Велика илузија вештачке интелигенције и тиха побуна програмера: Када вештачка интелигенција постане терет – више стреса, спорији код

Студија шокира сале за састанке: Вештачка интелигенција чини програмере споријим, а не бржим

Опасна реклама: Зашто 66% програмера сада не верује коду генерисаном вештачком интелигенцијом

Вештачка интелигенција у развоју софтвера се у салама за састанке слави као врхунско чудо продуктивности. Али далеко од еуфоричних презентација одбора, унутар развојних тимова се кува тиха побуна. Уместо да поједностављују свакодневни рад, алати вештачке интелигенције све више постају ментални губитници времена. Актуелне студије и алармантни извештаји из стварног света откривају непријатну истину: код генерисан вештачком интелигенцијом је често „скоро тачан“, али захтева изузетно дуготрајно и заморно дебаговање. Резултат? Време развоја се повећава, когнитивно оптерећење драматично расте, а компаније несвесно акумулирају неуправљиву количину техничког дуга. Такозвано „вибрационо кодирање“ – непромишљено генерисање кода помоћу вештачке интелигенције – прети да постане темпирана бомба од трилиона долара. Време је за непоколебљив поглед на стварност развоја софтвера коју менаџмент често одбија да призна.

Чудо продуктивности или замка сагоревања? Истина о вештачкој интелигенцији у развоју софтвера коју руководиоци не желе да чују

Велики неспоразум између менаџмента и развојног тима

Мало је технолошких достигнућа у скоријој историји изазвало толико еуфорије међу корпоративним лидерима широм света као употреба вештачке интелигенције у развоју софтвера. Састанци управних одбора, презентације за инвеститоре и стратешки документи пуни су термина попут „мултипликатор продуктивности“, „конкурентска предност“ и „трансформативна ефикасност“. Али док руководиоци славе алате за кодирање засноване на вештачкој интелигенцији као панацеју, у одељењима за развој широм света појављује се сасвим другачији свет искуства – онај који карактеришу фрустрација, ментална исцрпљеност и растући скептицизам.

Овај јаз између очекивања и стварности није маргинална појава или израз недостатка прилагодљивости. То је структурни проблем који ће се показати скупим за компаније на средњи рок. Питање више није да ли алате вештачке интелигенције треба користити у развоју софтвера – то се већ догодило у 84 процента свих одељења за развој – већ како и под којим условима то може одрживо функционисати. Трезвена анализа доступних података, студија и студија случаја слика слику која је знатно сложенија него што сугеришу преовлађујући наративи о напретку.

Када се ентузијазам сусретне са отпором: Напетост у пракси

Анкета програмера Stack Overflow-а за 2025. годину, најопсежнија анкета те врсте са преко 49.000 програмера из 177 земаља, даје отрежњујућу дијагнозу. Иако је стопа усвајања алата за вештачку интелигенцију порасла са 76 на 84 процента у односу на претходну годину, а 51 проценат свих професионалних програмера користи ове алате свакодневно, позитивно расположење према овим алатима драматично је опало у истом периоду: са преко 70 процената у 2023. и 2024. години на само 60 процената у 2025. години. Питање поверења је посебно откривајуће: само 33 процента програмера верује у тачност резултата вештачке интелигенције – што је смањење у односу на 43 процента претходне године – док је 46 процената активно неповерљиво, а само 3 процента каже да „веома верује“ у резултате вештачке интелигенције.

Искусни програмери су најскептичнији: само 2,6 одсто њих каже да снажно верује у резултате вештачке интелигенције, док 20 одсто експлицитно изражава снажно неповерење у резултате генерисане вештачком интелигенцијом. То није случајност. Они који су годинама пројектовали сложене системе, пратили грешке у дубоко угњежђеним кодним базама и искусили дугорочне последице кратковидих архитектонских одлука развијају институционални скептицизам према наизглед једноставним решењима – и тај скептицизам је рационално утемељен, а не регресиван.

Варљива привлачност брзо генерисаног кода

Највећи извор фрустрације, који је 66% свих програмера идентификовало као централни проблем, јесте тенденција да решења заснована на вештачкој интелигенцији буду „скоро исправна, али не сасвим“. Економске последице овог феномена су озбиљније него што се на први поглед чине. Код који је 90% исправан не ствара 90% додате вредности — можда чак уопште не ствара никакву вредност, јер прво мора бити потпуно тестиран, исправљен и прилагођен пре него што се може применити у производне системе. Четрдесет пет% свих анкетираних програмера потврдило је да отклањање грешака кода генерисаног вештачком интелигенцијом захтева више времена него писање истог кода од нуле.

