Šest rolí, jeden zakladatel: Jak doopravdy vypadá sólo vývoj s AI

„Sólo zakladatel” je v roce 2025 trochu zavádějící pojem. Když stavím Kvalty.cz, nejsem sám. Je to spíš neustálá porada mezi mnou a AI.

Ale kdo vlastně dělá co?

Většina lidí si myslí, že AI píše kód a tím to končí. Realita vývoje je mnohem pestřejší. Musel jsem se naučit přepínat mezi těmito rolemi — občas třemi za jednu hodinu. A to přepínání kontextu? To je ta část, na kterou vás nikdo neupozorní.

Tady je přibližná alokace času přes typický týden: Tech Lead ~35 %, Product Manager ~20 %, Art Director ~15 %, QA ~15 %, Brand Manager ~10 %, Copywriter ~5 %. Tato procenta se neustále mění — některé týdny QA sežere 40 %, protože se něco rozbilo v produkci. Některé týdny převládne copywriting, protože spouštím novou landing page. Ale průměr drží.

Tech Lead a Code Reviewer (~35 % času)

Tady AI odvádí nejvíc práce. Chrlí kód, navrhuje funkce. Moje role? Strážce brány.

Hlídám kvalitu kódu, architekturu a bezpečnost. AI je mocný motor, ale musím zajistit, aby se stroj nerozpadl pod tlakem nových funkcí. Často trávím čas refaktorováním toho, co AI „rychle” vyprodukovala.

Reálný příklad. Když jsem požádal Claude, aby implementoval geografické vyhledávání autoškol, navrhl řešení, které předpočítávalo matice vzdáleností mezi všemi školami a cachovalo je v Redis. Technicky elegantní. Naprosto nepraktické. Matice pro 1 700 škol by byla ~2,9 milionu záznamů. Aktualizace by vyžadovaly kompletní přepočet. Celá věc byla zhruba 3× pomalejší než prostě použít PostGIS s Haversine distance dotazem při čtení — což je to, co jsem nakonec implementoval ve zhruba 40 řádcích.

Tohle se děje častěji, než byste čekali. AI tíhne k přeinženýrovaným řešením, protože matchuje patterny proti složitým architekturám, které viděla v trénovacích datech. Moje práce je říct „ne, tady použijeme jednoduchý index” a jít dál. Těch 237K řádků TypeScript v Kvalty? Pravděpodobně 30 % z toho začalo jako AI návrhy, které jsem osekal na něco udržitelného.

Role strážce brány taky znamená recenzovat každou databázovou migraci, než se spustí. Každou tRPC proceduru, než se nasadí. Každou typovou definici, než se rozšíří do monorepa. AI píše první draft. Já rozhoduju, jestli ten draft přežije.

Art Director (UI/UX) (~15 % času)

Vizuály jsou tanec. Přicházím s vizí a wireframy. Snažím se AI navést ke správnému stylu.

Ale občas mu dám volnou ruku: „Navrhni mi komponentu pro detailní stránku autoškoly.” A někdy mě překvapí řešením, které by mě nenapadlo. Je to dialog, ne diktát.

Kde to padá: konzistence brandu. Požádal jsem AI, aby navrhlo landing page pro Kvalty Academy. Co jsem dostal zpět, byla generická SaaS šablona. Zakulacené rohy všude, gradientová hero sekce, stejné „Začněte svou cestu” CTA, které používá každý B2B produkt. Vypadalo to, jako by to mohlo prodávat projektový management software, CRM nebo přípravu na autoškolu stejně dobře — což znamená, že to neprodávalo nic z toho.

Problém je, že AI nerozumí vašemu brandu. Rozumí brandům obecně. Dá vám statistický průměr každé landing page, kterou kdy viděla. Moje práce je posunout ji za ten průměr k něčemu, co se doopravdy cítí jako Kvalty — praktické, české, lehce drzé. To obvykle znamená 4-5 kol ping-pongu, kde první dva návrhy rovnou zahodím.

Našel jsem sweet spot: layout a vizuální hierarchii navrhuji sám, pak použiju AI k implementaci komponent v Tailwind. Kreativní směřování zůstává lidské. CSS výstup se deleguje.

