Kao softverski inženjer, danas mi svaku liniju koda piše AI: hajde da pričamo o vibe codingu

Kao softverski inženjer sa preko šest godina profesionalnog iskustva, već više od godinu dana nisam rukom otkucao nijednu liniju koda. Na projektima na kojima trenutno radim, bukvalno sve piše AI. Ipak, kad sam pre nešto više od godinu dana prvi put upotrebio AI za programiranje, medeni mesec je trajao jedva tri dana.

Čista sreća zvana Vibe Coding

Sećam se juna prošle (2025) godine kada sam, privučen glasinama, prvi put pokrenuo Cursor. Na prvi pogled, delovao je kao dobro poznati VS Code, samo sa bočnom trakom za komunikaciju sa AI modelom.

Do tada je moja predstava o programiranju uz pomoć veštačke inteligencije bila vezana za GitHub Copilot – praktično malo pametniji sistem za automatsko dopunjavanje koda (autocomplete). Međutim, kad sam ukucao prvu komandu i poslao je modelu, desila se magija. Gledao sam kako AI „mozga“ u punoj brzini, a zatim munjevito ispisuje desetine i stotine linija koda u editoru, pritom se bez muke prebacujući iz fajla u fajl i ažurirajući ih u hodu. Čak je samostalno pokretao naredbe direktno u terminalu.

Bilo je neverovatno: odjednom sam mogao da opišem šta želim običnim, prirodnim jezikom, a AI bi stvorio funkcionalnost od nule. Nisam morao da kuckam svaki pojedinačni red, niti se sve svodilo na puko pogađanje sledeće reči – AI je sa višeg nivoa preuzeo dobar deo onoga što inače radi inženjer.

U tom trenutku osetio sam se kao da držim čarobni štapić. Bilo je to uzbuđenje pred otvaranjem vrata u sasvim novi svet.

Tada sam zabeležio sledeća razmišljanja:

Vibe coding je dušu dao za ljude sa ADHD-om. Tradicionalni način programiranja kosi se sa ADHD mentalitetom, a vibe coding je preko noći rešio sve ono što sam mrzeo: pisanje testova, rvanje sa CSS-om, stalno grešenje u nazivima promenljivih i zamorno, repetitivno jurcanje za dosadnim bagovima.

Uz AI asistenciju, povratna informacija stiže momentalno, a osećaj postignuća je ogroman. Što je zadatak dosadniji i repetitivniji, to ga AI bolje odradi.

Preostaje ti samo da držiš pravac, osmišljavaš arhitekturu i vodiš projekat sa visine.

Nemam nikakvu želju da lično kuckam svaki karakter, ali obožavam proces stvaranja. Od asemblera do viših programskih jezika, iskustvo programera je uvek težilo ka tome da postane lakše i produktivnije.

Sada možete stvarati softver iz perspektive čistog kreatora, a ne fizičkog radnika koji slaže cigle koda. Za programera je to, zapravo, neverovatan osećaj sreće.

Granice vibe codinga

Ovakav stil programiranja dobio je i zvaničan naziv: Vibe Coding. Termin je skovao Andrej Karpathy, suosnivač OpenAI-ja, u februaru 2025. godine. Suština je da se potpuno prepustite osećaju (vibe-u): običnim jezikom kažete AI-ju šta želite, prihvatate sav kod koji izbaci bez detaljnog pregledanja red po red, a ako iskoči greška, samo je prosledite nazad u prompt – sve dok praktično ne zaboravite da kod uopšte postoji ispod haube.

Nakon što sam s oduševljenjem zabeležio svoje prve utiske, to ushićenje je potrajalo nepuna tri dana. Tada sam tresnuo o zid.

U to vreme sam gradio prototip jedne aplikacije. Čist vibe coding se oslanjao na to da AI slobodno improvizuje na osnovu mojih nepreciznih instrukcija, bez ikakvih inženjerskih stega. Posledica? AI je vremenom postajao sve teži za kontrolisanje, a arhitektura aplikacije se pretvorila u takav haos da ju je bilo nemoguće održavati.

Zato sam sve bacio u vodu i počeo iz početka. Ovog puta sam nastupio kao softverski inženjer: primenio sam standardne procese razvoja uz asistenciju AI-ja.

Tada sam ušao u sasvim drugu dimenziju. Zadržao sam svu radost vibe codinga, ali sam uveo stroži code review, jasniju dokumentaciju i manje, inkrementalne promene, unapređujući sistem korak po korak umesto da odjednom gomilam brdo novih funkcionalnosti. Rezultat? Arhitektura i implementacija postale su izuzetno stabilne i predvidive – sve je radilo tačno onako kako zamislim. Rad sa veštačkom inteligencijom pretvorio se u vođenje talentovanog pripravnika: ne morate sami da odrađujete svaki tehnički detalj, ali i dalje morate čvrsto držati konce arhitekture i imati uvid u širu sliku.

