Profesní přehled

Vývojář internetu věcí/vývojářka internetu věcí

Snímek

Vývojáři internetu věcí analyzují a shromažďují data pro interpretaci vzoru a předvídání výsledku. Pro řízení úkolů a autonomní rozhodování využívají umělou inteligenci a s využitím algoritmů strojového učení vytvářejí chytřejší zařízení pomocí datových senzorů. Vývojáři internetu věcí vytvářejí software pro připojení objektů k systémům a zařízením nebo pro programování těchto objektů tak, aby fungovaly samy o sobě.

Trh práce
Nedostatek v zemi Česko a 12 dalších zemí
ELA/EURES 2025
Průmysl
Digitální technologie
Vzdělávání
Bakalářský stupeň
39%
Odolnost Skóre · 2026 (Čím vyšší, tím lepší)
Bakalářský stupeň 52% Expozice AI · 2026
Trh práce

Kde je toto povolání žádané

Nahlášený nedostatek a přebytek pracovních sil, podle roku. Zveřejňuje se pro skupiny povolání, nikoli pro jednotlivé pracovní pozice.

Čísla se týkají skupiny Specialisté v oblasti informačních a komunikačních technologií — 75 povolání včetně tohoto.

13 z 17 s nedostatkem2025Všech 30 roste3.7Mvolná místa do roku 2035

Nedostatek: Belgie, Bulharsko, Irsko, Itálie a dalších 9.

Nejdéle trvající nedostatek: Česko, 4 roky.

Vyberte území na mapě a zobrazí se jeho čísla.

O tomto zdroji›

Zdroj: ELA/EURES, nedostatek a přebytek pracovních sil. Údaje se zveřejňují na úrovni skupiny povolání a pokrývají Evropu. Vydání se liší uspořádáním přílohy i rozsahem zemí, takže rozdíl mezi roky neznamená vždy, že se trh práce změnil. Země v šedé nebyly nahlášeny, což není totéž jako být v rovnováze.

Co tato slova znamenají

Čtyři věci, které tato část uvádí

Nahlášená poptávka
Nahlášená poptávka vyjadřuje, zda zaměstnavatelé uvádějí, že pro tuto práci potřebují lidi — jde o posouzení zveřejněné národním orgánem nebo orgánem EU, nikoli o počet.
Kterým směrem míří
Kterým směrem míří vyjadřuje, kterým směrem se podle oficiální prognózy v příštích letech pravděpodobně vydá zaměstnanost v této práci.
Volná místa
Volná místa přibližně ukazují, kolik pracovních míst vzniká v důsledku růstu a odchodů lidí z této práce.
Obvyklá odměna
Obvyklá odměna vyjadřuje, kolik lidé v této práci obvykle vydělávají, pokud to zdroj zveřejňuje. Prázdné pole neznamená, že je práce neplacená; znamená, že pro dané místo tuto hodnotu nikdo nezveřejňuje.

Údaj se neuvádí, pokud ho pro dané místo nikdo nezveřejňuje, místo aby se zobrazila nula.

Kterým směrem se trh přiklání ve váš prospěch

Ve váš prospěch
Volných míst je více než uchazečů — zaměstnavatelé o kandidáty soutěží.
Vyrovnané
Volná místa a uchazeči jsou zhruba v rovnováze.
Konkurenční
Uchazečů je více než volných míst — počítejte s konkurencí.
Rozporuplné údaje
Zdroje se neshodují, nebo v téže skupině povolání je někde nedostatek a jinde přebytek.

Každý zdroj vede k jednomu ze čtyř označení: Ve váš prospěch, Vyrovnané, Konkurenční nebo Rozporuplné údaje, takže se stačí naučit jediný soubor označení. Liší se podklady, které jsou uvedeny pod každým označením — jde buď o změřený poměr volných míst k uchazečům o zaměstnání, nebo o posouzení zveřejněné národním orgánem.

Jak si tato práce vede ve srovnání s jinými pracemi ve stejné zemi

Silná
Mezi nejsilnějšími v zemi that country
Dobrá
Silnější než většina povolání v zemi that country
Smíšená
Zhruba obvyklá pro zemi that country
Slabá
Slabší než většina povolání v zemi that country

Jde o pořadí v rámci jedné země, nikoli o skóre, které lze přenášet přes hranice — evidence za dvě země zahrnuje různé lidi, takže stejné číslo znamená v každé zemi něco jiného. Proto také může práce patřit v zemi do kategorie Silná a přesto se zobrazovat jako Konkurenční: vede v trhu, který je celkově přeplněný.