Једна од последица овога је да је 42 процента свих промена кода послатих у репозиторијуме сада подржано вештачком интелигенцијом, али програмери проводе више времена прегледајући ове промене него пишући оригинални код. У пракси, то значи да, иако вештачка интелигенција убрзава производњу кода, она успорава производњу висококвалитетног и одрживог кода. Под овим условима, алат за продуктивност постаје контролни механизам који одузима изузетно много времена.

Шта бројке заиста говоре о продуктивности

Можда најузнемирујући налаз скорашњих истраживања долази из рандомизованог контролисаног испитивања (РКИ) које је спровео независни истраживачки институт METR између фебруара и јуна 2025. године. Шеснаест искусних програмера отвореног кода решило је 246 задатака из својих дугогодишњих пројеката - са и без приступа алатима вештачке интелигенције као што су Cursor Pro и Claude 3.5/3.7 Sonnet. Резултат је фундаментално противречио очекивањима свих учесника: Пре студије, програмери су проценили да ће подршка вештачке интелигенције смањити време обраде за 24 процента; у стварности, алати вештачке интелигенције су повећали време обраде за 19 процената.

Ово откриће је у супротности не само са проценама укључених програмера, већ и са предвиђањима стручњака за пословање и машинско учење, који су предвидели уштеду времена од 38 до 39 процената. Истраживачи су као могућа објашњења навели значајно време потребно за формулисање упутстава, преглед резултата вештачке интелигенције и управљање интеграцијом алата. Штавише, зреле базе кода са строгим стандардима квалитета – типичне за професионална пословна окружења – посебно су лоше погодне за алате вештачке интелигенције обучене на генеричким примерима кода. Студија не представља фундаментално одбацивање алата вештачке интелигенције, али јасно показује да повећање продуктивности није ни близу загарантовано за сложене, контекстуално зависне задатке у успостављеним базама кода.

Невидљиви терет: Ментална исцрпљеност и когнитивно преоптерећење

Поред мерљиве временске компоненте, постоји и теже квантификовати, али не мање стварно оптерећење: ментална исцрпљеност од сталног пребацивања између формулисања вештачких интелигенција, анализе генерисаних резултата, решавања проблема и документације. Програмери описују ово стање као посебно исцрпљујуће јер – за разлику од класичног искуства тока у програмирању – не дозвољава дубоке, фокусиране фазе рада, већ приморава на фрагментирани режим пажње. Овај фрагментирани режим је у когнитивној науци познат као посебно исцрпљујући и доводи до смањења перформанси на дужи рок.

Консултантска фирма Thoughtworks сковала је одговарајући термин за овај феномен у свом 34. тому часописа „Technology Radar“, објављеном у априлу 2026. године: „когнитивни дуг“. Ово се односи на све већи јаз између онога што код ради и онога што програмери заправо разумеју о њему. Са сваким аутоматски генерисаним блоком кода који се усвоји без потпуног разумевања, овај јаз се шири – суптилно, али са далекосежним последицама. Рејчел Лејкок, техничка директорка Thoughtworks-а, сажето је сумирала налаз: Агенти вештачке интелигенције олакшавају брзо писање кода, али све више преплављују разумевање програмера.

Архитектонске слепе тачке: Који АИ код систематски греши

Детаљна анализа коју је спровео Ox Security из октобра 2025. године, која је испитала 300 пројеката отвореног кода - од којих је 50 у потпуности или делимично генерисано вештачком интелигенцијом - идентификовала је десет понављајућих антишаблона у коду генерисаном вештачком интелигенцијом. Најчешћи проблеми могу се сумирати у једну реченицу: Код генерисан вештачком интелигенцијом је „веома функционалан, али му систематски недостаје архитектонска процена“. У 80 до 90 процената случајева, вештачка интелигенција тежи да имплементира уџбеничка решења уместо да се бави специфичним захтевима апликације, избегава рефакторисање и више пута прави исте функционалне грешке јер модел не чува никакво сећање на претходне имплементације.

Посебно је проблематичан феномен који истраживачица Ана Билдеа назива „генерисањем кода“: Пошто вештачка интелигенција не развија библиотеке већ генерише функционалности инлине изнова и изнова, база кода неконтролисано расте, садржи много сувишних блокова и постаје све тежа за одржавање. Билдеа прикладно описује ову динамику наводећи да је посматрала компаније које прелазе са „вештачка интелигенција убрзава наш развој“ на „више не можемо да испоручујемо функције јер више не разумемо сопствене системе“ за мање од 18 месеци. GitClear пружа даљу емпиријску потврду: Између 2021. и 2024. године, удео промена кода повезаних са рефакторисањем пао је са 25 на мање од 10 процената, док је удео копираних блокова кода порастао са 8,3 на 12,3 процента.

