AI coding tools začaly automatizovat přesně tu práci, na které se vývojáři dřív učili: malé opravy, boilerplate, testy, dokumentaci, menší funkcionality a první orientaci v cizí codebase. Krátkodobě to vypadá jako produktivní výhra. Dlouhodobě je to problém pro celý obor, protože software engineering není továrna na řádky kódu, ale učňovský systém pro předávání úsudku. A ten se nedá doplnit zpětně npm balíčkem.

Co se vlastně ztrácí

Představte si první měsíc v novém týmu. Dostanete bug, který vypadá triviálně: špatný formát data v jedné odpovědi API. Oprava je tři řádky. Jenže abyste věděli které tři řádky, musíte najít, kde se datum transformuje, zjistit, proč je tam vůbec jiný formát než ve zbytku systému, přečíst si testy, které na to nikdo nenapsal, podívat se do git blame, jestli to byla záměrná úprava nebo chyba, napsat fix, napsat test, otevřít pull request, dostat review komentář od seniora, který vám řekne, že jste opravili příznak a ne příčinu, a začít znovu.

Celý tenhle proces trvá dva dny. AI ho často zvládne za pár minut. A právě proto je tak cenný.

Ne pro firmu jako výrobní kapacitu. Pro juniora jako učební situaci. Během těch dvou dní se naučí číst cizí kód, orientovat se v historii repozitáře, pochopit lokální konvence, nepodcenit edge case, přijmout zpětnou vazbu a zjistit, že produkční systém není školní úloha. Žádnou z těchto věcí mu AI neukáže, protože AI dodá výsledek, ne cestu k němu. A cesta byla ta část, na které se junior učil.

Konec náhodného učení

Software engineering měl vždycky učňovský model. Jen si to nikdy nepřiznal. Firmy nenajímaly juniory proto, že chtěly investovat do vzdělávání. Najímaly je proto, že potřebovaly levnou kapacitu na malé úkoly, a učení bylo vedlejší produkt: junior dostal dostatek drobné práce, u které se musel potýkat s reálným systémem, a v review a architektonických diskuzích postupně nasával úsudek od zkušenějších kolegů. Nikdo ten proces nenavrhoval. Prostě vznikal.

Tohle fungovalo, dokud byly malé úkoly levné pro firmu a zároveň nutné pro tým. Jakmile je levněji vyrobil model, učňovská vrstva přestává vznikat přirozeně. Firma ztratí ekonomický důvod vytvářet situace, ve kterých se junior učí. A protože ten důvod nikdy nebyl explicitní, jeho zmizení si málokdo všimne.

Charity Majors, CTO Honeycomb, to pojmenovala přesně: nenajímáním juniorů si firmy „kanibalizují vlastní budoucnost.“ Psaní kódu je podle ní snadnější část softwarového inženýrství; těžší je systém provozovat, rozumět mu, rozšiřovat ho a spravovat po celý životní cyklus. Na to potřebujete roky praxe s reálnými systémy. A právě ty roky praxe teď nemá kde získat celá generace vývojářů.

Tohle je jádro problému. AI nezabíjí juniorské programátory. Zabíjí starý, neformální předpoklad, že se junior nějak naučí bokem, když mu firma přidělí dost drobných úkolů a senior mu občas napíše komentář do review.

Trh už se podle toho chová

Data z trhu práce ukazují, že nejde o teoretickou obavu. Stanford Digital Economy Lab ve working paperu z listopadu 2025, postaveném na payroll datech ADP za miliony amerických pracovníků, nachází 16% relativní pokles zaměstnanosti pracovníků ve věku 22 až 25 let v AI-exponovaných profesích, u softwarových vývojářů přibližně 20 %. Autoři jsou opatrní v kauzalitě, ale vzorec je konzistentní: zkušenější pracovníci ve stejných profesch zůstali stabilní nebo rostli. Indeed Hiring Lab dodává, že mezi roky 2022 a 2025 se v amerických tech inzerátech zvedl podíl požadavků na pět a více let praxe z 37 na 42 %. Další data by se dala přidávat, ale pro pointu článku stačí základní směr: juniorních příležitostí ubývá a zbylé role se posouvají ke zkušenějším lidem.

