Engi­neer­ing Excel­lence aneb, jak se mění engi­neer­ing v České spořitelně

Kon­fer­ence ukáza­la širší proměnu, kter­ou IT v bance během posled­ních let proš­lo. ​„Největší posun vidím v tom, že jsme se přestali dívat na IT jen jako na deliv­ery orga­ni­zaci. Dřív byla hlavní otáz­ka ​„kdy to dodáte”. Dnes se ste­jně vážně ptáme, jak­ou kval­i­tu má naše architek­tu­ra, jak rych­le umíme bezpečně doručo­vat změny a jak dobrá je vývo­jářská zkušenost,“ říká Rychna. 

Výrazný posun při­nes­lo také využívání AI. Zatím­co dříve byla přede­vším exper­i­mentem, dnes se stává běž­nou součástí práce vývo­jářů, ana­lytiků i testerů. Společně s tím vznika­jí nové způ­so­by spolupráce, odborné komu­ni­ty a stan­dardy, které pomáha­jí sdílet zkušenos­ti napříč celou tech­no­log­ick­ou orga­ni­za­cí. Promě­nou prochází také samot­ná kul­tura spolupráce. Vznika­jí odborné komu­ni­ty, guildy nebo společné stan­dardy, které pomáha­jí sdílet zkušenos­ti napříč celou bank­ou. Cílem je, aby dobré pos­tupy nezůstá­valy jen v jed­notlivých týmech, ale pos­tup­ně se staly součástí fun­gování celé tech­no­log­ické organizace.

Dalším krokem je podle Rych­ny posun k tech­no­log­icky sebevě­domé bance, kde IT není pouze servis­ní funkcí, ale aktivním part­nerem při rozhodování o tom, jak budou vznikat nové pro­duk­ty a služ­by. Tech­nolo­gie totiž čas­to dokáže dříve než byznys ukázat, co je možné a jakým směrem se může pro­dukt rozví­jet. ​„Nech­ci, aby­chom byli ban­ka, která má IT. Chci, aby­chom byli ban­ka, kde tech­nolo­gie spolurozho­du­je o tom, co a jak stavíme,“ vysvětluje. 

Jed­ním z důležitých kroků k této změně je podle něj plat­form­ní příst­up. Interní plat­formy nema­jí být pouze nástro­je, které týmy dostanou k dis­pozi­ci, ale pro­duk­ty s vlast­ní vizí, roadmapou a zpět­nou vazbou od uži­vatelů. Velk­ou roli bude hrát také další rozvoj využívání umělé inteligence. Cílem není vní­mat AI jako samostat­nou novinku, ale jako přirozenou součást celého vývo­jového pro­ce­su – od analýzy přes vývoj a testování až po provoz. Největší změ­nou ale podle něj neb­ude samot­ná tech­nolo­gie, nýbrž způ­sob práce. ​„Pod tím vším je změ­na mind­se­tu od pro­jek­tového dodání k dlouhodobé­mu vlast­nictví pro­duk­tu. Ta je ze vše­ho nejpo­ma­le­jší a žád­ný nástroj ji za nás neudělá,” shrnuje.

Česká spořitel­na se podle Rych­ny v řadě oblastí při­b­ližu­je tech­no­log­icky vyspělým fir­mám. Výhodou banky je přede­vším zkušenost s provozem kri­t­ick­ých dig­itál­ních služeb pro mil­iony klien­tů a pos­tup­né zavádění prin­cipů běžných ve špičkových tech­no­log­ick­ých orga­ni­za­cích – od pro­duk­tových týmů propo­ju­jících Prod­uct, Design a Engi­neer­ing až po sjed­no­cov­ání vývo­jového a DevOps prostředí. 

„Skutečná tech­no­log­ická změ­na nevznikne jed­ním nástro­jem. Vznikne kom­bi­nací tech­nologií, způ­sobu řízení, architek­tu­ry a kul­tu­ry,“ říká Rych­na. Právě pro­to není Engi­neer­ing Excel­lence postavená jen na zave­dení nových nástro­jů, ale na dlouhodobé změně způ­sobu práce. Pro další posun vidí ban­ka pros­tor přede­vším ve třech oblastech: 

• Rych­le­jší adopce změn – dostat nové stan­dardy, nástro­je a pos­tupy rych­le­ji do kaž­do­den­ní práce týmů. 

