Era veštačke inteligencije u softverskom inženjeringu: Više koda, manje jasnoće

Paradoks produktivnosti u doba AI agenata

Podaci platforme Linear, prikupljeni u periodu od juna 2024. do avgusta 2026. godine, pružaju fascinantan uvid u promenu dinamike softverskih timova. Dok timovi koji koriste AI agente sada kreiraju prosečno 65 zahteva za spajanje koda (PR) nedeljno, u poređenju sa 21 pre uvođenja ovih alata, ukupno vreme utrošeno na razvoj proizvoda nije se smanjilo. Naprotiv, ono je poraslo, što ukazuje na to da AI nije skratio procese, već je samo promenio način na koji timovi izvršavaju zadatke.

Ovaj fenomen dovodi do ključnog pitanja: da li tih 65 zahteva nedeljno zaista donosi trostruko veću vrednost za krajnjeg korisnika? Često se dešava da se značajan deo tog koda odnosi na refaktorisanje ili ispravke koje ne doprinose direktno inovacijama. AI je drastično olakšao fazu egzekucije, ali je istovremeno učinio fazu donošenja odluka o tome šta tačno treba graditi mnogo težom i odgovornijom.

Zanimljivo je primetiti da su se u proces pisanja koda uključili i oni koji to ranije nisu radili u tolikoj meri. Učešće menadžera proizvoda u pisanju koda poraslo je sa 3% na 10%, dok su dizajneri povećali svoje učešće sa 1% na 8%. Iako ovo deluje kao demokratizacija razvoja, postavlja se pitanje održivosti takvog sistema na duge staze, gde se fokus pomera sa strateškog planiranja na puko generisanje koda.

Tehnička infrastruktura i izazovi skalabilnosti

Nedavni incidenti na platformi GitHub, koji su kulminirali osmoročasovnim prekidom rada, jasno pokazuju granice trenutne infrastrukture. Uzrok problema nije bio samo u naglom porastu saobraćaja, već u lancu grešaka koji je uključivao neadekvatno skaliranje Istio sidecar kontejnera i bag u VS Code editoru koji je umnožio broj zahteva deset puta. Kada sistem koji obično obrađuje 9.000 zahteva u sekundi iznenada mora da se izbori sa 100.000, kolaps postaje neizbežan.

Ovaj slučaj ilustruje širi problem: broj mesečnih commit-a na GitHub-u porastao je sa 1,4 milijarde u aprilu 2025. na čak 7,38 milijardi u septembru 2026. godine. Postojeći modeli skladištenja, gde se svako spremište kopira više puta na disk radi bržeg čitanja, postali su usko grlo za pisanje podataka. Prelazak na Azure Blob Storage i korišćenje laganih radnika sa keš memorijom predstavlja pokušaj odvajanja skladišnih kapaciteta od obrade, što je neophodan korak za opstanak u eri masovne AI produkcije koda.

Sličan tehnološki iskorak napravljen je i sa TypeScript 7.0 verzijom. Odluka da se kompajler portuje sa TypeScript-a na Go, umesto na Rust, donela je ubrzanje od skoro 12 puta u izgradnji kompleksnih projekata poput VS Code-a. Razlog za izbor Go-a leži u specifičnoj arhitekturi kompajlera koja se oslanja na cirkularne strukture podataka, što bi Rust-ov borrow checker onemogućio, pokazujući da izbor alata mora biti diktiran prirodom problema, a ne samo popularnošću jezika.

Inženjer kao čuvar i verifikator sistema

Sa činjenicom da veštačka inteligencija danas piše oko 42% ukupnog koda, uloga softverskog inženjera doživljava radikalnu transformaciju. Prema istraživanju kompanije Sonar, iako AI generiše skoro polovinu koda, čak 96% programera izražava nepoverenje prema tom kodu. Ovo stvara takozvani 'jaz verifikacije', gde inženjeri provode sve više vremena proveravajući i ispravljajući ono što su agenti napisali, umesto da sami kreiraju rešenja.

Nova definicija seniornosti sada se meri kroz odgovornost, a ne kroz količinu isporučenog koda. Fraza 'to je uradio AI' više nije prihvatljivo opravdanje za incidente u produkciji. Inženjeri postaju kustosi koji moraju da postave čvrste granice, testove i specifikacije koje AI agenti ne smeju da pređu. Kreiranje 'harness-a' ili okvira za ograničenja postaje važnija veština od samog sintaksičkog pisanja koda.

