Dizajn je kód

Jak logika celulárních automatů přetvoří agentní designové systémy a proč může být budoucnost vývoje webu už napsaná v jednoduchých pravidlech

Na pomezí designových systémů, umělé inteligence a teorie výpočtů probíhá hluboká proměna. Je tak zásadní, že zpochybňuje samotné chápání toho, co vlastně znamená „design“ v éře autonomních agentů.

Po celá desetiletí jsme design a kód považovali za dvě oddělené disciplíny: design jako říši lidské kreativity a estetického úsudku, kód jako mechanický převod těchto nápadů do spustitelné podoby. Jenže když AI agenti stále častěji sami skládají uživatelská rozhraní, využívají designové systémy jako strojově čitelnou infrastrukturu a generují kód ze sémantických tokenů, blížíme se bodu setkání, který připomíná mnohem starší myšlenku z teorie výpočtů.

Jakou myšlenku? Dizajn je kód.

Není to jen líbivá fráze. Je to uznání toho, že míříme k světu, kde designové systémy fungují jako celulární automaty: jednoduchá pravidla, z nichž vyrůstá složité, emergentní chování. K světu, kde se rozdíl mezi „navrhováním“ a „programováním“ úplně rozplyne. Kde autonomní agenti designové systémy jen nepoužívají, ale jsou jimi, designovými systémy v akci.

Tento příspěvek zkoumá hluboké souvislosti mezi celulárními automaty, emergentním chováním a budoucností agentních designových systémů. Projdeme teoretické základy od von Neumannových samoreplikujících se strojů až po dnešní roje AI agentů.

Podíváme se, jak Drupal a moderní CMS platformy integrují AI prostřednictvím modulů, jako jsou Schema.org Blueprints a Drupal AI. A zamyslíme se nad tím, co to všechno znamená pro designéry, vývojáře i budoucnost tvorby digitálních produktů.

Celulární automaty a logika emergence

Krása jednoduchých pravidel

V roce 1970 představil matematik John Conway Hru života, „hru pro nula hráčů“, která se stala jedním z nejprobádanějších systémů v teorii výpočtů. Pravidla jsou úžasně jednoduchá:

1. Každá živá buňka s méně než dvěma živými sousedy zahyne (podpopulace)
2. Každá živá buňka se dvěma nebo třemi živými sousedy přežívá
3. Každá živá buňka s více než třemi živými sousedy zahyne (přemnožení)
4. Každá mrtvá buňka s právě třemi živými sousedy ožívá (rozmnožení)

Z těchto čtyř pravidel, vyjádřených hrstkou binárních podmínek, vzniká ohromující vesmír složitosti. Kluzáky putují nekonečnými mřížkami. Oscilátory pulzují ve věčném rytmu. Děla chrlí proudy vzorců napříč buněčným prostorem. A co je nejpozoruhodnější, o Hře života bylo dokázáno, že je Turingovsky úplná: cokoli, co lze algoritmicky spočítat, lze v principu spočítat i na Conwayově jednoduché mřížce.

Obrázek 1: Gosperovo kluzákové dělo v Conwayově Hře života. Tento vzor neustále vytváří proud kluzáků a ukazuje, jak z jednoduchých pravidel může vzniknout nekonečná, samoudržující se složitost.

To je první lekce buněčných automatů: složitost není předpokladem složitého chování. Jednoduchá pravidla, důsledně uplatňovaná na celém podkladu, mohou vyvolat vzory a chování, která nikdo výslovně nenaprogramoval.

Langtonovy smyčky a sebereplikace

V roce 1984 posunul Christopher Langton tento princip ještě dál svými sebereplikujícími se smyčkami, buněčným automatem, který předvedl skutečné principy umělého života. Zatímco Conwayova Hra života ukazuje emergentní složitost, Langtonovy smyčky ukazují emergentní rozmnožování.

