Délka:
8 min
Publikováno:
18. dubna 2026

GitHub v dubnu 2026 přejmenoval „coding agent" na „cloud agent". Není to jen marketing. Copilot cloud agent už neřeší jen pull requesty — zvládá research, plánování i provádění úkolů napříč celým vývojovým cyklem. Zároveň přidali výběr modelů (Claude, Codex), sjednotili metriky aktivních uživatelů a zavedli rate limity: 300 premium requestů měsíčně na Pro, 1 500 na Pro+.
Agenti přestávají být experiment. Přestávají být i autocomplete. A to mění, jak vývojáři pracují.
Přes 51 % veškerého kódu commitovaného na GitHub na začátku 2026 vzniklo s pomocí AI. Projekce říkají 60 % do konce roku. 78 % firem z Fortune 500 má AI-asistovaný vývoj v produkci. JPMorgan Chase hlásí 60 000 vývojářů na AI nástrojích a 30% nárůst velocity.
Ale druhá strana: AI-asistovaný kód obsahuje 2,74× více zranitelností než kód psaný člověkem, 45 % vzorků propadne bezpečnostními testy. Issue count u projektů s vysokou mírou AI kódu roste 1,7×. Víc kódu neznamená automaticky lepší kód. Vývojáři sice hlásí, že se s AI nástroji cítí o 20 % produktivnější, ale objektivní měření ukazují 19% zpomalení po započtení delších reviews a oprav. Kód vznikne rychle, ale náklady přijdou později.
To je ten rozpor, který řešíme u klientů denně. Rychlost roste, ale bez odpovídající kontroly roste i technický dluh.
Když asistent doplňuje řádky kódu, vývojář zůstává v řízení. Píše, kontroluje, potvrzuje. Když agent dostane issue a vrátí pull request, role se zásadně posouvá: z autora se stává reviewer a zadavatel.
„U asistovaného psaní kódu má člověk větší kontrolu nad změnami, a tím se limitují případy, kdy se nějaká změna stane bez mého vědomí. Větší delegování na AI dělám buď na začátku projektu, kde si připravuji strukturu, nebo u dokumentace kostru a první verzi. Ale i u toho je potřeba jasně vymezit, co je mé očekávání, a tím snížit budoucí iterace k dosažení pozitivního výsledku."
„U asistovaného psaní kódu mi funguje si rozvrhnout předem, čeho chci dosáhnout, a pak postupně dělat a povolovat změny krok po kroku. U větší delegace pak víc dbám na to, aby v mém vstupu byly jasně vymezené cíle, dostatečné zdroje atd., aby první výsledek byl kvalitnější a reviewable."
— David Omrai, developer DX Heroes
Davidův postřeh potvrzuje vzorec, který vidíme i u klientů. Psaní kvalitních issues a PR descriptions se v roce 2026 stává stejně důležité jako psaní kódu. Vývojář, který umí efektivně zadat práci agentovi, s jasným kontextem, omezeným scope a měřitelnými cíli, dosáhne výrazně lepších výsledků než ten, kdo agenta pustí na vágní zadání.
Jakub Vacek, který pro klienty DX Heroes vede AI coding workshopy, má praktický přístup k udržení přehlednosti agentova výstupu:
„Jde o to, kolik kódu necháte AI napsat. Pokud to dělím do malých PR — 100 až 300 řádků kódu — tak to dokážu kontrolovat celkem bez problémů. Navíc GitHub Copilot má už poměrně slušného agenta na code review přímo v GitHub UI. Používám to tak, že před požádáním člověka o code review sám udělám několik iterací s Copilot CR — neřeším vše, co najde (jsou tam false positives), ale hlavní věci to často chytí."
— Jakub Vacek, developer DX Heroes
Vzorec je konzistentní: vývojáři, kteří s AI agenty uspějí, nejsou ti, kdo generují nejvíc kódu. Jsou to ti, kdo práci dělí na přehledné kusy a k výstupu AI přistupují jako k draftu vyžadujícímu lidský úsudek. AI skutečně pomáhá s onboardingem na nových projektech a tvorbou dokumentačních kostřic, ale i tam hrozí přehnaná důvěra v odpovědi, které AI podává s přesvědčivostí bez ohledu na správnost.
Zavádění AI nástrojů ve firmách není jednolitý příběh. Některé organizace teprve začínají, jiné už mají licence, proškolené týmy a nastavené procesy. A pak jsou firmy, které nemůžou začít vůbec, protože ani enterprise varianty nástrojů nesplňují jejich bezpečnostní požadavky.
„Přesně to ‚zkoušíme AI' k ‚potřebujeme governance' vystihuje rozsah, ve kterém se firmy pohybují. Některé sotva začaly a o nějaké governance ještě neuvažují, jiná firma už všechny proškolila a nakoupila licence, a tak se to téma pak nabízí. Nicméně některé firmy třeba ani nemůžou začít s AI adopcí, protože ani řešení jako GitHub Enterprise pro ně nejsou dostatečně bezpečné a potřebují řešení na míru — jako například naše MCP Gateway."
— Matyáš Křeček, AI consultant DX Heroes
Podrobněji jsme governance téma rozebrali v článku Řízení MCP ve firmách: přehled 2026, kde mapujeme, co nabízejí jednotlivé platformy a kde jsou mezery. Klíčový závěr: nativní pravidla dodavatele jsou nutná, ale nestačí. Potřebujete plán pro AI governance napříč klienty a odděleními.
Na základě naší praxe s enterprise klienty doporučujeme pět kroků:
Posun od AI asistentů k AI agentům není skok, ale postupný přechod. Autocomplete nikam nezmizí, jen se přidává nová vrstva: agenti, kteří zvládnou pracovat samostatně na celých úkolech. Vývojáři, kteří se naučí s touto vrstvou efektivně pracovat, budou mít zásadní výhodu.
Firmy, které zvládnou governance, měření a change management kolem agentů, budou o krok napřed. Ty, které čekají na hotové řešení, budou dohánět.
Pokud ve vaší firmě řešíte přechod na AI agenty a hledáte praktický přístup, ozvěte se nám. Pomáháme firmám od pilotu přes governance až po adopci v celé organizaci.
Nenechte si utéct naše nejlepší postřehy. Žádný spam, jen praktické analýzy, pozvánky na exkluzivní eventy a shrnutí podcastů přímo do vaší schránky.