čovjek koji će se boriti protiv umjetne inteligencije

Na što se generativna umjetna inteligencija može osloniti bez ljudske intervencije?

Sažetak

Generativna umjetna inteligencija (UI) – tehnologija koja omogućuje strojevima stvaranje teksta, slika, koda i još mnogo toga – doživjela je eksplozivan rast posljednjih godina. Ovaj dokument pruža pristupačan pregled onoga što generativna UI danas može pouzdano učiniti bez ljudske intervencije i što se očekuje da će učiniti u sljedećem desetljeću. Ispitujemo njezinu upotrebu u pisanju, umjetnosti, kodiranju, korisničkoj službi, zdravstvu, obrazovanju, logistici i financijama, ističući gdje UI djeluje autonomno, a gdje ljudski nadzor ostaje ključan. Uključeni su primjeri iz stvarnog svijeta kako bi se ilustrirali i uspjesi i ograničenja. Ključni nalazi uključuju:

Široko rasprostranjena primjena: U 2024. godini, 65% anketiranih tvrtki izvještava da redovito koristi generativnu umjetnu inteligenciju – gotovo dvostruko više od prethodne godine ( Stanje umjetne inteligencije početkom 2024. | McKinsey ). Primjene obuhvaćaju stvaranje marketinškog sadržaja, chatbotove za korisničku podršku, generiranje koda i još mnogo toga.
Trenutne autonomne sposobnosti: Današnja generativna umjetna inteligencija pouzdano obavlja strukturirane, repetitivne zadatke uz minimalan nadzor. Primjeri uključuju automatsko generiranje formuliranih vijesti (npr. sažeci korporativnih prihoda) ( Philana Patterson – ONA profil zajednice ), izradu opisa proizvoda i istaknutih recenzija na stranicama e-trgovine te automatsko dovršavanje koda. U tim domenama 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 točnost, etička prosudba i kvaliteta. Mnoge primjene umjetne inteligencije danas koriste model „čovjeka u petlji“ gdje umjetna inteligencija izrađuje sadržaj, a ljudi ga pregledavaju.
Poboljšanja u kratkoročnom razdoblju: Tijekom sljedećih 5-10 godina predviđa se da će generativna umjetna inteligencija postati daleko pouzdanija i autonomnija . Napredak u točnosti modela i zaštitnim mehanizmima mogao bi omogućiti umjetnoj inteligenciji da obrađuje veći udio kreativnih zadataka i zadataka donošenja odluka uz minimalan ljudski doprinos. Na primjer, stručnjaci predviđaju da će do 2030. godine umjetna inteligencija obrađivati većinu interakcija i odluka s korisničkom službom u stvarnom vremenu ( Da bi se ponovno zamislio prelazak na korisničko iskustvo, marketinški stručnjaci moraju učiniti ove dvije stvari ), a veliki film mogao bi se producirati s 90% sadržaja generiranog umjetnom inteligencijom ( Slučajevi upotrebe generativne umjetne inteligencije za industrije i poduzeća ).
Do 2035.: Za desetljeće očekujemo autonomni AI agenti biti uobičajeni u mnogim područjima. AI tutori mogli bi pružati personaliziranu edukaciju u velikim razmjerima, AI asistenti mogli bi pouzdano sastavljati pravne ugovore ili medicinska izvješća za stručno odobrenje, a autonomni sustavi (uz pomoć generativne simulacije) mogli bi voditi logističke operacije od početka do kraja. Međutim, određena osjetljiva područja (npr. visokorizične medicinske dijagnoze, konačne pravne odluke) vjerojatno će i dalje zahtijevati ljudsku prosudbu radi sigurnosti i odgovornosti.
Etička i pouzdana pitanja: Kako raste autonomija umjetne inteligencije, rastu i pitanja. Današnji problemi uključuju halucinacije (izmišljanje činjenica od strane umjetne inteligencije), pristranost u generiranom sadržaju, nedostatak transparentnosti i potencijalnu zlouporabu za dezinformacije. Osiguravanje pouzdanosti umjetne inteligencije kada radi bez nadzora od najveće je važnosti. Postiže se napredak - na primjer, organizacije ulažu više u ublažavanje rizika (rješavanje točnosti, kibernetičke sigurnosti, pitanja intelektualnog vlasništva) ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ) - ali potrebni su robusni okviri upravljanja i etike.
Struktura ovog rada: Počinjemo s uvodom u generativnu umjetnu inteligenciju i konceptom autonomne naspram nadzirane upotrebe. Zatim, za svako glavno područje (pisanje, umjetnost, kodiranje itd.), raspravljamo o tome što umjetna inteligencija može pouzdano učiniti 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 već je dokazala da je sposobna obavljati iznenađujući niz zadataka bez stalnog ljudskog vodstva. Razumijevanjem njezinih trenutnih ograničenja i budućeg potencijala, organizacije i javnost mogu se bolje pripremiti za eru u kojoj umjetna inteligencija nije samo alat, već autonomni suradnik u radu i kreativnosti.

Uvod

Umjetna inteligencija već dugo može analizirati podatke, ali tek su nedavno sustavi umjetne inteligencije naučili stvarati – pisati prozu, sastavljati 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 je proboj pokrenuo val inovacija u svim industrijama. Međutim, postavlja se ključno pitanje: Što zapravo možemo vjerovati umjetnoj inteligenciji da će učiniti sama, bez ljudske dvostruke provjere rezultata?

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

Umjetna inteligencija pod ljudskim nadzorom odnosi se na scenarije u kojima ljudi pregledavaju ili uređuju rezultate umjetne inteligencije prije nego što se finaliziraju. Na primjer, novinar može koristiti pomoćnika za pisanje koji koristi umjetnu inteligenciju za izradu članka, ali urednik ga uređuje i odobrava.
Autonomna umjetna inteligencija (UI bez ljudske intervencije) odnosi se na UI sustave koji izvršavaju zadatke ili proizvode sadržaj koji se izravno koristi uz malo ili bez ljudskog uređivanja. Primjer je automatizirani chatbot koji rješava upit korisnika bez ljudskog agenta ili novinska kuća koja automatski objavljuje sažetak sportskih rezultata generiran umjetnom inteligencijom.

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

Zašto je autonomija važna: Dopuštanje umjetnoj inteligenciji da radi bez ljudskog nadzora može osloboditi ogromne prednosti učinkovitosti – potpuno automatizirajući zamorne zadatke – ali također povećava ulog pouzdanosti. Autonomni agent umjetne inteligencije mora ispravno obavljati stvari (ili znati svoja ograničenja) jer možda u stvarnom vremenu ne postoji čovjek koji bi uočio pogreške. Neki zadaci su za to pogodniji od drugih. Općenito, umjetna inteligencija najbolje funkcionira autonomno kada:

Zadatak ima jasnu strukturu ili obrazac (npr. generiranje rutinskih izvješća iz podataka).
Pogreške su niskog rizika ili se lako toleriraju (npr. generiranje slike koja se može odbaciti ako je nezadovoljavajuća, za razliku od medicinske dijagnoze).
Postoji dovoljno podataka za obuku koji pokrivaju scenarije, tako da je izlaz umjetne inteligencije utemeljen na stvarnim primjerima (smanjenje nagađanja).

Nasuprot tome, zadaci koji su otvorenog tipa , s visokim ulozima ili zahtijevaju nijansirano prosuđivanje danas su manje prikladni za nulti nadzor.

U sljedećim odjeljcima ispitujemo niz područja kako bismo vidjeli što generativna umjetna inteligencija radi sada i što 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 sudjelovanje. Za svaku domenu jasno odvajamo trenutne mogućnosti (oko 2025.) od realnih projekcija onoga što bi moglo biti pouzdano do 2035.

Mapiranjem sadašnjosti i budućnosti autonomne umjetne inteligencije u različitim domenama, cilj nam je čitateljima pružiti uravnoteženo razumijevanje: niti preuveličavanje umjetne inteligencije kao magično nepogrešive, niti podcjenjivanje njezinih vrlo stvarnih i rastućih kompetencija. S ovom osnovom, zatim raspravljamo o sveobuhvatnim izazovima 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 stvaranju sadržaja

Jedna od prvih domena u kojoj je generativna umjetna inteligencija napravila pravi proboj bila je generiranje teksta. Veliki jezični modeli mogu proizvesti sve, od novinskih članaka i marketinških tekstova do objava na društvenim mrežama i sažetaka dokumenata. Ali koliko se tog 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. Dobar primjer je u novinarstvu: Associated Press godinama koristi automatizaciju za generiranje tisuća izvješća o zaradi tvrtki svakog tromjesečja izravno iz financijskih podataka ( ). Ove kratke vijesti slijede predložak (npr. „Tvrtka X prijavila je zaradu od Y, porast od Z%...“) i umjetna inteligencija (koristeći softver za generiranje prirodnog jezika) može popuniti brojeve i riječi brže od bilo kojeg čovjeka. AP-ov sustav automatski objavljuje ova izvješća, dramatično proširujući njihovu pokrivenost (preko 3000 priča po tromjesečju) bez potrebe za ljudskim piscima ( Automatizirane priče o zaradi se množe | The Associated Press ).

Sportsko novinarstvo je slično prošireno: AI sustavi mogu uzimati statistike sportskih utakmica i generirati sažetke. Budući da su ove domene vođene podacima i formulirane, pogreške su rijetke sve dok su podaci točni. U tim slučajevima vidimo pravu autonomiju – AI piše, a sadržaj se objavljuje odmah.

Tvrtke također koriste generativnu umjetnu inteligenciju za izradu opisa proizvoda, e-mail biltena i drugog marketinškog sadržaja. Na primjer, div e-trgovine Amazon sada koristi umjetnu inteligenciju za sažimanje recenzija kupaca za proizvode. Umjetna inteligencija skenira tekst mnogih pojedinačnih recenzija i izrađuje sažet istaknuti odlomak o tome što 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 ). U nastavku je ilustracija ove značajke implementirane na Amazonovoj mobilnoj aplikaciji, gdje odjeljak „Kupci kažu“ u potpunosti generira umjetna inteligencija iz podataka o recenzijama:

( Amazon poboljšava iskustvo s recenzijama kupaca pomoću umjetne inteligencije ) Sažetak recenzije generiran umjetnom inteligencijom na stranici proizvoda e-trgovine. Amazonov sustav sažima uobičajene točke iz korisničkih recenzija (npr. jednostavnost korištenja, performanse) u kratki odlomak, 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, umjetna inteligencija to često može sama obraditi . Ostali trenutni primjeri uključuju:

Ažuriranja o vremenu i prometu: Medijske kuće koje koriste umjetnu inteligenciju za sastavljanje dnevnih vremenskih izvješća ili prometnih biltena na temelju podataka senzora.
Financijska izvješća: Tvrtke automatski generiraju jednostavne financijske sažetke (kvartalne rezultate, izvještaje o burzi). Od 2014. Bloomberg i drugi mediji koriste umjetnu inteligenciju kako bi pomogli u pisanju kratkih vijesti o zaradi tvrtki – 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 umjetnu inteligenciju za stvaranje lažnih citata i priča ).
Prijevod i transkripcija: Usluge transkripcije sada koriste umjetnu inteligenciju za izradu transkripata ili titlova sastanaka bez ljudskih daktilografa. Iako nisu generativni u kreativnom smislu, ovi jezični zadaci izvode se autonomno s visokom točnošću za jasan zvuk.
Generiranje nacrta: Mnogi profesionalci koriste alate poput ChatGPT-a za izradu nacrta e-poruka ili prvih verzija dokumenata, povremeno ih šaljući s malo ili bez uređivanja ako je sadržaj niskog rizika.

Međutim, za složeniju prozu, ljudski nadzor ostaje norma u 2025. Novinske organizacije rijetko objavljuju istraživačke ili analitičke članke izravno iz umjetne inteligencije – urednici će provjeravati činjenice i usavršavati nacrte napisane umjetnom inteligencijom. Umjetna inteligencija može oponašati stil i strukturu , ali može unijeti činjenične pogreške (često nazvane „halucinacije“) ili nespretne fraze koje čovjek treba uhvatiti. Na primjer, njemačke novine Express uvele su „digitalnu kolegicu“ umjetne inteligencije po imenu Klara kako bi pomogla u pisanju početnih vijesti. Klara može učinkovito sastavljati sportske izvještaje, pa čak i pisati naslove koji privlače čitatelje, doprinoseći 11% Expressovih članaka – ali ljudski urednici i dalje pregledavaju svaki tekst radi točnosti 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 biraju i ispravljaju po potrebi.

Izgledi za 2030.-2035.: Prema pouzdanom autonomnom pisanju

Tijekom sljedećeg desetljeća 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. To podupire nekoliko trendova:

Poboljšana točnost: Kontinuirana istraživanja brzo smanjuju sklonost umjetne inteligencije da proizvodi lažne ili nebitne informacije. Do 2030. godine, napredni jezični modeli s boljom obukom (uključujući tehnike za provjeru činjenica u bazama podataka u stvarnom vremenu) mogli bi postići internu provjeru činjenica gotovo na ljudskoj razini. To znači da bi umjetna inteligencija mogla automatski izraditi cijeli članak s točnim citatima i statistikama izvučenim iz izvornog materijala, što zahtijeva malo uređivanja.
Umjetna inteligencija specifična za domenu: Vidjet ćemo specijaliziranije generativne modele fino podešene za određena područja (pravno, medicinsko, tehničko pisanje). Model pravne umjetne inteligencije iz 2030. mogao bi pouzdano izrađivati standardne ugovore ili sažimati sudsku praksu – zadatke koji su strukturno formulirani, ali trenutno zahtijevaju vrijeme odvjetnika. Ako je umjetna inteligencija obučena na validiranim pravnim dokumentima, njezini nacrti mogli bi biti dovoljno pouzdani da odvjetnik 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 dugog formata. Do 2035. godine vjerojatno je da bi umjetna inteligencija mogla samostalno napisati pristojan prvi nacrt publicističke knjige ili tehničkog priručnika, dok bi ljudi prvenstveno imali savjetodavnu ulogu (za postavljanje ciljeva ili pružanje specijaliziranog znanja).