Každá smyčka tvoří cyklická hranice, která obklopuje „genom“ zakódovaný ve stavech buněk. Tento genom plynule koluje kolem smyčky a vytéká ven podél konstrukčního ramene, které během 151 časových kroků vybuduje dceřinou smyčku. Jakmile je hotová, dcera se od rodiče oddělí a obě se dál replikují.

Obrázek 2: Langtonova smyčka ve výchozí konfiguraci. Genetická informace obíhá smyčkou a prostřednictvím vysouvajícího se ramene řídí stavbu dceřiných smyček.

„Je-li uvnitř buněčného automatu možný stroj, který se sám reprodukuje, pak by život sám mohl být pro stroje dosažitelný.“

– Christopher Langton, „Studying Artificial Life with Cellular Automata“ (1986)

Důsledky jsou hluboké. Langtonovy smyčky dokazují, že sebereplikace nevyžaduje složitost biologických buněk ani univerzální konstrukční schopnosti von Neumannova původního návrhu. Stačí k ní jen:

• Soubor jednoduchých lokálních pravidel
• Mechanismus pro zakódování instrukcí
• Proces, kterým se tyto instrukce provádějí

Pravidla jsou organismus. Návrh je kód.

V roce 1999 představil Hiroki Sayama evoloopy, varianty zahrnující strukturální rozpustnost a fenotypové interakce, které umožňují spontánní mutace a evoluční dynamiku. Tyto smyčky se vyvíjejí přímými fyzickými srážkami při replikaci, což vede k variacím genotypu, větší morfologické rozmanitosti a růstu složitosti napříč generacemi. Na rozdíl od Langtonovy pevné replikace evoloopy ukazují dědičné mutace bez vnějšího zásahu.

Pravidlo 110 a univerzální výpočet

Zkoumání elementárních buněčných automatů Stephenem Wolframem vyvrcholilo překvapivým objevem: Pravidlo 110, jedno z pouhých 256 možných pravidel pro nejjednodušší typ jednorozměrného buněčného automatu, je schopné univerzálního výpočtu.

Pravidlo 110 lze zcela popsat tak, že u každé z osmi možných kombinací buňky a jejích dvou sousedů určíme výsledek. Přesto toto triviálně jednoduché pravidlo – osm binárních rozhodnutí – dokáže simulovat univerzální Turingův stroj.

Obrázek 3: Celulární automat Pravidlo 110. Navzdory jednoduché definici vykazuje Pravidlo 110 chování třídy 4 – složité vzory, které nejsou ani zcela stabilní, ani zcela chaotické – a bylo dokázáno, že je Turingovsky úplné.

„K univerzálnímu výpočtu není potřeba nic jako celý procesor počítače. Stačí k tomu tohle malé pravidlo.“

– Stephen Wolfram, „A New Kind of Science“

V roce 2004 publikoval Matthew Cook důkaz, že Pravidlo 110 s určitým opakujícím se vzorem pozadí je Turingovsky úplné. Důkaz ukazuje, že Pravidlo 110 dokáže emulovat cyklické tag systémy, které zase dokážou emulovat libovolný Turingův stroj. Z 88 možných jedinečných elementárních celulárních automatů je Pravidlo 110 jediné, u něhož byla Turingovská úplnost přímo dokázána.

Princip výpočetní ekvivalence, který Wolfram navrhl, naznačuje něco ještě radikálnějšího: systémy nad minimální hranicí složitosti jsou ve svých výpočetních schopnostech v podstatě rovnocenné. Lidský mozek, systém počasí a Pravidlo 110 jsou v nějakém hlubokém smyslu výpočetně ekvivalentní.

Metabuňka 0E0P: skutečná sebereplikace

V říjnu 2018 dokončil Adam P. Goucher stavbu metabuňky 0E0P – vzoru v Conwayově Hře života, který je schopen skutečné sebereplikace. Na rozdíl od dřívějších metabuněk, které potřebovaly poblíž již existující kopie, dokáže metabuňka 0E0P vytvořit své kopie úplně od nuly, včetně vlastní instrukční pásky.

