Da li će programeri kao “vrsta” izumrijeti, ili se makar svesti na mali broj? Od nekada najtraženijeg, najpoželjnijeg i najplaćenijeg posla, do realnosti da već danas ima dramatično manje prilika za juniore — sve to za samo par godina od pojave ChatGPT-a.
I da, taj novembar 2022. je bio prelomna tačka. ChatGPT je lansiran 30. novembra 2022. A samo dva mjeseca nakon lansiranja, analize su procjenjivale oko 100 miliona mjesečno aktivnih korisnika — najbrže usvojena consumer aplikacija u tom trenutku.
Ta brzina donosi i strepnju, strah i neizvjesnost.
Moje mišljenje: AI će u potpunosti zamijeniti programere — kakvi su danas. Ne znači da će software nestati. Znači da će se promijeniti ko ga pravi, kako ga pravi i šta je “vrijednost” jednog čovjeka u timu.
U ovom tekstu ti objašnjavam zašto tako mislim, i još važnije: kako da budeš u grupi koja se prilagodila, napredovala i zarađuje više — a ne u grupi koja ostaje bez posla.
Sadržaj
- Šta su rekli Mark Cuban i NVIDIA CEO (i zašto to nije cijela istina)
- Lekcija iz istorije: Luditi i “rat protiv mašina”
- Koga AI zamjenjuje, a koga ne
- Zašto AI i dalje ne može sam da izgradi kompletnu stvar
- Praktični koraci: šta da učiš i kojim redom
- FAQ (AEO): brzi odgovori na najčešća pitanja
Šta su rekli Mark Cuban i NVIDIA CEO (i zašto to nije cijela istina)
Ljudi vole kratke, dramatične rečenice. Zato se po internetu šire ekstremne izjave tipa “više niko neće kodirati”. Ali hajde da budemo precizni.
Mark Cuban već godinama ponavlja jednu suštinu: AI postaje “baseline” vještina, i ako ga ne koristiš da ideš brže i donosiš pametnije odluke — zaostaješ.
Jensen Huang (NVIDIA CEO) je na World Governments Summit-u 2024 rekao nešto još provokativnije: da je cilj tehnologije da “niko ne mora da programira”, i da “programski jezik postaje ljudski”.
E sad dolazi ključ: čak i ako “programiranje” postane razgovor, to ne znači da software postaje “klikni i gotovo”. To samo znači da se ulaz mijenja: sa sintakse na razmišljanje.
Lekcija iz istorije: Luditi i “rat protiv mašina”
Da li si čuo za Luditski pokret — Ludite?
Početkom 19. vijeka u Engleskoj, tekstilni radnici su razbijali mašine jer su im uzimale posao. Država je reagovala brutalno: vojska, zakoni, kazne, deportacije.
Poenta nije “haha, bili su glupi”. Poenta je: kad tehnologija presiječe ekonomiju, otpor rijetko pobjeđuje. Prilagođavanje pobjeđuje.
I nije to jedini primjer. U Francuskoj su ranih 1980-ih postojale grupe koje su napadale kompjuterske/telekom sisteme iz straha od nadzora i zloupotrebe računara.
Ne moraš biti glavni lik AI revolucije. Ne moraš praviti LLM modele. Možeš biti “sporedna uloga” koja se nakači na izvor — i opet profitira ozbiljno.
Koga AI zamjenjuje, a koga ne
Hajde da se vratimo na praksu.
Ako si ikad radio iole veći projekat, znaš jednu stvar: klijent ne zna ni da opiše šta želi. Scoping (definisanje obima posla, funkcija, flow-a, edge-case-ova) je često duži i teži od samog kodiranja.
Čak i da klijent koristi AI, on i dalje ne zna:
- koja pitanja treba postaviti,
- kako da prevede ideju u specifikaciju,
- kako da odluči šta je prioritet, šta je rizik, a šta “nice to have”.
Tu dolazi razlika između dvije grupe:
Grupa 1: “Code-writer” developer
Radi taskove. Dobija tiket. Piše kod. Ne vidi širu sliku. Ne vodi projekat.
Grupa 2: Software architect / lead
Vodi razgovor sa klijentom. Razbija problem. Dizajnira sistem. Dokumentuje. Postavlja temelj. Upravlja AI agentima kao developerima.
AI će brutalno udariti prvu grupu — jer je to najlakše komoditizovati. Druga grupa postaje skuplja.
“U budućnosti će umjesto 10 developera trebati 3”
Ovo je najrealniji scenario “u sredini”.
Čak i da AI stane na tom nivou (što vjerovatno neće), šteta po radnu snagu je ogromna. Ali istovremeno: potreba za software-om konstantno raste.
Zato je pitanje: da li će biti posla? Biće.
Pravo pitanje je: ko će biti taj koji ga radi?
Zašto AI i dalje ne može sam da izgradi kompletnu stvar
Ovdje se ljudi često zalijepe za jednu fantaziju: “AI će napraviti sve, bez ljudi.”
Ajmo hladno.
1) Problem konteksta
Veliki projekti su ogromni. Kodbase, infrastruktura, istorija odluka, bugovi, kompromisi, tradeoff-i… AI može da pomogne, ali “slika cijelog sistema” u praksi i dalje mora biti u glavi (ili u dokumentaciji) koju neko vodi.
