Kadera popisuje, jak systém dostane zadání, prostuduje odbornou literaturu, navrhne experiment, zkusí si ho nanečisto v simulaci a teprve pak ho pustí na reálný obráběcí stroj nebo do laboratoře. Chová se přitom podobně jako zkušený doktorant. Chyby, ke kterým se člověk propracuje metodou pokusu a omylu, tenhle postup odhalí dopředu.

Řeč je i o tom, proč deterministické algoritmy na tyhle úlohy nestačí, proč je požadavek na systém, který je zároveň inteligentní a bezchybný, protimluv, a co dnes brzdí zavádění AI do průmyslu nejvíc. Podle Kadery to není technologie, ale infrastruktura. V červnu 2026 musela Anthropic po nařízení americké administrativy pozastavit provoz svých nejvýkonnějších modelů. Pokud na takovém modelu stojí systém, který řídí výrobu, je to existenční riziko pro celou firmu.

Na konci přichází řeč na to, na čem tým pracuje teď: propojit AI s laboratořemi po celém světě a zrychlit vývoj tam, kde medicínu nejvíc tlačí bota.

Podle něj není přehnané očekávání toho, co AI změní. Naivní byla představa, že se to stane samo. Deziluze přichází u governance: bez řízeného zavádění vznikne ve firmě změť modulů, ve které nikdo nepozná, co na který úkol použít.

Mluvíme o tom, co rozbila změna specifikace MCP z 28. července 2026 firmám, které konektory do podnikových systémů nasadily dřív. O tool poisoningu, kvůli kterému se každý nástroj připojený přes MCP považuje za nedůvěryhodný. O tom, jak se zhruba 700 agentů dostalo ze sandboxu OpenAI na Hugging Face a bez zadané organizační struktury mezi sebou začalo hlasovat, vydírat a zastrašovat.

A o tom, kde už podle Kadery AI v produkci prokazatelně funguje: ve vývoji softwaru. Obavy pražských software housů, že vznikne neudržovatelný kód, se podle něj nenaplnily.