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

Georgian Partners, ve spolupráci s NewtonX a 11-partnerským globálním konsorciem, 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 – rozdělených rovnoměrně mezi R&D a go-to-market lídry – napříč 10 zeměmi a 15 odvětvími, zastupujícími společnosti s ročními příjmy v rozmezí 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 přijetí, zpráva zachycuje strukturální bariéry, vznikající AI použití, jako je Vibe Coding, a vyvíjející se zralostní křivku AI integrace. S výsledky 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 strategických priorit. Ve skutečnosti tři z top 5 nejvíce vybraných obchodních priorit jsou AI-související, což ukazuje, jak je hluboce zakořeněná v korporátních agendách.

Vedoucí motivace pro přijetí AI pokračují v:

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

Co se však změnilo, je, že konkurenční diferenciace nyní převzala druhé místo v důležitosti, před úsporami nákladů a růstem příjmů. To označuje posun v myšlení: AI není jen nástrojem pro automatizaci – je to zbraň pro vedení na trhu.

Vibe Coding vstupuje do hlavního proudu

Jedním z nejvýraznějších poznatků 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 případ použití hlášeným v produkci, používaným 37% společností, zatímco dalších 40% aktivně testuje.

Tento trend není jen o zlepšení produktivity vývojářů. Je to také přímá odpověď na celopodnikovou výzvu: nedostatek AI technického talentu, který se nyní stal #1 bariérou pro škálování AI. Čtyřicet pět procent R&D lídrů uvedlo, že tato mezera v talentu je jejich hlavní obavou – předčilo to i vysoké náklady na vývoj modelů.

Vibe Coding pomáhá vyplňovat 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 z produktivity AI – a jejich limity

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

Nicméně, ne všechny metriky se zlepšily. Oblasti, jako je průměrný čas obnovení, cyklus 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 úpravy pohánějí AI stack

Tyto zisky podporuje dramatický posun v investicích do infrastruktury. AI-poháněné týmy přijímají nové nástroje, aby přešly z experimentování na produkci:

• LLM pozorovatelské platformy byly integrovány 53% společností
• Nástroje pro orchestraci dat, jako je Dagster a Airflow, jsou nyní používány 51%
• Vektorové databáze, cron úlohy 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 se zvýšilo o 12 procentních bodů na 94%, zatímco veřejná data se zvýšila na 80%. Syntetická a tmavá data – dříve okrajové zdroje – jsou nyní používána více než polovinou a čtvrtinou společností.

LLM přijetí 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 17-bodový vzestup, nyní používaný 41%
• Anthropic Claude se zvýšil na 31%
• Meta’s Llama 3 rodina získává trakci s 28% přijetím
• Důvodově specifické modely, jako je OpenAI’s o1-mini (35%) a DeepSeek (18%), také vstupují do produkce

Tento posun odráží posun směrem k multi-model AI stack, kde organizace přiřazují modely k případům použití, spíše než spoléhání se na jediný dodavatelský ekosystém.

Zisky z AI zralosti jsou nerovnoměrné

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

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

Společnosti, které dosáhnou úrovně “Běžec”, tendují být ty, které spojují AI projekty přímo s výnosy nebo náklady – schopnost, která je stále nedostatečně rozvinutá v celé branži.

ROI zůstává nevyhraněné

Jednou z nejtrvalejších výzev identifikovaných ve zprávě je nedostatek jasných ROI měření. Více než polovina R&D týmů přiznává, že nejsou spojující 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. Ale celkový dojem je, že finanční odůvodnění 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:

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

Navíc 68% společností nyní spoléhá na třetích stranách AI řešení, aby spravovaly náklady a složitost, zejména když AI se stává zabudovanou v GTM softwaru a interních platformách.

Pohled do budoucnosti

Důsledky tohoto benchmarking dat sahají daleko za řídicí panely a zasedací místnosti. Když se AI stává centrální pro to, jak je software postaven, nasazen a udržován, průmysl vstupuje do nové fáze – jedné, ve které produktivita již není jen o lidech, ale o tom, jak inteligentně týmy mohou doplnit sebe sama o strojní partnery.

Vibe Coding představuje zlomový bod. Není to jen nástroj pro produktivitu; stává se základním vrstvám moderního softwarového vývoje. Pro společnosti, které čelí trvalým nedostatkům talentů, nabízí způsob, jak odemknout propustnost, snížit dobu dodání a zlepšit kvalitu kódu, aniž by se zvyšoval počet zaměstnanců stejnou rychlostí. 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, vkládat do ní a vyvíjet se s ní. V této nové éře není automatizace o tom, aby se nahradili vývojáři. Je to o tom, aby je amplifikovali.

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