Na šta se generativna vještačka inteligencija može osloniti bez ljudske intervencije?

Sažetak

Generativna umjetna inteligencija (AI) – tehnologija koja omogućava mašinama da kreiraju tekst, slike, kod i još mnogo toga – doživjela je eksplozivan rast posljednjih godina. Ovaj dokument pruža pristupačan pregled onoga što generativna umjetna inteligencija danas može pouzdano raditi bez ljudske intervencije i šta se očekuje da će raditi u narednoj deceniji. Ispitujemo njenu upotrebu u pisanju, umjetnosti, kodiranju, korisničkoj službi, zdravstvu, obrazovanju, logistici i finansijama, ističući gdje umjetna inteligencija djeluje autonomno, a gdje ljudski nadzor ostaje ključan. Primjeri iz stvarnog svijeta uključeni su kako bi se ilustrovali i uspjesi i ograničenja. Ključni nalazi uključuju:

• Široko rasprostranjena primjena: U 2024. godini, 65% anketiranih kompanija izvještava da redovno koristi generativnu umjetnu inteligenciju – skoro dvostruko više od udjela u odnosu na prethodnu godinu ( Stanje umjetne inteligencije početkom 2024. | McKinsey ). Primjene obuhvataju kreiranje marketinškog sadržaja, chatbotove za podršku korisnicima, generiranje koda i još mnogo toga.

• Trenutne autonomne mogućnosti: Današnja generativna umjetna inteligencija pouzdano obavlja strukturirane, repetitivne zadatke uz minimalan nadzor. Primjeri uključuju automatsko generiranje formulaičnih vijesti (npr. sažeci korporativnih prihoda) ( Philana Patterson – ONA Community Profile ), izradu opisa proizvoda i istaknutih recenzija na stranicama za e-trgovinu te automatsko dovršavanje koda. U ovim domenima, umjetna inteligencija često nadopunjuje ljudske radnike preuzimanjem rutinskog generiranja sadržaja.

• Čovjek u petlji za složene zadatke: Za složenije ili zadatke otvorenog tipa - poput kreativnog pisanja, detaljne analize ili medicinskog savjeta - ljudski nadzor je obično i dalje potreban kako bi se osigurala činjenična tačnost, etičko prosuđivanje i kvalitet. Mnoge primjene umjetne inteligencije danas koriste model "čovjek u petlji" gdje umjetna inteligencija izrađuje sadržaj, a ljudi ga pregledavaju.

• Poboljšanja u bliskoj budućnosti: Predviđa se da će generativna umjetna inteligencija (AI) u narednih 5-10 godina postati daleko pouzdanija i autonomnija . Napredak u tačnosti modela i mehanizmima zaštite mogao bi omogućiti AI-ju da obavlja veći udio kreativnih zadataka i zadataka donošenja odluka uz minimalan ljudski doprinos. Na primjer, stručnjaci predviđaju da će do 2030. godine AI obavljati većinu interakcija i odluka u oblasti korisničke službe u realnom vremenu ( Da bi se redefinisao prelazak na korisničko iskustvo, marketinški stručnjaci moraju uraditi ove dvije stvari ), a veliki film bi se mogao producirati sa 90% sadržaja generiranog AI-jem ( Slučajevi upotrebe generativne umjetne inteligencije za industrije i preduzeća ).

• Do 2035.: Za deset godina očekujemo autonomni AI agenti biti uobičajeni u mnogim oblastima. AI tutori bi mogli pružati personalizirano obrazovanje u velikim razmjerima, AI asistenti bi mogli pouzdano sastavljati pravne ugovore ili medicinske izvještaje za stručno odobrenje, a samovozeći sistemi (uz pomoć generativne simulacije) bi mogli voditi logističke operacije od početka do kraja. Međutim, određena osjetljiva područja (npr. medicinske dijagnoze visokog rizika, konačne pravne odluke) vjerovatno će i dalje zahtijevati ljudsku prosudbu radi sigurnosti i odgovornosti.

• Etičke i pouzdane zabrinutosti: Kako raste autonomija umjetne inteligencije, rastu i zabrinutosti. Današnji problemi uključuju halucinacije (izmišljanje činjenica od strane umjetne inteligencije), pristranost u generiranom sadržaju, nedostatak transparentnosti i potencijalnu zloupotrebu za dezinformacije. Osiguravanje da se umjetnoj inteligenciji može vjerovati kada radi bez nadzora je od najveće važnosti. Napredak se postiže – na primjer, organizacije ulažu više u ublažavanje rizika (rješavanje tačnosti, sajber sigurnosti, pitanja intelektualnog vlasništva) ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ) – ali su potrebni robusni okviri za upravljanje i etiku.

• Struktura ovog rada: Počinjemo s uvodom u generativnu umjetnu inteligenciju i konceptom autonomne naspram nadzirane upotrebe. Zatim, za svaku glavnu oblast (pisanje, umjetnost, kodiranje itd.), razmatramo šta umjetna inteligencija može pouzdano uraditi danas u odnosu na ono što je na horizontu. Zaključujemo s međusektorskim izazovima, budućim projekcijama i preporukama za odgovorno korištenje generativne umjetne inteligencije.

Sveukupno, generativna umjetna inteligencija (AI) već je dokazala da je sposobna da obavlja iznenađujući niz zadataka bez stalnog ljudskog vodstva. Razumijevanjem njenih trenutnih ograničenja i budućeg potencijala, organizacije i javnost mogu se bolje pripremiti za eru u kojoj AI nije samo alat, već autonomni saradnik u radu i kreativnosti.

Uvod

Vještačka inteligencija je odavno sposobna analizirati podatke, ali tek su nedavno sistemi umjetne inteligencije naučili stvarati – pisati prozu, komponovati slike, programirati softver i još mnogo toga. Ovi generativni modeli umjetne inteligencije (kao što su GPT-4 za tekst ili DALL·E za slike) obučavaju se na ogromnim skupovima podataka kako bi proizveli novi sadržaj kao odgovor na upute. Ovaj proboj je pokrenuo val inovacija u svim industrijama. Međutim, postavlja se ključno pitanje: Šta zapravo možemo vjerovati umjetnoj inteligenciji da će sama uraditi, bez ljudske dvostruke provjere njenog rezultata?

Da bismo odgovorili na ovo pitanje, važno je razlikovati nadziranu i autonomnu upotrebu umjetne inteligencije:

• Vještačka inteligencija pod ljudskim nadzorom odnosi se na scenarije u kojima ljudi pregledavaju ili uređuju rezultate vještačke inteligencije prije nego što budu finalizirani. Na primjer, novinar može koristiti asistenta za pisanje uz pomoć vještačke inteligencije za izradu nacrta članka, ali urednik ga uređuje i odobrava.

• Autonomna umjetna inteligencija (AI bez ljudske intervencije) odnosi se na AI sisteme koji izvršavaju zadatke ili proizvode sadržaj koji se direktno koristi uz malo ili bez ljudskog uređivanja. Primjer je automatizirani chatbot koji rješava upit kupca bez ljudskog agenta ili novinska kuća koja automatski objavljuje sažetak sportskih rezultata generiran od strane umjetne inteligencije.

Generativna umjetna inteligencija se već primjenjuje u oba načina. U periodu 2023-2025, usvajanje je naglo poraslo , a organizacije su željno eksperimentirale. Jedno globalno istraživanje iz 2024. godine pokazalo je da 65% kompanija redovno koristi generativnu umjetnu inteligenciju, u odnosu na otprilike jednu trećinu samo godinu ranije ( Stanje umjetne inteligencije početkom 2024. | McKinsey ). Pojedinci su također prihvatili alate poput ChatGPT-a - procjenjuje se da je 79% profesionalaca imalo barem neko iskustvo s generativnom umjetnom inteligencijom do sredine 2023. ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ). Ovo brzo usvajanje potaknuto je obećanjem povećanja efikasnosti i kreativnosti. Ipak, to je još uvijek "rani dani" i mnoge kompanije još uvijek formuliraju politike o tome kako odgovorno koristiti umjetnu inteligenciju ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ).

Zašto je autonomija važna: Omogućavanje vještačkoj inteligenciji da radi bez ljudskog nadzora može osloboditi ogromne prednosti u efikasnosti – potpuno automatizirajući zamorne zadatke – ali također povećava ulog u pouzdanosti. Autonomni agent vještačke inteligencije mora sve uraditi kako treba (ili znati svoja ograničenja) jer možda neće biti čovjeka u realnom vremenu koji bi uočio greške. Neki zadaci su za to pogodniji od drugih. Općenito, vještačka inteligencija najbolje funkcioniše autonomno kada:

• Zadatak ima jasnu strukturu ili obrazac (npr. generiranje rutinskih izvještaja iz podataka).

• Greške su niskog rizika ili se lako tolerišu (npr. generisanje slike koja se može odbaciti ako je nezadovoljavajuća, za razliku od medicinske dijagnoze).

• Postoji dovoljno podataka za obuku koji pokrivaju scenarije, tako da je rezultat umjetne inteligencije zasnovan na stvarnim primjerima (smanjenje nagađanja).

Nasuprot tome, zadaci koji su otvorenog tipa , imaju visoke uloge ili zahtijevaju nijansirano prosuđivanje danas su manje pogodni za potpuni nadzor.

U sljedećim odjeljcima, ispitat ćemo niz oblasti kako bismo vidjeli šta generativna umjetna inteligencija radi sada i šta je sljedeće. Pogledat ćemo konkretne primjere – od novinskih članaka i umjetničkih djela generiranih umjetnom inteligencijom, do asistenata za pisanje koda i virtualnih agenata za korisničku podršku – ističući koje zadatke umjetna inteligencija može obaviti od početka do kraja, a koji i dalje zahtijevaju ljudsko učešće. Za svaku domenu jasno odvajamo trenutne mogućnosti (oko 2025.) od realnih projekcija onoga što bi moglo biti pouzdano do 2035. godine.

Mapiranjem sadašnjosti i budućnosti autonomne umjetne inteligencije u različitim domenima, cilj nam je pružiti čitateljima uravnoteženo razumijevanje: niti preuveličavati AI kao magično nepogrešivu, niti podcjenjivati ​​njene vrlo stvarne i rastuće kompetencije. Polazeći od ove osnove, zatim razmatramo sveobuhvatne izazove u povjerenju u umjetnu inteligenciju bez nadzora, uključujući etička razmatranja i upravljanje rizicima, prije nego što zaključimo s ključnim zaključcima.

Generativna umjetna inteligencija u pisanju i kreiranju sadržaja

Jedna od prvih oblasti u kojoj je generativna vještačka inteligencija napravila pravi proboj bilo je generisanje teksta. Veliki jezički modeli mogu proizvesti sve, od novinskih članaka i marketinških tekstova do objava na društvenim mrežama i sažetaka dokumenata. Ali koliko se ovog pisanja može obaviti bez ljudskog urednika?

Trenutne mogućnosti (2025): Umjetna inteligencija kao automatski pisac rutinskog sadržaja

Danas, generativna umjetna inteligencija pouzdano obavlja razne rutinske zadatke pisanja uz minimalnu ili nikakvu ljudsku intervenciju. Odličan primjer je u novinarstvu: Associated Press godinama koristi automatizaciju za generiranje hiljada izvještaja o zaradi kompanija svakog kvartala direktno iz finansijskih podataka ( Philana Patterson – ONA Community Profile ). Ove kratke vijesti slijede predložak (npr. „Kompanija X prijavila je zaradu od Y, porast od Z%...“) i umjetna inteligencija (koristeći softver za generiranje prirodnog jezika) može popuniti brojeve i terminologiju brže od bilo kojeg čovjeka. AP-ov sistem automatski objavljuje ove izvještaje, dramatično proširujući njihovu pokrivenost (preko 3.000 priča po kvartalu) bez potrebe za ljudskim piscima ( Automatizirane priče o zaradi se množe | The Associated Press ).

Sportsko novinarstvo je slično prošireno: sistemi umjetne inteligencije mogu uzimati statistike sportskih utakmica i generirati sažetke. Budući da su ove domene vođene podacima i formulirane, greške su rijetke sve dok su podaci tačni. U tim slučajevima vidimo pravu autonomiju – umjetna inteligencija piše, a sadržaj se odmah objavljuje.

Preduzeća također koriste generativnu umjetnu inteligenciju za izradu opisa proizvoda, e-mail biltena i drugog marketinškog sadržaja. Na primjer, gigant e-trgovine Amazon sada koristi umjetnu inteligenciju za sažimanje recenzija kupaca za proizvode. Umjetna inteligencija skenira tekst mnogih pojedinačnih recenzija i proizvodi sažet istaknuti paragraf o tome šta se ljudima sviđa ili ne sviđa kod artikla, što se zatim prikazuje na stranici proizvoda bez ručnog uređivanja ( Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije ). Ispod je ilustracija ove funkcije implementirane na Amazonovoj mobilnoj aplikaciji, gdje je odjeljak „Kupci kažu“ u potpunosti generiran umjetnom inteligencijom iz podataka o recenzijama:

( Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije ) Sažetak recenzije generiran umjetnom inteligencijom na stranici proizvoda u e-trgovini. Amazonov sistem sažima uobičajene točke iz korisničkih recenzija (npr. jednostavnost korištenja, performanse) u kratki paragraf, koji se kupcima prikazuje kao „generirano umjetnom inteligencijom iz teksta recenzija kupaca“.

Takvi slučajevi upotrebe pokazuju da kada sadržaj slijedi predvidljiv obrazac ili je agregiran iz postojećih podataka, vještačka inteligencija često to može sama obraditi . Ostali trenutni primjeri uključuju:

• Ažuriranja o vremenu i saobraćaju: Medijske kuće koriste vještačku inteligenciju za sastavljanje dnevnih izvještaja o vremenu ili saobraćajnih izvještaja na osnovu podataka senzora.

• Finansijski izvještaji: Firme koje automatski generiraju jednostavne finansijske sažetke (kvartalne rezultate, izvještaje o berzi). Od 2014. godine, Bloomberg i drugi mediji koriste vještačku inteligenciju kako bi pomogli u pisanju kratkih vijesti o zaradi kompanija – proces koji se uglavnom odvija automatski nakon što se podaci unesu ( AP-ovi "robotski novinari" sada pišu vlastite priče | The Verge ) ( Novinar iz Wyominga uhvaćen kako koristi vještačku inteligenciju za kreiranje lažnih citata i priča ).

• Prevod i transkripcija: Usluge transkripcije sada koriste vještačku inteligenciju za izradu transkripata ili titlova sastanaka bez ljudskih daktilografa. Iako nisu generativni u kreativnom smislu, ovi jezički zadaci se izvršavaju autonomno s visokom tačnošću za jasan zvuk.

• Generisanje nacrta: Mnogi profesionalci koriste alate poput ChatGPT-a za izradu nacrta e-poruka ili prvih verzija dokumenata, povremeno ih šaljući s malo ili bez ikakvih izmjena ako je sadržaj niskog rizika.

Međutim, za složeniju prozu, ljudski nadzor ostaje norma u 2025. godini . Novinske organizacije rijetko objavljuju istraživačke ili analitičke članke direktno iz umjetne inteligencije – urednici će provjeravati činjenice i usavršavati nacrte napisane od strane umjetne inteligencije. Umjetna inteligencija može oponašati stil i strukturu, ali može unijeti činjenične greške (često nazvane "halucinacije") ili nespretne fraze koje čovjek treba uhvatiti. Na primjer, njemačke novine Express predstavile su "digitalnu kolegicu" umjetne inteligencije po imenu Klara kako bi pomogla u pisanju početnih vijesti. Klara može efikasno sastavljati sportske izvještaje, pa čak i pisati naslove koji privlače čitatelje, doprinoseći 11% članaka Expressa – ali ljudski urednici i dalje pregledavaju svaki članak radi tačnosti i novinarskog integriteta, posebno kod složenih priča ( 12 načina na koje novinari koriste alate umjetne inteligencije u redakciji - Twipe ). Ovo partnerstvo čovjeka i umjetne inteligencije danas je uobičajeno: umjetna inteligencija obavlja teški posao generiranja teksta, a ljudi ga uređuju i ispravljaju po potrebi.

Izgledi za 2030-2035: Prema pouzdanom autonomnom pisanju

Tokom sljedeće decenije očekujemo da će generativna umjetna inteligencija postati daleko pouzdanija u generiranju visokokvalitetnog, činjenično ispravnog teksta, što će proširiti raspon zadataka pisanja koje može autonomno obavljati. Nekoliko trendova podržava ovo:

• Poboljšana tačnost: Tekuća istraživanja brzo smanjuju sklonost vještačke inteligencije da proizvodi lažne ili irelevantne informacije. Do 2030. godine, napredni jezički modeli s boljom obukom (uključujući tehnike za provjeru činjenica u bazama podataka u stvarnom vremenu) mogli bi postići internu provjeru činjenica gotovo na ljudskom nivou. To znači da bi vještačka inteligencija mogla automatski napisati kompletan članak s tačnim citatima i statistikama preuzetim iz izvornog materijala, što zahtijeva malo uređivanja.

