ALEXANDER A BERICOS Z OPENAI: KÓDOVÁNÍ KONČÍ, PŘICHÁZÍ ÉRA SUPERLIDÍ

Alexander a Bericos z OpenAI: Kódování končí, přichází éra superlidí

Shrnutí klíčových bodů:

• Umělá inteligence mění definici kódování, ale nepovede k zániku softwarových inženýrů; naopak je posílí.
• Alexander a Bericos z OpenAI věří, že AI umožní lidem cítit se jako „superlidi" díky intuitivním nástrojům.
• Lidská rychlost psaní a validace úkolů jsou nyní klíčovými překážkami pro dosažení obecné umělé inteligence (AGI).
• OpenAI se zaměřuje na vytváření nástrojů, které umožňují delegovat úkoly AI, místo aby se s ní jen „párovalo" programovalo.
• Role produktových manažerů se transformuje, jejich úkoly by mohli převzít silní techničtí lídři nebo designéři.
• Rychlost inference je pro vývojáře kritická, a OpenAI na ní intenzivně pracuje na všech úrovních.
• Většina interního kódu v OpenAI je již psána umělou inteligencí, což radikálně mění pracovní postupy.

Konec kódování, nebo jeho renesance?

Bericos souhlasí s tím, že velké jazykové modely (LLM) jsou v kódování mimořádně dobré. Nicméně, jak sám podotýká: „Určitě bych souhlasil, že kódování je jednou z prvních oblastí, kde jsou velké jazykové modely (LLM) opravdu dobré. Ale co to znamená, že kódování je automatizované? Je to tak trochu silné prohlášení, že ano?" Přirovnává to k přechodu od psaní v assembleru k vyšším programovacím jazykům. Tehdy nikdo neřekl, že kódování je automatizované; spíše se stalo, že jsme byli schopni psát mnohem více kódu, což vedlo k výraznému nárůstu poptávky po kódu a potřebě více softwarových inženýrů.

Historie nám nabízí podobné paralely. Původ slova „počítač" (computer) odkazuje na lidi, kteří prováděli intenzivní manuální výpočty, například v Bletchley Parku při dekódování Enigmy. Tyto specifické, opakující se úkoly byly automatizovány, ale pokaždé to vedlo k explozi poptávky po výstupu, a tím pádem k potřebě více lidí pro práci, byť v nové, vyšší formě. Bericos proto předpovídá, že za pět let budeme mít více inženýrů, nikoli méně. Jejich role se však změní. Budou to spíše „full-stack" vývojáři, kteří se budou zabývat širším spektrem úkolů a budou méně specializovaní na front-end nebo back-end, jak tomu bylo v minulosti. Tato „komprese talentového zásobníku" znamená, že se inženýři budou soustředit na vyšší úroveň abstrakce a delegování úkolů AI.

Lidská interakce jako nová úzká hrdla

Jedním z nejzajímavějších Bericosových postřehů je jeho tvrzení, že lidská rychlost psaní a validační práce jsou klíčovým úzkým hrdlem pro dosažení AGI, nikoli výpočetní výkon modelu nebo architektura. Vysvětluje to na jednoduchém příkladu: Zatímco inženýři v OpenAI používají Codex desítkykrát denně, potenciál AI je mnohem větší – měla by nám pomáhat desetitisícekrát denně. „Myslím, že AI by nám měla pomáhat desetitisícekrát denně. Problém je, že jsem příliš líný na to, abych napsal tolik promptů, a příliš nekreativní na to, abych vymyslel všechny způsoby, jak mi AI může pomoci."

Tato „lenost" nebo spíše nedostatek času a kreativity při formulování promptů brání plnému využití potenciálu AI. Cílem je, aby používání AI bylo naprosto snadné a intuitivní, aby uživatelé nemuseli přemýšlet o tom, jak správně promptovat, nebo dokonce ani rozpoznat, že jim AI může pomoci. Měla by se nenápadně integrovat do kontextu a nabízet pomoc.

Od produktizace promptů k nástrojům pro „superlidi"

Bericos vidí budoucnost, kde je AI vysoce produktizovaná, s „kouzelným textovým polem" nebo hlasovým vstupem, kde AI automaticky pomáhá. Než se tam ale dostaneme, je klíčové zaměřit se na mezistupeň: stavbu nástrojů pro lidi, kteří jsou ochotni experimentovat a zjišťovat, jak AI používat. „Pro mě je nejvíce vzrušující budoucnost s AI taková, kde se každý cítí jako superčlověk, posílený AI. A k tomu potřebujeme nástroje, se kterými se každý cítí plynule."

