Pravda o AI kódovacích agentech: Co odhalují data z více než 6 000 reálných session vývojářů

Všichni slyšíme sliby: AI agenti změní vývoj kódu. Méně psaní. Rychlejší nasazení. Robotům necháme rutinu.

Nikdo ale nedotýkal měřit, co vývojáři s těmito agenty opravdu dělají. Až teď.

Nový dataset SWE-chat zachytil přes 6 000 skutečných kódovacích session z produkčního prostředí. Výsledky jsou šokující, nepříjemné a burcují všechny představy o spolupráci člověka s AI v softwaru.

Vzestup "vibe kódování" – noční můra pro bezpečnostníky

Data ukazují tři hlavní styly spolupráce:

• Pouze člověk (22,7 %): AI jen vysvětluje, kód píše vývojář
• Spolupráce (36,5 %): Obousměrné vylepšování, sdílené autorství
• Vibe kódování (40,8 %): AI píše téměř vše, člověk jen schvaluje

Ten poslední exploduje. Za tři měsíce se zdvojnásobil a je teď nejběžnější.

Problém? Vibe kódy nesou 9x více bezpečnostních chyb než čistě lidský kód.

Přemýšlejte o tom. Když vývojáři předají klávesnici AI, jdou rychleji – ale s obrovskými bezpečnostními dírami. Každý styl přidává víc chyb, než řeší. Vibe kódování je pak katastrofa.

Nelíbilá realita: Většina AI kódu končí v koši

Proč, když vývojáři AI milují, nikdy nedostane do produkce 55,7 % jejich kódu?

Vývojáři neustále zasahují. V 44 % interakcí přerušují nebo odmítají AI. Agenti se ptájí na upřesnění jen v 1,4 % případů.

Je to jako rozhovor, kde jeden mluví a druhý ho ignoruje.

Vývojáři AI berou jako nástroj na zkoumání nápadů a rychlé iterace. Ne na plnoautomatické kódování. Používají je jako super gumičkové kachničky – většinu návrhů vyhodí, dobré vylepší.

Co vývojáři od AI opravdu chtějí

Překvapivý fakt: Nejčastější požadavek není napsat kód – je to vysvětlit ho.

19 % promptů žádá vysvětlení existujícího kódu. Překonává generování kódu. AI slouží k reverznímu inženýrství, tvorbě dokumentace nebo rychlému nástupu do cizích projektů.

Prodáváme je jako "méně psaní kódu". Vývojáři ale říkají: "Pomoz mi pochopit."

Past "expertních mravokrajců"

47 % lidí ve vibe kódování jsou "expert nitpickers" – vývojáři, kteří všechno kontrolují, opravují detaily.

To je neefektivní. Pokud budete recenzeovat každou řádku, proč vibe kódovat? Data radí spolupráci – lepší efektivita, nižší riziko.

Ti mravokrajci plýtvají silami na kontrolu kódu, který by napsali rychleji sami. Jen pomaleji.

Skutečné příklady selhání

Dataset má reálné neúspěšné session. Například: Vývojář chtěl opravit pomalé animace v iOS appce. AI pořád měnila špatný parametr – stagger karet místo kontejneru.

Po opakovaných opravách? Žádný commit. AI nepochopila prostorový kontext ani prioritu.

Další: Expert mravokrajcův říká: "Nefabrikuj funkci," "inline UUID," "přejmenuj konstantu." Spíš reviewer než programátor.

Co to znamená pro váš tým

Hodnotíte AI agentů? Tady jsou rady z dat:

Používejte na pochopení, ne psaní: Lepší vysvětlují kód než ho generují. Dokumentace nad tvorbu.

Držte se spolupráce: 36,5 % session s vylepšováním je ideál – bezpečné, efektivní, vývojáři spokojeni. Vibe kódování láká, ale riskuje vše.

Plánujte review: Na AI kód pusťte Semgrep, Snyk. 9x více chyb je realita v produkci.

Měřte, co se nasadí: Vyhodíte 55 % návrhů? To není chyba – to je účel. Hodnoťte úspěšnost, ne objem.

Širší pohled

SWE-chat není jen čísla – je upřímný. Chytá reálné vývojáře v reálných workflow, s reálnými rozhodnutími.

Odhaluje přehnaný optimismus kolem AI agentů. Ne píšou kód bez dozoru. Slouží jako interaktivní nástroje na myšlení, většinu návrhů vyhodíme, zůstáváme u kormidla.

AI jsou silné. Ale ne kouzelné. Úspěšní budou ti, kdo je berou jako partnery – se skepsí a aktivní rolí.

Data to potvrzují.

Chcete víc? Plný SWE-chat dataset je veřejný. Pokud stavíte na AI agentech, tyhle interakční vzory ovlivní vaši roadmap. Znát, jak vývojáři opravdu pracují, bije dohady.