Většina firem nemá luxus psát software od nuly. Běží jim roky staré systémy, na kterých stojí celý byznys — a právě ty se mění nejhůř. Finští konzultanti z Tieto teď ukázali, že i do takového „starého“ kódu jde AI zapojit. Výsledkem je dvojnásobné zrychlení vývoje, a to bez nutnosti stěhovat se do cloudu a s tím, že každý krok pořád schvaluje člověk.
Starý software je ta nejtěžší zkouška pro AI
Když firmy ukazují, co AI umí, většinou to předvádějí na čerstvém projektu: malý kód, žádná zátěž, žádné kompromisy. Jenže realita vypadá jinak. Většina hodnotných systémů už nějakou dobu běží — v odborném žargonu se jim říká brownfield, tedy už zastavěné území, na rozdíl od greenfieldu, kde se staví na zelené louce. Tým Network Products z Tieto Tech Consulting se pustil právě do toho těžšího případu. Stará se o signalizační software pro sítě SS7 a Diameter, o směrování napříč 2G, 3G, 4G i 5G a o detekci zařízení. Celkem přes 25 000 signalizačních instalací ve světě od roku 1991, zákaznické nasazení ve 20 zemích. Tohle není aplikace na hraní — změna musí splňovat přísné požadavky na kvalitu a stabilitu, protože na tom stojí telekomunikační provoz. Navíc tým pracuje v prostředí, které se nedá jen tak zahodit: úložiště kódu v on-prem GitLabu, správu úkolů v Jira a ověřování změn v CI/CD nástroji Jenkins. Přesunout tohle všechno do cloudu kvůli módě by znamenalo riskovat závazky vůči zákazníkům. Otázka proto zněla jinak: dá se AI připojit tak, aby zůstalo vše při starém, ale práce šla rychleji?Agent, který nejen píše kód, ale řídí celý postup
Odpověď Tieto je ve spojení dvou věcí: GitHub Copilot a takzvaného agentic DevOps. Klasický Copilot napovídá programátorovi řádek po řádku. Agentic přístup jde dál — AI agent dokáže samostatně naplánovat víc kroků za sebou, rozdělit úkol na části a postupně je plnit. V tomto případě se Copilot stal řídicí vrstvou, která spojuje specializované agenty. Každý z nich má na starost jednu fázi: rozbor požadavku, rozpad na dílčí úkoly, technické plánování, psaní kódu a testů, dokumentaci a nakonec kontrolu před vydáním. Přitom každý agent dostane jen ty instrukce a nástroje, které ke své roli potřebuje. Klíčová je přitom jedna technická věc jménem MCP (Model Context Protocol). Zjednodušeně je to standardní „konektor“, přes který AI mluví s interními nástroji. Tým si napsal vlastní MCP integrace pro svůj on-prem GitLab, takže Copilot umí pracovat s repozitáři a žádostmi o sloučení kódu, aniž by se musel měnit zavedený systém. GitLab, Jira a Jenkins zůstávají tím, co drží historii a řídí vydání. Copilot je jen vrstva navrch. Hodně záleží na tom, že si tým návody, šablony a definice agentů ukládá do verzovaného úložiště. Znalosti, které dřív žily jen v hlavách jednotlivých vývojářů, se tak stávají součástí kódu, na kterou se může spolehnout celý tým.Pojistky: člověk pořád drží otěže
U softwaru, na kterém závisí telekomunikační provoz, by samostatně běžící AI bez kontroly byla nepřijatelná. Proto Tieto staví agentic DevOps na řadě pojistek. Nejdůležitější je člověk v každém rozhodovacím bodě. Agent, který plánuje, může mít přístup jen ke čtení; ten, který píše kód, dostane omezené právo zápisu. Inženýr schvaluje analýzu, plán i samotný kód. Vygenerovaný kód navíc prochází stejnou CI/CD kontrolou jako kód napsaný člověkem — agenti se do procesu nevlamují, jen ho zrychlují. Zkušenost Tieto odhalila i jedno překvapení: výchozí režim agenta nestačil. Teprve vlastní agenti a instrukce šité na míru konkrétnímu kódu přinesly relevantní a spolehlivé výsledky. Obecný model bez znalosti produktu by v tomto prostředí selhal.Co z toho plyne pro české firmy
