Kako se razvija veštačka inteligencija i zašto treba da postanete AI inženjer

Da vam je neko pre deset godina rekao da će računari pisati kod, praviti slike, komponovati muziku i pomagati lekarima u dijagnostifikovanju bolesti, verovatno biste slegnuli ramenima. A sada živimo upravo u tom svetu.

Veštačka inteligencija više nije daleka budućnost – to je sadašnjost koja se menja iz meseca u mesec, a neretko i iz dana u dan. U prilog tome govori i podatak iz istraživanja kompanije Grand View Research da je globalno AI tržište bilo vredno preko 239 milijarde evra u 2024. godini i da se očekuje rast dvocifrenom stopom.

Ono što je počelo kao eksperiment u laboratorijama, danas pokreće čitave industrije. I tu negde između mašinskog učenja i kreativne automatizacije pojavila se nova profesija – AI inženjer.

Ako je ovo profesija koja vas zanima, biće vam interesantno da se vratite nekoliko koraka unazad kako biste je što bolje razumeli. Stoga, da li ste spremni za kratko AI putovanje?

Veštačka inteligencija danas deluje svemoćno – piše, crta, kodira, analizira, razgovara, obavlja taskove umesto vas, daje savete i šta sve još ne radi… Ali, do tog nivoa nije stigla preko noći. Razvijala se korak po korak tokom decenija: prvo su je naučnici osposobili da logički razmišlja, zatim da prepoznaje obrasce, pa da vidi, razume i na kraju – da stvara.

1. Godina je 1950-a: Mašine koje logički razmišljaju

Godine 1950. Alan Tjuring postavlja čuveno pitanje: „Mogu li mašine misliti?” i uvodi Tjuringov test – jednostavan eksperiment kojim se proverava da li kompjuter može da „završi razgovor” tako da sagovornik ne primeti da nije čovek. Samo šest godina kasnije, 1956, na Dartmouth skupu grupa vizionara je prvi put upotrebila termin „artificial intelligence”.

Cilj naučnika je jasan: da kompjuteri nauče da rešavaju zadatke koje ljudi rešavaju logikom – sklapanje rečenica, rešavanje matematičkih problema ili planiranje poteza u šahu. Prvi AI programi mogli su da igraju dame i šah, rešavaju jednostavne jednačine i analiziraju tekst na nivou osnovnih pravila.

@henrybelcaster

The invention of AI..

♬ original sound – Henry Belcaster

2. Između 70-ih i 80-ih: Računari koji imitiraju stručnjake

Sedamdesetih i osamdesetih godina napravljeni su takozvani ekspertski sistemi – programi koji su sadržali hiljade logičkih pravila i donosili odluke kao lekari, inženjeri ili finansijski analitičari.

AI je u to vreme pomagao u medicini, dijagnostici i planiranju proizvodnje. Ipak, imao je jedno ograničenje: mogao je da uradi samo ono za šta je programiran. Nije umeo da uči iz grešaka i upravo zbog toga je razočarao očekivanja naučnika, što je dovelo do poznate „AI zime”.

3. Devedesete su ostavile jak trag: Veštačka inteligencija koja uči iz iskustva

Devedesetih se AI vratio – ovaj put sa novim pristupom. Umesto da mu se sve unapred objasni, naučnici su ga naučili da sam otkriva pravila iz podataka. Tako se rađa machine learning.

Sada AI nije više pratio gotove instrukcije, već je analizirao ogromne količine informacija i učio kroz iskustvo. To mu je omogućilo da prepoznaje šablone, procenjuje rizik, pa čak i predviđa događaje.

Čuveni primer iz 1997. godine je IBM Deep Blue, računar koji je pobedio Garija Kasparova, tadašnjeg svetskog šampiona u šahu. To je bio dokaz da mašina može da savlada čoveka u zadatku koji zahteva planiranje, predviđanje i strategiju. Ipak, u tom periodu AI je i dalje bio ograničen – mogao je da obavlja tačno definisane zadatke, ali nije razumeo kontekst.

4. Početak 2000-ih: AI kao deo interneta i svakodnevice

Početkom 2000-ih AI je izašao iz laboratorija i postao deo interneta. Zahvaljujući ogromnim količinama podataka i bržim računarima, AI je naučio da prepoznaje glas, slike i tekst. To je vreme u kom se rađa machine learning u modernom smislu.

