U sredu 4. februara smo imali još jedan događaj u okviru 100+ okupljanja AI Hub projekta ove godine u Beogradu — ovaj sa temom načina na koji AI menja proces tehničkih intervjua, i još toga.

Sala je i na ovom okupljanju bila puna ljudi koji su došli da bolje razumeju kako AI menja IT industriju u kojoj radimo, način na koji grade svoje timove i karijere.

Od gosta smo dobili nešto retko i vredno, što se videlo po tome što su posetioci sve vreme fotkali slajdove — konkretne primere o tome kada kandidati dobro, a kada loše koriste AI na tehničkim intervjuima, priču o jednom od prvih AI proizvoda domaće firme, i još mnogo toga.

Gost večeri bio je Nikola Kolevski, koji u Solflareu vodi inženjerski tim i zapošljavanje. U finteku je poslednju deceniju — 7 godina u TradeCoreu, a sada u Solflareu, jednom od najbrže rastućih domaćih scaleup-a.

Solflare nije tipična kripto priča. Kako Nikola kaže: “Zamisli banku na kripto šinama.” Kripto u Solflareovom slučaju bledi u pozadinu — u pitanju je novčanik koji korisnicima omogućava da drže na njemu USDC, tokenizovane američke akcije, i koriste Solflare kreditnu karticu za plaćanje u stvarnom životu. Njihova vizija je to da bilo ko, bilo gde, može imati bilo koji finansijski instrument, pod sopstvenom kontrolom — odnosno privatnim ključem.

No Nikola nije došao da nam priča o Solflareu. Pozvali smo ga da podeli šta su njegov tim i on naučili dok su pokušavali da zaposle inženjere u eri kad svaki kandidat može da koristi AI na intervjuu — i kako su potpuno redizajnirali svoj proces.

Momenat kada je AI postao ozbiljan

Počeli smo sa pričom koja je promenila način na koji njegov tim gleda na AI.

Vidor, suosnivač i co-CEO Solflare-a, imao je jedan hakerski izazov — CTF (Capture The Flag) koji je bio interno poznat kao izuzetno težak za rešiti, što je velikim delom i poenta takvih izazova.

Jedne večeri smo rekli: hajde da vidimo koliko dobro AI zapravo može da se nosi sa ovim.

Dali su problem o3-pro modelu. Deset minuta kasnije, imali su rešenje — sa detaljnim objašnjenjem svakog koraka.

Oh shit. Ovo više nije loš copy-paste sa Stack Overflow-a. Ovo je ozbiljno.

Naravno, AI (još uvek) nije svemoguć.

AI te dovede do nekog nivoa, ali kod često nije održiv za ljude.

Agenti rade u sesijama, ponavljaju se, nemaju pun kontekst između sesija…

Momenat kad treba da se probudiš u 3 ujutru i radiš na tom kupusu od koda koju si generisao — biće ti teško.

Zaključak koji je izvukao je istovremeno kliše, ali bez obzira na to ne može dovoljno da se naglasi: AI ne zamenjuje razmišljanje. Ubrzava te, ali ti i dalje moraš da razmišljaš.

AI je input metoda, nije zamena za mozak.

Magic — AI asistent može da troši tvoj novac

Pre nego što je prešao na intervjue, Nikola je pokazao nešto što malo koja domaća IT firma ima — AI proizvod u produkciji koji zapravo radi stvari za korisnike.

Magic je AI asistent ugrađen u Solflare novčanik. Ne odgovara samo na pitanja — izvršava i transakcije. Može da ti pošalje novac, zameni tokene, upravlja portfoliom. U tvoje ime, sa tvojim novcem. Što je vrlo… Smelo.

O tome kako su se odlučili na tako hrabar korak kaže:

Ako ovo ne uradimo sada, nikad nećemo naučiti kako se ovo radi. Moramo da počnemo — pažljivo, ali moramo.

Zanimljivo je kako su krenuli. Pre nego što su pisali kod, napravili su prototip u n8nu — vizuelnom alatu sa blokovima. Hteli su da vide: koliko brzo možemo da dodamo novu integraciju kao alat za agenta? Da li ovo uopšte ima smisla? Jedna od stvari koje su dobili je i to da im korisnici sami pišu roadmap:

Svaki put kad agent ne može da uradi ono što korisnik traži — to je besplatan feature request. Korisnici nam bukvalno govore šta žele.

Nikola to zove living roadmap — živa mapa proizvoda koju korisnici pišu sami, bez anketa i intervjua.

Moja najveća opklada za Magic je da će biti odličan onboarding alat. Ljudi koji tek instaliraju novčanik i pitaju se “šta sad?” — agent im može pomoći da se snađu.

Iz publike je došlo pitanje: koji model koristite?

