Nalazimo se u trenutku tehnološke prekretnice koji se dešava jednom u generaciji. Trenutak kada se „ono što smo uvek radili“ sudara sa „onim što mašina može da uradi bolje“. Za IT industriju, koja je decenijama bila sigurna luka za visoke plate i siguran posao, pojava naprednih velikih jezičkih modela (Large Language Models – LLM) i alata kao što su GitHub Copilot, ChatGPT-4o i Claude 3.5 Sonnet, predstavlja egzistencijalni šok.
Pitanje koje odzvanja hodnicima fakulteta, bootcamp-ova i HR odeljenja IT kompanija u Srbiji i svetu je jednostavno, ali zastrašujuće: Da li je učenje programiranja za početnike postalo besmisleno?
Ako ste student prve godine informatike, ili neko ko planira karijernu prekvalifikaciju u IT, ovo nije teoretska debata. Ovo je pitanje vaše budućnosti. Da li će AI, koji već sada piše kod brže od prosečnog čoveka, učiniti poziciju „Junior Developera“ reliktom prošlosti, baš kao što su kalkulatori zamenili ljude koji su ručno računali tabele?
Odgovor nije jednostavan „da“ ili „ne“. Realnost je mnogo nijansiranija, surovija, ali i uzbudljivija. Zaronimo duboko u anatomiju ove promene.
Software developers using tablet in data center, coordinating deployment of server architecture, improving data processing speed. Server hub IT workers configuring and testing hardware using device
1. Mit o „Koderu“: Šta AI zapravo zamenjuje?
Da bismo razumeli pretnju, moramo demistifikovati posao programera. U javnosti, a često i među početnicima, postoji zabluda da je posao programera – kucanje sintakse. Pisanje linija koda. Ako je to definicija posla, onda da – AI je već zamenio programere.
GitHub Copilot i slični alati su, bez preterivanja, „bogovi sintakse“. Oni ne prave greške u kucanju (typos). Oni znaju svaku biblioteku napamet. Oni mogu da izgenerišu „boilerplate“ kod (šablonski kod koji se ponavlja) za sekundu, posao za koji bi čoveku trebalo 20 minuta kucanja i guglanja.
Kraj „Code Monkey“ ere
U IT žargonu, termin „Code Monkey“ se (pomalo pogrdno) koristio za programere koji mehanički pretvaraju jasne specifikacije u kod, bez previše razmišljanja o arhitekturi ili širem sistemu. Ti poslovi su mrtvi. Ako je vaša vrednost na tržištu bila sposobnost da napamet znate sintaksu za centriranje div-a u CSS-u ili da napišete osnovni SQL upit, AI vas je učinio nepotrebnim.
Međutim, programiranje nije isto što i softversko inženjerstvo (Software Engineering).
AI je alat koji manipuliše simbolima. On predviđa sledeći token (reč ili deo koda) na osnovu verovatnoće. On ne „razume“ problem. On ne zna zašto vaš klijent želi baš tu funkciju, niti kako će ta funkcija uticati na bazu podataka kada se broj korisnika poveća na milion.
Dakle, prva lekcija: AI ne zamenjuje inženjere, on zamenjuje kucanje.
2. Ekonomska jednačina: Zašto su juniori ugroženi?
Ovde dolazimo do surovog, ekonomskog dela priče. IT industrija nije humanitarna organizacija; ona je vođena profitom i efikasnošću.
Tradicionalni put juniora izgledao je ovako:
-
Firma zaposli juniora koji zna osnove, ali nije produktivan.
-
Firma ulaže vreme seniora (skupo) da mentoriše juniora.
-
Junior radi jednostavne zadatke (testove, dokumentaciju, jednostavne funkcije) da bi „ispekao zanat“.
-
Posle 6-12 meseci, junior postaje produktivan član tima.
Danas, AI je taj „super-junior“. Za 20 dolara mesečno, kompanija dobija alat koji:
-
Piše testove brže od juniora.
-
Piše dokumentaciju bolje od juniora.
