Můj odhad byl překonán více než dvojnásobně. Duben jsme skončili na 136 tisících řádků kódu navržených AI a akceptovaných našimi vývojáři, s mírou akceptace téměř 99 %. A to nejzajímavější se zatím ani neukázalo v číslech.
Z 60 tisíc na 136 tisíc řádků
Zhruba před třemi týdny jsem zde měl příspěvek, ve kterém jsem popisoval, jak jsme ve firmě, v rámci našeho vývojového týmu, začali používat Claude Code.
Můj optimistický odhad v době psaní příspěvku byl, že bychom se mohli dostat na cca 60 tisíc řádků kódu dodaných AI a akceptovaných našimi vývojáři. Realita můj optimismus výrazně předčila. Duben jsme skončili na 136 tisících řádků kódu navržených AI a akceptovaných našimi vývojáři. Míra akceptace tak dosáhla téměř 99 % (vývojáři musí navržený kód akceptovat) a oproti hodnotě z původního příspěvku narostla ještě o zhruba 2 %. Velmi pravděpodobně je za tím rostoucí zkušenost vývojářů v práci s AI a možná také model Opus 4.7, který mezitím přišel.
Adopce AI je dnes priorita
Téma rozvoje aplikací a firemní infrastruktury za pomoci AI je pro nás nyní prioritní téma. Kdo toto téma nyní dokáže dobře uchopit a využít, získává velkou konkurenční výhodu. V rozjetých organizacích to může být oříšek, otočit kormidlem parníku dá práci. Proto jsem rád, že mám v týmu parťáky, kteří téma adopce AI vidí jako prioritu. Je snadné utopit se v rutině každodenního byznysu a najít sílu a motivaci pro změnu vyžaduje velkou vnitřní sílu a odhodlání. Nicméně doba vyžaduje a odměňuje ty, kteří dokáží provést transformaci do světa, ve kterém AI hraje prim.
Od AI-assisted k AI-driven developmentu
Vývoj za pomoci AI se u nás proto překlopil i do roviny, kdy už neřešíme jen AI-assisted development, ale realizujeme přímo AI-driven development. Zde už není tahounem vývojář, ale přímo product owner, který pomocí byznysových promptů designuje cílovou aplikaci. Tento přístup znamená další akceleraci vývoje, ale přináší sebou také značná rizika — špatně napsaná a nezkontrolovaná aplikace je tikající bomba. A nejde přitom jen o funkční chyby — stejně závažný je bezpečnostní a architektonický dluh (prompt injection, slabá autorizace, nesprávně zvolené závislosti), který se často projeví až s odstupem.
Disciplína v zadání a testování
Proto se intenzivně zaměřujeme na téma přípravy kvalitního zadání a následné analýzy (obojí s AI), nastavení pravidel vývoje pro AI, aby výstupem byl kvalitní kód, a testování dodaných aplikací na všech úrovních (unit a smoke testy, integrační, e2e, performance a penetrační testy). Zkušenosti, které takto získáváme, jsou neocenitelné.
Napsat komentář