Uvod
U mnogim timovima danas je normalno zadati AI agentu zadatak tipa: „Napravi mi backend, frontend i deployment skripte“, a nekoliko sati kasnije dobiti funkcionalan kostur aplikacije. Alati više nisu samo pametni autocomplete – sve češće djeluju kao poluautonomni član tima. Zbog toga je raspoloženje među developerima podijeljeno: produktivnost raste, ali raste i nelagoda oko tehničkog duga, uloge juniora i same definicije posla programera. U nastavku analiziramo što ova promjena znači za industriju, posebno iz europske i regionalne perspektive.
Vijest ukratko
Kako piše Ars Technica, suvremeni AI alati za programiranje, poput OpenAI Codexa i agenata baziranih na Claudeu, prerasli su razinu dovršavanja jedne linije koda. Razvijatelji s kojima su razgovarali tvrde da ti sustavi danas mogu satima raditi na projektu: generirati veće cjeline koda, pokretati testove i iterativno ispravljati greške uz ljudski nadzor.
Nekoliko sugovornika opisuje višestruke dobitke u produktivnosti kod složenih zadataka, od izgradnje backend servisa i web sučelja do konfiguracije cloud okruženja iz tekstualnih specifikacija. Funkcionalnosti za koje su ranije bili potrebni mjeseci sada se mogu prototipirati u nekoliko dana ili sati.
Istovremeno, prisutna je opreznost. Mnogi ograničavaju uporabu AI‑a na područja koja duboko razumiju, zbog straha od skrivenog tehničkog duga i tzv. „vibe codanja“ – isporuke koda koji nitko u timu zaista ne razumije. Dodatno se propituje utjecaj na početničke pozicije i pomak uloge developera s izravnog pisanja koda na nadzor i usmjeravanje agenata.
Zašto je to važno
Na prvoj razini riječ je o ekonomiji: ako mali tim uz pomoć AI‑a može isporučiti softver 5–10 puta brže, mijenja se računica svakog projekta. No dublji potres događa se u strukturi posla i raspodjeli odgovornosti.
Tko dobiva?
- Iskusni inženjeri koji znaju pisati jasne specifikacije i kritički pregledavati kod.
- Timovi zatrpani naslijeđenim sustavima, gdje AI može glumiti prevoditelja i arheologa kroz stare kodne baze.
- Osnivači i mali startupi u Zagrebu, Ljubljani ili Beogradu koji sada mogu pokušati projekte za koje je prije trebala cijela ekipa.
Tko gubi, barem kratkoročno?
- Klasične junior pozicije, u kojima se zanat učio upravo kroz ručnu implementaciju „dosadnih“ dijelova sustava.
- Organizacije s lošom inženjerskom disciplinom, sklone nekritički prihvaćati AI‑generirani kod bez testova i jasne arhitekture.
- Programeri kojima je upravo samo pisanje koda glavni izvor zadovoljstva, a ne koordinacija i nadzor.
AI radikalno pojeftinjuje sam kod, ali ne i njegovo razumijevanje, provjeru i dugoročnu održivost. Upravo tu se gomilaju rizici. Tehnički dug se nekada povećavao približno proporcionalno utrošenom ljudskom radu; danas agenti mogu loše dizajnerske odluke replicirati industrijskom brzinom.
Istovremeno, pomiču se odnosi snaga. Product menadžeri i management lako mogu dobiti dojam da mogu „naručiti“ funkcionalnost od AI‑a, a developeri su tu samo za formalno odobrenje. Ako se unutar timova jasno ne definira tko je odgovoran – i poslovno i pravno – kada zakaže funkcionalnost koju je većinom napisala AI, već krhki standardi kvalitete softvera dodatno će oslabiti.
Šira slika
Ovi primjeri lijepo se uklapaju u nekoliko većih trendova.
Prvo, agenti za kod logičan su nastavak alata poput GitHub Copilota. U početku je fokus bio na dovršavanju linija i funkcija. Sada se diže razina apstrakcije: umjesto „dopiši ovu funkciju“ dobivamo „izgradi servis s testovima i deployment skriptama“. Povijest softvera već je vidjela slične skokove – s asemblerskog jezika na C, s ručnog upravljanja memorijom na jezike s automatskom kolekcijom otpada. Svaki put se dio struke bunio da je to „varanje“, a nekoliko godina kasnije to je postalo uobičajena praksa.
Drugo, automatizacija ulazi u kreativnu jezgru inženjeringa. Prijašnji valovi prvo su pogađali testiranje, build pipelineove i deployment. Danas diraju samu srž – dizajn i implementaciju. To će promijeniti strukturu timova: više će se tražiti arhitekti, ljudi s dubokim razumijevanjem domene i produktnim razmišljanjem; manje onih koji samo prepisuju uzorke koda.