Tento úspěch je milníkem v oblasti umělého života: systém, který se dokáže šířit výpočetním substrátem pomocí pouze lokálních pravidel. Dne 23. listopadu 2013 sestrojil Dave Greene první replikátor ve Hře života, který vytvoří úplnou kopii sebe sama včetně instrukční pásky – a ukázal tak, že i Conwayův jednoduchý dvoustavový automat zvládne neomezenou sebereprodukci.

Designové systémy jako výpočetní substráty

Od atomického designu k agentnímu designu

Metodologie Atomic Design Brada Frosta, představená v roce 2013, převratně změnila způsob, jakým přemýšlíme o designových systémech. Rozdělením rozhraní na atomy (základní prvky jako tlačítka a vstupy), molekuly (jednoduché kombinace), organismy (složité sekce uživatelského rozhraní), šablony (rozvržení stránek) a stránky (finální implementace) poskytl Atomic Design hierarchickou strukturu pro zvládání složitosti.

Ale zpětně je pozoruhodné tohle: Atomic Design už ztělesňoval principy celulárních automatů, aniž by si to výslovně uvědomoval.

„Když je design systém nudný, uvolňuje designérům a vývojářům ruce, aby dělali nové věci a řešili nové problémy. Design systém nese břemeno nudy, takže ho nemusí nést designéři a vývojáři.“

– Josh Clark, „The Most Exciting Design Systems Are Boring“

V únoru 2023 napsal Brad Frost o „Design Systems in the Time of AI“:

„AI je přirozený konzument design systému... Faktem je, že spousta práce na komponentách design systému je opravdu mechanická a předvídatelná. Už dnes používáme nástroje jako PlopJS, které vygenerují základní kostru komponenty podle podoby zbytku knihovny. Uvítal bych, kdyby mi AI pomohla vytvářet spoustu běžných, standardních základů.“

– Brad Frost

Právě mechanická a předvídatelná povaha design systémů je důvodem, proč se hodí pro provoz ve stylu celulárních automatů. Když jsou pravidla jasná, lokální a důsledně uplatňovaná, mohou agenti pracovat samostatně – stejně jako buňky v Conwayově Hře života nepotřebují žádný centrální řadič, aby vytvořily kluzáky a oscilátory.

Imperativ strojové čitelnosti

Iniciativa Storybook MCP (Model Context Protocol) představuje zásadní vývojový krok tímto směrem. Storybook MCP, oznámený koncem roku 2025, poskytuje AI programovacím agentům strojově čitelná metadata komponent z existujících instalací Storybooku.

Klíčový poznatek je, že agenti nepotřebují surový kód ani vizuální dokumentaci. Potřebují:

• Manifesty komponent: Strukturovaná metadata o každé komponentě – její props, varianty, vazby na design tokeny a příklady použití
• Sémantické pojmenování: Tokeny bohaté na záměr, například action.primary.confirm, které agentům sdělují význam, nejen hodnoty
• Validační smyčky: Schopnost spouštět testy, vidět selhání a opravovat se sám

„Storybook MCP pomáhá agentům dodržovat vaše vzory a procházet vašimi testy. Vybavuje je dvěma věcmi, které nikdy neměli: strojově čitelnými metadaty komponent a iterativní smyčkou, ve které své chyby sami opraví.“

- Tým Storybooku

Storybook MCP obsahuje autonomní korekční smyčku. Agentům umožňuje spouštět testy komponent (interakční a přístupnostní), vidět, co selhává, a opravovat vlastní chyby. Vývojář musí zasáhnout teprve poté, co testy projdou. Žádné další hlídání promptů.

Přesně tohle je architektura celulárního automatu aplikovaná na design: lokální pravidla (specifikace komponent), interakce se sousedy (vzory kompozice) a iterativní aktualizace (validace a samoopravy).

Můj manifest komponenty jako genom

Srovnání s Langtonovými smyčkami je ještě výstižnější, když se podíváme, jak manifesty komponent fungují. V Langtonově systému „genom“ zakódovaný v obíhajících buňkách obsahuje instrukce pro stavbu nové smyčky. V strojově čitelném design systému obsahuje manifest komponenty instrukce pro sestavování rozhraní.

