Charter agencija iz Dalmacije prošloga nam je mjeseca poslala projektni sažetak. Imali su funkcionalan prototip izgrađen u Claudeu: ekrane korisničkog sučelja, korisnički tok, logiku izračuna. Tehnička specifikacija (također generirana pomoću AI-ja) glasila je:
"Razvojn tim NE kreće od nule. Frontend dizajn, korisnički tok i logika izračuna definirani su oko 80%. Posao je: pripremiti rješenje za produkciju, dodati poslužiteljski dio i bazu podataka, spojiti CRM, osigurati skalabilnost."
Osamdeset posto gotovo. Zvuči kao da je najteži dio iza vas.
Nije.
Ovo je novi obrazac u razvoju softvera. Netehničke osnivačice i osnivači te poslovni timovi danas mogu u nekoliko sati izgraditi funkcionalne prototipe koristeći alate poput Cursora, Lovablea, Bolta i Claudea. Vibe coding je “iz nule” izrastao u tržište vrijedno 4,7 milijardi dolara u manje od godinu dana. Andrej Karpathy smislio je termin početkom 2025., a Collins Dictionary ga je proglasio Riječju godine prije kraja iste godine. Ključni podatak: 63% korisnika ovih alata nisu programeri.
Prototipovi izgledaju kao stvarni proizvodi. Imaju ekrane, gumbe, forme, čak i baze podataka. Rade na vašem računalu. Impresioniraju investitore na demo prezentacijama. A onda se raspadaju u trenutku kad se pojave pravi korisnici.
Ovaj tekst raščlanjuje što priprema za produkciju znači u praksi, zašto je jaz između prototipa i produkcije širi nego što većina osnivača očekuje, i kako ga premostiti bez kretanja ispočetka. Ako ste osnivač, vlasnik proizvoda ili tehnički direktor s prototipom izrađenim uz pomoć umjetne inteligencije, ovo je plan za sljedeći korak.
Prototip izgleda gotovo. Ali nije.
Vaš kod nema temelje
Kod generiran umjetnom inteligencijom optimiziran je samo za jedno: da demonstracijska verzija proradi. Bira najkraći put od upute do rezultata. Posljedica je kod bez arhitekture, bez razdvajanja odgovornosti i bez obrazaca koje bi inženjerski tim pratio.
Kad pregledavamo programe izrađene na taj način, uvijek nalazimo iste probleme. Poslovna logika pomiješana je s komponentama korisničkog sučelja. Obrada pogrešaka postoji samo za idealan scenarij. Konfiguracijske vrijednosti tvrdo su upisane u izvorni kod (sretno s promjenom Stripe ključa po okruženjima). Upiti prema bazi pišu se izravno u komponentama umjesto u zasebnom podatkovnom sloju. Autentikacija je dodana usput, ako uopće postoji.
Umjetna inteligencija pritom donosi i odluke koje niste izričito tražili. Odabire upravljački program za bazu podataka, način upravljanja stanjem i biblioteku za autentikaciju. Te odluke nisu nužno pogrešne, ali su često proizvoljne. Ne slijede jasnu tehničku strategiju. Kad ih šest mjeseci kasnije trebate promijeniti, shvatite da su ugrađene u gotovo svaki dio sustava.
Analiza CodeRabbita na 470 zahtjeva za spajanje koda pokazala je da kod generiran umjetnom inteligencijom ima 1,7 puta više kritičnih problema i 2,74 puta veću stopu sigurnosnih ranjivosti u usporedbi s kodom koji su pisali ljudi. Prototip prolazi vizualnu provjeru. Programska osnova ne prolazi stručni pregled koda.
Vaša infrastruktura ne postoji
Prototip radi na lokalnom računalu ili na jednoj instanci u oblaku. Nema testnog okruženja. Nema automatiziranog slijeda za provjeru i objavu koda. Nema automatiziranih testova. Nema nadziranja, zapisa ni obavijesti o pogreškama.
Kad nam je charter agencija poslala prototip, imali su objavu na Vercelu bez odvojenih okruženja. Svaka promjena išla je izravno na javnu adresu, bez povratka na prethodnu verziju, bez sigurnosne kopije baze, bez praćenja pogrešaka.
