Co se databázové týmy naučily o AI agentech – a co byste z toho měli vy

Pojďme být upřímní: každý týden přichází další zpráva o tom, jak AI agenti píší kód rychleji než lidské týmy. Cursor údajně přepsal SQLite za pár dní. Softwarové továrny chrlí pull requesty jeden za druhým. Má to člověka donutit přemýšlet, jestli jeho kariéra vývojáře nemá nahnuté dny.

Tenhle přístup ale ignoruje podstatnou věc: rychlost je tou jednodušší částí rovnice. Naučit agenty psát kód rychle? Triviální problém. Naučit je ale psát kód, kterému byste svěřili produkční systém? To je výzva, o které se nikomu nechce mluvit.

Cockroach Labs nedávno představili svůj přístup k tomuto problému. Stojí za pozornost – ať už jste startup nebo vývojář, který zvažuje nasazení AI agentů do svého workflow.

Příběh dvou databází

V roce 2024 přidal Cockroach Labs do svého migračního nástroje MOLT podporu pro Oracle. Projekt zabral devět měsíců a stál přibližně 160 000 dolarů na inženýrské práci. Poctivá, profesionální práce zkušených inženýrů.

Pak přišel duben. Tým potřeboval přidat podporu pro IBM Db2 – databázi s bohatým SQL dialektem, komplexním systémem typů a nativním wire protocolem. Technicky srovnatelný rozsah.

Hotovo za necelé dva dny. Celková cena? 4 172 dolarů.

Chyták? Žádný člověk nenapsal ani řádek kódu.

Než začnete sepisovat výpověď, zamyslete se nad tím, co to umožnilo: nešlo jen o chytřejší agenty. Šlo o systém postavený na radikálním předpokladu – že úzkým hrdlem není psaní kódu, ale psaní důvěryhodného kódu.

MOLT Sinai: Píšete kód? Vítejte na pohotovosti

Cockroach Labs nerozjeli agenty a nečekali na zázraky. Vybudovali systém, který nazývají MOLT Sinai: pipeline modelovaná podle fakultních nemocnic, kde issues jsou „pacienti", sloučený kód je „propouštění" a lidské recenze jsou „vizity primářů".

Terminologie je možná trochu roztomilá, ale filozofie za tím je seriózní:

• Issues jsou pacienti: Každý úkol vstupuje do systému s dokumentací, prochází triáží a následuje definovanou cestu léčby
• Dekompozice je diagnostika: Velké problémy se rozbíjejí na podproblémy s explicitními závislostmi. Nejprve základy, pak typové systémy, pak iterátory řádků. Uzdravení neuspěcháte
• Review jsou vizity: Každý kus práce se examinuje, vrací k přepracování (někdy 55krát za jednu nadřazenou issue) a eskaluje, když je třeba
• Lidé jsou primáři: Konečné slovo mají zkušení inženýři, kteří můžou issue eskalovat k sobě, když něco nevypadá správně

Nejde o nahrazení doktorů – jde o systém, kde mají všichni jasně definované role.

Proč je propustnost špatný ukazatel

Tady dělá většina AI experimentů chybu: optimalizují pro „PRs za hodinu" nebo „řádků kódu denně". V demo verzích to vypadá skvěle. Hezky se o tom píšou titulky. Pro skutečné dodávání software jsou skoro k ničemu.

Cockroach Labs to říkají naplno: radši by měli, aby agenti strávili 10x víc času, než aby do zákaznické migrace přenesli špatná data. Pro firmu, jejíž celá hodnotová propozice stojí na správnosti dat, to není filozofie – je to otázka přežití.

Neptali se „kolik PRs můžeme sloučit?". Ptali se „kolik z těch PRs bychom se styděli sloučit?".

To je otázka, kterou by si měly pokládat všechny týmy – ať už AI agenty používají, nebo ne.

Co se skutečně stalo

Když podpora Db2 doputovala do MOLT:

• 32 sub-issues bylo otevřeno pod hlavní issue
• 27 pull requestů prošlo pipelinou
• 55krát recenzenti vrátili práci k přepracování
• 9 issues eskalovalo, z toho 2 skončily u lidského zásahu
• Pokrytí testy odpovídalo jejich nejošetřovanějšímu dialektu (PostgreSQL)

Agenti nebyli dokonalí. Podávali issues proti vlastní práci: chybějící fixury, bugy v mapování typů, opravy úrovní izolace. Potřebovali dohled. Ale ten dohled byl strukturovaný, účelný a škálovaný podle komplexity práce.

Srovnejte to se softwarovou továrnou, kde agenti jedou paralelně a nějaký layer se stará o slučování. Tahle architektura dává smysl, když je úzkým hrdlem rychlost psaní. Pro práci vyžadující správnost? Potřebujete nemocnici, ne výrobní linku.

Co to znamená pro váš tým

Většina z vás nejspíš nestaví databázové migrační nástroje. Stavíte webové aplikace, API, interní nástroje, MVP pro další velkou věc. Sázky jsou jinde.

Ale poučení platí stejně: AI agenti vynikají v objemu, lidé v úsudku. Týmy, které z AI kódování skutečně těží, nejen nepíšou do ChatGPT a neodesílají výstup do produkce. Staví systémy, které využívají obě stránky toho, co umí.

Možná to znamená:

• Používat agenty na boilerplate, testy a scaffolding
• Budovat review pipeliny, které chytí to, co agenti přehlédnou
• Brát výstup agentů jako „první koncept", ne „připraveno k odeslání"
• Držet lidi v procesu u čehokoli, co se dotýká zákaznických dat nebo core business logiky

Vývojáři, kteří budou prosperovat vedle AI agentů, nejsou ti, co se naučí psát rychleji. Jsou to ti, co se naučí architektovat systémy tak, aby byl AI multiplikátorem síly, ne rizikem.

Závěr

MOLT Sinai zpracoval ekvivalent devíti měsíců inženýrské práce za dva dny, za 2,5 % ceny, s kvalitou odpovídající lidsky psanému kódu.

Ale ten headline skrývá, co se ve skutečnosti stalo: tým lidí postavil rigorózní systém, definoval jasné role, zavedl smysluplné kontrolní body a pak svým agentům důvěřoval, že v tom rámci budou fungovat.

Agenti nenahradili inženýry. Vynásobili je.

To není příběh o AI nahrazující vývojáře. Je to příběh o vývojářích, kteří postavili systémy dostatečně sofistikované na to, aby AI využívali dobře.

A upřímně? To je verze tohohle příběhu, které stojí za pozornost.

Potřebujete infrastrukturu, která vás nezdržuje? Vibe Hosting kombinuje AI-powered nasazení s spolehlivostí, kterou potřebujete pro rychlý deployment bez zbytečných obav. Registrace domén, SSL certifikáty a cloud hosting – vše na jednom místě.