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

• Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

Технолошки дуг у доба вештачке интелигенције: Темпирана бомба од трилиона долара

Феномен техничког дуга није нов у софтверској индустрији, али широка употреба вештачке интелигенције даје му нову димензију и брзину. Технички дуг настаје када се краткорочним, прагматичним решењима даје приоритет у односу на дугорочне, стабилне архитектуре. Према подацима HFS Research-а, акумулирани технички дуг 2.000 највећих светских корпорација већ износи еквивалент од 1,5 до 2 билиона долара. Овај терет сада потенцијално експоненцијално расте под утицајем лоше валидираних кодних база генерисаних вештачком интелигенцијом.

IBM-ова анализа открива да 81 одсто руководилаца наводи да технички дуг већ ограничава успех њихових вештачких интелигенција. Ово је изванредан парадокс: технологија дизајнирана да смањи технички дуг, под одређеним условима, ствара нови дуг. GitLab је у свом Глобалном извештају о DevSecOps-у за 2025/2026. годину израчунао да неефикасности повезане са вештачком интелигенцијом коштају развојне тимове у просеку седам сати недељно по члану тима - скоро цео радни дан. Истовремено, 73 одсто анкетираних DevSecOps професионалаца пријавило је проблеме са кодом генерисаним путем „вибе кодирања“ - праксе генерисања кода са упутствима на природном језику без разумевања основне логике. Првобитно са стартап сцене, овај термин је постао синоним за предузетничко преузимање ризика без адекватне контроле квалитета.

Катастрофа вибрационог кодирања: Када брзина прогута квалитет

Вибе кодирање – непланирано, интуитивно генерисање кода коришћењем вештачке интелигенције без чврсте основе у архитектонском планирању и најбољим праксама – је можда најјаснији симбол јаза између еуфорије вештачке интелигенције и инжењерске стварности. Заправо, 72% свих програмера анкетираних у анкети Stack Overflow експлицитно одбацује вибе кодирање, а додатних 5% га описује као фундаментално неприхватљив део свог радног процеса. Компаније које се ипак ослањају на њега плаћају високу цену: Према Thoughtworks-у, 43% свих промена кода генерисаних вештачком интелигенцијом захтева ручно отклањање грешака у реалном окружењу, чак и ако су претходно прошле све аутоматизоване тестове. Ниједна компанија испитана у студији није била у стању да верификује решење које је предложила вештачка интелигенција само једним прераспоређивањем – 88% је захтевало два до три распоређивања, а 11% чак четири или више.

Економске последице су значајне. CAST Software је анализирао преко 10 милијарди линија кода и израчунао да глобални технички дуг износи 61 милијарду радних дана поправки. Ова бројка је конзервативна процена и не узима у обзир убрзано нагомилавање дуга изазвано неконтролисаном употребом вештачке интелигенције у последње две године. Ако економски бол овог техничког дуга надмаши наводни добитак продуктивности – а многи искусни програмери верују да се тај тренутак приближава – индустрија ће се суочити са фундаменталним проблемом кредибилитета са сопственим наративом трансформације.

Побуна искусних: Када компетенција постане терет

Посебно забрињавајући аспект ситуације је предстојећи пад вештина међу следећом генерацијом програмера. Искусни програмери су забринути да млађи програмери, који су од почетка своје каријере првенствено радили са алатима вештачке интелигенције, више неће моћи да идентификују фундаменталне грешке у генерисаном коду — зато што нису развили неопходно основно знање и аналитичко просуђивање. Thoughtworks прикладно описује овај проблем у контексту увођења у посао: Када нови члан тима преузме базу кода у којој значајне делове генерише агент вештачке интелигенције, имплицитна документација која настаје када људи пишу код ред по ред недостаје. Архитектонске одлуке су ту, али образложења нису.

Истовремено, искусни програмери доживљавају необично обезвређивање своје стручности. Они који су годинама развијали прецизно расуђивање, вештине систематског решавања проблема и архитектонску визионарску перспективу изненада се мере истим стандардима као и новајлија са приступом асистенту за кодирање у окружењу које користи стопе усвајања вештачке интелигенције као метрику учинка. Парадокс ГитЛаба то савршено сумира: 82 одсто компанија сада покреће производњу најмање једном недељно, али само 37 одсто би веровало да ће вештачка интелигенција обављати свакодневне задатке без људског прегледа. Већа брзина са мање поверења – то је суштина тренутне ситуације.

