Senioritet u doba AI alata: Šta danas zapravo deli mlađeg developera od arhitekte

Pisanje sintaksno ispravnog koda zahvaljujući veštačkoj inteligenciji postalo je trivijalan zadatak, ali eksplozija naprednih asistenata kreira opasnu iluziju brzine i lažni osećaj senioriteta kod mlađih inženjera. Najvažniji uvid ovog teksta jeste da veštačka inteligencija ne rešava sistemski dizajn (system design), domensku logiku i pravnu ili operativnu odgovornost za padove produkcije, već samo drastično ubrzava fazu tipkanja koda. U nastavku analize dubinski raščlanjujemo kako se menja definicija inženjeringa, zašto je takozvani „vibe coding“ tihi ubica arhitekture, na koji način skriveni tehnički dug ugrožava sisteme i koje konkretne veštine danas razdvajaju pukog operatera AI promptova od softverskog arhitekte koji razume širu sliku poslovanja.

Iluzija brzine i lažna produktivnost: Zašto više koda ne znači i bolji softver

Do pre samo nekoliko godina, granica između juniorskog i seniorskog nivoa u softverskom inženjeringu bila je prilično jasna i mjerljiva. Mlađi developer (junior developer) provodio je sate boreći se sa sintaksom, čitajući zvaničnu dokumentaciju, tražeći rešenja za opskurne greške na platformi Stack Overflow i pišući osnovne CRUD (Create, Read, Update, Delete) funkcije. Senior je, sa druge strane, iste te zadatke rešavao iz glave za desetostruko manje vremena, jer je u memoriji imao ugrađene obrasce i godine iskustva.

Danas, pojava alata kao što su GitHub Copilot, Claude Code i Cursor obezvređuje tu vrstu brzine. Mlađi developer sada može napisati stotine linija koda u programskom jeziku Python, TypeScript ili Go za svega nekoliko minuta. Dovoljno je da unese dobro opisan zahtev i AI će generisati kompletne kontrolere, servise, pa čak i unit testove (jedinične testove). Na prvi pogled, deluje kao da je razlika u produktivnosti između juniora i seniora potpuno nestala.

Međutim, ovde ulazimo u opasnu zamku. Povećanje obima napisanog koda po satu (Lines of Code – LOC) nikada nije bilo pravo merilo inženjerske zrelosti, a u doba veštačke inteligencije postalo je potpuno apsurdna metrika. Mnoge analize u stručnim izveštajima koje objavljuje Thoughtworks Technology Radar ukazuju na to da nekontrolisana upotreba generativnog koda dovodi do hiperprodukcije koda lošeg kvaliteta koji deluje ispravno na površini, ali krije strukturne nedostatke.

Kada AI izgeneriše 500 linija koda, on ne razmišlja o tome kako će se taj kod ponašati kada baza podataka naraste na desetine terabajta, niti kako će uticati na latenciju (mrežno kašnjenje) u distribuiranom sistemu. Generisani kod je lokalno optimizovan za trenutni fajl ili funkciju, ali je globalno neusklađen sa ostatkom arhitekture. Tu nastaje prvi velika provalija u senioritetu: mlađi developer vidi kod koji radi na njegovom lokalnom računaru, dok senior ili arhitekta vidi sistemski rizik koji će eksplodirati za šest meseci.

Anatomija „vibe coding“ fenomena i zamka lažnog senioriteta

U inženjerskim krugovima sve se češće koristi termin „vibe coding“ – praksa u kojoj programer skoro u potpunosti prepušta pisanje i strukturiranje koda AI agentima, usmeravajući razvoj isključivo kroz intuiciju i brze prepravke promptova bez detaljnog čitanja generisanog outputa (izlaza). Dok ovaj pristup može funkcionisati za brzu izradu prototipa (Proof of Concept – PoC) ili za vikend projekte, njegovo prelivanje u produkcione sisteme velikih kompanija stvara lažni osećaj kompetentnosti.

Inženjer koji se oslanja primarno na „vibe coding“ razvija površno razumevanje sopstvenog koda. Kada sistem funkcionise, sve deluje sjajno. Međutim, onog momenta kada u produkciji dođe do nepredviđenog stanja – na primer, kada dođe do curenja memorije (memory leak), trke za resursima (race condition) ili neočekivanog ponašanja u asinhronom izvršavanju – takav developer postaje potpuno bespomoćan.

