Uvnitř zprávy Georgian’s AI Applied: Vibe Coding se stává hlavním proudem, zatímco mezery v talentu brzdí pokrok AI

Georgian Partners, ve spolupráci s NewtonX a 11-partnerstvím globálního konsorcia, vydal svou zprávu AI, Applied Benchmark, která nabízí robustní snímek toho, jak AI transformuje B2B software a podnikové společnosti po celém světě. Tato rozšířená druhá vlna vychází z anonymního průzkumu 612 výkonných ředitelů – rovnoměrně rozdělených mezi R&D a go-to-market lídry – napříč 10 zeměmi a 15 odvětvími, zastupujícími společnosti s ročními příjmy od 5 milionů do více než 200 milionů.

To, co tuto zprávu odlišuje, je její globální rozsah a strategická podpora. Konsorční partneři zahrnují Alberta Machine Intelligence Institute, AI Marketers Guild, FirstMark, GTM Partners, Untapped Ventures, Vector Institute a Tel Aviv–based Startup Nation Central a Grove Ventures, mezi ostatními. Jejich účast pomohla rozšířit účast a zajistit sektorově rozmanité, mezinárodní benchmarky.

Více než jen měřítko adopce, zpráva zachycuje strukturální bariéry, vznikající AI použití jako Vibe Coding a vyvíjející se zralostní křivku AI integrace. S nálezy založenými na validovaných, výkonných vstupních datech, zpráva nabízí společnostem praktický rámec pro benchmarking, kde stojí – a co je brzdí.

AI se stává strategickou prioritou

Umělá inteligence již není považována za nepovinnou. Zpráva zjistila, že 83% B2B a podnikových společností nyní řadí AI mezi své top 5 strategické priority. Ve skutečnosti tři z top 5 nejvíce vybraných obchodních priorit jsou AI-související, ukazující, jak je AI začleněno do firemních agend.

Vedoucí motivace pro adopci AI pokračují být:

• Zlepšení vnitřní produktivity
• Vytvoření konkurenční výhody
• Zlepšení nákladové efektivity a růstu příjmů

Co se však změnilo, je, že konkurenční diferenciace nyní překonala úspory nákladů a příjmy jako druhou nejdůležitější motivaci. To označuje posun v myšlení: AI není jen nástrojem pro automatizaci – je to zbraň pro vedení na trhu.

Vibe Coding vstupuje do hlavního proudu

Vysvětlující poznatek ze zprávy je rychlý vzestup Vibe Coding – termín, který odkazuje na automatizovanou generaci a ladění kódu pomocí AI modelů. Vibe Coding se stal #3 R&D použití hlášeným v produkci, používaným 37% společností, zatímco další 40% aktivně testuje.

Tento trend není jen o zlepšení produktivity vývojářů. Je to také přímá odpověď na celooborovou výzvu: nedostatek AI technického talentu, který se nyní stal #1 bariérou pro škálování AI. 45% R&D lídrů uvedlo, že tento talentový gap je jejich hlavní obavou – předčilo to i vysoké náklady na vývoj modelů.

Vibe Coding pomáhá vyplnit tuto mezeru, umožňující štíhlejší inženýrské týmy urychlit dodací lhůty, ladit rychleji a produkovat čistý, zdokumentovaný kód s menším nákladem. Respondenti poznamenali měřitelné snížení manuálního úsilí napříč QA, infrastrukturou a nasazením.

Zisky produktivity AI – a jejich limity

Používání AI napříč vývojovými řetězci ukazuje zřejmé výhody. Podle zprávy 70% R&D respondentů hlásí rychlejší vývojovou rychlost, 63% vidí zlepšení kvality kódu a dokumentace a více než polovina zvýšila frekvenci nasazení.

Nicméně, ne všechny metriky se zlepšily. Oblasti jako průměrný čas obnovení, cyklus času a míra selhání změn zůstávají slabými místy. To naznačuje, že zatímco AI urychluje front-end vývoje, stabilita a odolnost zůstávají závislé na lidském faktoru.

Infrastrukturální upgrade napájí AI stack

Tyto zisky podporuje dramatický posun v investicích do infrastruktury. AI-vybavené týmy přijímají nové nástroje, aby přešly z experimentů do produkce:

• LLM observability platformy byly integrovány 53% společností
• Data orchestrace nástroje jako Dagster a Airflow jsou nyní používány 51%
• Vektorové databáze, cron úkoly a trvalé workflow motory jsou nasazovány, aby podporovaly škálovatelnost a spolehlivost

Zatímco společnosti získávají více dat než kdykoli předtím, aby poháněly své modely. Používání vlastních dat vzrostlo o 12 procentních bodů na 94%, zatímco veřejná data použití vzrostla na 80%. Syntetická a tmavá data – dříve okrajové zdroje – jsou nyní používány více než polovinou a čtvrtinou společností.

