VIGCON2026

Tato přednáška je nefiltrovaná post-mortem analýza celofiremního, vynuceného zavedení AI přes celé SDLC — od analytiků a vývojářů po testery, DevOps a L2 support.

Ukážeme:

• ●reálné metriky před a po,
• ●role-specific výkonnostní a kvalitativní benchmarky, které bez AI nelze splnit,
• ●naměřené nárůsty produktivity top performerů v řádu stovek procent,
• ●jak jsme vybudovali role-specific AI toolchainy, skill-based agenty a AI guidelines,
• ●a proč je náš cíl pro rok 2026 celofiremní 50% nárůst produktivity, ne jen „lepší pocit z AI“.

Nevyhneme se nepříjemným částem:

• ●masivní odpor vývojářů,
• ●frustrace a pád mýtu „seniority bez změny návyků“,
• ●rozbité metriky, špatná rozhodnutí a interní průšvihy.

Žádné slajdy o „budoucnosti AI“.
Tvrdá data. Reálné procesy. Měřitelný dopad.

Pokud chcete vidět, jak vypadá svět, kde AI už není výhoda, ale minimální standard, tato přednáška je pro vás.

V této přednášce si ukážeme, jak moderní AI workflow dokáže výrazně zrychlit vývoj a umožnit „one-shot“ přístup k dodání business požadavků.

V první polovině představíme klíčové AI koncepty a stavební bloky: rules, guidelines, subagenty, AI skilly, slash commands a MCP servery.

Ve druhé polovině přejdeme k praktické ukázce a předvedeme, jak jsou tyto AI funkcionality implementované v našem frontend development AI workflow. Na reálném příkladu ukážeme, jak lze business zadání přeměnit na funkční řešení „na jeden výstřel“ — rychle, konzistentně a s minimem manuální práce.

Hashtagy: #AIWorkflow #AIAgents #Windsurf

Co je potřeba k nahrazení Camundy v reálném enterprise prostředí?

Tato přednáška je případová studie toho, proč a jak jsme vybudovali ZenBPM — nyní schválený strategický směr pro orchestraci workflow napříč naším platformním landscape.

V projektech jako Neuron, Experta a EOP se ukázalo jedno: platformní aplikace nemohou zůstat skutečně univerzální, pokud jsou pevně svázané s jedním BPM produktem, jeho cenovým modelem a provozními omezeními.

Ukážeme, jak jsme to změnili:

• ●od Camunda-specific implementace k platformně agnostické architektuře,
• ●od workflow lock-in k flexibilitě založené na adaptérech,
• ●od fragmentovaných UI vzorů k univerzálnějšímu modelu založenému na micro frontendech, sdíleném vyhledávání a jednotné viditelnosti úkolů.

ZenBPM je naše odpověď na cenotvorbu Camunda 8, provozní komplexitu a potřebu BPM základu, který dává architektům více svobody a managementu více finanční kontroly.

Žádná teorie.
Žádná generická BPM přednáška.
Skutečný příběh nahrazení — s architektonickým dopadem, platformními důsledky a business relevancí.

Tato přednáška ukazuje, jak AI mění dodávku softwaru, když specifikace přestanou být statické dokumenty a stanou se skutečným motorem vývoje.

Vycházíme z jedné business věty a ukazujeme, jak AI dokáže rozvinout záměr do business specifikace, porovnat varianty řešení, vytvořit AI-optimalizovanou technickou specifikaci a připravit přesný kontext potřebný pro kvalitní AI-asistovanou implementaci.

Ukážeme:

• ●jak AI pomáhá odstranit nejednoznačnost ještě před začátkem kódování,
• ●jak kontrastní varianty řešení zviditelňují architektonické kompromisy,
• ●jak lze technické specifikace strukturovat specificky pro AI-driven dodávku,
• ●a proč jsou guidelines a standardy nezbytné, pokud má AI produkovat škálovatelný, udržitelný enterprise kód.

Výsledkem není jen rychlejší kódování.
Je to rychlejší porozumění, lepší rozhodnutí, kvalitnější specifikace a delivery model, kde se AI stává předvídatelným místo improvizačním.

Žádný generický prompt engineering.
Žádná hesla „AI vyřeší všechno“.
Praktický model pro přeměnu business záměru na implementation-ready strukturu při výrazně vyšší rychlosti a kvalitě.

Manuální tvorba testů se pro moderní dodávku škáluje nedostatečně. Tato přednáška ukazuje, jak to AI mění.

Pomocí Junie a definované sady testovacích guidelines ukazujeme, jak se generování testů může posunout od pomalé, opakující se manuální práce k rychlejšímu, strukturovanějšímu a mnohem škálovatelnějšímu modelu enterprise automatizace.

