Ještě před pár lety znamenala nová funkce v e-shopu zadání pro vývojáře, rozpočet a týdny práce. Dnes napíšete AI větu a za hodinu máte funkční kód. Otázka, kterou si skoro nikdo neklade, zní: bude to fungovat i za rok?

AI a rychlé prototypování posunuly hranici toho, co zvládne jeden člověk za jeden večer. Skript, úprava šablony, propojení dvou systémů, jednoduchá automatizace – dřív to byl projekt na týdny, dnes věc hotová do rána. To je obrovský posun a není důvod ho zlehčovat. Snižuje cenu experimentování, dává menším firmám schopnosti dřív dostupné jen velkým týmům a zkracuje cestu od nápadu k funkčnímu řešení.

Zároveň ale vzniká nový problém, který se snadno přehlédne.

To, že něco funguje, ještě neznamená, že je to hotové řešení.

Jak se experiment nenápadně stane kritickým systémem

Typický vývoj bývá nenápadný. Potřebujeme třeba jen jednoduchý skript, který upraví cenu pro pár zákazníků. Skript se osvědčí, tak se rozšíří a začne upravovat i další produkty. Pak se napojí na skladový systém. Pak začne synchronizovat ceny a dostupnost. Pak se přidají objednávky. A jednoho dne firma zjistí, že bez téhle „jednoduché věci“ nedokáže expedovat.

Nikdy nenastal moment, kdy by někdo řekl: teď stavíme kritický systém. Prostě se jím postupně stal. A tady je otázka, kterou stojí za to si položit u každého rychlého řešení: pokud tahle věc zítra přestane fungovat, zastaví se část vašeho byznysu? Pokud ano, už se nebavíme o experimentu.

Funkční neznamená bezpečné

AI dnes umí napsat velmi dobrý, funkční kód. Otázku, jestli je i bezpečný, ale člověk bez technického vzdělání často nedokáže posoudit. Přes e-shopové systémy přitom protékají citlivé informace: adresy, telefonní čísla, obchodní ceny, přístupové klíče, skladová data nebo informace o firemních zákaznících.

Kde jsou uloženy přístupové klíče? Má aplikace přístup jen k tomu, co skutečně potřebuje? Neukládáte náhodou zákaznická data někam, kde by neměla být? Tohle jsou otázky, na které se u rychle vytvořeného řešení obvykle nikdo neptá – dokud se něco nestane.

AI může vytvořit aplikaci, která funguje perfektně. Bezpečnostní problém přitom nemusí být vůbec vidět.

A co se vlastně stalo s daty, která jste tam poslali?

Při řešení technického problému je snadné vložit do AI nástroje export objednávek, seznam zákazníků, fakturu nebo část komunikace s dodavatelem. Člověk řeší technickou věc a nemusí si uvědomit, že současně pracuje s citlivými daty. Vědí lidé ve vaší firmě, jaká data smějí do AI nástrojů vkládat a jaká ne? To není otázka na zastrašení – je to připomínka, že každý AI nástroj je dnes plnohodnotnou součástí firemní infrastruktury a měl by se tak i posuzovat.

Kód, kterému za rok nikdo nerozumí

Uprav mi tohle. Přidej ještě tuhle podmínku. Oprav tuhle chybu. Přepiš to, ať to funguje i na mobilu. Po pár měsících takových drobných zásahů řešení sice funguje, ale nikdo už přesně neví, proč je napsané zrovna takhle, co na čem závisí, a co se rozbije při další úpravě. Vygenerovaný kód je stále jen kód. A někdo ho jednou bude muset udržovat, rozšiřovat nebo po letech pochopit, proč tam vlastně je.

Deset levných nástrojů je jeden drahý problém

Moderní e-commerce stack dnes běžně obsahuje samotnou platformu, pár doplňkových aplikací, automatizační nástroj, AI přístupy, propojení na sklad a pár marketingových nástrojů. Každá z položek dává smysl a stojí pár stovek měsíčně. Jenže málokdo se podívá na celkový účet. A ještě méně lidí počítá čas strávený správou, laděním integrací a řešením toho, co se rozbilo po změně v některé ze služeb.

Stojí za to jednou ročně si sepsat, kolik nástrojů firma platí, co každý z nich řeší a jestli by šel nahradit. Otázka na konci zní: nekupujeme už několik let po kouscích funkcionalitu, kterou by dávalo smysl jednou vyřešit pořádně?