Kako bi to moglo izgledati u praksi? Rutinsko novinarstvo moglo bi postati gotovo u potpunosti automatizirano za određene trenutke. Možda bismo 2030. godine mogli vidjeti novinsku agenciju s AI sustavom koji piše prvu verziju svakog izvješća o zaradi, sportske priče ili ažuriranja rezultata izbora, a urednik bi odabrao samo nekoliko primjeraka radi osiguranja kvalitete. Doista, stručnjaci predviđaju da će sve veći udio online sadržaja biti generiran strojno - 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 koji generiraju neljudi znatno će nadmašiti sadržaj koji generiraju ljudi - OODAloop ), iako se o toj brojci raspravlja. Čak i konzervativniji ishod značio bi da će do sredine 2030-ih većinu rutinskih web članaka, tekstova proizvoda, pa čak i personaliziranih vijesti, izraditi AI.

U marketingu i korporativnim komunikacijama , generativnoj umjetnoj inteligenciji vjerojatno će biti povjereno autonomno vođenje cijelih kampanja. Mogla bi generirati i slati personalizirane marketinške e-poruke, objave na društvenim mrežama i varijacije oglasnih tekstova, stalno prilagođavajući poruke na temelju reakcija kupaca - sve bez ljudskog tekstopisca u petlji. Analitičari Gartnera predviđaju da će do 2025. godine najmanje 30% izlaznih marketinških poruka velikih poduzeća biti sintetički generirano umjetnom inteligencijom ( Generative AI Use Cases for Industries and Enterprises ), a taj će postotak samo rasti do 2030. godine.

Međutim, važno je napomenuti da će ljudska kreativnost i prosudba i dalje igrati ulogu, posebno za sadržaj s visokim ulozima . Do 2035. godine, umjetna inteligencija bi mogla samostalno obrađivati priopćenja za medije ili objave na blogu, ali za istraživačko novinarstvo koje uključuje odgovornost ili osjetljive teme, mediji bi i dalje mogli inzistirati na ljudskom nadzoru. Budućnost će vjerojatno donijeti višeslojni pristup: umjetna inteligencija autonomno proizvodi većinu svakodnevnog sadržaja, dok se ljudi usredotočuju na uređivanje i proizvodnju strateških ili osjetljivih dijelova. U osnovi, granica onoga što se smatra „rutinom“ širit će se kako bude rasla vještina umjetne inteligencije.

Osim toga, mogu se pojaviti novi oblici sadržaja poput interaktivnih narativa ili personaliziranih izvješća generiranih umjetnom inteligencijom . Na primjer, godišnje izvješće tvrtke moglo bi se generirati u više stilova pomoću umjetne inteligencije – sažetak za rukovoditelje, narativna verzija za zaposlenike, verzija bogata podacima za analitičare – svaki automatski kreiran iz istih temeljnih podataka. U obrazovanju, udžbenike bi umjetna inteligencija mogla dinamički pisati kako bi odgovarali različitim razinama čitanja. Ove aplikacije mogle bi biti uglavnom autonomne, ali utemeljene na provjerenim informacijama.

Putanja u pisanju sugerira da će do sredine 2030-ih umjetna inteligencija biti plodan pisac . Ključ za istinski autonomni rad bit će uspostavljanje povjerenja u njezine rezultate. Ako umjetna inteligencija može dosljedno demonstrirati činjeničnu točnost, stilsku kvalitetu i usklađenost s etičkim standardima, potreba za ljudskim pregledom redak po redak će se smanjiti. Odjeljke same bijele knjige, do 2035., vrlo lako bi mogao sastaviti istraživač umjetne inteligencije bez potrebe za urednikom - izgledi oko kojih smo oprezno optimistični, pod uvjetom da su na snazi odgovarajuće zaštitne mjere.

Generativna umjetna inteligencija u vizualnim umjetnostima i dizajnu

Sposobnost generativne umjetne inteligencije da stvara slike i umjetnička djela osvojila je maštu javnosti, od slika generiranih umjetnom inteligencijom koje pobjeđuju na umjetničkim natjecanjima do deepfake videa koji se ne razlikuju od stvarnih snimaka. U vizualnim domenama, modeli umjetne inteligencije poput generativnih suparničkih mreža (GAN) i modela difuzije (npr. Stable Diffusion, Midjourney) mogu stvarati originalne slike na temelju 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 vješto stvaraju slike na zahtjev s impresivnom vjernošću. Korisnici mogu zatražiti od umjetne inteligencije za izradu slika da nacrta „srednjovjekovni grad u zalazak sunca u Van Goghovom stilu“ i dobiti uvjerljivo umjetničku sliku u sekundama. To je dovelo do široke upotrebe umjetne inteligencije u grafičkom dizajnu, marketingu i zabavi za konceptualnu umjetnost, prototipove, pa čak i konačne vizualne prikaze u nekim slučajevima. Posebno treba istaknuti:

Grafički dizajn i stock slike: Tvrtke 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 surađuju 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 autori 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 stvorila umjetna inteligencija (OpenAI-jev DALL·E) prema uputama umjetničkog direktora. Iako je to uključivalo ljudsko poticanje i odabir, stvarna umjetnička djela bila su strojno prikazana.

Ključno je da većina ovih trenutnih upotreba još uvijek uključuje ljudsko kuriranje i iteraciju . Umjetna inteligencija može izbaciti desetke slika, a čovjek odabire najbolju i eventualno je popravi. U tom smislu, umjetna 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 zajamčeno da će ispuniti sve zahtjeve iz prvog pokušaja. Problemi poput netočnih detalja (npr. umjetna inteligencija crta ruke s pogrešnim brojem prstiju, poznata neobičnost) ili neželjenih rezultata znače da ljudski umjetnički direktor obično mora nadzirati kvalitetu rezultata.

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

Generativni dizajn: U područjima poput arhitekture i dizajna proizvoda, alati umjetne inteligencije mogu autonomno stvarati prototipove dizajna koji zadovoljavaju određena 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. Te dizajne ljudi zatim mogu izravno koristiti ili usavršavati. Slično tome, u inženjerstvu, generativna umjetna inteligencija može dizajnirati dijelove (recimo, komponentu aviona) optimizirane za težinu i čvrstoću, stvarajući nove oblike koje čovjek možda ne bi ni zamislio.
Materijali za videoigre: Umjetna inteligencija može automatski generirati teksture, 3D modele ili čak cijele razine za videoigre. Programeri ih koriste za ubrzavanje stvaranja sadržaja. Neke indie igre počele su uključivati proceduralno generirane ilustracije, pa čak i dijalog (putem jezičnih modela) kako bi stvorile ogromne, dinamične svjetove igara s minimalnim materijalima koje su stvorili 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 videoisječke ili animacije iz uputa, iako je kvaliteta neujednačena. Deepfake tehnologija – koja je generativna – može proizvesti realistične zamjene lica ili glasovne klonove. 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 s 90% sadržaja generiranog umjetnom inteligencijom (od scenarija do vizualnih elemenata) ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i poduzeća ). 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/videozapis umjetne inteligencije), 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 s minimalnim ljudskim doprinosom 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 će uvelike producirati umjetna inteligencija. Ljudi bi mogli pružiti režiju na visokoj razini (npr. nacrt scenarija ili željeni stil), a umjetna inteligencija će renderirati scene, stvarati sličnosti glumaca i animirati sve. Rani eksperimenti u kratkim filmovima vjerojatni su unutar 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 kvaliteta bude poboljšavala. Gartnerovo predviđanje od 90% do 2030. godine za filmove ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i poduzeća ), iako ambiciozno, naglašava uvjerenje industrije da će stvaranje sadržaja umjetne inteligencije biti dovoljno sofisticirano da podnese većinu tereta u snimanju filmova.
Automatizacija dizajna: U područjima poput mode ili arhitekture, generativna umjetna inteligencija vjerojatno će se koristiti za autonomno skiciranje stotina dizajnerskih koncepata na temelju parametara poput „troška, materijala, stila X“, ostavljajući ljudima da odaberu konačni dizajn. To preokreće trenutnu dinamiku: umjesto dizajnera koji stvaraju od nule i možda koriste umjetnu inteligenciju za inspiraciju, budući dizajneri mogli bi djelovati više kao kustosi, odabirući najbolji dizajn generiran umjetnom inteligencijom i možda ga prilagođavajući. Do 2035. godine arhitekt bi mogao unijeti zahtjeve za zgradu i dobiti potpune nacrte kao prijedloge od umjetne inteligencije (sve strukturno ispravne, zahvaljujući ugrađenim inženjerskim pravilima).
Kreiranje personaliziranog sadržaja: Možda ćemo vidjeti umjetnu inteligenciju koja stvara vizualne elemente 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 pomoću umjetne inteligencije. Ili personalizirani stripovi generirani na temelju korisnikovog dana - autonomni "strip dnevnika" umjetna inteligencija koja vaš tekstualni dnevnik automatski pretvara u ilustracije svake večeri.
Multimodalna kreativnost: Generativni AI sustavi su sve više multimodalni – što znači da mogu zajedno obrađivati tekst, slike, zvuk itd. Kombiniranjem ovih elemenata, 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 videoisječke, sve u skladu sa stilom. Ovakav paket sadržaja jednim klikom vjerojatna je usluga početkom 2030-ih.

Hoće li umjetna inteligencija zamijeniti ljudske umjetnike ? Ovo se pitanje često postavlja. Vjerojatno je da će umjetna inteligencija preuzeti velik dio produkcijskog posla (posebno repetitivne ili brzo mijenjajuće umjetnosti potrebne za poslovanje), ali ljudska umjetnost ostat će zbog originalnosti i inovacije. Do 2035. godine autonomna umjetna inteligencija mogla bi 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 umjetnom inteligencijom kao suradnikom). Predviđamo budućnost u kojoj ljudski umjetnici rade uz autonomne "suumjetnike" umjetne inteligencije. Moglo bi se naručiti osobna umjetna inteligencija da kontinuirano generira umjetnost za digitalnu galeriju u vlastitom domu, na primjer, pružajući stalno promjenjiv kreativni ambijent.

S gledišta pouzdanosti, vizualno 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 pogreška 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 se do 2030-ih tvrtke moći osjećati ugodno dopuštajući umjetnoj inteligenciji da stvara dizajne bez nadzora i uključivati ljude samo kada je potrebno nešto zaista novo ili rizično.

Ukratko, očekuje se da će generativna umjetna inteligencija do 2035. godine postati snažan kreator vizualnog sadržaja, vjerojatno 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 rasprava o tome smatra li se umjetna inteligencija kreativnom ili samo vrlo pametnim alatom još uvijek tema koja će se razvijati kako njezini rezultati postanu nerazlučivi od onih koje je stvorio čovjek.

Generativna umjetna inteligencija u razvoju softvera (kodiranje)

Razvoj softvera može se činiti 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 parni programeri umjetne inteligencije, predlažući isječke koda ili čak cijele funkcije dok programeri tipkaju. Koliko daleko ovo može ići prema autonomnom programiranju?

Trenutne mogućnosti (2025.): Umjetna inteligencija kao kopilot kodiranja

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

Neke trenutne činjenice i brojke:

Više od polovice profesionalnih programera usvojilo je AI asistente za kodiranje do kraja 2023. ( Kodiranje na Copilotu: Podaci za 2023. ukazuju na pritisak na kvalitetu koda (uklj. projekcije za 2024.) - GitClear ), što ukazuje na brzo prihvaćanje. Izviješteno je da GitHub Copilot, jedan od prvih široko dostupnih alata, generira u prosjeku 30-40% koda u projektima u kojima se koristi ( Kodiranje više nije MOAT. 46% kodova na GitHubu već je... ). To znači da AI već piše značajne dijelove koda, iako ga čovjek upravlja i validira.
Ovi AI alati izvrsno funkcioniraju 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 nalikuju primjerima obuke. Na primjer, programer može komentirati "// funkcija za sortiranje popisa korisnika po imenu" i AI će gotovo trenutno generirati odgovarajuću funkciju sortiranja.
Također pomažu u ispravljanju i objašnjavanju grešaka : programeri mogu zalijepiti poruku o pogrešci, a umjetna inteligencija može predložiti ispravak ili pitati „Što ovaj kod radi?“ i dobiti objašnjenje prirodnim jezikom. To je u određenom smislu autonomno (umjetna inteligencija može sama dijagnosticirati probleme), ali čovjek odlučuje hoće li primijeniti ispravak.
Važno je napomenuti da trenutni AI asistenti za kodiranje nisu nepogrešivi. Mogu predložiti nesiguran kod ili kod koji gotovo rješava problem, ali ima suptilne greške. Stoga je danas najbolja praksa držati čovjeka u toku – programer testira i otklanja greške u kodu koji je napisala umjetna inteligencija baš kao što bi to učinio kod koji je napisala ljudska inteligencija. U reguliranim industrijama ili kritičnom softveru (poput medicinskih ili zrakoplovnih sustava), svaki doprinos umjetne inteligencije prolazi rigoroznu provjeru.