• Vještačka inteligencija specifična za domen: Vidjet ćemo specijaliziranije generativne modele fino podešene za određena područja (pravno, medicinsko, tehničko pisanje). Model pravne umjetne inteligencije iz 2030. godine mogao bi pouzdano sastavljati standardne ugovore ili sažimati sudsku praksu – zadatke koji su po strukturi formulaični, ali trenutno zahtijevaju vrijeme advokata. Ako je umjetna inteligencija obučena na validiranim pravnim dokumentima, njeni nacrti bi mogli biti dovoljno pouzdani da advokat samo baci kratak završni pogled na njih.

• Prirodni stil i koherentnost: Modeli postaju sve bolji u održavanju konteksta u dugim dokumentima, što dovodi do koherentnijeg i relevantnijeg sadržaja dužih formata. Do 2035. godine, vjerovatno je da će vještačka inteligencija moći samostalno napisati pristojan prvi nacrt publicističke knjige ili tehničkog priručnika, dok će ljudi prvenstveno imati savjetodavnu ulogu (da postave ciljeve ili pruže specijalizirano znanje).

Kako bi ovo moglo izgledati u praksi? Rutinsko novinarstvo moglo bi postati gotovo u potpunosti automatizirano za određene trenutke. Možda bismo 2030. godine mogli vidjeti novinsku agenciju koja ima sistem umjetne inteligencije koji piše prvu verziju svakog izvještaja o zaradi, sportske priče ili ažuriranja rezultata izbora, a urednik bi odabrao samo nekoliko primjeraka radi osiguranja kvalitete. Zaista, stručnjaci predviđaju da će sve veći udio online sadržaja biti generiran mašinama – jedno smjelo predviđanje industrijskih analitičara sugeriralo je da bi do 2026. godine do 90% online sadržaja moglo biti generirano umjetnom inteligencijom ( Do 2026. godine, online sadržaj generiran od strane neljudi znatno će nadmašiti sadržaj generiran od strane ljudi - OODAloop ), iako se o toj brojci raspravlja. Čak i konzervativniji ishod bi značio da će do sredine 2030-ih većinu rutinskih web članaka, tekstova proizvoda, pa čak i personaliziranih vijesti, kreirati umjetna inteligencija.

U marketingu i korporativnim komunikacijama , generativnoj umjetnoj inteligenciji će vjerovatno biti povjereno autonomno vođenje čitavih kampanja. Mogla bi generirati i slati personalizirane marketinške e-poruke, objave na društvenim mrežama i varijacije oglasnih tekstova, stalno prilagođavajući poruke na osnovu reakcija kupaca - sve bez ljudskog tekstopisca u procesu. Analitičari Gartnera predviđaju da će do 2025. godine najmanje 30% marketinških poruka velikih preduzeća biti sintetički generirano pomoću umjetne inteligencije ( Generative AI Use Cases for Industries and Enterprises ), a ovaj postotak će samo rasti do 2030. godine.

Međutim, važno je napomenuti da će ljudska kreativnost i prosuđivanje i dalje igrati ulogu, posebno za sadržaj od visokog značaja . Do 2035. godine, vještačka inteligencija bi mogla samostalno obrađivati ​​saopštenja za javnost ili blog postove, ali za istraživačko novinarstvo koje uključuje odgovornost ili osjetljive teme, mediji bi i dalje mogli insistirati na ljudskom nadzoru. Budućnost će vjerovatno donijeti višeslojni pristup: vještačka inteligencija autonomno proizvodi većinu svakodnevnog sadržaja, dok se ljudi fokusiraju na uređivanje i proizvodnju strateških ili osjetljivih dijelova. U suštini, granica onoga što se smatra "rutinom" će se širiti kako bude rasla vještina vještačke inteligencije.

Pored toga, mogu se pojaviti novi oblici sadržaja poput interaktivnih narativa generiranih umjetnom inteligencijom ili personaliziranih izvještaja . Na primjer, godišnji izvještaj kompanije mogao bi se generirati u više stilova pomoću umjetne inteligencije – sažetak za rukovoditelje, narativna verzija za zaposlenike, verzija bogata podacima za analitičare – svaki kreiran automatski iz istih osnovnih podataka. U obrazovanju, udžbenici bi se mogli dinamički pisati pomoću umjetne inteligencije kako bi odgovarali različitim nivoima čitanja. Ove aplikacije mogle bi biti uglavnom autonomne, ali utemeljene na provjerenim informacijama.

Putanja u pisanju sugerira da će do sredine 2030-ih, vještačka inteligencija biti plodan pisac . Ključ za istinski autonomni rad bit će uspostavljanje povjerenja u njene rezultate. Ako vještačka inteligencija može dosljedno demonstrirati činjeničnu tačnost, stilski kvalitet i usklađenost s etičkim standardima, potreba za ljudskim pregledom red po red će se smanjiti. Dijelove same bijele knjige, do 2035. godine, vrlo lako bi mogao sastaviti istraživač vještačke inteligencije bez potrebe za urednikom – izgledi u vezi s kojima smo oprezno optimistični, pod uslovom da su na snazi ​​odgovarajuće zaštitne mjere.

Generativna umjetna inteligencija u vizualnim umjetnostima i dizajnu

Sposobnost generativne umjetne inteligencije da kreira slike i umjetnička djela osvojila je maštu javnosti, od slika generiranih umjetnom inteligencijom koje pobjeđuju na umjetničkim konkursima do deepfake videa koji se ne razlikuju od stvarnog snimka. U vizualnim domenima, modeli umjetne inteligencije poput generativnih adversarnih mreža (GAN) i modela difuzije (npr. Stable Diffusion, Midjourney) mogu proizvesti originalne slike na osnovu tekstualnih uputa. Dakle, može li umjetna inteligencija sada funkcionirati kao autonomni umjetnik ili dizajner?

Trenutne mogućnosti (2025): Umjetna inteligencija kao kreativni asistent

Od 2025. godine, generativni modeli su vješti u kreiranju slika na zahtjev sa impresivnom vjernošću. Korisnici mogu zatražiti od vještačke inteligencije da nacrta „srednjovjekovni grad u zalasku sunca u Van Goghovom stilu“ i dobiti uvjerljivo umjetničku sliku za nekoliko sekundi. To je dovelo do široke upotrebe vještačke inteligencije u grafičkom dizajnu, marketingu i zabavi za konceptualnu umjetnost, prototipove, pa čak i finalne vizuale u nekim slučajevima. Posebno:

• Grafički dizajn i stock slike: Kompanije generiraju grafiku za web stranice, ilustracije ili stock fotografije putem umjetne inteligencije, smanjujući potrebu za naručivanjem svakog djela od umjetnika. Mnogi marketinški timovi koriste AI alate za izradu varijacija oglasa ili slika proizvoda kako bi testirali što se sviđa potrošačima.

• Umjetnost i ilustracija: Pojedinačni umjetnici sarađuju s umjetnom inteligencijom kako bi razrađivali ideje ili popunjavali detalje. Na primjer, ilustrator bi mogao koristiti umjetnu inteligenciju za generiranje pozadinske scenografije, koju zatim integrira sa svojim likovima koje su nacrtali ljudi. Neki kreatori stripova eksperimentirali su s panelima ili bojama generiranim umjetnom inteligencijom.

• Mediji i zabava: Umjetnost generirana umjetnom inteligencijom pojavljivala se na naslovnicama časopisa i knjiga. Poznati primjer bila je Cosmopolitana na kojoj je bio astronaut – navodno prva slika naslovnice časopisa koju je kreirala umjetna inteligencija (OpenAI-jev DALL·E) prema uputama umjetničkog direktora. Iako je ovo uključivalo ljudsko poticanje i odabir, stvarna umjetnička djela su bila mašinski prikazana.

Ključno je da većina ovih trenutnih upotreba i dalje uključuje ljudsko kuriranje i iteraciju . Vještačka inteligencija može izbaciti desetine slika, a čovjek bira najbolju i eventualno je dotjeruje. U tom smislu, vještačka inteligencija radi autonomno na stvaranju opcija, ali ljudi vode kreativni smjer i donose konačne odluke. Pouzdana je za brzo generiranje velike količine sadržaja, ali nije zagarantovano da će ispuniti sve zahtjeve iz prvog pokušaja. Problemi poput netačnih detalja (npr. vještačka inteligencija crta ruke s pogrešnim brojem prstiju, poznata neobičnost) ili nenamjeravani rezultati znače da ljudski art direktor obično mora nadgledati kvalitetu rezultata.

Međutim, postoje domene u kojima se umjetna inteligencija približava potpunoj autonomiji:

• Generativni dizajn: U oblastima poput arhitekture i dizajna proizvoda, alati umjetne inteligencije mogu autonomno kreirati prototipove dizajna koji zadovoljavaju specifična ograničenja. Na primjer, s obzirom na željene dimenzije i funkcije komada namještaja, generativni algoritam može proizvesti nekoliko održivih dizajna (neki prilično nekonvencionalni) bez ljudske intervencije izvan početnih specifikacija. Ove dizajne zatim ljudi mogu direktno koristiti ili usavršavati. Slično tome, u inženjerstvu, generativna umjetna inteligencija može dizajnirati dijelove (recimo, komponentu aviona) optimizirane za težinu i čvrstoću, proizvodeći nove oblike koje čovjek možda ne bi ni zamislio.

• Materijali za videoigre: Vještačka inteligencija može automatski generirati teksture, 3D modele ili čak cijele nivoe za videoigre. Programeri ih koriste za ubrzavanje kreiranja sadržaja. Neke indie igre su počele uključivati ​​proceduralno generirane ilustracije, pa čak i dijalog (putem jezičkih modela) kako bi stvorile ogromne, dinamične svjetove igara s minimalnim materijalima koje su kreirali ljudi.

• Animacija i video (u nastajanju): Iako je manje zrela od statičnih slika, generativna umjetna inteligencija za video napreduje. Umjetna inteligencija već može generirati kratke video klipove ili animacije iz uputa, iako je kvalitet neujednačen. Deepfake tehnologija – koja je generativna – može proizvesti realistične zamjene lica ili klonove glasa. U kontroliranom okruženju, studio bi mogao koristiti umjetnu inteligenciju za automatsko generiranje pozadinske scene ili animacije gomile.

Značajno je da je Gartner predvidio da ćemo do 2030. godine vidjeti veliki filmski hit sa 90% sadržaja generiranog umjetnom inteligencijom (od scenarija do vizualnih elemenata) ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i preduzeća ). Od 2025. godine još nismo tamo – umjetna inteligencija ne može samostalno snimiti dugometražni film. Ali dijelovi te slagalice se razvijaju: generiranje scenarija (tekstualna umjetna inteligencija), generiranje likova i scena (slika/video umjetna inteligencija), glasovna gluma (klonovi glasova umjetne inteligencije) i pomoć pri montaži (umjetna inteligencija već može pomoći s rezovima i prijelazima).

Izgledi za 2030-2035: Mediji generirani umjetnom inteligencijom u velikim razmjerima

Gledajući unaprijed, uloga generativne umjetne inteligencije u vizualnim umjetnostima i dizajnu spremna je za dramatično širenje. Do 2035. godine očekujemo da će umjetna inteligencija biti primarni kreator sadržaja u mnogim vizualnim medijima, često djelujući uz minimalan ljudski doprinos izvan početnog vodstva. Neka očekivanja:

• Filmovi i videozapisi u potpunosti generirani umjetnom inteligencijom: U sljedećih deset godina sasvim je moguće da ćemo vidjeti prve filmove ili serije koje su uglavnom producirane umjetnom inteligencijom. Ljudi bi mogli pružiti režiju na visokom nivou (npr. nacrt scenarija ili željeni stil), a umjetna inteligencija će renderirati scene, stvarati sličnosti glumaca i animirati sve. Rani eksperimenti u kratkim filmovima vjerovatni su u roku od nekoliko godina, a pokušaji dugometražnih filmova do 2030-ih. Ovi filmovi umjetne inteligencije mogli bi započeti kao nišni (eksperimentalna animacija, itd.), ali bi mogli postati mainstream kako se kvalitet poboljšava. Gartnerovo predviđanje od 90% do 2030. godine za filmove ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i preduzeća ), iako ambiciozno, naglašava uvjerenje industrije da će kreiranje sadržaja umjetne inteligencije biti dovoljno sofisticirano da podnese najveći dio tereta u snimanju filmova.

• Automatizacija dizajna: U oblastima poput mode ili arhitekture, generativna umjetna inteligencija će se vjerovatno koristiti za autonomno kreiranje stotina dizajnerskih koncepata na osnovu parametara poput „cijene, materijala, stila X“, ostavljajući ljudima da odaberu konačni dizajn. Ovo mijenja trenutnu dinamiku: umjesto da dizajneri stvaraju od nule i možda koriste umjetnu inteligenciju za inspiraciju, budući dizajneri bi mogli djelovati više kao kustosi, birajući najbolji dizajn generiran umjetnom inteligencijom i možda ga prilagođavajući. Do 2035. godine, arhitekta bi mogao unijeti zahtjeve za zgradu i dobiti kompletne nacrte kao prijedloge od umjetne inteligencije (sve strukturno ispravne, zahvaljujući ugrađenim inženjerskim pravilima).

• Kreiranje personaliziranog sadržaja: Možda ćemo vidjeti umjetnu inteligenciju koja kreira vizuale u hodu za pojedinačne korisnike. Zamislite videoigru ili iskustvo virtualne stvarnosti 2035. godine gdje se krajolik i likovi prilagođavaju preferencijama igrača, generirani u stvarnom vremenu od strane umjetne inteligencije. Ili personalizirani stripovi generirani na osnovu korisnikovog dana - autonomna umjetna inteligencija "strip dnevnika" koja automatski pretvara vaš tekstualni dnevnik u ilustracije svake večeri.

• Multimodalna kreativnost: Generativni AI sistemi su sve više multimodalni – što znači da mogu zajedno obrađivati ​​tekst, slike, zvuk itd. Kombinujući ih, AI bi mogao uzeti jednostavan upit poput „Napravi mi marketinšku kampanju za proizvod X“ i generirati ne samo pisani tekst, već i odgovarajuću grafiku, možda čak i kratke promotivne video klipove, sve u skladu sa stilom. Ovakav paket sadržaja koji se kreira jednim klikom je vjerovatna usluga do početka 2030-ih.

Hoće li vještačka inteligencija zamijeniti ljudske umjetnike ? Ovo pitanje se često postavlja. Vjerovatno je da će vještačka inteligencija preuzeti veliki dio produkcijskog posla (posebno repetitivne ili brzo mijenjajuće umjetnosti potrebne za poslovanje), ali ljudska umjetnost će ostati zbog originalnosti i inovacija. Do 2035. godine, autonomna vještačka inteligencija bi mogla pouzdano nacrtati sliku u stilu poznatog umjetnika - ali stvaranje novog stila ili duboko kulturno rezonantne umjetnosti i dalje bi moglo biti ljudska jača strana (potencijalno s vještačkom inteligencijom kao saradnikom). Predviđamo budućnost u kojoj ljudski umjetnici rade zajedno s autonomnim "ko-umjetnicima" koje su osnovala vještačka inteligencija. Na primjer, neko bi mogao naručiti ličnu vještačku inteligenciju da kontinuirano generira umjetnost za digitalnu galeriju u svom domu, pružajući stalno promjenjiv kreativni ambijent.

Sa stanovišta pouzdanosti, vizuelno generativna umjetna inteligencija ima lakši put do autonomije od teksta u nekim aspektima: slika može biti subjektivno „dovoljno dobra“ čak i ako nije savršena, dok je činjenična greška u tekstu problematičnija. Stoga već vidimo relativno niskorizično usvajanje – ako je dizajn generiran umjetnom inteligencijom ružan ili pogrešan, jednostavno ga ne koristite, ali sam po sebi ne uzrokuje štetu. To znači da će do 2030-ih kompanijama možda biti ugodno pustiti umjetnu inteligenciju da stvara dizajne bez nadzora i uključivati ​​ljude samo kada je potrebno nešto zaista novo ili rizično.

Ukratko, očekuje se da će do 2035. godine generativna umjetna inteligencija postati snažan kreator vizualnog sadržaja, vjerovatno odgovoran za značajan dio slika i medija oko nas. Pouzdano će generirati sadržaj za zabavu, dizajn i svakodnevnu komunikaciju. Autonomni umjetnik je na vidiku - iako je debata o tome da li se umjetna inteligencija smatra kreativnom ili samo vrlo pametnim alatom, razvijat će se kako njeni rezultati postanu nerazlučivi od onih koje je stvorio čovjek.

Generativna umjetna inteligencija u razvoju softvera (kodiranje)

Razvoj softvera može izgledati kao vrlo analitički zadatak, ali on također ima kreativni element – ​​pisanje koda je u osnovi stvaranje teksta u strukturiranom jeziku. Moderna generativna umjetna inteligencija, posebno modeli velikih jezika, pokazala se prilično vještom u kodiranju. Alati poput GitHub Copilota, Amazon CodeWhisperera i drugih djeluju kao programeri u paru umjetne inteligencije, predlažući dijelove koda ili čak cijele funkcije dok programeri tipkaju. Koliko daleko ovo može ići prema autonomnom programiranju?