2) Kreativnost i inovacija (u realnom biznis smislu)
AI je odličan u kombinovanju i varijacijama poznatog. Ali inovacija u poslu je često: “šta zapravo treba korisniku” + “šta je izvodljivo” + “šta se isplati”.
3) Prosudba i odgovornost
Kod razvoja software-a, odgovornost je valuta povjerenja. Ljudi hoće da znaju ko stoji iza odluke, ko garantuje da projekat neće nestati, ko preuzima rizik kad nešto pukne.
AI ne snosi posledice. Čovjek snosi.
4) Halucinacije i povjerenje
Dokle god postoji šansa da AI “izmisli” nešto uvjerljivo, mora postojati čovjek koji kontroliše, testira i postavlja standard.
Moj zaključak: AI zamjenjuje developere — ali rađa arhitekte
Ako se fokusiraš na frontend ili backend kao “jednu stranu”, biće sve teže — posebno za čisti frontend.
Ne zato što frontend nestaje, nego zato što jedna osoba uz AI može da radi i frontend i backend, i još pola dokumentacije.
Rješenje nije “učim više framework-a”.
Rješenje je: postani software architect.
AI agenti treba da budu tvoji developeri, a ti vođa i arhitekta.
Praktični koraci: šta da učiš (i kojim redom)
Ovo je dio koji ti pravi razliku u 2026.
1) Temelji koji se ne preskaču
Moraš razumjeti:
frontend vs backend, API, autentikaciju i autorizaciju, baze podataka i odnose, version control, osnovni server setup, i obavezno — sigurnost. (Bez sigurnosti si opasan i sebi i klijentu.)
2) Full-stack način razmišljanja
Ne moraš sve pisati iz glave. Ali moraš znati kako se sistem sklapa, gdje su granice, gdje cure podaci, gdje pucaju performanse.
3) Development nije “pisanje koda”
Pisanje koda je sve manji dio posla. Fokus prebaci na:
- dizajn sistema,
- dokumentaciju,
- dijagrame,
- testiranje,
- odluke i tradeoff-e.
Vrijednije je da nacrtaš dijagram kako software radi, nego da iz glave ispišeš 300 linija.
4) System design i arhitektura (za web aplikacije)
Nauči:
- modularnost,
- slojeve (UI, API, servis, DB),
- caching,
- rate limiting,
- background jobs,
- observability (logovi, metrike),
- skaliranje.
5) Upravljaš AI-em kao timom
Komunikacija s AI-em nije “daj mi kod”. Komunikacija je:
- jasna specifikacija,
- ograničenja,
- kriterijumi uspjeha,
- test-case-ovi,
- iteracije.
Ti si vozač. AI su agenti. Ako nemaš mapu, džabe ti motor.
6) Najveća greška: da ti AI isključi mozak
Ne dozvoli da AI razmišlja umjesto tebe. Koristi ga za izvršenje, ali rješenje mora biti u tvojoj glavi.
Nemoj da ti piše kod koji ti nije jasan. Ako ti nije jasan — nisi ga ti napisao, i ti ga nećeš održavati.
Zaključak
Da ponovim najvažnije:
Postani software architect, a ne software developer.
Ako si danas “code-writer”, AI te stiže brzo.
Ako si danas “system thinker” koji zna da definiše problem, dizajnira rješenje, vodi klijenta i upravlja agentima — AI ti je multiplikator zarade, ne zamjena.
FAQ: brzi odgovori
Da li će AI zamijeniti programere?
AI će zamijeniti veliki dio “task-based” posla i smanjiti broj ljudi po timu, ali neće ukloniti potrebu za software-om. Profil posla se pomjera ka arhitekturi, definisanju problema, odgovornosti i vođenju AI alata.
Vrijedi li učiti programiranje danas?
Da — ali ne kao 2018. Ne učiš da budeš “brz koder”, nego da razumiješ sisteme i da upravljaš AI-em. Ko nauči temelje + arhitekturu + AI workflow, imaće prednost.
Da li AI agenti uzimaju posao juniorima?
Najviše udaraju juniore i “entry” pozicije jer je dio tih zadataka sada automatizovan. Rješenje je da junior brže ode ka full-stack temeljima, dokumentaciji, testiranju i razumijevanju sistema.
Šta da učim da budem “AI-proof”?
Temelji web-a, baze, sigurnost, system design, dokumentovanje sistema, testiranje, i vještina definisanja problema (scoping). To su stvari koje ostaju najotpornije.
Da li AI može sam da uradi scoping sa klijentom?
U praksi ne. Klijenti često ne znaju šta hoće dok ih ne vodiš kroz pitanja, prioritete i ograničenja. AI može pomoći, ali neko mora imati prosudbu i odgovornost.
Izvori
ChatGPT lansiranje i prelomni trenutak: (Sam Altman)
Rani rekord rasta (procjena 100M MAU): (Reuters)
Mark Cuban o AI kao baseline vještini i “ako ne koristiš AI — zaostaješ”: (Fortune)
Jensen Huang (NVIDIA) o “niko ne mora da programira” i “jezik je ljudski”: (NVIDIA Blog)
Luditi i reakcija države / istorijski kontekst: (The National Archives)
CLODO (Francuska, rani 1980s, anti-kompjuterski napadi): (Wikipedia)