Nijedan danas uobičajeni softverski sustav nije u potpunosti napisan umjetnom inteligencijom od nule bez nadzora programera. Međutim, pojavljuju se neke autonomne ili poluautonomne upotrebe:

Automatski generirani jedinični testovi: Umjetna inteligencija može analizirati kod i stvarati jedinične testove kako bi pokrila različite slučajeve. Okvir za testiranje mogao bi autonomno generirati i pokretati ove testove napisane umjetnom inteligencijom kako bi otkrio greške, proširujući testove napisane od strane ljudi.
Platforme s malo koda/bez koda s umjetnom inteligencijom: Neke platforme omogućuju neprogramerima da opišu što žele (npr. „izradite web stranicu s kontaktnim obrascem i bazom podataka za spremanje unosa“), a sustav generira kod. Iako je još u ranoj fazi, ovo nagovještava budućnost u kojoj bi umjetna inteligencija mogla autonomno stvarati softver za standardne slučajeve upotrebe.
Skriptiranje i spajanje koda: IT automatizacija često uključuje pisanje skripti za povezivanje sustava. Alati umjetne inteligencije često mogu automatski generirati ove male skripte. Na primjer, pisanje skripte za parsiranje datoteke zapisnika i slanje upozorenja e-poštom - umjetna inteligencija može stvoriti funkcionalnu skriptu s minimalnim ili bez uređivanja.

Izgledi za 2030.-2035.: Prema softveru koji se „samostalno razvija“

U sljedećem desetljeću očekuje se da će generativna umjetna inteligencija preuzeti veći dio tereta kodiranja, približavajući se potpuno autonomnom razvoju softvera za određene klase projekata. Neki predviđeni razvoji:

Potpuna implementacija značajki: Do 2030. godine očekujemo da će umjetna inteligencija biti sposobna implementirati jednostavne značajke aplikacije od početka do kraja. Voditelj proizvoda mogao bi opisati značajku jednostavnim jezikom („Korisnici bi trebali moći resetirati lozinku putem poveznice e-pošte“), a umjetna inteligencija mogla bi generirati potreban kod (prednji obrazac, pozadinska logika, ažuriranje baze podataka, slanje e-pošte) i integrirati ga u kodnu bazu. Umjetna inteligencija bi učinkovito djelovala kao mlađi programer koji može slijediti specifikacije. Ljudski inženjer mogao bi samo napraviti pregled koda i pokrenuti testove. Kako se pouzdanost umjetne inteligencije poboljšava, pregled koda mogao bi postati brzi pregled, ako uopće bude.
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 AI programeri vjerojatno će se u tome istaknuti. S obzirom na kodnu bazu i direktivu („naša aplikacija se ruši kada se previše korisnika istovremeno prijavi“), AI bi mogao locirati problem (poput greške u konkurentnosti) i zakrpati ga. Do 2035. godine, AI sustavi bi mogli automatski obrađivati rutinske zahtjeve za održavanje preko noći, služeći kao neumorna ekipa za održavanje softverskih sustava.
Integracija i korištenje API-ja: Kako sve više softverskih sustava i API-ja dolazi s dokumentacijom koju može čitati umjetna inteligencija, agent umjetne inteligencije mogao bi samostalno shvatiti kako povezati Sustav A s Uslugom B pisanjem povezujućeg koda. Na primjer, ako tvrtka želi da se njihov interni HR sustav sinkronizira s novim API-jem za obračun plaća, mogli bi zadati umjetnoj inteligenciji da „natjera ove sustave da međusobno komuniciraju“, a ona će napisati integracijski kod nakon što pročita specifikacije oba sustava.
Kvaliteta i optimizacija: Budući modeli generiranja koda vjerojatno će uključivati povratne petlje kako bi se provjerilo da li kod radi (npr. pokretanje testova ili simulacija u sandboxu). To znači da umjetna inteligencija ne samo da može pisati kod, već se i samostalno ispravljati testiranjem. Do 2035. mogli bismo zamisliti umjetnu inteligenciju koja, kada joj se zada zadatak, nastavlja ponavljati svoj kod dok svi testovi ne prođu – proces koji čovjek možda neće morati pratiti redak po redak. To bi uvelike povećalo povjerenje u autonomno generirani kod.

Može se zamisliti scenarij do 2035. u kojem bi mali softverski projekt - recimo prilagođena mobilna aplikacija za tvrtku - mogao biti razvijen uglavnom pomoću AI agenta kojem su dane upute visoke razine. Ljudski "razvojni programer" u tom scenariju je više voditelj projekta ili validator, specificirajući zahtjeve i ograničenja (sigurnost, stilske smjernice) i prepuštajući AI-u da obavi teški posao stvarnog kodiranja.

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

Glavna očekivana korist 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.) ( GitHub Copilot prednjači u istraživačkom izvješću o AI asistentima za kodiranje -- Visual Studio Magazine ). To sugerira da će onih koji ne koriste umjetnu inteligenciju biti malo. Također bismo mogli vidjeti nedostatak ljudskih programera u određenim područjima, što bi se ublažilo popunjavanjem praznina pomoću umjetne inteligencije; u biti svaki programer može učiniti puno više s AI pomagačem koji može autonomno izrađivati kod.

Povjerenje će ostati središnje pitanje. Čak i 2035. godine, organizacije će morati osigurati da je autonomno generirani kod siguran (umjetna inteligencija ne smije uvoditi ranjivosti) i usklađen s pravnim/etičkim normama (npr. umjetna inteligencija ne uključuje plagirani kod iz biblioteke otvorenog koda bez odgovarajuće licence). Očekujemo poboljšane alate za upravljanje umjetnom inteligencijom koji mogu provjeriti i pratiti podrijetlo koda napisanog umjetnom inteligencijom kako bi se omogućilo autonomnije kodiranje bez rizika.

Ukratko, do sredine 2030-ih, generativna umjetna inteligencija vjerojatno će obavljati lavovski dio kodiranja za rutinske softverske zadatke i značajno pomagati u složenim. Životni ciklus razvoja softvera bit će mnogo automatiziraniji - od zahtjeva do implementacije - s umjetnom inteligencijom koja će potencijalno automatski generirati i implementirati promjene koda. Razvojni programeri će se više usredotočiti na logiku visoke razine, 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, velika je vjerojatnost da je barem dio razgovora bio na drugom kraju wide line. Korisnička služba je područje zrelo za automatizaciju putem umjetne inteligencije: uključuje odgovaranje na korisničke upite, što generativna umjetna inteligencija (posebno konverzacijski modeli) može prilično dobro učiniti, i često slijedi skripte ili članke baze znanja, koje umjetna inteligencija može naučiti. Koliko autonomno umjetna inteligencija može upravljati korisnicima?

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

Danas mnoge organizacije koriste AI chatbotove kao prvu kontaktnu točku u korisničkoj službi. To se kreće od jednostavnih botova temeljenih na pravilima („Pritisnite 1 za naplatu, 2 za podršku…“) do naprednih generativnih AI chatbotova koji mogu interpretirati pitanja slobodnog oblika i odgovarati konverzacijski. Ključne točke:

Rješavanje čestih pitanja: AI agenti izvrsno odgovaraju na često postavljana pitanja, pružaju informacije (radno vrijeme trgovine, pravila povrata novca, koraci za rješavanje problema s poznatim problemima) i vode korisnike kroz standardne postupke. Na primjer, AI chatbot za banku može samostalno pomoći korisniku da provjeri stanje na računu, resetira lozinku ili objasni kako podnijeti zahtjev za kredit, bez ljudske pomoći.
Razumijevanje prirodnog jezika: Moderni generativni modeli omogućuju fluidniju i „ljudsku“ interakciju. Korisnici mogu upisati pitanje vlastitim riječima, a umjetna inteligencija obično može shvatiti namjeru. Tvrtke izvještavaju da su današnji AI agenti daleko zadovoljniji korisnicima od nespretnih botova od prije nekoliko godina – gotovo polovica korisnika sada vjeruje da AI agenti mogu biti empatični i učinkoviti pri rješavanju problema ( 59 statistika o korisničkoj službi umjetne inteligencije za 2025. ), što pokazuje rastuće povjerenje u usluge temeljene na umjetnoj inteligenciji.
Višekanalna podrška: Umjetna inteligencija nije samo na chatu. Glasovni asistenti (poput IVR sustava za telefone s umjetnom inteligencijom iza sebe) počinju obrađivati pozive, a umjetna inteligencija također može sastavljati odgovore e-poštom na upite korisnika koji se mogu automatski slati ako se smatraju točnima.
Kada se ljudi umiješaju: Obično, ako se umjetna inteligencija zbuni ili je pitanje previše složeno, prepušta pitanje ljudskom agentu. Trenutni sustavi u mnogim slučajevima dobro poznaju svoje granice . Na primjer, ako kupac pita nešto neobično ili pokaže frustraciju („Ovo je treći put da vas kontaktiram i jako sam uzrujan...“), umjetna inteligencija bi to mogla označiti kako bi čovjek preuzeo kontrolu. Prag za primopredaju postavljaju tvrtke kako bi uravnotežile učinkovitost i zadovoljstvo kupaca.

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

Zanimljiv razvoj događaja je da umjetna inteligencija ne samo da odgovara korisnicima, već proaktivno pomaže ljudskim agentima u stvarnom vremenu. Na primjer, tijekom chata ili poziva uživo, umjetna inteligencija može slušati i odmah pružiti ljudskom agentu predložene odgovore ili relevantne informacije. To briše granicu autonomije – umjetna inteligencija nije sama suočena s korisnikom, već je aktivno uključena bez eksplicitnih ljudskih upita. Učinkovito djeluje kao autonomni savjetnik agentu.

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

Očekuje se da će do 2030. većina interakcija s korisničkom službom uključivati umjetnu inteligenciju, a mnoge će u potpunosti biti obrađene umjetnom inteligencijom od početka do kraja. Predviđanja i trendovi koji to podupiru:

Riješeni upiti veće složenosti: Kako modeli umjetne inteligencije integriraju opsežno znanje i poboljšavaju rasuđivanje, moći će obraditi složenije zahtjeve kupaca. Umjesto da samo odgovori na pitanje „Kako vratiti artikl?“, buduća umjetna inteligencija mogla bi rješavati probleme u više koraka poput „Moj internet ne radi, pokušao sam ponovno pokrenuti sustav, 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 vjerojatno zahtijevali ljudskog tehničara za podršku. U korisničkoj službi u zdravstvu, umjetna inteligencija mogla bi rješavati zakazivanje termina za pacijente ili upite o osiguranju od početka do kraja.
Rješavanje cjelovitih usluga: Možda ćemo vidjeti umjetnu inteligenciju koja ne samo govori kupcu što treba učiniti, već to zapravo radi u ime kupca unutar pozadinskih sustava. Na primjer, ako kupac kaže „Želim promijeniti let na sljedeći ponedjeljak i dodati još jednu prtljagu“, agent umjetne inteligencije u 2030. godini mogao bi se izravno povezati s rezervacijskim sustavom zrakoplovne tvrtke, izvršiti promjenu, obraditi plaćanje prtljage i potvrditi kupcu – sve autonomno. Umjetna inteligencija postaje agent s punom uslugom, a ne samo izvor informacija.
Sveprisutni AI agenti: Tvrtke će vjerojatno implementirati AI na svim dodirnim točkama s kupcima – telefon, chat, e-poštu, društvene mreže. Mnogi kupci možda neće ni shvatiti razgovaraju li s AI-jem ili s čovjekom, posebno kako glasovi AI-ja postaju prirodniji, a odgovori u chatu svjesniji konteksta. Do 2035. godine, kontaktiranje korisničke službe često bi moglo značiti interakciju s pametnom AI-jem koja pamti vaše prošle interakcije, razumije vaše preferencije i prilagođava se vašem tonu – u biti personalizirani virtualni agent za svakog kupca.
Donošenje odluka pomoću umjetne inteligencije u interakcijama: Osim odgovaranja na pitanja, umjetna inteligencija će početi donositi odluke koje trenutno zahtijevaju odobrenje menadžmenta. Na primjer, danas bi ljudskom agentu moglo biti potrebno odobrenje nadređenog da bi ponudio povrat novca ili poseban popust kako bi umirio ljutitog kupca. U budućnosti bi umjetnoj inteligenciji mogle biti povjerene te odluke, unutar definiranih ograničenja, na temelju izračunate vrijednosti životnog vijeka kupca i analize sentimenta. Studija Futuruma/IBM-a predviđa da će do 2030. godine oko 69% odluka donesenih tijekom angažmana kupaca u stvarnom vremenu donositi pametni strojevi ( Da bi se ponovno zamislio prelazak na korisničko iskustvo, trgovci moraju učiniti ove 2 stvari ) – učinkovito umjetna inteligencija koja odlučuje o najboljem postupku u interakciji.
100% uključenost umjetne inteligencije: Jedno izvješće sugerira da će umjetna inteligencija s vremenom igrati ulogu u svakoj interakciji s kupcem ( 59 statistika o korisničkoj službi za 2025. godinu ), bilo unaprijed ili u pozadini. To bi moglo značiti da čak i ako čovjek komunicira s kupcem, umjetna inteligencija će mu pomagati (davanje prijedloga, dohvaćanje 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 mogli bismo otkriti da su se agenti za korisničku podršku specijalizirali samo za najosjetljivije ili scenarije s velikim brojem dodira (npr. VIP klijenti ili rješavanje složenih pritužbi koje zahtijevaju ljudsku empatiju). Redovite upite - od bankarstva do maloprodaje i tehničke podrške - mogla bi opsluživati flota AI agenata koji rade 24 sata dnevno, 7 dana u tjednu, kontinuirano učeći iz svake interakcije. Ova promjena mogla bi učiniti korisničku podršku dosljednijom i neposrednom, jer AI ne drži ljude na čekanju i teoretski može obavljati više zadataka istovremeno kako bi obradila neograničen broj korisnika.

