Godinama smo od svakog developera očekivali da jasno komunicira sa ljudima: da napiše dobar User Story, logično objasni arhitektonsku odluku, precizno definiše kriterijume prihvatanja i do detalja opiše bug. Međutim, u 2026. godini toj listi dodajemo još jednog, prilično neobičnog sagovornika – veštačku inteligenciju.
I tu se suočavamo sa jednom pomalo neprijatnom istinom: tim koji ne ume jasno i precizno da objasni posao čoveku, najčešće neće umeti to da objasni ni AI agentu. Prompt Engineering zato više nije samo puki trik za dobijanje malo boljeg odgovora iz nekog chatbot-a. On postaje nova forma specifikacije, delegiranja, kontrole i prenosa konteksta unutar modernog Agile razvoja.
Kraj ere „magičnih reči“
Kada danas posmatram industriju, jasno mi je da Prompt Engineering u Agile timovima ne smemo više da tretiramo kao neku egzotičnu specijalizaciju. Ako pogledamo Stack Overflow Developer Survey 2026, videćemo da 65,9% developera koristi AI asistente, a preko 26% koristi kompleksne AI agente. Sposobnost da sistemu prenesete cilj, kontekst i ograničenja sada je deo svakodnevnog inženjeringa.
Najvažnija promena kojoj svedočim jeste prelazak sa klasičnog Prompt Engineering-a (gde tražimo savršenu rečenicu) na Context Engineering (inženjering konteksta). Modelu više nije dovoljna komanda, on mora dobiti informacije o našem repozitorijumu, pravilima i očekivanom rezultatu.
Kada korisnik napiše kratko: „Napravi login“, AI će nešto napraviti, i to verovatno brzo. Ali šta za nas znači taj login? Da li je to email i šifra? Da li koristimo Google ili Microsoft SSO? Kakva su pravila za šifre? Što je AI sposobniji, to ovakav nejasan zahtev postaje opasniji. Sposoban agent će sam popuniti praznine, izmeniti deset fajlova i vratiti vam kod zasnovan na pretpostavkama koje vi nikada niste odobrili.
Zato Prompt Engineering za mene nije umetnost pisanja dugih eseja veštačkoj inteligenciji. To je isključivo smanjivanje prostora za pogrešne pretpostavke.
Sličnost sa savršenim tiketom
Ako pažljivo pogledate, dobar prompt i dobar User Story imaju neverovatno mnogo zajedničkog. I jedan i drugi zahtevaju jasan problem, kontekst, željeni rezultat, ograničenja i kriterijume po kojima znamo da je posao završen.
Ako imamo loš tiket koji kaže samo „Popravi checkout“, problem tu nije veštačka inteligencija. Problem je naš proces. Ako Product Owner i developer ne umeju da definišu šta tačno znači to „popravljeno“, ne možemo očekivati da AI ima mističnu sposobnost čitanja misli. Jedina razlika je u tome što AI čini lošu specifikaciju mnogo skupljom – jer je izvršava neuporedivo brže. Za dvadeset minuta, agent na osnovu lošeg prompta može da razvije kod, testove i dokumentaciju, šireći jednu te istu grešku kroz sve slojeve sistema.
Kontekst kao stvarni inženjerski problem
Kada su developeri u pomenutom Stack Overflow istraživanju upitani šta ih košta najviše vremena pri radu sa AI alatima, 69,3% je navelo uverljiv, ali potpuno pogrešan kod, dok je skoro polovina (49,3%) istakla nedostatak konteksta.
Model ne poznaje našu istoriju. On ne zna zašto jedna čudna klasa mora da ostane baš takva, niti zašto ne koristimo najnoviji framework. AI vidi samo kod, dok tim zna priču iza tog koda. Zato GitHub danas omogućava da se instrukcije za agente (poput AGENTS.md fajlova) čuvaju direktno u repozitorijumu. Prompt tako prestaje da bude lični trik koji čuvam u svom clipboard-u, i postaje zajednički inženjerski resurs koji se pregleda, menja i verzioniše (baš kao i svaki drugi kod).
Međutim, ako ne pazimo, možemo upasti u zamku takozvanog „Prompt duga“ (Prompt Debt). Ako godinama gomilamo instrukcije i pravila, pa jedna komanda kaže „Koristi REST“, a druga „Novi servisi koriste GraphQL“, model dobija kontradiktoran kontekst. Zato i prompt biblioteke moraju imati svog vlasnika i jasan ciklus održavanja.
Nova uloga celog tima
Uopšte ne verujem da će budućnost doneti poziciju „Prompt inženjera“ za svaki pojedinačni tim. Umesto toga, ta veština će postati obavezna pismenost za sve.
