# V5 — desk research z rozhovorů a podobných produktů

**Zpracováno:** 1. října 2026  
**Účel:** předběžně odpovědět na discovery otázky, dokud nemáme vlastní respondenty, a porovnat zamýšlený Agent Guard s nástroji, které už zákazník může používat.

> Tohle je sekundární výzkum. Studie jiných vývojářů a zákaznické příběhy podobných firem nám pomáhají tvořit hypotézy, ale neříkají, zda malé české týmy koupí CyberBrain. Etapa 0 proto zůstává otevřená do vlastních rozhovorů a konkrétních pilotních závazků.

## Co lze předběžně odpovědět na discovery otázky

| Otázka z našeho rozhovoru | Co ukazují podobné rozhovory a provozní data | Síla důkazu a co pořád nevíme |
|---|---|---|
| **Jaký nedávný úkol vývojář svěřil agentovi?** | Ve zveřejněném souboru téměř 6 000 reálných relací bylo nejčastějším konkrétním záměrem porozumět existujícímu kódu (19 % promptů); následovaly nové změny (13,4 %), Git operace (13,4 %) a ladění (13 %). Zkušenosti tedy nejsou jen „napiš mi funkci“. | **Silný signál o běžných úkolech**, ale jen mezi lidmi, kteří dobrovolně zveřejnili logy veřejných open-source repozitářů; asi 85 % relací pochází z Claude Code. Typy promptů jsou anotované pomocí LLM a klasifikace může chybovat. Nereprezentuje všechny uživatele ani české malé firmy. [SWE-chat](https://arxiv.org/abs/2604.20779) |
| **Jaká oprávnění agent ve skutečnosti potřebuje?** | Ve stejných relacích tvořily shell příkazy zhruba třetinu volání nástrojů; agent vedle nich četl a měnil soubory, hledal v kódu a spouštěl buildy. V mnoha úkolech proto nestačí kontrolovat jen zápis souborů nebo jen příkaz shellu. | **Silný signál o povrchu akcí.** Dataset ukazuje, co agenti dělali, ne co jim uživatel vědomě povolil ani jaké incidenty zažili. [SWE-chat](https://arxiv.org/abs/2604.20779) |
| **Co člověk kontroluje a kdy zasahuje?** | Uživatelé agentům opakovaně opravují směr, hlásí nefunkční výstup a přerušují běh. Ve SWE-chat je pushback uveden u 39–44 % tahů podle použité definice; přerušení tvoří asi 5 %. Jen 44,3 % vygenerovaných řádků se dostalo do commitů. V oddělené studii 23 interviewovaných vývojářů lidé popisovali čtení návrhu řádek po řádku, kontrolu funkčnosti, stylu a testování. | **Silný signál, že dohled je průběžný i po běhu.** Číslo přežití kódu není čisté měřítko ztraceného času a studie s 23 rozhovory zkoumala krátké C úlohy, nikoli práci v repozitáři během pracovního dne. [SWE-chat](https://arxiv.org/abs/2604.20779), [Khalid et al.](https://arxiv.org/abs/2609.21020) |
| **Co překvapilo nebo zvyšuje riziko?** | V pozorovací studii 100 účastníků bylo plně bezpečných jen 22 % odevzdaných řešení; 16 z 23 lidí v navazujících rozhovorech neprovedlo žádnou výslovnou bezpečnostní kontrolu, i když věděli, že se řešení hodnotí z hlediska bezpečnosti. Často upřednostnili průchod testů, funkčnost nebo rychlý vizuální úsudek. Jiné výzkumné rozhovory s 27 profesionály zjistily, že lidé AI dál používají i pro citlivou práci, ale její návrhy kontrolují podobně jako lidský kód. | **Dobré varování před rozdílem mezi „nedůvěřuji“ a skutečnou kontrolou.** První studie byla online úloha nad čtyřmi C linked-list příklady a její vzorek byl převážně mladý mužský; nejde o měření četnosti produkčních incidentů. [Khalid et al.](https://arxiv.org/abs/2609.21020), [Klemmer et al.](https://arxiv.org/abs/2405.06371) |
