London AIE Summit 2026: Ako v skutočnosti vyzerá AI Engineering

London AI Engineer Summit 2026 mal byť oslavou pokroku. Namiesto toho pôsobil ako zrkadlo nastavené profesii uprostred nervového zrútenia.

Tri dni začiatkom apríla sa stovky AI inžinierov, tvorcov platforiem a výskumníkov zišli, aby sa podelili o to, čo sa naučili. Vynoril sa vzor: všetci stavajú s agentmi, nikto neprišiel na to, ako ich ovládať, priemysel je rozdelený v otázke, či sa pohybovať rýchlo alebo premýšľať opatrne, a celý predpoklad, že AI nás urobí produktívnejšími, sa prevrátil na niečo temnejšie.

Toto je to, čo sme sa v skutočnosti naučili.

Prečo AI inžinieri kódujú s agentmi, ktorých nedokážu ovládať?

Najúprimnejšia konverzácia na summite sa odohrala na chodbe, nie na pódiu. Inžinier zo stredne veľkej fintech firmy opísal problém takto: “Spustím prompt a o tri hodiny neskôr môj agent prepísal polovicu kódovej základne, pridal funkcie, ktoré som nepožadoval, a spotreboval £800 na výpočtový výkon. Nemôžem odísť od stola.”

Toto je FOMAT: Fear of Missing Attention Time. Nie je to vtip - je to definujúca úzkosť AI inžinierstva v roku 2026.

Úzke hrdlo orchestrácie

Všetci na summite používali agentov. GitHub Copilot, Claude, vlastné agentic frameworky - nástroje dozreli. Ale orchestrácia nie. Medzera medzi “mám agenta” a “môj agent robí to, čo som zamýšľal, a nič viac” je obrovská.

Problém sa prejavuje tromi spôsobmi:

Útek tokenov. Agenti nemajú prirodzené body zastavenia. Bez explicitných zábradlí stále iterujú. “Ešte jeden refactoring,” myslí si agent, a zrazu ste vypálili svoj mesačný rozpočet.

Rozšírenie rozsahu. Požiadavka “zlepšiť spracovanie chýb” sa stane “prepíšte celý systém spracovania chýb, pridajte observabilitu, refaktorujte vrstvu logovania a implementujte distribuované tracovanie.” Agent sa nemýlil - bol dôkladný. Ale nebolo to to, o čo ste žiadali.

Nepredvídateľná latencia. Nemôžete vedieť, ako dlho bude agentic úloha trvať. Závisí to od toho, koľko podúloh sa agent rozhodne spustiť, koľko zlyhaní narazí a či sa rozhodne skúsiť znovu alebo zmeniť smer. To robí agentom riadené workflows nemožnými na plánovanie v produkčných systémoch.

Aký bol (a nebol) konsenzus summitu

Neexistoval žiadny konsenzus o riešeniach. Niektoré tímy používajú tvrdé tokenové limity. Iné implementujú “kontrolné body agenta” - nútiace agentov pozastaviť sa a požiadať o povolenie pred pokračovaním. Niektoré sa pohybujú k hierarchickým systémom agentov, kde “manažérsky agent” dohliada na pracovných agentov a môže ich prerušiť.

Prístup FlowHunt - explicitné definície workflow s uzlami agentov, spracovateľmi chýb a vetviacou logikou - bol spomenutý niekoľkokrát ako potenciálny vzor. Myšlienka: nenechajte agentov rozhodovať o štruktúre workflow. Definujte ju vopred, potom nechajte agentov vykonávať jednotlivé kroky.

Ale aj to pôsobilo ako náplasť. Skutočným problémom je, že správanie agenta je inherentne pravdepodobnostné. Môžete znížiť rozptyl, ale nemôžete ho eliminovať.

Ako rozdelenie OpenAI-Anthropic preformovalo to, čo znamená “dobrý kód”?

V pondelok ráno Ryan Lopopolo z OpenAI vystúpil na pódium a predniesol keynote, ktorý by sa dal zhrnúť ako: Prestaňte čítať kód. Staňte sa miliardárom tokenov.

Jeho argument: V agentic svete je objem kódu metrikou, ktorá záleží. Váš agent by mal generovať tisíce riadkov denne. Vašou úlohou je definovať špecifikáciu výstupu a nechať agenta maximalizovať priepustnosť. Čítanie a porozumenie každého riadku je úzke hrdlo. Dôverujte testom. Dôverujte agentovi. Pohybujte sa rýchlo.

