Starý model nikdo nepoužívá. Přesto ho nejde vypnout
Článek ukazuje, že skutečným problémem vyřazování starých AI modelů není samotné vypnutí, ale architektura, ve které je model volán přímo, a organizace, která neví, kdo na něm závisí — tzv. nepřiznaní konzumenti podle práce Sculleyho a kol. (NIPS 2015). Autor prochází nástroje pro objevení závislostí (telemetrie a distribuované trasování před scream testem), stavy modelů v registrech (MLflow aliasy, Vertex AI), lhůty vyřazování u OpenAI, Azure, Amazonu a Anthropiku i architektonickou prevenci: antikorupční vrstvu, AI bránu, verzované prompty, dva vektorové indexy a blue/green s champion/challenger. Uzavírá ji governance vrstva — katalog služeb (Backstage), model cards a kontrakty řízené konzumentem.
Certifikovaná lež: když firemní AI odpoví z neúplného obzoru
Článek popisuje opomíjené riziko firemních AI asistentů nad interními dokumenty: nikoli únik dat (oversharing), ale podsdílení (undersharing) – asistent odpoví z neúplného obzoru a odpověď doloží pravdivou citací, čímž vznikne „certifikovaná lež“, věcně chybná odpověď s bezvadnými zdroji. Autor tvrdí, že těžiště selhání podnikového RAG neleží v modelu, ale v autorizaci, a navrhuje tři artefakty, které musí být hotové před nákupem licencí: obsahovou smlouvu se čtyřmi režimy viditelnosti, pravidla mlčení s kalibrovanou abstencí a přiznáním obzoru, a písemné závazky vůči zaměstnancům. Text opírá argumentaci o práci k Permission-Aware RAG (IEEE Access 2025), dokumentaci Microsoftu, rozhodnutí německého BAG 1 ABR 20/21, čl. 26 odst. 7 nařízení (EU) 2024/1689 a § 316 zákoníku práce, a připomíná paralelu s cover stories víceúrovňově utajovaných databází.
Kvantizovat, ne zkracovat: float32 embedding je z většiny prázdné místo
Článek argumentuje, že u ukládání embeddingů se vyplatí snižovat přesnost čísel (kvantizace na int8, int4 nebo jediný bit metodou RaBitQ/BBQ s oversamplingem a přeřazením), nikoli počet dimenzí — float32 vektor nese sotva dvě platné číslice, zbytek mantisy se v kosinové podobnosti rozpustí jako šum. Vysoká dimenze kvantizaci pomáhá, pod ~384 dimenzí se binární kvantizace láme. Matryoshka Representation Learning podle autora řeší jiný problém — pružnost dimenze za běhu, ne kompresi indexu; při stejném kompresním poměru ji kvantizace poráží i u matrjoškovsky trénovaných modelů (srovnání CoRECT).
Kdo po umělé inteligenci zkontroluje kód – a proč na to slabší model nestačí
Článek na základě recenzovaných studií i preprintů ukazuje, že jazykové modely systematicky přehlížejí chyby ve vlastním výstupu (podle jedné práce v 64,5 % případů) a bez vnější zpětné vazby se neumí spolehlivě opravit; rozhodující proto není velikost revizního modelu, ale jeho nezávislost na autorovi kódu. Rozebírá i nejsilnější protiargument — asymetrii verifikace, která ale platí hlavně u úloh s objektivní pravdou — a mapuje zájmy jednotlivých aktérů od akademie po výrobce nástrojů na code review. Praktický závěr: neřešit, který model nasadit, ale kolik nezávislých vrstev (deterministické nástroje, jiný silný model, člověk) postavit mezi generovaný kód a produkci, a měřit záchyt chyb na vlastní codebase.
AI zrychluje vývoj. Bez testů ale zrychluje i chaos
Článek varuje, že AI sice dramaticky zlevňuje a zrychluje změny v kódu, ale bez pevné sítě automatických kontrol stejně rychle množí chyby, technický dluh a nesoudržnost systému. Autor odmítá pokrytí kódu testy jako důkaz kvality a místo testovací pyramidy navrhuje propojenou síť ověřování — od unit a mutation testů přes kontrakty mezi službami až po validaci konfigurací, deploymentu a produkčních metrik. Klíčová teze: AI může testování posílit jako nástroj, nesmí však být finálním gatekeeperem — o průchodu změny mají rozhodovat deterministické mechanismy, a testy je nutné chápat jako živou infrastrukturu s jasným vlastnictvím.
AI píše kód, testy i jejich kontrolu. Slepou skvrnu si řetězec sám nevidí
Článek popisuje metodiku AI-asistovaného vývoje, v níž stroj píše kontrakt, implementaci, testy i jejich kontrolu, zatímco člověku zbývá záměr a jediná závěrečná revize. Hlavní rizikem je, že když jeden model prochází všemi vrstvami, šíří se celým řetězcem jeho jediné slepé místo, které si systém sám nezkontroluje. Autor proto požaduje vynucenou nezávislost — mutačně prověřené a vlastnostní testy, diverzitu modelů a lidskou revizi na úrovni záměru — a opírá se o Brookse, návrh podle kontraktu, data ze SWE-bench i článek 14 nařízení EU o AI.
Když kód předběhne porozumění
Esej tvrdí, že generativní AI rozpojuje kód od „teorie" programu v hlavě vývojáře (Naurova Programming as Theory Building): model vyrobí správně vypadající artefakt rychleji, než si člověk stihne vybudovat porozumění. Autor opírá hypotézu o triangulaci dat — klesající refaktoring (GitClear), zpomalení i přes opačný pocit (METR), zhoršené učení (Anthropic), bezpečnostní zranitelnosti (Veracode) a klesající stabilitu dodávek (Faros, DORA) — a férově přiznává protiargumenty i to, že jde o směrová, nikoli recenzovaná data.
Tool calling u open-source modelů: kdo to umí a kdo předstírá
Článek srovnává schopnosti open-source jazykových modelů v oblasti tool callingu – tedy schopnosti LLM volat externí API a nástroje pomocí strukturovaných požadavků. Nejlépe v produkčním nasazení vychází Llama 3.3 70B s nulovou chybovostí parsování, zatímco Gemma se pro tool calling nehodí a Llama 4 je reputačně poškozená benchmarkovým skandálem. Článek vysvětluje principy tool callingu, paralelního volání, formáty (OpenAI JSON, Hermes XML, Pythonic) a standard MCP, a hodnotí modely na základě benchmarku BFCL.