| **Co se stane, když schvalování příliš brzdí práci?** | OpenAI popisuje na Windows dvě špatné krajnosti: schvalovat téměř každý příkaz včetně čtení, nebo povolit plný přístup bez omezení. Cursor ve svém engineering write-upu popisuje, že při zavedení sandboxu agent opakoval zamítnutý příkaz a zkoušel ho znovu bez změny oprávnění. Claude Code a Cursor proto kombinují výchozí omezení s allowlisty / bezpečnějšími automatickými režimy. | **Střední signál, převážně od výrobců produktů.** Podporuje měření přerušení, falešných blokací a opakovaných pokusů v našem prototypu; neurčuje, jaká míra schvalování bude přijatelná zákazníkovi. [OpenAI: Windows sandbox](https://openai.com/index/building-codex-windows-sandbox/), [Cursor: sandbox engineering](https://cursor.com/blog/agent-sandboxing), [Claude Code security](https://code.claude.com/docs/en/security) |
| **Kam smí jít zdrojový kód a přihlašovací údaje?** | Zákaznické příběhy ukazují rozdílné modely. C3 AI poskytuje coding agenta uvnitř vlastních cloudových clusterů a svěřuje identitu, oprávnění a secrets své platformě. Lark spouští oddělený krátkodobý sandbox pro každý test, protože agent sahá na živé prostředí, zákaznická data a někdy produkční klíče. | **Užitečné pro enterprise architekturu, slabé pro náš cíl malých lokálních týmů.** Jsou to zákaznické příběhy publikované dodavateli OpenHands/E2B; neukazují podíl firem s těmito požadavky ani preference lokálního nástroje. [C3 AI / OpenHands](https://www.openhands.dev/blog/eight-billion-tokens-in-two-weeks-how-c3-ai-brings-agentic-coding-to-every-team-with-openhands), [Lark / E2B](https://changelog.e2b.dev/customers/lark-case-study) |
| **Co už zákazník vyzkoušel a podle čeho volí nástroj?** | Lark zkoušel lokální vývojové stroje i klasické CI, potom porovnal poskytovatele sandboxů. Rozhodujícími vlastnostmi byly izolace pro každý běh a možnost provozovat Docker uvnitř izolace; vlastní vývoj infrastruktury podle dodavatele ušetřili nejméně několik týdnů. Zakladatel Daytony popisuje, že požadavky typu stovek souběžných prostředí a dlouhého běhu vedly k pivotu k agentní infrastruktuře. | **Střední/nízká síla.** Jde o konkrétní příběhy a rozhovor se zakladatelem dodavatele, ne reprezentativní srovnávací studii. Přesto ukazují, že kompatibilita s reálným build/test workflow může převážit obecné tvrzení o bezpečnosti. [Lark / E2B](https://changelog.e2b.dev/customers/lark-case-study), [rozhovor s CEO Daytona](https://underline.vc/infrastructure-agentic-ai-daytona) |
| **Kolik stojí kontrola, kdo kupuje a kolik by zaplatil?** | Veřejné podklady uvádějí u Lark ušetřené týdny vlastní práce na sandbox infrastruktuře. C3 uvádí, že přístup po zapojení IT zabral dvě kliknutí. Nenalezli jsme nezávislý důkaz ceny, kterou by malý tým zaplatil za samostatnou lokální policy/audit vrstvu, ani měření času měsíční kontroly AI změn. | **Naše klíčová neznámá.** Veřejný příběh velké firmy, přijatý produkt nebo vysoký objem tokenů nejsou důkaz ochoty zaplatit za CyberBrain. Tuhle otázku nelze férově uzavřít desk research. |
| **Jaký nejmenší pilot by dával smysl?** | Analogické příběhy začínají konkrétní běžnou prací: agent připraví změnu, spustí testy a člověk zkontroluje výsledek; u citlivějšího úkolu se pouští v odděleném, čistém prostředí. V5 demo s omezeným taskem, schválením, diffem a auditním záznamem odpovídá těmto patternům. | **Produktový návrh, ne prokázaná poptávka.** Pilot musí potvrdit skutečný repozitář, skutečně používaného agenta, potřebná oprávnění i ochotu dát tomu čas či rozpočet. |