Manifest komponenty může specifikovat:

{
  "name": "Button",
  "variants": ["primary", "secondary", "destructive"],
  "sizes": ["sm", "md", "lg"],
  "props": {
    "label": "string",
    "disabled": "boolean",
    "onClick": "function"
  },
  "tokens": {
    "background": "color.action.primary",
    "borderRadius": "radius.md",
    "padding": "space.3"
  },
  "constraints": [
    "Must have accessible contrast ratio",
    "Label required for non-icon buttons",
    "Minimum touch target 44x44px"
  ],
  "examples": [
    { "variant": "primary", "label": "Submit", "size": "md" },
    { "variant": "destructive", "label": "Delete", "size": "sm" }
  ]
}

Tento manifest je zároveň návrhovou specifikací i spustitelným kódem, nebo spíše instrukcemi, z nichž lze spustitelný kód vygenerovat. Agent, který tento manifest zpracovává, nemusí rozumět estetice ani uživatelské zkušenosti v lidském smyslu. Musí dodržovat pravidla, kombinovat prvky podle jejich omezení a vytvářet platné výstupy.

Souhlasím s Bradem Frostem, že by se měl použít formát YAML.

Komponenty v Drupalu už formát YAML používají. Něco jako

$schema: https://git.drupalcode.org/project/drupal/-/raw/HEAD/core/assets/schemas/v1/metadata.schema.json
name: Button
status: experimental
description: Use Bootstrap custom button styles for actions in forms, dialogs, and more with support for multiple sizes, states, and more.
props:
  type: object
  properties:
    html_tag:
      type: string
      title: The HTML tag to use for the button (button | a). Defaults to `button`.
      default: button
      enum:
        - button
        - a
    url:
      type: string
      title: URL Link
      description: URL link for the button when the HTML tag is an anchor link.
      $ref: "ui-patterns://url"
    color:
      type: string
      title: Color
      description: Bootstrap includes several predefined button styles, each serving its own semantic purpose, with a few extras thrown in for more control.
      default: ''
      enum:
        - ''
        - primary
        - secondary
        - success
        - danger
        - warning
        - info
        - dark
        - light
        - link
    outline:
      type: boolean
      title: Outline
      description: In need of a button, but not the hefty background colors they bring? Replace the default modifier classes with the .btn-outline-* ones to remove all background images and colors on any button.
      default: false
    size:
      type: string
      title: Size
      description: Bootstrap button size
      default: ''
      enum:
        - ''
        - btn-sm
        - btn-lg
    disabled:
      type: boolean
      title: Disabled
      description: Disabled button
      default: false
    button_utility_classes:
      type: array
      title: Utility Classes
      default: []
      items:
        type: 'string'
      description: An array of utility classes that can be used to add extra Bootstrap utility classes or custom classes to this component.
    attributes:
      type: object
      title: Attributes
      description: HTML attributes for the containing element.
      $ref: 'ui-patterns://attributes'
slots:
  content:
    type: string
    title: Content
    description: The content for the button
    minLength: 1
    examples:
      - Press
      - Submit now
      - Save
      - Login
      - Read more

Design je kód.

• Varianty
• Tokeny
• Props

• Omezení (mohli bychom je přidat ke komponentám)

• Pravidla pro sloty (co lze umístit do jiných slotů a co smí být umístěno do mého slotu)

• Pravidla

• Příklady 

• Animace  ( Povolené nebo doporučené k použití )

Pak sledujte chování a experimentujte s ním.

jako v https://storybook.demo.varbase.vardot.com/?path=/story/atoms-button--primary 

Design tokeny jako proměnné prostředí

Design tokeny jsou dalším zásadním dílkem skládačky. V celulárních automatech buňky reagují na své bezprostřední okolí, tedy na stavy sousedních buněk. V designových systémech komponenty reagují na design tokeny, tedy kontextové hodnoty, které určují jejich vzhled a chování.

