam je lidský dohled naprosto nezbytný. Jak ukázal případ Anthropicu, model Claude Mythos sice dokázal najít přes 10 000 kritických zranitelností, ale zároveň vyvolal obavy z bezpečnostních rizik samotného nasazení takto silné AI.

Ekonomický směr je ale jasný. Ceny modelů klesají (DeepSeek V4-Pro nabízí výkon srovnatelný s GPT-5.5 za 11× nižší cenu), nástroje jsou sofistikovanější a týmy, které se nové dynamice přizpůsobí jako první, získají strukturální výhodu. Brooks by pravděpodobně nebyl zklamaný — chtěl hlavně, aby se software dodával včas.