Místo vytváření úzce specializovaných AI řešení pro konkrétní odvětví (např. „Claude pro právníky"), by se měly vyvíjet otevřenější nástroje, které uživatelům umožní kreativně je využívat pro jakýkoli úkol. Bericos nastiňuje třífázovou cestu:

• Fáze 1: Agentům se daří v softwarovém inženýrství, protože LLM jsou v tom dobří.
• Fáze 2: Uvědomění, že pro obecně užitečného agenta je klíčové, aby uměl používat počítač. A jelikož kódování je nejlepší způsob, jak může agent používat počítač, všichni agenti se stávají „kódovacími agenty". Tato flexibilní myšlenka se zpřístupní komukoli, kdo je nadšený pro objevování a experimentování. Dokonce i v OpenAI Codex app, navrženém pro vývojáře, vidí lidi, kteří ho používají pro nekódovací úkoly.
• Fáze 3: Jakmile se ukáže, co funguje, dojde k produktizaci – vytvoření vysoce specifických funkcí, které fungují okamžitě. Bericos věří, že touto cestou projdeme velmi rychle, v řádu měsíců.

Role inženýrů a produktových manažerů v éře AI

Zatímco potřeba softwarových inženýrů se bude měnit, ale ne zanikne, Bericos má odvážnější pohled na roli produktových manažerů (PM). „Myslím, že je neuvěřitelně těžké definovat, co je PM, co je produktový manažer. Tu roli vnímám jako explicitně nedefinovanou a vaším cílem je jen se přizpůsobit tomu, co tým nebo podnik potřebuje." Naznačuje, že mnoho úkolů PM, jako je strategické plánování, spolupráce s marketingem nebo role „roztleskávače" týmu, by mohl převzít velmi silný technický lídr nebo designér s produktovým myšlením. To neznamená, že PM jsou zbyteční, ale že jejich počet bude pravděpodobně omezen, dokud tým nedosáhne opravdu velké velikosti.

Důležitý je také Bericosův pohled na implementaci AI v podnicích. Zatímco se mnozí domnívají, že je potřeba speciální „Full-time ekvivalent" (FTE) inženýrů pro řešení bezpečnostních a datových problémů, Bericos argumentuje, že je efektivnější dát nástroje AI přímo do rukou lidí, kteří práci skutečně dělají. Když tito lidé získají intuitivní pochopení AI, mohou ji začlenit do svých pracovních postupů, čímž se vyhnou pocitu, že jim je automatizace vnucována shora. Tento přístup podporuje pocit kontroly a posílení, což vede k efektivnějšímu využití AI v celé organizaci.

Rychlost a interní využití Codexu v OpenAI

Rychlost je pro vývojáře při používání AI kódovacích asistentů klíčová. Partnerství OpenAI se společností Cerebras, známou jako nejrychlejší poskytovatel inference, to podtrhuje. Bericos zdůrazňuje, že se OpenAI snaží zrychlit inference ze všech úhlů – od hardwaru přes optimalizaci procesů inference až po samotné modely. Například model GPT 5.3 Codex je výrazně efektivnější než předchozí verze, a nedávné změny v API a Codexu zrychlily obsluhu modelů o 40 %, respektive 25 %.

Možná nejvíce překvapivé je, jak se Codex používá interně v OpenAI. Bericos uvádí, že většina lidí již neotevírá editory kódu. „Řekl bych, že většina lidí, které znám, už v podstatě neotvírá editory." Tento posun nastal s GPT 5.2 Codex, který byl výrazně lepší v dlouhodobém běhu, správě kontextu a dodržování instrukcí. Dříve se AI používala spíše pro doplňování kódu nebo párové programování, kdy vývojář stále řídil proces. Nyní se přešlo na plné delegování úkolů AI. Vývojáři definují plán a specifikace, a pak nechají AI „vařit" kód. Většina kódu v OpenAI je tak psána umělou inteligencí, a většina lidí ani neotevírá integrované vývojové prostředí (IDE).

Budoucnost kódování a code review

V tomto novém paradigmatu se mění i proces code review. Místo kontroly samotného kódu se stává mnohem důležitější revize plánu neboli specifikace. OpenAI nedávno zavedlo „režim plánování", kde agent navrhne podrobný plán, jak úkol provede, a pak se ptá na zpětnou vazbu. To je podobné, jako když nový zaměstnanec představuje návrh architektury kódu týmu před samotným zahájením práce.

A co samotné code review? „Běžnou praxí s Codexem je nechat Codex, aby zkontroloval svůj vlastní pull request nebo svou vlastní změnu. A Codex je v tom neuvěřitelně dobrý. Model jsme explicitně trénovali, aby byl dobrý v code review." Díky vysoké signalizaci a nízkému počtu falešných pozitiv je zpětná vazba od AI velmi důvěryhodná. To pomáhá řešit problém „AI slopu", kdy lidé posílají nekvalitní kód generovaný AI do open-source projektů bez řádné kontroly.

Závěr

Pohled Alexandra a Bericose na budoucnost kódování a AI je fascinující a plný optimismu. Místo obav z nahrazení lidské práce vidí příležitost k transformaci, kde se inženýři stanou výkonnějšími a kreativnějšími než kdy předtím. AI se stává partnerem, který přebírá rutinní úkoly, zatímco lidé se soustředí na vyšší úroveň abstrakce, inovace a strategického myšlení. Klíčem k této budoucnosti je vývoj intuitivních a otevřených nástrojů, které posilují jednotlivce a umožňují jim plně využít potenciál umělé inteligence k tomu, aby se stali skutečnými „superlidmi" v digitálním světě.