Trenutne mogućnosti (2025): Vještačka inteligencija kao kopilot u kodiranju

Do 2025. godine, generatori AI koda postali su uobičajeni u radnim procesima mnogih programera. Ovi alati mogu automatski dovršavati linije koda, generirati šablonske sheme (poput standardnih funkcija ili testova), pa čak i pisati jednostavne programe s opisom na prirodnom jeziku. Međutim, ključno je da rade pod nadzorom programera - programer pregledava i integrira prijedloge AI-a.

Neke trenutne činjenice i brojke:

• Više od polovine profesionalnih programera usvojilo je AI asistente za kodiranje do kraja 2023. godine ( Kodiranje na Copilotu: Podaci iz 2023. ukazuju na pritisak na kvalitet koda (uklj. projekcije za 2024.) - GitClear ), što ukazuje na brzo prihvatanje. Izvještava se da je GitHub Copilot, jedan od prvih široko dostupnih alata, generirao u prosjeku 30-40% koda u projektima u kojima se koristi ( Kodiranje više nije MOAT. 46% kodova na GitHubu je već... ). To znači da AI već piše značajne dijelove koda, iako ga čovjek upravlja i validira.

• Ovi AI alati su izvrsni u zadacima poput pisanja repetitivnog koda (npr. klase modela podataka, metode za dobivanje/postavljanje), pretvaranja jednog programskog jezika u drugi ili stvaranja jednostavnih algoritama koji podsjećaju na primjere obuke. Na primjer, programer može komentirati "// funkcija za sortiranje liste korisnika po imenu" i AI će gotovo trenutno generirati odgovarajuću funkciju sortiranja.

• Oni također pomažu u ispravljanju i objašnjavanju grešaka : programeri mogu zalijepiti poruku o grešci, a umjetna inteligencija može predložiti ispravku ili pitati "Šta ovaj kod radi?" i dobiti objašnjenje na prirodnom jeziku. Ovo je u određenom smislu autonomno (umjetna inteligencija može sama dijagnosticirati probleme), ali čovjek odlučuje hoće li primijeniti ispravku.

• Važno je napomenuti da trenutni asistenti za kodiranje umjetne inteligencije nisu nepogrešivi. Oni mogu predložiti nesiguran kod ili kod koji gotovo rješava problem, ali ima suptilne greške. Stoga je danas najbolja praksa da se čovjek drži u toku procesa – programer testira i otklanja greške u kodu koji je napisao umjetna inteligencija baš kao što bi to činio kod koji je napisao čovjek. U reguliranim industrijama ili kritičnom softveru (poput medicinskih ili avionskih sistema), svaki doprinos umjetne inteligencije prolazi kroz rigoroznu provjeru.

Nijedan danas uobičajeni softverski sistem nije implementiran u potpunosti napisan od strane vještačke inteligencije od nule, bez nadzora programera. Međutim, pojavljuju se neke autonomne ili poluautonomne upotrebe:

• Automatski generirani jedinični testovi: Vještačka inteligencija može analizirati kod i kreirati jedinične testove kako bi pokrila različite slučajeve. Okvir za testiranje može autonomno generirati i pokretati ove testove napisane od strane vještačke inteligencije kako bi otkrio greške, proširujući testove koje su napisali ljudi.

• Platforme s malo koda/bez koda s umjetnom inteligencijom: Neke platforme omogućavaju neprogramerima da opišu šta žele (npr. „izradite web stranicu s kontakt formom i bazom podataka za spremanje unosa“), a sistem generira kod. Iako je još u ranoj fazi, ovo nagovještava budućnost u kojoj bi umjetna inteligencija mogla autonomno kreirati softver za standardne slučajeve upotrebe.

• Skriptiranje i spajanje koda: IT automatizacija često uključuje pisanje skripti za povezivanje sistema. Alati umjetne inteligencije često mogu automatski generirati ove male skripte. Na primjer, pisanje skripte za parsiranje datoteke dnevnika i slanje upozorenja putem e-pošte – umjetna inteligencija može proizvesti funkcionalnu skriptu uz minimalne ili nikakve izmjene.

Izgledi za 2030-2035: Prema „samostalno razvijajućem“ softveru

U narednoj deceniji očekuje se da će generativna umjetna inteligencija preuzeti veći dio tereta kodiranja, približavajući se potpuno autonomnom razvoju softvera za određene klase projekata. Neki od predviđenih razvoja:

• Potpuna implementacija funkcija: Do 2030. godine očekujemo da će vještačka inteligencija (AI) biti sposobna implementirati jednostavne funkcije aplikacije od početka do kraja. Menadžer proizvoda može opisati funkciju jednostavnim jezikom („Korisnici bi trebali moći resetirati lozinku putem linka u e-pošti“), a AI bi mogla generirati potreban kod (prednji obrazac, pozadinska logika, ažuriranje baze podataka, slanje e-pošte) i integrirati ga u bazu koda. AI bi efektivno djelovala kao mlađi programer koji može slijediti specifikacije. Ljudski inženjer bi mogao samo napraviti pregled koda i pokrenuti testove. Kako se pouzdanost AI poboljšava, pregled koda bi mogao postati brzi pregled, ako uopće bude potrebno.

• Autonomno održavanje koda: Veliki dio softverskog inženjerstva nije samo pisanje novog koda, već i ažuriranje postojećeg koda – ispravljanje grešaka, poboljšanje performansi, prilagođavanje novim zahtjevima. Budući programeri umjetne inteligencije vjerovatno će se istaknuti u ovome. S obzirom na bazu koda i direktivu („naša aplikacija se ruši kada se previše korisnika istovremeno prijavi“), umjetna inteligencija bi mogla locirati problem (poput greške u konkurentnosti) i zakrpiti ga. Do 2035. godine, sistemi umjetne inteligencije bi mogli automatski obrađivati ​​rutinske tikete za održavanje preko noći, služeći kao neumorna ekipa za održavanje softverskih sistema.

• Integracija i korištenje API-ja: Kako sve više softverskih sistema i API-ja dolazi s dokumentacijom koju može čitati umjetna inteligencija, agent umjetne inteligencije mogao bi samostalno shvatiti kako povezati Sistem A sa Uslugom B pisanjem povezujućeg koda. Na primjer, ako kompanija želi da se njihov interni HR sistem sinhronizuje s novim API-jem za obračun plaća, mogli bi zadati umjetnoj inteligenciji da "natjera ove sisteme da međusobno komuniciraju", a ona će napisati integracijski kod nakon što pročita specifikacije oba sistema.

• Kvalitet i optimizacija: Budući modeli generiranja koda vjerovatno će uključivati ​​povratne petlje kako bi se provjerilo da li kod funkcioniše (npr. pokretanje testova ili simulacija u sandboxu). To znači da vještačka inteligencija ne samo da može pisati kod, već i samostalno ga ispravljati testiranjem. Do 2035. godine mogli bismo zamisliti vještačku inteligenciju koja, kada joj se da zadatak, nastavlja s iteracijama na svom kodu dok svi testovi ne prođu – proces koji čovjek možda neće morati pratiti liniju po liniju. Ovo bi uveliko povećalo povjerenje u autonomno generirani kod.

Može se zamisliti scenario do 2035. godine u kojem bi mali softverski projekat - recimo prilagođena mobilna aplikacija za preduzeće - mogao biti razvijen uglavnom od strane AI agenta kojem su data uputstva visokog nivoa. Ljudski "programer" u tom scenariju je više menadžer projekta ili validator, koji specificira zahtjeve i ograničenja (sigurnost, stilske smjernice) i prepušta AI-u da obavi teški posao stvarnog kodiranja.

Međutim, za složeni, veliki softver (operativni sistemi, sami napredni algoritmi umjetne inteligencije itd.), ljudski stručnjaci će i dalje biti duboko uključeni. Kreativno rješavanje problema i arhitektonski dizajn u softveru vjerovatno će neko vrijeme ostati vođeni ljudima. Vještačka inteligencija bi mogla obavljati mnogo zadataka kodiranja, ali odlučivanje o tome šta izgraditi i dizajniranje ukupne strukture predstavlja drugačiji izazov. Međutim, kako generativna umjetna inteligencija počinje sarađivati ​​- više agenata umjetne inteligencije rukuje različitim komponentama sistema - zamislivo je da bi oni mogli do određene mjere zajednički dizajnirati arhitekture (na primjer, jedna umjetna inteligencija predlaže dizajn sistema, druga ga kritikuje, a oni ponavljaju, dok čovjek nadgleda proces).

Glavna očekivana korist od umjetne inteligencije u kodiranju je povećanje produktivnosti . Gartner predviđa da će do 2028. godine čak 90% softverskih inženjera koristiti AI asistente za kodiranje (u odnosu na manje od 15% u 2024. godini) ( GitHub Copilot predvodi istraživački izvještaj o AI asistentima za kodiranje -- Visual Studio Magazine ). To sugerira da će biti malo onih koji se odbijaju od standarda – onih koji ne koriste umjetnu inteligenciju. Također bismo mogli vidjeti nedostatak ljudskih programera u određenim područjima, što bi se ublažilo popunjavanjem praznina pomoću umjetne inteligencije; u suštini, svaki programer može učiniti mnogo više s AI pomagačem koji može autonomno crtati kod.

Povjerenje će ostati centralno pitanje. Čak i 2035. godine, organizacije će morati osigurati da je autonomno generirani kod siguran (AI ne smije uvoditi ranjivosti) i usklađen s pravnim/etičkim normama (npr. AI ne uključuje plagirani kod iz biblioteke otvorenog koda bez odgovarajuće licence). Očekujemo da će poboljšani alati za upravljanje AI-jem koji mogu provjeriti i pratiti porijeklo koda napisanog od strane AI-ja pomoći u omogućavanju autonomnijeg kodiranja bez rizika.

Ukratko, do sredine 2030-ih, generativna umjetna inteligencija će vjerovatno obavljati lavovski dio kodiranja za rutinske softverske zadatke i značajno pomagati u složenim zadacima. Životni ciklus razvoja softvera bit će mnogo automatiziraniji – od zahtjeva do implementacije – s umjetnom inteligencijom koja će potencijalno automatski generirati i implementirati promjene koda. Ljudski programeri će se više fokusirati na logiku visokog nivoa, korisničko iskustvo i nadzor, dok će agenti umjetne inteligencije proći kroz detalje implementacije.

Generativna umjetna inteligencija u korisničkoj službi i podršci

Ako ste u posljednje vrijeme komunicirali s online chatom za korisničku podršku, postoji velika vjerovatnoća da je na drugom kraju barem dio tog razgovora bila umjetna inteligencija. Korisnička podrška je domen zrel za automatizaciju umjetne inteligencije: uključuje odgovaranje na korisničke upite, što generativna umjetna inteligencija (posebno konverzacijski modeli) može prilično dobro uraditi, i često prati skripte ili članke baze znanja, koje umjetna inteligencija može naučiti. Koliko autonomno umjetna inteligencija može upravljati kupcima?

Trenutne mogućnosti (2025): Chatbotovi i virtuelni agenti preuzimaju prvu liniju

Danas, mnoge organizacije koriste AI chatbotove kao prvu kontakt tačku u korisničkoj službi. Oni se kreću od jednostavnih botova zasnovanih na pravilima („Pritisnite 1 za naplatu, 2 za podršku…“) do naprednih generativnih AI chatbotova koji mogu interpretirati pitanja u slobodnom obliku i odgovoriti konverzacijski. Ključne tačke:

• Rješavanje uobičajenih pitanja: AI agenti izvrsno odgovaraju na često postavljana pitanja, pružaju informacije (radno vrijeme trgovine, pravila povrata novca, koraci za rješavanje poznatih problema) i vode korisnike kroz standardne procedure. Na primjer, AI chatbot za banku može samostalno pomoći korisniku da provjeri stanje na računu, resetuje lozinku ili objasni kako da se prijavi za kredit, bez ljudske pomoći.

• Razumijevanje prirodnog jezika: Moderni generativni modeli omogućavaju fluidniju i „ljudsku“ interakciju. Kupci mogu upisati pitanje vlastitim riječima, a umjetna inteligencija obično može shvatiti namjeru. Kompanije izvještavaju da današnji AI agenti pružaju mnogo više zadovoljstva kupcima nego nezgrapni botovi od prije nekoliko godina – gotovo polovina kupaca sada vjeruje da AI agenti mogu biti empatični i efikasni prilikom rješavanja problema ( 59 statistika o korisničkoj podršci zasnovanoj na umjetnoj inteligenciji za 2025. godinu ), što pokazuje rastuće povjerenje u usluge zasnovane na umjetnoj inteligenciji.

• Višekanalna podrška: Vještačka inteligencija nije samo u chatu. Glasovni asistenti (poput IVR sistema za telefone s vještačkom inteligencijom iza sebe) počinju obrađivati ​​pozive, a vještačka inteligencija također može sastavljati odgovore putem e-pošte na upite kupaca koji se mogu automatski slati ako se smatraju tačnim.

• Kada se ljudi umiješaju: Tipično, ako se vještačka inteligencija zbuni ili je pitanje previše složeno, prepušta pitanje ljudskom agentu. Trenutni sistemi su u mnogim slučajevima dobri u poznavanju svojih granica . Na primjer, ako kupac pita nešto neobično ili pokaže frustraciju („Ovo je treći put da vas kontaktiram i jako sam uznemiren...“), vještačka inteligencija bi to mogla označiti kako bi čovjek preuzeo kontrolu. Prag za primopredaju pitanja postavljaju kompanije kako bi uravnotežile efikasnost sa zadovoljstvom kupaca.

Mnoge kompanije su prijavile značajan dio interakcija koje rješava samo umjetna inteligencija. Prema istraživanjima u industriji, oko 70-80% rutinskih upita kupaca danas se može obraditi pomoću AI chatbotova, a oko 40% interakcija kompanija s kupcima na svim kanalima je već automatizirano ili potpomognuto umjetnom inteligencijom ( 52 ​​statistike o korisničkoj službi zasnovane na umjetnoj inteligenciji koje biste trebali znati - Plivo ). IBM-ov Globalni indeks usvajanja umjetne inteligencije (2022) pokazao je da 80% kompanija koristi ili planira koristiti AI chatbotove za korisničku službu do 2025. godine.

Zanimljiv razvoj događaja je da vještačka inteligencija ne samo da odgovara kupcima, već i proaktivno pomaže ljudskim agentima u realnom vremenu. Na primjer, tokom chata ili poziva uživo, vještačka inteligencija može slušati i odmah pružiti ljudskom agentu predložene odgovore ili relevantne informacije. Ovo briše granicu autonomije – vještačka inteligencija nije sama suočena s kupcem, već je aktivno uključena bez eksplicitnih ljudskih upita. Ona efektivno djeluje kao autonomni savjetnik agentu.

Izgledi za 2030-2035: Interakcije s kupcima uglavnom vođene umjetnom inteligencijom

Očekuje se da će do 2030. godine većina interakcija s korisnicima uključivati ​​umjetnu inteligenciju, a mnoge će u potpunosti biti obrađene od strane umjetne inteligencije od početka do kraja. Predviđanja i trendovi koji to podržavaju:

• Riješeni upiti veće složenosti: Kako modeli umjetne inteligencije integriraju ogromno znanje i poboljšavaju rasuđivanje, moći će obraditi složenije zahtjeve kupaca. Umjesto da samo odgovori na pitanje „Kako da vratim artikl?“, buduća umjetna inteligencija mogla bi rješavati probleme u više koraka poput „Moj internet ne radi, pokušao/la sam ponovo pokrenuti računar, možete li pomoći?“ dijagnosticiranjem problema putem dijaloga, vođenjem kupca kroz napredno rješavanje problema i samo ako sve ostalo ne uspije, zakazivanjem tehničara – zadaci koji bi danas vjerovatno zahtijevali ljudskog tehničara za podršku. U korisničkoj službi u zdravstvu, umjetna inteligencija bi mogla rješavati zakazivanje termina za pacijente ili upite o osiguranju od početka do kraja.

• Rješenje za kompletnu uslugu: Možda ćemo vidjeti AI ne samo da govori kupcu šta da radi, već to zapravo radi u ime kupca unutar backend sistema. Na primjer, ako kupac kaže „Želim promijeniti let na sljedeći ponedjeljak i dodati još jednu torbu“, agent AI-a 2030. godine mogao bi se direktno povezati sa sistemom rezervacija aviokompanije, izvršiti promjenu, obraditi plaćanje za torbu i potvrditi kupcu – sve autonomno. AI postaje agent za potpunu uslugu, a ne samo izvor informacija.

• Sveprisutni AI agenti: Kompanije će vjerovatno implementirati AI na svim tačkama kontakta s kupcima – telefon, chat, e-poštu, društvene mreže. Mnogi kupci možda neće ni shvatiti da li razgovaraju s AI ili čovjekom, posebno kako glasovi AI postaju prirodniji, a odgovori u chatu svjesniji konteksta. Do 2035. godine, kontaktiranje korisničke službe često bi moglo značiti interakciju s pametnom AI koja pamti vaše prošle interakcije, razumije vaše preferencije i prilagođava se vašem tonu – u suštini personalizirani virtualni agent za svakog kupca.