Moderní architektury tokenů používají několik vrstev:

• Základní tokeny: Surové hodnoty, například color.blue.500: #3B82F6
• Sémantické tokeny: Odkazy řízené záměrem, například color.action.primary: color.blue.500
• Tokeny komponent: Omezené aplikace, například button.background.primary: color.action.primary

Když agent generuje komponentu Button, nemusí vědět, že „primary“ znamená modrou. Stačí mu odkázat na button.background.primary a spolehnout se, že systém tokenů to přeloží na správnou hodnotu. Prostředí (vrstva tokenů) obsahuje informace; komponenta (buňka) na ně jen musí reagovat.

Nástroje jako Tokens Studio se vyvinuly tak, že s design tokeny zacházejí jako s výpočetními grafy s resolvery, tedy uzly, které na základě kontextu sémanticky rozhodují, které základní tokeny použít. Z design tokenů se tak z pouhých statických hodnot stávají dynamické systémy založené na pravidlech.

Ekosystém Drupalu a integrace AI

Integrace AI do systémů pro správu obsahu je ideální laboratoří pro zkoumání principů „design je kód“. CMS jako Drupal už základní koncepty ztělesňují: strukturované typy obsahu, definice polí, vztahy a pravidla skládání.

Nikdy by mě nenapadlo, že budeme moci říct něco takového. Pro mě to bylo to nejlepší, co existuje.

 Ultimátní počítačová sestava, jakou bychom mohli mít. Někteří vývojáři by mohli pocházet z budoucnosti Star Treku a mluvit na počítač, aby za ně programoval.

Zkušenost agenta (AX) a nový uživatel

Navrhování pro stroje

Na začátku roku 2025 představil Mathias Biilmann, CEO společnosti Netlify, koncept „Agent Experience“ (AX), nové disciplíny zaměřené na to, jak AI agenti pracují s produkty a platformami.

Je to zásadní posun. Po desetiletí se UX (uživatelská zkušenost) optimalizovala pro lidské vnímání, myšlení a chování. DX (zkušenost vývojáře) se optimalizovala pro lidské vývojáře, kteří tvoří software. AX vychází z toho, že se z agentů stávají hlavní uživatelé digitálních systémů, a ti mají zcela jiné potřeby:

• Nezajímá je vizuální estetika, jen strukturovaná data, která lze zpracovat
• Nepohybují se v rozhraních, volají API a zpracovávají manifesty
• Nečtou dokumentaci jako lidé, potřebují kontext čitelný pro stroje
• Nevytvářejí subjektivní úsudky, řídí se pravidly a omezeními

„AI agenti nejsou lidé: je jim jedno, jak velké je tlačítko, jak čitelné je písmo, jak krásná je barevná paleta vašeho webu nebo jak efektní jsou animace ve vaší aplikaci. Na čem tedy AI agentům 'záleží'? Na tuto otázku dnes neexistuje konkrétní odpověď, ale v příštích letech bude stále důležitější.“

– AX Research

Odpověď: jasná pravidla, předvídatelné chování, dobře strukturovaná data a zpětnovazební smyčky, které agentům umožní ověřovat a opravovat vlastní kroky.

Výzva dvojího rozhraní

Navrhovat pro AX znamená stavět dvě rozhraní současně:

1. Rozhraní mezi člověkem a agentem: Místo, kde lidé dohlížejí na chování agentů, schvalují je, upravují a usměrňují – vrstva „řídicího střediska“. Myslete na přehledové panely a fronty ke schválení, ne na formuláře a tlačítka.
2. Rozhraní mezi agentem a systémem: Místo, kde agenti pracují s API, databázemi a nástroji – „provozní“ vrstva. Musí být robustní, dobře zdokumentovaná a vyladěná pro efektivitu strojů.

