Vibe coding: Ako AI mení tvorbu softvéru (a aké to má riziká)

Autor: Jozef Wagner

AI umelá inteligenciaProgramovanieSkills

Vibe coding je spôsob tvorby softvéru, pri ktorom opíšeš zámer v prirodzenom jazyku a väčšinu kódu napíše AI model. Zrýchľuje prototypovanie, no zároveň posúva otázku kvality a bezpečnosti tam, kde predtým nebola. Na rozdiel od encyklopedických zdrojov, ktoré sa pri definícii končia, sa tu sústredíme práve na tieto dôsledky: na kvalitu a bezpečnosť kódu aj na to, ako sa mení práca vývojára. Pozri, ako vibe coding funguje v praxi, ktoré nástroje ho umožňujú, kde má zmysel ustúpiť kontrole a čo mení na práci programátora.

Vibe coding v skratke:

• Pojem zaviedol Andrej Karpathy vo februári 2025 a rovnaký rok sa stal slovom roka podľa Collins Dictionary.
• Hodí sa najmä na prototypy, interné nástroje a testovacie dáta, pri produkčnom a bezpečnostne citlivom kóde vyžaduje dôkladné code review.
• Hlavné riziká sú halucinácie, bezpečnostné zraniteľnosti, technický dlh a strata prehľadu nad vlastným kódom.
• Kvalita výsledku závisí predovšetkým od presnosti zadania, nie od jedného dokonalého promptu.

Čo je vibe coding a prečo o ňom všetci hovoria

Vibe coding je spôsob vývoja softvéru, pri ktorom programátor komunikuje so systémom založeným na veľkom jazykovom modeli (LLM) v prirodzenom jazyku a necháva ho, aby väčšinu alebo celý zdrojový kód napísal samostatne. Namiesto písania jednotlivých riadkov kódu človek opisuje zámer, sleduje výsledné správanie aplikácie a upravuje ho ďalšími pokynmi, pričom sa výrazne menej sústredí na podrobnú kontrolu každého vygenerovaného riadka.

Pojem zaviedol Andrej Karpathy, spoluzakladateľ OpenAI a bývalý riaditeľ AI v spoločnosti Tesla, 2. februára 2025 v krátkom príspevku na sieti X. Opísal v ňom prístup, pri ktorom sa programátor plne spolieha na návrhy modelu, prijíma zmeny bez podrobnej kontroly rozdielov v kóde a sústredí sa výlučne na výsledné správanie aplikácie namiesto jej vnútornej štruktúry. Karpathy vtedy pracoval s nástrojom Cursor Composer postaveným na modeli Claude a s hlasovým vstupom cez SuperWhisper, čím minimalizoval manuálne písanie textu.

Termín sa rýchlo rozšíril aj mimo komunity vývojárov a dnes patrí k pojmom, cez ktoré si aj netechnická verejnosť vysvetľuje, ako umelá inteligencia mení každodennú prácu. Práve preto sa oplatí rozumieť aj tomu, čo sa za ním skrýva technicky.

Vibe coding treba odlíšiť od bežného AI-assisted coding, teda od štandardného programovania s pomocou AI asistenta. Pri AI-assisted coding programátor dôkladne kontroluje každý návrh a rozumie celej štruktúre aplikácie, model mu iba zrýchľuje písanie. Pri vibe coding je miera kontroly zámerne nižšia. Programátor integruje do svojho riešenia väčšie bloky kódu naraz, spolieha sa na testovanie výsledného správania namiesto čítania implementácie a v niektorých prípadoch stráca úplný prehľad o tom, ako presne aplikácia funguje na úrovni jednotlivých riadkov.

Práve táto ochota vzdať sa časti kontroly výmenou za rýchlosť je jadrom celého konceptu a zároveň dôvodom, prečo vibe coding vyvoláva medzi programátormi rozdielne reakcie, od nadšenia po skepsu.

Ako vibe coding funguje v praxi

Základný rozdiel medzi vibe coding a staršou generáciou AI nástrojov spočíva v miere autonómie, akú model dostáva. Nástroje ako pôvodný GitHub Copilot fungovali predovšetkým ako inteligentné dopĺňanie kódu. Navrhli riadok alebo funkciu na základe kontextu, ale rozhodnutie, či návrh použiť, a celková štruktúra projektu zostávali plne v rukách programátora.

