Skip to content
Članak Nielsen Norman Group okt 2026.

Nielsen Norman Group: zašto agentni AI sistemi postaju krhki

Zašto agentni AI sistemi postaju krhki

Tanner Kohler iz Nielsen Norman Group objavio je ovaj članak 2. oktobra 2026. godine. Istražuje obrazac koji se javlja kod ljudi koji grade agentne AI sisteme bez inženjerskog iskustva — autor ih naziva “vibe arhitektima”. Pošto AI čini gradnju gotovo besplatnom, nema pritiska da se postavljaju prioriteti ili planira. Rezultat je ono što inženjeri nazivaju “velikom loptom blata”: sistem koji funkcioniše sve dok njegova složenost ne otežava upravljanje, dijagnostiku i rekonstrukciju.

Članak se zasniva na istraživanju takvih graditelja i njihova ponašanja preslikava na pet poznatih obrazaca krhkosti u softveru.

Pet obrazaca

Jednokratni kod. Brzi prototip — fajl s pravilima, automatizacija — nikada nije bio namenjen da ostane trajan, ali postaje nešto na šta se oslanjaju. Nije dokumentovan niti sistematski testiran.

Postepeni rast. Nove mogućnosti se dodaju postojećim alatima bez plana kako se uklapaju zajedno. Sistem nikad ne dostiže gotovo stanje — stalno raste dok ga niko više ne može sagledati u celosti.

Samo da radi. Kada nešto ne funkcioniše ili degradira, korisnici to krpe brzim AI ispravkama umesto da razumeju zašto je zakazalo. Vremenom ovo razara njihovo razumevanje gde se šta nalazi i šta svaki deo radi.

Metenje pod tepih. Neuređeni fajlovi i informacije se bacaju na jedno nesortirano mesto. Korisnik se oslanja na AI da pronađe stvari — što znači da struktura postoji samo u interpretaciji modela, ne u samim fajlovima.

Rekonstrukcija. Sistemi se obnavljaju kada više ne odgovaraju potrebama, kada ih niko više ne razume ili kada se pojavi bolji pristup. Rekonstrukcija je ponekad pravo rešenje, ali sistemi bez arhitekture prisiljavaju na nju preuranjeno.

Šta uraditi umesto toga

Članak preporučuje jasno odvajanje tri tipa konteksta: globalni (primenljiv na ceo sistem), lokalni (specifičan za zadatak) i ambijentalni (tokovi informacija koje agent pretražuje, a ne čita u celosti). Kada se ova granica zamuti — što je čest rani signal — sistem već akumulira tehnički dug.

Druge praktične navike: eksplicitno navesti tip konteksta kada se traže izmene od agenta; periodično proveravati globalni kontekst i održavati ga dovoljno kratkim da se može pregledati u jednom sedenju; premestiti lokalni kontekst koji više nije relevantan umesto da se ostavi na mestu; i periodično pregledati sistem i proveriti da li je svaki deo još uvek korišćen i razumljiv.

Članak se završava dijagnostičkim pitanjem: možete li da formulišete trenutna ograničenja svog sistema i šta biste konkretno promenili? Mogućnost da odgovorite na ovo pitanje omogućava vam da upravljate rekonstrukcijom pre nego što ona postane prinudno resetovanje.

Kome je ovaj članak koristan

Svakome ko je gradio AI radni tok dodajući delove po potrebi — dizajnerima koji koriste agente u Figmi, istraživačima s procesima analize intervjua ili piscima s nakupljenim fajlovima instrukcija. Članak se zasniva na posmatranom ponašanju, a ne na teorijskim modelima — to pomaže da se prepoznaju obrasci koji već postoje u sopstvenom sistemu.