Andrej Karpathy: Existují dva druhy programátorů — ti, kteří programují s AI, a ti, kteří zůstanou pozadu
Andrej Karpathy ví, o čem mluví. Bývalý ředitel AI v Tesle, raný výzkumník OpenAI, tvůrce legendárního kurzu počítačového vidění na Stanfordu — píše kód a doručuje produkční AI systémy už více než desetiletí. Když říká, že jeho vývojářský pracovní postup právě prošel největší transformací za 20 let, stojí za to naslouchat.
Jeho hlavní argument: nástroje jako Deep Code nejsou jen fancy autocomplete. Jsou násobič páky. Za stejný čas, který jste dříve trávili, můžete doručit desetkrát více. A co je důležitější — můžete se pustit do projektů, které dříve působily zcela nedosažitelně. AI se stále seká — překomplikuje věci, dělá špatné předpoklady a nebude se vzepřout, když by měla — ale čistý zisk je nezpochybnitelný. Čím dříve se adaptujete, tím větší bude vaše výhoda.
V posledních týdnech jsem hodně programoval s Claude Code. Tady je to, co jsem se naučil.
Programátorský pracovní postup
Nejnovější vlna vylepšení LLM programování otočila můj pracovní postup naruby. V listopadu jsem zhruba 80 % psal ručně s IDE autodoplňováním, 20 % agentem. V prosinci to bylo naopak: 80 % kódu psaného agentem, 20 % moje úklid.
Teď už většinou kód doslova mluvím do existence. Popíšu, co chci, prostou angličtinou a sleduji, jak to materializuji. Upřímně to trochu raní programátorské ego. Ale schopnost pracovat napříč celou kódovou základnou najednou — refaktorovat, stavět lešení, propojovat věci dohromady — je příliš dobrá na to, aby se jí nechalo ujít. Zvlášť jakmile pochopíte rytmus: ladění konfigurace, získání citu pro to, co zvládne na jedničku a kde nabourá.
Tohle je největší posun v mém vývojářském pracovním postupu za zhruba 20 let psaní kódu. A stalo se to v průběhu pár týdnů. Odhaduji, že významná část inženýrů (desítky procent) už prochází tím samým. Široká veřejnost? Možná jednotky procent mají tušení, že se to děje.
IDE / roje agentů / nevyhnutelnost chyb
Kolem se nese dvojí narativ: „IDE jsou mrtvá" a „roje autonomních agentů všechno vyřeší." Myslím, že oboje je v současnosti přehnané.
Modely stále dělají chyby. Pokud vám na projektu skutečně záleží, hlídejte to. Mám otevřené plnohodnotné IDE v bočním okně a sleduji ho jako jestřáb.
Chyby jsou teď ale jiné. Nejsou to syntaktické omyly. Jsou zákeřnější — koncepční chyby, jaké by udělal spěchající junior. Model tiše doplňuje předpoklady za vás, sfoukne je, nikdy je neověří a staví na té chybné premisse celou cestu dolů.
Také dobře nezvládá vlastní nejistotu. Nezastaví se a nezeptá se: „hej, chceš tady A nebo B?" Neoznačí nesrovnalosti. Málokdy se vzepře. Je trochu příliš dychtivý zavděčit se. Když ho necháte nejdřív napsat plán a pak ho provést, hodně to pomáhá. Upřímně si myslím, že je skutečná potřeba pro lehký inline plánovací režim.
Také rád překomplikuje. Vrstvy abstrakce všude. Kód, který působí nafouknutě. A téměř nikdy neuklidí mrtvý kód, který sám vytvořil.
Viděl jsem ho vyplivnout rozlezlou tisíciovou implementaci — pomalou, křehkou, plnou zbytečných odboček. Pak se zeptám: „Nemůžeme to prostě udělat jednodušeji?" a on okamžitě odpoví: „Ale jo, jistě!" a zredukuje to na sto řádků.
Někdy smaže nebo přepíše komentáře a kód, který s úkolem neměly nic společného, prostě protože jim nerozuměl nebo se mu nelíbily. Doslova jsem si přidal do CLAUDE.md poznámky, aby to nedělal, a stejně se to děje. Ale navzdory všemu je čisté zlepšení masivní. Už si skutečně nedokážu představit návrat.
Každý najde svůj vlastní rytmus. Můj: pár sezení Claude Code v Ghostty vlevo, IDE vpravo pro čtení kódu a chirurgické úpravy.
Vytrvalost
Sledovat agenta, jak se drže úkolu, je upřímně fascinující. Neunaví se. Neodradí. Člověk by už před hodinou řekl „tohle nech být, zkusím to zítra". On prostě… pokračuje.
Někdy sledujete, jak se trápí v tom, co se zdá jako věčnost. Pak po 30 minutách to konečně prorazí. V ten moment dostanete skutečný pocit „wow, tohle má AGI vibe."