Ovo je omogućilo pojavu glasovnih asistenata, sistema za prepoznavanje lica, filtera u kamerama i preporuka na YouTubeu i Spotifyju. Veštačka inteligencija je prvi put počela da utiče na svakodnevni život miliona ljudi, iako većina nije ni bila svesna da je koristi.

5. Novo doba, 2010: AI kao kreativac

Sredinom 2010-ih dolazi do revolucije pod nazivom deep learning – modela sa više slojeva neuronskih mreža. To omogućava AI-ju da obrađuje ogroman broj informacija i uči kompleksne obrasce.

Modeli sada mogu da prepoznaju objekte na slici, razumeju govor, prevode jezike i pišu tekst. U tom trenutku, AI više nije bio samo „asistent” koji pomaže, već je postao partner u stvaranju.
Počeo je da generiše slike, muziku, pa i video. To je bio prvi korak ka današnjoj generativnoj eri.

AI takođe počinje da se koristi za analizu medicinskih snimaka, upravljanje pametnim vozilima i personalizovane preporuke, a ceo svet po prvi put vidi koliko daleko AI može da ide.

6. Velika prekretnica i uočljiv napredak, 2017: AI kao kreator sadržaja

Godina 2017. bila je prekretnica. Pojavljuje se transformer arhitektura – tehnološki temelj današnjih modela kao što su ChatGPT, Claude, Gemini i LLaMA. Po prvi put, AI je mogao da razume kontekst, uči iz prethodnih odgovora i stvara sadržaj koji deluje kao da ga je napisao čovek.

Danas AI više nije rezervisan za naučnike i programere. Koristi se u školama, bolnicama, bankama, digitalnom marketingu, proizvodnji, dizajnu – svuda gde postoje podaci. Može da pomogne lekaru da postavi dijagnozu, nastavniku da napravi plan časa ili marketaru da napiše kampanju.

7. DANAS, novi ekosistem: AI alati i neverovatne promene na tržištu

Dok su kompanije nekada zapošljavale armije junior developera da pišu kod, sada deo posla rade AI alati kao što su GitHub Copilot, ChatGPT ili Replit Ghostwriter. Oni pišu funkcije, generišu testove, čak i predlažu rešenja koja bi ljudima uzela sate rada.

I dok je u početku to delovalo kao pretnja, danas se jasno vidi da se ne radi o zameni, već o evoluciji posla. Prema istraživanju kompanije McKensey, u 2024. više od 78% organizacija koristilo je AI u najmanje jednoj poslovnoj funkciji.

Programer više nije samo onaj ko piše kod, već neko ko zna kako da upravlja alatima, proverava rezultate i spaja različite tehnologije u jedan funkcionalan sistem. Tu na scenu stupa AI inženjering – spoj programiranja, podataka, mašinskog učenja i logike proizvoda. Zadatak AI inženjera nije da „uči mašinu da misli”, već da napravi proces koji to omogućava.

Veštačka inteligencija nije samo novi alat u arsenalu programera – ona menja način na koji se softver stvara. Umesto da se sav rad svodi na ručno pisanje koda, inženjeri danas projektuju sisteme u kojima deo posla obavljaju modeli, a deo ljudi. To zahteva novu vrstu veštine, planiranja i odgovornosti.

1. Manje kucanja, više orkestriranja

Pre samo nekoliko godina programeri su ručno razvijali svaku funkciju, API ili test. Danas, AI alati GitHub Copilot i Replit mogu da napišu osnovni kod u sekundi. Zadatak inženjera više nije kucaj, već usmeri – definiši cilj, proveri rezultat i uklopi ga u celinu.

2. Programer postaje dizajner sistema

Uloga softverskog inženjera sve više liči na ulogu arhitekte. Umesto da gradi zid po zid, on sada planira ceo objekat: bira prave AI modele, određuje gde se koji alat koristi i osigurava da svi delovi komuniciraju bez greške.

3. Fokus prelazi sa koda na strukturu

Standardne funkcije više nisu glavna vrednost. Sada se traži sposobnost da se sistemi osmisle – da rade stabilno, da budu skalabilni i da koriste AI samo tamo gde ima smisla.

Inženjer mora da zna da kombinuje modele, API-je, baze i interfejse u funkcionalnu celinu.

4. Brže iteracije i eksperimentisanje

AI donosi ne samo automatizaciju već i brzinu testiranja ideja. Inženjer može da proveri više rešenja u istom danu, da uporedi performanse i optimizuje kod u realnom vremenu. To otvara prostor za inovacije, jer se trošak greške smanjuje, a ciklus učenja skraćuje.