Za ovu viziju postoje izazovi koje treba prevladati: umjetna inteligencija 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 umjetne inteligencije zastarjele). Ulaganjem u integraciju između umjetne inteligencije i baza podataka tvrtke (za informacije u stvarnom vremenu o narudžbama, prekidima itd.), ove se prepreke mogu riješiti.

Etički, tvrtke će morati odlučiti kada će otkriti „da razgovarate s umjetnom inteligencijom“ i osigurati pravednost (umjetna inteligencija ne tretira određene kupce drugačije na negativan način zbog pristrane obuke). Pod pretpostavkom da se to upravlja, poslovni slučaj je jak: korisnička služba utemeljena na umjetnoj inteligenciji može dramatično smanjiti troškove i vrijeme čekanja. Predviđa se da će tržište za umjetnu inteligenciju u korisničkoj službi narasti na desetke milijardi dolara do 2030. ( Izvješće o tržištu umjetne inteligencije u korisničkoj službi 2025.-2030.: Studija slučaja ) ( Kako generativna umjetna inteligencija potiče logistiku | Ryder ) kako organizacije ulažu u te mogućnosti.

Ukratko, očekujte budućnost u kojoj će autonomna korisnička podrška zasnovana na umjetnoj inteligenciji biti norma . Traženje pomoći često će značiti interakciju s pametnim strojem koji može brzo riješiti vaš problem. Ljudi će i dalje biti uključeni u nadzor i rješavanje rubnih slučajeva, ali više kao nadzornici radne snage umjetne inteligencije. Rezultat bi mogla biti brža i personaliziranija usluga za potrošače - sve dok je umjetna inteligencija pravilno obučena i nadzirana kako bi se spriječile frustracije iskustava s „robotskim telefonskim linijama“ iz prošlosti.

Generativna umjetna inteligencija u zdravstvu i medicini

Zdravstvo je područje s visokim ulozima. Ideja da umjetna inteligencija djeluje bez ljudskog nadzora u medicini izaziva i uzbuđenje (zbog učinkovitosti i dosega) i oprez (zbog sigurnosti i empatije). Generativna umjetna inteligencija počela je prodirati u područja poput analize medicinskog snimanja, kliničke dokumentacije, pa čak i otkrivanja lijekova. Što može odgovorno učiniti sama?

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

Trenutno, generativna umjetna inteligencija u zdravstvu prvenstveno služi kao snažan pomoćnik medicinskim stručnjacima, a ne kao autonomni donositelj odluka. Na primjer:

Medicinska dokumentacija: Jedna od najuspješnijih primjena umjetne inteligencije u zdravstvu je pomoć liječnicima s papirologijom. Modeli prirodnog jezika mogu transkribirati posjete pacijenata i generirati kliničke bilješke ili otpusne sažetke. Tvrtke imaju „AI zapisničare“ koji slušaju tijekom pregleda (putem mikrofona) i automatski izrađuju nacrt bilješki o pregledu koje liječnik može pregledati. To liječnicima štedi vrijeme tipkanja. Neki sustavi čak automatski popunjavaju dijelove elektroničkih zdravstvenih kartona. To se može učiniti uz minimalnu intervenciju – liječnik samo ispravlja sve male pogreške u nacrtu, što znači da je pisanje bilješki uglavnom autonomno.
Radiologija i snimanje: Umjetna inteligencija, uključujući generativne modele, može analizirati rendgenske snimke, magnetsku rezonancu i CT snimke kako bi otkrila anomalije (poput tumora ili prijeloma). Godine 2018. FDA je odobrila sustav umjetne inteligencije za autonomno otkrivanje dijabetičke retinopatije (bolesti oka) na slikama mrežnice – značajno je da je odobreno da izvrši poziv bez pregleda specijalista u tom specifičnom kontekstu probira. Taj sustav nije bio generativna umjetna inteligencija, ali pokazuje da su regulatori dopustili autonomnu dijagnozu umjetne inteligencije u ograničenim slučajevima. Generativni modeli dolaze u obzir za izradu sveobuhvatnih izvješća. Na primjer, umjetna inteligencija može pregledati rendgensku snimku prsnog koša i sastaviti radiologovo izvješće navodeći „Nema akutnih nalaza. Pluća su čista. Srce normalne veličine.“ Radiolog zatim samo potvrđuje i potpisuje. U nekim rutinskim slučajevima, ova izvješća bi mogla proći bez uređivanja ako radiolog vjeruje umjetnoj inteligenciji i samo napravi brzu provjeru.
Provjera simptoma i virtualne medicinske sestre: Generativni AI chatbotovi koriste se kao provjera simptoma na prvoj crti. Pacijenti mogu unijeti svoje simptome i dobiti savjet (npr. „Možda je riječ o običnoj prehladi; odmorite se i pijte tekućinu, ali posjetite liječnika ako se pojavi X ili Y“). Aplikacije poput Babylon Healtha koriste AI za davanje preporuka. Trenutno su one obično oblikovane kao informativni, a ne kao konačni medicinski savjeti, te potiču praćenje s ljudskim kliničarom za ozbiljne probleme.
Otkrivanje lijekova (generativna kemija): Generativni modeli umjetne inteligencije mogu predložiti nove molekularne strukture za lijekove. To je više u domeni istraživanja nego brige o pacijentima. Ove umjetne inteligencije rade autonomno kako bi predložile tisuće kandidata za spojeve sa željenim svojstvima, koje ljudski kemičari zatim pregledavaju i testiraju u laboratoriju. Tvrtke poput Insilico Medicine koristile su umjetnu inteligenciju za generiranje novih kandidata za lijekove u znatno kraćem vremenu. Iako ovo ne komunicira izravno s pacijentima, to je primjer kako umjetna inteligencija autonomno stvara rješenja (dizajn molekula) za koja bi ljudima trebalo puno više vremena da ih pronađu.
Zdravstvene operacije: Umjetna inteligencija pomaže u optimizaciji raspoređivanja, upravljanja opskrbom i druge logistike u bolnicama. Na primjer, generativni model može simulirati protok pacijenata i predložiti prilagodbe rasporeda kako bi se smanjilo vrijeme čekanja. Iako nisu toliko vidljive, to su odluke koje umjetna inteligencija može donijeti uz minimalne ručne promjene.

Važno je napomenuti da od 2025. nijedna bolnica ne dopušta umjetnoj inteligenciji da samostalno donosi važne medicinske odluke ili tretmane bez ljudskog odobrenja. Dijagnoza i planiranje liječenja ostaju čvrsto u ljudskim rukama, a umjetna inteligencija pruža doprinos. Povjerenje potrebno da umjetna inteligencija potpuno autonomno kaže pacijentu „Imate rak“ ili da propiše lijekove još nije postignuto, niti bi trebalo postojati bez opsežne validacije. Medicinski stručnjaci koriste umjetnu inteligenciju kao drugi par očiju ili kao alat za uštedu vremena, ali oni provjeravaju ključne rezultate.

Izgledi za 2030.-2035.: Umjetna inteligencija kao liječnički kolega (a možda i medicinska sestra ili ljekarnik)

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

Automatizirane preliminarne dijagnoze: Do 2030. godine, umjetna inteligencija mogla bi pouzdano obavljati početnu analizu za mnoga uobičajena stanja. Zamislite sustav umjetne inteligencije u klinici koji putem kamere čita pacijentove simptome, medicinsku povijest, čak i njihov ton i izraze lica te daje dijagnostički prijedlog i preporučene testove – sve prije nego što ljudski liječnik uopće vidi pacijenta. Liječnik se tada može usredotočiti na potvrdu i raspravu o dijagnozi. U telemedicini, pacijent bi prvo mogao razgovarati s umjetnom inteligencijom koja sužava problem (npr. vjerojatna infekcija sinusa u odnosu na nešto ozbiljnije), a zatim ga po potrebi povezuje s kliničarom. Regulatori bi mogli dopustiti umjetnoj inteligenciji da službeno dijagnosticira određena manja stanja bez ljudskog nadzora ako se pokaže izuzetno točnom – na primjer, umjetna inteligencija koja dijagnosticira jednostavnu infekciju uha s otoskopske slike mogla bi biti moguća.
Osobni 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 konzultacije ili čak pozvati hitnu pomoć ako otkrije znakove srčanog ili moždanog udara. To prelazi u područje autonomnog odlučivanja – odlučivanja da je situacija hitna i djelovanja – što je vjerojatna 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 s umjetnom inteligencijom mogli bi analizirati genetski sastav i medicinsku povijest pacijenta te autonomno izraditi preporučeni režim liječenja (plan kemoterapije, odabir lijekova). Ljudski liječnici bi ga pregledali, ali s vremenom, kako se bude jačalo povjerenje, mogli bi početi prihvaćati planove generirane umjetnom inteligencijom, posebno za rutinske slučajeve, prilagođavajući ih samo kada je to potrebno.
Virtualne medicinske sestre i kućna njega: Umjetna inteligencija koja može razgovarati i pružati medicinske smjernice mogla bi se nositi s velikim brojem praćenja i praćenja kroničnih bolesti. Na primjer, pacijenti s kroničnim bolestima kod kuće mogli bi prijavljivati dnevne mjerne podatke pomoćnoj medicinskoj sestri s umjetnom inteligencijom koja daje savjet („Vaš šećer u krvi je malo visok, razmislite o prilagodbi 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 liječnika.
Medicinsko snimanje i laboratorijska analiza – potpuno automatizirani cjevovodi: Do 2035. godine, očitavanje medicinskih snimki u nekim područjima moglo bi se pretežno obavljati pomoću umjetne inteligencije. Radiolozi bi nadgledali sustave umjetne inteligencije i rješavali složene slučajeve, ali većinu normalnih snimki (koje su doista normalne) mogla bi izravno „pročitati“ i potpisati umjetna inteligencija. Slično tome, analiza patoloških preparata (na primjer, otkrivanje stanica raka u biopsiji) mogla bi se obavljati autonomno za početni pregled, što bi dramatično ubrzalo laboratorijske rezultate.
Otkrivanje lijekova i klinička ispitivanja: Umjetna inteligencija vjerojatno će dizajnirati ne samo molekule lijekova, već će i generirati sintetičke podatke o pacijentima za ispitivanja ili pronaći optimalne kandidate za ispitivanja. Mogla bi autonomno provoditi virtualna ispitivanja (simulirajući kako bi pacijenti reagirali) kako bi suzila izbor opcija prije stvarnih ispitivanja. To može brže dovesti lijekove na tržište uz manje eksperimenata koje vode ljudi.

Vizija liječnika s umjetnom inteligencijom koji će u potpunosti zamijeniti ljudskog liječnika još je uvijek prilično daleka i ostaje kontroverzna. Čak i do 2035. godine očekuje se da će umjetna inteligencija služiti liječnicima kao kolega , 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 liječnici izvrsno funkcioniraju. Uz to, umjetna inteligencija bi mogla obaviti, recimo, 80% rutinskog posla: papirologiju, jednostavne slučajeve, praćenje itd., omogućujući ljudskim kliničarima da se usredotoče na nezgodnih 20% i na odnose s pacijentima.

Postoje značajne prepreke: regulatorno odobrenje za autonomnu umjetnu inteligenciju u zdravstvu je rigorozno (što je i prikladno). Sustavi umjetne inteligencije trebat će opsežnu kliničku validaciju. Možda ćemo vidjeti postupno prihvaćanje - npr. umjetnoj inteligenciji je dopušteno autonomno dijagnosticiranje ili liječenje u nedovoljno opsluženim područjima gdje nema dostupnih liječnika, kao način proširenja pristupa zdravstvenoj skrbi (zamislite „kliniku umjetne inteligencije“ u udaljenom selu do 2030. koja radi uz periodični telenadzor liječnika u gradu).

Etička razmatranja su od velike važnosti. Odgovornost (ako autonomna umjetna inteligencija pogriješi u dijagnozi, tko je odgovoran?), informirani pristanak (pacijenti moraju znati je li umjetna inteligencija uključena u njihovu skrb) i osiguravanje jednakosti (umjetna inteligencija dobro funkcionira za sve populacije, izbjegavajući pristranost) izazovi su s kojima se treba nositi. Pod pretpostavkom da se ti problemi riješe, do sredine 2030-ih generativna umjetna inteligencija mogla bi biti utkana u tkivo pružanja zdravstvene skrbi, obavljajući mnoge zadatke koji oslobađaju ljudske pružatelje usluga i potencijalno dopirući do pacijenata koji trenutno imaju ograničen pristup.

