U svetu gde se dizajn sistemi razvijaju brže nego što iko stigne da ih dokumentuje, finska fintech kompanija Revolut napravila je potez koji bi mogao da postane standard za celu industriju. Na konferenciji posvećenoj AI inženjeringu, Dmytro Pavlov, inženjer iz Revolutovog dizajn tima, predstavio je priču o tome kako su sedam godina nagomilane dizajn dokumentacije — od Figma fajlova do Confluence stranica — uspeli da učitaju u AI sistem za svega jedan dan.

Problem koji muči svaki veći produkt tim
Svaka kompanija koja gradi proizvod duže od par godina suočava se sa istim problemom: dokumentacija postaje haotičan arhiv. Dizajn odluke se donose u Figmi, komentariši u Slacku, obrazloženja završe u Notionu ili Confluenceu, a kontekst — ono najvažnije — izgubi se u moru PDF-ova i starih verzija. Revolut, koji je izrastao u jednu od najvećih evropskih fintech platformi, imao je tačno taj scenario: sedam godina dizajn istorije razbacane po desetinama alata.
Pavlov je objasnio da klasični pristup — ručno pretraživanje i sredjivanje — više nije održiv. Umesto da tim provede mesece čisteći arhivu, odlučili su da podatke pripreme tako da ih veliki jezički modeli (LLM) mogu da razumeju i pretražuju.
Kako se „AI-readable” dokumentacija pravi u praksi
Ključ nije bio u samom modelu, već u pripremi podataka. Prema Pavlovljevom izlaganju, tim je mapirao sve izvore — dizajn fajlove, komentare, odluke, istoriju verzija — i zatim ih transformisao u strukturirani format koji AI može da indeksira. Drugim rečima, napravili su RAG (Retrieval-Augmented Generation) pipeline prilagođen dizajn kontekstu, gde model ne „izmišlja” odgovore, već ih vuče iz stvarne, verifikovane dokumentacije.
Rezultat je da dizajner sada može da pita: „Zašto smo 2021. odustali od ovog obrasca plaćanja?” i dobije odgovor sa referencom na konkretnu odluku, datum i osobu koja ju je donela. Ono što je nekada zahtevalo kopanje po arhivi i pitanje kolega koji su tu od početka, sada traje sekundama.
Šta ovo znači za srpske timove
Priča je posebno relevantna za domaće startape i produkt timove koji često rade sa manjim brojem ljudi i bez formalne dokumentacione kulture. Pavlovljev pristup pokazuje da AI ne zahteva savršenu dokumentaciju — zahteva samo dobro pripremljenu. Čak i haotična arhiva može da se učini korisnom ako se pravilno strukturira za pretragu.
Za razliku od skupih enterprise rešenja, ovakav pipeline može se izgraditi kombinacijom open-source alata za vektorsku bazu i API-ja komercijalnih modela. To znači da i timovi u Beogradu i Novom Sadu mogu da primene istu logiku bez sedmocifrenih budžeta.
Ono što ostaje kao pitanje
Naravno, „učitavanje u jednom danu” ne znači da je posao završen. Održavanje AI-čitljive dokumentacije zahteva disciplinu — svaka nova dizajn odluka mora da uđe u sistem na isti način. Pavlov je naglasio da je najveći izazov bio kulturološki, a ne tehnički: ubediti tim da dokumentuju sve što rade, jer će mašina to kasnije koristiti.
Revolutov eksperiment tako postaje više od tehničkog trika. To je pokazatelj kako AI menja ne samo način na koji pretražujemo znanje, već i način na koji ga stvaramo. Kompanije koje to shvate ranije imaće ozbiljnu prednost — ne zato što imaju bolji model, već zato što imaju bolje podatke.
Za one koji žele da vide celo izlaganje, snimak je dostupan na YouTube kanalu konferencije.