Důležité je, co z toho plyne. Kdyby šlo jen o postcovidovou korekci v techu, čekali bychom jednodušší příběh plošného ochlazení. Tady se ale specificky zužuje spodek kariérní pyramidy. Trh říká: chceme software, chceme AI, chceme vyšší průchodnost, ale nechceme platit tréninkovou fázi. To je účetní logika. Inženýrská by se ptala, kdo bude za pět let ten systém udržovat.

Junior nikdy nebyl jen levnější Copilot

Hlavní omyl AI-first manažerských zkratek spočívá v tom, že ztotožňují juniora s jeho výstupem. Junior napíše CRUD endpoint, AI napíše CRUD endpoint, AI je levnější, junior je zbytečný. Tahle úvaha ignoruje, že junior nebyl v týmu primárně jako výrobní jednotka. Byl tam jako člověk, který se mění na někoho schopného nést odpovědnost za systém.

Senior nevzniká tím, že osm let generuje složitější funkce. Senior vzniká tím, že osm let vidí důsledky vlastních rozhodnutí. Vidí, jak jeho „rychlý fix“ za tři měsíce způsobí produkční incident. Vidí, jak abstrakce, která vypadala elegantně v PR, znemožní rozšíření o rok později. Vidí, jak nedostatečný test projde CI a selhá u zákazníka. Tohle se nedá naučit z promptu. Dá se to naučit jedině tím, že člověk prochází reálnými situacemi v reálném systému s reálnými důsledky.

Matt Garman, CEO AWS, to řekl překvapivě otevřeně: nahrazovat juniory AI je „jedna z nejhloupějších věcí“, které slyšel. A dodal: „Jak to bude fungovat za deset let, když se nikdo nic nenaučil?“ Jeho argument je jednoduchý: firmy pořád musí přijímat lidi ze škol a učit je správně stavět software. U CEO jedné z největších cloudových platforem to není sentimentalita. Je to pipeline logika.

Produktivita není totéž co seniorita

Software není individuální výrobní linka. Kód jednoho člověka se stává nákladem ostatních: musí se přečíst, zreviewovat, otestovat, zabezpečit, provozovat a za půl roku změnit. Pokud AI zrychlí psaní, ale nezrychlí porozumění, review, testování a provoz, tým si možná jen přesunul úzké hrdlo z klávesnice do review queue.

METR v červenci 2025 tohle empiricky ilustroval. V randomizované studii 16 zkušených open-source vývojářů řešících 246 reálných issue ve vlastních zralých repozitářích vyšlo, že s AI trvalo řešení v průměru o 19 % déle. Vývojáři přitom předem odhadovali 24% zrychlení a i po experimentu měli pocit, že jim AI pomohla. Rozdíl mezi jejich následným odhadem přínosu a naměřeným výsledkem byl 39 procentních bodů. METR sám zdůrazňuje, že jde o snapshot konkrétního nastavení a zobecňovat nelze. Ale právě to je na studii cenné: ukazuje, že pocit produktivity a systémová průchodnost mohou jít proti sobě.

Pro juniora je to dvojitá past. AI mu dodá řešení rychleji, než by k němu došel sám. Jenže cesta k řešení byla často tou částí, která budovala schopnost odhalit, proč je návrh špatný, proč test neověřuje podstatnou věc nebo proč je abstrakce předčasná. Kdo dostává hotové odpovědi bez práce s chybou, učí se méně. A co je horší: neví, že se učí méně, protože výstup vypadá funkčně.

Tady je užitečné rozlišení, které v debatě často chybí. Augmented coding znamená, že vývojář používá model jako rychlý nástroj, ale pořád chápe kód, upravuje návrh, píše testy, čte diff a nese odpovědnost. Vibe coding v profesionálním týmu znamená, že člověk přijme fungující výstup bez dostatečného porozumění. První přístup může učení zrychlit. Druhý ho nahrazuje pocitem, že učení proběhlo.

