Solidní základ v PHP, Reactu nebo Node.js už máš. Co konkrétně přidat pro přechod do AI-first týmu a jak to zvládneš za tři měsíce?
Solidní základ v PHP, Reactu nebo Node ti zůstane. Co konkrétně přidat a jak vypadá práce v AI-first týmu v Česku — tady je reálný pohled z inzerátů, které teď visí na startupjobs.cz.
Co Applied AI Engineer skutečně dělá celý den
Nejrychlejší způsob, jak pochopit roli, je podívat se na konkrétní popis pozice. Firma DX Heroes hledá Applied AI Engineer (junior, hybrid Praha) a typický pracovní den popisuje takto:
„Jeden den scopuješ use case na callu s klientem, druhý stavíš MCP server.“
To je podstata té role. Nejde o to psát prompty do ChatGPT celý den. Je to o tom:
-
rozumět potřebám klienta a umět je přeložit do technické architektury
-
umět napsat a nasadit funkční AI komponentu (agent, MCP server, workflow)
-
vědět, kdy AI zafunguje a kdy ne — a jak to klientovi vysvětlit
Základ práce je stejný jako u každého vývojáře: HTTP, API, databáze, deployment. Rozdíl je v tom, co k tomu přidáváš.

Tři věci, které přidáš — a tři věci, které ti zůstávají
Tyhle tři věci ti nejspíš chybí (a je v pořádku, že chybí — nikdo s nimi nevyrostl):
1. Prompt architektura
Vědět, kdy nechat model rozhodnout a kdy pevně zakódovat logiku. Jak napsat systémový prompt, který drží model v guardrails i v produkci. Kdy použít tool use místo čistého generování.
2. Jeden agentní stavební blok
MCP server v Pythonu nebo TypeScriptu. Nebo n8n workflow s AI uzlem, které běží spolehlivě v produkci. Ne „zkusil jsem to v playgroundu“, ale nasazené, monitorované, s fallbackem.
3. Produkční myšlení pro LLM výstupy
Halucinace nejsou chyba, jsou vlastnost — a musíš s nimi počítat. Musíš vědět, co monitoruješ, jak děláš evaly, jak vypadá fallback a kolik stojí jeden run. Bez toho si klient řešení před svým vedením neobhájí.
A tyhle tři věci ti zůstávají — a jsou hodnotné:
-
Webový základ: HTTP, REST API, SQL, deployment, Docker. AI-first týmy to potřebují stejně jako každý jiný tým.
-
Schopnost číst cizí kód a orientovat se v codebase: LLM ti kód vygeneruje; ty musíš pochopit, jestli funguje správně.
-
Deployment a infrastruktura: kdo umí dostat věc do produkce, je v AI-first týmu zlatý.
Proč PHP a React nejsou handicap
Časté podezření: „V AI rolích se používá Python. PHP a React nestačí.“
Je to jen část pravdy. Python je v AI rolích nejčastější jazyk — ale není podmínkou. Quantum Renewables hledá Junior AI Full-Stack developera a v inzerátu uvádějí nástroje jako Cursor nebo nástroj Claude Code jako základ práce. Žádná zmínka o tom, že by Python byl povinný.
Tvůj webový základ je přenositelný. HTTP, REST API, SQL, správa proměnných prostředí, deployment — to se nemění. Konkrétní jazyk závisí na týmu; Python se naučíš za pár týdnů, pokud znáš JavaScript.
Co se nezmění nikdy: schopnost přečíst codebase, kterou jsi nepsal, pochopit její fungování a přidat do ní AI komponentu. To je dovednost, pro kterou existuje jen jeden způsob nácviku — praxe na reálném projektu.
Tříměsíční plán pro pracujícího vývojáře
Tři měsíce jsou cílem pro osvojení konkrétních dovedností — ne garancí nabídky práce. Ale je to realistický horizont pro 2–3 hodiny učení týdně, pokud postupuješ strukturovaně.
Měsíc 1 — Prompt architektura a základy LLM API
-
Pochop rozdíl mezi systémovým promptem, uživatelským promptem a tool use.
-
Postav jednoduché chatovací rozhraní nad Anthropic API nebo OpenAI API.
-
Cíl: první end-to-end volání LLM z vlastního kódu s ošetřeným fallbackem.
Měsíc 2 — První agentní komponenta
-
Postav MCP server nebo n8n workflow, které řeší reálný problém (automatizace, analýza dat, draft e-mailu).
-
Nasaď ho na VPS nebo cloud (fly.io, Railway — bez serverless funkcí, ať vidíš logy).
-
Cíl: něco, co běží spolehlivě 7 dní bez zásahu.
Měsíc 3 — Produkční vrstva a prezentace
-
Přidej monitoring (co se loguje, co tě probudí ve 2 ráno).
-
Spočítej náklady na provoz za měsíc.
-
Napiš krátké shrnutí: co jsi postavil, jak to funguje a co by se mohlo rozbít. Tohle je tvůj portfoliový projekt.
Cílem tohoto plánu není získat nový titul za tři měsíce. Je to o tom mít konkrétní projekt, na který ukážeš v inzerátu a řekneš: „Tady je MCP server, který jsem postavil a provozuji.“

Kde teď tyhle role hledat v Česku
Na startupjobs.cz hledej klíčová slova: „Applied AI“, „AI Engineer“, „AI Systems Builder“, „MCP“, „LLM“. Pracovní trh v tomto segmentu se po přechodném zpomalení v roce 2025 rozjíždí — firmy hledají vývojáře, kteří umí s AI nástroji pracovat, ne o nich jen mluvit.
Dvě role, které jsou teď otevřené (stav ke dni 22. 6. 2026):
-
DX Heroes — Applied AI Engineer (junior, hybrid Praha): „Naše AI řešení běží v produkci u klientů napříč e-commerce, bankovnictvím i tech firmami. Jeden den scopuješ use case na callu s klientem, druhý stavíš MCP server.“
-
Quantum Renewables — Junior AI Full-Stack / AI Systems Builder (junior, remote/hybrid Praha, 3 000–4 000 Kč/MD): „Hledáme juniora nebo junior+ člověka, který chce růst v AI-first týmu a stavět praktické AI automatizace pro reálné business procesy. Budeš pracovat s nástroji jako Codex, nástroj Claude Code nebo Cursor.“
Obě jsou reálné, otevřené a odpovídají profilu vývojáře s webovým základem. Co firmy od junior AI developerů v Česku obecně čekají, jsme rozebírali v přehledu Junior AI developer v Česku: co firmy opravdu hledají.
Kurz pro vývojáře, kteří to myslí vážně
Pokud chceš projít celý přechod strukturovaně — od LLM API přes agenty, RAG a MCP servery až po produkci — podívej se na kurz Programátor webových aplikací v AI Guild. Je stavěný přesně pro tenhle profil: vývojář, který zná webový základ a chce přidat AI vrstvu, ne začínat od nuly.