Odráží to architekturu celulárních automatů, v níž spolu existují dva odlišné pohledy:

• Perspektiva lokální: Každá buňka (agent) se řídí jednoduchými pravidly podle svých nejbližších sousedů
• Perspektiva globální: Vynořují se složité vzorce, které jsou vidět jen ve velkém měřítku

„Návrh zkušenosti agentů (AX) by měl přinášet skvělou použitelnost pro agenty i ze strany agentů. Skvělé AX tak vede ke skvělému uživatelskému zážitku (UX). Narazí-li AI agent na nefunkční proces, protokol nebo třeba jen nejednotné formulace napříč systémy, úkol nesplní. Pro agenta je to špatná zkušenost, která se zase promítne do špatné zkušenosti zákazníka nebo zaměstnance.“

– Kat Holmes, Chief Experience Officer, Salesforce

Od UX k AX: vývoj digitálního designu

Stigmergie a nepřímá komunikace

Jedním z nejsilnějších konceptů rojové inteligence je stigmergie – nepřímá koordinace prostřednictvím stop v prostředí. Mravenci si o umístění potravy nepovídají přímo; zanechávají feromonové stopy, po kterých jdou další mravenci. Prostředí se tak stává komunikačním médiem.

V agentních designových systémech má stigmergie podobu:

• Sdílených knihoven komponent: Agenti „vidí“, jaké komponenty existují a jak byly použity
• Design tokenů: Sémantické hodnoty, které zapisují designová rozhodnutí jako fakta prostředí
• Dokumentace vzorů: Ukázky použití, které slouží jako feromonové stopy pro budoucí agenty
• Testovacích sad: Validační pravidla, která vymezují prostor platných výstupů
• Historie Gitu: Záznam minulých rozhodnutí, na který se agenti mohou odvolávat

Když agent vytvoří uživatelské rozhraní pomocí nějaké komponenty, zanechá stopy – v kódové základně, v dokumentaci, ve vzorech, které založí. Budoucí agenti, kteří narazí na podobné úkoly, se jimi nechají ovlivnit, a vzniká tak forma kolektivní inteligence, jakou nemá žádný jednotlivý agent.

Agentní návrhové vzory

Andrew Ng a další popsali čtyři klíčové vzory agentních AI systémů:

1. Reflexe: AI hodnotí vlastní výstup a postupně jej vylepšuje
2. Používání nástrojů: AI pracuje s externími nástroji, API a systémy
3. Plánování: AI rozdělí složité úkoly na dílčí podúkoly a provádí je postupně
4. Multiagentní přístup: Více specializovaných agentů spolupracuje na složitých úkolech

Tyto vzorce se přímo promítají do konceptů celulárních automatů:

Design je kód – hlubší čtení

Co doopravdy znamená „Design je kód“

Když říkáme „design je kód“, vyslovujeme zároveň hned několik tvrzení:

1. Sémantická ekvivalence

Designová rozhodnutí se po správném zakódování stávají spustitelnými. Design token není jen hodnota – je to instrukce. Specifikace komponenty není jen dokumentace – je to program. Když tyto artefakty zpracovávají agenti, design stejnou měrou provádějí, jako ho implementují.

2. Generativní schopnost

Stejně jako Rule 110 dokáže vypočítat cokoli vypočitatelného, může dostatečně úplný designový systém vygenerovat jakékoli platné rozhraní. Systém v sobě nese potenciál všech svých platných podob. Co z něj vzejde, závisí jen na počátečních podmínkách (požadavcích) a pravidlech (omezeních).

3. Emergentní složitost

Nejpropracovanější rozhraní se nenavrhují shora dolů; vyrůstají z důsledného uplatňování jednoduchých pravidel. Dobře navržené tlačítko, používané důsledně, vytváří soudržný vizuální jazyk, aniž by tuto soudržnost kdokoli výslovně plánoval.

4. Výpočetní neredukovatelnost

Některé designové výsledky nelze předpovědět, dokud systém skutečně nespustíte. Nemůžete vědět, jak bude vypadat rozhraní poskládané agentem, dokud agentovi nedovolíte ho poskládat. Je to Wolframův princip výpočetní neredukovatelnosti aplikovaný na design.