Ovaj trend potvrđuje i analiza METR istraživača na SWE-bench benchmarku. Iako su AI modeli uspešno prolazili automatizovane testove, kada su ti isti zahtevi za spajanje koda došli pred ljudske održavaoce projekata poput scikit-learn ili pytest, stopa prihvatanja bila je značajno niža. Ljudski eksperti su odbacivali kod zbog slabog kvaliteta, nedostatka razumevanja suštine problema ili rizika od narušavanja postojeće logike, što dokazuje da automatizovani testovi nisu dovoljna zamena za ljudsko iskustvo.

Evolucija DevOps-a i FinOps za AI

InfoQ izveštaj o Cloud i DevOps trendovima za 2026. godinu ukazuje na to da se fokus pomera sa izgradnje novih portala na povezivanje postojećih alata. Model Context Protocol (MCP) se nameće kao standard za integraciju AI alata, dok se platformski inženjering, uprkos skepticizmu da je to samo novo ime za stari DevOps, fokusira na smanjenje 'shadow' platformi i omogućavanje AI rada unutar definisanih procesa.

FinOps za AI postaje ključna disciplina jer troškovi korišćenja tokena postaju značajna stavka u IT budžetima. Kompanije danas znaju koliko troše, ali često nemaju uvid u to da li ta potrošnja donosi merljivu pozitivnu vrednost. Osnivanje Tokenomics fondacije svedoči o potrebi za uspostavljanjem metrika koje će povezati troškove AI modela sa poslovnim rezultatima, a ne samo sa tehničkim performansama.

Pouzdanost sistema više nije opcionalna, već imperativ. Iskustva sa višemesečnim prekidima rada u pojedinim AWS regionima dovela su do toga da dizajn sa više regiona (multi-region design) postane standard. Budućnost cloud infrastrukture leži u integraciji, gde će broj alata biti manji, ali će njihova povezanost i sposobnost da podrže AI agente unutar platforme biti presudni faktori za konkurentnost.

DORA izveštaj: AI kao pojačivač organizacije

Najnoviji izveštaj kompanije DORA o povratu investicija u AI-asistirani razvoj donosi otrežnjujući zaključak: AI neće popraviti lošu inženjersku organizaciju, već će je samo učiniti vidljivijom. Ako tim poseduje jasne procese i definisano vlasništvo nad kodom, AI će ih učiniti bržim. Ako tim pati od haosa i nejasnih granica, AI će taj haos samo multiplicirati.

Produktivnost koju AI donosi nije ravnomerno raspoređena. Na novim projektima (greenfield) dobitak iznosi između 35% i 40%, dok je na nasleđenom kodu (legacy) taj napredak često manji od 10%. Lideri često greše fokusirajući se na brzinu pisanja, dok najveća vrednost leži u smanjenju potrebe za prepravkama i oslobađanju vremena za strateško rešavanje problema.

Takođe, treba biti svestan 'J-krive' produktivnosti. Uvođenje AI alata često dovodi do privremenog pada efikasnosti, što se može posmatrati kao 'školarina' za transformaciju. Uspešne organizacije su one koje prvo sređuju svoje sisteme i procese, a tek onda uvode alate koji će te procese ubrzati, umesto da pokušavaju da tehnologijom sakriju sistemske nedostatke.

Budućnost razvoja: Od linija koda do arhitekture

Cursor-ov izveštaj o navikama programera potvrđuje da se priroda posla nepovratno menja. Broj linija koda po programeru se udvostručio u poslednjih godinu dana, ali je fokus na broju linija pogrešan pokazatelj uspeha. Prava vrednost leži u sposobnosti inženjera da upravlja arhitekturom i kvalitetom, dok AI preuzima rutinske zadatke pisanja koda.

Svet u kojem top 1% programera proizvodi 46 puta više od proseka sugeriše da će jaz u produktivnosti između pojedinaca i timova nastaviti da raste. Oni koji nauče kako da efikasno koriste AI za arhitektonsko planiranje i verifikaciju, umesto samo za generisanje sintakse, biće nosioci budućih inovacija.

Zaključno, tehnologija nas vodi ka svetu gde je pisanje koda postalo trivijalno, dok je donošenje odluka o tome šta graditi i kako osigurati pouzdanost sistema postalo najvrednija valuta. Uspeh u narednim godinama neće zavisiti od toga koliko brzo tim može da isporuči PR, već od toga koliko dobro može da upravlja svojim AI asistentima i osigura da isporučeni kod zaista rešava stvarne probleme korisnika.

Izvor: Techworld with Milan · Fotografija: Pexels / Freepik (ilustracija)