QuantumBlack: dvoslojna arhitektura za agentne razvojne procese

QuantumBlack, AI odeljenje McKinsey & Company, objavilo je ovaj članak u februaru 2026. da dokumentuje šta je funkcionisalo — i šta nije — kada su timovi pokušavali da skaliraju AI agente u produkcijskim razvojnim procesima. Centralni nalaz: agenti kojima je dopuštena samoorkestracija predvidivo propadaju na skali — preskači faze, stvaraju kružne zavisnosti i skloni su da analiziraju situaciju umesto da deluju.

Dvoslojni model

Opisano rešenje razdvaja dve različite brige. Prvi sloj je deterministički engine za orkestraciju — sistem zasnovan na pravilima, ne AI — koji nameće redosled razvojnih faza (requirements → architecture → implementation), upravlja zavisnostima zadataka i prati stanje artefakata kroz frontmatter. Agenti u ovom modelu izvršavaju dodeljene zadatke — ali ne odlučuju šta dolazi sledeće niti gde treba da se nalaze artefakti.

Drugi sloj je ograničeno agentno izvršavanje. Umesto jednog generalnog agenta, sistem koristi specijalizovane agente za konkretne uloge: analizu zahteva, arhitekturalni dizajn, pisanje koda i upite bazi znanja. Svaki agent radi u okviru eksplicitno zadatih instrukcija enkodiranih kao reusable “skills” — modularne skupove pravila koji funkcionišu kao mikroservisi za AI rad. Sam fajl sistem postaje mašinski čitljiva specifikacija: struktura direktorijuma i konvencije imenovanja deterministički definišu relacije bez oslanjanja na interpretaciju agenta.

Validacija i ljudski pregled

Validacija se odvija u dva koraka: prvo deterministički čekovi (linting, strukturalna validacija), zatim poseban agent-kritičar evaluira stručne procene. Agenti iteriraju do pet puta pre eskalacije na čoveka.

Praktičan rezultat: kompletan ciklus feature-a — zahtevi, arhitektura, implementacija, testovi — može biti generisan na jednoj grani i pregledan od strane čoveka kao gotov pull request. Timovi koji usvoje ovaj pristup mogu da pokrenu nekoliko produktnih eksperimenata dnevno — što autori pozicioniraju kao radni oblik waterfall-a na brzini agenata.

Organizacioni zahtevi

Dublja poenta članka je organizaciona: ovaj patern zahteva da odluke budu dokumentovane, a ne implicitne u ekspertizi pojedinih osoba ili Slack prepisci. Institucionalno znanje koje postoji samo u glavama zaposlenih ne može biti enkodirano kao agentni skill. Za product manager-e koji rade s inženjerskim timovima koji grade agentne sisteme, framework pruža konkretan vokabular za razgovor o tome gde je potrebna ljudska prosudba, a gde nije — razlika koja postaje važnija kako autonomno izvršavanje raste.