Ubrzo sam prešao na Claude Code. Dobio sam znatno precizniju i moćniju kontrolu – kao da sam dobio krila. Moja produktivnost je skočila nekoliko puta.

Budućnost softverskih inženjera

„Može li se desiti da nas vibe coding, zato što omogućava prebrzo pravljenje stvari, ulenji i odvrati od dubljeg učenja i savladavanja osnova programiranja?“

Verujem da je to ne samo moguće, već vrlo izvesno!

Tradicionalni put od učenja koda do gotovog proizvoda ličio je na stepenište: išlo se korak po korak. Ljudi bi kretali od elementarnih kurseva programiranja, postajali juniori, pekli zanat na realnim problemima u produkciji i postepeno stasavali u inženjere sposobne da samostalno vode projekte. Svaki korak je donosio povratnu spregu, pa uz prosečan trud ulazak u industriju nije bio bauk, a karijerni put je bio jasan.

Vibe coding je, s druge strane, prag ulaska srozao na nulu. Danas svako može da sklepa demo. Međutim, softverski inženjering je izrazito praktična i zahtevna disciplina: prelazak sa demo verzije na stabilan, pouzdan i komercijalan proizvod jeste razlika između 0-do-1 i 1-do-100.

U klasičnom sistemu, onaj ko dođe od 0 do 1 usput prirodno stekne gomilu veština neophodnih za onaj teži deo od 1 do 100. Ali vibe coding početnicima ne daje tu osnovu. Kad stignu na nivo od 1 do 10, suočavaju se sa nepremostivim jazom u znanju, što će mnoge naterati da odustanu od daljeg usavršavanja.

Upravo zato što je početak bio varljivo lak, kasniji sudar sa ozbiljnim inženjerskim izazovima ne može se prevazići samo pukim entuzijazmom ili prosečnim talentom. Ko uspe da preskoči tu provaliju bez klasičnih osnova, taj mora imati vanserijsku sposobnost učenja i rešavanja problema – takvi spadaju u gornjih 1% programera.

Drugim rečima, ta nekolicina izuzetno bistrih i upornih ljudi bila bi na samom vrhu i u eri pre veštačke inteligencije.

Kako mogućnosti AI modela za pisanje koda vrtoglavo rastu, industriji više nisu potrebni juniori. Obuka novih kadrova puca po šavovima, a prilike za brušenje veština na poslu nestaju.

Godinu dana nakon što sam napisao prve beleške za ovaj tekst, statistika sa tržišta rada počela je surovo da potvrđuje ove procene:

• Istraživanje Laboratorije za digitalnu ekonomiju na Stanfordu (Stanford Digital Economy Lab), zasnovano na podacima platnog servisa ADP, pokazalo je da je do juna 2026. zaposlenost mladih od 22 do 25 godina u profesijama koje su najizloženije uticaju AI-ja bila 19% niža u poređenju sa kretanjima njihovih vršnjaka u drugim oblastima (godinu dana ranije taj jaz je bio 15%). Kod iskusnijih stručnjaka ovakvog pada nije bilo. Štaviše, razlika je nastala prevashodno zato što kompanije zapošljavaju znatno manje novajlija, a ne zbog masovnih otkaza. (Stanford Digital Economy Lab, 2026-08)
• Izveštaj investicionog fonda SignalFire iz juna 2026. otkriva da je 12 tehnoloških giganata (uključujući Google, Metu, Apple i Microsoft) smanjilo zapošljavanje diplomaca i juniora za oko 65% u poređenju sa 2019. godinom. Kod startapa u ranoj fazi taj pad iznosi čak 76%. (SignalFire State of Talent Report 2026)
• Prema analizi platforme Indeed, u prvom kvartalu 2026. godine juniorske pozicije u razvoju softvera u SAD činile su svega 4,5% svih oglasa za posao – što je najniži procenat među svim posmatranim industrijama. (Indeed Hiring Lab, 2026-07)

Prilično sam pesimističan po pitanju budućnosti ove profesije. U industriji programiranja dolazi do radikalne polarizacije: s jedne strane gledaćemo „okršaje bogova“ na samom vrhu, a s druge masu amaterskih igračaka na nivou demoa koje ljudi prave iz hobija.

A druge industrije će neminovno poći istim putem. U svetu koji dolazi, sav rad koji zahteva lakši do umereni mentalni napor biće prepušten veštačkoj inteligenciji.

