Zašto jedan Copilot nije dovoljan
AI asistenti u IDE-u (Copilot, Codeium, Cursor) povećavaju produktivnost programera za 20-30%. To je stvarna ušteda, ali je samo sloj autodopunjavanja. Agent pomaže pisati linije koda, ali čovjek i dalje odlučuje što napisati, projektira strukturu, pokreće testove, debugira, radi code review, piše dokumentaciju i deploya. Usko grlo nije brzina pisanja koda — to je koordinacija desetaka različitih aktivnosti u razvojnom ciklusu.
Tim specijaliziranih AI agenata rješava taj problem drugačije. Svaki agent ima jasnu ulogu i odgovornost. Jedan agent analizira zahtjeve i izrađuje tehničku specifikaciju. Drugi projektira strukturu modula. Treći piše implementaciju. Četvrti piše jedinične i integracijske testove. Peti provodi code review s aspekta sigurnosti i sukladnosti sa standardima. Šesti generira dokumentaciju. Sedmi upravlja deploymentom. Čovjek-arhitekt koordinira, pregledava, donosi strateške odluke — ali rutinu preuzima tim agenata.
Obrasci orkestracije — kako agenti zapravo surađuju
Tri osnovna obrasca orkestracije pokazala su se u praksi:
- Sekvencijalni pipeline — agenti obavljaju zadatke utvrđenim redoslijedom (analiza → dizajn → kod → testovi → review → deployment). Svaki agent prima output prethodnog kao input. Najjednostavniji za implementaciju, najmanje fleksibilan.
- Hub-and-spoke — centralni koordinator (orchestrator) delegira zadatke specijaliziranim agentima i agregira rezultate. Dobar za zadatke s više neovisnih podzadataka (npr. paralelni rad na različitim modulima).
- Peer-to-peer pregovaranje — agenti komuniciraju izravno, mogu jedni drugima dodjeljivati podzadatke, eskalirati probleme, pitati za odluke. Najfleksibilniji, ali zahtijeva jasne protokole komunikacije i mehanizme rješavanja sukoba.
U produkcijskoj praksi promatramo hibrid: orchestrator za glavni workflow, peer-to-peer za specijalizirane zadatke (npr. test agent može izravno konzultirati security agenta bez uključivanja orchestratora).
Uloge u timu — koje su ključne
Iz našeg iskustva s produkcijskom multi-agent platformom, najvažnije uloge su:
- Agent poslovni analitičar — prevodi korisničke zahtjeve u tehničku specifikaciju. Postavlja pitanja za razjašnjenje. Identificira nedostajuće informacije.
- Agent arhitekt — projektira strukturu modula, odabire obrasce dizajna, odlučuje o granicama komponenti. Konzultira security agenta za osjetljive odluke.
- Agent backend developer — implementira poslovnu logiku, API-je, integracije. Bira biblioteke i framework.
- Agent frontend developer — implementira UI, komponente, integracije s API-ima.
- Agent data engineer — projektira shemu baze podataka, piše migracije Alembic/Flyway, optimizira upite.
- Agent QA — piše jedinične, integracijske, E2E testove. Pokriva happy path, edge case-ove i scenarije pogrešaka. Generira testove iz dokumentacije.
- Agent code review — analizira pull requestove s aspekta OWASP Top 10, standarda koda, kvalitete testova, sukladnosti s arhitekturom. Eskalira dvojbe čovjeku.
- Agent dokumentacije — generira OpenAPI specifikacije, README, CHANGELOG, inline komentare tamo gdje WHY nije očito.
- Agent DevOps — priprema Dockerfile, docker-compose, CI/CD konfiguracije, monitoring.
Što se konkretno mijenja u organizaciji
Tim od 8-10 developera može biti zamijenjen s 2-3 iskusna inženjera + timom agenata, isporučujući usporedivu ili veću vrijednost. Time-to-market za prosječnu funkcionalnost skraćuje se s 2-4 tjedna na 3-7 dana. Pokrivenost testovima raste s tipičnih 40-60% na 80-90% — jer se testovi generiraju zajedno s kodom (TDD kao default), a ne „dodaju naknadno”.
Druga, manje vidljiva promjena je standardizacija. Svaki projekt primjenjuje iste prakse — feature branch workflow, squash merge, Conventional Commits, CHANGELOG u formatu Keep a Changelog, audit log u bazi, OpenAPI dokumentacija generirana automatski. Agenti ne zaboravljaju ta pravila, ne gube motivaciju, ne skraćuju put pod pritiskom rokova.
Što ostaje uloga čovjeka
Čovjek-arhitekt ne nestaje — naprotiv, njegova uloga postaje važnija. Kritična područja:
- Strateške arhitekturne odluke — izbori poput „mikroservisi ili monolit”, „PostgreSQL ili Mongo”, „koliko slojeva cachea”. Agenti predlažu varijante, čovjek bira.
- Code review za promjene koje utječu na više modula — agenti su dobri u mehaničkoj provjeri, čovjek vidi unakrsne posljedice.
- Produkcijski debugging — kada se nešto raspada u produkciji, iskusan inženjer s mentalnim modelom sustava je nezamjenjiv.
- Poslovne i etičke odluke — kada snositi trošak refactoringa, kako riješiti dilemu s klijentom, treba li implementirati etički upitnu funkcionalnost.
Implementacija kod vas — od čega početi
Najbolji put usvajanja u postojećem timu je evolucija, ne revolucija. Prvi korak: dodavanje code review agenta kao drugog para očiju na svakom pull requestu. Drugi korak: agent za generiranje jediničnih testova — pokreće se pri svakoj novoj funkciji. Treći korak: agent dokumentacije koji generira OpenAPI i README. Četvrti korak: agent koji upravlja deploymentom (CI/CD). Tek kada je tim ugodno s tim ulogama, dodajemo agente višeg nivoa (arhitekt, poslovni analitičar).
Ključan je jasan protokol eskalacije — kada agent treba prekinuti i tražiti čovjekovu odluku. Bez toga tim se ili zaustavlja na svakom koraku (paranoja), ili agenti samostalno donose odluke koje ne bi smjeli (rizik).
Zaključci za donositelje odluka
Razvoj softvera s timom AI agenata nije prolazna moda — to je fundamentalna promjena, slična po razmjeru prijelazu s waterfalla na agile. Tvrtke koje implementiraju ovaj model u narednih 12-24 mjeseca dobit će trajnu prednost u troškovima i kvaliteti. Tvrtke koje budu odugovlačile naći će se u situaciji onih koje su 2012. ignorirale cloud. Pitanje više nije „hoće li”, već „koliko brzo i odakle početi”.