## Konkurenční srovnání k říjnu 2026

| Alternativa | Co už pokrývá podle vlastních dokumentů | Dopad na CyberBrain Agent Guard |
|---|---|---|
| **Cursor lokálně** | Režimy schvalování, klasifikátor Auto-review, allowlisty, izolaci shellu, pravidla souborů a síťový sandbox na macOS/Linuxu. V dokumentaci popisuje řízení sítě, chráněné cesty i team policy. | **Nejbližší přímá konkurence pro lokální workflow.** Obecné „příkazy předem schválit + sandbox + allowlist“ už není odlišení. Zbývá ověřit, zda tým potřebuje jednotnou lokální vrstvu nad více agenty nebo audit nezávislý na konkrétním IDE. [Run Modes](https://prod.cursor.com/docs/agent/security/run-modes), [Agent Security](https://prod.cursor.com/docs/agent/security) |
| **Claude Code** | Režim Manual začíná read-only, změny a rizikovější příkazy žádají o povolení; lze nastavit pravidla per uživatel, repozitář či organizaci. Má shell sandbox s file/network hranicemi, auto mode s klasifikátorem, hooks/monitoring i cloudové VM s logy. | **Velký substitut pro první integraci.** Při používání jen s Claude Code může být vlastní wrapper slabší a přidávat tření. Pokud zákazník používá další agenty, hypotézou k testu je přenositelnost politiky a auditní historie napříč nimi. [Security](https://code.claude.com/docs/en/security) |
| **VS Code agent sandbox / Copilot** | Schvalovací režimy, ochranu citlivých souborů, diff/worktree kontrolu a sandbox terminálových příkazů. Dokumentace výslovně upozorňuje, že sandbox terminálu sám o sobě automaticky nezakazuje odchozí síť a nevztahuje se na každou plochu nástrojů. | Vestavěná výchozí volba pro vývojáře, kteří pracují ve VS Code. Příležitost pro samostatnou vrstvu může být nezávislá kontrola různých cest akcí; zatím však není důkaz, že její používání zákazníkům nestačí. [VS Code trust and safety](https://code.visualstudio.com/docs/agents/concepts/trust-and-safety) |
| **OpenAI Codex CLI / agentní sandboxy** | Lokální CLI kombinuje pracovní režimy, schvalování a sandbox. OpenAI Agents SDK navíc odděluje orchestraci a auditní/control plane od sandboxového compute; pro vlastní sandboxy jmenuje mimo jiné Docker, E2B a Daytonu. | Nedávat do nabídky jen obecný „kontrolovaný běh agenta“. Rozdíl V5 musí být konkrétní lokální produktová integrace nebo požadavek trhu, který tyto nástroje nepokrývají. [Codex CLI](https://learn.chatgpt.com/docs/codex/cli), [Sandbox Agents](https://developers.openai.com/api/docs/guides/agents/sandboxes), [Codex Windows sandbox engineering](https://openai.com/index/building-codex-windows-sandbox/) |
| **E2B / Daytona** | Spravované izolované runtimy, často microVM, síťové politiky, snapshots, limity, credentials a škálování podle úloh. Jsou určeny pro aplikace, které agenty spouštějí ve větším měřítku; E2B/Lark zdůrazňuje krátkodobou izolaci a speciální požadavky na Docker. | **Komplement nebo substitute podle workflow, ne přímá lokální CLI kopie.** V5 nemá soutěžit budováním vlastní cloudové VM fleet. Může je později podporovat jako backend, pokud pilot žádá silnější izolaci nebo týmové běhy. [Daytona isolation](https://www.daytona.io/docs/en/isolation), [E2B](https://e2b.dev/), [Lark customer story](https://changelog.e2b.dev/customers/lark-case-study) |
| **OpenHands** | Agentní platforma může plánovat a vykonávat práci v managed sandboxech; C3 AI ji zpřístupnilo v privátním cloudu a napojilo na vlastní identity, oprávnění, secrets a CI. | **Alternativa k vlastnímu agentnímu orchestration produktu.** V5 má zachovat úzkou exekuční kontrolu a používat hotového agenta, ne stavět dalšího OpenHands. [C3 AI case study](https://www.openhands.dev/blog/eight-billion-tokens-in-two-weeks-how-c3-ai-brings-agentic-coding-to-every-team-with-openhands) |