Pravi senioritet ne meri se po tome koliko brzo možete dodati novu funkcionalnost u aplikaciju uz pomoć AI-ja. Senioritet se meri brzinom i preciznošću kojom možete dijagnostikovati i sanirati kvar kada produkcija padne u tri sata ujutru, a AI agenti nude tri različita i potpuno pogrešna odgovora jer nemaju uvid u stanje mrežne infrastrukture.

Mlađi developeri često brkaju poznavanje sintakse sa poznavanjem softverskog inženjeringa. Sintaksa je samo medijum, isto kao što je četkica medijum za slikara. Veštačka inteligencija je automatizovala rukovanje četkicom, ali nije i ne može automatizovati smisao slike, kompoziciju i izbor platna.

Arhitektura nije sintaksa: Granica koju algoritmi ne mogu lako da pređe

Šta je to što zapravo radi softverski arhitekta (Software Architect) i zašto je njegova uloga u doba veštačke inteligencije postala još značajnija i teža nego ranije?

Softverska arhitektura je umetnost i nauka upravljanja kompromisima (trade-offs). Svaka odluka u razvoju softvera nosi sa sobom cenu. Ako izaberete mikroservisnu arhitekturu umesto modularnog monolita, dobijate nezavisnost timova u razvoju, ali plaćate ogromnu cenu u vidu mrežne kompleksnosti, eventualne konzistentnosti (eventual consistency) i komplikovanijeg nadzora nad sistemom (observability). Ako izaberete NoSQL bazu umesto relacione, dobijate fleksibilnost šeme i skalabilnost upisa, ali gubite ACID garancije (Atomicity, Consistency, Isolation, Durability) na nivou baze.

AI alati trenutno nemaju sposobnost da vagaju ove kompromise u realnom poslovnom okruženju. Veliki jezički modeli (LLM) su deterministički u svojoj sintaksi, ali probabilistički u svojoj logici. Oni funkcionišu po principu predviđanja sledećeg najverovatnijeg tokena na osnovu ogromne količine podataka iz prošlosti. Međutim, arhitektura se bavi budućnošću i specifičnim, često jedinstvenim kontekstom vaše kompanije.

Arhitekta mora da uzme u obzir faktore koje AI uopšte ne vidi u svom kontekstnom prozoru (context window):

• Trenutni nivo znanja i veličinu inženjerskog tima.

• Budžet za cloud infrastrukturu i troškove održavanja.

• Zakonske i regulatorne zahteve poput GDPR-a ili HIPAA standarda.

• Dugoročnu poslovnu strategiju kompanije u narednih tri do pet godina.

Na primer, ako zamolite AI agenta da dizajnira sistem za obradu transakcija u banci, on će generisati školski primer sa mikroservisima, porukama kroz Apache Kafka sistem i bazama u cloudu. Međutim, iskusni arhitekta će znati da je za dati obim transakcija i postojeći tim mnoštvo mikroservisa čisto rasipanje resursa i uvođenje nepotrebnih tačaka prekida (single points of failure). Arhitekta bira najjednostavnije moguće rešenje koje zadovoljava poslovne zahteve, dok AI naginje ka generisanju kompleksnih obrazaca jer je na takvim podacima treniran.

Bezbednost, garancija i prazne halucinacije u produkciji

Jedan od najkritičnijih domena u kojima se jasno uočava provalija između juniora i arhitekte jeste bezbednost softvera (software security) i upravljanje rizicima.

Generativni AI modeli imaju tendenciju da haluciniraju – odnosno sa potpunim samopouzdanjem generišu netačne informacije. U svetu kodiranja, ovo se često manifestuje predlaganjem nepostojećih biblioteka (packages) ili korišćenjem zastarelih, nebezbednih metoda koje su izbačene iz upotrebe. Nepažljivi mlađi developeri često bez provere instaliraju pakete koje im AI predloži, otvarajući vrata za napade kroz lanac snabdevanja (supply chain attacks) i takozvani typosquatting.