Ukážeme:

• ●jak AI generuje testy z implementačního kontextu a strukturovaných vstupů,
• ●proč silné testovací guidelines jsou rozdíl mezi užitečnou automatizací a AI-generovaným šumem,
• ●jak lze API, databázové a Kafka testovací scénáře produkovat konzistentně napříč technologiemi,
• ●a jak AI pomáhá převést testovací záměr na spustitelnou automatizaci s mnohem menším úsilím.

Nejde o generování více testů jen kvůli objemu.
Jde o generování lepších testů rychleji — způsobem, který je kontrolovaný, revidovatelný a v souladu se skutečnými inženýrskými standardy.

Přednáška obsahuje také praktický příklad transformace Jira Xray test cases do automatizačního test frameworku, ukazující, jak AI může pomoci překlenout jednu z nejpřetrvávajících mezer v enterprise testování: vzdálenost mezi dokumentovanými testovacími scénáři a reálnými spustitelnými testy.

Žádný hype o „AI nahrazující testery“.
Žádné fantazie o kvalitě na jedno kliknutí.
Reálný případ, jak řízené AI generování testů může snížit úsilí, zlepšit konzistenci a škálovat testovací automatizaci lépe, než kdy dokázala manuální tvorba.

V této přednášce uvidíte, jak lze vyspělý design systém efektivně využít jako základ pro AI prototypování.

Ukážeme, jak AI dokáže generovat realistické prototypy přímo z požadavků a analýzy, což umožňuje rychlou vizuální validaci řešení. Jak tento přístup pomáhá včas odhalit mezery ve specifikacích, zkracuje zpětnovazební smyčky po implementaci a urychluje celý delivery proces. Předvedeme také, jak lze složité datové modely a datasety rychle převést na interaktivní prototypové scénáře a více designových variant.

Reálné projektové příklady ilustrují různé přístupy k AI prototypování, včetně strukturovaného generování s reálnými React komponentami a frontend pravidly, které mohou sloužit jako přímý základ pro další vývoj.

Robotická automatizace procesů (RPA) je dnes zavedená technologie napříč obory a své místo si našla i ve VIG. Díky RPA jsou kolegové v Kooperativě a ČPP zbaveni opakujících se, rutinních úkolů, které softwaroví roboti zvládnou rychleji, spolehlivěji a prakticky 24/7.

V přednášce ukážeme, jak RPA funguje v praxi, jaké typy procesů automatizujeme, v čem se náš přístup může lišit od jiných firem, jaký vliv mohou mít AI a velké jazykové modely na budoucnost RPA a jak se může role softwarových robotů vyvíjet v AI‑driven světě.

Jak mikroservisa roste, začne se chovat jako monolit: nabobtnalý kód, nejasné hranice a kolize mezi týmy. Přednáška ukazuje, jak jsme u rychle rostoucí služby vyvíjené třemi týmy zavedli silné modulární hranice, zlepšili spolupráci a připravili základ pro budoucí rozdělení bez zastavení dodávky funkcí.

Efektivní plánování a směrování terénních techniků je nezbytné pro včasné prohlídky vozidel. Dnes je toto plánování zcela manuální a časově náročné.

Projekt *Rozdělovač* si klade za cíl nahradit toto manuální úsilí datově řízeným optimalizačním systémem. Provedeme vás fází PoC, vývojem testovacích nástrojů a kompletním data-science workflow — od čištění dat až po řešení problému Workforce Scheduling and Routing pomocí optimalizačního enginu.

Naše výsledky ukazují významné snížení celkové cestovní vzdálenosti a potenciál pro provozní efektivitu.

Kafka škáluje dobře, dokud způsob její správy nepřestane stačit.

Dlouhou dobu byl náš ekosystém Kafka spravován centrálně. V této přednášce budeme sdílet naši cestu od tohoto centralizovaného modelu nasazení k decentralizovanému, Kubernetes-native přístupu poháněnému vlastním Kafka Operátorem.

Zaměříme se na:

• ●Jaké problémy operátor okamžitě vyřešil
• ●Nové výzvy (bezpečnost, validace, governance)
• ●Jak se posunuly zodpovědnosti mezi týmy
• ●Co nás během přechodu překvapilo

Správa pojistných smluv pracuje se složitým datovým modelem, který kombinuje instance smluv s bohatými definicemi produktů při zachování referenční integrity. Ukážeme redesign načítání dat, využití cache a batch persistenci pro výrazné zlepšení výkonu čtení i zápisu při zachování konzistence domény.

Přednáška představí Content Security Policy (CSP) jako praktický mechanismus ochrany proti XSS a dalším klientským útokům. Projdeme klíčové direktivy, rozdíly mezi SSR a SPA, využití nonce i způsob zavádění přes report-only režim a průběžný monitoring. Ukázky vycházejí z produkčního nasazení v aplikaci s více než 8 000 aktivními uživateli a 5 000+ uzavřenými smlouvami denně.