Ukratko, do 2035. godine zdravstvo će vjerojatno vidjeti duboko integrirano umjetnu inteligenciju, ali uglavnom "ispod haube" ili u potpornim ulogama. Vjerovat ćemo umjetnoj inteligenciji da mnogo toga radi sama - čita snimke, prati vitalne znakove, izrađuje planove - ali uz sigurnosnu mrežu ljudskog nadzora koja će i dalje postojati za ključne odluke. Rezultat bi mogao biti učinkovitiji, responzivniji zdravstveni sustav, gdje umjetna inteligencija obavlja teški posao, a ljudi pružaju empatiju i konačnu prosudbu.

Generativna umjetna inteligencija u obrazovanju

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

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

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

AI asistenti za podučavanje: Alati poput Khan Academyjevog "Khanmiga" (pokretanog 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 dobivati odgovore ili objašnjenja. AI može dati savjete za probleme s domaćom zadaćom, objasniti koncepte na različite načine ili čak glumiti povijesnu osobu za interaktivnu lekciju povijesti. Međutim, ovi AI tutori obično se koriste uz nadzor; učitelji ili održavatelji aplikacije često prate dijaloge ili postavljaju granice o čemu AI može raspravljati (kako bi se izbjegle dezinformacije ili neprikladan sadržaj).
Izrada sadržaja za nastavnike: Generativna umjetna inteligencija pomaže nastavnicima stvaranjem kviz pitanja, sažetaka literature, nacrta plana lekcije i tako dalje. Nastavnik može zatražiti od umjetne inteligencije: „Generiraj 5 vježbenih zadataka o kvadratnim jednadžbama s odgovorima“, štedeći vrijeme u pripremi. Ovo je autonomno generiranje sadržaja, ali nastavnik obično pregledava rezultat radi točnosti i usklađenosti s nastavnim planom i programom. Dakle, to je više uređaj za uštedu rada nego što je potpuno neovisan.
Ocjenjivanje i povratne informacije: Umjetna inteligencija može automatski ocjenjivati ispite s višestrukim izborom (ništa novo u tome) i sve više može vrednovati kratke odgovore ili eseje. Neki školski sustavi koriste umjetnu inteligenciju za ocjenjivanje pisanih odgovora i davanje povratnih informacija učenicima (npr. gramatičke ispravke, prijedlozi za proširenje argumenta). Iako se sam po sebi ne radi o generativnom zadatku, nove umjetne inteligencije mogu čak generirati personalizirano izvješće s povratnim informacijama za učenika na temelju njegovog učinka, ističući područja koja treba poboljšati. Nastavnici često dvaput provjeravaju eseje koje je ocijenila umjetna inteligencija u ovoj fazi zbog zabrinutosti oko nijansi.
Adaptivni sustavi učenja: To su platforme koje prilagođavaju težinu ili stil gradiva na temelju učenikovog uspjeha. Generativna umjetna inteligencija to poboljšava stvaranjem 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. To je donekle autonomno, ali unutar sustava 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 za dobivanje povratnih informacija o nacrtu eseja („poboljšaj svoj uvodni odlomak“). To je samostalno i može se dogoditi bez znanja učitelja. Umjetna inteligencija u ovom scenariju djeluje kao tutor na zahtjev ili lektor. Izazov je osigurati da je učenici koriste za učenje, a ne samo za dobivanje odgovora (akademski integritet).

Jasno je da je od 2025. godine umjetna inteligencija u obrazovanju moćna, ali obično djeluje s ljudskim edukatorom u petlji koji uređuje doprinose umjetne inteligencije. Postoji razumljiv oprez: ne želimo vjerovati umjetnoj inteligenciji da će podučavati netočne informacije ili da će se nositi s osjetljivim interakcijama učenika u vakuumu. Učitelji smatraju tutore umjetne inteligencije korisnim asistentima koji učenicima mogu dati više prakse i neposredne odgovore na rutinska pitanja, oslobađajući učitelje da se usredotoče na dublje mentorstvo.

Izgledi za 2030.-2035.: Personalizirani AI tutori i automatizirani pomagači u nastavi

U sljedećem desetljeću očekujemo da će generativna umjetna inteligencija omogućiti personaliziranija i autonomnija iskustva učenja , dok će se uloge učitelja razvijati:

Osobni tutori s umjetnom inteligencijom za svakog učenika: Do 2030. godine, vizija (koju dijele stručnjaci poput Sala Khana iz Khan Academy) jest da bi svaki učenik mogao imati pristup tutoru s umjetnom inteligencijom koji je u mnogim aspektima jednako učinkovit kao i ljudski tutor ( Ovaj tutor s umjetnom inteligencijom mogao bi ljude učiniti 10 puta pametnijima, kaže njegov tvorac ). Ovi tutori s umjetnom inteligencijom bili bi dostupni 24 sata dnevno, 7 dana u tjednu, poznavali bi povijest učenja učenika i u skladu s tim prilagođavali svoj stil poučavanja. Na primjer, ako je učenik vizualni učenik koji se muči s konceptom algebre, umjetna inteligencija bi mogla dinamički stvoriti vizualno objašnjenje ili interaktivnu simulaciju kako bi mu pomogla. Budući da umjetna inteligencija može pratiti napredak učenika tijekom vremena, može autonomno odlučiti koju će temu sljedeće ponoviti ili kada će prijeći na novu vještinu – učinkovito upravljajući planom lekcije za tog učenika u mikro smislu.
Smanjeno opterećenje učitelja rutinskim zadacima: ocjenjivanje, izrada radnih listova, izrada materijala za nastavu – ovi zadaci mogli bi se gotovo u potpunosti prebaciti na umjetnu inteligenciju do 2030-ih. Umjetna inteligencija mogla bi generirati prilagođene domaće zadaće za cijeli tjedan, ocijeniti sve zadatke iz prošlog tjedna (čak i one otvorenog tipa) s povratnim informacijama i istaknuti učitelju kojim učenicima je potrebna dodatna pomoć za koje teme. To bi se moglo dogoditi uz minimalan doprinos učitelja, možda samo brzim pogledom kako bi se osiguralo da ocjene umjetne inteligencije izgledaju pravedno.
Platforme za autonomno adaptivno učenje: Za određene predmete mogli bismo vidjeti tečajeve u potpunosti vođene umjetnom inteligencijom. Zamislite online tečaj bez ljudskog instruktora gdje AI agent uvodi materijal, daje primjere, odgovara na pitanja i prilagođava tempo na temelju učenika. Iskustvo učenika moglo bi biti jedinstveno za njih, generirano u stvarnom vremenu. Neke korporativne obuke i obrazovanje odraslih mogle bi se prije prebaciti na ovaj model, gdje bi do 2035. zaposlenik mogao reći „Želim naučiti napredne Excel makroe“, a AI instruktor će ih podučavati putem personaliziranog kurikuluma, uključujući generiranje vježbi i evaluaciju njihovih rješenja, bez ljudskog instruktora.
Učionički asistenti s umjetnom inteligencijom: U fizičkim ili virtualnim učionicama, umjetna inteligencija mogla bi slušati rasprave 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 mogla moderirati online forume u razredu, odgovarati na izravna pitanja učenika („Kada je rok za predaju zadaće?“ ili čak pojašnjavati točku predavanja) kako nastavnik ne bi bio bombardiran e-poštom. Do 2035. godine, prisutnost ko-nastavnika s umjetnom inteligencijom u učionici, dok se ljudski nastavnik fokusira na vođenje više razine i motivacijske aspekte, mogla bi postati standard.
Globalni pristup obrazovanju: Autonomni tutori s umjetnom inteligencijom mogli bi pomoći u obrazovanju učenika u područjima s nedostatkom učitelja. Tablet s tutorom s umjetnom inteligencijom 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 najutjecajnijih upotreba – umjetna inteligencija premošćuje jaz tamo gdje ljudski učitelji nisu dostupni. Međutim, osiguranje kvalitete i kulturne prikladnosti obrazovanja s umjetnom inteligencijom u različitim kontekstima bit će ključno.

Hoće li umjetna inteligencija zamijeniti učitelje? Malo vjerojatno u potpunosti. Poučavanje je više od pukog pružanja sadržaja – to je mentorstvo, inspiracija, socijalno-emocionalna podrška. Te ljudske elemente umjetna inteligencija teško može replicirati. Ali umjetna inteligencija može postati drugi učitelj u učionici ili čak prvi učitelj za prijenos znanja, ostavljajući ljudskim edukatorima da se usredotoče na ono što ljudi najbolje rade: empatiju, motiviranje i poticanje kritičkog mišljenja.

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

Drugi izazov je pretjerano oslanjanje: ako instruktor s umjetnom inteligencijom daje odgovore prebrzo, učenici možda neće naučiti upornost ili rješavanje problema. Kako bi se to ublažilo, budući instruktori s umjetnom inteligencijom mogli bi biti dizajnirani tako da ponekad dopuste učenicima da se muče (kao što bi to mogao ljudski instruktor) ili da ih potiču na rješavanje problema savjetima 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 učitelj orkestrirao grupne aktivnosti i pružao ljudski uvid. Obrazovanje bi moglo postati učinkovitije i prilagođenije. Obećanje je da će svaki učenik dobiti pomoć koja mu je potrebna kada mu je potrebna – pravo iskustvo „osobnog učitelja“ u velikim razmjerima. Rizik je gubitak ljudskog dodira ili zlouporaba umjetne inteligencije (poput varanja učenika putem umjetne inteligencije). Ali općenito, ako se njome dobro upravlja, generativna umjetna inteligencija može demokratizirati i poboljšati učenje tako što će biti uvijek dostupan i upućen pratitelj na obrazovnom putu učenika.

Generativna umjetna inteligencija u logistici i lancu opskrbe

Logistika – umjetnost i znanost premještanja robe i upravljanja lancima opskrbe – 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 sustava. Cilj u logistici je učinkovitost i ušteda troškova, što se dobro slaže sa snagama umjetne inteligencije u analizi podataka i predlaganju rješenja. Koliko umjetna inteligencija može postati autonomna u vođenju lanaca opskrbe 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: Tvrtke poput UPS-a i FedExa već koriste algoritme umjetne inteligencije za optimizaciju ruta dostave – osiguravajući da vozači odaberu najučinkovitiji put. Tradicionalno su to bili algoritmi operacijskih istraživanja, ali sada generativni pristupi mogu pomoći u istraživanju alternativnih strategija usmjeravanja u različitim uvjetima (promet, 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 pakiranje ili transportne kontejnere, umjetna inteligencija može generirati optimalne planove utovara (koja kutija ide kamo). Generativna umjetna inteligencija mogla bi proizvesti više konfiguracija pakiranja kako bi se maksimiziralo korištenje prostora, u biti „stvarajući“ rješenja koja ljudi mogu odabrati. To je istaknuto u studiji u kojoj se navodi da kamioni u SAD-u često rade 30% prazni, a bolje planiranje – uz pomoć umjetne inteligencije – može smanjiti taj otpad ( Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici ). Ovi planovi utovara generirani umjetnom inteligencijom imaju za cilj smanjenje troškova goriva i emisija, a u nekim skladištima izvršavaju se 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 (npr. umjetna inteligencija „zamišlja“ porast potražnje zbog nadolazećeg praznika) i u skladu s tim planirati zalihe. To pomaže menadžerima lanca opskrbe da se pripreme. Trenutno umjetna inteligencija daje prognoze i prijedloge, ali ljudi obično donose konačnu odluku o razinama proizvodnje ili narudžbama.
Procjena rizika: Globalni lanac opskrbe suočava se s poremećajima (prirodne katastrofe, kašnjenja u lukama, politička pitanja). Sustavi umjetne inteligencije sada pretražuju vijesti i podatke kako bi identificirali rizike na horizontu. Na primjer, jedna logistička tvrtka koristi generiranu umjetnu inteligenciju za skeniranje interneta i označavanje rizičnih prometnih 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, što ljudi zatim odobravaju.
Automatizacija skladišta: Mnoga skladišta su poluautomatizirana 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 sakupljače svako jutro na temelju narudžbi. To 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: Umjetna 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 dostavu u roku od 2 dana“), a umjetna inteligencija izrađuje rješenja ili rasporede kako bi se to postiglo. Sustavi mogu raditi svakodnevno bez intervencije dok se ne dogodi nešto neobično. Velik dio logistike uključuje ponavljajuće odluke (kada bi ova pošiljka trebala krenuti? iz kojeg skladišta ispuniti ovu narudžbu?), koje umjetna inteligencija može naučiti donositi dosljedno. Tvrtke postupno povjeravaju umjetnoj inteligenciji da se nosi s tim mikro-odlukama i upozoravaju menadžere samo kada se dogode iznimke.

