U današnjem svetu gde se tehnologija razvija brzinom svetlosti, postavlja se pitanje koje muči mnoge: da li smo na ivici revolucije koja će učiniti softverske inženjere suvišnim? Zamislite scenarij u kojem umetnička inteligencija ne samo da piše kod, već i rešava bugove, planira projekte i čak uči iz grešaka – sve to autonomno, bez potrebe za ljudskim nadzorom. Alati poput Devina (autonomnog AI softverskog inženjera) i AutoGPT-a (otvorenog koda agenta za autonomne zadatke) već sada izazivaju burne diskusije. Neki ih vide kao spasitelje produktivnosti, drugi kao pretnju egzistenciji hiljada poslova. Ali, hajde da budemo iskreni – ovo nije samo hype koji će proći kao prolazna moda. Ovo je potencijalna promena paradigme u IT industriji, i ako se ne pripremimo, mnogi će ostati iza. U ovom tekstu, duboko ćemo zaroniti u svet agentnog AI-a, analizirati primere iz prakse, proceniti uticaj na poslove i pokušati predvideti šta nas čeka u budućnosti. Jer, ako je nešto sigurno, to je da se svet softverskog razvoja neće vratiti na staro.
Šta su uopšte agentni AI?
Počnimo od osnova, jer mnogi još uvek mešaju pojmove. Agentni AI, ili agentic AI na engleskom, predstavlja sledeći korak u evoluciji umetničke inteligencije. Za razliku od klasičnih AI modela poput ChatGPT-a, koji su reaktivni – dakle, odgovaraju na upite korisnika – agentni AI je proaktivan. On samostalno planira, izvršava zadatke i adaptira se na promene. U suštini, to je sistem koji može da „misli“ u više koraka, koristi alate iz okruženja i donosi odluke bez stalne intervencije čoveka.
Da pojasnimo: zamislite da date nalog AI-u „napravi veb aplikaciju za praćenje troškova“. U klasičnom AI-u, dobijete savet ili deo koda. Ali agentni AI ide dalje – on će dekomponovati zadatak u korake: istražiti zahteve, izabrati tehnologije (npr. React za frontend, Node.js za backend), napisati kod, testirati ga, deploy-ovati na server i čak popraviti bugove ako se pojave. Ovo se postiže kroz kombinaciju velikih jezičkih modela (Large Language Models – LLM) sa agentnim okvirima koji omogućavaju iterativno razmišljanje i interakciju sa spoljnim sistemima.
Prema izveštajima iz 2025. godine, poput onog iz Gartnera, agentni AI će do 2027. godine biti integrisan u 80% softverskih razvojnih timova, jer omogućava brži ciklus razvoja. Ali, nije sve tako ružičasto. Ovi sistemi još uvek zavise od kvalitetnih podataka i ljudskog nadzora u složenim scenarijima. Na primer, ako AI pogrešno protumači zahtev, rezultat može biti katastrofalan – od sigurnosnih propusta do nepotrebnih troškova. Ipak, evolucija je očigledna: od prvih eksperimenata poput AutoGPT-a 2023. godine, do sofisticiranih agenata poput Devina u 2025., vidimo prelazak od laboratorijskih igračaka ka realnim alatima za biznis.
Šta pokreće ovu tehnologiju? U srcu je „agentni okvir“ (agent framework), poput LangChain ili CrewAI, koji omogućava AI-u da koristi „alatkama“ – API-jevima, bazama podataka ili čak drugim AI modelima. Ovo nije samo automatizacija; ovo je autonomija. I tu dolazimo do ključnog pitanja: ako AI može da radi ono što rade inženjeri, šta će biti sa nama?
Primeri agentnog AI u akciji: Devin i AutoGPT
Hajde da konkretizujemo. Dva najpoznatija primera agentnog AI u softverskom inženjeringu su Devin iz Cognition Labs-a i AutoGPT, open-source projekt koji je pokrenuo talas entuzijazma.
Počnimo sa Devinom. Lansiran 2024. godine, ali sa značajnim ažuriranjima u 2025., Devin se predstavlja kao „prvi AI softverski inženjer“ (first AI software engineer). Razvijen od strane Cognition Labs-a, startup-a koji je privukao investicije od preko 100 miliona dolara, Devin može da obavlja kompletne projekte: od planiranja preko kodiranja do deploy-a. Na primer, u demonstraciji iz marta 2025., Devin je samostalno kreirao veb aplikaciju za praćenje zaliha u skladištu. Koristio je GitHub za kolaboraciju, testirao kod u realnom vremenu i čak popravio bugove koje je sam „otkrio“. Prema benchmarku SWE-Bench, Devin rešava 13,86% realnih GitHub problema samostalno – to je 2x bolje od prethodnih modela.