## Geografie: globální produkt, smíšené discovery

Pro produkt doporučuji **neomezovat trh na ČR**. Vývojářské nástroje se distribuují online a potřeba agentních oprávnění není specifická pro český jazyk. JetBrains ve svém průzkumu více než 15 000 profesionálních vývojářů z roku 2026 uvádí týdenní používání coding agentů u 90 % respondentů; Stack Overflow ve svém průzkumu z roku 2025 naopak uváděl, že 52 % respondentů agenty nepoužívalo a 38 % je neplánovalo přijmout. Tyto headline výsledky mají jiné datum, formulaci i metodiku, takže je beru jako důkaz rychlého, ale nerovnoměrného rozšíření — ne jako přesný odhad zákaznického trhu. [JetBrains, 2026](https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/), [Stack Overflow, 2025](https://survey.stackoverflow.co/2025/ai)

Praktické rozhodnutí pro V5:

- **Cílový produktový trh:** mezinárodní; uživatelské texty, rychlý start a dokumentace připravovat anglicky, případně přidat českou verzi pro první domácí piloty.
- **Discovery vzorek:** 4 rozhovory v ČR a 4–8 mimo ČR, při stejné cílové roli a požadavku na nedávné používání coding agenta. Začít Evropou/UK kvůli snazšímu plánování rozhovorů a podpoře; přidat USA, pokud se získají vhodní respondenti.
- **První placený pilot:** prodávat tam, kde se jako první objeví konkrétní problém, dostupný uživatel a závazek k pilotu. Země sama o sobě není validace; český pilot může být organizačně jednodušší, ale nesmí z toho vzniknout předpoklad, že produkt má smysl jen v ČR.
- **Vyhodnocení:** geografii zaznamenávat a české/zahraniční odpovědi držet odděleně. Vzorek 8–12 lidí pomůže odhalit rozdíly v nákupním procesu a prostředí, ale nedovolí statisticky porovnávat země.

Globální adoption data **neříkají**, kolik firem potřebuje samostatnou bezpečnostní vrstvu, zda jim vestavěné kontroly stačí, ani kolik za ni zaplatí. To zůstává hlavním discovery cílem.

## Co z toho mění pořadí V5

1. **Etapu 0 neoznačit za hotovou.** Desk research nám dovoluje zpřesnit hypotézy, nikoli nahradit 8–12 rozhovorů. Neznáme důvody koupě v ČR ani v zahraničí, cílovou roli, cenu, podporovaný OS ani nejvhodnější první agent.
2. **Neprodávat schvalovací okno, sandbox nebo audit samostatně jako jedinečnou funkci.** Velké nástroje už mají více z těchto prvků vestavěných. Hodnotu musí vytvořit bezproblémová integrace a důkazní záznam, který člověku skutečně pomůže dokončit běh bezpečněji.
3. **Měřit bezpečnost spolu s třením.** Pro každý pilotní task zaznamenat počet schválení, zamítnutí, opakovaných pokusů, přerušení a čas do úspěšného diffu. Cursor i OpenAI popisují, že příliš časté potvrzování škodí průběhu práce; samotné zpřísnění promptů není řešení.
4. **Zachovat úzký režim: jeden reálný coding agent, jeden podporovaný host a jeden repozitářový task.** Zdrojová data ukazují převažující Claude Code pouze v dobrovolně zveřejněném datasetu; použít to jako kandidáta na ověření, ne jako automatické rozhodnutí integrace.
5. **Pilotní otázku formulovat kolem provozního selhání, ne abstraktní bezpečnosti.** Zjistit, kdy agent naposledy potřeboval přístup navíc, co se stalo při zablokování, jaký nástroj to už řeší a co uživateli konkrétně stálo čas či riziko.
6. **Neplánovat cenovou nabídku z internetových ceníků podobných cloudových sandboxů.** Jde o jinou kategorii a jiný kupující. Cenu otestovat až po popisu současného nákladu a žádosti o konkrétní závazek k placenému pilotu.