Čak je i matematika – disciplina koja se ponajviše oslanja na originalno ljudsko mišljenje – ove godine poklekla pred naletom AI-ja:

• U januaru 2026, Kevin Bareto, student sa Kembridža, i matematički entuzijasta Lijam Prajs, uz pomoć GPT-5.2 Pro rešili su Erdošev problem br. 728, za koji ranije nije postojao nijedan dokaz u literaturi. Ovo se smatra prvim Erdoševim problemom koji je primarno rešio AI.
• U maju 2026, OpenAI model je opovrgao hipotezu o jediničnim rastojanjima koju je Erdoš postavio još 1946. godine – zagonetku koja je mučila matematičare punih 80 godina. Tim Gauers, dobitnik Fildsove medalje, prokomentarisao je: „Nijedan prethodni dokaz koji je generisao AI nije bio ni blizu ovog nivoa.“ Samo nekoliko nedelja kasnije, ljudski matematičari su dodatno nadgradili rezultate modela.
• Istog meseca, AI agent kompanije Google DeepMind autonomno je rešio 9 od 353 otvorena matematička problema, uz trošak od svega nekoliko stotina dolara po rešenju.
• Matematičar Noga Alon je čak digao ruke od Erdoševih problema: „Otkad je AI počeo da ih rešava, to više nema smisla.“

O čemu će biti reči u ovom serijalu

Danas sve više ljudi bez ikakvog inženjerskog predznanja ulazi u svet AI programiranja. Mnogi ne znaju odakle da počnu, ili su napravili tek pokoji sitan projekat. Vrlo brzo uviđaju da ih manjak inženjerskog znanja koči: često ne razumeju šta tačno rade, ne umeju da dekomponuju problem, muče se sa složenom logikom i ne znaju kako da usmere AI ka željenom cilju.

Primetio sam i da mnogi problemi potiču iz nedostatka analitičkog razmišljanja: ljudi ne znaju kako da postave pravo pitanje, kako da kritički sagledaju ponuđeno rešenje i procene da li je AI uopšte u pravu.

Kao inženjer sa više od šest godina iskustva, uz pomoć AI-ja sam osmislio i razvio nekoliko kompleksnih projekata koji danas imaju ozbiljnu bazu korisnika. Kao što rekoh na početku – u mojim aktuelnim projektima svaku liniju koda piše AI. Veštačka inteligencija itekako može da gradi složene sisteme, ali pod jednim uslovom: da inženjer tačno zna šta radi i kako da je vodi kroz proces. AI je samo alat; čovek je onaj koji vuče konce.

U eri veštačke inteligencije, tradicionalni načini učenja programiranja odlaze u istoriju. Zato, u korak sa vremenom, pokrećem novi serijal: „Kompletan vodič kroz Vibe Coding od nule“.

Ovaj vodič biće podeljen u nekoliko celina:

1. Kako uklopiti AI programiranje u savremene inženjerske prakse. Prvo ćemo razumeti šta softverski inženjering zapravo jeste, a zatim od nule sagraditi softver koji ste oduvek želeli da napravite. Cilj nije samo lep demo, već sistem koji je dugoročno održiv i čiji razvoj teče glatko i bez stresa.
2. Vodič za logičko razmišljanje: kako postavljati prava pitanja tokom rada sa AI-jem, koje greške obavezno izbegavati i kako pisati efikasnu projektnu dokumentaciju.
3. Testiranje i optimizacija toka rada: kako zadržati stabilnu arhitekturu dok neprekidno podižete kvalitet koda i dodajete nove funkcionalnosti. Kako ubrzati razvoj i automatizovati procese bez žrtvovanja kvaliteta softvera.
4. Izbor idealnog tehnološkog steka za AI programiranje: koji programski jezici i radni okviri (frameworks) najbolje izvlače maksimum iz veštačke inteligencije.

Za kraj

Glavninu ovog teksta napisao sam zapravo pre godinu dana (u oktobru 2025). Sada sam ga ponovo pretresao, osvežio i dopunio podacima sa tržišta rada i vestima o matematičkim probojima veštačke inteligencije. U to vreme sam bio zatečen brzinom kojom se AI razvija; plašio sam se da će sve što napišem zastareti za nekoliko dana, pa sam mahom izbacivao kratke objave na mrežama umesto pravih, dužih članaka. Godinu dana kasnije, ponovo sam bacio pogled na ovaj nacrt i shvatio da teze i dalje savršeno drže vodu. Zato sam odlučio da ga uobličim i objavim. Ubuduće planiram da pišem češće – jer sadržaj koji u sebi nosi iskren, ljudski pečat u vremenu pred nama biće sve ređi i dragoceniji.