Ve zkratce: Vibecoding je práce s AI nástroji typu Cursor, Claude Code, V0 nebo Lovable, kterým běžnou řečí popíšete, co chcete, a ony vygenerují funkční kód. V roce 2026 už to nejsou hračky. S Claude Code 4.7 a kontextem milionu tokenů nebo s Cursorem 2.0 reálně postavíte za čtyři dny produkt, který by tým tří juniorů dělal měsíc. Ale jen u určitého typu úloh. V článku ukazujeme náš interní projekt s úsporou 280 hodin, plán na čtyři dny, sedm úloh, kde to nefunguje, a co s klienty probíráme na kurzu.
Co se za poslední rok změnilo
Když Andrej Karpathy v lednu 2025 popsal pojem "vibecoding", zvládaly tehdejší AI nástroje nanejvýš jednoduchou microsite a interní nástroje. Spousta práce s AI končila u frustrovaného programátora, který řekl "rychleji bych to napsal sám". Za 16 měsíců se to zásadně změnilo. K květnu 2026 vypadá praxe takhle:
- Claude Code 4.7 | kontext na milion tokenů a samostatně pracující agent, který udrží stavbu složité aplikace přes desítky souborů a hodiny práce. Pamatuje si rozhodnutí z minulých sezení a zvládne vícekrokové přepisy kódu.
- Cursor 2.0 | vývojové prostředí s vestavěnými agenty, vlastním terminálem a automatickými testy. Zvládne přepis napříč celým projektem. Agenti na pozadí pracují souběžně, zatímco vy píšete dál.
- V0 a Lovable | generují celou aplikaci (rozhraní, backend i databázi) a nasadí ji na jedno kliknutí. V0 je napojený na ekosystém Vercelu, Lovable na Supabase.
- GitHub Copilot Workspace | vyřeší nahlášený úkol samostatně, od zadání až po pull request. Dostane issue na GitHubu, naplánuje opravu, napíše kód, otestuje ho a otevře pull request. U drobných chyb běžně bez lidského zásahu.
- Devin a další "AI software engineers" | samostatní agenti, kteří dostávají úkoly ve Slacku a vracejí výsledky do Linearu nebo Jiry. U typického požadavku na novou funkci mají 40 až 70 % úspěšnost bez lidského zásahu.
Co konkrétně jsme v lednu 2026 postavili
Jako interní test jsme v lednu 2026 postavili nástroj na správu klientů PPC kampaní. Rozhraní v Next.js 16, backend na Supabase, přihlašování přes Clerk, přehled s daty z GA4 a Google Ads přes API a fakturace napojená na Dokladík SaaS. Před vibecodingem by to tým dělal 8 až 10 týdnů. S AI to vzniklo za 4 dny a dělal na tom jeden člověk.
Konkrétní rozpis:
- Den 1 | Lovable vygeneroval základní strukturu a schéma databáze na Supabase. Cursor to pak propojil s naší vlastní kostrou v Next.js.
- Den 2 | Claude Code postavil 14 stránek (dashboard, klient detail, kampaně, reporty), 22 API endpointů, autentizaci přes Clerk.
- Den 3 | napojení na Google Ads API a GA4 API přes vlastní mezivrstvu, Stripe Checkout na předplatné a Resend na transakční e-maily.
- Den 4 | doladění designu (vlastní typografie, animace, tmavý režim), nasazení na Vercel, vlastní doména a hlídání provozu.
Náklady na API během stavby: 240 USD (Claude Sonnet 4.6 a GPT-5 přes Cursor plus předplatné Lovable). Úspora oproti běžnému vývoji: zhruba 280 hodin. Dnes nástroj používá 6 lidí z týmu a dohromady šetří 12 hodin týdně na reportech pro klienty.