Pored toga, unutrašnja logika AI agenata može biti podložna manipulaciji. Kao što smo nedavno pisali u analizi o tome da li GitHub Issue može da napadne programera preko AI agenta, integracija AI agenata u razvojne procese otvara potpuno nove vektore napada kao što je indirektno ubacivanje komandi (Indirect Prompt Injection). Mlađi developer, koji doživljava AI agenta kao nepogrešivi autoritet, lako može prevideti kako spoljni zlonamerni ulaz menja ponašanje agenta i kompromituje lokalno razvojno okruženje ili CI/CD cevovod (Continuous Integration/Continuous Deployment pipeline).

Arhitekta razmišlja po principu nulte doze poverenja (Zero Trust architecture). On posmatra svaki kod koji je generisao AI sa istom dozom sumnje kao i kod koji je napisao neprovereni eksterni saradnik. Za arhitektu, AI nije kreator rešenja, već samo izuzetno brz pripravnik čiji se rad mora podvrgnuti rigoroznom pregledu koda (code review), statičkoj analizi koda (SAST) i dinamičkom testiranju bezbednosti (DAST).

Iznog izloženog proizilazi i najvažniji koncept: pravna i moralna odgovornost (accountability). Kada sistem otkaže, kada klijenti izgube podatke ili kada dođe do masovnog curenja poverljivih informacija, kompanija ne može pozvati na odgovornost algoritam ili LLM model. Odgovornost uvek snosi čovek – inženjer koji je potpisao pull request i arhitekta koji je odobrio dizajn sistema. AI nema odgovornost; čovek ima.

Skrivena ekonomija koda i eksplozija tehničkog duga

Pisanje koda postalo je jeftino, ali je njegovo održavanje postalo skuplje nego ikada pre. Ova finansijska realnost predstavlja još jedno ključno polje gde se lomi prepoznavanje pravog senioriteta.

Tradicionalno, tehnički dug (technical debt) nastajao je kada su timovi pod pritiskom rokova svesno pravili ustupke u kvalitetu koda kako bi što pre izbacili proizvod na tržište. U doba AI alata, tehnički dug nastaje nesvesno i enormnom brzinom. Kada developer generiše hiljade linija koda koje sam nije do kraja razumeo, on u sistem ubacuje skrivene slojeve kompleksnosti.

Međunarodno udruženje inženjera IEEE i analitička kuća Gartner u svojim istraživanjima predviđaju da će kompanije u narednim godinama trošiti drastično više sredstava na refaktorišući rad (refactoring) i čišćenje „AI šljake“ nego što su uštedele na početnoj izradi aplikacija. Kod koji je lako izgenerisati izuzetno je teško čitati i debugovati ako nije pratio stroge konvencije i modularnost.

Takođe, tu je i pitanje neefikasnosti resursa. AI često generiše kod koji radi u vremenskoj složenosti od $O(N^2)$ umesto $O(N \log N)$, jer je to bilo najjednostavnije rešenje za zadati skup podataka. Na malom uzorku tokom razvoja, razlika u brzini je neprimetna. Međutim, kada se takav kod pokrene u cloudu na milionima zapisa, troškovi procesorskog vremena (CPU consumption) i memorije rastu eksponencijalno.

Arhitekta razume ekonomiju softvera. On zna da svaki red koda koji uđe u repozitorijum predstavlja obavezu i trošak za kompaniju. Zbog toga je glavna uloga arhitekte često da kaže „ne“ dodavanju novog koda i da pronađe način kako da se problem reši brisanjem nepotrebnih funkcija ili reiskorišćavanjem postojećih komponenti.

Paradoks karijernog puta: Kako postati senior ako AI obavlja poslove za juniore?

Suočavamo se sa jednim od najvećih paradoksa moderne IT industrije. Ako AI alati danas sa lakoćom obavljaju sve bazične zadatke koji su tradicionalno bili rezervisani za juniore – pisanje jednostavnih skripti, kreiranje testova, ispravljanje sitnih bagova i pisanje dokumentacije – kako će mlađi developeri uopšte steći neophodno iskustvo da izrastu u seniore i arhitekte?