Product Manager (~20 % času)

Tady vládne člověk. AI nevidí uživatelům do hlavy.

Sleduju analytiku, čtu feedback a rozhoduju, CO se bude stavět. AI je pak můj „Solution Architect” — pomáhá mi zjistit, JAK to technicky implementovat způsobem, který dává smysl.

Poučný je případ selhání. Na začátku jsem požádal AI, aby analyzovala moje analytická data a navrhla tři funkce k budování. Navrhla: sociální feed, kde studenti sdílejí zážitky ze zkoušek, gamifikační odznaky za recenze autoškol a komunitní fórum. Klasické funkce honící metriky engagementu, ke kterým každé produktové AI automaticky sklouzne.

Moji skuteční uživatelé? Chtěli jednu věc: přesně porovnat ceny a rychle si vybrat školu. Nechtěli sociální síť. Chtěli nástroj. Každý návrh funkce od AI optimalizoval pro čas strávený na webu. Moji uživatelé optimalizovali pro čas k rozhodnutí. Protichůdné cíle.

Teď používám AI na architekturu řešení, nikdy na produktovou strategii. „Rozhodl jsem se postavit X, jaký je nejlepší technický přístup?” funguje. „Co bych měl stavět jako další?” nefunguje.

QA Tester (~15 % času)

AI je nenapravitelný optimista. Většinou tvrdí, že „všechno bude fungovat.”

Realita? Ani náhodou. Co když uživatel zadá nesmysly? Co když spadne API? Testování a hledání děr je čistě na mně. AI opravuje bugy, ale najít je a replikovat — to je moje práce.

Moje testovací metodologie je nedramatická, ale účinná. Udržuju si mentální checklist toků, které se nejčastěji rozbijí: registrační flow školy (5 kroků, hromada podmíněných polí), pipeline importu ceníků (formátování měn, ošetření DPH, edge cases splátkových kalendářů) a geografické vyhledávání blízko hranic regionů. Po každém významném deployi jimi projdu manuálně.

Co se nejčastěji rozbije? Edge cases internacionalizace. Česká diakritika ve vyhledávacích dotazech. Rozdíly formátování cen mezi „5 000 Kč” a „5000 CZK” a „5,000.-”. Data ve formátu DD.MM.RRRR vs. RRRR-MM-DD. Tohle jsou ty neglamorózní bugy, které AI sebevědomě zavádí a nikdy nezachytí.

Nejhorší selhání AI QA: nasadil jsem tRPC proceduru pro aktualizaci ceníků škol. AI ji vygenerovalo, ujistilo mě, že validace je solidní. První uživatelská interakce — někdo zadal cenu s čárkou jako desítkovým oddělovačem (v Česku standard: „12 500,50 Kč”). Parser zacházel s čárkou jako s oddělovačem tisíců, uložil cenu jako 12,5 milionu Kč. Jedna jízda za cenu bytu. Zachytil jsem to během hodin, protože mám error alerty na cenové anomálie, ale certifikace „funguje to” od AI byla na cokoliv locale-specifického bezcenná.

Teď mám pravidlo: každý kus AI-generovaného kódu, který se dotýká uživatelského vstupu, se manuálně testuje s česky formátovanými daty, než jde do produkce. Bez výjimek.

Brand Manager (~10 % času)

Tady je AI (stále) slepá.

Vnímat tonalitu, emoce a důvěryhodnost brandu? To je čistě lidská disciplína. Vědět, o čem produkt ve svém jádru je a jak má na lidi působit — to za mě žádný algoritmus nevymyslí.

Došlo to tak daleko, že jsem musel vytvořit formální Brand Voice dokument — třístránkový průvodce, který jde do kontextového okna každého AI při generování Kvalty obsahu. Obsahuje:

Tón: Praktický, přímý, lehce neformální. Jako kamarád, který náhodou ví všechno o autoškolách.
Zakázaná slova: „Seamlessly,” „leverage,” „cutting-edge,” „world-class,” „holistic,” „synergy,” cokoliv končící na „-ize,” co nemusí.
Zakázané patterny: Konstrukce „Whether you’re a… or a…”. Úvody „In today’s fast-paced…”. Odrážky začínající „Unlock” nebo „Discover.”
Příklady frází: „Porovnej autoškoly ve svém městě” — ne „Objevte nejlepší autoškoly”. Rozdíl je subtilní, ale je to rozdíl mezi nástrojem a brožurou.
Pravidla specifická pro Česko: Používat „ty” (neformální), ne „Vy” (formální). Odkazovat na reálná česká města, ne generické placeholdery. Ceny vždy v Kč s mezerami jako oddělovači tisíců.