Izgledi za 2030.-2035.: Autonomni lanci opskrbe

U sljedećem desetljeću možemo zamisliti puno autonomniju koordinaciju u logistici vođenu umjetnom inteligencijom:

Autonomna vozila i dronovi: Samovozeći kamioni i dostavne dronove, iako šira tema umjetne inteligencije/robotike, izravno utječu na logistiku. Do 2030. godine, ako se prevladaju regulatorni i tehnički izazovi, mogli bismo imati umjetnu inteligenciju koja rutinski vozi kamione na autocestama ili dronove koji obavljaju dostavu na zadnji kilometar u gradovima. Ove umjetne inteligencije donosit će odluke u stvarnom vremenu (promjene rute, izbjegavanje prepreka) bez ljudskih vozača. Generativni aspekt je u tome kako ove umjetne inteligencije vozila uče iz ogromnih podataka i simulacija, učinkovito "obučavajući" na bezbroj scenarija. Potpuno autonomna flota mogla bi raditi 24/7, a ljudi bi je samo daljinski nadzirali. To uklanja ogroman ljudski element (vozače) iz logističkih operacija, dramatično povećavajući autonomiju.
Samoobnavljajući lanci opskrbe: Generativna umjetna inteligencija vjerojatno će se koristiti za stalno simuliranje scenarija lanca opskrbe i pripremu planova za nepredviđene situacije. Do 2035. godine umjetna inteligencija mogla bi automatski otkriti kada se tvornica dobavljača zatvorila (putem vijesti ili podatkovnih feedova) i odmah preusmjeriti nabavu na alternativne dobavljače koje je već provjerila u simulaciji. To znači da se lanac opskrbe „oporavlja“ od poremećaja, a umjetna inteligencija preuzima inicijativu. Ljudski menadžeri bili bi obaviješteni o tome što je umjetna inteligencija učinila, a ne oni koji su pokrenuli zaobilazno rješenje.
Optimizacija zaliha od početka do kraja: Umjetna inteligencija mogla bi autonomno upravljati zalihama u cijeloj mreži skladišta i trgovina. Odlučivala bi kada i kamo premjestiti zalihe (možda korištenjem robota ili automatiziranih vozila), održavajući dovoljno zaliha na svakoj lokaciji. Umjetna inteligencija u osnovi upravlja kontrolnim tornjem lanca opskrbe: vidi sve tokove i vrši prilagodbe u stvarnom vremenu. Do 2035. godine, ideja „samoupravljajućeg“ lanca opskrbe mogla bi značiti da sustav samostalno shvaća najbolji plan distribucije svaki dan, naručuje proizvode, planira tvorničke ture i organizira prijevoz. Ljudi bi nadgledali cjelokupnu strategiju i rješavali iznimke izvan trenutnog razumijevanja umjetne inteligencije.
Generativni dizajn u logistici: Mogli bismo vidjeti umjetnu inteligenciju kako dizajnira nove mreže opskrbnog lanca. Pretpostavimo da se tvrtka širi u novu regiju; umjetna inteligencija mogla bi generirati optimalne lokacije skladišta, prometne veze i politike zaliha za tu regiju s obzirom na podatke – nešto što konzultanti i analitičari rade danas. Do 2030. godine tvrtke bi se mogle oslanjati na preporuke umjetne inteligencije za izbore dizajna opskrbnog lanca, vjerujući joj da brže vaga faktore i možda pronađe kreativna rješenja (poput neočiglednih distribucijskih središta) 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 raspoređuje proizvodne cikluse, naručuje sirovine točno na vrijeme, a zatim daje upute logističkoj mreži da odmah otpremi 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 služba u logistici: Nadovezujući se na umjetnu inteligenciju korisničke službe, umjetna inteligencija u lancu opskrbe mogla bi izravno komunicirati s kupcima ili klijentima. Na primjer, ako veliki klijent želi promijeniti svoju skupnu narudžbu u zadnji čas, agent umjetne inteligencije mogao bi pregovarati o izvedivim alternativama (poput „Polovicu možemo isporučiti sada, polovicu sljedeći tjedan zbog ograničenja“) bez čekanja na ljudskog menadžera. To uključuje generativno razumijevanje obje strane (potrebe kupaca naspram operativnih kapaciteta) i donošenje odluka koje održavaju nesmetano poslovanje uz zadovoljavanje klijenata.

Očekivana korist je učinkovitiji , otporniji i responzivniji logistički sustav. Tvrtke predviđaju ogromne uštede – McKinsey je procijenio da bi optimizacije opskrbnog lanca vođene umjetnom inteligencijom mogle značajno smanjiti troškove i poboljšati razinu usluge, dodajući potencijalno bilijune vrijednosti u svim industrijama ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ).

Međutim, prepuštanje veće kontrole umjetnoj inteligenciji također nosi rizike, poput kaskadnih pogrešaka ako je logika umjetne inteligencije manjkava (npr. zloglasni scenarij u kojem umjetna inteligencija nehotice ostavlja tvrtku bez zaliha zbog pogreške u modeliranju). Zaštitne mjere poput „čovjeka u petlji za velike odluke“ ili barem nadzorne ploče koje omogućuju brzo ljudsko poništavanje vjerojatno će ostati do 2035. S vremenom, kako se odluke umjetne inteligencije budu pokazivale, ljudi će se osjećati ugodnije povlačeći se.

Zanimljivo je da optimizacijom za učinkovitost, umjetna 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 učinkovito, ali može biti rizično. Stručnjaci za lanac opskrbe 2030. godine možda će morati prilagoditi svoju intuiciju jer bi umjetna inteligencija, obrađujući ogromne količine podataka, mogla pokazati da njezina neobična strategija zapravo bolje funkcionira.

Konačno, moramo uzeti u obzir da fizička ograničenja (infrastruktura, brzine fizičkih procesa) ograničavaju brzinu promjena logistike, pa se ovdje revolucija 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 svijetom uz minimalno ručno planiranje.

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

Generativna umjetna inteligencija u financijama i poslovanju

Financijska industrija se uvelike bavi informacijama – izvješćima, 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 financijske zadatke umjetna inteligencija može pouzdano obaviti bez ljudskog nadzora, s obzirom na važnost točnosti i povjerenja u ovom području?

Trenutne mogućnosti (2025.): Automatizirana izvješća i podrška u donošenju odluka

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

Generiranje izvješća: Banke i financijske tvrtke izrađuju brojna izvješća – sažetke zarade, komentare tržišta, analizu portfelja itd. Umjetna inteligencija već se koristi za njihovu izradu. Primjerice, Bloomberg je razvio BloombergGPT , veliki jezični model obučen na financijskim podacima, kako bi pomogao u zadacima poput klasifikacije vijesti i pitanja i odgovora za korisnike svojih terminala ( Generativna umjetna inteligencija dolazi u financije ). Iako joj je primarna upotreba pomaganje ljudima u pronalaženju informacija, ona pokazuje rastuću ulogu umjetne inteligencije. Automated Insights (tvrtka s kojom je AP surađivao) također je generirao financijske članke. Mnogi investicijski bilteni koriste umjetnu inteligenciju za sažimanje dnevnih kretanja na tržištu ili ekonomskih pokazatelja. Obično ljudi pregledavaju izvješća 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 računa, transakcijama ili informacijama o proizvodu (uklapajući se u domenu 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 trenutna je upotreba AI-a u financijama.
Otkrivanje prijevara i upozorenja: Generativna umjetna inteligencija može pomoći u stvaranju narativa ili objašnjenja za anomalije koje otkriju sustavi za prijevare. Na primjer, ako se označi sumnjiva aktivnost, umjetna inteligencija može generirati poruku s objašnjenjem za kupca („Primijetili smo prijavu s novog uređaja…“) ili izvješće 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.
Financijsko 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 uspješnosti portfelja prilagođenog klijentu. Međutim, čisti financijski savjeti (poput složenog financijskog planiranja) još uvijek su uglavnom ljudski ili algoritamski utemeljeni na pravilima; generativni savjeti slobodnog oblika bez nadzora rizični su zbog odgovornosti ako su pogrešni.
Procjene rizika i osiguranje: Osiguravajuća društva testiraju umjetnu inteligenciju kako bi automatski pisala izvješća o procjeni rizika ili čak nacrte dokumenata o policama osiguranja. Na primjer, s obzirom na podatke o nekretnini, umjetna inteligencija mogla bi generirati nacrt police osiguranja ili izvješće osiguravatelja koje opisuje čimbenike rizika. Ljudi trenutno pregledavaju ove rezultate jer svaka pogreška u ugovoru može biti skupa.
Analiza podataka i uvidi: Umjetna inteligencija može pregledavati financijske izvještaje ili vijesti i generirati sažetke. Analitičari koriste alate koji mogu trenutno sažeti godišnje izvješće od 100 stranica u ključne točke ili izvući glavne zaključke iz transkripta telefonskog sastanka o zaradi. Ovi sažeci štede vrijeme i mogu se izravno koristiti u donošenju odluka ili proslijediti dalje, ali razboriti analitičari dvaput provjeravaju ključne detalje.

U biti, trenutna umjetna inteligencija u financijama djeluje kao neumorni analitičar/pisac , generirajući sadržaj koji ljudi usavršavaju. Potpuno autonomna upotreba uglavnom je u dobro definiranim područjima poput vijesti temeljenih na podacima (nije potrebna subjektivna prosudba) ili odgovora korisničke službe. Izravno povjerenje umjetnoj inteligenciji u odlukama o novcu (poput premještanja sredstava, izvršavanja trgovina izvan unaprijed postavljenih algoritama) rijetko je zbog visokih uloga i regulatornog nadzora.

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:

Financijski analitičari s umjetnom inteligencijom: Možda ćemo vidjeti sustave umjetne inteligencije koji mogu analizirati tvrtke i tržišta te izrađivati preporuke ili izvješća na razini analitičara istraživanja ljudskog kapitala. Do 2030. godine, umjetna inteligencija bi mogla zamislivo pročitati sve financijske podneske tvrtke, usporediti ih s podacima iz industrije i samostalno izraditi izvješće o investicijskim preporukama („Kupnja/Prodaja“ s obrazloženjem). Neki hedge fondovi već koriste umjetnu inteligenciju za generiranje signala za trgovanje; do 2030-ih, istraživačka izvješća umjetne inteligencije mogla bi biti uobičajena. Upravitelji ljudskih portfelja mogli bi početi vjerovati analizama generiranim umjetnom inteligencijom kao jednom od ulaznih podataka. Postoji čak i potencijal da umjetna inteligencija autonomno upravlja portfeljima: kontinuirano prati i rebalansira ulaganja prema unaprijed definiranoj strategiji. Zapravo, algoritamsko trgovanje već je uvelike automatizirano - generativna umjetna inteligencija mogla bi učiniti strategije prilagodljivijima generiranjem i testiranjem novih modela trgovanja.
Automatizirano financijsko planiranje: Savjetnici za umjetnu inteligenciju koji su okrenuti potrošačima mogli bi obavljati rutinsko financijsko planiranje za pojedince. Do 2030. godine mogli biste reći umjetnoj inteligenciji svoje ciljeve (kupnja kuće, štednja za fakultet) i ona bi mogla generirati cjelovit financijski plan (proračun, raspodjela ulaganja, prijedlozi osiguranja) prilagođen vama. U početku bi ga mogao pregledati ljudski financijski planer, ali kako raste povjerenje, takvi bi se savjeti mogli davati izravno potrošačima, uz odgovarajuća odricanja od 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 mogla bi osnovne financijske savjete učiniti daleko dostupnijima po niskoj cijeni.
Automatizacija pozadinskih ureda: Generativna umjetna inteligencija mogla bi autonomno obrađivati mnoge pozadinske dokumente – zahtjeve za kredite, izvješća o usklađenosti, sažetke revizija. Na primjer, umjetna inteligencija mogla bi uzeti sve podatke o transakcijama i generirati izvješće o reviziji u kojem bi se naznačile sve zabrinutosti. Revizori 2035. mogli bi provoditi više vremena pregledavajući iznimke koje je označila umjetna inteligencija, umjesto da sami sve pretražuju. Slično tome, za usklađenost, umjetna inteligencija bi mogla generirati izvješća 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 iznimki, moglo bi postati standard.
Zahtjevi za osiguranje i procjena rizika: Umjetna inteligencija mogla bi obraditi zahtjev za osiguranje (s foto dokazima itd.), odrediti pokriće i automatski generirati pismo odluke o isplati. Mogli bismo doći do točke u kojoj će jednostavne zahtjeve (poput prometnih nesreća s jasnim podacima) u potpunosti rješavati umjetna inteligencija u roku od nekoliko minuta od podnošenja. Procjena rizika za nove police osiguranja mogla bi biti slična: umjetna inteligencija procjenjuje rizik i generira uvjete police. Do 2035. godine, možda će se samo složeni ili granični slučajevi prosljeđivati ljudskim procjeniteljima rizika.
Prijevara i sigurnost: Umjetna inteligencija vjerojatno će biti još važnija u otkrivanju i reagiranju na prijevare ili kibernetičke prijetnje u financijama. Autonomni agenti umjetne inteligencije mogli bi pratiti transakcije u stvarnom vremenu i poduzeti trenutne radnje (blokirati račune, zamrznuti transakcije) kada se ispune određeni kriteriji, a zatim dati obrazloženje. Brzina je ovdje ključna, stoga je poželjno minimalno ljudsko sudjelovanje. Generativni dio mogao bi se sastojati u jasnom komuniciranju tih radnji kupcima ili regulatorima.
Podrška rukovoditeljima: Zamislite umjetnu inteligenciju kao „šefa osoblja“ koja može u hodu generirati poslovna izvješća za rukovoditelje. Pitajte: „Kako je naša europska divizija poslovala u ovom tromjesečju i koji su bili glavni pokretači u usporedbi s prošlom godinom?“ i umjetna inteligencija će izraditi sažeto izvješće s grafikonima, svi točni, izvlačeći podatke. Ova vrsta dinamičkog, autonomnog izvještavanja i analize mogla bi postati jednostavna kao razgovor. Do 2030. godine, upiti umjetnoj inteligenciji za poslovnu inteligenciju i povjerenje u nju da daje točne odgovore mogli bi uvelike zamijeniti statička izvješća, a možda čak i neke uloge analitičara.

Jedna zanimljiva projekcija: do 2030-ih, većina financijskog sadržaja (vijesti, izvješća 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 financijskih podataka, umjetna inteligencija mogla bi biti odgovorna za filtriranje i komunikaciju većine toga.