5. Sebemodifikace

Podobně jako evoloopy, které při replikaci mutují, se i designové systémy připravené pro agenty mohou používáním vyvíjet. Komponenty vytvořené agenty se stávají součástí knihovny, kterou budou využívat další agenti. Systém se učí, přizpůsobuje a roste.

Rozšířená metafora celulárních automatů

Za hranicí metafory: skutečná konvergence

Není to ale jen metafora. Ke konvergenci dochází doopravdy, a to právě teď:

• Storybook MCP mění knihovny komponent na strojově čitelné instrukce, které agenti provádějí
• Model Context Protocol standardizuje, jak agenti přistupují k nástrojům a kontextu – a vytváří tak univerzální základ pro agentní operace
• Multiagentní architektury dělí práci mezi specializované agenty (architekt, programátor, recenzent), kteří spolu komunikují podle protokolů – jako buňky s odlišnými funkcemi
• Samoopravné smyčky umožňují agentům spouštět testy, odhalovat chyby a iterovat – tedy využívat stejné zpětnovazební mechanismy, jaké používají buněčné automaty při vývoji stabilních konfigurací
• Schema.org Blueprints dělají ze struktur obsahu strojově čitelné a sémanticky smysluplné celky
• Drupal AI poskytují infrastrukturu, díky níž mohou AI agenti autonomně vytvářet, upravovat a spravovat obsah

Přístup „návrh je kód“ nebereme jako filozofické stanovisko. Budujeme ho jako technickou infrastrukturu.

Dopady a cesta před námi

Pro designéry

Role designéra se mění z „tvůrce obdélníků“ na „autora pravidel“. Jak poznamenal Brad Frost:

„Designéři a vývojáři, kteří se považují za tvůrce obdélníků, mají důvod k obavám. Ti, kdo vidí smysl své práce v řešení problémů – a obdélníky při tom jen mimochodem musejí vytvářet či používat –, se bát tolik nemusejí.“

- Brad Frost

V agentní budoucnosti budou designéři:

• Definovat sémantické tokeny a jejich vzájemné vztahy
• Stanovovat omezení kompozice a vzory
• Vytvářet validační pravidla, která musí agenti splnit
• Spravovat a rozvíjet pravidla, jimiž se řídí emergence
• Navrhovat zpětnovazební mechanismy, které umožňují samoopravu
• Utvářet „fitness funkce“, které určují, jaké výstupy jsou přijatelné

Je to design na vyšší úrovni abstrakce – navrhujeme pravidla, z nichž designy vznikají, místo samotných designů. Jako když definujete pravidla buněčného automatu, místo abyste kreslili každou buňku zvlášť.

Pro vývojáře

Vývojáři se stávají architekty agentních systémů. Jak uvádí Anthropic:

„Oblast vývoje softwaru ukázala pozoruhodný potenciál pro funkce LLM – od doplňování kódu až po autonomní řešení problémů.“

Vývojáři budou muset:

• Vytvářet strojově čitelná rozhraní mezi agenty a systémy
• Navrhovat zpětnovazební smyčky a validační mechanismy
• Budovat lešení, v jehož rámci se emergentní chování odehrává
• Zachovat lidský dohled jako poslední instanci
• Definovat protokoly, jimiž agenti komunikují
• Implementovat „lepicí kód“, který propojuje různé agentní systémy

Pro webový vývoj a CMS platformy

Integrace AI do platforem, jako je Drupal, ukazuje k budoucnosti, v níž:

• Modely obsahu se stávají čitelnými pro agenty díky standardům, jako je Schema.org
• Redakční workflow získávají podporu agentů s tvorbou návrhů, moderací a optimalizací poháněnou AI
• Vyhledávání se vyvíjí od porovnávání klíčových slov k sémantickému porozumění díky embeddingům a vektorovým databázím
• Personalizace se stává autonomní a agenti se učí preference uživatelů a přizpůsobují obsah v reálném čase
• Vývoj se zrychluje protože agenti generují komponenty, testy i dokumentaci

To, že ekosystém Drupalu přijímá AI – prostřednictvím modulů jako Drupal AI, Drupal Canvas, Schema.org Blueprints a integrace poskytovatelů AI –, ukazuje, že tato budoucnost se už buduje.