• Řízení na zák­ladě dat – lépe měřit rychlost vývo­je, kval­i­tu, sta­bil­i­tu služeb nebo zkušenost vývojářů. 

• Zjednodušování kom­plex­i­ty – pos­tup­ně snižo­vat složi­tost architek­tu­ry, his­torick­ých sys­témů a pro­cesů, které mohou brzdit další rozvoj. 

Největší změnu ve vývo­ji soft­waru podle Rych­ny při­nese agentické AI. Nejde už jen o nástro­je, které pomáha­jí psát kód, ale o agen­ty schop­né pra­co­v­at s kon­tex­tem, rozdělit zadání, navrhnout řešení, připrav­it testy nebo zkon­trolo­vat výsled­ky. Ve Spořce už vznika­jí scénáře využití agen­tů v oblasti vývo­je, analýzy nebo testování, které pomáha­jí pokrýt celý živ­ot­ní cyk­lus produktu. 

Důležitým tren­dem je také plat­form engi­neer­ing. Cílem je nabíd­nout vývo­jářům bezpečné a jednoduše použitel­né prostředí, díky které­mu nemusí opako­vaně řešit infra­struk­tu­ru, pipeline nebo bezpečnos­t­ní nas­tavení. Ros­te také výz­nam bezpečnos­ti pří­mo ve vývo­ji. Kon­tro­la kval­i­ty a bezpečnos­t­ní pravid­la už nemo­hou být až posled­ním krokem před nasazením, ale musí být přirozenou součástí celého procesu.

Součas­ná vize banky je budovat kul­tu­ru skutečného engi­neeringu založe­nou na odbor­no­s­ti, odpověd­nos­ti, otevřenos­ti a ochotě učit se. Důležité je, aby jed­notlivé týmy neřeši­ly ste­jné prob­lémy opako­vaně, ale dokázaly sdílet zkušenos­ti a dobré pos­tupy napříč celou organizací. 

Klíčovou součástí této kul­tu­ry je také own­er­ship – tedy odpověd­nost za celý živ­ot­ní cyk­lus pro­duk­tu. Týmy nema­jí být zod­pověd­né pouze za samot­né dodání změny, ale také za její provoz, bezpečnost a dlouhodobou udržitel­nost. ​„Stan­dardy, plat­formy a gov­er­nance nema­jí být kon­tro­la sho­ra, mají být pomoc. Kul­tu­ru nevy­budu­jeme nařízení­mi, ale tím, že dobré věci budou zároveň ty nej­jednodušší na použití,“ říká.

Jed­ním z nejza­jí­mavějších přík­ladů tech­no­log­ické proměny v bance je využití AI agen­tů napříč celým živ­ot­ním cyk­lem vývo­je. Výrazný posun vidí ban­ka napřík­lad v oblasti analýzy a testování, kde agen­ti pomáha­jí zpra­co­v­at zadání, navrho­vat user sto­ries, připravo­vat akcep­tační kritéria nebo vytvářet testo­vací scénáře. AI přit­om nenahrazu­je člově­ka, ale mění jeho roli. Zatím­co dříve lidé trávili více času manuál­ním dohledáváním infor­ma­cí a přípravou pod­kladů, dnes se mohou více soustřed­it na ověřování výsled­ků, doplnění kon­tex­tu a rozhodování. 

Zkušenos­ti z praxe zároveň ukázaly, že samot­né nasazení AI nástro­je nes­tačí. Kvali­ta výsled­ků závisí na tom, jaký kon­text agent dostane. Pro­to se Česká spořitel­na pos­tup­ně posou­vá od jednoduchých promp­tů k pro­pra­co­v­anější­mu sys­té­mu instrukcí, agen­tů a spe­cial­i­zo­vaných nástro­jů pro jed­notlivé týmy. ​„Nejde primárně o adop­ci nástro­je. Tech­nická strán­ka je para­doxně ta jednodušší. Zásad­ní je změ­na způ­sobu práce a myšlení celé orga­ni­zace,“ uza­vírá Rychna. 

Právě schop­nost rych­le zkoušet nové možnos­ti, sbírat zpět­nou vazbu a učit se za pochodu bude podle něj rozhodovat o tom, kdo dokáže poten­ciál umělé inteligence skutečně využít.