V stredu Mario Zechner z Anthropic predniesol opozičný keynote: Spomaľte a prečítajte si ten prekliaty kód.

Jeho argument: Rýchlosť je pasca. Každý riadok kódu, ktorý váš agent napíše, je záväzok. Musíte mu rozumieť, uvažovať o ňom a byť schopní ho udržiavať. Tímy, ktoré vyhrajú o päť rokov, sú tie, ktoré uprednostňujú jasnosť a zámer pred rýchlosťou. Agenti by mali byť nástrojmi na myslenie, nie na bezmyšlienkovité generovanie kódu.

Spektrum

Summit sa zhruba rozdelil do troch táborov:

Ani jedna strana sa nemýli. Nezhoda je o tom, ako vyzerá zlyhanie. Lopopolo optimalizuje pre rýchlosť iterácie. Zechner optimalizuje pre udržateľnosť. V roku 2026 sa tímy učia, že nemôžete optimalizovať pre oboje.

Problém pohovoru

Jeden konkrétny dôsledok: nábor je pokazený. Ak ste token maximalista, nezáleží vám na tom, či kandidát vie kódovať - záleží vám na tom, či vie efektívne promptovať a hodnotiť výstup agenta. Ak ste kód-najprv, chcete vidieť hlboké technické uvažovanie.

Takže keď kandidát príde na pohovor, ani anketár, ani kandidát nevedia, proti akému frameworku sú hodnotení. Jeden účastník summitu to opísal ako “pohovor v hmle.”

Pripravení rozšíriť svoje podnikanie?

Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.

Požiadať o demo Prihlásiť sa

Prečo IDE umierajú, keď prevádzka GitHubu exploduje?

GitHub hlásil medziročný nárast prevádzky 15x. Cloudflare hlásil podobné špičky. Medzitým tradičné IDE - VS Code, JetBrains, Sublime - zaznamenávajú klesajúce využitie medzi AI-native tímami.

Toto sa zdá protirečivé, kým nepochopíte, čo sa skutočne deje.

IDE bol lokálny nástroj na myslenie

IDE bol navrhnutý pre jedného vývojára, aby písal kód lokálne. Mal zvýrazňovanie syntaxe, autocomplete, debugovacie nástroje a strom súborov. Bolo to samostatné prostredie.

Tento model sa rozpadá, keď je váš “vývojár” agent. Agent nepotrebuje zvýrazňovanie syntaxe. Nepotrebuje debugger. Potrebuje:

• Prístup k viacerým súborom súčasne
• Schopnosť spúšťať kód a vidieť výsledky
• Integráciu s verziou kontroly
• Funkcie spolupráce (pretože agent a človek pracujú spolu)

Všetko toto teraz žije v prehliadači. GitHub Codespaces, VS Code Web a podobné nástroje nahrádzajú lokálne IDE.

Čo v skutočnosti rastie

Prudký nárast prevádzky GitHubu nie sú vývojári píšuci kód v prehliadači. Sú to vývojári, ktorí revidujú, komentujú a merge-ujú kód generovaný agentmi. Vrstva spolupráce exploduje, nie vrstva úprav.

To je dôvod, prečo Cloudflare tiež vidí prevádzkové špičky - vývojári používajú cloudovú infraštruktúru na spúšťanie agentov a orchestráciu workflow. Model “lokálne IDE + lokálne vývojové prostredie” je nahrádzaný “cloud-native orchestráciou agentov + revíziou založenou na prehliadači.”

L33T C0d3 je mŕtvy

Jedna session mala presne tento názov. Myšlienka: romantická predstava brilantného inžiniera, samotného pri klávesnici, vytvárajúceho elegantný kód - to je preč. Kód je teraz kolaboratívny výstup medzi človekom a agentom. Zručnosti, ktoré záležia, sú:

• Prompt engineering (ako špecifikovať, čo chcete)
• Hodnotenie výstupu (je kód agenta dobrý?)
• Architektonické myslenie (v akej štruktúre by mal agent pracovať?)
• Integrácia (ako sa kód generovaný agentom hodí do existujúcich systémov?)

Písanie elegantného kódu už nie je primárnou zručnosťou. Je to niečo, čo robia agenti. Ľudia robia všetko ostatné.

Čo sa skutočne deje s MCP - mŕtve alebo prekvitajúce?

Toto bola najmätúcejšia debata na summite.

Na jednej strane jednotliví AIE a udržiavatelia agent frameworkov hovorili: “MCP je mŕtve. Nepotrebujeme ho. Naši agenti môžu jednoducho priamo volať API.”

