U zadnje vrijeme imam osjećaj da svi pričaju o umjetnoj inteligenciji, ali ne više kao o nečemu što dolazi, nego kao o nečemu što je već tu i što bismo svi trebali koristiti. Ljudi je koriste svakodnevno, tvrtke je uvode u svoje procese, alati se pojavljuju gotovo na tjednoj razini, i sve to zajedno stvara dojam da se događa neka velika promjena. I ona se stvarno događa. Ali ono što mi je zanimljivo jest da, kada razgovaram s ljudima koji AI koriste u praksi, vrlo često čujem sličan osjećaj – da je to nešto moćno, nešto što ima potencijal, ali da konkretni rezultati još uvijek nisu onakvi kakve su očekivali.

I nisam jedini koji to primjećuje. Nedavno istraživanje MIT-a pokazalo je da čak 95% pilot projekata s generativnom umjetnom inteligencijom u tvrtkama ne donosi mjerljiv povrat investicije. Slično tome, McKinseyjev izvještaj za 2025. godinu otkriva da, iako 88% organizacija redovito koristi AI, samo 39% njih bilježi stvaran financijski učinak.

I tu dolazimo do nečega što mislim da je ključ problema. AI radi. Nema sumnje u to. Pitanje nije funkcionira li tehnologija, nego kako je mi pokušavamo uklopiti u način na koji već radimo. U većini slučajeva, ono što vidim je da postoji neki proces koji već godinama funkcionira na određeni način, i onda se AI jednostavno "doda" u taj proces. Malo ubrzamo pisanje, malo si olakšamo istraživanje, ponekad automatiziramo neki manji dio posla, ali u suštini sve ostaje isto.

Zanimljivo je da je i Harvard Business Review nedavno objavio studiju koja potvrđuje opasnost ovakvog pristupa: kada samo "dodamo" AI u postojeći proces bez da ga redizajniramo, ne smanjujemo količinu posla – zapravo je povećavamo. Ljudi počnu raditi brže, preuzimaju više zadataka, gube jasnu granicu između radnog i slobodnog vremena, i na kraju završe preopterećeni. Zanimljivo je da istraživači koji proučavaju kognitivno preopterećenje preporučuju igre poput Tetrisa kao jedan od najučinkovitijih načina da se mozak "resetira" nakon intenzivnog rada – jer zahtijevaju dovoljno fokusa da isključe buku, ali ne toliko da dodatno iscrpe. I onda se s pravom postavlja pitanje – gdje je ta velika promjena o kojoj svi pričaju?

Pitamo krivo pitanje

Možda je problem u pitanju koje postavljamo. Najčešće pitanje koje čujem je "kako možemo koristiti AI", ali meni se sve više čini da to nije pravo pitanje. Puno korisnije pitanje bi bilo gdje danas gubimo vrijeme, energiju i fokus na stvari koje zapravo ne bi trebali raditi ručno. Jer tek kada to postane jasno, AI prestaje biti zanimljiv alat i počinje imati stvarnu vrijednost. Ne kao dodatak postojećem procesu, nego kao nešto što preuzima dio posla koji do sada nismo dovodili u pitanje.

Ono što često nedostaje je spremnost da se proces uopće promijeni. Puno je lakše uzeti postojeći način rada i pokušati ga malo poboljšati, nego stati i zapitati se ima li taj proces uopće smisla u svijetu u kojem AI postoji. I tu dolazi do najveće razlike između onih koji s AI-jem postižu konkretne rezultate i onih koji ostaju na razini eksperimentiranja. Prvi ne dodaju AI u postojeći workflow, nego redizajniraju workflow oko onoga što AI može napraviti bolje, brže ili konzistentnije od čovjeka.

Ovo nije samo moja pretpostavka. Podaci iz McKinseyja pokazuju da su tvrtke koje ostvaruju najveću vrijednost od AI-ja gotovo tri puta sklonije potpunom redizajnu svojih radnih procesa u usporedbi s onima koji ostvaruju prosječne ili nikakve rezultate.

Još jedna stvar koju često primjećujem je da se AI gleda kao jedan alat, jedno rješenje koje bi trebalo pokriti sve. U praksi to gotovo nikad ne funkcionira tako. Različiti modeli imaju različite snage, i tek kada ih počneš kombinirati, dobivaš nešto što stvarno mijenja način rada. Jedan model može biti odličan za generiranje ideja ili koda, drugi za provjeru i logiku, treći za eksperimentiranje i iteraciju. Tek kada ih povežeš u cjelinu, dobivaš sustav koji radi za tebe, a ne samo alat koji koristiš s vremena na vrijeme. To je upravo smjer u kojem se danas kreće industrija – prelazak s jednog "pametnog chatbota" na orkestraciju više specijaliziranih AI modela.

Alat ili sustav?

I tu dolazimo do možda najvažnije razlike. Razlika nije u tome koristimo li AI ili ne. Razlika je u tome koristimo li ga kao alat ili kao dio sustava.

Stručnjaci iz Boston Consulting Group (BCG) nedavno su istaknuli da je trenutno više od 85% ljudi zapelo u početnim fazama usvajanja – koriste AI isključivo kao naprednu tražilicu ili pomoćnika za sitne zadatke. Prava vrijednost nastaje tek kada pređemo u fazu koju oni nazivaju "poluautonomnom suradnjom", gdje AI sustav planira i izvršava veće dijelove posla uz naš nadzor.

Ako ga koristimo kao alat, dobit ćemo manja poboljšanja, malo više brzine i nešto manje frustracije u svakodnevnim zadacima. Ako ga koristimo kao sustav, dobivamo nešto potpuno drugačije – način rada koji je brži, fleksibilniji i u kojem možemo napraviti stvari koje prije jednostavno nisu bile moguće u tom vremenskom okviru. Mario Zechner to opisuje iz prve ruke – kao developer koji je promatrao što se dogodi kada timovi prepuste agentima previše kontrole bez da redizajniraju kako rade dobijemo kaos, neodrživi kod i gubitak razumijevanja vlastitog sustava. Njegova poruka je ista: usporiti i graditi sustav koji razumijemo.

Mislim da smo trenutno u fazi u kojoj je AI već dovoljno dobar da napravi stvarnu razliku, ali način na koji ga većina ljudi koristi još uvijek pripada starom načinu razmišljanja. I zato postoji taj osjećaj da nešto ne štima, da potencijal postoji, ali da rezultati kasne. Ne zato što tehnologija nije spremna, nego zato što način na koji je koristimo još uvijek nije.

Na kraju, ne radi se o tome tko koristi AI, nego kako ga koristi. I možda još važnije, koliko smo spremni promijeniti način na koji radimo da bi iz njega izvukli maksimum. Umjesto da tražimo načine kako da AI ubacimo u naš trenutni posao, možda je vrijeme da se zapitamo: kako bi ovaj posao izgledao da ga danas gradimo od nule, znajući što AI može?

Ja znam da bi moj izgledao potpuno drukčije.