Kako sigurno uvoditi AI promjene u softver koji već radi

Alati umjetne inteligencije danas pišu, prepravljaju i optimizuju kod brže nego ikad. Za nove projekte to je velika prednost. Ali većina firmi nema novi projekat, nego sistem koji već godinama radi: web shop, portal za klijente, ERP ili aplikaciju povezanu s drugim programima. U takvom sistemu svaka promjena koda nosi pitanje: radi li sve i dalje isto kao prije?

Gdje je rizik

Kad AI prepravi dio koda, rezultat često izgleda uredno i prolazi osnovne provjere. Problem nastaje kad se ponašanje sistema promijeni na način koji niko nije namjeravao. Na primjer, aplikacija vrati drugi statusni kod, promijeni se struktura odgovora koju koristi drugi program ili nestane neko polje na koje se oslanja mobilna aplikacija. Takve promjene se često ne vide odmah, nego tek kad nešto prestane raditi kod korisnika ili partnera.

Zašto obično poređenje nije dovoljno

Prirodna ideja je uporediti odgovore sistema prije i poslije promjene. U praksi to daje mnogo lažnih uzbuna, jer se dio podataka mijenja pri svakom pozivu: datumi, vremena, identifikatori, redoslijed elemenata. Ako svaka takva razlika izazove upozorenje, tim brzo prestane obraćati pažnju na upozorenja. Tada prođu i one promjene koje su zaista opasne.

Snimak referentnog ponašanja i indeks odstupanja

Ovim problemom bavi se rad našeg direktora Ajdina Muratovića i saradnika Baseline Capture and Drift Index, predstavljen 2026. na međunarodnom simpozijumu INFOTEH-Jahorina i objavljen u IEEE Xplore bazi. Rad predlaže praktičan okvir u nekoliko koraka:

• Snimak referentnog ponašanja: prije promjene se kroz unaprijed definisane scenarije zabilježi kako sistem odgovara.
• Normalizacija dinamičkih podataka: vrijednosti koje se mijenjaju same od sebe, poput datuma i identifikatora, ne tretiraju se kao greška.
• Provjera ugovora API-ja: posebno se provjerava da li su ostali isti statusni kodovi i struktura odgovora na koje se oslanjaju drugi sistemi.
• Indeks odstupanja (Drift Index): sve razlike se svode na slojevitu mjeru koja pokazuje koliko je promjena ozbiljna.

Prema rezultatima rada, jednostavno poređenje odgovora daje mnogo lažnih upozorenja, dok predložena metoda uspješno uklanja šum i jasno razlikuje sitne promjene sadržaja od ozbiljnih kršenja dogovorenog ponašanja sistema.

Šta to znači za vašu firmu

Ako planirate koristiti AI za unapređenje postojećeg softvera, ili to već radi vaš izvođač, vrijedi postaviti nekoliko pitanja:

1. Kako se provjerava da sistem nakon promjene radi isto kao prije?
2. Postoje li definisani scenariji koji pokrivaju najvažnije poslovne procese?
3. Kako se razlikuje bezazlena promjena od one koja može pokvariti vezu s drugim programima?
4. Ko i kada odobrava promjene koje je predložio AI?

AI može značajno ubrzati razvoj i održavanje softvera, ali samo ako postoji jasan način da se izmjeri šta se promijenilo. Više o tome kako AI uvodimo u poslovanje pročitajte na stranici AI rješenja za firme, a sve radove našeg tima pogledajte na stranici Istraživanje.

Izvor: A. Muratović i sar., „Baseline Capture and Drift Index: A Framework for Validating AI-Assisted Changes in Existing Web Systems”, INFOTEH-JAHORINA 2026, IEEE, doi:10.1109/INFOTEH68759.2026.11477738.