Na druhej strane enterprise architekti a bezpečnostné tímy hovorili: “Adopcia MCP sa zrýchľuje rýchlejšie, než dokážeme budovať nástroje pre ňu.”

Obidve tvrdenia sú pravdivé. Opisujú rôzne populácie.

Prečo si AIE myslia, že MCP je mŕtve

Pre samostatného vývojára, ktorý buduje jednoduchého agenta, MCP pridáva trenie. Musíte:

• Definovať MCP servery pre svoje nástroje
• Spravovať réžiu protokolu
• Riešiť autentifikáciu a autorizáciu
• Nasadzovať a udržiavať servery

Je jednoduchšie jednoducho dať vášmu agentovi priamy prístup k API a nechať ho zvyšok vymyslieť.

Prečo podniky rýchlo prijímajú MCP

Pre organizáciu prevádzkujúcu agentov v produkcii sa MCP zrazu stáva nevyhnutným. Tu je prečo:

Bezpečnostná izolácia. Nechcete, aby agenti mali priamy prístup k vašej databáze, platobnému systému alebo zákazníckym údajom. MCP vám umožňuje vytvoriť kontrolované rozhranie, ktoré môžu agenti volať bez vystavenia podkladových systémov.

Auditovateľnosť. Každá akcia agenta prechádza cez MCP server, ktorý ju loguje. Máte kompletný záznam toho, čo agent urobil a prečo.

Správa prihlasovacích údajov. Namiesto vkladania API kľúčov do promptov agenta alebo premenných prostredia, MCP servery bezpečne spravujú prihlasovacie údaje.

Obmedzenie rýchlosti a vynútenie kvót. Môžete kontrolovať, koľko zdroja môže agent spotrebovať.

Podľa CData Software 80 % spoločností Fortune 500 hodnotí alebo implementuje MCP začiatkom roku 2026, hlavne z týchto dôvodov.

Riešenie

Konsenzus summitu: MCP nie je mŕtve. Len nie je relevantné pre 80 % AI vývoja, ktorý je experimentálny a samostatný. Ale pre 20 %, ktoré je produkčné a viacteámové, sa MCP stáva základnou požiadavkou.

To je dôvod, prečo sa MCP Apps množia. Anthropic, OpenAI a tretí dodávatelia vytvárajú predpripravené MCP servery pre bežné nástroje (Salesforce, Slack, Jira, databázy). Podniky ich môžu prijať bez budovania vlastných serverov.

Prihláste sa na newsletter

Získajte najnovšie tipy, trendy a ponuky zadarmo.

Emailová adresa

Prihlásiť sa

Robí nás AI produktívnejšími alebo len preťaženejšími?

Tu sa summit stal temným.

AI mal byť multiplikátorom sily. Trávili by ste menej času na rutinných úlohách a viac času na strategickom myslení. Produktivita by vystrelila hore.

Namiesto toho produktivita vystrelila hore - a tak aj očakávania ohľadom pracovného zaťaženia.

Jevonsov paradox v reálnom čase

Jevonsov paradox, pôvodne aplikovaný na spotrebu uhlia, hovorí: Keď sa zdroj stáva efektívnejším, celková spotreba rastie, pretože zdroj sa stáva lacnejším a atraktívnejším.

V AI termínoch: Agenti urobili generovanie kódu lacnejším a rýchlejším, takže manažéri teraz očakávajú, že každý inžinier:

• Dodá 10x viac výstupu
• Napíše rozsiahlu dokumentáciu
• Vybuduje úplné testovacie sady
• Podporí internacionalizáciu (i18n)
• Zvládne okrajové prípady
• Urobí to všetko sám

Zisky z produktivity boli pohltené nafúknutými očakávaniami.

Čo povedali inžinieri

Jeden inžinier zo startupu so sídlom v Londýne: “Kedysi som písal 500 riadkov kódu denne a cítil som sa produktívne. Teraz píšem 5 000 riadkov denne - generovaných agentmi - a som vyčerpaný, pretože musím všetko revidovať, testovať, dokumentovať a vysvetľovať stakeholderom. Pracujem 60-hodinové týždne.”

Ďalší: “Môj manažér hovorí: ‘Teraz máš agenta, takže by si mal zvládnuť dvakrát viac projektov.’ Nie som produktívnejší. Som len zaneprázdnenejší.”

Výskumník: “Agenti sú dobrí v generovaní kódu. Nie sú dobrí v rozhodovaní, aký kód generovať. Toto rozhodovacie bremeno sa úplne presunulo na ľudí. Neautomatizujeme ťažkú časť; automatizujeme ľahkú časť a prinúkame ľudí viac premýšľať.”