To funkcionira dok ste vi jedini korisnik. Prestaje funkcionirati kad prvih 100 kupaca istodobno počne rezervirati jahte.
Objava aplikacije je disciplina, ne gumb. “Klikni i objavi” radi sve dok u petak navečer ne pustite neispravnu verziju i trebate je vratiti. Bez automatiziranog slijeda, plan oporavka svodi se na “ručno popravi u produkciji”. Pitajte bilo koga tko je to radio u 2 ujutro je li to održiva strategija.
Sigurnost nedostaje, a nije opcionalna
Gartner procjenjuje da će do kraja 2026. čak 60% novog koda biti generirano umjetnom inteligencijom. Istraživanja pokazuju da 45% takvog koda sadrži sigurnosne ranjivosti. Spojite ta dva podatka i razmjer problema postaje jasan.
Prototipovi izrađeni uz pomoć umjetne inteligencije često čuvaju API ključeve u kodu korisničkog sučelja. Preskaču provjeru unosa. Koriste zadane pristupne podatke za bazu. Nemaju enkripciju podataka ni u pohrani ni pri prijenosu. Izlažu administratorske pristupne točke bez autentikacije.
Jedan procurjeli API ključ dovoljan je da se vikend-projekt pretvori u incident s curenjem podataka. Za industrije koje obrađuju financijske transakcije ili osobne podatke, poput charter rezervacija, plaćanja, korisničkih podataka, to nije tehnička fusnota, nego pravna odgovornost.
Jaz povjerenja raste
Povjerenje programera u kod generiran umjetnom inteligencijom u jednoj je godini palo s 40% na 29%. Ljudi koji su “najbliže kodu” vjeruju mu sve manje, ne sve više, kako se njegova upotreba širi. Osnivači bez tehničkog predznanja vide funkcionalan ekran. Inženjeri vide testove koji nedostaju, neobrađene rubne slučajeve i pretpostavke koje je umjetna inteligencija donijela bez da je ikoga o tome obavijestila.
To je središnja napetost vibe codinga u 2026. Alat je dovoljno brz da proizvede nešto uvjerljivo. Nije dovoljno temeljit da proizvede nešto pouzdano. Razlika između “radi na mom ekranu” i “radi za 10.000 korisnika” temeljna je razlika između prototipa i proizvoda.
Što priprema za produkciju znači u praksi
Projektni sažetak charter agencije tretirao je pripremu za produkciju kao jednu stavku na popisu. Jedan zadatak, jedna kvačica. U stvarnosti, riječ je o pet ili šest inženjerskih disciplina koje se nadovezuju jedna na drugu, a svaka ima vlastitu složenost i vremenski okvir.
Restrukturiranje koda
Prvo što radimo kad nam dođe projekt izrađen uz pomoć umjetne inteligencije jest otvaranje i mapiranje programske osnove. Krećemo od ključnih pitanja: Što je umjetna inteligencija napravila? Što može izdržati ozbiljniji pregled? Što treba ukloniti?
Odgovor je gotovo uvijek isti. Korisničko sučelje izgleda pristojno. Logika ispod njega je neuredna i teško održiva. Poslovna pravila nalaze se unutar React komponenti umjesto u servisnim slojevima. Umjetna inteligencija je u TypeScriptu posvuda koristila any jer strogo tipiziranje usporava generiranje. Pozivi prema bazi stoje izravno u komponentama stranica umjesto da prolaze kroz podatkovni sloj. Obrada pogrešaka pokriva idealan scenarij i ništa više.
Ne krećemo ispočetka. Razdvajamo korisničko sučelje, poslužiteljski dio i pristup podacima. Dodajemo prave tipove. Pišemo testove. Restrukturiramo kod u nešto što tim od triju ili četiriju inženjera može održavati godinama bez poriva za brisanjem i kretanjem iznova.
Objava aplikacije prema pravilima struke
Vaš prototip živi na jednoj Vercel instanci. Nema testnog okruženja, nema automatizirane provjere, nema ničega između “spremi datoteku” i “aplikacija je dostupna korisnicima”. Svaka promjena ide izravno u produkciju.