I s načteným Brand Voice dokumentem AI sklouzne zpět do korporátního módu zhruba každou třetí interakci. Je to neustálá korekční smyčka. Ale bez toho dokumentu? Každý výstup čte, jako by ho napsala průměrná marketingová agentura, která nikdy nebyla v Česku.

Copywriter (~5 % času)

Budu upřímný: i moje LinkedIn posty se píšou s pomocí AI.

Ale není to tak, že řeknu „napiš post”. Dodám myšlenky, kontext a směr. AI to vyleští. Já iteruju a finalizuju. Pro Kvalty.cz jsem musel dokonce vytvořit ten zmíněný Brand Voice dokument. Bez něj AI pořád sklouzávalo do nudných korporátních frází.

Příklad s LinkedIn stojí za rozvedení. Napsal jsem post o tom, že Kvalty dosáhlo 1 000 validovaných škol. První AI draft: „Excited to share that Kvalty.cz has reached a major milestone! After months of hard work, we’ve validated over 1,000 driving schools across the Czech Republic. This journey has been incredible and I’m grateful for…” Přestal jsem číst. Znělo to jako každý jiný AI-generovaný LinkedIn post — stejná kadence, stejné prázdné nadšení, stejná „grateful for the journey” energie.

Můj přepis: „1 003 autoškol. Validováno jednu po druhé. 20 AI agentů crawlujících weby současně. Pár, které byly jen telefonní číslo nalepené na autě. Tady je, co jsem se dozvěděl o cenách českých autoškol: je to chaos.” Stejné informace. Úplně jiný hlas. Přepis měl 4× větší engagement.

To je role copywritera v kostce. AI produkuje průměr. Já to posouvám k něčemu, co má skutečný tep.

Mentální daň

Tady je to, o čem nikdo nemluví: cena přepínání kontextu.

V 9 ráno recenzuju databázovou migraci, přemýšlím o výkonu indexů a plánech dotazů. V 10 navrhuji komponentu srovnávací karty, přemýšlím o vizuální hierarchii a whitespace. V 11 píšu meta descriptions pro 14 regionálních stránek, přemýšlím o hustotě klíčových slov. V poledne debuguju geocoding edge case, kde se škola v Praze 5 zobrazovala v Plzni.

Každý přepnutí stojí 10-15 minut mentálního náběhu. Vynásobte to 6-8 přepnutími denně a ztratíte skoro dvě hodiny jen návratem do kontextu. To je skrytá režie sólo zakladatele — ne práce samotná, ale neustálé přeřazování mezi architektem a copywriterem, mezi pixel-pusherem a datovým inženýrem.

Některé dny dávkuji role. Pondělky jsou silné na code review a architekturu. Středy se kloní ke contentu a práci na brandu. Ale deadline nerespektují dávkování rolí a produkční bug ve 3 odpoledne se nestará, že jsem měl naplánovaný „den kopírování”.

Jak to celé sedí dohromady

Práce s AI neznamená, že přestanete pracovat. AI je motor, ale já pořád řídím. Od prvního řádku kódu po poslední slovo na webu.

Těch šest rolí není břemeno — je to popis práce stavění něčeho reálného bez týmu. AI komprimuje čas, který každá role zabere. Neeliminuje žádnou z nich. A ty, ve kterých je nejslabší — brand, produktová strategie, QA — jsou ty, na kterých nejvíc záleží, jestli produkt skutečně uspěje.

Najal bych na některé z těchto rolí lidi, kdybych mohl? Rozhodně. Dedikovaný QA inženýr by chytil locale bugy, které mi uniknou. Skutečný copywriter by trefil český hlas rychleji. Ale v aktuální fázi to ekonomika neunese. Tak místo toho nosím šest klobouků, přepínám mezi nimi 8× denně a snažím se nezapomenout, který mám zrovna na hlavě.