• Donošenje odluka putem umjetne inteligencije u interakcijama: Osim odgovaranja na pitanja, umjetna inteligencija će početi donositi odluke koje trenutno zahtijevaju odobrenje menadžmenta. Na primjer, danas ljudskom agentu može biti potrebno odobrenje nadređenog da ponudi povrat novca ili poseban popust kako bi umirio ljutitog kupca. U budućnosti, umjetnoj inteligenciji bi se mogle povjeriti te odluke, unutar definiranih ograničenja, na osnovu izračunate vrijednosti životnog vijeka kupca i analize sentimenta. Studija Futuruma/IBM-a predviđa da će do 2030. godine oko 69% odluka donesenih tokom angažmana kupaca u stvarnom vremenu donositi pametne mašine ( Da bi se redefinirao prelazak na korisničko iskustvo (CX), marketinški stručnjaci moraju učiniti ove dvije stvari ) – efektivno umjetna inteligencija koja odlučuje o najboljem toku djelovanja u interakciji.

• 100% uključenost umjetne inteligencije: Jedan izvještaj sugerira da će umjetna inteligencija na kraju igrati ulogu u svakoj interakciji s kupcem ( 59 statistika o korisničkoj podršci za 2025. godinu ), bilo unaprijed ili u pozadini. To bi moglo značiti da čak i ako čovjek komunicira s kupcem, imat će pomoć umjetne inteligencije (davanje prijedloga, preuzimanje informacija). Alternativno, tumačenje je da nijedan upit kupca ne ostaje bez odgovora u bilo kojem trenutku - ako su ljudi offline, umjetna inteligencija je uvijek tu.

Do 2035. godine bismo mogli otkriti da su agenti za korisničku podršku postali specijalizirani samo za najosjetljivije ili scenarije s visokim stupnjem kontakta (npr. VIP klijenti ili rješavanje složenih pritužbi koje zahtijevaju ljudsku empatiju). Redovne upite – od bankarstva do maloprodaje i tehničke podrške – mogla bi opsluživati ​​flota AI agenata koji rade 24/7, kontinuirano učeći iz svake interakcije. Ova promjena bi mogla učiniti korisničku podršku konzistentnijom i neposrednijom, jer AI ne drži ljude na čekanju i teoretski može obavljati više zadataka istovremeno kako bi obradila neograničen broj klijenata.

Postoje izazovi koje treba savladati za ovu viziju: AI mora biti vrlo robusna kako bi se nosila s nepredvidljivošću ljudskih kupaca. Mora biti sposobna nositi se sa slengom, ljutnjom, zbunjenošću i beskrajnom raznolikošću načina na koje ljudi komuniciraju. Također joj je potrebno ažurno znanje (nema smisla ako su informacije AI-a zastarjele). Ulaganjem u integraciju između AI-a i baza podataka kompanije (za informacije u stvarnom vremenu o narudžbama, prekidima itd.), ove prepreke se mogu riješiti.

Etički, kompanije će morati odlučiti kada će otkriti „da razgovarate s vještačkom inteligencijom“ i osigurati pravednost (vještačka inteligencija ne tretira određene kupce drugačije na negativan način zbog pristrasne obuke). Pod pretpostavkom da se ovi slučajevi upravljaju, poslovni slučaj je jak: korisnička služba zasnovana na vještačkoj inteligenciji može dramatično smanjiti troškove i vrijeme čekanja. Predviđa se da će tržište za vještačku inteligenciju u korisničkoj službi porasti na desetine milijardi dolara do 2030. godine ( Izvještaj o tržištu vještačke inteligencije u korisničkoj službi 2025-2030: Studija slučaja ) ( Kako generativna vještačka inteligencija jača logistiku | Ryder ) kako organizacije ulažu u ove mogućnosti.

Ukratko, očekujte budućnost u kojoj će autonomna korisnička podrška zasnovana na vještačkoj inteligenciji biti norma . Traženje pomoći često će značiti interakciju s pametnom mašinom koja može brzo riješiti vaš problem. Ljudi će i dalje biti uključeni u nadzor i rješavanje graničnih slučajeva, ali više kao nadzornici radne snage u oblasti vještačke inteligencije. Rezultat bi mogla biti brža i personalizovanija usluga za potrošače - sve dok je vještačka inteligencija pravilno obučena i praćena kako bi se spriječile frustracije iz prošlosti, poput iskustava s "robotskim telefonskim linijama".

Generativna umjetna inteligencija u zdravstvu i medicini

Zdravstvo je oblast u kojoj su ulozi visoki. Ideja da vještačka inteligencija funkcioniše bez ljudskog nadzora u medicini izaziva i uzbuđenje (zbog efikasnosti i dosega) i oprez (zbog sigurnosti i empatije). Generativna vještačka inteligencija počela je da napreduje u oblastima poput analize medicinskog snimanja, kliničke dokumentacije, pa čak i otkrivanja lijekova. Šta ona može odgovorno da uradi sama?

Trenutne mogućnosti (2025): Pomaganje kliničarima, a ne njihova zamjena

Trenutno, generativna umjetna inteligencija u zdravstvu prvenstveno služi kao moćan asistent medicinskim stručnjacima, a ne kao autonomni donosilac odluka. Na primjer:

• Medicinska dokumentacija: Jedna od najuspješnijih primjena umjetne inteligencije u zdravstvu je pomoć doktorima s papirologijom. Modeli prirodnog jezika mogu transkribovati posjete pacijenata i generirati kliničke bilješke ili otpusne sažetke. Kompanije imaju "AI zapisničare" koji slušaju tokom pregleda (putem mikrofona) i automatski izrađuju nacrt bilješki o pregledu koje doktor može pregledati. Ovo štedi ljekarima vrijeme prilikom kucanja. Neki sistemi čak automatski popunjavaju dijelove elektronskih zdravstvenih kartona. To se može učiniti uz minimalnu intervenciju - doktor samo ispravlja sve male greške u nacrtu, što znači da je pisanje bilješki uglavnom autonomno.

• Radiologija i snimanje: Vještačka inteligencija, uključujući generativne modele, može analizirati rendgenske snimke, magnetnu rezonancu i CT snimke kako bi otkrila anomalije (poput tumora ili fraktura). FDA je 2018. godine odobrila sistem umjetne inteligencije za autonomno otkrivanje dijabetičke retinopatije (očnog oboljenja) na slikama mrežnjače – primjetno je da je ovlašten za donošenje odluke bez pregleda specijaliste u tom specifičnom kontekstu skrininga. Taj sistem nije bio generativna umjetna inteligencija, ali pokazuje da su regulatori dozvolili autonomnu dijagnozu umjetne inteligencije u ograničenim slučajevima. Generativni modeli dolaze u obzir za kreiranje sveobuhvatnih izvještaja. Na primjer, umjetna inteligencija može pregledati rendgenski snimak grudnog koša i sastaviti radiologov izvještaj u kojem se navodi: „Nema akutnih nalaza. Pluća su čista. Srce normalne veličine.“ Radiolog zatim samo potvrđuje i potpisuje. U nekim rutinskim slučajevima, ovi izvještaji bi mogli proći bez izmjena ako radiolog vjeruje umjetnoj inteligenciji i samo izvrši brzu provjeru.

• Provjera simptoma i virtualne medicinske sestre: Generativni AI chatbotovi se koriste kao provjera simptoma na prvoj liniji. Pacijenti mogu unijeti svoje simptome i dobiti savjet (npr. „Možda je to obična prehlada; odmorite se i uzimajte tekućinu, ali posjetite ljekara ako se pojavi X ili Y“). Aplikacije poput Babylon Health koriste AI za davanje preporuka. Trenutno su one obično uokvirene kao informativni, a ne kao konačni medicinski savjeti, i potiču praćenje kod ljudskog kliničara za ozbiljne probleme.

• Otkrivanje lijekova (generativna hemija): Generativni modeli umjetne inteligencije mogu predložiti nove molekularne strukture za lijekove. Ovo je više u domenu istraživanja nego njege pacijenata. Ove umjetne inteligencije rade autonomno kako bi predložile hiljade kandidata za spojeve sa željenim svojstvima, koje ljudski hemičari zatim pregledavaju i testiraju u laboratoriji. Kompanije poput Insilico Medicine koristile su umjetnu inteligenciju za generiranje novih kandidata za lijekove u znatno kraćem vremenu. Iako ovo ne komunicira direktno s pacijentima, to je primjer kako umjetna inteligencija autonomno stvara rješenja (dizajn molekula) za koja bi ljudima trebalo mnogo više vremena da ih pronađu.

• Zdravstvene operacije: Vještačka inteligencija pomaže u optimizaciji raspoređivanja, upravljanja zalihama i druge logistike u bolnicama. Na primjer, generativni model može simulirati protok pacijenata i predložiti prilagođavanja rasporeda kako bi se smanjilo vrijeme čekanja. Iako nisu toliko vidljive, ovo su odluke koje vještačka inteligencija može donijeti uz minimalne ručne promjene.

Važno je napomenuti da od 2025. godine nijedna bolnica ne dozvoljava vještačkoj inteligenciji da samostalno donosi važne medicinske odluke ili tretmane bez ljudskog odobrenja. Dijagnoza i planiranje liječenja ostaju čvrsto u ljudskim rukama, a vještačka inteligencija pruža input. Povjerenje potrebno da vještačka inteligencija potpuno autonomno kaže pacijentu „Imate rak“ ili da prepiše lijekove još uvijek ne postoji, niti bi trebalo biti bez opsežne validacije. Medicinski stručnjaci koriste vještačku inteligenciju kao drugi par očiju ili kao alat za uštedu vremena, ali oni provjeravaju ključne rezultate.

Izgledi za 2030-2035: Vještačka inteligencija kao doktorov kolega (a možda i medicinska sestra ili farmaceut)

U narednoj deceniji očekujemo da će generativna umjetna inteligencija autonomno preuzeti rutinske kliničke zadatke i proširiti doseg zdravstvenih usluga:

• Automatizirane preliminarne dijagnoze: Do 2030. godine, vještačka inteligencija bi mogla pouzdano obavljati početne analize za mnoga uobičajena stanja. Zamislite sistem vještačke inteligencije u klinici koji čita pacijentove simptome, medicinsku istoriju, čak i njihov ton i izraze lica putem kamere, te daje dijagnostički prijedlog i preporučene testove – sve prije nego što ljudski ljekar uopće vidi pacijenta. Ljekar se tada može fokusirati na potvrdu i razgovor o dijagnozi. U telemedicini, pacijent bi prvo mogao razgovarati s vještačkom inteligencijom koja sužava problem (npr. vjerojatna infekcija sinusa u odnosu na nešto ozbiljnije), a zatim ga po potrebi povezuje s kliničarom. Regulatori bi mogli dozvoliti vještačkoj inteligenciji da službeno dijagnosticira određena manja stanja bez ljudskog nadzora ako se dokaže izuzetno tačnošću – na primjer, moguće je da vještačka inteligencija dijagnosticira jednostavnu infekciju uha na osnovu otoskopske slike.

• Lični monitori zdravlja: S širenjem nosivih uređaja (pametnih satova, zdravstvenih senzora), umjetna inteligencija će kontinuirano pratiti pacijente i autonomno upozoravati na probleme. Na primjer, do 2035. godine umjetna inteligencija vašeg nosivog uređaja mogla bi otkriti abnormalni srčani ritam i autonomno vam zakazati hitne virtualne konsultacije ili čak pozvati hitnu pomoć ako otkrije znakove srčanog ili moždanog udara. Ovo prelazi u teritoriju autonomnog odlučivanja – odlučivanja da je situacija hitna i djelovanja – što je vjerovatna i spasonosna upotreba umjetne inteligencije.

• Preporuke za liječenje: Generativna umjetna inteligencija obučena na medicinskoj literaturi i podacima o pacijentima mogla bi predložiti personalizirane planove liječenja. Do 2030. godine, za složene bolesti poput raka, odbori za tumore zasnovani na umjetnoj inteligenciji mogli bi analizirati genetski sastav i medicinsku historiju pacijenta te samostalno izraditi preporučeni režim liječenja (plan kemoterapije, odabir lijekova). Ljudski ljekari bi ga pregledali, ali s vremenom, kako se bude jačalo povjerenje, mogli bi početi prihvatati planove generirane umjetnom inteligencijom, posebno za rutinske slučajeve, prilagođavajući ih samo kada je to potrebno.

• Virtualne medicinske sestre i kućna njega: Vještačka inteligencija koja može razgovarati i pružati medicinske smjernice mogla bi se nositi s velikim brojem praćenja i praćenja hroničnih bolesti. Na primjer, pacijenti kod kuće s hroničnim bolestima mogli bi prijavljivati ​​dnevne metrike pomoćnoj medicinskoj sestri s umjetnom inteligencijom, koja daje savjet („Vaš šećer u krvi je malo visok, razmislite o prilagođavanju večernje užine“) i uključuje ljudsku medicinsku sestru samo kada su očitanja izvan raspona ili se pojave problemi. Ova umjetna inteligencija mogla bi raditi uglavnom autonomno pod daljinskim nadzorom ljekara.

• Medicinsko snimanje i laboratorijska analiza – Potpuno automatizovani cjevovodi: Do 2035. godine, očitavanje medicinskih snimaka u nekim oblastima bi moglo pretežno obavljati vještačka inteligencija. Radiolozi bi nadgledali sisteme vještačke inteligencije i rješavali složene slučajeve, ali većinu normalnih snimaka (koji su zaista normalni) mogla bi direktno "pročitati" i potpisati vještačka inteligencija. Slično tome, analiza patoloških slajdova (na primjer, otkrivanje ćelija raka u biopsiji) mogla bi se obavljati autonomno za početni skrining, što bi dramatično ubrzalo laboratorijske rezultate.

• Otkrivanje lijekova i klinička ispitivanja: Vještačka inteligencija će vjerovatno dizajnirati ne samo molekule lijekova, već će i generirati sintetičke podatke o pacijentima za ispitivanja ili pronaći optimalne kandidate za ispitivanja. Mogla bi autonomno pokretati virtualna ispitivanja (simulirajući kako bi pacijenti reagirali) kako bi suzila izbor opcija prije stvarnih ispitivanja. Ovo može brže dovesti lijekove na tržište uz manji broj eksperimenata koje vode ljudi.

Vizija doktora zasnovanog na vještačkoj inteligenciji koji će u potpunosti zamijeniti ljudskog doktora još uvijek je prilično daleka i ostaje kontroverzna. Čak i do 2035. godine, očekuje se da će vještačka inteligencija služiti kao kolega doktorima, a ne kao zamjena za ljudski dodir. Složena dijagnoza često zahtijeva intuiciju, etiku i razgovore kako bi se razumio kontekst pacijenta – područja u kojima ljudski doktori izvrsno obavljaju svoje dužnosti. Uprkos tome, vještačka inteligencija bi mogla da se nosi sa, recimo, 80% rutinskog posla: papirologija, jednostavni slučajevi, praćenje itd., omogućavajući ljudskim kliničarima da se fokusiraju na nezgodnih 20% i na odnose s pacijentima.

Postoje značajne prepreke: regulatorno odobrenje za autonomnu vještačku inteligenciju u zdravstvu je rigorozno (što je i prikladno). Sistemi vještačke inteligencije će zahtijevati opsežnu kliničku validaciju. Možda ćemo vidjeti postepeno prihvatanje - npr. vještačkoj inteligenciji je dozvoljeno da autonomno dijagnosticira ili liječi u nedovoljno opsluženim područjima gdje nema dostupnih ljekara, kao način proširenja pristupa zdravstvenoj zaštiti (zamislite "kliniku za vještačku inteligenciju" u udaljenom selu do 2030. godine koja radi uz periodični tele-nadzor ljekara u gradu).

Etička razmatranja su od velikog značaja. Odgovornost (ako autonomna umjetna inteligencija pogriješi u dijagnozi, ko je odgovoran?), informirani pristanak (pacijenti trebaju znati da li je umjetna inteligencija uključena u njihovu njegu) i osiguranje jednakosti (umjetna inteligencija dobro funkcionira za sve populacije, izbjegavajući pristranost) su izazovi koje treba savladati. Pod pretpostavkom da se ti problemi riješe, do sredine 2030-ih generativna umjetna inteligencija mogla bi biti utkana u tkivo pružanja zdravstvene zaštite, obavljajući mnoge zadatke koji oslobađaju ljudske pružatelje usluga i potencijalno dopirući do pacijenata koji trenutno imaju ograničen pristup.

Ukratko, do 2035. godine zdravstvo će vjerovatno vidjeti duboko integrirano u vještačku inteligenciju, ali uglavnom "ispod haube" ili u pomoćnim ulogama. Vjerovat ćemo vještačkoj inteligenciji da mnogo toga radi sama - čita skeniranja, prati vitalne znakove, izrađuje planove - ali uz sigurnosnu mrežu ljudskog nadzora koja će i dalje postojati za ključne odluke. Rezultat bi mogao biti efikasniji, responzivniji zdravstveni sistem, gdje vještačka inteligencija obavlja teške poslove, a ljudi pružaju empatiju i konačnu prosudbu.