Kdy se vyplatí pronájem a kdy je čas postavit si vlastní řešení

Hotové řešení bývá často nejlepší volbou. Hlavně když řeší standardní problém, jeho cena odpovídá hodnotě a dá se snadno nahradit. Vlastní řešení začíná dávat smysl ve chvíli, kdy je funkcionalita specifická pro váš byznys, propojuje víc systémů dohromady, protékají jím kritická data nebo když firma dlouhodobě platí za víc drobných nástrojů tolik, co by stál jeden dobře postavený systém.

Ne všechno má smysl vlastnit. Ale stejně tak nemá smysl všechno si navždy pronajímat.

Proč pořád potřebujete někoho, kdo tomu rozumí

Odpověď dnes není „protože AI neumí programovat“ – to už často není pravda. Hodnota zkušeného vývojáře nebo technologického partnera se posouvá jinam. Méně jde o dovednost napsat kód, víc o schopnost rozhodnout, kde mají být data, jaké řešení zvolit, kde vznikají rizika a co vůbec nemá smysl programovat.

Hodnota zkušeného technologického partnera není jen v tom, že dokáže vytvořit kód. Měl by také vědět, jaký kód vůbec vzniknout nemá.

AI budou používat i nejlepší odborníci – v tom není žádný rozpor. Rozdíl je v tom, že dokážou výsledek posoudit, zasadit do kontextu, zabezpečit a dlouhodobě spravovat. AI nemusí odborníka nahradit, ale může mu pomoci zvládnout násobně víc práce.

Rychlé řešení není problém. Problém je nevědět, že je rychlé

Existuje spousta situací, kdy je rychlé AI řešení přesně to pravé – prototyp, jednorázová úprava dat, interní nástroj, test nové funkce. Problém není quick win. Potíž je, když se quick win bez jasného rozhodnutí nenápadně stane dlouhodobě nezbytným systémem.

Experiment – Pokud se pokazí, nic zásadního se neděje.

Nástroj – Firma ho používá pravidelně, ale dá se nahradit.

Kritický systém – Jeho výpadek ovlivní objednávky, zákazníky nebo peníze.

Čím blíž se řešení posouvá ke kritickému systému, tím víc by měla růst jeho dokumentace, bezpečnost, testování a jasná odpovědnost za jeho správu.

Než rychlé řešení necháte v provozu natrvalo

• Co se stane, když zítra přestane fungovat?
• Jaká data přes něj procházejí a kde jsou uložena?
• Kdo k nim má přístup?
• Rozumí výslednému kódu ještě někdo jiný než jeho autor?
• Existuje alespoň základní dokumentace?
• Kolik bude řešení stát za rok, za tři, za pět let?
• Je to pořád ještě experiment, nebo už součást infrastruktury firmy?

AI dramaticky zlevnila výrobu e-commerce technologií. Nezrušila ale potřebu rozhodnout, co má vůbec smysl stavět. A jak to postavit tak, aby to dávalo smysl i za pár let.

V budoucnosti pravděpodobně nebude stát AI proti odborníkům. Výhodu budou mít firmy, které dokáží AI využít v zájmu rychlosti a zároveň poznají okamžik, kdy už nestaví experiment, ale infrastrukturu vlastního podnikání.

Naslouchat dřív, než radit

Otázka, jestli si nechat postavit vlastní řešení nebo zůstat u rychlého nástroje, nemá jednu univerzální odpověď. Závisí na tom, čím firma skutečně žije. To se ale nedá poznat z první schůzky s prezentací.

Na začátku spolupráce proto neděláme prezentaci řešení. Nejdřív posloucháme. Ptáme se, co má výsledné řešení dělat za rok, kde jsou jeho limity, co je zatím jen experiment a co se má stát infrastrukturou. Většina IT firem prodává to, co umí. My hledáme, co konkrétně potřebujete – a teprve pak to dodáme.

IT, které vám rozumí. Ne proto, že to zní dobře na billboardu, ale protože bez pochopení, čím firma skutečně žije, se dá naprogramovat cokoliv. Jen často ne to, co skutečně potřebuje.

Přesvědčte se sami. Zkuste nás.

Tento text vznikl jako komentář k aktuálním trendům v oblasti AI a vývoje v e-commerce. Argumenty v něm jsou záměrně kritické – nikoli proto, aby odmítly AI nástroje nebo rychlý vývoj, ale aby pojmenovaly jejich meze.