Vibe coding stojí na agentskom prístupe, kde model dostane širší cieľ a sám navrhuje zmeny naprieč viacerými súbormi, spúšťa príkazy v termináli, vykonáva testy a na základe výsledku pokračuje ďalšou iteráciou bez toho, aby programátor musel schvaľovať každý jednotlivý krok. Pod kapotou pritom ide o generatívnu AI, teda modely, ktoré z textového zadania vytvárajú nový obsah vrátane funkčného kódu.

Typický pracovný cyklus vibe coding vyzerá takto:

1. Programátor opíše zámer v prirodzenom jazyku (prompt), napríklad akú funkcionalitu má aplikácia získať alebo aký problém treba vyriešiť.
2. Model analyzuje existujúci kód v projekte, navrhne plán zmien a implementuje ich naprieč relevantnými súbormi.
3. Agent spustí aplikáciu, testy alebo build proces a vyhodnotí výsledok, teda či kód funguje, kompiluje sa a spĺňa zadanie.
4. Ak nastane chyba, model si chybové hlásenie prečíta sám, upraví kód a proces zopakuje bez ďalšieho zásahu človeka.
5. Programátor skontroluje výsledné správanie aplikácie, prípadne doplní ďalší prompt s upresnením alebo novou požiadavkou.

Kľúčový rozdiel oproti klasickému programovaniu je to, že človek v tomto cykle prevažne nečíta generovaný kód riadok po riadku. Namiesto toho hodnotí výstup ako celok, testuje funkčnosť a komunikuje s modelom na úrovni zámeru, nie implementácie. To si vyžaduje iný typ zručnosti a hlavne presnú formuláciu požiadaviek, teda prompt engineering, schopnosť rozpoznať, kedy je výsledok skutočne správny, a ochotu opraviť smer skôr, než sa nesprávne riešenie nabalí na ďalšie vrstvy.

Karpathy sám neskôr tento koncept posunul ďalej a začal používať termín agentic engineering (niekedy tiež agentic coding) pre štruktúrovanejší prístup, kde AI agent pracuje na väčších úlohách so sledovaním priebehu, kontrolnými bodmi a jasnejšou zodpovednosťou za výsledok. Vibe coding v pôvodnom zmysle zostáva skôr rýchlou, menej formálnou verziou toho istého princípu: dôveruj modelu, over výsledok, iteruj.

Vibe coding vs. iné prístupy k programovaniu s AI

Programovanie s pomocou AI dnes zahŕňa viacero prístupov, ktoré sa často zamieňajú, hoci fungujú odlišne a hodia sa na iné situácie. Na posúdenie, kedy dáva zmysel siahnuť po vibe coding a kedy skôr po inom prístupe, je dobré poznať rozdiely medzi nimi.

• Pair programming je klasická technika, pri ktorej dvaja ľudia spoločne pracujú na tom istom kóde. Jeden píše, druhý priebežne kontroluje a navrhuje zlepšenia. Zodpovednosť aj porozumenie kódu zostávajú počas celého procesu na strane oboch ľudí, AI do tohto vzťahu nijako nezasahuje.
• AI-assisted coding, teda nástroje typu GitHub Copilot alebo IntelliJ AI Assistant, nahrádza druhého človeka modelom, ktorý navrhuje doplnenie kódu alebo celé funkcie na základe kontextu projektu. Programátor si však každý návrh prezerá, upravuje a rozumie tomu, čo presne do projektu pridáva. Model tu funguje ako zrýchľovač písania, nie ako samostatný vykonávateľ úloh.
• Vibe coding posúva zodpovednosť za implementáciu prevažne na model. Programátor definuje zámer, model navrhne aj vykoná zmeny naprieč celým projektom a človek hodnotí až výsledné správanie aplikácie. Kontrola nad jednotlivými riadkami kódu je tu zámerne nižšia ako pri AI-assisted coding.

