Lisbon AI Summit 2026 – Naši ključni zaključci sa summita

Početkom ovog mjeseca naš je tim sudjelovao na konferenciji Lisbon AI Summit 2026 s jednostavnim ciljem: odvojiti stvarnu vrijednost od buke i razumjeti što danas zaista funkcionira u svijetu enterprise umjetne inteligencije.

Tijekom posljednjih godinu dana umjetna inteligencija dominirala je razgovorima u gotovo svim industrijama. Novi modeli, novi alati i nova obećanja pojavljuju se gotovo svakodnevno. Međutim, za organizacije koje razvijaju stvarne proizvode i upravljaju kritičnim poslovnim sustavima pitanje više nije što AI može napraviti. Pravo pitanje glasi kako ga primijeniti na način koji donosi mjerljivu vrijednost, a pritom ostaje siguran, skalabilan i dugoročno održiv.

Upravo zato nas je Lisbon AI Summit posebno zainteresirao.

Umjesto fokusiranja na pomodne trendove i senzacionalne najave, mnoga od najvrjednijih predavanja bavila su se stvarnim izazovima primjene umjetne inteligencije unutar softverskog inženjerstva, arhitekture sustava, razvojnih procesa i enterprise okruženja. Teme koje su se obrađivale vrlo su bliske izazovima s kojima se i sami svakodnevno susrećemo tijekom projektiranja i razvoja rješenja za naše klijente.

Razgovor o umjetnoj inteligenciji se promijenio

Jedna od najizraženijih tema tijekom cijelog summita bio je jasan pomak od eksperimentiranja prema konkretnoj primjeni.

Prije godinu dana većina rasprava bila je usmjerena na mogućnosti umjetne inteligencije. Danas organizacije postavljaju potpuno drugačija pitanja:

• Kako integrirati AI u postojeće poslovne procese?
• Kako odgovorno upravljati primjenom umjetne inteligencije?
• Kako zadržati kvalitetu i sigurnost uz istovremeno povećanje brzine isporuke?
• Kako graditi sustave koji mogu nastaviti rasti i razvijati se dok AI postaje dio svakodnevnog poslovanja?

Fokus se sve više pomiče s same tehnologije prema operativnoj primjeni umjetne inteligencije koja stvara dugoročnu poslovnu vrijednost.

Za nas je to bilo jedno od najvažnijih zapažanja cijelog događaja. Uspješna primjena AI-ja sve manje ovisi o odabiru najnovijeg modela, a sve više o njegovoj integraciji u kvalitetno dizajnirane sustave, procese i razvojne tijekove rada.

AI agenti su moćni, ali i dalje trebaju inženjersku disciplinu

Jedno od najzanimljivijih predavanja održali su Bruno Bergher i Jack Cohen iz Roo Code.

Njihova prezentacija dovela je u pitanje mnoge pretpostavke koje se danas često promoviraju kada je riječ o autonomnom razvoju softvera uz pomoć AI-ja.

Iako su AI agenti postali iznimno sposobni, realni benchmark testovi pokazuju da se i dalje susreću s mnogim izazovima koje razvojni timovi svakodnevno rješavaju. Mogu izgubiti kontekst, pogrešno interpretirati zahtjeve, zanemariti arhitektonske posljedice određenih odluka, previdjeti skrivene ovisnosti ili generirati kod koji na prvi pogled izgleda ispravno, ali dugoročno uvodi sigurnosne ili održivostne probleme.

Ključna poruka nije bila da AI agenti nisu učinkoviti. Upravo suprotno.

Najuspješniji timovi danas prilagođavaju svoje razvojne procese kako bi AI agentima omogućili uspješan rad. Jasne specifikacije, strukturirani workflowi, kvalitetni CI/CD procesi, automatizirano testiranje i kvalitetni procesi pregleda koda postaju još važniji kada umjetna inteligencija postane dio razvojnog ciklusa.

Na mnogo načina AI samo pojačava prednosti i nedostatke koji već postoje unutar procesa razvoja softvera.

Specifikacije postaju strateška imovina

Još jedno predavanje koje se posebno istaknulo održao je Daniel Sogl, a fokusirao se na razvoj vođen specifikacijama.

Predloženi workflow bio je vrlo jednostavan:

Specifikacija → Plan → Zadaci → Kod

Snaga ovog pristupa leži u tome što stvara jasnoću prije nego što implementacija uopće započne.

Kvalitetna specifikacija definira tri ključna elementa:

• Namjeru (Intent): što gradimo i zašto
• Ograničenja (Constraints): što se mora, a što se ne smije dogoditi
• Kriterije prihvaćanja (Acceptance Criteria): kako ćemo mjeriti uspjeh

Bez ovih elemenata AI sustavi vrlo lako počinju odstupati od željenog rezultata.

Posebno nam je ostala u sjećanju jedna rečenica:

“Tko piše specifikaciju, danas je programer.”

