Podle průzkumu Stack Overflow z října 2026 používá 73 % dotázaných vývojářů asistenty a agenty pro programování denně. Otázka, jestli s nimi vývojáři opravdu pracují rychleji, ale nemá jednoduchou odpověď. Kontrolované studie, ve kterých se náhodně určí, kdo AI smí použít a kdo ne, došly k velmi odlišným výsledkům. Podívali jsme se, co přesně měřily.
Co naměřily jednotlivé studie?
| Studie | Kdo a kolik | Co se měřilo | Výsledek |
|---|---|---|---|
| GitHub a Microsoft Research, 2022 | 95 programátorů na volné noze | čas na jednom stejném zadání | o 55,8 % rychleji s AI |
| Microsoft, Accenture a firma z Fortune 100 | 4 867 vývojářů v běžném provozu | počet dokončených úkolů | o 26 % víc úkolů s AI |
| Google, 2024 | 96 interních inženýrů | čas na úkol | zhruba o 21 % rychleji, s širokým rozptylem |
| METR, jaro 2025 | 16 zkušených vývojářů, 246 skutečných úkolů | čas na úkol ve vlastních projektech | o 19 % pomaleji s AI |
Rozdíly nejsou chybou. Každá studie měřila něco jiného, u jiných lidí a s jinými nástroji.
Proč první studie vyšla tak dobře?
Studie GitHubu z roku 2022 zadala všem stejný, dobře ohraničený úkol: napsat jednoduchý webový server v JavaScriptu. S AI asistentem to účastníci zvládli v průměru za 71 minut, bez něj za 161 minut. Autoři sami upozorňují, že šlo o jeden standardizovaný úkol, ne o práci ve velkém projektu. Výsledky také naznačují, že víc z AI vytěžili méně zkušení programátoři.
Co ukázaly velké firmy?
Nejrozsáhlejší pokus proběhl v Microsoftu, Accenture a další velké firmě. Skoro pět tisíc vývojářů dostalo nebo nedostalo AI asistenta náhodně a výzkumníci sledovali jejich běžnou práci. S AI dokončili v průměru o 26 % víc úkolů. Rozdíly mezi lidmi byly velké: podle shrnutí MIT Sloan získali junioři a nově nastoupení 27 až 39 %, zkušení vývojáři jen 8 až 13 %. Kvalitu kódu studie neměřila, výzkumníci k němu neměli přístup.
Proč byli zkušení vývojáři s AI pomalejší?
Nejvíc pozornosti vzbudila studie neziskové organizace METR z jara 2025. Šestnáct zkušených vývojářů řešilo skutečné úkoly ve velkých open-source projektech, na kterých pracovali roky. Projekty měly v průměru přes milion řádků kódu. S AI jim práce trvala o 19 % déle.
Nejzajímavější je ale něco jiného: vývojáři předem čekali, že je AI zrychlí o 24 %, a i po skončení věřili, že je zrychlila o 20 %.
METR sám upozorňuje, že výsledek neznamená, že AI nezrychluje většinu vývojářů, a dnes ho považuje za zastaralý. Nástroje se od jara 2025 výrazně změnily.
Proč se pokus nedá jednoduše zopakovat?
METR od srpna 2025 zkusil pokus zopakovat s 57 vývojáři. Narazil na nečekaný problém: stále víc vývojářů odmítalo účast, protože nechtěli pracovat bez AI, a 30 až 50 % účastníků v průzkumu uvedlo, že některé úkoly do studie nezařadili, aby je nemuseli dělat bez AI. Nové odhady vyšly ve prospěch AI, ale nejsou statisticky průkazné a METR je označil za nespolehlivé. U vývojářů a úkolů, které ze studie vypadly, může být podle METR zrychlení mnohem vyšší.
Co se děje s kvalitou a s dovednostmi?
Dvě novější studie ukazují i druhou stranu:
- Učení. Ve studii Anthropicu z ledna 2026 se 52 převážně juniorních inženýrů učilo novou knihovnu pro Python.
Skupina s AI dosáhla v testu porozumění průměrně 50 %, skupina bez AI 67 %. Největší rozdíl byl u otázek na ladění kódu. Kdo AI používal k pochopení látky, dopadl výrazně lépe než ten, kdo s ní jen generoval kód. Autoři upozorňují, že jde o souvislost v malých skupinách, ne prokázanou příčinu.
- Složitost kódu. Výzkumníci z Carnegie Mellon University v pozorovací studii (nejde o náhodný pokus)
porovnali 806 open-source projektů, které začaly používat editor Cursor, s 1 380 projekty, které ho nepoužívaly. V prvním měsíci přibylo o 281 % víc řádků kódu, zrychlení ale do třetího měsíce zmizelo. Varování statické analýzy přitom vzrostla o 30 % a zůstala vyšší.
Co z toho plyne pro firmy?
- Nečekejte jedno číslo. Přínos AI závisí na typu práce, zkušenostech lidí a na tom, jak dobře projekt znají.
U nových, ohraničených úkolů bývá vyšší než ve velkých, letitých systémech.
- Měřte, ne odhadujte. Pocit zrychlení se s měřením může výrazně rozcházet. Pokud AI zavádíte, sledujte
skutečný čas dodání a kvalitu, ne jen spokojenost lidí.
- Hlídejte kvalitu a učení. Rychle napsaný kód může přinést víc práce později. Junioři potřebují AI používat tak,
aby se s ní učili, ne místo učení.
Agenti přitom přebírají stále víc práce: podle zprávy GitHub Octoverse z října 2026 zahájili v září 2026 přes 40 % pull requestů na GitHubu. Produktivitu ani kvalitu tato zpráva neměří.
Shrnutí
- Kontrolované studie naměřily zlepšení o 21 až 56 %, ale i zpomalení o 19 % u zkušených vývojářů ve velkých
projektech.
- Vývojáři svůj zisk z AI často odhadují jinak, než ukáže měření.
- Nejvíc z AI získávají méně zkušení vývojáři. Zároveň se ukazují rizika pro kvalitu kódu a pro učení.
Pokud hledáte vývojáře, kteří s AI pracují a hlídají kvalitu kódu, napište nám, na jaký projekt. Formy spolupráce popisují stránky kontraktoring a AI řešení. Jak AI používají české firmy, ukazuje článek Kolik českých firem používá umělou inteligenci.
Stav k 31. 10. 2026. Výsledky studií platí pro nástroje a podmínky v době jejich provedení.
- umělá inteligence
- vývoj softwaru
- produktivita
- AI asistenti
Zdroje
Údaje v článku vycházejí z těchto veřejných zdrojů (datum ověření v závorce).
- Peng a kol.: The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (arXiv, 2023) (31. října 2026)
- Cui a kol.: The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers (Microsoft Research, 2025) (31. října 2026)
- MIT Sloan: How generative AI affects highly skilled workers (4. 11. 2024) (31. října 2026)
- Paradis a kol.: How much does AI impact development speed? An enterprise-based randomized controlled trial (arXiv, 2024) (31. října 2026)
- METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (10. 7. 2025) (31. října 2026)
- METR: We are Changing our Developer Productivity Experiment Design (24. 2. 2026) (31. října 2026)
- Anthropic: How AI assistance impacts the formation of coding skills (29. 1. 2026) (31. října 2026)
- He a kol.: Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects (arXiv, 2026) (31. října 2026)
- Stack Overflow Developer Survey 2026 (6. 10. 2026) (31. října 2026)
- GitHub Octoverse 2026 (28. 10. 2026) (31. října 2026)