Rutiramo kroz više modela. Trenutno je Gemini default — dobar balans cene i performansi.

Drugo pitanje je bilo zanimljivije: zašto koristite LLM ako biste mogli da napravite finite state machine sa poznatim stanjima?

Skroz imaš pravo da bi to bila idealna opcija ali nisam siguran da je moguće.

Ako bismo znali šta korisnici žele, napravili bismo to. I to radimo za ostatak aplikacije. Ali ovo nam omogućava da otkrijemo šta korisnici požele da urade a još nemamo napravljenu funkcionalnost za to — stvari na koje mi nismo ni pomislili.

Guardrails — ograda oko funkcionalnosti

Ako AI može da troši novac korisnika, kako sprečiti da ne napravi grešku? Ili još gore — kako sprečiti da neko ne iskoristi agenta za krađu?

Za slobodne tekstualne odgovore, Nikola priznaje da je teško verifikovati tačnost — rade na tome kroz evaluacije, uče. Ali wallet operacije su druga priča: tu mora da postoji deterministička verifikacija. Nema “verovatno je ok”.

Pokazao je konkretan primer. Korisnik kaže: “Pošalji 500 USDC mom prijatelju.”

Pre nego što se išta izvrši, sistem između ostalog proverava:

Da li je adresa validna Solana adresa?

Da li je tačno 500.000000 USDC (ne 499, ne 501)?

Da li ima dovoljno na računu?

Da li je adresa na listi poznatih prevara?

U suštini simuliramo transakciju na chainu pre nego što je stvarno izvršimo. Ne zanima nas šta se dešava u sredini — zanima nas šta će korisnik imati na kraju.

Ono što je ostalo sa nama posle ovog dela razgovora:

Sve više koda koji pišemo biće samo guardrails.

Ne funkcionalnost nego ograda oko funkcionalnosti. Inženjer piše i pravila i ograničenja, stvari koje “nikad ne smeju da pođe po zlu”.

Iz publike je došlo pitanje o prompt injectionu — šta ako neko prevari agenta da uradi nešto što ne bi smeo?

Zaštita nije na nivou agenta. Zaštita je na nivou novčanika.

Šta god agent “odluči” da uradi, mi simuliramo transakciju i pokazujemo korisniku šta će se desiti sa njegovim balansom.

Korisnik mora da odobri.

A šta ako korisnik kaže agentu “radi šta hoćeš sa mojim novcem”?

Pa… ako mu bukvalno kažeš da radi šta hoće, i on sve potroši na gluposti — ti si mu to rekao.

Smeh u sali, ali poenta je bila jasna: na kraju, odgovornost ostaje na čoveku.

Problem sa zapošljavanjem

Sredinom 2025. Nikolin tim je imao problem. Kandidati su počeli da koriste AI na tehničkim intervjuima, a reakcija tima je bila tipična: hajde da napravimo teže zadatke, hajde da ih “pobedimo”.

Stalno smo pričali: “Ali AI bi mogao da reši ovo. Hajde da napravimo teži zadatak.” I onda opet. I opet.

U nekom trenutku je prestalo da ima smisla.

I onda smo rekli: čekaj, zašto je ovo uopšte varanje? Pa mi ćemo ih tražiti da koriste AI kad dođu da rade kod nas.

Slajd koji je pokazao je bio brutalno iskren: “Sredina 2025. Previše vremena trošimo na pobjeđivanje ChatGPT-a. Pobedili smo ga, zaposlili ljude, i sad ih učimo da koriste AI. To je bilo suludo.”

Nismo tu da filtriramo ljude. Tu smo da vidimo ko će odlično da radi sa nama. Ovo je matchmaking, ne eliminacija.

Sprečavati kandidate da koriste alate koje će koristiti svaki dan na poslu je kontraproduktivno jer tako nikad ne saznaš kako zapravo rade.

Day Zero — novi intervju proces

Delom zbog AI-ja, delom zbog želje da unaprede postojeći proces, umesto tradicionalnog intervjua Solflare tim je napravio nešto što zovu Day Zero — intervju koji liči na prvi dan na poslu.

Ideja je da kandidata vidimo u što prirodnijem okruženju, da intervju suštinski bude kao probni period. U suprotnom, ako na probnom periodu vidimo da smo pogrešili, tad je već prekasno.

Zadatak na kom kandidat radi je AI-generisan, ni intervjuer ne zna sve zamke u kodu — obojica se zajedno snalaze i pokušavaju da dođu do rešenja.

Reality show, ne skriptovani film. Obojica gledamo u kod i pitamo se “kako ovo radi?”

Jedno od prvih pitanja koje postavljaju kandidatu je kada je počeo da koristi AI i koliko je to integrisano u njegov svakodnevni rad.