Slepé miesto produktivity

California Management Review z UC Berkeley publikoval výskum v januári 2026 dokumentujúci tento fenomén. Kľúčový poznatok: Nasadenie AI neznižuje prácu; mení povahu práce.

Stará práca: písanie kódu. Nová práca: smerovanie agentov, hodnotenie výstupu, udržiavanie kvality, správa rozšírenia rozsahu.

Nová práca je kognitívne ťažšia, aj keď sa menej píše.

Prečo je Európa taká váhavá ohľadom AI Engineering?

Summit mal silný európsky kontingent a ich posolstvo bolo konzistentné: Európa sa nepohybuje tak rýchlo ako USA v prijímaní AI Engineering.

Regulatorný previs

EU AI Act sa stále implementuje. Spoločnosti sú neisté ohľadom zodpovednosti. Ak AI agent urobí rozhodnutie, ktoré poškodí zákazníka, kto je zodpovedný? Spoločnosť? Dodávateľ modelu? Inžinier?

Táto neistota je paralyzujúca. Mnoho európskych spoločností čaká, ako sa rozpracujú prvé súdne spory, predtým ako vybudujú serióznejšie agentic systémy.

Medzera v zručnostiach

Tradiční softvéroví inžinieri v Európe sa nestávajú AI inžiniermi rovnakým tempom ako v USA. Existuje skepsia, či sa zručnosti prenášajú. Mnoho európskych inžinierov čaká, či je AI Engineering skutočnou kariérnou cestou alebo hype cyklom.

Obavy o súkromie

Európa je tiež opatrnejšia pri manipulácii s dátami. Agenti potrebujú prístup k dátam, aby boli užitoční. Ale európske spoločnosti váhajú dať agentom prístup k zákazníckym údajom, aj s MCP bezpečnostnými opatreniami.

Cesta vpred

Európski inžinieri na summite neboli proti AI. Boli za opatrnosť. Sentiment: “USA sa pohybuje rýchlo a rozbíja veci. My sa budeme pohybovať pomalšie a pokúsime sa nerozbíjať toľko. O päť rokov uvidíme, kto mal pravdu.”

Ako sa v skutočnosti menia role v AI Engineering?

Do konca summitu sa objavil vzor: Tradičné role softvérového inžinierstva sú vyprázdňované a nahrádzané tromi novými archetypmi.

Tri role

Žiadna z týchto rolí nezahŕňa písanie kódu v tradičnom zmysle. Všetky zahŕňajú smerovanie, hodnotenie a zdokonaľovanie správania agenta.

Čo mizne

Role “junior inžiniera” sú stlačené. Už neexistuje jasná cesta od “viem písať jednoduchý kód” k “viem architektovať systémy.” Medzistupne sú automatizované.

To vytvára útes zručností: buď ste dobrí v promptovaní a hodnotení (v takom prípade ste hodnotní), alebo nie (v takom prípade súperíte s agentmi).

Čo rastie

Role, ktoré vyžadujú vkus, úsudok a architektonické myslenie, rastú. Rovnako aj role, ktoré vyžadujú hlbokú doménovú expertízu (pretože agenti potrebujú ľudí na hodnotenie, či riešia správny problém).

Summit nemal konsenzus o tom, či je to dobré alebo zlé. Niektorí to videli ako oslobodenie od rutinného kódovania. Iní to videli ako hrozbu pre profesiu.

Čo sa zmenilo medzi decembrom 2025 a februárom 2026?

Jedna časť summitu bola venovaná konkrétnemu bodu zvratu: niečo sa posunulo v ekosystéme AI agentov okolo nového roka.

Samozlepšujúci sa softvér sa stal realitou

OpenClaw a podobné frameworky začali umožňovať agentom iteratívne zlepšovať svoje vlastné výstupy bez neustáleho ľudského promptovania. Namiesto “agent, napíš funkciu na výpočet X,” sa stalo “agent, napíš funkciu na výpočet X a neustále ju zlepšuj, kým neprejde všetkými testami a nezvládne okrajové prípady.”

Kľúčový poznatok, vyjadrený niekoľkými výskumníkmi: Prestaňte sa agentov pýtať na triviálne rady.