Jak má vypadat junior v době AI

Pro začínající vývojáře je z toho nepříjemný, ale použitelný závěr: nestačí umět promptovat. Brzy to bude samozřejmost. Hodnotnější bude schopnost ověřovat. Číst diff a rozumět, co model změnil a proč. Najít, kde návrh předpokládá podmínky, které v produkci neplatí. Porovnat dvě varianty řešení a formulovat, proč je jedna udržitelnější. Přijít do review s vlastní hypotézou rizik, než čekat, co řekne senior.

AI může být vynikající učitel, pokud ji nutíte vysvětlovat, hledat protiargumenty a generovat testy k vašemu návrhu. Je mizerný učitel, pokud jen dodává hotové odpovědi, které projdou buildem. Dobrý junior v roce 2026 nebude člověk, který odmítá AI. Bude to člověk, který s AI pracuje agresivně, ale skepticky. Nevěří výstupu bez ověření, nepouští do produkce kód, který neumí vysvětlit, a používá model k rozšíření vlastního mentálního modelu.

Co musí změnit firmy

Odpovědnost za přerušenou pipeline neleží na juniorech. Leží na firmách, které přestaly vytvářet učební situace.

Nejjednodušší pravidlo: nepoužívat AI jako náhradu juniora, ale změnit juniorské zadání. Junior nemusí týden psát boilerplate ručně. Musí umět vysvětlit, co model navrhl, proč je návrh přijatelný, jaké má okrajové podmínky a co by se rozbilo při změně požadavku. Kent Beck navrhuje, aby junior před mergem AI-asistovaného kódu prokázal, co se při práci naučil. Je to jednoduchá organizační brzda, která nechrání build, ale chrání učení.

Druhé pravidlo: pokud AI seniorům ušetří čas, část té úspory musí jít do práce s juniory. Senior nemá být jen bottleneck na schvalování pull requestů. Má být kurátor situací, ve kterých se junior učí úsudek: rozbory incidentů, architektonické rozhodování, příprava migračních plánů, analýza toho, proč automatický test nepokrývá skutečné produkční riziko. Pokud firma ušetřený čas seniora přeleje do dalších ticketů, neakceleruje vývoj. Jen vypaluje zásobu budoucích seniorů.

Třetí pravidlo: měřit review náklad stejně pečlivě jako objem outputu. Pokud AI zvedne počet pull requestů o 25 %, ale review queue se zdvojnasobí a incidenty přibývají, tým se nezrychlil. Jen přesunul problém. Thoughtworks Technology Radar Vol 34 z dubna 2026 pro tohle používá pojem „cognitive debt“: rostoucí propast mezi systémy, které AI generuje, a schopností lidí jim rozumět.

Pro české týmy je problém citlivější právě tím, že lokální trh je menší a méně diverzifikovaný. Univerzity mohou naučit práci s AI, ale nemohou nahradit pět let provozu systému se zákazníky, SLA a incidenty. Seniorita vzniká ve firmě. Pokud firma tu cestu uzavře, škola ji nenahradí.

Učení se nedá automatizovat

AI coding tools jsou pro software engineering skutečně velká změna. Ne proto, že by definitivně nahradily programátory. Proto, že automatizují spodní příčky kariérního žebříčku, po kterém se lidé učili lézt nahoru. Obory obvykle nezjistí ztrátu učňovské vrstvy hned. Zjistí ji až ve chvíli, kdy potřebují zkušené lidi a oni nikde nejsou.

Kdo si toho všimne včas, může postavit lepší učňovský model než ten starý. Záměrný, promýšlený, navržený stejně explicitně jako observability nebo incident response. Kdo to vezme jako příležitost vyskrtnout juniory z rozpočtu, bude za pár let draze nakupovat senioritu, kterou si odmítl vypěstovat.