Odkud tyto údaje pocházejí

Každý údaj zveřejňuje národní statistický úřad, veřejná služba zaměstnanosti nebo orgán EU a každá karta uvádí jeho zdroj i období, které pokrývá. Údaje za některá místa se shromažďují měsíčně, jinde se vyhodnocují jednou nebo dvakrát ročně, takže dvě místa na stejné mapě mohou popisovat různé okamžiky — datum je vždy uvedeno.

Nic z toho nepředpovídá šance jednoho člověka. Popisuje to trh.

Nahlášená poptávka · Obvyklá odměna · Kterým směrem míří (Česko, Slovensko, Německo, Rakousko, Polsko, Nizozemsko)
Nahlášená poptávka · Obvyklá odměna · Kterým směrem míří
Nahlášená poptávka Obvyklá odměna Kterým směrem míří
Česko Nahlášen nedostatek ELA/EURES 2025 * — +43,1% 2023–2035 · Cedefop 2026 *
Slovensko Nahlášen nedostatek ELA/EURES 2024 * — +52,1% 2023–2035 · Cedefop 2026 *
Německo Nahlášen nedostatek ELA/EURES 2025 * — +15,6% 2023–2035 · Cedefop 2026 *
Rakousko Nahlášen přebytek ELA/EURES 2025 * — +48,8% 2023–2035 · Cedefop 2026 *
Polsko Nenahlášeno — +53,4% 2023–2035 · Cedefop 2026 *
Nizozemsko Nahlášen nedostatek ELA/EURES 2025 * — +32% 2023–2035 · Cedefop 2026 *

* Zveřejňuje se pro skupiny povolání, nikoli pro jednotlivé pracovní pozice.

Poskytujete kariérní poradenství studentům, klientům nebo zaměstnancům? Využijte tato data o povolání ve své organizaci.

NexFuture™

Budoucí perspektiva pro vývojář internetu věcí/vývojářka internetu věcí

The outlook for vývojář internetu věcí/vývojářka internetu věcí reflects a balanced mix of automation exposure and durable, human-led work.

Jak se tyto výsledky počítají?

Index odolnosti (0–100) odhaduje, jak strukturálně chráněno je toto povolání před automatizací a narušením AI na základě analýzy na úrovni úkolů. Vyšší skóre znamená více úkolů náročných na lidský úsudek. Expozice AI ukazuje odhadované procento pracovních hodin, které by mohly být ovlivněny současnými možnostmi AI. Jedná se o strukturální ukazatele odvozené z modelu, nikoli předpovědi individuální jistoty zaměstnání.

Hrajte na budoucnost
Jak by se mohlo vývojář internetu věcí/vývojářka internetu věcí změnit s rostoucím zaváděním umělé inteligence?

Několik oblastí úkolů se může přesunout k pracovním postupům podporovaným umělou inteligencí, takže rekvalifikace se stává důležitější.

Významná transformace na úrovni úkolů se odhaduje za 12 let (kolem roku 2038) v rámci vybraného scénáře „Očekávané“.
~35%
Odolnost
Riziko automatizace
EXP~55%
Lidská hrana
MOAT~40%

Ilustrativní scénář založený na automatizovatelnosti úkolů — nikoli předpověď. Hodnoty se zaokrouhlují, čím dále do budoucna se díváte.

2026
2033
2043
Rychlost přijetí AI:

Odhad založený na modelu. Použijte jej jako plánovací signál, nikoli jako záruku.

Jak může AI změnit tuto roli

Deterministická, na modelu založená interpretace signálů aktuální role – není zárukou nahrazení.

39% Vlastněno lidmi

Co ještě záleží na lidech

  • vypracovat plán ICT procesů
Lidská výhoda Aby jste zůstali vpředu v této roli, zaměřte se na internet věcí a principy umělé inteligence. Tyto dovednosti zaměřené na člověka jsou nejobtížněji replikovatelné pro AI v příštích 20 let.
32% Asistujte

Kde se AI může stát druhým pilotem

  • analyzovat data velkého objemu
  • provádět redukci dimenzionality
  • využívat strojové učení
52% automatizovat

Úkoly nejvíce vystavené automatizaci

  • používat techniky pro zpracování údajů
Podrobná analýza

Životní funkce a AI vektory

vektory expozice AI

0-100%
AI / strojové učení 32%

Expozice vůči analýze podporované AI, rozpoznávání vzorů a úlohám prediktivního modelování

Generativní AI 3%

Expozice vůči generování obsahu, kreativnímu zvýšení a nástrojům velkých jazykových modelů

Robotická a fyzikální automatizace 0%

Expozice vůči fyzické automatizaci, robotice a senzorem řízenému posunu úloh

Kognitivní software 0%

Expozice vůči automatizaci pracovního toku, softwaru na podporu rozhodování a digitalizaci procesů

Technické detaily
Metodologie: NexFuture v3.0 Zdroje: O*NET® 30.3, ESCO v1.2.1 Aktualizováno: říjen 2026

NexFuture v3.0 odhaduje expozici automatizaci přímo ze základních skupin dovedností ESCO, vážených podle objemu dovedností a kalibrovaných podle expertních kotev. Skóre jsou pravděpodobnostní odhady, nikoli záruky. Úplné podrobnosti naleznete v metodickém dokumentu NexFuture.

Měří vystavení automatizaci. Neměří mzdu, poptávku ani počet pracovních míst ve vašem okolí.

Den v životě

Co lidé v této roli obvykle dělají

Digitální technologie

Den v životě

Typický den jako vývojář internetu věcí/vývojářka internetu věcí

09
09:00 · ráno
navrhovat informační systémy
Definovat architekturu, skladbu, složky, moduly, rozhraní a data pro integrované informační systémy (hardware, software a síť) na základě systémových požadavků a specifikací.
10
10:30 · Dopoledne
vypracovat plán ICT procesů
Vytvářet v rámci organizace opakovatelné vzorce ICT činnosti, která prostřednictvím jejich produkce zlepšuje systematické přeměny výrobků, informačních procesů a služeb.
12
12:00 · poledne
využívat strojové učení
Používat techniky a algoritmy, které jsou schopny extrahovat znalosti z dat, učit se z nich a vytvářet předpovědi, které se používají pro optimalizaci programů, přizpůsobení aplikací, rozpoznávání vzorců, filtrování, vyhledávače a počítačové vidění.
14
14:00 · odpoledne
analyzovat data velkého objemu
Shromažďovat a vyhodnocovat velká množství číselných dat, zejména za účelem zjištění vzorců mezi daty.
15
15:30 · Pozdě odpoledne
používat techniky pro zpracování údajů
Shromažďovat, zpracovávat a analyzovat příslušné údaje a informace, řádně uchovávat a aktualizovat údaje a vyjadřovat číselné údaje a data pomocí grafů a statistických diagramů.
17
17:00 · Zábal
provádět redukci dimenzionality
Snížit počet proměnných nebo funkcí pro soubor dat v algoritmech strojového učení pomocí metod, jako je analýza hlavních komponent, rozklad matic, metody automatického kodéru a další.

Pořadí úkolů je ilustrativní. Jednotlivé dny se liší.

Dovednosti a znalosti

Co potřebujete k této práci

Dovednosti, znalosti a nástroje, které tato role vyžaduje — a rysy a přínosy, které s ní souvisejí.

Základní dovednosti
programovat počítačové systémy
  • provádět redukci dimenzionality

    Snížit počet proměnných nebo funkcí pro soubor dat v algoritmech strojového učení pomocí metod, jako je analýza hlavních komponent, rozklad matic, metody automatického kodéru a další.

  • využívat strojové učení

    Používat techniky a algoritmy, které jsou schopny extrahovat znalosti z dat, učit se z nich a vytvářet předpovědi, které se používají pro optimalizaci programů, přizpůsobení aplikací, rozpoznávání vzorců, filtrování, vyhledávače a počítačové vidění.

řídit, získávat a uchovávat digitální data
  • používat techniky pro zpracování údajů

    Shromažďovat, zpracovávat a analyzovat příslušné údaje a informace, řádně uchovávat a aktualizovat údaje a vyjadřovat číselné údaje a data pomocí grafů a statistických diagramů.

analyzovat a vyhodnocovat informace a data
  • analyzovat data velkého objemu

    Shromažďovat a vyhodnocovat velká množství číselných dat, zejména za účelem zjištění vzorců mezi daty.

vypracovávat provozní politiky a postupy
  • vypracovat plán ICT procesů

    Vytvářet v rámci organizace opakovatelné vzorce ICT činnosti, která prostřednictvím jejich produkce zlepšuje systematické přeměny výrobků, informačních procesů a služeb.

navrhovat systémy nebo aplikace ikt
  • navrhovat informační systémy

    Definovat architekturu, skladbu, složky, moduly, rozhraní a data pro integrované informační systémy (hardware, software a síť) na základě systémových požadavků a specifikací.

Oblasti znalostí & Software a technologie
Oblasti znalostí
  • internet věcí

    Obecné zásady, kategorie, požadavky, omezení a zranitelnost inteligentních propojených zařízení (většina z nich se zamýšleným připojením k internetu).

