TehnologijaGN News Redakcija08.11.2026. 18:41pre 22 h

GitHub upozorava: AI piše sve više koda, ali timovi usporavaju na proveri — šta menja „agentic engineering“

GitHub u novom vodiču objašnjava zašto brzo generisanje programa više nije dovoljno. Prema podacima koje navodi kompanija, rast automatizacije stvara opterećenje u proveri koda, pa razvijaoci moraju da povežu planiranje, izradu, testiranje i praćenje softvera.

Zvanični GitHub logotip iz slobodne biblioteke, ilustracija teme o programiranju uz pomoć AI agenata — GitHub / Wikimedia Commons. Public domain. Izvor: https://commons.wikimedia.org/wiki/File:GitHub_logo_2013.svg. Obrada: slika konvertovana u WebP.

Više generisanog koda ne znači automatski brži proizvod

GitHub je 6. novembra objavio vodič posvećen onome što naziva „agentic engineering“ — načinu rada u kojem AI agenti ne služe samo za pisanje funkcija, već pomažu tokom celog razvoja softvera. Kompanija navodi da je u jednoj oktobarskoj nedelji na njenoj platformi zabeleženo više od 1,2 milijarde commit promena, što predstavlja rast veći od 400 odsto u odnosu na godinu ranije. Ta brojka pokazuje obim aktivnosti, ali ne znači da je kvalitet svakog programa porastao istom brzinom.

Problem nastaje kada veliki broj novih promena stigne na proveru. GitHub u tekstu citira istraživanje kompanije Faros AI, prema kojem su u analiziranim timovima sa većom upotrebom AI zahtevi za spajanje koda provodili 441 odsto više vremena čekajući pregled. Takav nalaz ne mora da važi za svaku organizaciju, ali upozorava da generisanje koda može da bude brže od kapaciteta ljudi koji moraju da ga pregledaju i odobre.

Prvo pripremiti posao, pa tek onda pustiti agente

U prvoj fazi, nazvanoj Plan, razvojni tim treba da prikupi zahteve, ranije tehničke odluke i pravila kompatibilnosti. GitHub navodi primer izmene programskog interfejsa, kod koje opis zahteva može biti na jednom mestu, dodatna pravila u komunikacionim kanalima, a razlog za postojeće rešenje u staroj izmeni koda. Agent bez tog konteksta može da napravi program koji izgleda ispravno, ali narušava ono što već radi.

Sledeća faza je Build: agente je moguće koristiti za različite zadatke i pratiti njihov napredak, umesto da razvoj zavisi od jednog neprekidnog razgovora sa AI alatom. Takav pristup omogućava da se jednostavniji poslovi odvijaju paralelno, ali ne ukida potrebu da čovek reaguje kada se promene prioriteti, otkrije rubni slučaj ili rezultati više zadataka nisu međusobno usklađeni.

Automatska provera nije isto što i automatsko poverenje

Faza Verify posvećena je proveri stvarnih promena. GitHub opisuje kako Copilot code review može da pruži automatizovane komentare, uz različitu dubinu analize prema složenosti zahteva. To je posebno korisno kada veliki broj predloga zatrpa red za pregled i sakrije sitnu, ali važnu izmenu među stotinama redova drugog koda. Automatska pomoć treba da ubrza rad recenzenta, ne da zameni odluku o prihvatanju.

GitHub pominje i bezbednosne alate, među kojima su AI Scan za određene vrste provera ranjivosti i AI secret detection za prepoznavanje osetljivih podataka koje jednostavno pretraživanje šablona može da propusti. Pored toga, posebna pažnja posvećena je licencama softverskih zavisnosti. Package firewall, koji je za npm opisan kao javni pregled, može da zaustavi preuzimanje paketa koji nisu u skladu sa podešenim pravilima.

Problem se ne završava uspešnim puštanjem programa u rad

GitHub četvrtu fazu naziva Observe. Ona počinje kada je izmena već prihvaćena i novi softver radi kod korisnika. Čak i kada su testovi prošli, mogu se pojaviti povremena usporavanja, neočekivane greške ili problemi koji pogađaju samo neke klijente. Zato razvojni tim mora da prati logove, informacije o prethodnom izdanju, zahteve podršci i ponašanje sistema u realnim uslovima.

Za timove koji koriste AI agente to je važan podsetnik da proveru ne završava poruka „testovi su uspešni“. Brzo automatsko rešavanje jednog zadatka može da uštedi vreme, ali i da napravi dodatne probleme ako se izostavi praćenje proizvodnog sistema. Ljudska odluka o tome kada se promena povlači, ispravlja ili pušta dalje ostaje centralna za bezbedan rad.

Šta mogu da primene i manje razvojne ekipe

Iz ovog pristupa ne proizlazi da svakom timu treba veliki broj agenata niti skup sistem za automatizaciju. I mala ekipa može da uvede red: jasno zabeležen zahtev, mali skup promena, automatske testove, proveru bezbednosti i jednostavno praćenje rada posle objave. Posebno je korisno odvojiti pripremu od konačnog puštanja u produkciju, kako eventualna greška u razvojnom okruženju ne bi odmah pogodila korisnike.

GitHub-ov vodič je kompanijski opis mogućnosti i preporučenog rada, a ne nezavisno obećanje da će svaki programerski tim postati brži. Brojke o broju commit promena i istraživanju Faros AI prenete su uz jasno označen izvor. Uz članak je javno dostupan GitHub logotip, ne ilustracija određenog AI proizvoda ili snimak programskog interfejsa.

Izvori

https://github.blog/ai-and-ml/github-copilot/beyond-code-generation-a-developers-guide-to-agentic-engineering/

Komentari

Prikaz odobrenih komentara je dostupan. Slanje novih komentara biće uključeno kada se završe zaštita od zloupotreba i urednička moderacija.