5. Pristup većoj količini podataka

Današnji inženjeri koriste AI da analiziraju performanse sistema, mere učinak modela i predviđaju uska grla. To ih približava analitičarima i data inženjerima, jer razumevanje podataka postaje jednako važno kao i pisanje koda.

Sigurno ste se sami ovo zapitali makar jednom: da li će AI jednog dana moći da radi sve što i programeri? Odgovor je jasan: ne. AI će preuzeti rutinske delove posla, ali kreativnost, odgovornost i razumevanje konteksta i dalje su na strani ljudi.

1. AI ne razume kontekst

AI može da napiše funkcionalan kod, ali ne zna zašto taj kod postoji. Ne vidi potrebe korisnika, poslovne ciljeve ni tržišne realnosti. Zato će uvek biti potreban inženjer koji povezuje tehnologiju sa ljudskim namerama.

2. Ljudi snose odgovornost

AI može da pomogne da se donese odluka, ali ne može da bude odgovoran za nju. Kada sistem pogreši, baza se ošteti ili projekat ne ispuni cilj – odgovornost je ljudska. Programeri i dalje moraju da razumeju rizike i posledice svake linije koda.

3. Rutine nestaju, ali kreativnost ostaje

AI odlično obavlja zadatke koji se ponavljaju, ali teško stvara nešto novo. Pravi programeri ne samo da rešavaju problem već ga i definišu. Oni razmišljaju izvan šablona, dok AI šablone uči. I upravo u tome je razlika.

4. Programeri koji koriste AI zameniće one koji ga ignorišu

Broj oglasa za AI veštine porastao je za 73% od 2023. do 2024, a u 2025. ostvario je i rast od preko 100%. Stoga, veštačka inteligencija neće oduzeti posao – oduzeće prednost onima koji je ne koriste. Oni koji nauče da koriste AI alate za brže testiranje, pisanje i analizu biće traženiji nego ikad do sada.

To je nova generacija inženjera – oni koji rade pametnije, ne nužno više. Zato je pitanje današnjice ne da li će AI zameniti programere, već da li će programeri koji ne koriste AI zameniti one koji ga koriste. Studija „Complement or substitute?” jasno pokazuje ovaj trend, predstavljajući da je potražnja za ljudskim veštinama koje dopunjuju AI do 50% veća od efekta kojim AI zamenjuje ljudski rad.

5. Ukratko: evo još razloga zašto je AI zapravo naš saveznik

AI se širi ne samo kroz IT industriju već postaje i sastavni deo svake profesije. Podaci pokazuju da kompanije koje ga koriste beleže rast efikasnosti i prihoda, dok pojedinci koji savladaju AI alate brže napreduju u karijeri.

Potrebno je samo da znate kako AI sistemi uče, kako im pomoći da daju tačne rezultate i kako da ih koristite u svakodnevnom poslu. Evo koje su veštine danas najvažnije za svakog budućeg AI inženjera, ali i za svakoga ko želi da razume kako funkcioniše svet veštačke inteligencije.

Razumevanje kako AI uči

Veštačka inteligencija se uči na primerima. Umesto da joj zadajete svako pravilo, vi joj pokazujete podatke – slike, tekstove, brojeve – i ona sama pronalazi obrasce. Zato je važno da razumete machine learning koncepte, odnosno kako mašina prepoznaje razlike, kako zna kad greši i kako da joj pomognete da nauči bolje.

Rad sa podacima

Podaci su gorivo za AI. Ako su loši, i rezultati će biti loši. AI inženjeri uče kako da prikupe podatke, očiste ih od grešaka, pravilno ih organizuju i koriste. To može biti sve: od komentara na društvenim mrežama do medicinskih snimaka ili prodajnih izveštaja. Cilj je da podaci budu tačni, čisti i spremni za učenje.

Komunikacija sa AI-jem

Danas ne morate da znate da programirate da biste radili sa AI-jem, ali morate da znate kako da mu objasnite šta želite. To se zove prompt inženjering. Ako napišete nejasno pitanje, model će vam dati nejasan odgovor. Ako ste precizni, AI će raditi kao da zna tačno šta vam treba. Upravo to umeće razlikuje ljude koji AI koriste površno od onih koji od njega dobijaju stvarne rezultate.