  • principy umělé inteligence

    Teorie umělé inteligence, používané zásady, architektury a systémy, jako jsou inteligentní agenti, systémy s více agenty, expertní systémy, systémy založené na pravidlech, neuronové sítě, ontologie a kognitivní teorie.

  • programování systému ICT

    Metody a nástroje potřebné k vývoji systémového softwaru, specifikace systémových architektur a technik tvorby rozhraní mezi síťovými a systémovými moduly a komponenty.

  • softwarové specifikace IKT

    Vlastnosti, použití a fungování různých softwarových produktů, jako jsou počítačové programy a aplikační software.

  • architekturní rámce v IKT

    Soubor požadavků, které popisují architekturu informačního systému.

Meziodvětvové dovednosti
  • algoritmizace úkolů
  • algoritmy
  • informatika
  • mechatronika
  • metody zkoušení hardwaru
  • počítačová technologie
  • strojové učení
Software a technologie
Structured query language SQLAdobe IllustratorAdobe InDesignSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsSalesforce softwareMicrosoft Visual BasicAdobe Creative Cloud softwareOracle DatabaseOracle Primavera Enterprise Project Portfolio ManagementExtensible markup language XMLOracle PeopleSoftC++Hypertext markup language HTMLTableauOracle JavaESRI ArcGIS softwareJavaScriptTeradata DatabaseGoogle AnalyticsCAtlassian JIRAAdobe After EffectsZoomPerlMicrosoft Visual Basic for Applications VBAMarketo Marketing AutomationPHPAmazon Web Services AWS softwareMicrosoft Azure softwareMicrosoft TeamsTrimble SketchUp ProMySQLC#Eclipse IDESlack
Klíčové vlastnosti, které potřebujete
Analytické myšlení Uznání Spolupráce Rozmanitost Úspěch Spolehlivost Integrita Zájem o druhé Inovace Přizpůsobivost/Flexibilita Tolerance ke stresu Nezávislost Úspěch/Snaha Sebekontrola Vedení Sociální orientace
Klíčové odměny, které můžete očekávat
Údaje o vlastnostech pro tuto roli zatím nejsou k dispozici.
Jak se kvalifikovat

Vývojář internetu věcí: jak získat kvalifikaci a kde studovat

Co je obvykle potřeba ke kvalifikaci: úroveň vzdělání, kde se jedná o regulované povolání a kde studovat.

Typická úroveň vzdělání

Bakalářský stupeň

Kde studovat

508 studijních programů v 21 zemích nabízí výuku základních dovedností pro toto povolání. Navíc 161 krátkých kurzů, z nichž každý rozvíjí jednu dovednost.

Několik příkladů vyučovaných v jazyce této stránky:

Diplom Informační technologie

University of Pardubice · Česko

EQF 6 Zdroj 1
Diplom Artificial Intelligence and Data Science

Prague University of Economics and Business · Česko

EQF 7 Zdroj 1
Zdroje
  1. 1. Source: Study in Czechia, Czech National Agency for International Education and Research (studyin.gov.cz).
Kariérní postup

Cesty růstu a podobné role

Prozkoumejte typické cesty kariérního postupu, související dovednosti a podobné role a naplánujte si další přechod.

Pro organizace

Data na této stránce ve službách vašich studentů, klientů a zaměstnanců.

Běžné otázky

Často kladené otázky

Jaké programovací jazyky jsou pro vývojáře internetu věcí/vývojářky internetu věcí nejdůležitější?
Běžně se využívají jazyky jako Python, C/C++, Java a JavaScript. Důležitá je také znalost protokolů pro komunikaci mezi zařízeními, jako je MQTT nebo CoAP.
Jaké dovednosti jsou kromě programování klíčové pro úspěch v této roli?
Kromě programovacích dovedností je důležitá analytická schopnost, schopnost řešit problémy, orientace v datech a základní znalosti elektroniky a hardware.
Je možné pracovat jako vývojář internetu věcí/vývojářka internetu věcí na volné noze?
Ano, tato role je často vyhledávána i pro freelance projekty. Většina pozic je však primárně zaměstnanecká.
Vývojář Internetu Věcí/Vývojářka Internetu Věcí — kolik se za to platí ve Spojených státech?
133 080 dolarů ročně v mediánu, k 2025-05. Mediány jednotlivých států se pohybují od 79 380 do 174 410 dolarů. Zdroj: US Bureau of Labor Statistics. Údaj se týká Spojených států a není projekcí pro Evropu.

Zdroje: ESCO O*NET ELA/EURES Cedefop BLS Data aktualizována 3. října 2026 O našich datech