Ovo je pitanje koje muči menadžere i lidere širom sveta. Ranije se senioritet gradio kroz godine provedene u rutinskom radu gde su se greške pravile u bezbednom okruženju. Ako juniorima oduzmemo te polazne stepenice, rizikujemo da stvorimo generaciju inženjera koji znaju kako da zatraže kod od AI-ja, ali ne znaju kako taj kod zapravo funkcioniše ispod haube.

Da bi premostili ovaj jaz, mlađi developeri moraju korenito promeniti svoj pristup učenju i razvoju karijere:

• Pomeranje fokusa sa pisanja na čitanje i reviziju koda: Umesto da uče kako da napišu sintaksu, mlađi developeri moraju učiti kako da čitaju i kritički analiziraju tuđi (i AI) kod. Sposobnost da uočite logičku grešku u 200 linija generisanog koda postaje važnija od sposobnosti da tih 200 linija napišete iz glave.

• Masteriranje fundamentalnih naučnih osnova: Razumevanje operativnih sistema, mrežnih protokola (TCP/IP, HTTP/3), struktura podataka, algoritama i unutrašnjeg rada baza podataka postaje jedina trajna zaštita od tehnološke zastarelosti. AI može napisati SQL upit, kad god mu to zatražite, ali developer mora znati kako indeksiranje u bazi zapravo funkcioniše i zašto je došlo do „full table scan“ operacije.

• Eksperimentisanje van AI okruženja: Povremeno pisanje koda „na papiru“ ili u običnom tekstu bez auto-complete opcija i AI asistencija postaje odlična vežba za mozak, koja sprečava atrofiju inženjerskog razmišljanja.

Poređenje fundamentalnih veština i uloga u novoj eri razvoja softvera jasno pokazuje gde leže granice izmenjenih uloga:

Profil softverskog arhitekte sutrašnjice: Od kodera do sistemskog stratega

Softverski arhitekta budućnosti ne boravi u slonovačkoj kuli iz dobe klasičnog projektovanja, niti je to osoba koja po ceo dan crta UML dijagrame koje niko ne čita. Arhitekta u 2026. godini i nadalje jeste vrhunski orkestrator i sistemski strateg.

On koristi veštačku inteligenciju kao multiplikator sopstvenog znanja. Tamo gde je nekada morao provesti nedelje praveći prototip kako bi testirao novu hipotezu, arhitekta danas može iskoristiti AI agente da u roku od jednog dana podigne kompletan testni ambijent i proveri latenciju i ponašanje pod opterećenjem. AI za arhitektu nije zamena za razmišljanje, već super-brza laboratorija za proveru ideja.

Takođe, moderni arhitekta mora posedovati visoko razvijene takozvane meke veštine (soft skills) i duboko razumevanje biznisa. On mora biti sposoban da prevede kompleksne tehničke prepreke i troškove na jezik koji razumijesu finansijski i izvršni direktori (C-level executives). U svetu gde svi tvrde da mogu napraviti softver brzo i jeftino uz pomoc AI-ja, arhitekta je taj koji postavlja realne granice, cuva stabilnost i obezbeđuje da se tehnološke investicije kompanije zaista isplate na duge staze.

Nova definicija inženjerske vrednosti

Veštačka inteligencija je nepovratno promenila IT industriju. Ona je uklonila barijeru ulaska kada je u pitanju sama sintaksa i pisanje jednostavnih programa. Pisanje koda je postala roba masovne proizvodnje (commodity). Međutim, softverski inženjering nikada nije bio samo pisanje koda – to je uvek bilo rešavanje kompleksnih ljudskih i poslovnih problema pomoću računara.

Mlađi developeri koji žele da prežive ovu transformaciju moraju što pre izaći iz uloge običnih operatera AI promptova i krenuti da razvijaju duboko razumevanje sistemskog dizajna, bezbednosti i arhitekture. Razlika između onoga ko samo „kuca“ i onoga ko zaista „gradi“ nikada nije bila očiglednija.

Veštačka inteligencija može napisati funkciju u sekundi, ali samo čovek inženjer može preuzeti odgovornost za njenu svrhu, njen uticaj na svet i njeno funkcionisanje kada sve ostalo otkaže. Senioritet u doba AI-ja se ne meri time koliko alata koristite, već koliko duboko razumete posledice koda koji izlazi iz njih.