## Nábor bez existujících osobních kontaktů

První doporučená cesta je **AI Tinkerers Prague**, protože jejich kalendář uvádí příští builders meetup 7. října 2026 a zaměřuje se na lidi, kteří staví AI agenty a coding nástroje. Potom použijte cílené LinkedIn oslovení a Czech Startup Week 19.–23. října; GDG Prague uvádí DevFest na 30. října. Termíny a odkazy byly ověřeny 1. 10. 2026: [AI Tinkerers Prague](https://prague.aitinkerers.org/), [Czech Startup Week](https://czechstartups.gov.cz/en/czech-startup-week/), [GDG Prague](https://gdg.community.dev/gdg-prague/). Pražské Pyvo je další možnost, ale jeho veřejný kalendář zatím neuvádí potvrzený další termín; ověřte jej u organizátorů.

Praktický postup:

1. Ještě před 7. říjnem požádat organizátory AI Tinkerers o svolení sdílet výzvu; pokud můžete do Prahy, domluvit na meetup 3–4 krátké rozhovory. Jde o nejlepší shodu s lidmi, kteří skutečně staví AI agenty.
2. Tentýž týden poslat 15–20 osobních LinkedIn zpráv vývojářům, kteří veřejně mluví o používání Claude Code, Cursor nebo Codex. Oslovovat podle nedávné zkušenosti s reálným repozitářem, ne podle obecného zájmu o AI.
3. Během Czech Startup Week vybrat konkrétní technické/founders akce pro 3–5 rozhovorů s lidmi, kteří mohou schvalovat nákup. Pro security/platform potřebu doplnit alespoň 2 lidi přes relevantní technické kontakty a komunity.
4. Nabídnout 15minutový rozhovor, pokud je 30 minut překážkou. Pro první rozhovor nepožadovat instalaci prototypu.

**Návrh úpravy prvního sprintu:** paralelně s náborem nechat produktový flow v podobě klikacího/CLI scénáře bez rozsáhlého dalšího vývoje; během rozhovorů ukázat vždy stejný záznam akce, rozhodnutí policy, diffu a lokálního auditu. Skutečné pilotní závazky rozhodnou, jestli první integrace bude Claude Code, Cursor/VS Code nebo jednoduchý vlastní CLI tok.

## Zdroje a omezení

- Khalid et al., *[(Don’t) Trust, but (Don’t) Verify](https://arxiv.org/abs/2609.21020)*, zveřejněný preprint z 17. 9. 2026, očekává se na IEEE S&P 2027. 100 pozorovaných účastníků a 23 navazujících rozhovorů; krátké C úlohy.
- Klemmer et al., *[Using AI Assistants in Software Development](https://arxiv.org/abs/2405.06371)*, 27 semi-strukturovaných rozhovorů s vývojáři, team leady a security testery plus rozbor 190 příspěvků/komentářů na Redditu; výzkum se týkal širších AI asistentů, ne výhradně agentů.
- Baumann et al., *[SWE-chat](https://arxiv.org/abs/2604.20779)*, logy dobrovolně zveřejněné z veřejných GitHub repozitářů; přibližně 6 000 relací, 63 000 promptů, 355 000 volání nástrojů. Autoři sami uvádějí early-adopter zkreslení a převahu Claude Code.
- [C3 AI / OpenHands](https://www.openhands.dev/blog/eight-billion-tokens-in-two-weeks-how-c3-ai-brings-agentic-coding-to-every-team-with-openhands) a [Lark / E2B](https://changelog.e2b.dev/customers/lark-case-study) jsou případové studie publikované dodavateli. Bereme je jako popis konkrétního nákupního/provozního příběhu, ne jako nezávislé měření trhu.
- [Daytona CEO interview](https://underline.vc/infrastructure-agentic-ai-daytona) je rozhovor s dodavatelem o zákaznických požadavcích; není to soubor přímých rozhovorů s jeho zákazníky.
- Produktové vlastnosti konkurence jsou převzaté z oficiální dokumentace dostupné 1. 10. 2026. Před plánováním integrace a prodeje je znovu ověřit; dokumentace neříká, zda funkce zákazníkům dostačují.