Razumevanje AI procesa kodiranja

AI je omogućio nastanak novog pristupa, koji se naziva AI proces kodiranja, i u okviru kog AI piše kod, ali mu i dalje treba čovek koji zna da proveri i usmeri rezultat. AI inženjer zna da zada zadatak („napravi funkciju koja radi X-stvar”), proveri da li radi kako treba, popravi greške i poveže sve u sistem. Drugim rečima, AI piše, ali čovek odlučuje šta ide u produkciju.

Automatizacija rutinskih zadataka

Najveća prednost AI-ja je to što može da radi stvari umesto vas. Pisanje dokumentacije, testiranje koda, obrada mejlova, izveštaji – sve to može da bude automatizovano. AI inženjer razmišlja: „Šta od ovoga mogu da prepustim mašini, a da ja zadržim kontrolu?” To je AI automatizacija – oslobađanje vremena za važniji i kreativniji deo posla.

Održavanje i praćenje AI sistema

Kada jednom napravite AI rešenje, ono ne radi zauvek isto. Modeli s vremenom mogu da se „pokvare” ako im se promene podaci ili korisničke navike. Zato AI inženjeri stalno prate kako se sistem ponaša, mere rezultate i po potrebi ga prilagođavaju. To je posao koji predstavlja spoj tehnike, analitike i logike i koji postaje sve važniji deo svake kompanije.

Bezbednost i etika

AI sistemi imaju pristup ogromnoj količini podataka, pa je važno da znate kako da ih zaštitite. Tu se ne radi samo o lozinkama i serverima, već o tome da AI ne koristi tuđe podatke bez dozvole, ne donosi pristrasne odluke i odluke koje mogu nekome naškoditi. Dobar AI inženjer uvek razmišlja o posledicama, a ne samo o performansama.

Razmišljanje kao kreator, ne kao izvršilac

AI inženjering nije posao gde samo izvršavate tuđe zadatke. To je uloga u kojoj razmišljate sistemski: kako da nešto radi brže, pametnije i lakše za korisnika. AI inženjeri nisu „kod-mašine”, već ljudi koji kombinuju logiku, dizajn i razmišljanje o korisničkom iskustvu.

Komunikacija i timski rad

U svetu AI-ja, inženjeri ne rade sami. Sarađuju sa dizajnerima, analitičarima, menadžerima, pa čak i pravnicima. Zato je sposobnost da objasnite složenu stvar možda i najvažnija veština od svih. Ako znate da povežete ljude i tehnologiju, AI vam postaje alat koji menja način na koji tim funkcioniše.

AI inženjer nije istraživač koji se bavi teorijom, već praktičar koji povezuje kod, podatke i modele. U njegovom radnom danu ima mnogo eksperimenata: testiranje promptova, evaluacija modela, podešavanje metrika, praćenje performansi i troškova. Radi blisko sa programerima, data inženjerima i menadžerima proizvoda.

U početku to mogu biti mali zadaci, poput kreiranja API-ja koji koristi model za analizu teksta ili generisanje predloga koda. Kasnije, AI inženjer postaje ključni deo razvoja većih sistema: od aplikacija koje koriste jezičke modele do platformi koje automatizuju procese unutar kompanija.

Istraživanje kompanije Qubit Labs dokazuje da plate prate tu važnost:

• U SAD, prosečna godišnja plata AI inženjera u 2025. iznosi oko 126.768 €, što potvrđuje rast od preko 50.000 USD u odnosu na prethodnu godinu.
• Istočna Evropa nudi prosečnu platu od oko 34.300 € godišnje za AI inženjere.

Procenjuje se da će potražnja za AI stručnjacima u Srbiji i regionu tek da “uzme maha” u narednim godinama, jer sve više kompanija uvodi automatizaciju i AI alate u svakodnevni rad. Kompanije ne traže samo ljude koji znaju da kodiraju već one koji razumeju kako AI alati mogu da povećaju efikasnost, donesu stvarne rezultate i rade u kompleksnim sistemima.

Ako tek ulazite u svet veštačke inteligencije, sve može delovati komplikovano: modeli, podaci, kod, algoritmi. Međutim, istina je da se sve svodi na logiku i praksu. Ne morate da imate matematiku u malom prstu – dovoljno je da razumete kako mašina uči iz primera i da ste spremni da eksperimentišete. Put do AI inženjera je jasan ako idete korak po korak.