Příběh Tieto je evropský — a to je pro místní čtenáře podstatné. Řeší totiž přesně tu věc, která evropské firmy nejvíc pálí: kde zůstávají data. Popsané řešení běží kolem on-prem systémů, takže citlivý kód nemusí opustit vlastní infrastrukturu firmy. K tomu se váže i otázka ochrany dat. GitHub u tarifů Business a Enterprise nepoužívá firemní data k tréninku modelů a nabízí smluvní dohodu, která podporuje soulad s GDPR. U individuálních tarifů (Free, Pro, Pro+) se sice data k tréninku použít mohou, ale uživatel to může v nastavení vypnout. Pro firmu, která AI do kódu zvažuje, je tohle konkrétní argument pro firemní tarif. A kolik to stojí? Individuální tarify GitHub Copilot vycházejí na 10 dolarů (Pro), 39 dolarů (Pro+) a 100 dolarů (Max) měsíčně za vývojáře — v přepočtu řádově stovky až tisíce korun. Desetičlenný tým na tarifu Pro tak vyjde zhruba na 100 dolarů měsíčně. Firemní tarify Business a Enterprise se účtují zvlášť a ceník je individuální. Jedno upozornění ke férovosti: ono dvojnásobné zrychlení je interní měření Tieto, nikoli nezávislý benchmark. Pro srovnání GitHub sám u Copilotu uvádí, že vývojáři jsou podle jeho výzkumu „až o 55 % produktivnější“. Různá čísla, různé metodiky — vyplatí se je číst s rezervou, dokud si je firma neověří na vlastním projektu. Širší kontext je ale jasný. Tieto loni na jaře oznámila strategické partnerství s Microsoftem a jedním z prvních kroků je proškolení 5 000 konzultantů na nejnovější AI technologie Microsoftu. Tieto je jeho Frontier Partner s více než 1 000 certifikovanými odborníky a zaměstnává okolo 14 000 lidí při obratu zhruba 2 miliardy eur. Agentic DevOps se tak nemusí zastavit u jednoho telekomunikačního týmu.Devět kroků, které si může opsat i menší firma
Tieto z praxe odvodila jednoduchý návod, který dává smysl i firmám bez telekomunikačního zázemí. Nejdůležitější tři body zní: Začněte u skutečného úkolu, ne u izolovaného pokusu. Místo testu „na písku“ vezměte reálnou úpravu nebo opravu chyby a protáhněte ji celým procesem. Nebořte, co funguje. Stávající úložiště kódu, správu úkolů i CI/CD nechte být. AI přidejte jako vrstvu navrch a propojte ji přes MCP — ne přesunem všeho na cizí platformu. Oddělte plánování od psaní. Než agent dostane právo cokoli měnit, ať nejdřív navrhne plán, který schválí člověk. Zodpovědnost za architekturu a kvalitu zůstává na lidech. Výsledek pak nezní jako zázrak, ale jako disciplína: AI firmě nepřinese skokový pokrok, zato zvládne pracně a důsledně propojit práci od návrhu až po dodání — a udržet přitom kvalitu, která se u kritických systémů nesmí ztratit.Funguje GitHub Copilot i v češtině a je dostupný českým firmám?
Ano, GitHub Copilot je přes Microsoft dostupný i českým vývojářům a firmám. Sám GitHub ale upozorňuje, že funguje nejlépe s anglickými zadáními, protože na anglických zdrojích byl trénován — v češtině může být kvalita návrhů slabší.
Nahradí AI programátory?
Ne. I GitHub Copilot zdůrazňuje, že jde o „druhého pilota“, nikoli autopilota — nástroj, který práci zrychluje, ale vyžaduje lidskou kontrolu, testování a zodpovědnost. U Tieto každý krok schvaluje člověk.
Co je to MCP a proč se o něm pořád mluví?
MCP (Model Context Protocol) je standardní rozhraní, přes které AI komunikuje s dalšími nástroji — v tomto případě s firemním GitLabem. Díky němu jde AI připojit k existujícím systémům, aniž by se musely měnit.