Plán čtyřdenního projektu s AI
Den 1 | návrh a databáze
Začněte v Lovable nebo V0. Popište cílový produkt v jednom odstavci ("aplikace na správu klientů malé účetní kanceláře, klienti, faktury, termíny, e-mailová komunikace, přehled aktivních klientů"). Nástroj vygeneruje drátěné modely obrazovek a schéma databáze. Dvě hodiny to ladíte, dokud to nesedí.
Pak přejděte do Supabase nebo Neon, importujte schéma. V Cursoru otevřete prázdný Next.js projekt a propojte ho s databází. V tuto chvíli máte základní strukturu a víte, co budujete.
Den 2 | hlavní funkce
Pomocí Claude Code nebo Cursoru generujte stránky a API endpointy. Klíčové je zadat úkol jednoznačně. Místo "udělej dashboard" pište "stránka /dashboard zobrazí v kartách počet aktivních klientů, počet faktur čekajících na úhradu a výnos za posledních 30 dní. Data ber z tabulek customers a invoices. Použij komponentu Card ze ShadCN. Rozvržení: 3 sloupce na počítači, 1 sloupec na mobilu."
O kvalitě výstupu rozhoduje přesnost zadání. Krátká zadání dávají obecné výstupy, podrobná zadání produkční kód.
Den 3 | autorizace, platby, e-mail
Na přihlašování Supabase Auth nebo Clerk, na platby Stripe Checkout (5 minut v testovacím režimu), na transakční e-maily Resend. AI vám tahle napojení propojí během hodiny, když přesně zadáte, co se má posílat. Důležité je říct výslovně: jaká událost akci spustí, jaká data se předávají, jaká odpověď se čeká a jak se ošetří chyby.
Den 4 | doladění designu a nasazení
Tady přijde na řadu ruční práce. AI vygeneruje funkční web, ale vizuální detail bývá obecný. Vylaďte typografii, mezery, animace a tmavý režim. Tahle část trvá nejdéle, protože dobrý design odliší hotový produkt od ukázky.
Pak deploy na Vercel a vlastní doména. Hotovo. V tuto chvíli máte produkt, který by tým tří lidí dělal 6 až 8 týdnů.
Sedm úloh, kde to dnes selhává
- Napojení na starší firemní systémy. Když potřebujete propojit ERP (SAP, Helios, Money S5), účetnictví, sklad nebo vlastní platební bránu, AI si často plete verze API a vyrobí kód, který se přeloží, ale nefunguje. U těchhle napojení se musí číst dokumentace ručně a hodně se zkouší.
- Bezpečnost a soulad s předpisy. Modely generují fungující kód, ale často s bezpečnostními chybami (SQL injection, chybějící kontrola vstupů, špatně ošetřená práva, klíče zadrátované přímo v kódu). Před nasazením naostro to musí projít bezpečnostní kontrolou od člověka.
- Mobilní aplikace, které mají působit nativně. Na web a webové aplikace je to výborné. Na iOS a Android s plynulou animací zatím slabší. React Native i Flutter modely zvládají, ale detaily ovládání často chybí.
- Systémy s nízkou odezvou. Obchodní platformy, herní servery, WebRTC. Tady AI často navrhne režii navíc, která výkon zabije. Takové systémy potřebují hlubokou odbornost, kterou modely zatím nemají.
- Firemní software s víc než pětiletou historií. Kód, ve kterém padla architektonická rozhodnutí před lety a dnes už jim nikdo nerozumí. AI navrhuje řešení, která existující zvyklosti ignorují.
- Vícejazyčné weby. Modely často neudrží jednotné překlady ani formát čísel a dat. Od tří jazyků výš potřebujete zvláštní postup.
- Aplikace s vysokými nároky na ovládání. Když klient čeká detail na úrovni Applu (mikrointerakce, plynulé animace, dokonalou typografii), AI to nezvládne. Potřebujete zkušeného designéra.
Konkrétní nástroje, které používáme
- Claude Code (Anthropic) | hlavní nástroj na složitý backend a přepisy kódu. Kontext na milion tokenů zvládne i velké projekty. Cena zhruba 200 USD měsíčně na vývojáře.