Generativna umjetna inteligencija u obrazovanju

Obrazovanje je još jedno područje u kojem generativna umjetna inteligencija stvara talase, od botova za podučavanje pokretanih umjetnom inteligencijom do automatiziranog ocjenjivanja i kreiranja sadržaja. Nastava i učenje uključuju komunikaciju i kreativnost, što su snage generativnih modela. Ali može li se vjerovati umjetnoj inteligenciji da obrazuje bez nadzora nastavnika?

Trenutne mogućnosti (2025): Tutori i generatori sadržaja na uzici

Trenutno se umjetna inteligencija u obrazovanju koristi prvenstveno kao dodatni alat , a ne kao samostalni nastavnik. Primjeri trenutne upotrebe:

• AI asistenti za podučavanje: Alati poput "Khanmigo"-a Khan Academy-a (pokreće ga GPT-4) ili razne aplikacije za učenje jezika koriste AI za simuliranje individualnog tutora ili partnera u razgovoru. Učenici mogu postavljati pitanja prirodnim jezikom i dobiti odgovore ili objašnjenja. AI može dati savjete za probleme u domaćim zadaćama, objasniti koncepte na različite načine ili čak glumiti historijsku ličnost za interaktivnu lekciju historije. Međutim, ovi AI tutori se obično koriste uz nadzor; nastavnici ili održavatelji aplikacije često prate dijaloge ili postavljaju granice o čemu AI može razgovarati (kako bi se izbjegle dezinformacije ili neprikladan sadržaj).

• Kreiranje sadržaja za nastavnike: Generativna umjetna inteligencija pomaže nastavnicima kreiranjem kviz pitanja, sažetaka literature, nacrta plana lekcije i tako dalje. Nastavnik može pitati umjetnu inteligenciju: „Generiraj 5 vježbenih zadataka o kvadratnim jednačinama s odgovorima“, štedeći vrijeme u pripremi. Ovo je autonomno generiranje sadržaja, ali nastavnik obično pregledava rezultat radi tačnosti i usklađenosti s nastavnim planom i programom. Dakle, to je više uređaj za uštedu rada nego što je potpuno nezavisan.

• Ocjenjivanje i povratne informacije: Vještačka inteligencija može automatski ocjenjivati ​​ispite s višestrukim izborom (ništa novo u tome) i sve više može ocjenjivati ​​kratke odgovore ili eseje. Neki školski sistemi koriste vještačku inteligenciju za ocjenjivanje pisanih odgovora i pružanje povratnih informacija učenicima (npr. gramatičke ispravke, prijedlozi za proširenje argumenta). Iako se ne radi o generativnom zadatku samom po sebi, nove vještačke inteligencije mogu čak generirati personalizirani izvještaj s povratnim informacijama za učenika na osnovu njegovog učinka, ističući područja koja treba poboljšati. Nastavnici često dvaput provjeravaju eseje koje je ocijenila vještačka inteligencija u ovoj fazi zbog zabrinutosti oko nijansi.

• Adaptivni sistemi učenja: To su platforme koje prilagođavaju težinu ili stil gradiva na osnovu učinka učenika. Generativna umjetna inteligencija poboljšava ovo kreiranjem novih problema ili primjera u hodu, prilagođenih potrebama učenika. Na primjer, ako učenik ima poteškoća s nekim konceptom, umjetna inteligencija može generirati drugu analogiju ili vježbeno pitanje usmjereno na taj koncept. Ovo je donekle autonomno, ali unutar sistema koji su dizajnirali edukatori.

• Korištenje od strane učenika za učenje: Sami učenici koriste alate poput ChatGPT-a kako bi im pomogli u učenju – tražeći pojašnjenja, prijevode ili čak koristeći umjetnu inteligenciju kako bi dobili povratne informacije o nacrtu eseja („poboljšaj svoj uvodni paragraf“). Ovo je samostalno usmjereno i može biti bez znanja nastavnika. U ovom scenariju umjetna inteligencija djeluje kao tutor na zahtjev ili lektor. Izazov je osigurati da je učenici koriste za učenje, a ne samo za dobijanje odgovora (akademski integritet).

Jasno je da je od 2025. godine vještačka inteligencija u obrazovanju moćna, ali obično funkcioniše uz prisustvo ljudskog edukatora koji upravlja doprinosima vještačke inteligencije. Postoji razumljiv oprez: ne želimo vjerovati vještačkoj inteligenciji da će podučavati netačne informacije ili da će se nositi s osjetljivim interakcijama učenika u vakuumu. Nastavnici smatraju tutore koji koriste vještačku inteligenciju korisnim asistentima koji učenicima mogu pružiti više prakse i neposrednih odgovora na rutinska pitanja, oslobađajući nastavnike da se fokusiraju na dublje mentorstvo.

Izgledi za 2030-2035: Personalizirani tutori zasnovani na umjetnoj inteligenciji i automatizirana nastavna pomagala

U narednoj deceniji očekujemo da će generativna umjetna inteligencija omogućiti personalizovanija i autonomnija iskustva učenja , dok će se uloge nastavnika razvijati:

• Lični tutori zasnovani na umjetnoj inteligenciji za svakog učenika: Do 2030. godine, vizija (koju dijele stručnjaci poput Sala Khana iz Khan Akademije) je da svaki učenik ima pristup tutoru zasnovanom na umjetnoj inteligenciji koji je u mnogim aspektima jednako efikasan kao i ljudski tutor ( Ovaj tutor zasnovan na umjetnoj inteligenciji mogao bi učiniti ljude 10 puta pametnijima, kaže njegov tvorac ). Ovi tutori zasnovani na umjetnoj inteligenciji bili bi dostupni 24/7, detaljno bi poznavali historiju učenja učenika i shodno tome prilagođavali svoj stil podučavanja. Na primjer, ako je učenik vizualni učenik koji se muči s konceptom algebre, umjetna inteligencija bi mogla dinamički kreirati vizualno objašnjenje ili interaktivnu simulaciju kako bi mu pomogla. Budući da umjetna inteligencija može pratiti napredak učenika tokom vremena, može autonomno odlučiti koju temu će sljedeće pregledati ili kada će prijeći na novu vještinu – efikasno upravljajući planom lekcije za tog učenika u mikro smislu.

• Smanjeno opterećenje nastavnika rutinskim zadacima: Ocjenjivanje, izrada radnih listova, izrada materijala za nastavu – ovi zadaci bi se do 2030-ih mogli gotovo u potpunosti prebaciti na vještačku inteligenciju. Vještačka inteligencija bi mogla generirati prilagođene domaće zadaće za cijelu sedmicu, ocijeniti sve zadatke iz prošle sedmice (čak i one otvorenog tipa) uz povratne informacije i istaknuti nastavniku kojim učenicima je potrebna dodatna pomoć u vezi s kojim temama. To bi se moglo dogoditi uz minimalan doprinos nastavnika, možda samo brzim pogledom kako bi se osiguralo da ocjene vještačke inteligencije izgledaju pravedno.

• Platforme za autonomno adaptivno učenje: Možda ćemo vidjeti potpuno AI-vođene kurseve za određene predmete. Zamislite online kurs bez ljudskog instruktora gdje AI agent uvodi materijal, daje primjere, odgovara na pitanja i prilagođava tempo na osnovu studenta. Iskustvo studenta bi moglo biti jedinstveno za njih, generirano u stvarnom vremenu. Neke korporativne obuke i obrazovanje odraslih bi se mogle ranije prebaciti na ovaj model, gdje bi do 2035. godine zaposlenik mogao reći „Želim naučiti napredne Excel makroe“, a AI tutor će ih podučavati kroz personalizirani nastavni plan i program, uključujući generiranje vježbi i evaluaciju njihovih rješenja, bez ljudskog instruktora.

• AI asistenti u učionici: U fizičkim ili virtuelnim učionicama, AI bi mogao slušati diskusije u razredu i pomagati nastavniku u hodu (npr. šapućući prijedloge putem slušalice: „Nekoliko učenika izgleda zbunjeno oko tog koncepta, možda navedite drugi primjer“). Također bi mogao moderirati online forume u učionici, odgovarati na jednostavna pitanja učenika („Kada je rok za predaju zadatka?“ ili čak pojašnjavati tačku predavanja) kako nastavnik ne bi bio bombardiran e-mailovima. Do 2035. godine, prisustvo AI ko-nastavnika u učionici, dok se ljudski nastavnik fokusira na vođenje na višem nivou i motivacijske aspekte, moglo bi biti standardno.

• Globalni pristup obrazovanju: Autonomni tutori zasnovani na vještačkoj inteligenciji mogli bi pomoći u obrazovanju učenika u područjima s nedostatkom nastavnika. Tablet s tutorom zasnovanim na vještačkoj inteligenciji mogao bi poslužiti kao primarni instruktor za učenike koji inače imaju ograničeno školovanje, pokrivajući osnovnu pismenost i matematiku. Do 2035. godine, ovo bi mogla biti jedna od najuticajnijih upotreba – vještačka inteligencija premošćuje jaz tamo gdje ljudski nastavnici nisu dostupni. Međutim, osiguranje kvalitete i kulturne prikladnosti obrazovanja zasnovanog na vještačkoj inteligenciji u različitim kontekstima bit će od vitalnog značaja.

Hoće li vještačka inteligencija (AI) zamijeniti nastavnike? Malo je vjerovatno u potpunosti. Podučavanje je više od pružanja sadržaja – to je mentorstvo, inspiracija, socijalno-emocionalna podrška. Te ljudske elemente je teško replicirati vještačkoj inteligenciji. Ali AI može postati drugi učitelj u učionici ili čak prvi učitelj za prenošenje znanja, ostavljajući ljudskim edukatorima da se fokusiraju na ono što ljudi najbolje rade: empatiju, motiviranje i podsticanje kritičkog mišljenja.

Postoje zabrinutosti koje treba riješiti: osigurati da vještačka inteligencija pruža tačne informacije (bez obrazovnih halucinacija lažnih činjenica), izbjegavanje pristranosti u obrazovnom sadržaju, održavanje privatnosti podataka učenika i održavanje angažmana učenika (vještačka inteligencija mora biti motivirajuća, ne samo ispravna). Vjerovatno ćemo vidjeti akreditaciju ili certifikaciju obrazovnih sistema vještačke inteligencije - slično odobravanju udžbenika - kako bismo osigurali da ispunjavaju standarde.

Još jedan izazov je preveliko oslanjanje: ako tutor zasnovan na vještačkoj inteligenciji daje odgovore prebrzo, učenici možda neće naučiti upornost ili rješavanje problema. Kako bi se ovo ublažilo, budući tutori zasnovani na vještačkoj inteligenciji mogli bi biti dizajnirani tako da ponekad puste učenike da se muče (kao što bi to mogao ljudski tutor) ili da ih ohrabre da rješavaju probleme uz pomoć savjeta, umjesto da daju rješenja.

Do 2035. godine, učionica bi se mogla transformirati: svaki učenik bi imao uređaj povezan s umjetnom inteligencijom koji bi ga vodio vlastitim tempom, dok bi nastavnik orkestrirao grupne aktivnosti i pružao ljudski uvid. Obrazovanje bi moglo postati efikasnije i prilagođenije. Obećanje je da će svaki učenik dobiti pomoć koja mu je potrebna kada mu je potrebna – pravo iskustvo „ličnog tutora“ u velikim razmjerima. Rizik je gubitak ljudskog dodira ili zloupotreba umjetne inteligencije (poput varanja učenika putem umjetne inteligencije). Ali u cjelini, ako se dobro upravlja, generativna umjetna inteligencija može demokratizirati i poboljšati učenje tako što će biti uvijek dostupan, upućen pratilac na obrazovnom putu učenika.

Generativna umjetna inteligencija u logistici i lancu snabdijevanja

Logistika – umjetnost i nauka o premještanju robe i upravljanju lancima snabdijevanja – možda se ne čini kao tradicionalna domena za „generativnu“ umjetnu inteligenciju, ali kreativno rješavanje problema i planiranje ključni su u ovom području. Generativna umjetna inteligencija može pomoći simuliranjem scenarija, optimizacijom planova, pa čak i kontrolom robotskih sistema. Cilj u logistici je efikasnost i ušteda troškova, što se dobro slaže sa snagama umjetne inteligencije u analizi podataka i predlaganju rješenja. Dakle, koliko umjetna inteligencija može postati autonomna u vođenju lanaca snabdijevanja i logističkih operacija?

Trenutne mogućnosti (2025): Optimizacija i pojednostavljenje uz ljudski nadzor

Danas se umjetna inteligencija (uključujući neke generativne pristupe) primjenjuje u logistici prvenstveno kao alat za podršku odlučivanju :

• Optimizacija rute: Kompanije poput UPS-a i FedEx-a već koriste algoritme umjetne inteligencije za optimizaciju ruta dostave – osiguravajući da vozači izaberu najefikasniju putanju. Tradicionalno su to bili algoritmi za istraživanje operacija, ali sada generativni pristupi mogu pomoći u istraživanju alternativnih strategija usmjeravanja u različitim uvjetima (saobraćaj, vrijeme). Dok umjetna inteligencija predlaže rute, ljudski dispečeri ili menadžeri postavljaju parametre (npr. prioritete) i mogu ih poništiti ako je potrebno.

• Planiranje utovara i prostora: Za kamione za pakovanje ili transportne kontejnere, vještačka inteligencija može generirati optimalne planove utovara (koja kutija ide gdje). Generativna vještačka inteligencija može proizvesti više konfiguracija pakovanja kako bi se maksimiziralo korištenje prostora, u suštini "stvarajući" rješenja koja ljudi mogu birati. Ovo je istaknuto u studiji koja navodi da kamioni u SAD-u često rade 30% prazni, a bolje planiranje - uz pomoć vještačke inteligencije - može smanjiti taj otpad ( Najbolji slučajevi upotrebe generativne vještačke inteligencije u logistici ). Ovi planovi utovara generirani vještačkom inteligencijom imaju za cilj smanjenje troškova goriva i emisija, a u nekim skladištima se izvršavaju uz minimalne ručne promjene.

• Predviđanje potražnje i upravljanje zalihama: Modeli umjetne inteligencije mogu predvidjeti potražnju za proizvodima i generirati planove obnavljanja zaliha. Generativni model može simulirati različite scenarije potražnje (recimo, umjetna inteligencija "zamišlja" porast potražnje zbog predstojećeg praznika) i u skladu s tim planirati zalihe. Ovo pomaže menadžerima lanca snabdijevanja da se pripreme. Trenutno, umjetna inteligencija pruža prognoze i prijedloge, ali ljudi obično donose konačnu odluku o nivoima proizvodnje ili naručivanju.

• Procjena rizika: Globalni lanac snabdijevanja suočava se s poremećajima (prirodne katastrofe, kašnjenja u lukama, politička pitanja). Sistemi umjetne inteligencije sada pretražuju vijesti i podatke kako bi identificirali rizike na horizontu. Na primjer, jedna logistička firma koristi generativnu umjetnu inteligenciju za skeniranje interneta i označavanje rizičnih transportnih koridora (područja koja bi mogla imati problema zbog, recimo, nadolazećeg uragana ili nemira) ( Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici ). S tim informacijama, planeri mogu autonomno preusmjeravati pošiljke oko problematičnih mjesta. U nekim slučajevima, umjetna inteligencija može automatski preporučiti promjene rute ili promjene načina prijevoza, koje ljudi zatim odobravaju.

• Automatizacija skladišta: Mnoga skladišta su poluautomatizirana s robotima za prikupljanje i pakiranje. Generativna umjetna inteligencija može dinamički dodijeliti zadatke robotima i ljudima za optimalan protok. Na primjer, umjetna inteligencija može generirati red čekanja za robotske berače svako jutro na osnovu narudžbi. Ovo je često potpuno autonomno u izvršavanju, a menadžeri samo prate ključne pokazatelje uspješnosti (KPI) – ako narudžbe neočekivano porastu, umjetna inteligencija sama prilagođava operacije.

• Upravljanje voznim parkom: Vještačka inteligencija pomaže u planiranju održavanja vozila analizirajući obrasce i generirajući optimalne rasporede održavanja koji minimiziraju vrijeme zastoja. Također može grupirati pošiljke kako bi se smanjio broj putovanja. Ove odluke softver umjetne inteligencije može donositi automatski, sve dok ispunjava zahtjeve usluge.

Sveukupno, od 2025. godine, ljudi postavljaju ciljeve (npr. „minimizirati troškove, ali osigurati isporuku u roku od 2 dana“), a vještačka inteligencija (AI) izrađuje rješenja ili rasporede kako bi se to postiglo. Sistemi mogu raditi svakodnevno bez intervencije sve dok se ne dogodi nešto neobično. Veliki dio logistike uključuje ponavljajuće odluke (kada ova pošiljka treba da krene? iz kojeg skladišta ispuniti ovu narudžbu?), koje vještačka inteligencija može naučiti da donosi dosljedno. Kompanije postepeno povjeravaju vještačkoj inteligenciji da se nosi s ovim mikro-odlukama i obavještavaju menadžere samo kada se dogode izuzeci.

