AI zrychluje práci, ale neodpouští chyby. Slabí programátoři budou první na ráně
22. 2. 2026Vzdělávání i praxe v IT se v posledních letech mění rychleji než dřív. Umělá inteligence dokáže vývojářům výrazně zrychlit práci, ale zároveň bez milosti ukazuje, kdo má pevné základy a kdo se pohybuje spíš po povrchu. Učitelé i personalisté stále častěji narážejí na stejný jev: nastupující generace mladých programátorů má široký rozhled, zná mnoho nástrojů a pojmů, jenže při práci bez AI se někdy zadrhne i na jednoduchém algoritmu.
Ředitel Soukromé střední školy výpočetní techniky (SSŠVT) Martin Vodička popisuje, že obavy z „nahrazení programátorů“ se časem ukázaly jako příliš zjednodušené. „Když se nástroje umělé inteligence začaly rozvíjet, očekávalo se, že programátoři budou mezi prvními profesemi, které budou narušeny. Dnes už ale vidíme, že kvalifikované vývojáře umělá inteligence nenahradí. Pokud jste dobrý programátor, dokážete nástroje AI využít k rychlejšímu a efektivnějšímu výkonu, je to váš sluha i nápomocný kolega. Podmínkou však je mít klíčové znalosti, pak vás může umělá inteligence kvalitativně hodně posunout. Naopak podprůměrnému programátorovi, který nemá principy kódování zažité, a nedokáže tak využít AI k podpoře při tvorbě kódu a k inovacím, nepomůže ani umělá inteligence,“ uvedl.
Změnu potvrzují i data Světového ekonomického fóra. V roce 2025 si díky AI rozšířili kariérní možnosti čtyři z deseti softwarových vývojářů. Až 70 procent programátorů zároveň vnímá, že se jejich práce posouvá od rutinního psaní kódu k hledání řešení problémů s využitím umělé inteligence.
Seniorní vývojář jako „dirigent“: AI pomůže, ale musí se řídit
Vodička upozorňuje, že posun role vývojářů je vidět zejména u zkušených lidí. „Ze seniorních programátorů se stávají spíš analytici než čistí kodéři. Zatímco dřív využívali k psaní kódu své juniorní kolegy, nyní mají k ruce umělou inteligenci. I tu ale musí zkušený vývojář řídit, směrovat k vytyčenému cíli a kontrolovat. Schopnost pochopit business kontext, navrhnout architekturu, pracovat s komplexními systémy nebo nést odpovědnost za výsledek, to jsou oblasti, kde je lidská zkušenost stále nenahraditelná,“ podotkl.
Právě v tom se podle něj ukazuje největší rozdíl. AI sice dokáže navrhnout kus kódu nebo připravit návrh řešení, ale bez člověka, který rozumí principům, umí posoudit dopady změn a pohlídá kvalitu, se snadno stane zdrojem chyb. Kdo má znalosti pevně ukotvené, bere AI jako posilu. Kdo je nemá, často nemá ani jak poznat, že výsledek není správně.
Juniorní pozice ubývají a firmy zvedají laťku
Zkušení vývojáři budou podle Vodičky na pracovním trhu žádaní i dál. Mnohem složitější situaci mají lidé, kteří dosud fungovali jako podpůrný tým seniorům a jejich práce stála na rutinních úkolech bez hlubší analýzy.
Elon Musk: Za 20 let bude práce jen koníček. Kdo pak ještě bude vydělávat peníze?
Ředitelka společnosti smitio Denisa Janatová popisuje, že u juniorních pozic je vidět pokles poptávky, ale příčin je víc. „U juniorních pozic vidíme jasný pokles poptávky, ale důvodem není pouze zástupnost nástroji AI. Firmy jsou opatrnější, projekty se víc finančně hlídají a umělá inteligence zároveň pokrývá část práce, kterou dříve zastávali junioři: jednoduché skripty, testovací scénáře nebo dokumentace. Dříve byl velký zájem například o ‚entry-level backend developery‘, manuální QA nebo jednoduché frontendové role. Tyto pozice dnes buď mizí, nebo se výrazně mění. Firmy očekávají, že i junior bude mít širší přesah, bude rozumět architektuře, testování, cloudu nebo alespoň základům DevOps,“ uvedla.
V praxi to znamená, že „junior“ už často nemá být jen někdo, kdo splní dílčí úkol. Po firmách zůstává očekávání, že i méně zkušený člověk pochopí, jak věci zapadají do celku, a dokáže pracovat s širším kontextem. Bez toho se do týmu prosazuje obtížněji.
Široký rozhled, ale chybějící jistota v základech
Do vzdělávání mladých ajťáků přinesla umělá inteligence obrovské možnosti, jenže vedle toho i problém, který se těžko přehlíží. Studenti umí pracovat se šablonami, vyznají se v nástrojích a s pomocí AI dokážou rychle rozpracovat komplexní zadání. Jakmile ale mají začít „od nuly“, často se ukáže nejistota.
„Téměř na vše existují šablony, které tato generace studentů dokáže s AI výborně rozpracovat. Je však třeba, aby dokázali napsat programovací kód od nuly, a to ne všichni zvládnou. Není to proto, že by toho měli v hlavě málo, jen dílem umělé inteligence nemají potřebu základní kódování využívat. A co nemusí opakovat, často zapomínají,“ říká Vodička. Připomíná také, že škola nikdy nemůže probrat úplně všechny možnosti rychle se měnícího softwarového trhu. O to důležitější je umět rozlišit, co je nezbytný základ, který se musí naučit precizně, a co už je možné vybírat selektivně.
Stejnou zkušenost popisují i personalisté při náborech. Janatová upozorňuje, že se u juniorních kandidátů stále častěji setkává s paradoxem: uchazeč dokáže s pomocí AI působivě navrhnout řešení a popsat architekturu, ale narazí ve chvíli, kdy má sám vymyslet jednoduchou funkci, algoritmus nebo práci s daty. „Ukazuje se, že přes rychlý přístup k hotovým řešením nikdy neprošli bolestivou, ale zásadní fází učení základů,“ uvedla.
Vodička na závěr připomíná, že klasický kód bude v praxi potřeba vždy a školy stojí před náročným úkolem, jak studenty připravit tak, aby AI používali jako nástroj, ne jako náhradu přemýšlení. „Umělá inteligence je nástroj, ne náhražka technického myšlení. Může vás učit nové věci, ale aby vám AI dobře sloužila, musíte vědět, na co se ptát. V tom je klíčová role učitele,“ uzavírá. Jako důležitou zkušenost zmiňuje i projekty bez AI a internetu, které studenty nutí opřít se o vlastní logiku a pochopit principy objektově orientovaného programování nebo relačních databází. K dalšímu profesnímu růstu jsou podle něj pevné základy pořád rozhodující.
Zdroj: Soukromá střední škola výpočetní techniky
Přesně tak…