AI više ne čeka pitanja, počinje da radi posao

Dugo smo se pravili da je ovo i dalje isti alat, samo brži. Postaviš pitanje, dobiješ odgovor, eventualno ga doradiš i ideš dalje. To je bio prećutni dogovor između ljudi i AI-ja posljednje dvije godine: mi mislimo, oni odgovaraju. Samo što se taj dogovor, gotovo neprimjetno, raspao.

Ovo se ne dešava u vakumu. AI industrija je već potrošila narativ “čudesnog asistenta”, a produktivnost više ne raste od samog povećanja kontekst prozora. Sljedeći korak nije bio veći model, nego promjena uloge. I baš zato su tri odvojene objave, iz tri različite kompanije, važne zajedno jer govore istu stvar, samo drugim riječima.

Šta se zapravo desilo

Prvo, OpenAI je predstavio Prism alat koji ugrađuje GPT-5.2 direktno u radni dokument. Ne pored dokumenta, ne u drugom tabu, nego unutra. Model vidi cijeli naučni rad: strukturu, formule, reference, grafikone. Ne pitaš ga “šta misliš”, nego on već zna šta si do sada radio.

Može da povuče relevantne radove sa arXiv, da pretvori skice sa table u LaTeX dijagrame i da provjerava matematiku u kontekstu ostatka rada. Kevin Weil je to sažeo bez puno poezije: 2026. će za nauku biti ono što je 2025. bila za softversko inženjerstvo. Drugim riječima: “Claude Code”, ali za istraživanje.

Zatim, Google je riješio problem za koji većina korisnika nije ni znala da postoji. Klasični vizuelni modeli vide sliku jednom. Ako propuste detalj, nagađaju. Novi agentički pristup u Gemini uvodi petlju “Think, Act, Observe”: model planira kako da pregleda sliku, piše kod da zumira ili označi dijelove, pa zatim ponovo analizira izmijenjeni vizuelni kontekst. Rezultat je skromnih 5–10% na benchmark testovima, ali u praksi znači manje “pogađanja” i više provjeravanja.

Treći primjer dolazi od Moonshot AI i njihovog Kimi K2.5 modela. Tu više nema iluzije jednog asistenta. “Agent Swarm” raspodjeljuje kompleksan zadatak na tim specijalizovanih agenata koji rade paralelno i spajaju rezultate. Demo sa adaptacijom “The Gift of the Magi” u desetominutni film sa desetinama konzistentnih scena zvuči kao trik, ali je zapravo demonstracija koordinacije, ne kreativnosti.

Zašto je ovo uopšte bitno

Zajednički nazivnik nije snaga modela, nego inicijativa. Ovi sistemi više ne čekaju da im precizno objasniš šta želiš. Oni sami odlučuju šta treba istražiti, koje alate koristiti i kako provjeriti rezultat. To je suptilna, ali ključna promjena.

Dosadašnji “prompt engineering” je bio pokušaj da se čovjek prilagodi mašini. Novi alati idu obrnutim putem: mašina se prilagođava procesu rada. To znači da AI ulazi tamo gdje je prije bio isključen u sredinu projekta, u haos radne verzije, u nedovršene misli.

Šta se previđa u javnoj priči

U hype-u oko autonomije često se prećuti cijena. Ovakvi sistemi troše više resursa, prave više koraka i teže ih je objasniti kada pogriješe. “AI koji sam provjerava sebe” zvuči umirujuće, ali u praksi samo pomjera granicu povjerenja, ne uklanja potrebu za ljudskom kontrolom.

Takođe, etička pitanja od scraping-a do kloniranja interfejsa guraju se pod tepih uz cinizam “svi to rade”. To je možda tačno, ali nije bez posljedica.

Šira slika

Ako se ovo posmatra kao trend, a ne kao niz demo-a, postaje jasno da se industrija pomjera sa alata ka saradnicima. Ne zato što su modeli “pametniji”, nego zato što su dublje integrisani u tok rada. Moć se pomjera sa onoga ko postavlja najbolja pitanja na onoga ko definiše proces.

Možda najveća promjena nije u tome šta AI može da uradi, nego u tome što više ne pita da li smije. A kad alat prestane da čeka instrukcije, pitanje više nije kako ga koristiti nego kako s njim dijeliti odgovornost.