Uvědomíte si: mentální a fyzická vytrvalost je základním úzkým hrdlem v dokončování práce. LLM právě odpálila ten strop.
Zrychlení
Je těžké říct číslo, jak moc vás LLM zrychlí. Jsem rozhodně rychlejší ve věcech, které jsem už dělal. Větší změna ale je, že teď dělám věci, do kterých bych se vůbec nepustil.
Dva důvody:
- Hromady malých úkolů, které dříve působily „ne stát za námahu", jsou teď triviálně snadné.
- Kódové základny, kterým bych se vyhnul — protože jsem neměl znalosti nebo dovednosti — najednou působí dosažitelně.
Takže ano, je to zrychlení. Ale víc než to — je to expanze. Rozsah věcí, které jsem schopen zvládnout, se rozrostl.
Páka
Tady je jedna z nejmocnějších věcí na LLM: jsou opravdu dobré v iteraci ve smyčce, dokud nenarazí na cíl, který jste definovali. Spousta těch „AGI-flavored" momentů pramení přesně z toho.
Klíč: nemicromanagujte. Řekněte mu, jak vypadá úspěch, a nechte ho, ať si najde cestu.
Můžete ho nechat nejdřív napsat testy a pak nechat, aby je vlastními testy prošel. Připojit ho k prohlížeči přes MCP a nechat ho ve smyčce. Napsat jednoduchý, zjevně správný algoritmus a říct: „teď optimalizuj na výkon při zachování naprosto stejných výsledků."
Mentální posun je od imperativního k deklarativnímu. Místo „udělej A, pak B, pak C" řeknete: „takle by měl vypadat výsledek." Agent sám iteruje několik kol a vy dostanete další vrstvu páky zdarma.
Zábava
Tohle jsem nečekal, ale programování se skutečně stalo zábavnějším. Všechna únavná vyplňování mezer a okrajová práce zmizí do agenta. Zůstávají kreativní části.
Také se mnohem méně často zasekávám. Zaseknutí je na nic. Teď téměř vždy existuje cesta, jak „spolupracovat s ním a aspoň trochu pokročit", což usnadňuje vůbec začít.
Nicméně potkal jsem lidi, kteří cítí opak — LLM programování je dělá méně šťastnými.
Dlouhodobě si myslím, že to rozdělí inženýry do dvou táborů: lidé, kteří milují samotný akt psaní kódu, a lidé, kteří milují to, když je něco hotové.
Atrofie
Už to cítím: moje schopnost psát kód od nuly pomalu vyprchává. V mozku jsou „generování" (psaní kódu) a „diskriminace" (čtení a review kódu) dvě odlišné dovednosti. Psaní kódu vyžaduje memorování spousty granulární syntaxe. Čtení kódu je o porozumění logice a struktuře. Takže i když vaše generační sval slábne, stále můžete efektivně dělat review kódu — odhalit, co nesedí, najít chyby.
Slopokolypsa
Připravuji se: rok 2026 může být rokem velkého výbuchu obsahového slop.
GitHub, Substack, arXiv, YouTube, Reddit — každá digitální platforma s obsahem bude zaplavena materiálem generovaným AI. Uvidíme vlnu AI-powerované produkční divadelnosti, efektních dem, která vypadají úžasně, ale neobstojí. Rozseté v tom budou i skutečné, hmatatelné zisky produktivity. Ale budete se jimi muset prohrabat.
Otázky
Jak bude vypadat 10x inženýr do budoucna? Bude mezera mezi průměrnými a top inženýry ještě širší? Můj odhad: mnohem širší.
Budou generalisté překonávat specialisty? LLM jsou výjimečně dobrá v doplňování detailů (mikro), ale slabší v celkovém myšlení a dlouhodobé strategii (makro). Ten náklon zvýhodňuje lidi, kteří vidí celou šachovnici.
Jaké to bude programovat s LLM za pět let? StarCraft? Factorio? Provedení hudebního díla?
Kolik společnosti je ve skutečnosti limitováno digitální znalostní prací?
Závěr: Kde to nás nechává?
Schopnosti LLM agentů — Claude Code konkrétně — překročily práh celkové koherence zhruba v prosinci 2025. To spustilo fázový přechod v softwarovém inženýrství. Způsob, jakým se věci dělají, se přesunul o řád prakticky přes noc.
Právě teď to působí, jako by inteligence předběhla všechno kolem ní. Integrace nástrojů to nedožila. Týmy potřebují nové pracovní postupy a vzorce spolupráce. Odvětví stále tráví, co se právě stalo.
Rok 2026 bude intenzivní. Všichni se snaží vstřebat a internalizovat tuto novou schopnost. Okno je otevřené právě teď. Lidé, kteří na to přijdou brzy, budou mít obrovský náskok.