„Vibe coding“ (AI asistovaný, intuicí vedený způsob vývoje, kdy popíšete záměr, necháte model napsat návrh a usměrňujete ho citem) má ve fintechu problém s reputací. Zní jako opak toho, co regulované podnikání vyžaduje: rozvahu, dokumentaci, kontrolu, auditovatelnost. Dodávat podle citu ve firmě, která musí každé rozhodnutí obhájit před regulátorem, působí nezodpovědně.
Přes osm let stavím v regulovaném fintechu: vedl jsem mobilní vývoj u akvirera s licencí FCA a předtím integroval platební brány. Dnes se na AI spoléhám u velké části té práce a v praxi spolu nejsou v rozporu. Doplňují se, pokud přísnost sedí na správném místě.
Rozpor je na špatném místě
Když AI vstoupí do regulované codebase, instinkt velí ji zpomalit: méně návrhů, více kontrolních bran, každý vygenerovaný řádek brát jako podezřelý. To ale špatně chápe, co regulace řídí. Regulátora nezajímá, jak rychle píšete, ani zda danou funkci napsal člověk, nebo model. Zajímají ho výstupy a důkazy: že se s penězi zákazníka zachází správně, že jsou osobní údaje chráněné, že dokážete doložit, kdo co změnil, kdy a proč, a že za tím stojí konkrétní, odpovědný člověk.
Regulace řídí mantinely, ne jednotlivé stisky kláves, a rychlost uvnitř dobře nastavených mantinelů je v podstatě zadarmo. Z tohoto pohledu úkolem není „přimět AI k opatrnosti“, ale „nastavit mantinely dobře a pak se uvnitř pohybovat rychle“.
Determinismus patří do mantinelů, ne do psaní
Chyba je snažit se učinit deterministickým samotné psaní kódu. To nelze. A s modelem ve hře tím spíš. Determinismus proto přesuňte tam, kam patří: do omezení okolo kódu. Tohle jsou mantinely, bez kterých regulované flow nenasadím.
- Typované kontrakty a schémata. Peníze jako celočíselné minor units, validované hranice, nikdy ne plovoucí řádová čárka pro měnu. Model píše volně; typový systém nesmysl odmítne dřív, než se spustí.
- Testy jako specifikace. Compliance požadavek zapíšete jako spustitelný akceptační test ještě před vygenerováním implementace, s property-based testy pro práci s penězi a limity. Model pak píše k cíli, se kterým nemůže polemizovat.
- Policy jako kód. Sankční screening, transakční limity a retenční pravidla vyjádřené jako verzovaná, otestovaná pravidla, ne jako text zahrabaný ve wiki, kterou nikdo nečte.
- Auditní log ve frameworku, ne v promptu. Neměnné, strukturované event logy zabudované do platformy, takže každá změna stavu je zaznamenaná, ať cestu napsal člověk, nebo model.
- Reprodukovatelné buildy. Zamčené závislosti, zamčený toolchain, deterministická CI. „Fungovalo mi to v chatu“ není důkaz.
S tímto na místě se vibe coding stává bezpečným, ne proto, že by model zmoudřel, ale protože systém okolo něj zachytí to, co intuice mine.
Auditní stopa je to, co dělá výstup AI důvěryhodným
Tady je bod, který většina týmů přehlíží: kontroly, které regulátor očekává, jsou přesně ty kontroly, které dělají AI generovaný kód přezkoumatelným. Historie verzí, pull requesty, code review, záznamy rozhodnutí, důkazy z CI. Auditoři je vyžadují a zároveň jsou to nástroje, jak model udržet poctivý.
Papírová stopa, která uspokojí auditora, je tatáž stopa, díky níž můžete důvěřovat práci stroje. Compliance i AI chtějí totéž: mít všechno zapsané.
Každá AI asistovaná změna stále přistává jako přezkoumaný pull request, přiřaditelný člověku, který ji schválil. Model zrychlí psaní návrhu; merge vlastní člověk. Není to byrokracie dolepená dodatečně. Je to princip čtyř očí, který jste stejně potřebovali, teď ve dvojí roli.
Jak to vypadá na reálném flow
Vezměte krok KYC: ověření zákazníkova dokladu totožnosti a jeho prověření proti sankčním seznamům. Požadavky jsou jasné a dobře zdokumentované, přesně ten druh ohraničené, specifikované práce, ve které je model silný. Postup, který bych použil:
- Nejdříve zapsat kontrolu, jako akceptační kritéria vyjádřená v testech: co musí projít, co musí být odmítnuto, co musí být zalogováno.
- Nechat model napsat implementaci proti těmto testům.
- Přezkoumat proti kontrole, ne podle vkusu: splňuje požadavek, loguje správné události a selhává bezpečně, když je něco špatně?
- Zaznamenat rozhodnutí, ať už architektonický záznam (ADR), nebo věcný popis pull requestu, aby další inženýr či auditor nemusel záměr rekonstruovat.
Model dodá šířku a rychlost; inženýr dodá úsudek a nese odpovědnost. Flow se dodá ve zlomku času a přesto obstojí v auditu, protože důkazy jsou vedlejším produktem procesu, ne spěchem na poslední chvíli.
Kde člověk zůstává pevně ve hře
Ne všechno patří modelu. Některá rozhodnutí zůstávají na člověku, pokaždé:
- Výklad regulace: co dané pravidlo znamená pro konkrétní produkt, je věc úsudku, někdy právního.
- Riziková rozhodnutí: přijetí zákazníka, uvolnění prostředků, zrušení blokace.
- Cokoli, co se dotýká tajemství nebo produkčních peněz: model píše kód; nikdy nedrží produkční přístupy ani bez dozoru nepřesouvá skutečné peníze.
- Data vstupující do promptů: minimalizovat a anonymizovat osobní údaje. Doklad totožnosti zákazníka není kontext, který se vkládá do okna chatu.
A to nesmlouvavé: regulátor činí odpovědným konkrétního, licencovaného člověka. AI odpovědná být nemůže. Je to nástroj, ne osoba v organizační struktuře. Berte ji tak a většina otázek kolem governance se zodpoví sama.
Vyšší podlaha, stejný strop
AI zvedá podlahu toho, jak rychle se můžete pohybovat. Mantinely drží strop toho, kolik rizika si můžete dovolit. Vibe coding není nezodpovědný, když je nezodpovědnost vyinženýrovaná pryč ze systému okolo, když typy, testy, logy a review brána plní každý svou roli.
Fintechy, které příští roky vyhrají, nebudou ty, které AI zakázaly, aby měly pocit bezpečí, ani ty, které ji přijaly a kontroly vynechaly. Budou to týmy, které vezmou přísnost, kterou regulátorovi stejně dluží, a využijí ji jako základ, na němž lze stavět rychle, s AI a beze strachu.