Problém se specifikacemi není nový – AI ho jen odhalil

Vývoj s AI agenty má jednu nepříjemnou realitu, která se skrývá na očích: skutečná brzda nikdy nebyla psaní kódu. Byla to volba, co vlastně napsat.

Fred Brooks to tušil už v roce 1986 v knize No Silver Bullet. Ukázal, že velké vynálezy jako objektové programování nebo strukturované metody přinášejí jen malé zisky. Řeší náhodnou složitost – tu s psaním kódu – ale ne esenciální složitost – tu s uvažováním. V softwaru je nejtěžší fáze specifikace: sladit názory stakeholderů, vyřešit kompromisy a definovat požadavky na systém, který ještě neexistuje.

Dnes AI generuje kód za nás a lidé si myslí, že specifikace se vytratí sama. Nic takového.

Proč "podrobný popis" není totéž co "specifikace v přirozeném jazyce"

Mnoho nástrojů – od AI generatorů produktových specifikací po validátory – vychází z předpokladu: stačí, když AI položí správné otázky, a mezery se zaplní.

To je omyl. Přirozený jazyk je plný nejednoznačností. Proto vznikly formální notace. Můžete napsat pěkný text, který stakeholderům sedne, ale AI na něm postaví špatný kód. "Dashboard se má načíst do 2 sekund" zní jednoduše. Ale "P95 latence pod 2000 ms, maximálně 5000 ms v 99. percentilu" – to je specifikace.

Když dáte AI vágní zadání, výsledek je buď:

1. Divný kód, který funguje, ale architektonicky selhává. Pak refaktorujete měsíce.
2. AI doplní detaily z tréninkových dat. Použije vzory z tisíců podobných projektů a dodá, co jste nemysleli.

Žádná z variant není úspěch.

Kde AI agenty skutečně zabíjejí (a kde ne)

Buďme upřímní: agentický vývoj exceluje v úzkých oblastech. Landing pages, CRUD appky, boilerplate integrace, standardní e-commerce – tyto úkoly jsou konvergentní. AI jen replikuje známé vzory z dat.

To je super. Sólo founder si 10x zrychlí práci. Malý tým udělá admin nástroje za hodiny místo týdnů. Reálný boost.

Ale pozor: funguje to díky jasné specifikaci, ne navzdory ní. Problémový prostor je tak ohraný, že specifikace může být skoro implicitní.

Na složitější věci – custom logiku, nové integrace, architektonické volby – AI nepomůže. Stále musíte myslet jako lidé. AI urychlí psaní, ne uvažování. neumí odmítnout špatný nápad, dokud mu to neřeknete.

Jak řekl jeden dev: "AI napíše kód, ale neodmítne ho napsat, pokud mu neřeknete, proč by nebylo lepší udělat X." To je produktové myšlení, ne kódování. A to AI nenahradí.

Skutečná brzda: špatná komunikace mezi lidmi

Pokud specifikace je tvrdý ořech a AI ji neřeší, co pomůže?

Jednoduchá odpověď: zmenšit tření v lidské komunikaci.

Když PM předá inženýrovi brief a ten pak týden objasňuje edge cases, máte problém se specifikací. Když designer'ské mockupy kolidují s backendem, stejně. Když AI vygeneruje kód na základě špatných předpokladů, opět specifikace.

Řešení není chytřejší AI. Je to přesnost v lidském dialogu před spuštěním agenta.

To znamená:

• Specifikace jako hlavní artefakt. Ne dokument na okraj, ale smlouva pro generování kódu.
• Dokumentace kompromisů. Proč eventual consistency místo strong? Proč tento datový model?
• Formální nástroje tam, kde záleží přesnost. SQL schémata, API kontrakty, performance limity.
• Rychlé testy s AI. Vygenerujte kousek kódu, odhalte nejasnosti a specifikaci upravte.

Co to znamená pro váš workflow

Při stavbě produkčních systémů s AI neodhoďte agenty. Investujte do specifikací víc, ne míň.

V éře "move fast" to zní divně. Ale rychlost se špatnou specifikací vede k rychlým chybám. Týmy, co uspěly s AI, neříkají agentům "vymyslete si". Nejdřív promyslí, pak nechají AI akcelerovat.

Pro startupy a malé týmy: výhoda není v generování kódu. Je v přesné specifikaci. Pokud ji máte tak jasnou, že AI ji spolehlivě implementuje, vyhráli jste. Kód je teď maličkost.

Závěr

Brooks měl pravdu v 1986 i v 2025. Esenciální složitost softwaru je v koncepci, ne konstrukci. AI to nezměnila – jen odhalila rozdíl mezi vágním nápadem a přesným kódem.

Další produktivita nepřijde z lepších agentů. Přijde z týmů, co specifikace berou vážně, requirements engineering stavějí na piedestal a AI používají k zesílení jasnosti, ne k zakrývání chaosu.

To je pravá šance na křižovatce AI a vývoje. A vyžaduje to to, co AI neumí: hluboce přemýšlet o tom, co skutečně stavíte.