Mi već u prvom tjednu postavljamo cijeli automatizirani slijed: kontejnere kako bi aplikacija radila jednako na svakom računalu, automatiziranu provjeru i objavu koda u kojoj se testovi pokreću za svaki zahtjev za spajanje, a neispravan kod ne dolazi do javne verzije, testno okruženje u kojem klijent može pregledati promjene prije objave, infrastrukturu definiranu kodom (koristimo Terraform ili AWS CDK) kako bi se novo okruženje moglo podići u minutama, a ne danima.
Također, izrađujemo postupke povratka na prethodnu verziju, jer će se objava u nekom trenutku zakomplicirati u 2 ujutro, a “popravi uživo” nije plan.
Sigurnost i usklađenost
Oko ovoga nema pregovora. Upravo su u ovom području prototipovi izrađeni uz pomoć umjetne inteligencije najslabiji.
Najprije provjeravamo očite probleme: API ključeve u kodu korisničkog sučelja, zadane lozinke za bazu, administratorske rute izložene bez autentikacije i izostanak provjere unosa. Zatim gradimo sigurnosni sloj kako treba: upravljanje sesijama, pohranu tajni u sigurnim spremištima, enkripciju podataka u pohrani i pri prijenosu, revizijske zapise, ograničavanje broja zahtjeva i provjeru ovisnosti.
Razmislite što charter platforma obrađuje: brojeve kreditnih kartica, skenove putovnica, ugovore o rezervaciji vrijedne desetke tisuća eura. GDPR se primjenjuje. PCI usklađenost se primjenjuje. Kad smo gradili tokove plaćanja za charter klijente u Dalmaciji, zahtjevi usklađenosti oblikovali su cijelu arhitekturu sustava. To se ne dodaje naknadno. Sustav se oko toga gradi od početka.
Nadziranje rada sustava
Nitko ne postavlja nadziranje na prototip. Zatim prototip ode u produkciju i nitko ne zna da je pao dok korisnik ne pošalje e-mail.
Produkcijski sustavi trebaju praćenje rada aplikacije koje bilježi vrijeme odziva i stope pogrešaka. Trebaju strukturirane zapise koje možete pretraživati i filtrirati, a ne console.log razbacan po datotekama. Trebaju obavijesti: ako vrijeme odziva API-ja prijeđe 500 ms ili stopa pogrešaka poraste, netko dobiva obavijest na Slack. Trebaju provjere dostupnosti za ključne pristupne točke. Trebaju praćenje performansi baze jer spori upiti mogu uništiti korisničko iskustvo brže od samog prekida rada.
Sve to postavljamo u prvom razvojnom ciklusu, ne u zadnjem. Kad dođu pravi korisnici, za probleme znamo prije njih.
Skalabilnost
Upravo se ovdje prototip charter agencije raspao na našem pregledu. Dostupnost brodova dohvaćao je izravnim API pozivom pri svakom učitavanju stranice. Jedan korisnik koji pregledava ponudu? Nema problema. Pedeset korisnika u subotu ujutro, u vrhuncu sezone rezervacija? Vanjski API vas ograniči, stranica se uspori, a kupci rezerviraju negdje drugdje.
Produkcijski kod to rješava drukčije. API pozivi se grupiraju. Podaci o dostupnosti spremaju se u predmemoriju i osvježavaju prema rasporedu. Teške operacije prebacuju se u pozadinske redove kako bi se stranice učitavale brzo.
To znamo iz iskustva. Naša platforma Boat4You svakodnevno povlači podatke iz više rezervacijskih sustava: 13.752 jahte, 1.559 agencija i 236.647 slika. Arhitekturu usklađivanja podataka, sloj predmemorije i logiku ponovnih pokušaja dizajnirali smo od nule. Nijedan alat umjetne inteligencije ne bi sam generirao takvo rješenje jer nijedan alat umjetne inteligencije nije vodio rezervacijsku platformu pod stvarnim opterećenjem usred charter sezone u Splitu.
