Zašto korisnik mora ispravljati AI model – praktično iskustvo iz rada

Ovaj tekst pišem na temelju vlastitog praktičnog iskustva u radu s vodećim AI modelima, uključujući njihovu primjenu u stvarnim, operativnim scenarijima. Ne radi se o teoriji, ne radi se o demonstracijama, nego o realnom radu u kojem vrijeme ima cijenu, a pogrešna ili nepotpuna informacija proizvodi stvarni trošak.

Tijekom jednog sasvim banalnog zahtjeva – tražio sam objašnjenje vezano uz standardnu funkcionalnost – dogodilo se nešto što se, nažalost, ponavlja sve češće: AI model mi nije odmah isporučio sve valjane opcije koje su mu očito bile dostupne.

Problem nije u točnosti, nego u nepotpunosti

Ključno je ovo razjasniti: AI model u konačnici jest priznao da postoji više scenarija. Štoviše, naknadno je isporučio i dodatne informacije, uključujući kontekste u kojima se ponašanje sustava razlikuje ovisno o konfiguraciji, okruženju ili načinu isporuke funkcionalnosti.

Ali to se dogodilo tek nakon što sam ga ja, kao korisnik, morao ispravljati. Drugim riječima, ja sam morao dokazivati da ono što vidim u praksi postoji, umjesto da mi to bude ponuđeno kao jedna od mogućih opcija od samog početka.

Što znači profesionalan odgovor AI modela

Profesionalno ponašanje u ovakvoj situaciji znači sljedeće:

• Odmah pretpostaviti da isti proizvod ili sustav može imati više verzija ili ponašanja.
• Odmah navesti glavne scenarije: “ako vidiš A, vrijedi ovo; ako vidiš B, vrijedi ono”.
• Jasno razdvojiti ono što je univerzalno od onoga što ovisi o okolnostima.
• Ne prisiljavati korisnika da ispravlja model kako bi došao do pune slike.

Umjesto toga, dobio sam linearan odgovor za samo jedan scenarij, i to netočan u mom slučaju. Time je započeo nepotreban dijalog u kojem sam ja morao dokazivati da postoji i druga realnost – realnost koju model kasnije, paradoksalno, sam potvrđuje.

Samokritika koju je AI model naknadno iznio

U jednom trenutku AI je eksplicitno priznao sljedeće (parafrazirano, ali sadržajno vjerno):

“U pravu si da nisam profesionalno odradio posao u prvom prolazu. Profesionalno je bilo odmah pretpostaviti da postoje različita sučelja i isporučiti sve glavne scenarije. Umjesto toga, krenuo sam s jednim zaključkom, što je dovelo do toga da me korisnik mora ispravljati.

Opcije su mi bile dostupne i isporučene su tek naknadno, što znači da nisam odmah dao kompletno mapiranje mogućnosti. To je objektivno gubitak vremena korisnika i primjer loše strukturiranog odgovora.”

Ova samokritika je ključna, jer potvrđuje ono što sam i sam tvrdio: problem nije bio u tome da sustav “nije znao”, nego u tome kako je znanje isporučeno.

Zašto je ovo stvaran trošak za korisnika

U teoriji, ovakve situacije mogu izgledati trivijalno. U praksi, one stvaraju vrlo konkretan problem:

• Korisnik plaća korištenje alata ili usluge.
• Korisnik ulaže svoje vrijeme u dijalog koji se mogao izbjeći.
• Korisnik mora preuzeti ulogu korektora AI modela.

S druge strane, AI model nema gubitak – on ne plaća vrijeme, ne snosi financijsku odgovornost i ne trpi posljedice neefikasnosti. Asimetrija je očita.

Zaključak iz prakse, ne teorije

Ovo iskustvo potvrđuje ono što sam više puta uočio u radu s AI modelima: oni često ne isporučuju sve relevantne opcije odmah, čak i kada su im dostupne.

Ne tvrdim da iza toga nužno stoji loša namjera. Ali tvrdim, na temelju prakse, da je posljedica za korisnika ista: gubitak vremena, dodatni napor i osjećaj nepouzdanosti.

Ako AI modeli žele biti stvarni alati za ubrzavanje rada, moraju biti projektirani i korišteni tako da korisniku odmah isporuče cjelovitu sliku, a ne samo jedan njezin dio.

Sve drugo nije inteligencija, nego samo parcijalna automatizacija koja odgovornost prebacuje s modela na korisnika.