LLM adopce se diversifikuje

OpenAI zůstává vedoucím poskytovatelem velkých jazykových modelů, s 85% respondentů, kteří používají jeho modely v produkci. Nicméně, krajina se rychle vyvíjí:

• Google Gemini zaznamenalo 17bodový nárůst, nyní používáno 41%
• Anthropic Claude vzrostl na 31%
• Meta’s Llama 3 rodina získává trakci s 28% adopcí
• Modely specifické pro odůvodňování jako OpenAI’s o1-mini (35%) a DeepSeek (18%) také vstupují do produkce

Tento posun odráží posun směrem k multi-model AI stackům, kde organizace přizpůsobují modely použití, spíše než spoléhají se na jeden dodavatelský ekosystém.

Zisky zralosti AI jsou nerovnoměrné

Georgian segmentuje společnosti pomocí svého Crawl, Walk, Run AI zralostního modelu. Zatímco více organizací postupuje z úrovně začátečníka na úroveň intermediate, nejvyšší úroveň zralosti zůstává nedosažitelná:

• “Chodci” klesli na 40%, oproti 49%
• “Běžci” vzrostli na 31%, ukazující rostoucí dynamiku
• “Běžci” zůstávají stagnující na 11%, naznačující strop ve škálovatelnosti

Společnosti, které dosáhnou “Běžec” fáze, tendenci být těmi, které spojují AI projekty přímo s příjmy nebo náklady – schopnost, která je stále недostačující napříč většinou odvětví.

ROI zůstává nejasný

Jednou z nejtrvalejších výzev identifikovaných ve zprávě je nedostatek jasných měřítek ROI. Více než polovina R&D týmů přiznává, že nejsou schopny spojit AI projekty s konkrétními KPI. Pouze 25% přímo spojuje AI iniciativy s novými příjmy a pouze 24% hlásí pozitivní dopad na náklady na zákaznickou akvizici.

Přesto optimismus přetrvává. Více než 50% respondentů říká, že AI zlepšilo spokojenost zákazníků a dlouhodobou hodnotu. Nicméně celkový dojem je, že finanční zdůvodnění AI zůstává rozmazané, zejména na úrovni střední zralosti.

Správa nákladů se zlepšuje

Zatímco talent zůstává největší překážkou, náklady se pomalu stávají lépe zvladatelnými. Zpráva ukazuje:

• 9bodový posun směrem k stabilním nebo sníženým nákladům na úložiště dat
• Klesající náklady na údržbu softwaru, pracovní sílu a operace
• Méně závislosti na opatřeních ke snížení nákladů, jako jsou omezení projektů

Navíc 68% společností nyní spoléhá na třetí strany AI řešení, aby spravovaly náklady a složitost, zejména když AI se stává integrovanou do GTM softwaru a interních platforem.

Pohled do budoucna

Dopady této benchmarkingové zprávy sahají daleko za řídicí panely a zasedací místnosti. Když AI se stává centrálním pro to, jak je software postaven, nasazen a udržován, odvětví vstupuje do nové fáze – jedné, kde produktivita již není pouze o lidech, ale o tom, jak inteligentně týmy mohou doplnit sebe samé o strojní partnery.

Vibe Coding představuje zlomový bod. Není to jen produktivní nástroj; stává se základním vrstvem moderního softwarového vývoje. Pro společnosti, které čelí trvalým nedostatkům talentů, nabízí způsob, jak odemknout propustnost, snížit čas na trh a zlepšit kvalitu kódu bez škálování headcountu ve stejném tempu. A pro ty, kteří jsou dále podél zralostní křivky, vytváří kostru pro AI-nativní inženýrské pracovní postupy – ty, které mohou škálovat s pozorovatelností, spolehlivostí a měřitelným obchodním dopadem.

Širší zpráva je jasná: společnosti, které uspějí, nebudou jen používat AI – budou ji operacionalizovat, integrovat a vyvíjet s ní. V této nové éře není automatizace o nahrazování vývojářů. Je to o jejich zesílení.

Ti, kteří pohlížejí na Vibe Coding a jeho podpůrnou infrastrukturu jako na strategické investice – a ne na experimenty – budou definovat příští vlnu podnikové inovace.