Treće, svijet „AI‑a za kod“ približava se svijetu agentnih sustava općenito. Isti mehanizmi – planiranje, korištenje vanjskih alata, memorija i iterativni feedback – već se koriste u marketingu, analitici i korisničkoj podršci. Softversko inženjerstvo samo je prva domena u kojoj je efekt izrazito vidljiv.
U takvom okruženju presudna prednost nije samo u tome tko ima „najbolji model“, već tko ima najbolju kombinaciju alata i procesa. Tvrtke koje već sada imaju dobru testnu pokrivenost, ozbiljne code reviewe, metrike i jasnu odgovornost, od AI‑a će napraviti multiplikator. Ostali će ubrzati prema kaosu.
Europski i regionalni kut
Za Europu i zemlje regije (od Hrvatske i Slovenije do ostalih članica EU‑a) ovo nije samo pitanje alata, već i regulative i tehnološke ovisnosti.
GDPR, Akt o digitalnim uslugama i nadolazeći Akt o umjetnoj inteligenciji usmjeravaju tvrtke prema većoj dokumentiranosti, upravljanju rizicima i objašnjivosti sustava. „Vibe codanje“ uz zatvorene agentne sustave, koji bez jasnog traga mijenjaju kritične aplikacije, ide direktno protiv tog smjera.
IT direktori u regiji morat će postaviti nekoliko neugodnih pitanja: Gdje fizički radi model? Što se događa s podacima u promptovima? Možemo li u reviziji dokazati koje su dijelove koda pisali ljudi, a koje AI? Hoće li regulator, primjerice u financijskom ili zdravstvenom sektoru, naš softver tretirati kao rizičniji jer je nastao uz pomoć AI‑kodiranja?
Tu je i pitanje suvereniteta. Ako ključni dio razvoja softvera dugoročno vežemo uz američke platforme, dobivamo novu razinu vendor lock‑ina. Upravo tu leži prilika za europske i regionalne igrače: AI asistente za kodiranje u suverenim oblacima ili on‑premise, prilagođene europskoj regulativi i jezicima.
Za tržišta poput hrvatskog, gdje kronično nedostaje iskusnih developera, AI alat može biti značajna pomoć i omogućiti malim timovima iz Zagreba, Splita ili Osijeka da konkuriraju većim centrima. Ali istovremeno može smanjiti potražnju za juniorima i dodatno potaknuti outsourcing prema jeftinijim tržištima – sada uz pomoć još produktivnijih timova.
Pogled unaprijed
U sljedeće dvije do četiri godine vjerojatno ćemo vidjeti nekoliko jasnih trendova.
1. „Dirigent softvera“ kao nova uloga. Mnogi developeri manje će vremena provoditi u editoru, a više u razlaganju zahtjeva, dizajnu arhitekture, vođenju agenata i pregledavanju rezultata. Najvrjedniji će biti oni koji mogu spojiti tehničku dubinu, razumijevanje biznisa i sposobnost donošenja odluka.
2. Unutarnja pravila igre. I prije detaljne regulative, veće organizacije počet će uvoditi vlastite politike: zabrana neprovjerenih AI promjena u sigurnosno kritičnim modulima, obavezni testovi za AI‑generirani kod, dodatni sigurnosni pregledi za osjetljive dijelove, lokalno izvođenje modela tamo gdje to zahtijevaju propisi o zaštiti podataka. Interne „AI smjernice za razvoj“ postat će jednako uobičajene kao i coding standardi.
3. Preuređenje obrazovanja. Fakulteti, visoke škole i bootcampovi koji će ignorirati AI proizvodit će kadrove koji su zastarjeli već prvog radnog dana. No jednako je pogrešno ljude učiti samo pisanju promptova. Trebat će snažnije naglasiti osnove – algoritme, arhitekturu sustava, debugging – i paralelno trenirati sposobnost razumijevanja, testiranja i popravljanja koda koji generira stroj.
Ostaju i otvorena pitanja. Kako će open source zajednice reagirati na val AI‑generiranih pull requestova, pogotovo u kontekstu licenci? Kako će se dijeliti odgovornost kada incident u produkciji uzrokuje funkcija koju je napisao agent pod nadzorom čovjeka? I tko će snositi pravne posljedice ako softver nastao uz AI potporu prouzroči materijalnu štetu ili povredu podataka?
Zaključak
AI alati za kodiranje izašli su iz faze igračke i ušli u zonu kritične infrastrukture razvoja softvera. Donose stvarne uštede vremena i otvaraju ozbiljne nove rizike. Uloga programera se pomiče od tipkanja prema orkestriranju, od sintakse prema sustavnom razmišljanju. Timovi i zemlje koje će ova oruđa spojiti s jakom inženjerskom kulturom, razumijevanjem regulative i jasnom odgovornošću, iz ove tranzicije izaći će jači. Oni koji AI tretiraju kao „čarobnog juniora“ završit će zatrpani nevidljivim tehničkim dugom. Za svakog developera i tehničkog lidera ostaje ključno pitanje: ako stroj može napisati većinu koda, gdje je onda vaša stvarna vrijednost?