Low-code a no-code platformy predstavujú úplne inú kategóriu. Namiesto generovania zdrojového kódu poskytujú vizuálne nástroje (predpripravené komponenty, formuláre, bloky logiky), ktorými sa aplikácia zostavuje bez písania kódu ako takého. Vibe coding naopak zdrojový kód reálne produkuje, len ho negeneruje ručne človek, ale model. Rozdiely medzi jednotlivými prístupmi zhŕňa nasledujúca tabuľka:

Prístupy k programovaniu s AI – porovnanie

Z tabuľky je vidieť, že vibe coding zaberá v tomto spektre miesto s najvyššou mierou delegovania medzi prístupmi, ktoré stále produkujú skutočný zdrojový kód. Práve to ho odlišuje od low-code a no-code riešení, kde zdrojový kód ako taký ani nevzniká, respektíve ho vidieť nemusíš. Hranica medzi kategóriami navyše nie je vždy pevná a niektoré nástroje, napríklad GitHub Copilot, dnes ponúkajú klasické dopĺňanie kódu aj agentický režim súčasne, takže do tabuľky patria podľa toho, ktorý spôsob práce práve používaš.

Nástroje, ktoré vibe coding umožňujú

Trh nástrojov na vibe coding sa mení rýchlo, jednotlivé produkty menia funkcie aj mená v priebehu mesiacov, preto sa oplatí poznať skôr kategórie vibe coding nástrojov ako konkrétne názvy. Vo všeobecnosti sa dajú rozdeliť na tri skupiny.

AI-native IDE s agentickým režimom

Ide o klasické vývojárske prostredia rozšírené o schopnosť samostatne upravovať viacero súborov naraz, spúšťať príkazy a testovať výsledok. Patrí sem Cursor, postavený na základoch VS Code, a GitHub Copilot vo svojom agentskom režime priamo vo Visual Studio Code, teda ten istý nástroj, ktorý sme v porovnaní vyššie spomenuli ako klasický príklad AI-assisted coding, len prepnutý do iného pracovného režimu. Nástroj Windsurf, ktorý patril do rovnakej kategórie, prešiel v júni 2026 pod spoločnosť Cognition (tvorcov agenta Devin) a bol premenovaný na Devin Desktop, čo dobre ilustruje, ako dynamicky sa tento segment mení.

Terminálové agenty

Nefungujú ako samostatné IDE, ale ako nástroj spúšťaný z príkazového riadka priamo nad existujúcim repozitárom. Typickým predstaviteľom je Claude Code, ktorý dokáže analyzovať celý projekt, navrhnúť zmeny naprieč súbormi, spustiť testy a iterovať bez toho, aby si programátor musel meniť svoje bežné vývojové prostredie.

Platformy generujúce celé aplikácie

Z jedného promptu vygenerujú celú aplikáciu vrátane frontendu, backendu a nasadenia aplikácie. Sem patrí Bolt.new, Lovable, v0 od spoločnosti Vercel alebo Replit Agent. Tieto nástroje sú zamerané skôr na rýchle prototypovanie a používateľov bez hlbších programátorských znalostí, výsledný kód je zvyčajne možné exportovať a ďalej upravovať mimo danej platformy.

Voľba nástroja závisí od kontextu. Pre menší interný skript alebo rýchly prototyp UI postačí platforma z tretej skupiny, pre prácu na existujúcom produkčnom repozitári s vlastnými konvenciami sa lepšie hodí terminálový agent alebo AI-native IDE, kde máš priamu kontrolu nad projektovou štruktúrou a nastaveniami. Rýchly prehľad dáva porovnanie nižšie:

Platformy na generovanie aplikácií – porovnanie

Ako vyzerá vibe coding na jednoduchom príklade

Vibe coding zriedka funguje na prvý pokus. Ukážme si to na jednoduchej hre, v ktorej hráč chytá padajúce objekty. Pri prvom, príliš všeobecnom zadaní („vytvor jednoduchú hru, kde hráč chytá padajúce objekty“) model vytvorí niečo funkčné, ale chýbajúce rozhodnutia si domyslí sám: zvolí napríklad ovládanie myšou namiesto šípok a samotné chytenie objektu nijako nevyhodnotí.

Po spresnení zadania (ovládanie šípkami, viac objektov, počítadlo skóre) pribudne nová chyba, ktorá sa prejaví až za behu programu. Až tretia iterácia, ktorá presne pomenuje aj okrajové prípady (zmeškaný objekt, koniec hry, reštart), vedie k výsledku, ktorý zodpovedá pôvodnému zámeru.

Vzorec je jasný – čím vágnejší prompt, tým viac priestoru má model na vlastnú interpretáciu a tým viac iterácií budeš potrebovať. Vibe coding preto nie je jednorazové zadanie a prevzatie výsledku, ale opakované overovanie a spresňovanie.