-
Rešava jednostavne bug-ove (greške) trenutno.
-
Ne traži bolovanje, ne spava i ne traži povišicu.
„Smanjenje lestvice“ vs. „Podizanje plafona“
Ovo stvara fenomen poznat kao „nestajanje sredine“. Prvi stepenik na lestvici je odsečen. Kompanijama je sada mnogo teže da opravdaju zapošljavanje potpunog početnika, jer zadatke na kojima bi se taj početnik učio sada obavlja AI, uz nadzor jednog seniora.
Senior developer sa AI alatom može da uradi posao koji je nekada radilo troje ljudi (jedan senior i dva juniora). Ovo je brutalna matematika koja trenutno hladi tržište rada za juniore. Vidimo smanjen broj oglasa za „entry-level“ pozicije, ne zato što nema posla, već zato što se prag produktivnosti drastično podigao.
3. Opasnost iluzije kompetencije: Zašto nam juniori ipak trebaju?
Ako AI radi sve to, zašto uopšte učiti kodiranje? Zašto ne bismo svi postali „menadžeri proizvoda“ koji samo naređuju AI-u šta da radi?
Ovde dolazimo do najveće zamke: Iluzija kompetencije.
AI modeli, uključujući najnaprednije GPT-4 varijante, su skloni halucinacijama. Oni mogu da generišu kod koji izgleda savršeno, koji se kompajlira bez greške, ali koji radi nešto pogrešno, nebezbedno ili suptilno netačno.
Primer iz prakse:
Zamislimo juniora koji koristi AI da napiše funkciju za autentifikaciju korisnika. AI mu da kod. Kod radi. Junior je srećan, kopira ga u projekat. Međutim, taj kod možda koristi zastareli algoritam za heširanje lozinki ili ostavlja otvoren „backdoor“ za SQL injekcije (vrsta sajber napada). Junior, koji ne razume dubinski šta kod radi jer ga nije sam napisao, ne vidi problem. Senior, koji pregleda kod, možda propusti grešku jer kod izgleda „čisto“.
Ako ne znate da kodirate, ne možete znati da li vas AI laže. Ne možete da debagujete (debug) problem kada se on neizbežno desi u 3 ujutru. Postajete talac alata koji ne razumete.
Da biste efikasno koristili Copilot, morate biti pilot. Morate znati gde idete, kako sistem funkcioniše i šta da radite kada autopilot otkaže.
4. Nova definicija učenja: Od sintakse do arhitekture
Dakle, učenje nije besmisleno, ali se način na koji učimo mora radikalno promeniti. Tradicionalno obrazovanje, koje tera studente da pamte sintaksu i pišu kod na papiru, postaje zastarelo.
Šta junior mora da zna u 2025/2026?
-
Čitanje i razumevanje koda (Code Review): Juniori će provoditi više vremena čitajući AI generisan kod nego pišući svoj. Moraju razviti „njuh“ za loš kod, neoptimizovana rešenja i bezbednosne propuste.
-
Sistemski dizajn i arhitektura: Umesto da se fokusiraju na to kako napisati petlju u Pythonu (što AI radi savršeno), moraju razumeti kako se ta komponenta uklapa u mikroservisnu arhitekturu, kako komunicira sa bazom i kako skalira.
-
Debagovanje (Debugging): AI može da napiše kod, ali kada taj kod „pukne“ u kompleksnom okruženju, potrebna je ljudska logika, intuicija i razumevanje sistema da se pronađe uzrok. AI je loš u rešavanju problema koji zahtevaju kontekst celog sistema.
-
Bezbednost (Security): Razumevanje principa bezbednog koda postaje imperativ, jer AI često prioritet daje funkcionalnosti nad bezbednošću.
Evolucija, ne ekstinkcija
Učenje programiranja sada liči na učenje pisanja u doba spell-checkera. Ne morate da pamtite kako se piše svaka reč, ali morate da znate gramatiku, stil i strukturu da biste napisali dobar roman. Isto tako, ne morate da pamtite svaki parametar funkcije, ali morate da razumete algoritamsku logiku.