Ako je odgovor “nedavno”, savet je da ne koristi AI na intervjuu jer bez svakodnevne prakse ne znaš gde su rupe u alatima i samo ćeš se sapletati.

Pokaži nam sebe u najboljem svetlu — a to znači bez alata koji ti nisu prirodni.

Na pitanje da li LeetCode stil intervjuisanja još uvek ima smisla, Nikola je odgovorio:

Soft skills su važniji nego ikad. Sve je u tome koliko jasno komuniciraš. Ali to skupljamo iz ambijenta, iz toga kako radiš — ne iz direktnih pitanja.

Konkretni primeri iz intervjua

Ovo je bio izuzetno konkretan deo prezentacije gde su ljudi najviše fotografisali, ujedno i deo koji ne možemo da reprodukujemo ovde 1:1 da ne bismo narušili integritet njihovog intervju procesa.

Ako niste bili sa nama to veče (a preporučujemo uvek da nam se na događajima pridružite uživo) ovo su glavne stavke koje će vam biti korisne.

Kandidati koji su se loše snašli

Su imali jednu zajedničku crtu: tretirali su AI kao alat kojem su prepustili razmišljanje i nisu dovoljno pažnje obraćali na to da objasne intervjueru šta im je misaoni proces u glavi — izuzetno bitan element.

Ako kandidat sa AI-jem funkcioniše po principu — daj mu problem, prihvati rešenje, nastavi dalje — makar i to rešenje “radilo”, ako nije praćeno razmišljanjem i svrhom to je problematičan pristup.

Deo kandidata je imao i sledeći problem — želeli su da se naprave važni time što su koristili AI iako nisu dovoljno ovladali njime. Ovo, očigledno, pravi kontraefekat.

Kandidati koji su se dobro snašli

Su radili nešto naizgled slično ali potpuno suprotno — osmišljavali su i komunicirali hipoteze o mogućim problemima koje rešavaju pre nego što bi uopšte otvorili AI. Pošto su znali šta traže, koristili su AI da ubrza trijažu ili generisanje <em>boilerplate</em>-a, ali su uvek mogli i izabrali da objasne svaki korak.

Čak i ako zbog toga ne bi došli do magičnog rešenja koje “radi”, izlaganjem svog načina razmišljanja i toka misli su intervjueru pokazali kako pristupaju suštini svog posla — razmišljanjem koje rešava probleme.

Tri principa za AI eru

Nikola je završio prezentaciju sa tri principa koja su izvukli iz stotina intervjua.

Princip 1: AI je input metoda, ne output mašina. “Please fix” bez hipoteze znači da brzo kucaš ali ne razmišljaš. AI ne zamenjuje mozak — zamenjuje tastaturu.

Princip 2: Jasnoća pre sposobnosti. Jasnoća donosi brzinu, a bez jasnoće nema ni brzine već samo nered. Product razmišljanje postaje važnije od uske specijalizacije — ako znaš jasno da artikulišeš šta treba, AI može da uradi ostatak, a ako ne znaš, ni najjači model ti neće pomoći.

Princip 3: Vlasništvo ostaje tvoje. AI generiše, ti potpisuješ, i nema “AI je to napravio” kao izgovor. Ako je tvoje ime na pull requestu, ti si odgovoran.

Adversarial reviewers i pitanje o juniorima

Jedan od slajdova koji je izazvao reakciju u sali: “Drži ljude koji mrze AI u timu.”

Ako neko krvnički želi da pronađe problem — naći će dlaku u jajetu. To je korisna vrsta skepticizma.

Momenat koji je ostavio najjači utisak bio je odgovor na pitanje iz publike o juniorima — ako ne zapošljavamo juniore jer AI radi taj posao, ko će biti sutrašnji seniori?

Nikola je zastao pre nego što je odgovorio.

To je THE pitanje koje imam. Nemam odgovor.

Nije samo do nas u industriji da obezbedimo radna mesta.

Problem je što je teže kad učiš — lako pomešaš svoju sposobnost sa sposobnošću AI-a.

Rešenje mora da počne u obrazovanju i završi u industriji. Moramo zajedno da radimo na tome.

Ne mislim da je rešenje “ne koristi AI dok ne postaneš dobar”. Šta to uopšte znači?

Iz publike je došlo i pitanje o product ljudima — ako inženjeri postaju product ljudi, šta sa ljudima koji su već product? U polu-šaljivom tonu, odgovor je bio

Biće bolji od vas. Rade to već dugo.

I poslednje pitanje: ako imate ovako enormno povećanu produktivnost, zašto još uvek zapošljavate?

Mi i dalje nemamo dovoljno ljudi za sve što radimo.

Mogli bismo da guramo više, ali bismo prešli u vibe coding teritoriju.

A to ne želimo, niti možemo da priuštimo u fintehu.