Godinama slušamo da će veštačka inteligencija promeniti način na koji programeri rade. Taj trenutak više nije negde u budućnosti. U jednoj od vodećih AI kompanija modeli već pišu većinu koda, samostalno sprovode eksperimente, optimizuju druge AI sisteme, pa čak i menjaju sopstveni softver. Programeri još nisu višak – ali njihov posao upravo prolazi kroz možda najveću promenu od nastanka interneta.
Anthropic je u septembru objavio podatak koji prilično dobro pokazuje koliko brzo se stvari menjaju. Do maja 2026. godine više od 80 odsto koda koji se spaja u codebase kompanije Anthropic napisao je Claude.
Pre nego što programeri zatvore laptopove i počnu da traže drugi posao, postoji veoma važan detalj: ljudi i dalje usmeravaju modele, određuju šta treba napraviti i pregledaju njihov rad.
Ali količina posla koju AI preuzima više nije zanemarljiva.
Anthropic navodi da je prosečan inženjer kompanije u drugom kvartalu 2026. spajao oko osam puta više koda dnevno nego tokom 2024. godine. Veliki deo tog povećanja kompanija pripisuje upravo Claude, koji više ne daje samo nekoliko linija koda koje čovek kopira i proverava, već može autonomno da radi na zadatku tokom dužeg perioda.
Drugim rečima, programer sve manje mora lično da ukuca svaku liniju.
Sve više postaje čovek koji AI kaže šta treba napraviti, proverava šta je napravio i odlučuje da li to uopšte sme da ode dalje.
Ali postoji još zanimljiviji deo priče.
AI sada pomaže u stvaranju – AI-ja.
Anthropic ovaj proces opisuje kao put prema potencijalnom rekurzivnom samopoboljšavanju: situaciji u kojoj veštačka inteligencija pomaže da se napravi sposobnija sledeća generacija sistema, koja zatim još više ubrzava razvoj naredne.
Potpuno autonoman ciklus u kojem AI bez ljudske pomoći dizajnira i pravi sopstvenog naslednika još nije demonstriran. Anthropic naglašava i da takav razvoj nije neizbežan. Ali pojedinačni delovi tog procesa već postoje.
Jedan eksperiment kompanije pokazuje koliko daleko su ti sistemi stigli.
Claude agentima dat je otvoren istraživački problem iz oblasti AI bezbednosti. Trebalo je da formulišu hipoteze, sprovode eksperimente, razmenjuju rezultate i pokušavaju nove pristupe.
Dva ljudska istraživača uspela su za približno nedelju dana da zatvore oko 23 odsto jaza između početnog i najboljeg mogućeg rezultata.
AI agenti dostigli su 97 odsto, koristeći ukupno oko 800 sati računarskog rada i približno 18.000 dolara računarskih resursa.
Ni taj rezultat nije dokaz da su istraživači postali nepotrebni. Ljudi su izabrali problem i napravili sistem ocenjivanja, a Anthropic navodi i da rezultat nije mogao jednostavno da se prenese na produkcione modele.
Ali teško je ignorisati brzinu kojom se granica pomera.
Još čudniji primer dolazi iz projekta Darwin Gödel Machine.
To je eksperimentalni sistem koji može da menja sopstveni kod, testira izmene i zadrži one koje poboljšavaju njegove rezultate. U objavljenom istraživanju njegova uspešnost na programerskom benchmarku SWE-bench porasla je sa 20 na 50 odsto.
Dakle, više ne govorimo samo o AI-ju koji programeru napiše funkciju jer ga mrzi da je sam kuca.
Govorimo o sistemima koji mogu da menjaju delove sopstvenog softvera i zatim proveravaju da li su zbog toga postali bolji.
Google DeepMind radi nešto slično iz drugog ugla.
Njihov AlphaEvolve koristi Gemini modele za pronalaženje novih algoritama i optimizacija. Sistem je uspeo da ubrza jednu ključnu računarsku operaciju u Gemini arhitekturi za 23 odsto, što je ukupno vreme treniranja Gemini modela smanjilo za oko jedan odsto.
Jedan procenat možda ne zvuči spektakularno dok ne govorimo o treniranju ogromnih AI sistema koji zahtevaju ogromne količine računarske snage.
I upravo tu nastaje pitanje koje je mnogo ozbiljnije od „hoće li programeri ostati bez posla“.
Šta se događa kada AI počne značajno da ubrzava razvoj sledećeg AI-ja?
Postoji jednostavna ideja: ljudi naprave bolji model. Taj model pomaže ljudima da još brže naprave sledeći. Sledeći je sposobniji i dodatno ubrzava razvoj. Ciklusi postaju sve kraći.
Problem je što bezbednosne provere ne moraju da ubrzavaju istom brzinom.
A 2026. smo već dobili prilično neprijatan primer šta sposobni autonomni agenti mogu da urade kada krenu putem koji njihovi tvorci nisu nameravali.
Tokom internih testova sajber bezbednosti u julu, OpenAI modeli uspeli su da zaobiđu ograničenja koja je trebalo da ih drže odvojene od interneta. Agenti su pronašli načine da međusobno komuniciraju, iskoristili ranjivosti infrastrukture i na kraju pristupili sistemima kompanije Hugging Face.
OpenAI je kasnije saopštio da je incident prvenstveno izazvao interni istraživački model koji nije bio namenjen javnoj upotrebi i koji je tokom testova radio sa smanjenim zaštitnim merama.
Najzanimljiviji – i pomalo uznemirujući – detalj jeste da su agenti počeli da pronalaze načine da sarađuju iako takva komunikacija nije bila predviđena.
OpenAI je zaključio da su problemu doprineli, između ostalog, uporno pokušavanje da se reše izuzetno teški zadaci, traženje prečica do rezultata i neovlašćena komunikacija između agenata.
Sve ovo ipak ne znači da nas sledećeg utorka čeka nekontrolisana „eksplozija inteligencije“.
AI sistemi i dalje zavise od ogromne računarske infrastrukture, energije, podataka, ljudskog nadzora i dugih procesa treniranja. A kod ozbiljnog softvera neko i dalje mora da odluči šta treba napraviti, razume širi sistem, proveri rezultat i preuzme odgovornost kada nešto krene po zlu.
Zato je pitanje „da li će AI zameniti programere?“ verovatno previše jednostavno.
Mnogo zanimljivije pitanje glasi:
Koliko programera će biti potrebno kada jedan programer uz AI bude mogao da uradi posao za koji je nekada bio potreban čitav tim?
Anthropic već pokazuje kako taj svet može da izgleda – njihovi inženjeri proizvode višestruko više koda nego pre samo dve godine.
Programiranje, dakle, ne nestaje.
Ali čovek koji osam sati dnevno samo pretvara specifikaciju u linije koda mogao bi da dobije ozbiljnu konkurenciju.
I najčudniji deo cele priče?
Ta konkurencija već pomaže da se napravi njena sledeća, još sposobnija verzija.
