Key takeaways:
-
U 2026. godini više od 40% IT veština postaje delimično zastarelo zbog ekspanzije AI-ja i konsolidacije uloga.
-
Pisanje rutinskog koda, čisto ručno QA testiranje, duboko vezivanje za legacy jezike, izolovo on-premise održavanje i slepo poznavanje jednog framework-a više ne donose stabilnost.
-
Tržište nagrađuje sistemsko razmišljanje, AI fluentnost, cloud-native pristup sa FinOps svesnošću, DevSecOps i orkestraciju AI agenata.
-
U ovom tekstu razlažemo šta je izgubilo vrednost, koje veštine preuzimaju primat i kako sačuvati karijernu relevantnost bez ulepšavanja.
Tržište rada u IT-u 2026. godine nema nikakve veze sa onim iz 2022. ili 2024. godine. AI alati i agentni sistemi odavno su postali svakodnevna stvarnost. Juniori više ne dobijaju posao samo zato što znaju da samostalno napišu osnovnu CRUD aplikaciju, dok seniori koji se i dalje ponose time što ručno pišu svaki red koda deluju sporije i neefikasnije od svojih kolega.
Draup i drugi izveštaji ukazuju na to da je značajan deo postojećih IT veština prevaziđen ili transformisan. To ne znači da poslovi nestaju – to znači da se način rada promenio brže nego što su mnogi želeli da priznaju.
Evo 5 veština koje su u 2026. godini najliže tome da postanu potpuno beskorisne za ozbiljan napredak u karijeri – i šta stvarno treba učiti umesto njih.
1. Pisanje velikog volumena boilerplate i rutinskog koda od nule
Nekada je bilo impresivno kada neko u kratkom roku napiše kompletnu CRUD aplikaciju, REST API-je, forme i osnovne validacije. Danas to AI agenti i copilot alati generišu za nekoliko minuta. Developeri koji i dalje troše sate na rutinski kod gube dragoceno vreme.
To ne znači da programiranje nestaje. Znači da se težište prenelo sa kucanja na razumevanje arhitekture: šta tačno treba napraviti, kako to integrisati, kako testirati na nivou celog sistema i kako rešiti bag kada AI pogreši. Ljudi koji su izgubili sposobnost dubokog razmišljanja jer su se preslepo oslonili na AI generisanje, već osećaju posledice u produkciji.
-
Šta učiti umesto toga: Sistemsko razmišljanje, dizajn arhitekture, precizno definisanje zahteva, evaluaciju AI output-a i orkestraciju agenata (agent orchestration). Naučite kako da razbijete složen problem na manje celine, postavite granice i verifikujete rezultat. To je domen u kom čovek i dalje ima ključnu prednost.
2. Duboko ulaganje u umiruće ili čisto legacy jezike za nove projekte
Perl, čisti Objective-C, stariji VB/VBA pristupi, teški fokus na PL/SQL bez modernog cloud konteksta i slični jezici i dalje imaju svoju svrhu u održavanju starih sistema, ali su praktično bez potražnje za greenfield projekte.
Ako vaša glavna kompetencija leži u tehnologiji koja se više ne bira za nove sisteme, vaša karijera se neminovno sužava na održavanje – a i tamo se budžeti i pritisci menjaju.
-
Šta učiti umesto toga: Moderni ekosistem – Python (i dalje nezaobilazan u AI/Data svetu), TypeScript, Go ili Rust za sistemske komponente, uz jaku cloud i data komponentu. Važnije od samog jezika jeste razumevanje modernih distribuiranih arhitektura i sposobnost da brzo usvojite novi alat.
3. Ručno, repetitivno testiranje i osnovni QA bez automatizacije
Klasični QA testeri koji isključivo ručno prolaze kroz testne scenarije i pišu bug izveštaje po starom šablonu sve teže nalaze angažman. AI i automatizovani alati danas sami generišu testove, predviđaju potencijalna uska grla i pokrivaju regresiono testiranje neuporedivo brže. Ručni rad ostaje vezan za uske niše (istraživačko testiranje, UX i specifične edge case situacije), ali se ukupan obim klasičnog ručnog posla drastično smanjio.
-
Šta učiti umesto toga: Automatizaciju testiranja (AI-assisted testing), razumevanje kvaliteta na nivou celog sistema, observability (opservabilnost) i testiranje performansi. Mnogo je stabilnije graditi i održavati test infrastrukturu nego ručno kliktati po interfejsu.
4. Čista on-premise administracija bez cloud i IaC znanja
Rečenica „znam da podignem fizicki server, konfigurišem mrežu i rešavam probleme na lokalnoj mašini” više nije dovoljna za moderne sisteme. Većina novih rešenja je cloud-native ili hibridna. Kompanije traže stručnjake koji razumeju Infrastructure as Code (Terraform, OpenTofu), Kubernetes, CI/CD pipeline, optimizaciju troškova (FinOps) i bezbednost u oblaku.
-
Šta učiti umesto toga: Cloud platforme (AWS, Azure ili GCP – bar jednu temeljno), Infrastructure as Code, kontejnerizaciju i orkestraciju, cloud security i svesnost o finansijskoj optimizaciji resursa. Platform engineering i SRE (Site Reliability Engineering) pristup donose daleko veću vrednost.
5. „Znam taj framework verziju X” kao glavna karijerna karta
Vreme poluraspada IT veština dodatno se skratilo. Framework koji ste detaljno savladali pre dve ili tri godine danas može biti potisnut novim paradigmama. Inženjeri koji grade karijeru isključivo na poznavanju specifičnih sintaksnih detalja jedne verzije alata brzo ostaju bez tržišnog aduta. Alati se menjaju, ali principi ostaju.
-
Šta učiti umesto toga: Temeljne principe inženjeringa (distribuirani sistemi, bezbednost, strukture podataka, performanse), AI fluentnost (razumevanje ograničenja modela, evaluacija i integracija) i adaptabilnost. Observability, data engineering i DevSecOps pružaju neuporedivo stabilniju osnovu.
Šta tržište stvarno traži u 2026.
Potražnja se jasno profilisala oko sledećih oblasti:
-
AI/ML inženjering i operativizacija modela (LLMOps/LLM engineering)
-
Cloud Security i DevSecOps
-
Data Engineering i Platform Engineering
-
Kubernetes, SRE i Observability
-
Integritet i spajanje AI sistema sa postojećim biznis procesima
Pored tehničkih veština, takozvane soft veštine – poslovna komunikacija, razumevanje finansijskog uticaja i sposobnost jasnog objašnjavanja tehničkih rizika menadžmentu – donose ogromnu prednost.
U Srbiji i regionu situacija prati globalni trend. Outsourcing kompanije i lokalni produkt timovi traže inženjere koji umeju da rade sa modernim stack-om i AI alatima. Više o ugroženim zanimanjima, DevSecOps roadmap-u i primeni agentnog AI-ja možete pročitati u povezanim analizama na ITNetwork.rs.
Realnost bez ulepšavanja
Niko ne tvrdi da treba da zaboravite sve što ste godinama učili – legacy znanje i dalje ima svoju cenu u održavanju postojećih sistema. Ali ako svoju budućnost gradite na veštinama koje AI automatizuje ili koje tržište napušta, rizik postaje preveliki.
Najbolje što možete da uradite jeste da ovladate AI alatima umesto da ih posmatrate kao pretnju, da razumete sisteme šire od pojedinačnog alata i da razvijate veštine koje imaju dugoročnu vrednost. Tržište 2026. ne nagrađuje one koji najbrže kucaju kod, već one koji najbolje razumeju šta treba napraviti i kako to stabilno održavati u produkciji.