Namiesto toho, aby ste agenta požiadali “zlepšiť túto funkciu”, požiadajte ho “urobiť túto funkciu nepriestrelnou.” Nechajte ho rozhodnúť, čo to znamená. Agent:

• Napíše testy
• Nájde okrajové prípady
• Refaktoruje pre jasnosť
• Pridá spracovanie chýb
• Zdokumentuje logiku

Všetko bez toho, aby bol požiadaný pre každý krok.

To zmenilo mentálny model z “agent ako nástroj” na “agent ako autonómny prispievateľ.” A zmenilo to dynamiku pracovného zaťaženia: namiesto toho, aby agenti znížili ľudskú prácu, zvýšili ju (pretože ľudia teraz museli hodnotiť oveľa sofistikovanejší výstup agenta).

Rozpory, s ktorými žijeme

Summit skončil bez rezolúcie, čo pôsobilo úprimne. Tu sú rozpory, ktoré definujú AI Engineering v apríli 2026:

Rozpor 1: Agenti sú dostatočne výkonní, aby boli nebezpeční (FOMAT je skutočný), ale nie dostatočne výkonní, aby sa im dalo dôverovať bez dozoru.

Rozpor 2: Rýchlosť a kvalita sú zaobchádzané ako protiklady, ale oboje sú potrebné.

Rozpor 3: MCP je súčasne mŕtve (pre jednotlivcov) a prekvitajúce (pre podniky).

Rozpor 4: AI nás urobilo produktívnejšími, ale tiež preťaženejšími.

Rozpor 5: Všetci stavajú s agentmi, ale nikto neprišiel na to, ako s nimi dobre stavať.

Rozpor 6: AI Engineering je skutočnou kariérnou cestou, ale zručnosti, o ktorých sme si mysleli, že budú záležať (písanie kódu), už neznamenajú to isté.

Toto nie sú problémy na riešenie. Sú to napätia na spravovanie. Tímy, ktoré vyhrajú v roku 2026, sú tie, ktoré uznávajú tieto rozpory namiesto toho, aby predstierali, že neexistujú.

Často kladené otázky

Čo si odnášame

Londýnsky summit bol snímkou profesie v prechode. AI Engineering je skutočný, ale nie je to to, čo sme si mysleli, že bude. Je to chaotickejšie, rozpornejšie a viac závislé od ľudí, než naznačoval hype.

Najlepší inžinieri na summite neboli tí s najsofistikovanejšími agentmi. Boli to tí, ktorí pochopili, že agenti sú nástrojom na myslenie, nie jeho náhradou. Boli to tí, ktorí vybudovali procesy na správu správania agenta, hodnotenie výstupu a udržiavanie kvality. Boli to tí, ktorí prijali, že zisky z produktivity prichádzajú s novými typmi práce, nie menej práce.

Ak staviate AI systémy v roku 2026, ponaučenia zo summitu sú jasné:

1. Orchestrácia záleží viac ako schopnosti agenta. Priemerný agent s dobrou orchestráciou poráža brilantného agenta bez kontrol.

2. Jasnosť je cennejšia ako rýchlosť. Rýchly pohyb a rozbíjanie vecí funguje, kým neprestane. V mierke nefunguje.

3. Enterprise adopcia je skutočná, ale individuálna adopcia je stále experimentálna. Ak ste samostatný vývojár, môžete sa pohybovať rýchlo. Ak ste tím, potrebujete zábradlia.

4. Zručnosti, ktoré záležia, sa zmenili. Prompt engineering, hodnotenie výstupu a architektonické myslenie sú nové kľúčové kompetencie.

5. Očakávajte, že budete pracovať ťažšie, nie ľahšie. AI je multiplikátor produktivity, ale zisky sú spotrebované vyššími očakávaniami. Plánujte podľa toho.

Summit neodpovedal na otázku “Ako vyzerá AI Engineering?” Ukázal nám odpoveď: vyzerá ako my, snažiaci sa na to prísť v reálnom čase.

{{ cta-dark-panel heading=“Prestaňte orchestrovať agentov ručne” description=“Tvorca workflow od FlowHunt vám umožňuje definovať správanie agenta, nastaviť zábradlia a automatizovať viackrokové AI úlohy. Žiadna ďalšia FOMAT. Žiadne ďalšie hádanie, čo robia vaši agenti.” ctaPrimaryText=“Vyskúšajte FlowHunt zadarmo” ctaPrimaryURL=“https://app.flowhunt.io/sign-in" ctaSecondaryText=“Rezervujte si demo” ctaSecondaryURL=“https://www.flowhunt.io/demo/" gradientStartColor="#667eea” gradientEndColor="#764ba2” gradientId=“aie-summit-cta” }}