Korak 1: Upoznajte osnove programiranja

Sve počinje od razumevanja toga kako softver „diše”. Zato je Python najbolji izbor za početak? Jednostavan je, čitljiv i koristi se u gotovo svim AI projektima: od analize podataka do kreiranja modela.

Naučite kako se pišu osnovne funkcije, kako rade petlje i kako da čuvate podatke. Već posle mesec dana redovnog rada moći ćete da pišete jednostavne skripte koje prikupljaju podatke, automatski preračunavaju tabele ili analiziraju tekst.

Korak 2: Machine learning – naučite kako AI razmišlja

Razumite machine learning logiku: kako modeli prepoznaju obrasce i zašto su podaci najvažniji deo procesa. Kada shvatite logiku koja stoji iza toga, sve ostalo postaje lakše. Ne morate da pišete kompleksne modele – dovoljno je da razumete šta se dešava „iza kulisa”.

Korak 3: Utonite u deep learning i vežbajte rad sa podacima

Učite da prepoznajete dobre i loše podatke. Preuzimajte besplatne skupove sa sajtova kao što je Kaggle i vežbajte filtriranje, sortiranje i čišćenje. AI inženjeri ne prave samo modele već i brinu da ono što ulazi u model bude smisleno. To je veština koju većina potcenjuje, a ona često pravi razliku između prosečnog i odličnog rezultata.

Korak 4: Usavršite rad sa AI alatima (to će vam pomoći da napredujete u svojoj oblasti)

Najbrži način da razumete AI jeste da ga koristite. Probajte različite AI alate – ChatGPT, Copilot, Gemini ili Midjourney. Počnite od jednostavnog: napišite zadatak, zamolite AI da napiše mejl, da sredi tabelu, da vam objasni neki kod ili da napravi plan projekta.

Posmatrajte kako AI reaguje na vaše zahteve i koliko zavisi od načina na koji mu se obratite. To iskustvo će vam pomoći da shvatite prompt inženjering – umetnost davanja jasnih i korisnih instrukcija modelima.

Korak 5: Napravite svoj mini-projekat

Savremeni poslodavci više cene praktične primere nego teorijsko znanje. Zato je najbolji način da im se predstavite da napravite nešto konkretno, pa makar bilo jednostavno. Možete, recimo, napraviti alat koji automatski sažima tekstove, preporučuje filmove, prepoznaje ton komentara ili generiše kratke marketinške poruke.

Korak 6: Nastavite da pratite trendove, potražite praksu i povežite se sa zajednicom

AI se menja iz nedelje u nedelju. Koristite Git/GitHub za verzionisanje koda i povežite se sa zajednicom, čitajte blogove i isprobajte nove alate. To vam pomaže da ostanete u toku, ali i da vidite kako razmišljaju drugi, što vam često daje inspiraciju za vaše sledeće ideje. Ovo je oblast u kojoj napredak nikad ne staje – zato je idealna za znatiželjne.

ITAcademy je strukturirana tako da ćete kroz sve gorepomenute korake, od prvog do poslednjeg, proći postepeno – od osnova programiranja i obrade podataka do praktične primene AI alata i izrade sopstvenih projekata.

I, kao što rekosmo, najidealniji program koji će vas uvesti u AI svet jeste AI & Python Program. Učite Python korak po korak, a zatim kroz praktične projekte primenjujete AI algoritme i vidite kako funkcionišu u realnim situacijama. Savršen je izbor ukoliko želite da postanete junior AI inženjer ili da razumete kako se modeli povezuju sa kodom.

Ipak, ako su vaše trenutne ambicije okrenute isključivo ka pravilnoj upotrebi AI alata, na kursu Uvod u AI alate, kroz samo 32 sata obuke, i to uz vođstvo AI stručnjaka, naučićete da koristite više od 10 popularnih AI alata i znatno olakšate svoj rad i svakodnevicu.

Naravno, za šta god da se odlučite, dobijate 100% praktična znanja, bez suvišne teorije, kao i konstantu podršku mentora. Projekti za portfolio, bonus kursevi stranih jezika, priprema za posao, povezivanje sa eminentnim poslodavcima – samo su dodatni bonus uz veštine koje stičete.

Zapamtite: veštačka inteligencija više nije luksuz! To je alat koji koristi svaka ozbiljna kompanija. I što pre naučite da ga koristite, to ćete pre biti deo budućnosti koja se upravo gradi.