- Product Owner će koristiti promptovanje za generisanje scenarija i analizu povratnih informacija. Njegov zadatak neće biti traženje „lepog odgovora“, već davanje poslovnog konteksta modelu, uz strogo zadržavanje prava na donošenje finalne odluke.
- Developer se pomera ka delegiranju. Prompt postaje jezik kojim on agentu definiše šta da ne dira, koje testove očekuje i šta nikako nije deo zadatka.
- QA inženjer dobija fantastičnu ulogu! Umesto „napiši mi test“, on sada može da pita agenta: „Kreiraj testove koji pokušavaju da prekrše naše kriterijume prihvatanja“. AI postaje kritičar našeg koda, a ne samo saradnik koji slepo potvrđuje rešenja.
- Scrum Master može koristiti promptove da bi identifikovao sistemska uska grla iz retrospektiva, strogo pazeći da se to ne pretvori u digitalni mikromenadžment pojedinaca.
Kako zapravo izgleda budućnost?
Dobar prompt nikada neće moći da spasi lošu Agile kulturu. Ako mi kao tim ne znamo koja je aktuelna arhitektonska odluka, AI ne može magično da je izmisli. Zato me raduje što će potreba za kvalitetnim kontekstom konačno naterati timove da srede svoju internu dokumentaciju. Zastareli Wiki portali će morati da postanu strukturirani podaci razumljivi mašinama.
Isto tako, promptove moramo početi da testiramo kao i sam kod. Subjektivna procena tipa „ovo mi deluje bolje“ više nije dovoljna. Moramo da merimo da li naš novi prompt smanjuje vreme pregleda koda, da li smanjuje broj grešaka i da li prati bezbednosna pravila.
Za nekoliko godina, možda više nećemo ni gledati u prazan chat boks na ekranu. Agent će automatski dobiti tiket, kontekst, pravila i polise, a vi ćete otkucati samo jednu rečenicu. Ali iza te jedne rečenice stajaće ozbiljan inženjerski sistem.
U ozbiljnom razvoju softvera sutrašnjice, neće pobeđivati onaj ko zna najviše „magičnih AI formula“. Pobeđivaće onaj ko zna tačno šta pokušava da napravi, koje su granice njegovog sistema i kako će dokazati da to rešenje radi.
FAQ – Prompt Engineering u Agile softverskim timovima
Šta je tačno Prompt Engineering? To je sistematsko definisanje jasnih instrukcija, ciljeva, konteksta i ograničenja za generativni AI sistem, kako bismo dobili pouzdan i očekivan rezultat.
Zašto on prestaje da bude „magija“, a postaje inženjering? Zato što timovi sve više delegiraju ozbiljne zadatke poput kodiranja i testiranja agentima. Kvalitet te instrukcije (prompta) direktno utiče na to da li će rezultat biti funkcionalan kod ili stotine linija skrivenih grešaka.
Šta je „Context Engineering“ (Inženjering konteksta)? To je šira slika Prompt Engineering-a. Ne fokusiramo se samo na samu rečenicu koju kucamo, već na upravljanje svim informacijama koje model ima – kodom u repozitorijumu, internim pravilima, alatima i dokumentacijom.
Šta je to „Prompt Debt“ (Prompt dug)? To je problem koji nastaje kada tim nagomila mnoštvo zastarelih, kontradiktornih ili nepotrebnih AI instrukcija tokom vremena, što otežava agentima da donesu ispravne odluke.
Da li dobar prompt garantuje dobar kod? Ne! Generativni AI modeli su nedeterministički – isti prompt može dati različite rezultate. Zato dobri promptovi uvek moraju ići ruku pod ruku sa rigoroznim testiranjem koda.
Kako QA stručnjaci mogu da iskoriste ovu veštinu? Tako što neće tražiti od agenta da samo napiše klasične testove, već će ga koristiti kao „kritičara“ (Adversarial testing) koji aktivno traži načine da prekrši postavljena pravila i sruši sistem.
Šta je „Prompt Injection“ i zašto je opasan? To je bezbednosni napad gde se maliciozna instrukcija podmetne AI agentu. Ovo je posebno opasno kod agenata koji imaju pristup vašem repozitorijumu, terminalu ili bazi podataka.
Da li će zanimanje „Prompt inženjer“ nestati? Kao specifična titula za jednog čoveka u timu – verovatno. Međutim, sama veština će postati osnovna, svakodnevna pismenost koju će morati da poseduju svi: od developera i QA inženjera, do Scrum Mastera i Product Ownera.
