Problem 70 odsto: zašto zadnji deo aplikacije traži čoveka

Ažurirano: 12.10.2026. | Verzija 1.0

Prvo veče je neverovatno. Opišete ideju, za dva sata imate nešto što radi i izgleda bolje nego što ste očekivali. Onda počne druga nedelja: ispravka koja pokvari nešto drugo, greška koja se pojavi samo ponekad, funkcija koja radi kod vas a ne kod kupca. Napredak koji je bio po sat sada se meri po danu.

To nije vaša greška i nije slučajnost. Pojava ima ime, autora i, u međuvremenu, i reviziju.

Odakle naziv

Addy Osmani, inženjer u Google-u, objavio je 4. decembra 2024. tekst pod naslovom „Problem 70 odsto: tvrde istine o programiranju uz AI". Sam broj nije njegov: tri dana ranije Peter Yang je na mreži opisao kako osoba bez programerskog iskustva uz AI stigne do otprilike 70 odsto, pa udari u zid. Yang je dao zapažanje, Osmani ime.

Vredi reći i da to nikad nije bilo merenje. Nema studije koja je izmerila baš 70 odsto. To je zapažanje iz prakse koje se održalo zato što se ljudima poklopilo sa iskustvom.

Šta je tačno u tih poslednjih 30 odsto

Osmani nabraja ono što sam model retko uradi dok ne zatražite izričito.

Obrazac „dva koraka nazad"

Osmani opisuje petlju koju će prepoznati svako ko je probao. Prijavite grešku. Model ponudi ispravku koja deluje razumno. Ispravka pokvari nešto drugo. Prijavite i to. Nova ispravka vrati prvu grešku.

Razlog je prost: model ne drži u glavi celu vašu aplikaciju i ne zna koja su podešavanja bila namerna. Svaka njegova ispravka je lokalno tačna, a globalno slepa.

Praktična posledica je pravilo iz zvaničnih uputstava: posle dva neuspela pokušaja ispravke, nemojte pisati treći put. Vratite se na poslednje ispravno stanje, očistite razgovor i napišite zahtev iznova.

Ovo potvrđuje i anketa: u istraživanju Stack Overflow iz 2025, najčešća zamerka programera, sa 66 odsto, bila je „rešenja koja su skoro tačna, ali ne sasvim". Njih 45,2 odsto reklo je da im traženje grešaka u AI kodu oduzima više vremena nego inače.

Šta se promenilo do 2026: problem 80 odsto

Osmani je 28. januara 2026. objavio nastavak. Udeo koji AI odradi sam porastao je i na novim projektima ume da pređe 80 odsto. Ali, i to je važnije od broja, priroda zastoja se promenila.

Nove slabosti koje navodi:

• Prenošenje pogrešne pretpostavke. Agent nešto pretpostavi na početku i tu pretpostavku dosledno ugradi u sve što sledi.
• Naduvane apstrakcije. Tamo gde je dovoljno sto redova, nastane hiljadu, jer agent gradi opšte rešenje za problem koji nemate.
• Gomilanje mrtvog koda. Stari delovi ostaju jer ih niko ne briše, pa svaka sledeća izmena postaje skuplja.
• Preterana saglasnost. Agent se složi sa vašom pogrešnom dijagnozom umesto da je ospori.

Njegov zaključak iz nastavka vredi zapamtiti: oni koji uspešno rade sa agentima troše oko 70 odsto vremena na definisanje problema i proveru rezultata. Odnos se, dakle, obrnuo. Pisanje koda više nije usko grlo.

Šta ovo znači za vas

1. Planirajte da poslednji deo traje najduže. Ako ste za prototip potrošili dva dana, do upotrebljive verzije sa pravim korisnicima računajte nedelje, ne sate.
2. Tražite izričito ono što se ne vidi. Obrada grešaka, prazna stanja, granične vrednosti, ponašanje bez interneta. Ništa od toga neće nastati samo.
3. Uvedite merilo koje prolazi ili pada. Test, uspešna gradnja ili snimak ekrana. Bez toga nemate način da znate da li ste napredovali ili se vrtite u krug.
4. Odlučite gde je vaša granica. Interni alat sa pet korisnika i aplikacija koja naplaćuje nisu isti zadatak. Za drugu vam u nekom trenutku treba čovek koji ume da pročita kod.
5. Ne verujte utisku brzine. U kontrolisanom istraživanju sa iskusnim programerima, oni su uz AI bili sporiji nego bez njega, a verovali su da su brži. Ovo istraživanje ima svoje granice (mali uzorak, alati s početka 2025), ali nepoklapanje utiska i merenja je nalaz koji se ponavlja.

Da li to znači da AI ne vredi

Ne. Znači da je granica negde drugde nego što deluje prve večeri. Prvih 70 odsto je stvarno brže, i to je velika stvar za svakog ko ranije nije mogao da napravi ništa. Problem nastaje kad se ta brzina projektuje na ceo posao, pa se rok i budžet naprave po prvom danu.

Najbolji pokazatelj zrelosti nije koliko brzo stignete do prototipa, nego koliko trezveno procenite koliko ostaje posle njega.

Česta pitanja

Da li je 70 odsto tačan broj? Nije mereno. To je zapažanje iz prakse, korisno kao slika, ne kao podatak.

Da li se to popravlja sa novim modelima? Udeo raste, ali se priroda zastoja menja. Autor je 2026. isti problem opisao kao problem 80 odsto, uz nove slabosti koje ranije nisu postojale.

Da li pomaže ako platim jači model? Pomaže na prvih 70 odsto. Poslednji deo zavisi od toga koliko precizno umete da opišete šta znači „gotovo", a to nije pitanje modela.

Kada da pozovem programera? Kad aplikacija dodirne novac, lične podatke ili prijavu korisnika, ili kad u dve nedelje ne možete da zatvorite istu grešku.

Važi li ovo i za alate kao što su Lovable i Replit? Važi više nego za rad u editoru, jer kod ne čitate, pa imate manje signala kad stvari krenu naopako.

Sledeći korak

Napišite spisak onoga što je u vašem slučaju „poslednjih 30 odsto" pre nego što počnete da gradite. Ako gradite nešto što će imati prave korisnike, pročitajte i šta se tu najčešće propusti.

GoSimple · Ivan Dabetić

Izvori (provereno 12.10.2026)

• Addy Osmani, problem 70 odsto: https://addyo.substack.com/p/the-70-problem-hard-truths-about
• Addy Osmani, problem 80 odsto (2026): https://addyo.substack.com/p/the-80-problem-in-agentic-coding
• Prošireno izdanje sa spiskom poslednjih 30 odsto: https://addyosmani.com/agentic-engineering/the-70-percent-problem/
• Stack Overflow, istraživanje 2025: https://survey.stackoverflow.co/2025/ai
• METR, kontrolisano istraživanje brzine: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
• Claude Code, preporučeni tok rada: https://code.claude.com/docs/en/best-practices