5. Uspon „AI Orkestratora“ i Prompt Inženjering
Pojavljuje se nova uloga. Junior developer budućnosti je zapravo AI Orkestrator. To je osoba koja zna kako da razloži kompleksan poslovni problem na manje tehničke celine, a zatim koristi AI alate da te celine implementira.
Da li je „Prompt Engineering“ stvarna veština?
Mnogi se podsmevaju „prompt inženjeringu“ kao privremenoj veštini. Iako će AI postajati sve bolji u razumevanju namera, sposobnost preciznog artikulisanja tehničkog zahteva ostaje ključna. Razlika između:
-
„Napravi mi login formu“ i
-
„Napravi React komponentu za login koja koristi Oauth2, ima validaciju na klijentskoj strani koristeći Zod biblioteku i prati WCAG 2.1 standarde pristupačnosti“ …je razlika između amatera i inženjera. AI će dati drastično bolji rezultat na drugi upit. Znanje potrebno da se formuliše drugi upit je ono što se danas uči.
6. Paradoks senioriteta: Kriza mentorstva
Ovo je sistemski rizik za celu industriju. Ako kompanije prestanu da zapošljavaju juniore jer AI radi njihov posao, odakle će doći seniori za 5 godina?
Seniori ne nastaju u vakuumu. Oni nastaju kroz godine grešaka, „razbijanja glave“ o zid i rešavanja dosadnih problema. Ako AI oduzme tu priliku za učenje kroz rad („struggle“), rizikujemo da stvorimo generaciju „površnih“ inženjera koji znaju da koriste alate, ali ne razumeju kako stvari rade „ispod haube“.
Kompanije koje ovo shvate će promeniti pristup. Juniori neće nestati, ali će njihova uloga biti redefinisana. Oni neće biti „jeftina radna snaga za dosadne poslove“, već šegrti (apprentices) koji uz pomoć AI-a rade na složenijim problemima mnogo ranije u svojoj karijeri, uz intenzivno mentorstvo.
7. Pogled u budućnost: Šta nas čeka?
Gledajući 5 do 10 godina unapred, pejzaž će biti neprepoznatljiv.
-
Autonomni Agenti: Alati poput Devina (prvog AI softverskog inženjera) su tek početak. Imaćemo agente koji ne samo da pišu kod, već samostalno otvaraju pull request, testiraju, i deplojuju (postavljaju) aplikaciju.
-
Programiranje na prirodnom jeziku: Granica između „Product Managera“ i „Developera“ će se zamutiti. Korišćenje engleskog (ili srpskog) jezika postaće primarni programski jezik visokog nivoa.
-
Legacy kod kao arheologija: Održavanje starog koda (Cobol, stara Java) postaće isključivi domen AI-a, jer će ljudima biti neisplativo da uče zastarele tehnologije.
Ne bacajte tastaturu, ali promenite fokus
Dakle, da li je učenje kodiranja besmisleno? Apsolutno ne.
Ali, učenje kodiranja samo da biste „iskucali rešenje“ jeste besmisleno. To vreme je prošlo.
Programiranje je, u svojoj suštini, način razmišljanja. To je veština dekompozicije problema, logičkog zaključivanja i modelovanja realnog sveta u apstraktne sisteme. Ta veština je otporna na AI. Štaviše, ona je preduslov za upravljanje AI-jem.
Za sve vas koji danas ulazite u ovaj svet: Ne plašite se AI-a. On je vaš egzokostur. Sa njim možete trčati brže i skakati više nego bilo koji programer pre vas. Ali zapamtite – egzokostur je beskoristan ako onaj ko ga nosi ne zna gde želi da ide.
Budite arhitekte, budite rešavači problema, budite oni koji postavljaju pitanja. Kod je samo detalj implementacije, a AI je samo sledeći nivo apstrakcije. Prava vrednost ste i dalje – vi.