Kedy má vibe coding zmysel a kedy nie

Rozhodnutie, či na konkrétnu úlohu siahnuť po vibe coding, závisí predovšetkým od dvoch vecí: akú cenu má chyba vo výslednom kóde a ako dobre vieš vopred opísať, čo presne má aplikácia robiť. Z predchádzajúceho príkladu je vidieť, že aj jednoduchá hra potrebovala tri kolá spresňovania, kým fungovala ako-tak korektne. Pri niektorých úlohách je táto cena iterácií zanedbateľná, pri iných môže znamenať bezpečnostný incident alebo produkčný výpadok.

Kedy dáva zmysel

Vibe coding sa oplatí najmä pri týchto typoch úloh:

• prototypy a overovanie nápadu, kde je cieľom rýchlo zistiť, či daný smer funguje, nie doručiť finálny produkt,
• interné nástroje a jednorazové skripty, napríklad na spracovanie CSV súboru alebo migráciu dát, ktoré sa spustia raz a nemajú dlhodobú údržbu,
• generovanie testovacích dát alebo mockov, kde chyba v štruktúre nemá dopad na produkčné prostredie,
• učenie sa novej technológie alebo knižnice, kde vygenerovaný kód slúži ako východiskový bod na pochopenie API, nie ako finálne riešenie,
• UI prototypy a vizuálne návrhy, kde je dôležitejší vzhľad a interakcia ako vnútorná štruktúra kódu.

Kedy byť opatrný

Naopak, opatrnosť je namieste v týchto situáciách:

• kód, ktorý spracúva citlivé alebo osobné údaje, kde chyba v logike autorizácie alebo validácie vstupu môže viesť k úniku dát,
• dlhodobo udržiavané produkčné systémy, kde nezrozumiteľná alebo nekonzistentná štruktúra kódu zvyšuje náklady na každú budúcu zmenu,
• doménovo zložitá biznis logika s množstvom hraničných prípadov, ktoré model bez hlbokého kontextu firmy jednoducho nepozná,
• výkonnostne kritické časti aplikácie, kde nesprávne zvolená dátová štruktúra alebo algoritmus ovplyvní správanie systému pod záťažou spôsobom, ktorý sa pri bežnom testovaní nemusí prejaviť,
• kód s regulačnými alebo bezpečnostnými požiadavkami (spracovanie platieb, zdravotné záznamy, autentifikácia), kde je nutná preukázateľná zhoda s konkrétnymi pravidlami, nie len funkčné správanie.

V praxi to zvyčajne nie je otázka všetko alebo nič. Bežný postup je použiť vibe coding na prvotný návrh alebo menej kritické časti systému (pomocné skripty, generovanie testov, jednoduchšie CRUD operácie) a zachovať si plnú kontrolu nad jadrom aplikácie, kde sa sústreďuje hlavná obchodná hodnota a riziko. Čím vyššia je cena chyby, tým viac sa oplatí investovať do podrobného zadania, code review a testovania predtým, než sa vygenerovaný kód dostane do produkcie.

Do rozhodovania patrí aj samotná cena používania nástrojov, teda predplatné alebo spotreba tokenov, tá sa ale mení natoľko rýchlo, že namiesto všeobecného odporúčania sa oplatí porovnať aktuálny cenník priamo u jednotlivých poskytovateľov.

Je vibe coding bezpečný? Riziká kvality a bezpečnosti

Vibe coding je bezpečný len do tej miery, do akej jeho výstup prejde dôslednou kontrolou. Analýza CodeRabbitu na vzorke 470 open-source GitHub pull requestov zistila, že AI-autorské PR obsahovali približne 1,7-krát viac problémov celkovo, 1,4 až 1,7-krát viac kritických a závažných zistení a v niektorých bezpečnostných kategóriách až 2,74-krát viac problémov než PR vytvorené výlučne ľuďmi.

Vibe coding prináša okrem rýchlosti aj konkrétne riziká, ktoré sa pri bežnom AI-assisted coding prejavujú menej výrazne, práve preto, že miera kontroly nad výsledným kódom je nižšia a programátor menej číta to, čo model skutočne vygeneroval. Bezpečnosť AI generovaného kódu preto nie je vlastnosť nástroja, ale výsledok procesu, ktorý si okolo neho nastavíš.