Kako premostiti jaz bez kretanja ispočetka
Dobra vijest: ne trebate baciti svoj prototip. Onih 80% koje je umjetna inteligencija napravila ima vrijednost. Validirali ste ideju. Vidjeli ste korisničko iskustvo. Razvojnom timu dali ste bolju početnu točku.
Pristup koji koristimo u Workspaceu za vibe-coded projekte slijedi jasan redoslijed.
-
Najprije pregled. Pregledavamo postojeću programsku osnovu, utvrđujemo što može ići u produkciju i mapiramo što treba ponovno izgraditi. To traje danima, ne tjednima. Rezultat je jasan dokument opsega s procjenom troškova.
-
Zadržite korisničko iskustvo, obnovite motor. Ekrani i tokovi koje je umjetna inteligencija generirala često su najjači dio. Zadržavamo ono što korisnici vide, a mijenjamo sve što stoji iza toga. Nova arhitektura, isto iskustvo.
-
Isporučujte postupno. Produkcijsko okruženje postavljamo od prvog dana i funkcionalnosti puštamo u iteracijama. Klijent vidi napredak svaki tjedan, a ne nakon tri mjeseca tišine.
-
Automatizirajte sve. Testovi, objava aplikacije, nadziranje i obavijesti postavljaju se u prvom razvojnom ciklusu. Ne u zadnjem.
-
Prenosite znanje. Osnivač razumije proizvod. Inženjeri razumiju kod. Mi povezujemo jedno s drugim dokumentiranjem odluka, objašnjavanjem kompromisa i osiguravanjem da klijentov tim nakon predaje preuzme vlasništvo nad sustavom. Bez crnih kutija.
Vibe coding tjedne početnog istraživanja svodi na sate. Osnivač s funkcionalnim prototipom dolazi na prvi sastanak s jasnim prikazom onoga što želi. Bez apstraktnih nacrta zaslona. Bez dvosmislenih zahtjeva. S funkcionalnom demonstracijskom verzijom.
To mijenja ekonomiku razvoja softvera. Početna istraživačka faza postaje kraća. Povratne informacije dolaze brže. Ukupni trošak od ideje do produkcije pada. Ne zato što inženjerski posao nestaje, nego zato što se početna točka pomiče naprijed.
Alate umjetne inteligencije koristimo i u vlastitom radu. Claude nam pomaže analizirati projektne zahtjeve. Procjena uz pomoć umjetne inteligencije koristi naše povijesne podatke o utrošenom vremenu na stotine zadataka. Nismo skeptični prema umjetnoj inteligenciji, gradimo s njom svaki dan. Znamo i gdje prestaje, a gdje inženjering preuzima.
Timovi koji danas pobjeđuju tretiraju vibe coding kao alat za početno istraživanje, a profesionalni inženjering kao metodu isporuke. Brzo izradite prototip. Validirajte ga s pravim korisnicima. Zatim gradite produkcijski sustav s povjerenjem da gradite pravu stvar.
Val vibe codinga ne usporava. Upotreba među korisnicima bez tehničkog predznanja porasla je 520% u odnosu na prethodnu godinu. GitHub izvještava da je 46% novog koda generirano umjetnom inteligencijom. To znači da će sve više osnivača na sastanke dolaziti s funkcionalnim prototipovima. Sve više tih prototipova trebat će profesionalni inženjering kako bi stigli do produkcije. Tržište pripreme prototipova za produkciju raste brže od tržišta razvoja od nule.
Što slijedi
Ako imate prototip izrađen uz pomoć umjetne inteligencije i pitate se što dolazi nakon toga, odgovor je pregled. Ne prepisivanje ispočetka. Ne šestomjesečni projektni plan. Nego fokusiran pregled onoga što imate, što funkcionira i što je potrebno za put do produkcije.
Provodimo takve preglede za osnivače i produktne timove koji su gradili s alatima umjetne inteligencije i sada trebaju isporučiti proizvod pravim korisnicima. Dogovorite konzultacije i saznajte gdje stoji vaš prototip te što je potrebno za objavu produkcijske verzije.