Izgledi za 2030-2035: Autonomni lanci snabdijevanja

U sljedećoj deceniji možemo zamisliti mnogo autonomniju koordinaciju u logistici vođenu umjetnom inteligencijom:

• Autonomna vozila i dronovi: Samovozeći kamioni i dronovi za dostavu, iako šira tema umjetne inteligencije/robotike, direktno utiču na logistiku. Do 2030. godine, ako se prevaziđu regulatorni i tehnički izazovi, mogli bismo imati umjetnu inteligenciju koja rutinski vozi kamione na autoputevima ili dronove koji obavljaju dostavu na posljednjoj milji u gradovima. Ove umjetne inteligencije će donositi odluke u stvarnom vremenu (promjene rute, izbjegavanje prepreka) bez ljudskih vozača. Generativni ugao je u tome kako ove umjetne inteligencije vozila uče iz ogromnih podataka i simulacija, efektivno "obučavajući" na bezbroj scenarija. Potpuno autonomna flota mogla bi raditi 24/7, a ljudi bi je samo daljinski nadgledali. Ovo uklanja ogroman ljudski element (vozače) iz logističkih operacija, dramatično povećavajući autonomiju.

• Samoobnavljajući lanci snabdijevanja: Generativna umjetna inteligencija će se vjerovatno koristiti za stalno simuliranje scenarija lanca snabdijevanja i pripremu planova za nepredviđene situacije. Do 2035. godine, umjetna inteligencija bi mogla automatski detektovati kada se fabrika dobavljača zatvori (putem vijesti ili podataka) i odmah preusmjeriti nabavku na alternativne dobavljače koje je već provjerila u simulaciji. To znači da se lanac snabdijevanja "oporavlja" od poremećaja, a umjetna inteligencija preuzima inicijativu. Ljudski menadžeri bi bili obaviješteni o tome šta je umjetna inteligencija uradila, a ne oni koji bi pokrenuli zaobilazno rješenje.

• Optimizacija zaliha od početka do kraja: Vještačka inteligencija bi mogla autonomno upravljati zalihama u cijeloj mreži skladišta i prodavnica. Odlučivala bi kada i gdje premjestiti zalihe (možda koristeći robote ili automatizirana vozila za to), održavajući taman dovoljno zaliha na svakoj lokaciji. Vještačka inteligencija u osnovi upravlja kontrolnim tornjem lanca snabdijevanja: vidi sve tokove i vrši prilagođavanja u stvarnom vremenu. Do 2035. godine, ideja o „samostalno upravljajućem“ lancu snabdijevanja mogla bi značiti da sistem samostalno utvrđuje najbolji plan distribucije svaki dan, naručuje proizvode, zakazuje fabričke operacije i organizuje transport. Ljudi bi nadgledali cjelokupnu strategiju i rješavali izuzetke izvan trenutnog razumijevanja vještačke inteligencije.

• Generativni dizajn u logistici: Mogli bismo vidjeti kako vještačka inteligencija dizajnira nove mreže lanca snabdijevanja. Pretpostavimo da se kompanija širi u novu regiju; vještačka inteligencija bi mogla generirati optimalne lokacije skladišta, transportne veze i politike zaliha za tu regiju na osnovu podataka – nešto što konsultanti i analitičari rade danas. Do 2030. godine, kompanije bi se mogle oslanjati na preporuke vještačke inteligencije za izbore dizajna lanca snabdijevanja, vjerujući joj da brže vaga faktore i možda pronađe kreativna rješenja (poput neočiglednih distributivnih centara) koja ljudi propuštaju.

• Integracija s proizvodnjom (Industrija 4.0): Logistika ne stoji sama za sebe; ona je povezana s proizvodnjom. Tvornice budućnosti mogle bi imati generativnu umjetnu inteligenciju koja planira proizvodne cikluse, naručuje sirovine točno na vrijeme, a zatim daje upute logističkoj mreži da odmah isporuči proizvode. Ova integrirana umjetna inteligencija mogla bi značiti manje ljudskog planiranja općenito – besprijekoran lanac od proizvodnje do isporuke vođen algoritmima koji optimiziraju troškove, brzinu i održivost. Već do 2025. godine, visokoučinkoviti lanci opskrbe vođeni su podacima; do 2035. mogli bi biti uglavnom vođeni umjetnom inteligencijom.

• Dinamička korisnička podrška u logistici: Nadovezujući se na vještačku inteligenciju za korisničku podršku, vještačke inteligencije u lancu snabdijevanja mogu direktno komunicirati s kupcima ili klijentima. Na primjer, ako veliki klijent želi promijeniti svoju narudžbu u zadnji čas, agent vještačke inteligencije može pregovarati o izvodljivim alternativama (poput „Polovinu možemo isporučiti sada, polovinu sljedeće sedmice zbog ograničenja“) bez čekanja na ljudskog menadžera. Ovo uključuje generativno razumijevanje obje strane od strane vještačke inteligencije (potrebe kupaca naspram operativnih kapaciteta) i donošenje odluka koje održavaju nesmetano poslovanje, a istovremeno zadovoljavaju klijente.

Očekivana korist je efikasniji , otporniji i responzivniji logistički sistem. Kompanije predviđaju ogromne uštede – McKinsey je procijenio da bi optimizacije lanca snabdijevanja vođene vještačkom inteligencijom mogle značajno smanjiti troškove i poboljšati nivoe usluga, dodajući potencijalno trilione vrijednosti u svim industrijama ( Stanje vještačke inteligencije u 2023.: Godina proboja generativne vještačke inteligencije | McKinsey ).

Međutim, prepuštanje veće kontrole vještačkoj inteligenciji također nosi rizike, poput kaskadnih grešaka ako je logika vještačke inteligencije manjkava (npr. zloglasni scenarij u kojem lanac snabdijevanja vještačkom inteligencijom nenamjerno ostavi kompaniju bez zaliha zbog greške u modeliranju). Zaštitne mjere poput „čovjeka u petlji za velike odluke“ ili barem kontrolne ploče koje omogućavaju brzo ljudsko poništavanje vjerovatno će ostati na snazi ​​do 2035. godine. Vremenom, kako se odluke vještačke inteligencije budu pokazivale, ljudi će se osjećati ugodnije kada se povlače.

Zanimljivo je da optimizacijom za efikasnost, vještačka inteligencija ponekad može donositi odluke koje su u suprotnosti s ljudskim preferencijama ili tradicionalnim praksama. Na primjer, čista optimizacija može dovesti do vrlo malih zaliha, što je efikasno, ali može biti rizično. Stručnjaci za lanac snabdijevanja 2030. godine možda će morati prilagoditi svoju intuiciju jer bi vještačka inteligencija, obrađujući ogromne količine podataka, mogla pokazati da njena neobična strategija zapravo bolje funkcionira.

Konačno, moramo uzeti u obzir da fizička ograničenja (infrastruktura, brzine fizičkih procesa) ograničavaju brzinu promjena logistike, tako da se revolucija ovdje odnosi na pametnije planiranje i korištenje imovine, a ne na potpuno novu fizičku stvarnost. Ali čak i unutar tih granica, kreativna rješenja generativne umjetne inteligencije i neumoljiva optimizacija mogli bi dramatično poboljšati način kretanja robe širom svijeta uz minimalno ručno planiranje.

Ukratko, logistika do 2035. godine bi mogla funkcionirati slično dobro podmazanoj automatiziranoj mašini: roba bi efikasno tekla, rute bi se prilagođavale u stvarnom vremenu poremećajima, skladišta bi se sama upravljala pomoću robota, a cijeli sistem bi kontinuirano učio i poboljšavao se iz podataka – sve to orkestrirano generativnom umjetnom inteligencijom koja djeluje kao mozak operacije.

Generativna umjetna inteligencija u financijama i poslovanju

Finansijska industrija se uveliko bavi informacijama – izvještajima, analizama, komunikacijom s klijentima – što je čini plodnim tlom za generativnu umjetnu inteligenciju. Od bankarstva do upravljanja investicijama i osiguranja, organizacije istražuju umjetnu inteligenciju za automatizaciju i generiranje uvida. Pitanje je koje finansijske zadatke umjetna inteligencija može pouzdano obaviti bez ljudskog nadzora, s obzirom na važnost tačnosti i povjerenja u ovoj oblasti?

Trenutne mogućnosti (2025): Automatizirani izvještaji i podrška u donošenju odluka

Od danas, generativna umjetna inteligencija doprinosi financijama na nekoliko načina, često pod ljudskim nadzorom:

• Generisanje izvještaja: Banke i finansijske firme proizvode brojne izvještaje – sažetke zarade, komentare tržišta, analizu portfelja itd. Vještačka inteligencija se već koristi za njihovu izradu. Na primjer, Bloomberg je razvio BloombergGPT , veliki jezički model obučen na finansijskim podacima, kako bi pomogao u zadacima poput klasifikacije vijesti i pitanja i odgovora za korisnike svojih terminala ( Generativna vještačka inteligencija dolazi u finansije ). Iako je njena primarna upotreba pomoć ljudima u pronalaženju informacija, ona pokazuje rastuću ulogu vještačke inteligencije. Automated Insights (kompanija s kojom je AP sarađivao) također je generirao finansijske članke. Mnogi investicioni bilteni koriste vještačku inteligenciju za sažimanje dnevnih kretanja na tržištu ili ekonomskih pokazatelja. Obično ljudi pregledaju ove izvještaje prije slanja klijentima, ali to je brzo uređivanje, a ne pisanje od nule.

• Komunikacija s klijentima: U maloprodajnom bankarstvu, AI chatbotovi obrađuju upite klijenata o stanju na računima, transakcijama ili informacijama o proizvodima (uklapajući se u domen korisničke službe). Također, AI može generirati personalizirana pisma ili podsjetnike za financijske savjete. Na primjer, AI može prepoznati da klijent može uštedjeti na naknadama i automatski sastaviti poruku kojom se predlaže prelazak na drugu vrstu računa, koja se zatim šalje uz minimalnu ljudsku intervenciju. Ova vrsta personalizirane komunikacije u velikim razmjerima je trenutna upotreba AI u financijama.

• Otkrivanje prevara i upozorenja: Generativna umjetna inteligencija može pomoći u kreiranju narativa ili objašnjenja za anomalije koje otkriju sistemi za prevare. Na primjer, ako se označi sumnjiva aktivnost, umjetna inteligencija može generirati poruku s objašnjenjem za kupca („Primijetili smo prijavu s novog uređaja…“) ili izvještaj za analitičare. Otkrivanje je automatizirano (korištenjem umjetne inteligencije/strojnog učenja za otkrivanje anomalija), a komunikacija je sve automatiziranija, iako konačne radnje (blokiranje računa) često imaju određenu ljudsku provjeru.

• Finansijsko savjetovanje (ograničeno): Neki robo-savjetnici (automatizirane investicijske platforme) koriste algoritme (ne nužno generativnu umjetnu inteligenciju) za upravljanje portfeljima bez ljudskih savjetnika. Generativna umjetna inteligencija ulazi, recimo, generiranjem komentara o tome zašto su određene trgovine izvršene ili sažetka učinka portfelja prilagođenog klijentu. Međutim, čisti finansijski savjeti (poput složenog finansijskog planiranja) su i dalje uglavnom ljudski ili algoritamski zasnovani na pravilima; generativni savjeti slobodnog oblika bez nadzora su rizični zbog odgovornosti ako su pogrešni.

• Procjene rizika i osiguranje: Osiguravajuće kompanije testiraju vještačku inteligenciju kako bi automatski pisale izvještaje o procjeni rizika ili čak nacrte dokumenata o polisama osiguranja. Na primjer, s obzirom na podatke o nekretnini, vještačka inteligencija bi mogla generirati nacrt police osiguranja ili izvještaj osiguravača koji opisuje faktore rizika. Ljudi trenutno pregledavaju ove rezultate jer svaka greška u ugovoru može biti skupa.

• Analiza podataka i uvidi: Vještačka inteligencija može pregledati finansijske izvještaje ili vijesti i generirati sažetke. Analitičari koriste alate koji mogu trenutno sažeti godišnji izvještaj od 100 stranica u ključne tačke ili izvući glavne zaključke iz transkripta telefonskog poziva o zaradi. Ovi sažeci štede vrijeme i mogu se direktno koristiti pri donošenju odluka ili proslijediti dalje, ali razboriti analitičari dvaput provjeravaju ključne detalje.

U suštini, trenutna vještačka inteligencija u finansijama djeluje kao neumorni analitičar/pisac , generirajući sadržaj koji ljudi usavršavaju. Potpuno autonomna upotreba je uglavnom u dobro definiranim područjima poput vijesti zasnovanih na podacima (nije potrebna subjektivna procjena) ili odgovora korisničke službe. Direktno povjeravanje odluka o novcu (poput premještanja sredstava, izvršavanja trgovina izvan unaprijed postavljenih algoritama) vještačkoj inteligenciji je rijetko zbog visokih uloga i regulatorne kontrole.

Izgledi za 2030-2035: Analitičari umjetne inteligencije i autonomne financijske operacije

Gledajući unaprijed, do 2035. godine generativna umjetna inteligencija mogla bi biti duboko ugrađena u financijske operacije, potencijalno autonomno obavljajući mnoge zadatke:

• AI finansijski analitičari: Možda ćemo vidjeti AI sisteme koji mogu analizirati kompanije i tržišta i proizvoditi preporuke ili izvještaje na nivou analitičara istraživanja ljudskog kapitala. Do 2030. godine, AI bi mogao samostalno čitati sve finansijske dokumente kompanije, upoređivati ​​ih s podacima iz industrije i samostalno proizvoditi izvještaj o investicijskim preporukama („Kupovina/Prodaja“ s obrazloženjem). Neki hedž fondovi već koriste AI za generiranje signala za trgovanje; do 2030-ih, izvještaji o istraživanjima AI bi mogli biti uobičajeni. Ljudski portfolio menadžeri mogli bi početi vjerovati analizama generiranim od strane AI kao jednom od ulaznih podataka. Postoji čak i potencijal da AI autonomno upravlja portfolijima: kontinuirano prati i rebalansira investicije prema unaprijed definiranoj strategiji. U stvari, algoritamsko trgovanje je već u velikoj mjeri automatizirano - generativna AI bi mogla učiniti strategije prilagodljivijima generiranjem i testiranjem novih modela trgovanja.

• Automatizirano financijsko planiranje: Savjetnici umjetne inteligencije koji su okrenuti potrošačima mogli bi obavljati rutinsko financijsko planiranje za pojedince. Do 2030. godine, mogli biste reći umjetnoj inteligenciji svoje ciljeve (kupovina kuće, štednja za fakultet) i ona bi mogla generirati kompletan financijski plan (budžet, raspodjela investicija, prijedlozi osiguranja) prilagođen vama. U početku bi ga mogao pregledati ljudski financijski planer, ali kako povjerenje raste, takvi savjeti bi se mogli davati direktno potrošačima, uz odgovarajuća odricanja odgovornosti. Ključno će biti osigurati da su savjeti umjetne inteligencije u skladu s propisima i u najboljem interesu klijenta. Ako se riješi problem, umjetna inteligencija bi mogla učiniti osnovne financijske savjete mnogo dostupnijima po niskoj cijeni.

• Automatizacija pozadinskih poslova: Generativna umjetna inteligencija mogla bi autonomno obrađivati ​​mnoge pozadinske dokumente – zahtjeve za kredite, izvještaje o usklađenosti, sažetke revizija. Na primjer, umjetna inteligencija bi mogla uzeti sve podatke o transakcijama i generirati revizorski izvještaj u kojem bi se naznačile sve zabrinutosti. Revizori 2035. godine mogli bi provoditi više vremena pregledavajući izuzetke koje je označila umjetna inteligencija, umjesto da sami sve pretražuju. Slično tome, za usklađenost, umjetna inteligencija bi mogla generirati izvještaje o sumnjivim aktivnostima (SAR) za regulatore bez da ih analitičar piše od nule. Autonomno generiranje ovih rutinskih dokumenata, uz ljudski nadzor koji se prebacuje na osnovu izuzetaka, moglo bi postati standard.

• Zahtjevi za osiguranje i procjena rizika: Vještačka inteligencija bi mogla obraditi zahtjev za osiguranje (s foto dokazima itd.), odrediti pokriće i automatski generirati pismo odluke o isplati. Mogli bismo doći do tačke u kojoj će jednostavni zahtjevi (poput saobraćajnih nesreća s jasnim podacima) biti u potpunosti riješeni od strane vještačke inteligencije u roku od nekoliko minuta od podnošenja zahtjeva. Procjena rizika za nove police osiguranja mogla bi biti slična: vještačka inteligencija procjenjuje rizik i generira uvjete police. Do 2035. godine, možda će se samo složeni ili granični slučajevi prosljeđivati ​​ljudskim procjeniteljima rizika.