Ali, nije sve savršeno. U praksi, Devin još uvek zahteva ljudski input za složene odluke, poput arhitektonske dizajna ili integracije sa legacy sistemima (starijim sistemima). Jedan primer iz prakse: kompanija Itaú, najveća brazilska banka, integrisala je Devina u svoj SDLC (Software Development Life Cycle – ciklus razvoja softvera) u 2025. Rezultat? 5-6x brža migracija projekata, automatsko popravljanje 70% sigurnosnih ranjivosti i dokumentacija preko 300.000 repozitorijuma. Ovo nije samo brzina; ovo je skalabilnost. Itaú ima 17.000 inženjera, a Devin je pomogao da se redukuje vreme na rutinske zadatke, omogućavajući fokus na inovacije.
S druge strane, AutoGPT je otvorenog koda (open-source) i pristupačniji. Lansiran 2023., ali sa nadogradnjama u 2025., AutoGPT koristi GPT modele da dekomponuje zadatke u korake i izvršava ih autonomno. Na primer, možete mu reći „kreiraj skriptu za analizu podataka iz CSV fajla“ – on će istražiti, napisati Python kod, testirati ga i čak integrisati sa alatima poput Pandas-a. U praksi, AutoGPT se koristi u malim timovima za automatizaciju repetitivnih zadataka, poput debagovanja ili generisanja testova. Jedan slučaj: startup Klarna koristio je slične agente da smanji broj zaposlenih za 40% u 2025., automatizujući customer support i jednostavne kodne zadatke.
Ovi primeri pokazuju da agentni AI nije samo teorija. U 2025., kompanije poput Goldman Sachs-a testiraju Devina za automatizaciju softverskih zadataka, dok open-source zajednica koristi AutoGPT za eksperimente. Ali, evo oštrog dela: ovi alati su još uvek ograničeni. Devin može da padne na složenim problemima gde je potrebno duboko razumevanje konteksta, a AutoGPT često ulazi u petlje ako zadatak nije precizno definisan. Ipak, brzina napretka je zastrašujuća – od 2023. do 2025., efikasnost se udvostručila.
Kako agentni AI rade: Tehnički duboko, ali razumljivo
Da bismo razumeli zašto ovi alati izazivaju paniku, moramo zaroniti u njihov mehanizam. Agentni AI je zasnovan na konceptu „autonomnog agenta“ (autonomous agent), koji kombinuje LLM sa okvirom za planiranje i izvršenje.
Prvi korak je dekompozicija zadatka (task decomposition). AI koristi tehnike poput „Chain of Thought“ (lanac misli) da razbije kompleksan zahtev na podzadatke. Na primer, za „napravi web app“, to može biti: 1) Razumeti zahteve, 2) Izabrati stack (npr. MERN), 3) Napisati frontend, 4) Backend, 5) Testirati, 6) Deploy-ovati.
Zatim dolazi planiranje. Koristi algoritme poput ReAct (Reasoning and Acting) da iterativno razmišlja: „Šta sam uradio? Šta je sledeće? Da li treba popraviti grešku?“ Ovo je ključno – za razliku od statičnog AI-a, agent može da adaptira plan ako naiđe na problem.
Izvršenje se dešava kroz „alatkama“ (tools). Devin, na primer, koristi browser za istraživanje, terminal za pokretanje koda, Git za verzionisanje. U 2025., ovi alati su integrisani sa cloud servisima poput AWS-a ili Azure-a, omogućavajući automatski deploy.
Ali, evo kritike: ovi sistemi su još uvek „krhki“ (brittle). Ako input nije jasan, AI može da generiše netačan kod. Prema Stanfordskom istraživanju iz 2025., agentni AI pokazuje pad efikasnosti od 20% u entry-level poslovima, ali samo 5% u složenim. To znači da su oni odlični za rutinu, ali loši za inovacije.
U praksi, kompanija Accenture koristila je agente za automatizaciju 11.000 poslova u 2025., ali sa ljudskim nadzorom za ključne odluke. Ovo pokazuje da agentni AI nije neprijatelj, već partner – ali partner koji može da „pojednostavi“ mnoge poslove.
Uticaj na softverske inženjere: Evolucija ili izumiranje?
Sada dolazimo do srži: da li agentni AI označava kraj softverskog inženjeringa? Ovo pitanje je provokativno, jer dok neki vide utopiju brzog razvoja, drugi vide distopiju masovnih otpuštanja.
Počnimo sa činjenicama. Prema Morgan Stanleyjevom izveštaju iz 2025., AI je doveo do pada od 13% u zapošljavanju mladih inženjera (22-25 godina) u AI-ekspoziranim poljima. Razlog? Kompanije poput Klarne smanjile su timove za 40%, koristeći agente za rutinske zadatke. Stanford ekonomisti potvrđuju: „Strukturna promena“ u 2025. dovela je do pada od 20% u specifičnim okupacijama.
Ali, je li to izumiranje? Ne baš. Umesto toga, to je evolucija. Poslovi se menjaju: od pisanja koda do „orkestracije agenata“ (orchestrating agents). Inženjeri će se fokusirati na više nivoe – arhitekturu, etiku AI-a, integraciju sistema. Gartner predviđa da će do 2027. 80% inženjera morati da se usavrši za rad sa AI-om, jer će agenti obavljati 60% repetitivnog koda.