- Cursor 2.0 | každodenní vývojové prostředí celého týmu. Agenti na pozadí zvládají souběžné úkoly. Cena 20 USD měsíčně za uživatele.
- V0 (Vercel) | rychlé generování prvků rozhraní z popisu. Napojení na ekosystém Vercelu. Cena 20 USD měsíčně.
- Lovable | na rychlé prototypy celé aplikace. Vygeneruje rozhraní i backend na Supabase. Pro klienty, kteří chtějí prototyp za den. Cena 30 USD měsíčně.
- GitHub Copilot | napovídání kódu a drobné opravy. Standardně pro každého vývojáře. 19 USD měsíčně.
- Claude API napřímo | pro vlastní automatizace. Platí se podle spotřeby, typicky 100 až 500 USD měsíčně na projekt.
Co se učíme na vibecoding kurzu
Během dvou dnů projdete od seznámení s nástroji (Claude Code, Cursor, V0, Lovable) přes architekturu vlastního projektu až po nasazení na vlastní doménu. Učíme to na vašich datech, ne na ukázkovém příkladu. Přinesete si vlastní produkt a po kurzu si ho odvezete funkční.
Typický účastník (technický ředitel malé firmy, marketingový manažer, člověk na volné noze) odchází s funkční první verzí svého produktu. Časté výsledky: interní CRM, klientský portál, vlastní nástroj na stavbu landing page nebo přehled automatizací.
Časté otázky
Nahradí AI programátory?
Ne, ale výrazně mění jejich roli. AI generuje kód, programátor řeší architekturu, bezpečnostní kontrolu, integrace a výkon. Zkušený programátor s AI zvládne práci tří juniorů. Junior bez AI bude mít problém najít práci.
Jaký jazyk a framework zvolit pro vibecoding?
TypeScript, Next.js a Supabase jsou dnes standard. Na tuhle kombinaci jsou AI nástroje nejlíp natrénované. Python s FastAPI je druhá nejlepší volba na backend. Vyhněte se okrajovým jazykům (Rust, Elixir, Haskell), tam AI hodně chybuje.
Můžu vibecoding používat na produkční systém?
Ano, ale s kontrolou kódu a s testy. Žádný vážný projekt by neměl jít naostro bez kontroly člověkem, hlavně u bezpečnosti, plateb a uživatelských dat. U interních nástrojů nebo první verze bez citlivých dat je vibecoding i bez kontroly v pořádku.
Kolik to stojí?
Pro malou firmu (1 až 3 vývojáři) zhruba 60 až 150 USD měsíčně za AI nástroje na jednoho vývojáře a k tomu 20 až 100 USD měsíčně za spotřebu API. Pro střední firmu (5 až 15 vývojářů) 200 až 800 USD měsíčně dohromady. Návratnost typicky v týdnech, ne v měsících.
Co když AI udělá kód, který je špatný?
Naučte se ho poznat. AI často vygeneruje kód, který funguje, ale nedrží zvyklosti jazyka, má bezpečnostní chyby nebo zbytečnou složitost. Kontrola kódu je dnes spíš o čištění výstupu AI než o psaní nového kódu.
Můžu se naučit vibecoding sám, nebo potřebuju kurz?
Naučit se to sám jde, ale trvá to déle, typicky 3 až 6 měsíců běžné práce. Kurz vás dostane na praktickou úroveň za 2 dny. Záleží na tom, jak rychle chcete být produktivní.
Závěr
Vibecoding není budoucnost programování, je to současnost. V roce 2026 už není otázka, jestli to zkusit, ale jak to zařadit do procesu. Klasický vývoj nezmizí, jen se přesouvá k tomu, co AI neumí: bezpečnost, integrace, výkon, doladění designu a architektonická rozhodnutí. Všechno ostatní se zrychluje 5 až 10krát. Začněte malým interním projektem a udělejte si vlastní zkušenost. Za týden uvidíte, kde to funguje a kde ne.