• Prevara i sigurnost: Vještačka inteligencija će vjerovatno biti još važnija u otkrivanju i reagovanju na prevare ili sajber prijetnje u finansijama. Autonomni agenti vještačke inteligencije mogli bi pratiti transakcije u realnom vremenu i preduzeti trenutne akcije (blokirati račune, zamrznuti transakcije) kada se ispune određeni kriteriji, a zatim dati obrazloženje. Brzina je ovdje ključna, tako da je poželjno minimalno ljudsko učešće. Generativni dio bi mogao biti u jasnom komuniciranju ovih akcija kupcima ili regulatorima.

• Podrška rukovodiocima: Zamislite "šefa kabineta" koji koristi vještačku inteligenciju i može generirati poslovne izvještaje za rukovodioce u hodu. Pitajte: "Kako je naša evropska divizija poslovala u ovom kvartalu i koji su bili glavni pokretači u poređenju s prošlom godinom?", a vještačka inteligencija će generirati sažet izvještaj s grafikonima, svi tačni, izvlačeći podatke. Ova vrsta dinamičkog, autonomnog izvještavanja i analize mogla bi postati jednostavna kao razgovor. Do 2030. godine, slanje upita vještačkoj inteligenciji za poslovnu inteligenciju i povjerenje u nju da daje tačne odgovore moglo bi uveliko zamijeniti statičke izvještaje, a možda čak i neke uloge analitičara.

Jedna zanimljiva projekcija: do 2030-ih, većina finansijskog sadržaja (vijesti, izvještaji itd.) mogla bi biti generirana umjetnom inteligencijom . Mediji poput Dow Jonesa i Reutersa već koriste automatizaciju za određene dijelove vijesti. Ako se taj trend nastavi, i s obzirom na eksploziju finansijskih podataka, umjetna inteligencija bi mogla biti odgovorna za filtriranje i komunikaciju većine toga.

Međutim, povjerenje i verifikacija će biti ključni. Finansijska industrija je strogo regulirana i svaka vještačka inteligencija koja radi autonomno morat će ispunjavati stroge standarde:

• Osiguravanje da nema halucinacija (ne možete imati analitičara umjetne inteligencije koji izmišlja financijsku metriku koja nije stvarna – to bi moglo zavarati tržišta).

• Izbjegavanje pristranosti ili nezakonitih praksi (poput nenamjernog zanemarivanja pri donošenju odluka o kreditiranju zbog pristrasnih podataka o obuci).

• Mogućnost revizije: regulatori će vjerovatno zahtijevati da odluke umjetne inteligencije budu objašnjive. Ako umjetna inteligencija odbije kredit ili donese odluku o trgovanju, mora postojati obrazloženje koje se može ispitati. Generativni modeli mogu biti pomalo crna kutija, pa očekujte razvoj objašnjivih tehnika umjetne inteligencije kako bi njihove odluke bile transparentne.

Sljedećih 10 godina će vjerovatno uključivati ​​blisku saradnju između vještačke inteligencije i finansijskih stručnjaka, postepeno pomjerajući granicu autonomije kako bude raslo povjerenje. Prvi uspjesi će doći u automatizaciji niskog rizika (kao što je generisanje izvještaja). Teže će biti ključne odluke poput kreditnih odluka ili investicijskih odabira, ali čak i tu, kako se AI bude povećavao, firme bi joj mogle dati veću autonomiju. Na primjer, možda će AI fond voditi ljudski nadzornik koji interveniše samo ako performanse odstupaju ili ako AI označi neizvjesnost.

Ekonomski gledano, McKinsey je procijenio da bi vještačka inteligencija (posebno generacija vještačke inteligencije) mogla dodati oko 200-340 milijardi dolara vrijednosti bankarstvu godišnje i slično velike uticaje na tržišta osiguranja i kapitala ( Stanje vještačke inteligencije u 2023.: Godina proboja generativne vještačke inteligencije | McKinsey ) ( Kakva je budućnost generativne vještačke inteligencije? | McKinsey ). To se postiže kroz efikasnost i bolje ishode odlučivanja. Da bi se ostvarila ta vrijednost, veliki dio rutinske finansijske analize i komunikacije vjerovatno će biti prebačen na sisteme vještačke inteligencije.

Ukratko, do 2035. godine generativna umjetna inteligencija mogla bi biti poput armije mlađih analitičara, savjetnika i službenika koji rade u finansijskom sektoru, autonomno obavljajući veliki dio teškog posla i neke sofisticirane analize. Ljudi će i dalje postavljati ciljeve i baviti se strategijom na visokom nivou, odnosima s klijentima i nadzorom. Finansijski svijet, budući oprezan, postepeno će proširivati ​​autonomiju - ali smjer je jasan da će sve više obrade informacija, pa čak i preporuka za odluke, dolaziti od umjetne inteligencije. Idealno bi bilo da to vodi bržoj usluzi (trenutni krediti, savjeti dostupni 24 sata dnevno), nižim troškovima i potencijalno većoj objektivnosti (odluke zasnovane na obrascima podataka). Ali održavanje povjerenja bit će ključno; jedna velika greška umjetne inteligencije u finansijama mogla bi uzrokovati ogromnu štetu (zamislite krah izazvan umjetnom inteligencijom ili pogrešno uskraćenu korist hiljadama ljudi). Stoga će zaštitne ograde i ljudske provjere vjerovatno i dalje postojati, posebno za radnje usmjerene prema potrošačima, čak i kada procesi u pozadini postanu visoko autonomni.

Izazovi i etička razmatranja

U svim ovim domenima, kako generativna umjetna inteligencija preuzima sve više autonomnih odgovornosti, javlja se niz zajedničkih izazova i etičkih pitanja. Osiguravanje da umjetna inteligencija bude pouzdan i koristan autonomni agent nije samo tehnički, već i društveni zadatak. Ovdje navodimo ključne probleme i kako se oni rješavaju (ili će trebati riješiti):

Pouzdanost i tačnost

Problem halucinacija: Generativni AI modeli mogu proizvesti netačne ili potpuno izmišljene izlaze koji izgledaju samouvjereno. Ovo je posebno opasno kada nijedan čovjek nije u toku da uoči greške. Chatbot može dati kupcu pogrešne upute ili izvještaj koji je napisao AI može sadržavati izmišljenu statistiku. Od 2025. godine, organizacije prepoznaju netačnost kao najveći rizik generativne AI ( Stanje AI u 2023.: Godina proboja generativne AI | McKinsey ) ( Stanje AI: Globalno istraživanje | McKinsey ). U budućnosti se primjenjuju tehnike poput provjere činjenica u bazama podataka, poboljšanja arhitekture modela i učenja s potkrepljenjem s povratnim informacijama kako bi se smanjile halucinacije. Autonomni AI sistemi će vjerovatno trebati rigorozna testiranja i možda formalnu verifikaciju za kritične zadatke (poput generiranja koda koji bi mogao uvesti greške/sigurnosne propuste ako je pogrešan).

Konzistentnost: Sistemi umjetne inteligencije moraju pouzdano funkcionirati tokom vremena i u različitim scenarijima. Na primjer, umjetna inteligencija može dobro funkcionirati na standardnim pitanjima, ali se spoticati na graničnim slučajevima. Osiguravanje konzistentnih performansi zahtijevat će opsežne podatke za obuku koji pokrivaju različite situacije i kontinuirano praćenje. Mnoge organizacije planiraju hibridne pristupe – umjetna inteligencija funkcionira, ali nasumične uzorke revidiraju ljudi – kako bi se procijenila stalna stopa tačnosti.

Zaštita od grešaka: Kada je vještačka inteligencija autonomna, ključno je da prepozna vlastitu nesigurnost. Sistem treba biti dizajniran da „zna kada ne zna“. Na primjer, ako doktor koji koristi vještačku inteligenciju nije siguran u dijagnozu, trebao bi je označiti za ljudski pregled, umjesto da daje nasumičnu pretpostavku. Ugradnja procjene nesigurnosti u izlaze vještačke inteligencije (i postavljanje pragova za automatsko ljudsko prebacivanje) je aktivno područje razvoja.

Pristrasnost i pravednost

Generativna umjetna inteligencija uči iz historijskih podataka koji mogu sadržavati pristranosti (rasne, rodne itd.). Autonomna umjetna inteligencija može održavati ili čak pojačavati te pristranosti:

• Prilikom zapošljavanja ili prijema, donosilac odluka u vezi sa vještačkom inteligencijom mogao bi nepravedno diskriminirati ako su njegovi podaci o obuci bili pristrasni.

• U korisničkoj službi, vještačka inteligencija može drugačije reagirati na korisnike na osnovu dijalekta ili drugih faktora, osim ako se pažljivo ne provjeri.

• U kreativnim oblastima, vještačka inteligencija može nedovoljno predstavljati određene kulture ili stilove ako je skup za obuku bio neuravnotežen.

Rješavanje ovog problema zahtijeva pažljivo kuriranje skupova podataka, testiranje pristranosti i možda algoritamska prilagođavanja kako bi se osigurala pravednost. Transparentnost je ključna: kompanije će morati otkriti kriterije za odlučivanje o vještačkoj inteligenciji, posebno ako autonomna vještačka inteligencija utiče na nečije mogućnosti ili prava (kao što je dobijanje kredita ili posla). Regulatori već obraćaju pažnju; npr. Zakon EU o vještačkoj inteligenciji (u pripremi od sredine 2020-ih) vjerovatno će zahtijevati procjene pristranosti za visokorizične sisteme vještačke inteligencije.

Odgovornost i pravna odgovornost

Kada sistem umjetne inteligencije koji radi autonomno uzrokuje štetu ili napravi grešku, ko je odgovoran? Pravni okviri sustižu korak:

• Kompanije koje primjenjuju vještačku inteligenciju vjerovatno će snositi odgovornost, slično kao što su odgovorne za postupke zaposlenika. Na primjer, ako vještačka inteligencija da loš finansijski savjet koji rezultira gubitkom, firma će možda morati obeštetiti klijenta.

• Postoji debata o "personalnosti" umjetne inteligencije ili o tome da li bi napredna umjetna inteligencija mogla biti djelimično odgovorna, ali to je sada više teoretska tema. Praktično, krivica će se pripisati programerima ili operaterima.

• Mogu se pojaviti novi proizvodi osiguranja za kvarove umjetne inteligencije. Ako kamion koji sam vozi uzrokuje nesreću, osiguranje proizvođača bi je moglo pokriti, analogno odgovornosti za proizvod.

• Dokumentacija i evidentiranje odluka umjetne inteligencije bit će važni za naknadne analize. Ako nešto pođe po zlu, moramo revidirati tok odluka umjetne inteligencije kako bismo iz toga učili i dodijelili odgovornost. Regulatori mogu propisati evidentiranje autonomnih akcija umjetne inteligencije upravo iz tog razloga.

Transparentnost i objašnjivost

Autonomna umjetna inteligencija bi idealno trebala biti u stanju objasniti svoje razmišljanje na način koji je ljudima razumljiv, posebno u posljedičnim domenima (finansije, zdravstvo, pravosuđe). Objašnjiva umjetna inteligencija je polje koje teži otvaranju crne kutije:

• U slučaju odbijanja kredita od strane umjetne inteligencije, propisi (kao u SAD-u, ECOA) mogu zahtijevati da se podnosiocu zahtjeva navede razlog. Stoga umjetna inteligencija mora navesti faktore (npr. „visok omjer duga i prihoda“) kao objašnjenje.

• Korisnici koji komuniciraju s umjetnom inteligencijom (poput studenata s tutorom koji nudi umjetnu inteligenciju ili pacijenata s aplikacijom za zdravlje zasnovanom na umjetnoj inteligenciji) zaslužuju znati kako dolazi do savjeta. Ulažu se napori da se zaključivanje umjetne inteligencije učini sljedivijim, bilo pojednostavljenjem modela ili uvođenjem paralelnih eksplanatornih modela.

• Transparentnost također znači da korisnici trebaju znati kada imaju posla s umjetnom inteligencijom, a kada s čovjekom. Etičke smjernice (i vjerovatno neki zakoni) naginju ka tome da se zahtijeva otkrivanje ako kupac razgovara s botom. Ovo sprječava obmanu i omogućava pristanak korisnika. Neke kompanije sada eksplicitno označavaju sadržaj napisan umjetnom inteligencijom (poput „Ovaj članak je generirala umjetna inteligencija“) kako bi održale povjerenje.

Privatnost i zaštita podataka

Generativnoj umjetnoj inteligenciji često su potrebni podaci – uključujući potencijalno osjetljive lične podatke – da bi funkcionirala ili učila. Autonomne operacije moraju poštovati privatnost:

• Agent korisničke službe zasnovan na umjetnoj inteligenciji pristupit će informacijama o računu kako bi pomogao korisniku; ti podaci moraju biti zaštićeni i korišteni samo za taj zadatak.

• Ako tutori koji koriste vještačku inteligenciju imaju pristup profilima učenika, postoje zakoni poput FERPA-e (u SAD-u) koji osiguravaju privatnost obrazovnih podataka.

• Veliki modeli mogu nenamjerno zapamtiti specifične podatke iz svojih podataka za obuku (npr. ponavljanje adrese osobe viđene tokom obuke). Tehnike poput diferencijalne privatnosti i anonimizacije podataka u obuci su važne za sprječavanje curenja ličnih podataka u generiranim izlazima.

• Propisi poput GDPR-a daju pojedincima prava nad automatiziranim odlukama koje na njih utiču. Ljudi mogu zatražiti ljudski pregled ili odluke koje se ne automatizuju isključivo ako značajno utiču na njih. Do 2030. godine, ovi propisi bi se mogli razvijati kako vještačka inteligencija postaje sve rasprostranjenija, moguće uvodeći prava na objašnjenje ili isključivanje iz obrade podataka od strane vještačke inteligencije.

Sigurnost i zloupotreba

Autonomni sistemi umjetne inteligencije mogli bi biti mete hakovanja ili bi se mogli iskoristiti za zlonamjerne radnje:

• Generator sadržaja zasnovan na umjetnoj inteligenciji mogao bi se zloupotrijebiti za stvaranje dezinformacija u velikim razmjerima (deepfake videozapisi, lažni vijesti), što predstavlja društveni rizik. Etika objavljivanja vrlo moćnih generativnih modela predmet je žestokih rasprava (OpenAI je u početku bio oprezan s mogućnostima rada s GPT-4 u vezi s slikama, na primjer). Rješenja uključuju dodavanje vodenog žiga na sadržaj generiran umjetnom inteligencijom kako bi se pomoglo u otkrivanju lažnih sadržaja i korištenje umjetne inteligencije za borbu protiv umjetne inteligencije (poput algoritama za detekciju deepfakeova).

• Ako vještačka inteligencija kontroliše fizičke procese (dronove, automobile, industrijsku kontrolu), njena zaštita od sajber napada je ključna. Hakirani autonomni sistem može prouzrokovati štetu u stvarnom svijetu. To znači robusnu enkripciju, sigurnosne mjere i mogućnost ljudskog premošćivanja ili gašenja ako se nešto čini kompromitovanim.

• Postoji i zabrinutost da vještačka inteligencija prelazi predviđene granice (scenario „lažne vještačke inteligencije“). Dok trenutne vještačke inteligencije nemaju agenciju ili namjeru, ako budući autonomni sistemi budu više agentni, potrebna su stroga ograničenja i praćenje kako bi se osiguralo da, recimo, ne izvršavaju neovlaštene trgovine ili krše zakone zbog pogrešno određenog cilja.

Etička upotreba i utjecaj na ljude

Konačno, šira etička razmatranja:

• Premještanje s posla: Ako vještačka inteligencija može obavljati zadatke bez ljudske intervencije, šta se dešava s tim poslovima? Historijski gledano, tehnologija automatizira neke poslove, ali stvara druge. Tranzicija može biti bolna za radnike čije su vještine u zadacima koji postaju automatizirani. Društvo će morati upravljati ovim kroz prekvalifikaciju, obrazovanje i moguće preispitivanje ekonomske podrške (neki sugeriraju da bi vještačka inteligencija mogla zahtijevati ideje poput univerzalnog osnovnog dohotka ako se veliki dio posla automatizira). Ankete već pokazuju pomiješana osjećanja – jedna studija je otkrila da je trećina radnika zabrinuta zbog toga što će vještačka inteligencija zamijeniti radna mjesta, dok drugi to vide kao uklanjanje napornog rada.

• Erozija ljudskih vještina: Ako podučavaju tutori umjetne inteligencije, autopiloti upravljaju vozilom, a umjetna inteligencija piše kod, hoće li ljudi izgubiti te vještine? Prekomjerno oslanjanje na umjetnu inteligenciju moglo bi u najgorem slučaju narušiti stručnost; to je nešto čemu će se obrazovni i programi obuke morati prilagoditi, osiguravajući da ljudi i dalje uče osnove čak i ako umjetna inteligencija pomaže.