Halucinácie

Ide o situácie, keď model vygeneruje kód, ktorý vyzerá vierohodne, ale odkazuje na neexistujúcu metódu, nesprávne použitú knižnicu alebo API, ktoré v danej verzii jednoducho nie je dostupné. Pri klasickom programovaní takúto chybu odhalí kompilátor alebo IDE okamžite. Pri vibe coding sa môže stať, že model chybu sám opraví ďalšou iteráciou tak, že problém zakryje iným, rovnako nesprávnym riešením, namiesto toho, aby identifikoval skutočnú príčinu.

Bezpečnostné zraniteľnosti

Modely bývajú trénované na obrovskom množstve verejného kódu, vrátane starších alebo nekvalitných implementácií, čo sa prejavuje napríklad skladaním SQL dotazov reťazením textu namiesto parametrizovaných príkazov, nedostatočnou validáciou vstupu z formulárov alebo priamym umiestnením prístupových kľúčov do zdrojového kódu. Pri nižšej miere kontroly, ktorá je pre vibe coding typická, sa takéto vzory ľahšie dostanú do finálnej aplikácie bez povšimnutia.

Konkrétnym príkladom je CVE-2025-48757, publikované v máji 2025. Záznam NVD/MITRE opisuje nedostatočné pravidlá Row-Level Security v aplikáciách vytvorených cez Lovable, ktoré do 15. apríla 2025 mohli neautentifikovanému vzdialenému útočníkovi umožniť čítať alebo zapisovať do ľubovoľných databázových tabuliek vygenerovaných webov. Nadväzujúce analýzy výskumu uvádzajú približne 170 zasiahnutých projektov a 303 zraniteľných endpointov.

Riziko rastie s tým, ako dlho bude kód používaný. V oblastiach ako poistné jadrové systémy, kde aplikácie fungujú desiatky rokov a obsahujú milióny riadkov kódu, je kontrola AI generovaného kódu nevyhnutná. Chyba, ktorá sa pri prototype prejaví okamžite, môže v takýchto systémoch zostať skrytá celé roky a objaviť sa až v momente, keď spôsobí reálny problém.

Aj preto sa v msg life rýchlosť generovania kódu nikdy nepovažuje za náhradu dôkladnej kontroly a pochopenia výsledného riešenia.

Technický dlh

Model síce dokáže vygenerovať funkčné riešenie pre aktuálnu požiadavku, no bez širšieho kontextu architektúry projektu môže opakovane duplikovať logiku, zavádzať nekonzistentné pomenovania alebo riešiť podobné problémy zakaždým iným spôsobom. Výsledkom je kódová báza, ktorá funguje, ale jej dlhodobá údržba je nákladnejšia, než keby vznikla podľa jednotného návrhu.

Strata prehľadu nad vlastným kódom

Niekedy sa označuje ako nadmerné spoliehanie sa na model. Ak programátor opakovane prijíma väčšie bloky kódu bez podrobného čítania, po čase stratí prehľad, ako presne aplikácia vnútorne funguje. To sa prejaví najmä pri riešení produkčného incidentu, kde je potrebné rýchlo pochopiť príčinu problému v kóde, ktorý nikto v tíme skutočne nečítal.

Autorstvo a licencovanie

Keďže modely sú trénované aj na kóde s rôznymi licenciami, existuje riziko, že vygenerovaný kus kódu relatívne blízko kopíruje existujúce riešenie chránené licenciou, ktorá nie je kompatibilná s licenciou tvojho projektu. Táto oblasť sa navyše priebežne vyvíja aj z právneho hľadiska. Pri citlivejších alebo komerčných projektoch preto dáva zmysel zaradiť do procesu nástroj na detekciu zhody s existujúcim verejným kódom, ideálne priamo ako súčasť CI pipeline, a mať v tíme jasne určené, kto za licenčnú čistotu výsledného kódu zodpovedá, podobne, ako je to bežné pri prevzatí kódu od externého dodávateľa.

Žiadne z týchto rizík neznamená, že vibe coding netreba používať. Znamená to, že si vyžaduje doplnkové kroky, teda testovanie, bezpečnostnú kontrolu a najmä revíziu kódu (code review), ktoré pri klasickom programovaní často vykonáva už samotný proces písania kódu človekom.