Pro organizace

Konkurenční výhodu získají organizace, jejichž designové systémy jsou nejvíce „připravené pro agenty“. Systémy připravené pro agenty mají:

• Úplné pokrytí stavů a variant komponent
• Sémantické pojmenování, které vyjadřuje záměr
• Strojově čitelnou dokumentaci a kontext
• Infrastrukturu pro validaci a testování
• Jasná omezení, která vymezují prostor platných výstupů
• API navržená pro využití agenty (AX-first)
• Architektury obsahu postavené na Schema.org od základu (Schema.org-first)

Pro budoucnost digitálních produktů

Konečným stavem je cosi jako digitální ekologie – nespočet agentů jednajících podle lokálních pravidel, kteří vytvářejí emergentní rozhraní, jež nenaplánoval žádný jednotlivý designér ani vývojář, a přesto nějak drží pohromadě, protože základní pravidla jsou správná.

Zní to méně přitaženě za vlasy, než to ve skutečnosti je. Přesně takhle fungují biologické systémy, takhle rostou města, takhle fungují trhy. Otázkou není, zda tohoto stavu dosáhneme – ale jak zvládneme přechod.

Závěr: Kód žije

John von Neumann, polyhistor, který vynalezl celulární automaty, se nechal vést zásadní otázkou: Jaká je minimální složitost potřebná k sebereprodukci? Jeho odpověď – von Neumannův univerzální konstruktor – ukázala, že sebereplikace nevyžaduje biologický aparát. Stačí k ní pravidla, která kódují vlastní aplikaci.

O sedmdesát let později objevujeme, že stejný princip platí i pro designové systémy. K autonomní tvorbě uživatelského rozhraní není potřeba umělá obecná inteligence ani lidská kreativita. Stačí úplná, konzistentní a strojově čitelná sada pravidel, kterou mohou agenti vykonávat.

Když se Langtonovy smyčky replikují napříč buněčnou mřížkou, neříkáme, že smyčky „navrhují“ nové smyčky. Replikace je prostě to, co pravidla produkují. Výsledek – neustále se rozrůstající kolonie sebepodobných vzorů – je však nepopiratelně generativní, v nějakém funkčním smyslu tvořivý.

Když AI agenti skládají rozhraní z komponent designového systému a řídí se sémantickými tokeny a kompozičními omezeními, dělají něco podobného. „Kreativita“ nespočívá v agentech, ale v pravidlech, která vykonávají – pravidlech, jež navrhli lidé, ale která dnes fungují autonomně.

Stojíme na prahu nové éry digitální tvorby. Agenti jsou tady. Protokoly se formují. Designové systémy se stávají substrátem pro umělý život.

Design je kód.
A kód ožívá.

Klíčové články a projekty

• Design Systems in the Time of AI – Brad Frost
• Storybook MCP Sneak Peek – Storybook
• Introducing AX: Why Agent Experience Matters – Mathias Biilmann
• Building Effective Agents – Anthropic

Zdroje o Drupal AI

• Drupal AI

• Schema.org Blueprints Module

   

Zdroje o celulárních automatech

• Conway's Game of Life Lexicon – přibližně 1500 obrazců
• A Working Turing Machine in Game of Life
• Langton's Loops – Wikipedia
• Rule Sets for Cellular Automata
• A New Kind of Science Online – Stephen Wolfram
• Cellular Automata – Nature of Code

Zkoumal jsem myšlenky na průsečíku výpočetní teorie, designových systémů, umělé inteligence a webového vývoje.

 Vyjádřené názory jsou spekulativní úvahy o vznikajících trendech, nikoli předpovědi jistých budoucností.

Vidím, že vytváříme AI agenty, kteří pracují ve smyčce a v dalších smyčkách komunikují s dalšími AI agenty.

Design je kód, když systém běží ve smyčce jako smyčka života uvnitř zvoleného plátna a sady pravidel.