Međutim, povjerenje i provjera bit će ključni. Financijska industrija je strogo regulirana i svaka umjetna inteligencija koja radi autonomno morat će ispunjavati stroge standarde:

Osiguravanje da nema halucinacija (ne možete imati AI analitičara 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 pristranih podataka o obuci).
Mogućnost revizije: regulatori će vjerojatno zahtijevati da odluke umjetne inteligencije budu objašnjive. Ako umjetna inteligencija odbije zajam ili donese odluku o trgovanju, mora postojati obrazloženje koje se može ispitati. Generativni modeli mogu biti pomalo crna kutija, stoga očekujte razvoj objašnjivih tehnika umjetne inteligencije kako bi njihove odluke bile transparentne.

Sljedećih 10 godina vjerojatno će uključivati blisku suradnju između umjetne inteligencije i financijskih stručnjaka, postupno pomičući granicu autonomije kako raste povjerenje. Prve pobjede doći će u automatizaciji niskog rizika (poput generiranja izvješća). Teže će biti ključne prosudbe poput kreditnih odluka ili investicijskih odabira, ali čak i tamo, kako se umjetna inteligencija bude povećavala, tvrtke bi joj mogle dati veću autonomiju. Na primjer, možda će fond umjetne inteligencije voditi ljudski nadzornik koji intervenira samo ako performanse odstupaju ili ako umjetna inteligencija označi nesigurnost.

Ekonomski gledano, McKinsey je procijenio da bi umjetna inteligencija (posebno generacija umjetne inteligencije) mogla dodati oko 200-340 milijardi dolara vrijednosti bankarstvu godišnje i imati slične velike utjecaje na tržišta osiguranja i kapitala ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ) ( Kakva je budućnost generativne umjetne inteligencije? | McKinsey ). To se postiže učinkovitošću i boljim ishodima odlučivanja. Kako bi se ostvarila ta vrijednost, velik dio rutinske financijske analize i komunikacije vjerojatno će se prepustiti sustavima umjetne inteligencije.

Ukratko, do 2035. generativna umjetna inteligencija mogla bi biti poput vojske mlađih analitičara, savjetnika i službenika koji rade u financijskom sektoru, autonomno obavljajući velik dio teškog posla i neke sofisticirane analize. Ljudi će i dalje postavljati ciljeve i baviti se strategijom na visokoj razini, odnosima s klijentima i nadzorom. Financijski svijet, budući oprezan, postupno 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 24 sata dnevno), nižim troškovima i potencijalno većoj objektivnosti (odluke temeljene na obrascima podataka). Ali održavanje povjerenja bit će ključno; jedna velika pogreška umjetne inteligencije u financijama mogla bi uzrokovati ogromnu štetu (zamislite krah izazvan umjetnom inteligencijom ili pogrešno uskraćenu korist tisućama ljudi). Stoga će zaštitne ograde i ljudske provjere vjerojatno i dalje postojati, posebno za radnje okrenute prema potrošačima, čak i dok procesi u pozadini postaju vrlo autonomni.

Izazovi i etička razmatranja

U svim tim područjima, 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 ih trebati riješiti):

Pouzdanost i točnost

Problem halucinacija: Generativni AI modeli mogu proizvesti netočne ili potpuno izmišljene rezultate koji izgledaju samouvjereno. To je posebno opasno kada nitko nije u procesu i ne može uočiti pogreške. Chatbot može dati kupcu pogrešne upute ili izvješće koje je napisala umjetna inteligencija može sadržavati izmišljenu statistiku. Od 2025. godine, organizacije prepoznaju netočnost kao najveći rizik generativne umjetne inteligencije ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ) ( Stanje umjetne inteligencije: 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 sustavi vjerojatno će trebati rigorozna testiranja i možda formalnu provjeru za kritične zadatke (poput generiranja koda koji bi mogao uvesti greške/sigurnosne nedostatke ako je pogrešan).

Dosljednost: Sustavi umjetne inteligencije moraju pouzdano funkcionirati tijekom vremena i u različitim scenarijima. Na primjer, umjetna inteligencija može dobro funkcionirati na standardnim pitanjima, ali se spoticati na rubnim slučajevima. Osiguravanje dosljednih 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 procijenile stope kontinuirane točnosti.

Zaštita od kvarova: Kada je umjetna inteligencija autonomna, ključno je da prepozna vlastitu nesigurnost. Sustav bi trebao biti dizajniran da „zna kada ne zna“. Na primjer, ako liječnik s umjetnom inteligencijom nije siguran u dijagnozu, trebao bi je prijaviti za ljudski pregled, a ne davati nasumičnu pretpostavku. Ugradnja procjene nesigurnosti u izlaze umjetne inteligencije (i postavljanje pragova za automatsko ljudsko prebacivanje) aktivno je područje razvoja.

Pristranost i pravednost

Generativna umjetna inteligencija uči iz povijesnih podataka koji mogu sadržavati pristranosti (rasne, spolne itd.). Autonomna umjetna inteligencija mogla bi održavati ili čak pojačavati te pristranosti:

Prilikom zapošljavanja ili prijema, donositelj odluka o umjetnoj inteligenciji mogao bi nepravedno diskriminirati ako su njegovi podaci o obuci pristrani.
U korisničkoj službi, umjetna inteligencija može drugačije reagirati na korisnike na temelju dijalekta ili drugih čimbenika, osim ako se pažljivo ne provjeri.
U kreativnim područjima, umjetna 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 algoritamske prilagodbe kako bi se osigurala pravednost. Transparentnost je ključna: tvrtke će morati otkriti kriterije odlučivanja o umjetnoj inteligenciji, posebno ako autonomna umjetna inteligencija utječe na nečije mogućnosti ili prava (poput dobivanja kredita ili posla). Regulatori već obraćaju pozornost; npr. Zakon EU o umjetnoj inteligenciji (u izradi od sredine 2020-ih) vjerojatno će zahtijevati procjene pristranosti za visokorizične sustave umjetne inteligencije.

Odgovornost i pravna odgovornost

Kada sustav umjetne inteligencije koji radi autonomno uzrokuje štetu ili napravi pogrešku, tko je odgovoran? Pravni okviri sustižu korak:

Tvrtke koje primjenjuju umjetnu inteligenciju vjerojatno će snositi odgovornost, slično kao što su odgovorne za postupke zaposlenika. Na primjer, ako umjetna inteligencija daje loš financijski savjet koji rezultira gubitkom, tvrtka će možda morati obeštetiti klijenta.
Postoji rasprava o "osobnosti" umjetne inteligencije ili o tome može li napredna umjetna inteligencija biti djelomično odgovorna, ali to je sada više teoretski. Praktično, krivnja 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 moglo bi je pokriti, analogno odgovornosti za proizvod.
Dokumentiranje i bilježenje odluka umjetne inteligencije bit će važni za naknadne analize. Ako nešto pođe po zlu, moramo revidirati tijek odluka umjetne inteligencije kako bismo iz toga učili i dodijelili odgovornost. Regulatori mogu propisati bilježenje autonomnih radnji umjetne inteligencije upravo iz tog razloga.

Transparentnost i objašnjivost

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

Za odbijanje kredita od strane umjetne inteligencije, propisi (kao u SAD-u, ECOA) mogu zahtijevati da se podnositelju zahtjeva navede razlog. Stoga umjetna inteligencija mora navesti čimbenike (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 utemeljenom na umjetnoj inteligenciji) zaslužuju znati kako umjetna inteligencija dolazi do savjeta. Ulažu se napori da se zaključivanje umjetne inteligencije učini sljedivijim, bilo pojednostavljenjem modela ili paralelnim objašnjavajućim modelima.
Transparentnost također znači da korisnici trebaju znati kada imaju posla s umjetnom inteligencijom, a kada s čovjekom. Etičke smjernice (i vjerojatno neki zakoni) naginju prema tome da se zahtijeva otkrivanje ako korisnik razgovara s botom. To sprječava obmanu i omogućuje pristanak korisnika. Neke tvrtke sada eksplicitno označavaju sadržaj napisan umjetnom inteligencijom (poput „Ovaj članak generirala je umjetna inteligencija“) kako bi održale povjerenje.

Privatnost i zaštita podataka

Generativna umjetna inteligencija često treba podatke – uključujući potencijalno osjetljive osobne podatke – za funkcioniranje ili učenje. Autonomne operacije moraju poštivati privatnost:

Agent korisničke službe s umjetnom inteligencijom pristupit će podacima o računu kako bi pomogao korisniku; ti podaci moraju biti zaštićeni i korišteni samo za taj zadatak.
Ako tutori koji koriste umjetnu inteligenciju imaju pristup profilima učenika, postoje zakoni poput FERPA-e (u SAD-u) koji osiguravaju privatnost obrazovnih podataka.
Veliki modeli mogu nenamjerno zapamtiti specifičnosti iz svojih podataka za obuku (npr. ponavljanje adrese osobe viđene tijekom obuke). Tehnike poput diferencijalne privatnosti i anonimizacije podataka u obuci važne su za sprječavanje curenja osobnih podataka u generiranim izlazima.
Propisi poput GDPR-a daju pojedincima prava nad automatiziranim odlukama koje na njih utječu. Ljudi mogu zatražiti ljudski pregled ili odluke koje se ne donose isključivo automatizirano ako značajno utječu na njih. Do 2030. godine ovi bi se propisi mogli razvijati kako umjetna inteligencija postaje sve raširenija, moguće uvodeći prava na objašnjenje ili isključivanje iz obrade podataka putem umjetne inteligencije.

Sigurnost i zlostavljanje

Autonomni AI sustavi mogli bi biti mete hakiranja ili bi se mogli iskoristiti za zlonamjerne radnje:

Generator sadržaja umjetne inteligencije 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 slika GPT-4, 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 otkrivanje deepfakeova).
Ako umjetna inteligencija kontrolira fizičke procese (dronove, automobile, industrijsku kontrolu), ključno je osigurati je od kibernetičkih napada. Hakirani autonomni sustav može uzrokovati štetu u stvarnom svijetu. To znači robusnu enkripciju, sigurnosne mjere i mogućnost ljudskog premošćivanja ili gašenja ako se nešto čini kompromitiranim.
Također postoji zabrinutost da umjetna inteligencija prelazi predviđene granice (scenarij „lažne umjetne inteligencije“). Dok trenutne umjetne inteligencije nemaju agenciju ili namjeru, ako budući autonomni sustavi budu više agentni, potrebna su stroga ograničenja i praćenje kako bi se osiguralo da, recimo, ne izvršavaju neovlaštene transakcije ili krše zakone zbog pogrešno određenog cilja.

Etička upotreba i utjecaj na ljude

Konačno, šira etička razmatranja:

Premještanje radnih mjesta: Ako umjetna inteligencija može obavljati zadatke bez ljudske intervencije, što se događa s tim poslovima? Povijesno gledano, tehnologija automatizira neke poslove, ali stvara druge. Prijelaz može biti bolan za radnike čije su vještine u zadacima koji postaju automatizirani. Društvo će to morati upravljati prekvalifikacijom, obrazovanjem i eventualnim preispitivanjem ekonomske potpore (neki sugeriraju da bi umjetna inteligencija mogla zahtijevati ideje poput univerzalnog osnovnog dohotka ako se veliki dio posla automatizira). Ankete već pokazuju pomiješane osjećaje – jedna je studija otkrila da je trećina radnika zabrinuta zbog toga što umjetna inteligencija zamjenjuje radna mjesta, dok drugi to vide kao uklanjanje napornog rada.
Erozija ljudskih vještina: Ako podučavaju umjetna inteligencija, autopiloti voze, a umjetna inteligencija piše kod, hoće li ljudi izgubiti te vještine? Prekomjerno oslanjanje na umjetnu inteligenciju u najgorem slučaju moglo bi narušiti stručnost; to je nešto čemu će se obrazovni i programi osposobljavanja morati prilagoditi, osiguravajući da ljudi i dalje uče osnove čak i ako umjetna inteligencija pomaže.
Etičko donošenje odluka: Umjetnoj inteligenciji nedostaje ljudska moralna prosudba. U zdravstvu ili pravu, odluke donesene isključivo na temelju podataka mogle bi biti u sukobu sa suosjećanjem 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 informirani o etički nabijenim odlukama.
Inkluzivnost: Osiguravanje široke distribucije prednosti umjetne inteligencije etički je cilj. Ako si samo velike tvrtke mogu priuštiti naprednu umjetnu inteligenciju, manja poduzeća ili siromašnije regije mogle bi zaostati. Napori otvorenog koda i pristupačna rješenja umjetne inteligencije mogu pomoći u demokratizaciji pristupa. Također, sučelja bi trebala biti dizajnirana tako da svatko može koristiti alate umjetne inteligencije (različiti jezici, pristupačnost za osobe s invaliditetom itd.), kako ne bismo stvorili novi digitalni jaz „tko ima pomoćnika umjetne inteligencije, a tko nema“.

Trenutno ublažavanje rizika: S pozitivne strane, kako tvrtke uvode generiranu umjetnu inteligenciju, raste svijest i djelovanje po tim pitanjima. Do kraja 2023. godine gotovo polovica tvrtki koje koriste umjetnu inteligenciju aktivno je radila na ublažavanju rizika poput netočnosti ( Stanje umjetne inteligencije u 2023.: Godina proboja generativne umjetne inteligencije | McKinsey ) ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ), a taj broj raste. Tehnološke tvrtke osnovale su etičke odbore za umjetnu inteligenciju; vlade izrađuju propise. Ključno je uključiti etiku u razvoj umjetne inteligencije od samog početka („Etika po dizajnu“), umjesto da se reagira kasnije.