Iako je izjava namjerno provokativna, vrlo dobro opisuje smjer u kojem se industrija kreće. Kako umjetna inteligencija postaje sve sposobnija generirati implementacijske detalje, sposobnost definiranja zahtjeva, poslovnih pravila, arhitektonskih ograničenja i očekivanih rezultata postaje još vrjednija.

Za organizacije koje uvode AI to znači da poslovna analiza i arhitektura sustava postaju važnije nego ikad prije.

AI mijenja način rada, ali ne i potrebu za stručnim znanjem

Još jedna tema koja se neprestano provlačila kroz summit bila je činjenica da umjetna inteligencija temeljno mijenja način na koji nastaje softver.

Pitanje više nije treba li AI sudjelovati u razvoju softvera.

Pitanje je gdje donosi najveću vrijednost i gdje ljudska stručnost ostaje nezamjenjiva.

AI danas može:

• Generirati kod brže nego ikad prije
• Pomagati pri izradi dokumentacije
• Ubrzavati istraživanje i analizu
• Strukturirati zahtjeve i automatizirati repetitivne zadatke

Međutim, iskusni inženjeri i dalje su potrebni za donošenje arhitektonskih odluka, procjenu kompromisa, definiranje ograničenja, upravljanje rizicima i osiguravanje dugoročne održivosti sustava.

To se u potpunosti podudara s načinom na koji mi pristupamo umjetnoj inteligenciji u Starlight 2.

AI koristimo kao akcelerator za razvoj softvera, arhitekturu sustava, poslovnu analizu, dokumentaciju i upravljanje internim znanjem. Alati poput GitHub Copilota, Cursora, Claude Codea i OpenCodea pomažu našim timovima da rade učinkovitije, ali nadopunjuju inženjersko znanje i iskustvo, a ne zamjenjuju ga.

Prava vrijednost nastaje kombinacijom mogućnosti umjetne inteligencije s dubokim tehničkim znanjem i praktičnim iskustvom.

Enterprise AI je i dalje prvenstveno inženjerski izazov

Jedno od najpraktičnijih predavanja održao je Hugo Ferreira iz tvrtke Feedzai, organizacije s dugogodišnjim iskustvom u radu sa sustavima strojnog učenja u produkcijskim okruženjima.

Njegova poruka bila je osvježavajuće jednostavna:

Većina izazova u produkcijskim AI sustavima nisu AI izazovi. To su inženjerski izazovi.

• Monitoring
• Observability
• Testiranje
• Deploy
• Strategije povratka na prethodnu verziju (rollback)
• Sigurnost
• Upravljanje i nadzor (governance)

To su iste discipline koje su oduvijek određivale hoće li enterprise sustav uspjeti ili neće.

Ta se poruka snažno poklopila s našim iskustvom jer potvrđuje nešto u što vjerujemo već godinama: uspješne AI inicijative zahtijevaju jednaku razinu inženjerske discipline kao i svaki drugi kritični poslovni sustav.

Sam model samo je jedan dio rješenja. Arhitektura, infrastruktura, procesi i način upravljanja sustavom određuju može li takvo rješenje dugoročno i pouzdano funkcionirati u stvarnom poslovnom okruženju.

Što to znači za naše klijente

Najveće prilike koje umjetna inteligencija danas donosi ne nalaze se nužno u atraktivnim demonstracijama ili eksperimentalnim projektima.

Nalaze se u konkretnim poboljšanjima svakodnevnog poslovanja.

• Smanjenju repetitivnog rada
• Lakšem pristupu internom znanju
• Ubrzanju razvoja softvera
• Donošenju bržih i kvalitetnijih odluka
• Automatizaciji rutinskih procesa
• Poboljšanju korisničkog i zaposleničkog iskustva

Najviše vrijednosti od umjetne inteligencije ostvarit će organizacije koje je uspješno integriraju u procese koji već danas pokreću njihovo poslovanje.

Za to je potrebno više od same tehnologije.

Potrebni su kvalitetna arhitektura, odgovarajući modeli upravljanja, dobro osmišljeni procesi i jasno razumijevanje poslovnih ciljeva.

Zaključak

Lisbon AI Summit potvrdio je jedno načelo u koje čvrsto vjerujemo: umjetna inteligencija ne zamjenjuje inženjersku izvrsnost. Ona je pojačava.

Najveću vrijednost od AI-ja neće ostvariti organizacije koje koriste najveći broj alata, već one koje uspješno kombiniraju kvalitetnu arhitekturu, disciplinirane razvojne procese, duboko domensko znanje i praktičnu primjenu umjetne inteligencije.

Dok se AI nastavlja razvijati velikom brzinom, temeljna načela izgradnje sigurnih, skalabilnih i dugoročno održivih sustava ostaju ista.

Prava prilika nalazi se u povezivanju ta dva svijeta, a upravo u tome vidimo budućnost enterprise softverskog inženjerstva.