• Etičko donošenje odluka: Umjetnoj inteligenciji nedostaje ljudski moralni sud. U zdravstvu ili pravu, odluke donesene isključivo na osnovu podataka mogu biti u sukobu sa saosjećanjem ili pravdom u pojedinačnim slučajevima. Možda ćemo morati kodirati etičke okvire u umjetnu inteligenciju (područje istraživanja etike umjetne inteligencije, npr. usklađivanje odluka umjetne inteligencije s ljudskim vrijednostima). U najmanju ruku, preporučljivo je da ljudi budu obaviješteni o etički motiviranim odlukama.

• Inkluzivnost: Osiguravanje široke distribucije prednosti umjetne inteligencije je etički cilj. Ako samo velike kompanije mogu priuštiti naprednu umjetnu inteligenciju, manja preduzeća ili siromašnije regije bi mogle biti zapostavljene. Napori otvorenog koda i pristupačna rješenja umjetne inteligencije mogu pomoći u demokratizaciji pristupa. Također, interfejsi bi trebali biti dizajnirani tako da svako može koristiti alate umjetne inteligencije (različiti jezici, pristupačnost za osobe s invaliditetom itd.), kako ne bismo stvorili novi digitalni jaz „ko ima asistenta umjetne inteligencije, a ko nema“.

Trenutno ublažavanje rizika: S pozitivne strane, kako kompanije uvode generičku umjetnu inteligenciju, raste svijest i djelovanje po ovim pitanjima. Do kraja 2023. godine, gotovo polovina kompanija koje koriste umjetnu inteligenciju aktivno je radila na ublažavanju rizika poput netačnosti ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ) ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ), i taj broj raste. Tehnološke firme su osnovale etičke odbore za umjetnu inteligenciju; vlade izrađuju nacrte propisa. Ključno je uključiti etiku u razvoj umjetne inteligencije od samog početka („Etika po dizajnu“), umjesto da se reaguje kasnije.

Zaključno o izazovima: davanje veće autonomije vještačkoj inteligenciji je mač sa dvije oštrice. Može donijeti efikasnost i inovacije, ali zahtijeva visoku ljestvicu odgovornosti. U narednim godinama vjerovatno ćemo vidjeti mješavinu tehnoloških rješenja (za poboljšanje ponašanja vještačke inteligencije), procesnih rješenja (okviri politika i nadzora) i možda nove standarde ili certifikate (sistemi vještačke inteligencije mogli bi biti revidirani i certificirani kao što su to danas motori ili elektronika). Uspješno savladavanje ovih izazova odredit će koliko glatko možemo integrirati autonomnu vještačku inteligenciju u društvo na način koji povećava ljudsku dobrobit i povjerenje.

Zaključak

Generativna umjetna inteligencija se brzo razvila od novog eksperimenta do transformativne tehnologije opće namjene koja dotiče svaki kutak naših života. Ova bijela knjiga istražila je kako će do 2025. godine sistemi umjetne inteligencije već pisati članke, dizajnirati grafiku, kodirati softver, razgovarati s kupcima, sažimati medicinske bilješke, podučavati studente, optimizirati lance snabdijevanja i sastavljati finansijske izvještaje. Važno je napomenuti da u mnogim od ovih zadataka umjetna inteligencija može funkcionirati uz malo ili nimalo ljudske intervencije , posebno za dobro definirane, ponovljive poslove. Kompanije i pojedinci počinju vjerovati umjetnoj inteligenciji da će ove zadatke obavljati autonomno, ostvarujući prednosti u brzini i obimu.

Gledajući unaprijed u 2035. godinu, nalazimo se na pragu ere u kojoj će vještačka inteligencija biti još sveprisutniji saradnik – često nevidljiva digitalna radna snaga koja se bavi rutinom kako bi se ljudi mogli fokusirati na izuzetno. Očekujemo da će generativna vještačka inteligencija pouzdano voziti automobile i kamione na našim cestama, upravljati zalihama u skladištima preko noći, odgovarati na naša pitanja kao stručni lični asistenti, pružati individualne upute studentima širom svijeta, pa čak i pomagati u otkrivanju novih lijekova u medicini – sve uz sve manji direktan nadzor. Granica između alata i agenta će se zamagliti kako se vještačka inteligencija bude pomjerala od pasivnog praćenja uputa ka proaktivnom generiranju rješenja.

Međutim, putovanje ka ovoj autonomnoj budućnosti umjetne inteligencije mora se odvijati s oprezom. Kao što smo naveli, svaka domena donosi svoj vlastiti skup ograničenja i odgovornosti:

• Današnja provjera realnosti: Vještačka inteligencija nije nepogrešiva. Odlična je u prepoznavanju obrazaca i generiranju sadržaja, ali joj nedostaje istinsko razumijevanje i zdrav razum u ljudskom smislu. Stoga, za sada, ljudski nadzor ostaje sigurnosna mreža. Prepoznavanje kada je vještačka inteligencija spremna da leti samostalno (a kada nije) je ključno. Mnogi uspjesi danas dolaze iz tima čovjek-vještačka inteligencija , a ovaj hibridni pristup će i dalje biti vrijedan tamo gdje puna autonomija još nije razumna.

• Obećanje sutrašnjice: S napretkom u arhitekturi modela, tehnikama obuke i mehanizmima nadzora, mogućnosti umjetne inteligencije će se nastaviti širiti. Sljedeća decenija istraživanja i razvoja mogla bi riješiti mnoge trenutne probleme (smanjenje halucinacija, poboljšanje interpretabilnosti, usklađivanje umjetne inteligencije s ljudskim vrijednostima). Ako je tako, sistemi umjetne inteligencije do 2035. godine mogli bi biti dovoljno robusni da im se povjeri daleko veća autonomija. Projekcije u ovom radu - od nastavnika umjetne inteligencije do uglavnom samostalno vođenih preduzeća - mogle bi biti naša stvarnost, ili čak nadmašene inovacijama koje je danas teško zamisliti.

• Ljudska uloga i prilagođavanje: Umjesto da vještačka inteligencija u potpunosti zamijeni ljude, predviđamo da će se uloge razvijati. Profesionalci u svim oblastima vjerovatno će morati postati vješti u radu s vještačkom inteligencijom – vođenju iste, provjeravanju i fokusiranju na aspekte rada koji zahtijevaju izrazito ljudske snage poput empatije, strateškog razmišljanja i rješavanja složenih problema. Obrazovanje i obuka radne snage trebali bi se usmjeriti kako bi naglasili ove jedinstveno ljudske vještine, kao i pismenost svih u oblasti vještačke inteligencije. Kreatori politika i poslovni lideri trebali bi planirati tranzicije na tržištu rada i osigurati sisteme podrške za one koji su pogođeni automatizacijom.

• Etika i upravljanje: Možda najvažnije, okvir etičkog korištenja i upravljanja umjetnom inteligencijom mora podržati ovaj tehnološki rast. Povjerenje je valuta usvajanja – ljudi će dozvoliti umjetnoj inteligenciji da vozi automobil ili pomaže u operacijama samo ako vjeruju da je sigurna. Izgradnja tog povjerenja uključuje rigorozna testiranja, transparentnost, angažman zainteresiranih strana (npr. uključivanje doktora u dizajniranje medicinskih umjetne inteligencije, nastavnika u alate za obrazovanje o umjetnoj inteligenciji) i odgovarajuću regulaciju. Međunarodna saradnja može biti neophodna za rješavanje izazova poput deepfakeova ili umjetne inteligencije u ratovanju, osiguravajući globalne norme za odgovornu upotrebu.

Zaključno, generativna umjetna inteligencija predstavlja snažan motor napretka. Ako se mudro koristi, može osloboditi ljude napornog rada, osloboditi kreativnost, personalizirati usluge i popuniti praznine (donoseći stručnost tamo gdje su stručnjaci rijetki). Ključno je primijeniti je na način koji povećava ljudski potencijal, a ne marginalizira ga . U neposrednom roku, to znači da ljudi moraju biti informisani kako bi vodili umjetnu inteligenciju. Dugoročno, to znači kodiranje humanističkih vrijednosti u srž sistema umjetne inteligencije tako da čak i kada djeluju samostalno, djeluju u našem kolektivnom najboljem interesu.

Domena	Pouzdana autonomija danas (2025)	Očekivana pouzdana autonomija do 2035. godine
Pisanje i sadržaj	- Rutinske vijesti (sport, zarada) automatski generirane. - Recenzije proizvoda sažete pomoću umjetne inteligencije. - Nacrti članaka ili e-poruka za ljudsko uređivanje. ( Philana Patterson – ONA profil zajednice ) ( Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije )	- Većina vijesti i marketinškog sadržaja automatski se piše s činjeničnom tačnošću. - Vještačka inteligencija proizvodi kompletne članke i saopštenja za javnost uz minimalan nadzor. - Visoko personalizirani sadržaj generiran na zahtjev.
Vizuelne umjetnosti i dizajn	- VI generira slike iz uputa (čovjek bira najbolje). - Konceptualna umjetnost i varijacije dizajna kreirane autonomno.	- Vještačka inteligencija proizvodi kompletne video/filmske scene i složenu grafiku. - Generativni dizajn proizvoda/arhitekture koji ispunjavaju specifikacije. - Personalizirani mediji (slike, video) kreirani na zahtjev.
Kodiranje softvera	- AI automatski dovršava kod i piše jednostavne funkcije (pregledano od strane programera). - Automatsko generiranje testova i prijedlozi za greške. ( Kodiranje na Copilotu: Podaci iz 2023. ukazuju na pritisak na kvalitet koda (uklj. projekcije za 2024.) - GitClear ) ( GitHub Copilot prednjači u istraživačkom izvještaju o AI asistentima za kod -- Visual Studio Magazine )	- AI pouzdano implementira cijele funkcije iz specifikacija. - Autonomno otklanjanje grešaka i održavanje koda za poznate obrasce. - Kreiranje aplikacija s malo koda i malo ljudskog doprinosa.
Služba za korisnike	- Chatbotovi odgovaraju na često postavljana pitanja, rješavaju jednostavne probleme (prepuštaju složene slučajeve). - AI obrađuje ~70% rutinskih upita na nekim kanalima. ( 59 statistika AI korisničke službe za 2025. godinu ) ( Do 2030. godine, 69% odluka tokom interakcija s kupcima bit će... )	- Vještačka inteligencija obrađuje većinu interakcija s kupcima od početka do kraja, uključujući složene upite. - Donošenje odluka u stvarnom vremenu putem umjetne inteligencije za ustupke usluga (povrat novca, nadogradnje). - Ljudski agenti samo za eskalacije ili posebne slučajeve.
Zdravstvena zaštita	- Vještačka inteligencija izrađuje medicinske bilješke; predlaže dijagnoze koje ljekari provjeravaju. - Vještačka inteligencija čita neke snimke (radiologiju) uz nadzor; vrši trijažu jednostavnih slučajeva. ( Proizvodi za medicinsko snimanje koje koristi vještačka inteligencija mogli bi se upetostručiti do 2035. godine )	- Vještačka inteligencija pouzdano dijagnosticira uobičajene bolesti i interpretira većinu medicinskih slika. - Vještačka inteligencija prati pacijente i pokreće njegu (npr. podsjetnike na lijekove, upozorenja za hitne slučajeve). - Virtualne "medicinske sestre" s umjetnom inteligencijom obavljaju rutinsko praćenje; doktori se fokusiraju na složenu njegu.
Obrazovanje	- Instruktori s umjetnom inteligencijom odgovaraju na pitanja učenika, generiraju vježbene zadatke (nastavnik prati). - Umjetna inteligencija pomaže u ocjenjivanju (uz pregled nastavnika). ([Generativna umjetna inteligencija za obrazovanje od predškolskog uzrasta do 12. razreda]	Istraživački izvještaj kompanije Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logistika	- Vještačka inteligencija optimizuje rute dostave i pakovanje (ljudi postavljaju ciljeve). - Vještačka inteligencija označava rizike u lancu snabdijevanja i predlaže mjere za ublažavanje. ( Najbolji generativni slučajevi upotrebe vještačke inteligencije u logistici )	- Uglavnom autonomne dostave (kamioni, dronovi) pod nadzorom AI kontrolera. - AI autonomno preusmjerava pošiljke zaobilazeći poremećaje i prilagođava zalihe. - Koordinacija lanca snabdijevanja od početka do kraja (naručivanje, distribucija) kojom upravlja AI.
Finansije	- Vještačka inteligencija generira finansijske izvještaje/sažetke vijesti (pregledane od strane ljudi). - Robo-savjetnici upravljaju jednostavnim portfolijima; AI chat obrađuje upite kupaca. ( Generativna vještačka inteligencija dolazi u finansije )	- Analitičari umjetne inteligencije izrađuju investicijske preporuke i izvještaje o rizicima s visokom preciznošću. - Autonomno trgovanje i rebalansiranje portfelja unutar postavljenih ograničenja. - Vještačka inteligencija automatski odobrava standardne kredite/potraživanja; ljudi obrađuju izuzetke.

Reference:

1. Patterson, Philana. Automatizovane priče o zaradi se množe . The Associated Press (2015) – Opisuje AP-ovo automatizovano generisanje hiljada izvještaja o zaradi bez ljudskog pisca ( Automatizovane priče o zaradi se množe | The Associated Press ).

2. McKinsey & Company. Stanje umjetne inteligencije početkom 2024.: Usvajanje generacije umjetne inteligencije raste i počinje generirati vrijednost . (2024.) – Izvještava se da 65% organizacija redovno koristi generativnu umjetnu inteligenciju, što je gotovo dvostruko više nego 2023. ( Stanje umjetne inteligencije početkom 2024. | McKinsey ), i raspravlja o naporima za ublažavanje rizika ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ).

3. Gartner. Iznad ChatGPT-a: Budućnost generativne umjetne inteligencije za preduzeća . (2023) – Predviđa da će do 2030. godine 90% filmskih hitova biti generirano umjetnom inteligencijom ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i preduzeća ) i ističe generativne slučajeve upotrebe umjetne inteligencije poput dizajna lijekova ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i preduzeća ).

4. Twipe. 12 načina na koje novinari koriste alate umjetne inteligencije u redakciji . (2024) – Primjer umjetne inteligencije „Klara“ u novinskoj kući koja piše 11% članaka, a ljudski urednici pregledavaju sav sadržaj umjetne inteligencije ( 12 načina na koje novinari koriste alate umjetne inteligencije u redakciji - Twipe ).

5. Amazon.com Vijesti. Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije . (2023) – Najavljuje sažetke recenzija generirane umjetnom inteligencijom na stranicama proizvoda kako bi pomogao kupcima ( Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije ).

6. Zendesk. 59 Statistika korisničke službe zasnovana na umjetnoj inteligenciji za 2025. (2023) – Ukazuje na to da više od dvije trećine CX organizacija smatra da će generativna umjetna inteligencija dodati „toplinu“ usluzi ( 59 Statistika korisničke službe zasnovana na umjetnoj inteligenciji za 2025. ) i predviđa da će umjetna inteligencija na kraju biti prisutna u 100% interakcija s kupcima ( 59 Statistika korisničke službe zasnovana na umjetnoj inteligenciji za 2025. ).

7. Futurum Research & SAS. Iskustvo 2030: Budućnost korisničkog iskustva . (2019) – Istraživanje je pokazalo da brendovi očekuju da će ~69% odluka tokom interakcije s kupcima biti doneseno od strane pametnih mašina do 2030. ( Da bi se preispitao prelazak na korisničko iskustvo, marketinški stručnjaci moraju učiniti ove dvije stvari ).

8. Dataiku. Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici . (2023) – Opisuje kako GenAI optimizira utovar (smanjenje praznog prostora kamiona za ~30%) ( Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici ) i označava rizike u lancu snabdijevanja skeniranjem vijesti.

9. Časopis Visual Studio. GitHub Copilot predvodi istraživački izvještaj o AI asistentima za kod . (2024) – Gartnerove pretpostavke strateškog planiranja: do 2028. godine, 90% programera u preduzećima će koristiti AI asistente za kod (u odnosu na 14% u 2024. godini) ( GitHub Copilot predvodi istraživački izvještaj o AI asistentima za kod -- Časopis Visual Studio ).

10. Bloomberg News. Predstavljamo BloombergGPT . (2023.) – Detaljno opisuje Bloombergov model od 50 milijardi parametara usmjeren na finansijske zadatke, ugrađen u Terminal za pitanja i odgovore i podršku analizi ( Generativna umjetna inteligencija dolazi u finansije ).

Članci koje biste možda željeli pročitati nakon ovog:

🔗 Poslovi koje vještačka inteligencija ne može zamijeniti – i koje će poslove zamijeniti?
Globalna perspektiva na promjenjivi pejzaž poslova, ispitivanje koje su uloge sigurne od poremećaja uzrokovanih vještačkom inteligencijom, a koje su najviše izložene riziku.

🔗 Može li vještačka inteligencija predvidjeti berzu?
Dubinska analiza mogućnosti, ograničenja i etička razmatranja korištenja vještačke inteligencije za predviđanje kretanja na berzi.

🔗 Kako se generativna umjetna inteligencija može koristiti u kibernetičkoj sigurnosti?
Saznajte kako se generativna umjetna inteligencija primjenjuje za odbranu od kibernetičkih prijetnji, od otkrivanja anomalija do modeliranja prijetnji.