Svět technologických expertů a studentů právě prochází obdobím největší nejistoty za poslední dvě desetiletí. Podle dat Business Insider a výzkumu provedeného v rámci Hoover Institution na Stanford University došlo v podzimním období 2025 k poklesu zápisů do oborů zaměřených na počítačové a informační vědy o 8,1 % oproti předchozímu roku.
Tento trend není jen statistickou odchylkou. Je to signál, že paradigma, v němž se pohybujeme – tedy vztah mezi technickým vzděláním a budoucí kariérou v softwarovém inženýrství – se zásadně mění. Pro české studenty na ČVUT nebo VUT to může znamenat otázku: „Vyplatí se ještě investovat roky do hlubokého studia algoritmic, když AI dokáže napsat kód během sekund?“
Je AI viníkem? Rozdíl mezi korelací a kauzalitou
Jacob Light, ekonom ze Stanfordu, v rámci svého rozsáhlého výzkumu analyzoval více než 50 milionů kurzů na 1 019 amerických univerzitách. Jeho závěr je však opatrný: i když se nástup velkých jazykových modelů (LLM) časově shoduje s poklesem zájmu o informatiku, data přímo neprokazují, že by AI byla přímou příčinou.
Light identifikoval pět klíčových faktorů, které mohou za tento vývoj stát:
- Slabší trh práce pro juniorní vývojáře: Firmy stále hledají experty, ale pozice pro začátečníky se mění. AI nástroje jako GitHub Copilot (dostupný v ČR za cca 250 Kč/měsíc pro jednotlivce) nebo Cursor zvyšují nároky na efektivitu, což zmenšuje prostor pro „učící se“ juniorní role.
- Nejistota ohledně hodnoty diplomu: Pokud AI dokáže debugovat kód a navrhovat architekturu, studenti po dubbioch zvažují, zda je tradiční CS (Computer Science) diplom stále nejlepší cestou k úspěchu.
- Změny v demografii studentů: Změny v imigrační politice USA ovlivnily počet mezinárodních studentů, kteří dříve tvořili významnou část technických oborů.
- Konkurence nových oborů: Místo čisté informatiky volí studenti modernější směry, jako je Data Science nebo AI Engineering.
- Kvalita přípravy studentů: Existuje narůstající propast mezi technickou připraveností přicházejících studentů a nároky na vysokoškolské studium.
Srovnání nástrojů, které mění pravidla hry
Abychom pochopili, proč se studenti obávají, musíme se podívat na schopnosti současných modelů. Tradiční programátor trávil hodiny psaním boilerplate kódu. Dnes tyto úkoly přebírají modely s extrémně vysokou přesností:
| Model / Nástroj | Hlavní síla v programování | Dostupnost v ČR | Cena (přibližná) |
|---|---|---|---|
| GPT-4o (OpenAI) | Logické uvažování, obecná znalost | Ano (Web/App) | Free / ~500 Kč měsíc |
| Claude 3.5 Sonnet (Anthropic) | Nejlepší v psaní čistého a lidského kódu | Ano (Web/API) | Free / ~500 Kč měsíc |
| GitHub Copilot | Integrace přímo do IDE (autodoplnění) | Ano (Plugin) | ~250 Kč měsíc |
Praktický dopad: Co to znamená pro českého vývojáře a firmy?
Tento pokles v USA je varovným signálem i pro evropský a český trh. Česká republika má silnou tradici softwarového inženýrství, ale musíme si uvědomit, že role „pisatele kódu“ (coder) umírá, zatímco role „architekta systémů“ (engineer) se prohlubuje.
Pro českou technologickou scénu to znamená tři věci:
- Změna nároků na juniorní role: Firmy v Praze či Brně už nebudou hledat někoho, kdo umí jen syntaxi Pythonu nebo Java. Budou hledat lidi, kteří rozumí AI orchestraci – schopnosti řídit modely, ověřovat jejich výstupy a integrovat je do komplexních systémů.
- Důležitost regulace (EU AI Act): V rámci Evropské unie bude klíčová bezpečnost a etika. Vývojáři musí rozumět tomu, jak modely fungují „pod kapotou“, aby mohli dodržovat přísné evropské normy pro transparentnost a kontrolu nad algoritmy.
- Nárůst významu soft-skills: Když AI převezme technickou práci, lidé musí vyniknout v definování problémů, komunikaci s klientem a projektovém řízení.
Pokud jste studentem nebo aspiring vývojářem, největší chybou by bylo přestat studovat základy počítačových věd. Bez pochopení datových struktur, operačních systémů a síťové bezpečnosti nebudete schopni AI nástroje efektivně kontrolovat. Budete jen „kopírovačem“ kódu, který si ani neumí opravit, když se AI splete.
Znamená to, že je studium informatiky zbytečné?
Absolutně ne. Studijní programy poskytují hluboké pochopení principů, které jsou nezbytné pro řízení AI nástrojů. Bez teoretického základu nemůžete efektivně debugovat nebo navrhovat komplexní systémy, které AI pouze fragmentárně generuje.
Jaké nové směry by měl student dnes sledovat?
Doporučujeme zaměřit se na Data Science, Machine Learning Engineering, Kybernetickou bezpečnost nebo AI Governance (v souvislosti s EU regulacemi). Tyto obory tě těsněji spojují s technologickým posunem.
Může mi AI vzít práci v budoucnu?