Кључно питање за контролу вештачке интелигенције: Како се мере перформансе?

Питање који критеријуми се користе за процену учинка програмера у доба вештачке интелигенције није тривијална HR дебата, већ стратешки кључна одлука. Ако компаније користе стопе коришћења вештачке интелигенције као индикатор учинка, појављују се перверзне структуре подстицаја: програмери максимизирају употребу вештачке интелигенције не да би створили боље производе, већ да би испунили квоте – са предвидљивим последицама по квалитет кода. Ову тачку програмери истичу са изузетном једногласношћу: они који користе вештачку интелигенцију искључиво да би испунили интерне метрике не стварају додату вредност, већ уместо тога акумулирају технички дуг.

Гартнер предвиђа да ће се до 2027. године начин на који се мери рад програмера фундаментално померити са метрика брзине, учесталости имплементације и линија кода ка креативности, иновацијама и пословној вредности. Ово је концептуално исправно, али је тешко применити у пракси све док руководиоци настављају да захтевају краткорочне добитке у продуктивности. Анализа Stack Overflow-а за руководиоце закључује да је пад поверења програмера у вештачку интелигенцију директно повезан са два главна извора фрустрације: „скоро тачним“ решењима и временом изгубљеним на дебаговање вештачке интелигенције кода. Међутим, поверење заједнице остаје кључно: 80% програмера и даље редовно посећује Stack Overflow, а број сложених питања на платформи се удвостручио од 2023. године – што је јасан показатељ ограничења помоћи вештачке интелигенције.

Шта значи одговорна употреба вештачке интелигенције у развоју софтвера

Горе поменути налази не оправдавају општу осуду алата вештачке интелигенције у развоју софтвера – али успостављају јасну агенду за њихову одговорну употребу. Прво, вештачка интелигенција мора бити примењена тамо где је њен специфичан профил заиста користан: за јасно дефинисане, контекстуално независне појединачне задатке као што су развој прототипова, израда документације, генерисање шаблона или као брзи информациони интерфејс за стандардне проблеме. вештачка интелигенција није универзални произвођач кода, већ специјализовани алат за помоћ са јасно дефинисаним снагама и слабостима.

Друго, потребни су робусни процеси прегледа кода експлицитно дизајнирани за код генерисан вештачком интелигенцијом. Thoughtworks снажно препоручује да се не смањују, већ повећавају строге смернице и учесталост прегледа – управо зато што машине пишу брже него што људи читају. Треће, увођење младих програмера у посао мора бити структурирано тако да се основне вештине не сматрају застарелим, већ суштинским темељем за компетентно коришћење алата вештачке интелигенције. Они који не разумеју шта чини добар код не могу исправити лош код вештачке интелигенције. Четврто, компаније би требало ригорозно да одвоје метрике перформанси од стопе коришћења вештачке интелигенције – јер квалитет система није функција коришћених токена вештачке интелигенције, већ инжењерске процене која је уложена у његов развој.

Тренутак буђења индустрије тек треба да дође

Многи искусни програмери деле процену која звучи као отрежњујуће предвиђање: Индустрија ће доживети колективни „позив на буђење“ када економски трошкови акумулираног техничког дуга од кода генерисаног вештачком интелигенцијом мерљиво премаше наводне добитке продуктивности. С обзиром на доступне бројке – 2 билиона долара постојећег техничког дуга, 7 сати изгубљене продуктивности по програмеру недељно због неефикасности повезане са вештачком интелигенцијом и 43 процента вештачке интелигенције кода који захтева ручно отклањање грешака уживо – овај тренутак је можда ближи него што би сугерисале сјајне, оптимистичне презентације руководилаца у погледу вештачке интелигенције.

Кључна прекретница не лежи у самој технологији. Алати вештачке интелигенције постају све моћнији, а METR је већ признао у свом накнадном дизајну студије да, иако новији алати вероватно пружају позитивне ефекте на продуктивност, мерење ових ефеката постаће теже због променљивог понашања програмера. Прави изазов је организациони и културни: компаније морају имати храбрости да направе разлику између обећања добављача вештачке интелигенције, очекивања инвеститора и емпиријски утемељених повратних информација од сопствених програмера. Технологија којој већина људи који је користе свакодневно не верује није стратешка предност – то је ризик који ће се одражавати у билансима стања годинама које долазе.

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде једноставно позовите на +49 7348 4088 965. Моја имејл адреса је [email protected]:или

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови