Loop engineering AI agenti koji rade dok ti spavaš

Kreator Claude Code-a i osnivač OpenClaw-a slažu se: prompt engineering je prošlost, a sljedeći korak su petlje koje rade autonomno.

Boris Cherny, čovjek koji je napravio Claude Code, rekao je nedavno nešto što je zaustavilo puno tehničkih timova: "Više ne promptam Claude. Imam petlje koje rade. One su te koje promptaju Claude i odlučuju šta dalje." Peter Steinberger, osnivač OpenClaw-a, to je sažeo u dvije rečenice koje su dobile osam miliona pregleda na X-u: "Prestanite promptati AI agente. Počnite dizajnirati petlje koje ih promptaju." Zovu to loop engineering (inženjering petlji), i to je vjerojatno najvažniji pomak u radu s AI-jem koji će obilježiti drugu polovinu 2026.

• Loop engineering je praksa gradnje automatizovanih AI toka rada koji se izvršavaju bez stalnog ljudskog nadzora
• Boris Cherny (Claude Code, Anthropic) i Peter Steinberger (OpenClaw) javno potvrđuju da je ovo sljedeći veliki korak
• Ključni element koji određuje uspjeh ili neuspjeh verifikacijski korak koji provjerava kvalitet
• Rizik koji se zove "loopmaxxing" može koštati novca bez ikakvih rezultata
• Već postoje open-source alati koji to omogućavaju: OpenClaw i autoresearch (Andrej Karpathy)

Šta je loop engineering i po čemu se razlikuje od promptanja

Do sada je standardan način rada s AI-jem izgledao ovako postavljaš pitanje, dobijaš odgovor, postavljaš sljedeće pitanje. Kao razgovor s kolegom. Ti si uvijek tu, upravljaš svaki korak.

Loop engineering je drugačiji pristup. Umjesto da razgovaraš s AI-jem, ti si kao menadžer koji zapošljava zaposlenika. Definišeš cilj s jasnim uputstvima i kriterijima uspjeha. AI onda pravi plan, izvršava ga, provjerava rezultate i ponavlja ciklus, sve bez tvog konstantnog prisustva. Kad je petlja jednom postavljena, može se pokretati ponovo i ponovo, sama.

Tehnički, agentic loop (agenski ciklus) je strukturiran program koji šalje kontekst i uputstva AI-ju, procjenjuje rezultat prema vanjskim kriterijima i odlučuje treba li još jedna iteracija. Umjesto da budeš aktivni sudionik u svakom koraku, gradiš okruženje koje te cikluse obavlja autonomno.

Konkretni primjer: kompanija autoresearch, alat koji je napravio Andrej Karpathy (bivši AI šef Tesle), radi ovako. Agent mijenja skriptu za machine learning, pokreće trening koji traje pet minuta, čita rezultat. Ako je bolje nego prošli put, automatski komituje kod. Ako je gore, vraća se na prethodnu verziju i kreće iznova. Sve bez ljudskog oka.

Zašto verifikacijski korak čini ili lomi petlju

Ono što razlikuje dobru petlju od beskorisne je jedan element definisan kriterij uspjeha koji AI može sam provjeriti.

Bez toga, petlja može satima ili danima "raditi" i trošiti kredite, a rezultat biti neupotrebljiv. Ovo se zove loopmaxxing, jedna od zamki o kojima upozoravaju i Cherny i Steinberger. Zamka izgleda ovako: kažeš AI-ju "poboljšaj korisnički doživljaj" ili "napravi viralan sadržaj". AI ne može znati kad je gotov jer cilj nema jasnu mjeru. Petlja vrti, troši, ne staje.

Nasuprot tome, "smanji broj klikova za dovršetak kupovine sa 5 na 3" ili "napiši 10 varijanti naslova koje zadovoljavaju ovih 5 kriterija i ocijeni svaku od 1 do 10" su ciljevi koje AI može sam verifikovati.

Addy Osmani, direktor u Google Cloudu, koji je o ovome pisao detaljno, kaže da funkcionalna AI petlja ima: trajno praćenje stanja kroz cikluse, vezu s vanjskim podacima ili alatima i jasnu tačku izlaska iz ciklusa.

Kontekst: odakle dolazi ovaj trend

Loop engineering nije nastao niotkuda. Linija razvoja ide od ReAct arhitekture 2022, kroz AutoGPT 2023, do "Ralph loop" bash skripti 2025. Do 2026. veliki platformi poput Codex-a i Claude Code-a ugradili su ovu logiku direktno u alate, s komandama poput /goal i /loop.

Boris Cherny, koji vodi Claude Code tim u Anthropic-u, rekao je na Meta-inom @ Scale konferenciji da su petlje jednako velik skok kao što je bio prelaz s koda na agente. "Petlje su korak od agenata ka sljedećoj stvari."

OpenClaw, Steinbergerov alat, radi kao stalno uključen orkestratorator. Koristi heartbeat mehanizam (mehanizam stalnog otkucavanja) da poziva AI agenta u fiksnim ciklusima. Čuva stanje baze podataka, ima ugrađen oporavak od greške i može nadzirati pod-petlje, sve dok tim spava.

Naša perspektiva: šta ovo znači za firme u regionu

Direktna istina: prosječan vlasnik firme u regionu danas ne može sam postaviti loop. To zahtijeva tehničko znanje, razumijevanje API-ja i programiranje.

Ali ovo je ono što sada treba znati:

Firme koje imaju interne developere ili sarađuju s agencijama trebaju početi razgovor o automatizaciji već danas. Loop engineering nije futurizam, to je 2026. stvarnost. Marketing agencija koja koristi Claude može graditi petlju koja svake nedjelje skenira relevantne vijesti, pravi nacrte postova i šalje ih menadžeru na odobrenje, bez da iko kuca prompt. E-commerce firma može postaviti petlju koja prati konkurentske cijene i generira prijedloge prilagodbi, sve automatizirano.

Za one koji vode timove koji koriste AI alate, vrijedi jedno konkretno pitanje: koji ponavljajući zadatak u tvojoj firmi danas traži 30 minuta čovjeka tjedno koji doslovno kaže AI-ju iste stvari? To je kandidat za petlju.

Upozorenje koje vrijedi ponoviti: loopmaxxing je realan rizik. Firme koje krenu bez jasno definisanih ciljeva i verifikacijskih koraka mogu završiti s praznim računom i hrpom nekvalitetnih rezultata. Investicija u dobre specifikacije i verifikaciju nije opcija, to je preduslov.

Zaključak

Loop engineering neće ostati samo developerski alat. U roku od 12 do 18 mjeseci, alati poput Claudea i Codex-a imat će korisničke interfejse koji omogućuju nedev osobama da grade jednostavne petlje. Već se dešava s alatima poput Zapier-a i Make.com-a, samo pod drugim imenom.

Ko razumije ovaj koncept danas, imat će prednost kad ti alati stignu široj publici. Pratiti treba OpenClaw, Claude Code i kako Anthropic integrira loop logiku u standardne korisničke tokove rada.

Ako hoćeš razumjeti AI trendove koji stižu u tvoju branšu ranije nego što ih svi znaju, prijavi se na AI Balkan newsletter.