Dopad na prácu programátora a na tvoje zručnosti

Vibe coding nenahrádza programátorov, mení rozloženie ich zručností. Rastie hodnota návrhu, code review a bezpečnostného myslenia, klesá hodnota rýchleho písania predvídateľného kódu. Konkrétny dopad sa pritom líši podľa skúsenosti a pozície v tíme.

Vplyv na juniorov

Pre juniorov predstavuje vibe coding riziko aj príležitosť súčasne. Príležitosť v tom, že sa dokážu rýchlo dostať k fungujúcemu výsledku a vidieť riešenia, ktoré by si sami hľadali dlhšie, napríklad ucelenejšie a čistejšie riešenie, než k akému by sami spočiatku prišli. Riziko spočíva v tom, že bez dostatočného vlastného porozumenia jazyku a základným princípom nedokážu posúdiť, kedy je vygenerovaný kód skutočne správny a kedy len vyzerá vierohodne. Schopnosť čítať a overovať kód sa tak stáva dôležitejšou zručnosťou než schopnosť písať ho od základu, čo je zmena oproti tomu, ako sa programovanie doteraz bežne učilo a hodnotilo.

Odporúčame ti:

Ak sa učíš programovať s pomocou AI, neber vygenerovaný kód ako hotové riešenie. Prejdi si ho riadok po riadku a uisti sa, že rozumieš tomu, čo robí. Práve schopnosť odhaliť chybu alebo nevhodné riešenie bude čoraz dôležitejšia, pretože AI často vytvorí kód, ktorý na prvý pohľad vyzerá správne, no v skutočnosti obsahuje chyby.

Vplyv na skúsených programátorov

Pre skúsených programátorov mení vibe coding predovšetkým rozloženie času. Menej času sa trávi písaním opakujúceho sa alebo predvídateľného kódu (CRUD operácie, konfigurácia, testy) a viac času sa presúva k činnostiam, ktoré model nevie nahradiť: návrh architektúry, rozhodovanie o kompromisoch medzi výkonom a čitateľnosťou, posúdenie, či navrhované riešenie zodpovedá skutočným požiadavkám firmy, a code review generovaného kódu s rovnakou dôkladnosťou, akú by venovali kódu od kolegu.

Rovnaký posun je vidieť aj pri hodnotení kandidátov. V msg life, kde vznikajú poistné systémy s dlhou životnosťou, sa na pohovoroch aj v praxi cení skôr schopnosť vysvetliť, prečo je riešenie správne, než rýchlosť, s akou vzniklo. Vibe coding tak nemení požadovanú úroveň porozumenia kódu, len posúva miesto, kde sa preukazuje.

Zodpovednosť zostáva na programátorovi

Zodpovednosť za výsledný kód zostáva rovnaká ako predtým, mení sa iba to, kto ho fyzicky napísal. Ak sa v produkcii objaví chyba v kóde vygenerovanom modelom, zodpovedný je programátor, ktorý ho prijal a nasadil, rovnako, ako keby ho napísal sám. Toto rozdelenie sa v tímoch často podceňuje, najmä keď sa vibe coding zavádza rýchlo a bez jasného dohovoru, kto výsledný kód pred nasadením reálne kontroluje.

Dlhodobo sa tak posúva aj to, čo sa od programátora očakáva ako hlavná náplň jeho práce. Menej sa oceňuje rýchlosť písania syntakticky správneho kódu, viac schopnosť správne formulovať zadanie, rozpoznať nesprávny alebo rizikový výsledok a niesť zaň zodpovednosť. Ide o posun v náplni práce, nie o jej zánik.

Digitalizácia21 min.

Prečítaj si aj:

Agentic AI: Ako AI agenti menia spôsob práce s technológiami

Agentic AI posúva hranice umelej inteligencie. Učí sa, plánuje a koná autonómne – spoznaj AI agentov, ktorí menia budúcnosť automatizácie.

Zdieľaj článok

Vibe coding: Ako AI mení tvorbu softvéru (a aké to má riziká)

Jozef Wagner

Viac ako 10 rokov programujem v Jave, momentálne pracujem v msg life Slovakia ako Java programátor senior a pomáham zákazníkom implementovať ich požiadavky do poistného softvéru Life Factory. Vo voľnom čase si rád oddýchnem v lese, prípadne si zahrám nejakú dobrú počítačovú hru.