Veterán s 30 lety praxe o tom, proč AI nemůže nahradit softwarové architekty

Proč hands-on architektura stále vítězí v éře AI

Dennis Doma je softwarový inženýr s 30 lety zkušeností, Microsoft MVP a tvůrce Fluent Assertions — jedné z nejpopulárnějších open source testovacích knihoven pro .NET. Jako coding architect ve společnosti Aviva Solutions strávil desítky let bojem se složitostí, která ničí podnikový software. V rozhovoru pro Beyond Coding sdílí, jak AI nástroje přetvářejí jeho pracovní postupy — a kde selhávají.

O architektech, kteří přestanou kódovat: “If you stop coding, if you actually stop building production systems, you lose that experience. If I had stopped coding for the last 3 years, I would have probably missed the whole AI scene.” (Když přestanete kódovat, když přestanete skutečně budovat produkční systémy, ztrácíte zkušenost. Kdybych přestal kódovat v posledních 3 letech, pravděpodobně bych propásl celou éru AI.) Doma argumentuje, že softwaroví architekti, kteří se stáhnou k high-level diagramům, ztrácejí schopnost posoudit, zda řešení skutečně fungují. Zpětná vazba z praxe — budování, nasazování, opravování chyb — je nenahraditelná.

O vlastnictví kódu generovaného AI: “I treat all AI-generated code as mine.” (Veškerý kód generovaný AI považuji za svůj.) Když GitHub Copilot sestavil většinu jeho nové open source mockovací knihovny z jediného issue, byl Doma ohromený — ale okamžitě převzal zodpovědnost. Testy generované AI prochází řádek po řádku, refaktoruje kód, který nesplňuje jeho standardy, a průběžně aktualizuje instrukční soubory, aby se budoucí výstupy zlepšovaly. Tento kód není „kód AI” — je to jeho zodpovědnost.

O náhodné složitosti: Týmy slepě kopírují architektonické vzory — onion architecture, clean architecture — aniž by chápaly, proč existují. Vývojáři s 10–15 lety zkušeností se stávají „přehnaně” lpící na principech SOLID, které třímají jako štít proti pragmatismu. “Yeah, but you don’t need this abstraction. Yeah, but it’s ready for the future. You don’t need this abstraction. That’s a smell.” (Jo, ale tuhle abstrakci nepotřebuješ. Jo, ale je připravená na budoucnost. Tuhle abstrakci nepotřebuješ. To je pach.)

O juniorních vývojářích a AI: Vynořují se dva archetypy — ti, kdo AI záměrně nepoužívají, aby si zachovali schopnost učit se, a ti, kdo ji používají všude bez porozumění výstupu. Doma se setkal s vývojářem, jehož pull request fungoval (testy prošly), ale který nedokázal vysvětlit, co kód dělá. Jeho reakce: “I don’t care if you don’t practice TDD properly, but make sure the code is designed the way we want it and we can maintain it.” (Je mi jedno, jestli TDD nepraktikuješ správně, ale ujisti se, že kód je navržen tak, jak chceme, a že ho dokážeme udržovat.)

O udržitelnosti open source: Tým Tailwindu propustil 75 % zaměstnanců, protože AI dokáže replikovat jejich prémiové komponenty. Domova odpověď: lidé chronicky podceňují složitost za vyspělými knihovnami. „Strávil jsem 15 let zdokonalováním Fluent Assertions. Někdo říká: ‚Tohle postavím za pár dní.’ Jasně.” Open source kód se může stát vaším kódem k udržování — plánujte podle toho.

5 lekcí od coding architekta o vývoji s pomocí AI

• Testy jsou vaše záchranná síť — Ať už je kód napsán člověkem nebo AI, robustní testy jsou hlavním validátorem. „Pokud software pojmete jako black box a záchrannou sítí jsou vaše testy, měli byste jim věnovat zvláštní pozornost.”
• Dokumentace se s AI násobí — ADR záznamy, commit messages a záznamy o rozhodnutích se stávají dramaticky cennějšími, když je AI nástroje dokážou procházet. Firmy, které investují do bohatého kontextu, budou „o míle napřed”.
• Nechte týmy vybrat si vlastní AI nástroje — Nestandardizujte na jediný nástroj. „Nechte lidi používat, jakýkoli AI nástroj chtějí, protože se to neustále mění.” Sledujte využití, rozšiřujte licence, ale neomezujte experimentování.
• Kontext je jako mléko — Doma se tvrdě poučil o kompresi kontextu: jeho AI sloučila a pushla experimentální kód do main větve. Feature branches a časté commity jsou nezbytné záchranné mantinely.
• Open source se stále vyplatí — „Dáváš, ale dostáváš zpět tolik. Znalosti, zkušenosti, nové nástroje, nové poznatky, viditelnost.” Návratnost investice není jen kód — je to smyčka zpětné vazby od komunity.

Co to znamená pro softwarové týmy využívající AI

Domův pohled proráží mediální šum: AI nástroje pro kódování jsou skutečně transformativní z hlediska rychlosti vykonávání práce, ale nenahrazují architektonický úsudek, který pochází z desetiletí praktických zkušeností. Vývojáři, kteří budou prosperovat, jsou ti, kdo používají AI jako mocný nástroj a přitom si zachovávají kritické myšlení — chápou, proč vzory existují, nejen je slepě aplikují. Pro organizace je vzkaz jasný: investujte do dokumentace, kvality testů a architektonického mentorství. To jsou aktiva, která se zhodnocují, když AI dělá psaní.