Zaključno o izazovima: davanje veće autonomije umjetnoj inteligenciji je mač s dvije oštrice. Može donijeti učinkovitost i inovacije, ali zahtijeva visoku ljestvicu odgovornosti. U nadolazećim godinama vjerojatno ćemo vidjeti mješavinu tehnoloških rješenja (za poboljšanje ponašanja umjetne inteligencije), procesnih rješenja (okviri politika i nadzora) i možda nove standarde ili certifikate (sustavi umjetne inteligencije mogli bi se revidirati i certificirati poput motora ili elektronike danas). Uspješno suočavanje s tim izazovima odredit će koliko glatko možemo integrirati autonomnu umjetnu inteligenciju u društvo na način koji povećava ljudsku dobrobit i povjerenje.

Zaključak

Generativna umjetna inteligencija brzo se 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 sustavi umjetne inteligencije već pisati članke, dizajnirati grafiku, kodirati softver, razgovarati s kupcima, sažimati medicinske bilješke, podučavati studente, optimizirati lance opskrbe i izrađivati financijska izvješća. Važno je da u mnogim od ovih zadataka umjetna inteligencija može raditi uz malo ili nimalo ljudske intervencije , posebno za dobro definirane, ponovljive poslove. Tvrtke i pojedinci počinju vjerovati umjetnoj inteligenciji da će te zadatke obavljati autonomno, ostvarujući prednosti u brzini i opsegu.

Gledajući unaprijed u 2035. godinu, nalazimo se na rubu ere u kojoj će umjetna inteligencija biti još sveprisutniji suradnik – često nevidljiva digitalna radna snaga koja se bavi rutinom kako bi se ljudi mogli usredotočiti na iznimno. Očekujemo da će generativna umjetna inteligencija pouzdano voziti automobile i kamione na našim cestama, upravljati zalihama u skladištima preko noći, odgovarati na naša pitanja kao stručni osobni asistenti, pružati individualne upute studentima diljem svijeta, pa čak i pomagati u otkrivanju novih lijekova u medicini – sve uz sve manji izravan nadzor. Granica između alata i agenta će se zamagliti kako se umjetna inteligencija bude pomicala od pasivnog praćenja uputa do proaktivnog generiranja rješenja.

Međutim, putovanje prema 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 stvarnosti: Umjetna inteligencija nije nepogrešiva. Izvrsna je u prepoznavanju uzoraka i generiranju sadržaja, ali joj nedostaje istinsko razumijevanje i zdrav razum u ljudskom smislu. Stoga je zasad ljudski nadzor sigurnosna mreža. Ključno je prepoznavanje gdje je umjetna inteligencija spremna letjeti samostalno (a gdje nije). Mnogi uspjesi danas dolaze iz tima ljudi i umjetne inteligencije , a ovaj hibridni pristup i dalje će biti vrijedan tamo gdje potpuna autonomija još nije razborita.
Obećanje sutrašnjice: S napretkom u arhitekturi modela, tehnikama obuke i mehanizmima nadzora, mogućnosti umjetne inteligencije nastavit će se širiti. Sljedeće desetljeće istraživanja i razvoja moglo bi riješiti mnoge trenutne probleme (smanjenje halucinacija, poboljšanje interpretabilnosti, usklađivanje umjetne inteligencije s ljudskim vrijednostima). Ako je tako, sustavi umjetne inteligencije do 2035. mogli bi biti dovoljno robusni da im se povjeri daleko veća autonomija. Projekcije u ovom radu - od učitelja umjetne inteligencije do uglavnom samostalno vođenih tvrtki - mogle bi biti naša stvarnost ili čak nadmašiti inovacije koje je danas teško zamisliti.
Ljudska uloga i prilagodba: Umjesto da umjetna inteligencija u potpunosti zamijeni ljude, predviđamo da će se uloge razvijati. Stručnjaci u svim područjima vjerojatno će morati postati vješti u radu s umjetnom inteligencijom – vođenju, provjeravanju i fokusiranju na aspekte rada koji zahtijevaju izrazito ljudske snage poput empatije, strateškog razmišljanja i rješavanja složenih problema. Obrazovanje i osposobljavanje radne snage trebali bi se usmjeriti kako bi naglasili ove jedinstveno ljudske vještine, kao i pismenost svih u području umjetne inteligencije. Donositelji politika i poslovni lideri trebali bi planirati prijelaze na tržištu rada i osigurati sustave podrške za one koji su pogođeni automatizacijom.
Etika i upravljanje: Možda najvažnije, okvir etičkog korištenja i upravljanja umjetnom inteligencijom mora poduprijeti ovaj tehnološki rast. Povjerenje je valuta usvajanja – ljudi će dopustiti umjetnoj inteligenciji da vozi automobil ili pomaže u operacijama samo ako vjeruju da je sigurna. Izgradnja tog povjerenja uključuje rigorozna testiranja, transparentnost, angažman dionika (npr. uključivanje liječnika u dizajniranje medicinskih umjetne inteligencije, učitelja u alate za obrazovanje o umjetnoj inteligenciji) i odgovarajuću regulaciju. Međunarodna suradnja može biti potrebna 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 informirani kako bi vodili umjetnu inteligenciju. Dugoročno, to znači kodiranje humanističkih vrijednosti u srž sustava 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
Pisanje i sadržaj	- Rutinske vijesti (sport, zarada) automatski generirane. - Recenzije proizvoda sažete umjetnom inteligencijom. - 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 točnošću činjenica. - Umjetna inteligencija izrađuje cjelovite članke i priopćenja za medije uz minimalan nadzor. - Visoko personalizirani sadržaj generiran na zahtjev.
Vizualne umjetnosti i dizajn	- AI generira slike iz upita (čovjek odabire najbolje). - Konceptualna umjetnost i varijacije dizajna kreirane autonomno.	- AI proizvodi potpune video/filmske scene i složenu grafiku. - Generativni dizajn proizvoda/arhitekture koji zadovoljavaju specifikacije. - Personalizirani mediji (slike, video) kreirani na zahtjev.
Kodiranje softvera	- AI automatski dovršava kod i piše jednostavne funkcije (pregledali su programeri). - Automatizirano generiranje testova i prijedlozi za pogreške. ( Kodiranje na Copilotu: Podaci iz 2023. ukazuju na pritisak na kvalitetu koda (uklj. projekcije za 2024.) - GitClear ) ( GitHub Copilot na vrhu istraživačkog izvješća o AI asistentima za kod -- Visual Studio Magazine )	- AI pouzdano implementira cijele značajke iz specifikacija. - Autonomno ispravljanje pogrešaka i održavanje koda za poznate obrasce. - Izrada aplikacija s malo koda i malo ljudskog doprinosa.
Služba za korisnike	- Chatbotovi odgovaraju na često postavljana pitanja, rješavaju jednostavne probleme (prepuštaju složene slučajeve). - Umjetna inteligencija obrađuje ~70% rutinskih upita na nekim kanalima. ( 59 statistika korisničke službe za umjetnu inteligenciju za 2025. ) ( Do 2030. 69% odluka tijekom interakcija s kupcima bit će... )	- Umjetna inteligencija obrađuje većinu interakcija s kupcima od početka do kraja, uključujući složene upite. - Donošenje odluka u stvarnom vremenu pomoću umjetne inteligencije za ustupke usluga (povrat novca, nadogradnje). - Ljudski agenti samo za eskalacije ili posebne slučajeve.
Zdravstvo	- Umjetna inteligencija izrađuje medicinske bilješke; predlaže dijagnoze koje liječnici provjeravaju. - Umjetna inteligencija čita neke snimke (radiologiju) uz nadzor; trijažira jednostavne slučajeve. ( Umjetna inteligencija proizvodi za medicinsko snimanje mogli bi se upeterostručiti do 2035. )	- Umjetna inteligencija pouzdano dijagnosticira uobičajene bolesti i interpretira većinu medicinskih slika. - Umjetna inteligencija prati pacijente i pokreće njegu (npr. podsjetnike na lijekove, upozorenja u hitnim slučajevima). - Virtualne "medicinske sestre" s umjetnom inteligencijom obavljaju rutinsko praćenje; liječnici se usredotočuju na složenu njegu.
Obrazovanje	- Instruktori s umjetnom inteligencijom odgovaraju na pitanja učenika, generiraju vježbene probleme (nastavnik prati). - Umjetna inteligencija pomaže u ocjenjivanju (uz nastavnički pregled). ([Generativna umjetna inteligencija za obrazovanje od vrtića do 12. razreda]	Istraživačko izvješće tvrtke Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logistika	- Umjetna inteligencija optimizira rute dostave i pakiranje (ljudi postavljaju ciljeve). - Umjetna inteligencija označava rizike u lancu opskrbe i predlaže mjere ublažavanja. ( Najbolji generativni slučajevi upotrebe umjetne inteligencije u logistici )	- Uglavnom autonomne dostave (kamioni, dronovi) pod nadzorom AI kontrolera. - AI autonomno preusmjerava pošiljke oko poremećaja i prilagođava zalihe. - Koordinacija lanca opskrbe od početka do kraja (naručivanje, distribucija) kojom upravlja AI.
Financije	- Umjetna inteligencija generira financijska izvješća/sažetke vijesti (pregledane od strane ljudi). - Robo-savjetnici upravljaju jednostavnim portfeljima; AI chat obrađuje upite kupaca. ( Generativna umjetna inteligencija dolazi u financije )	- Analitičari umjetne inteligencije izrađuju investicijske preporuke i izvješća o rizicima s visokom točnošću. - Autonomno trgovanje i rebalansiranje portfelja unutar postavljenih ograničenja. - Umjetna inteligencija automatski odobrava standardne kredite/potraživanja; ljudi obrađuju iznimke.

Reference:

Patterson, Philana. Automatizirane priče o zaradi se množe . The Associated Press (2015.) – Opisuje AP-ovo automatizirano generiranje tisuća izvješća o zaradi bez ljudskog pisca ( Automatizirane priče o zaradi se množe | The Associated Press ).
McKinsey & Company. Stanje umjetne inteligencije početkom 2024.: Prihvaćanje generacije umjetne inteligencije naglo raste i počinje generirati vrijednost . (2024.) – Izvještava se da 65% organizacija redovito koristi generativnu umjetnu inteligenciju, što je gotovo dvostruko više nego 2023. ( Stanje umjetne inteligencije početkom 2024. | McKinsey ), te se raspravlja o naporima za ublažavanje rizika ( Stanje umjetne inteligencije: Globalno istraživanje | McKinsey ).
Gartner. Više od ChatGPT-a: Budućnost generativne umjetne inteligencije za poduzeća . (2023.) – Predviđa da bi do 2030. 90% filmskih hitova moglo biti generirano umjetnom inteligencijom ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i poduzeća ) i ističe generativne slučajeve upotrebe umjetne inteligencije poput dizajna lijekova ( Generativni slučajevi upotrebe umjetne inteligencije za industrije i poduzeća ).
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 ).
Vijesti s Amazon.com. 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 ).
Zendesk. 59 Statistika korisničke službe s umjetnom inteligencijom za 2025. (2023.) – Pokazuje da više od dvije trećine CX organizacija smatra da će generativna umjetna inteligencija dodati „toplinu“ usluzi ( 59 Statistika korisničke službe s umjetnom inteligencijom za 2025. ) i predviđa umjetnu inteligenciju u 100% interakcija s kupcima na kraju ( 59 Statistika korisničke službe s umjetnom inteligencijom za 2025. ).
Futurum Research & SAS. Iskustvo 2030: Budućnost korisničkog iskustva . (2019.) – Istraživanje je pokazalo da brendovi očekuju da će ~69% odluka tijekom interakcije s kupcima donijeti pametni strojevi do 2030. ( Kako bi ponovno osmislili prelazak na korisničko iskustvo, marketinški stručnjaci moraju učiniti ove 2 stvari ).
Dataiku. Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici . (2023.) – Opisuje kako GenAI optimizira utovar (smanjenje ~30% praznog prostora u kamionima) ( Najbolji slučajevi upotrebe generativne umjetne inteligencije u logistici ) i označava rizike u lancu opskrbe skeniranjem vijesti.
Časopis Visual Studio. GitHub Copilot na vrhu istraživačkog izvješća o AI asistentima za kod . (2024.) – Gartnerove pretpostavke strateškog planiranja: do 2028. 90% razvojnih programera u poduzećima koristit će AI asistente za kod (u odnosu na 14% u 2024.) ( GitHub Copilot na vrhu istraživačkog izvješća o AI asistentima za kod -- Časopis Visual Studio ).
Bloomberg News. Predstavljamo BloombergGPT . (2023.) – Detaljno opisuje Bloombergov model od 50 milijardi parametara usmjeren na financijske zadatke, ugrađen u Terminal za pitanja i odgovore te podršku za analizu ( Generativna umjetna inteligencija dolazi u financije ).

Članci koje biste možda željeli pročitati nakon ovog:

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

🔗 Može li umjetna inteligencija predvidjeti burzu?
Dubinska analiza mogućnosti, ograničenja i etička razmatranja korištenja umjetne inteligencije za predviđanje kretanja na burzi.

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

Natrag na blog

Zemlja/regija