Ovo će najviše pogoditi entry-level poslove. Mladi inženjeri, koji su tradicionalno učili kroz rutinu, sada će se suočiti sa manje prilika. Prema Klarni, AI je zamenio „rutinske“ uloge, ali stvorio nove za „prompt inženjere“ (prompt engineers – inženjere za upite). Slično, Goldman Sachs pilotira Devina, što brine 12.000 inženjera, ali obećava brži razvoj.
U 2025., brazilska banka Itaú koristila je Devina da podigne test pokrivenost na 2x, ali sa ljudskim timovima koji nadziru. Ovo pokazuje hibridni model: AI radi brzo, ljudi osiguravaju kvalitet. Ali, za manje kompanije, ovo može značiti manje zapošljavanja – zašto unajmiti juniora kad agent može da uradi posao za 200 dolara mesečno?
Ako se ne adaptiramo, da, mnogi će „izumreti“. Ali, oni koji nauče da koriste agente će postati „super-inženjeri“. Klarna CEO je rekao: „AI će nas učiniti boljim, bržim.“ Ali, za one sa niskim skillovima, ovo je upozorenje.
Primeri iz prakse: Gde agentni AI već menja svet
Da ne ostane na teoriji, pogledajmo realne primere iz 2025.
Itaú banka: Sa 17.000 inženjera i stotinama hiljada repozitorijuma, Itaú je integrisao Devina u SDLC. Rezultati? 5-6x brža migracija projekata, automatsko popravljanje 70% sigurnosnih ranjivosti, dokumentacija 300k+ repo-a. Ovo nije samo ušteda vremena; ovo je smanjenje troškova za milione. Ali, zanimljivo: ljudski timovi su još uvek neophodni za strateške odluke, poput compliance sa regulativama.
Klarna, fintech kompanija: U 2025., Klarna je koristila agente da smanji tim za 40%, automatizujući customer support i kodne zadatke. CEO je rekao: „AI je zamenio rutinu, omogućavajući fokus na inovacije.“ Primer: agenti su automatizovali generisanje izveštaja, što je ranije zahtevalo dane.
Goldman Sachs: Pilotiranje Devina za softverske zadatke u 2025. Ovo je dovelo do bržeg debagovanja, ali i straha među inženjerima. Izveštaj pokazuje 20% brži ciklus razvoja, ali sa ljudskim auditom za sigurnost.
Open-source primer: AutoGPT u malim startupovima. Jedan slučaj: startup za analizu podataka koristio je AutoGPT da automatizuje ETL procese (Extract, Transform, Load – ekstrakcija, transformacija, učitavanje), smanjujući vreme sa nedelja na sate. Ali, kada je došlo do složenog podatka, ljudski input je bio ključan.
Ovi primeri pokazuju da agentni AI radi, ali nije magija. U 2025., prema Deloitte-u, 25% kompanija testira agente, a do 2027. 50%. Ali, uspeh zavisi od integracije sa postojećim timovima.
Budućnost: Šta nas čeka u 2026. i dalje?
Gledajući napred, agentni AI će evoluirati ka „multi-agent sistemima“ (multi-agent systems), gde više agenata sarađuju – jedan planira, drugi kodira, treći testira. Gartner predviđa da će do 2028. 33% enterprise softvera koristiti agente, a do 2030. tržište dostići 42 milijarde dolara.
Ne izumiranje, već evolucija. Do 2026., 40% rutinskih poslova nestaje (prema IBM-u), ali novi se stvaraju – AI treneri, etički supervizori, agent orkestratori. Stanford predviđa pad entry-level poslova, ali rast u višim rolama sa 18% većim platama za AI-skillovane.
Ako AI dostigne AGI (Artificial General Intelligence – opšta veštačka inteligencija) do 2030., moguće je masovno premeštanje poslova. Ali, realnije: hibridni model, gde ljudi rade sa agentima. Primer: Klarna predviđa „vibecode“ – gde inženjeri vibriraju sa AI-om za kreativne zadatke.
Ako se ne adaptiramo, više će nas zameniti ne AI, već oni koji ga koriste. Budućnost je u upskilling-u: učite prompt engineering, agent orkestraciju, etiku AI-a.
Ključne tačke i poziv na akciju
Agentni AI nije kraj softverskog inženjeringa – to je njegova evolucija. Ključne tačke:
- Agentni AI automatizuje rutinu, ali zahteva ljudski nadzor za kompleksnost.
- Primeri poput Devina i AutoGPT pokazuju realan uticaj, sa bržim razvojem i uštedama.
- Poslovi će se promeniti: fokus na više nivoe, sa padom entry-levela.
- Budućnost: Hibridni modeli do 2030., sa novim rolama.
Ako vas ovo brine, počnite danas: eksperimentišite sa AutoGPT-om, učite o Devin-u. Podignite diskusiju – podelite ovaj tekst na društvenim mrežama, diskutujte sa kolegama. Jer, u svetu AI-a, oni koji se adaptiraju, prežive. A vi, da li ste spremni?
