~10 min čitanja | Namijenjeno: direktorima i menadžerima
Detaljnu razradu problema i pojašnjenja možete pročitati na ovom linku: AI modeli imaju ogromno znanje ali slabu primjenu logičkih zaključaka
Uvod: Zašto trebate pročitati ovaj tekst
Vaša tvrtka koristi ili planira koristiti AI alate. To je dobra odluka — AI može značajno ubrzati poslovne procese. Međutim, postoji ozbiljan problem koji većina direktora ne prepoznaje: AI modeli znaju puno, ali ne razumiju kako to znanje primijeniti u vašoj specifičnoj situaciji.
Ovaj tekst vam daje gotove rečenice i poruke koje možete prenijeti svom timu — bez tehničkog žargona, s konkretnim primjerima iz prakse.
DIO 1: Što reći timu — 7 ključnih poruka
Poruka 1: “AI je alat, ne kolega”
Što reći timu:
“Koristite AI kao alat za ubrzavanje posla, ne kao kolegu koji razumije kontekst. AI ne zna našu firmu, naše klijente niti naše probleme — zna samo obrasce iz teksta koji je čitao.”
Zašto:
AI model generira odgovore na temelju statističke vjerojatnosti, ne na temelju razumijevanja vaše situacije. Kad AI kaže “preporučujem X”, to znači da je X statistički čest odgovor u sličnim kontekstima — ne nužno ispravan za vaš slučaj.
Primjer iz prakse:
Tvrtka je tražila od AI-a da predloži strategiju ulaska na novo tržište. AI je generirao detaljan plan koji je izgledao profesionalno. Međutim, plan nije uzimao u obzir da tvrtka nema lokalnog partnera na tom tržištu — informaciju koju AI nikad nije pitao, a koja je bila ključna za uspjeh.
Poruka 2: “Provjerite svaki AI prijedlog prije implementacije”
Što reći timu:
“Nikad ne implementirajte AI-generirani prijedlog bez provjere. Čak i ako izgleda savršeno, provjerite: Je li uzimao u obzir naše specifične uvjete? Postoje li informacije koje je propustio? Može li netko s iskustvom potvrditi da je ovo ispravno?”
Zašto:
AI modeli optimiziraju za koherentnost — odgovor koji “zvuči dobro” — ne za točnost. Mogu generirati uvjerljive, ali potpuno netočne prijedloge jer ne razumiju posljedice.
Primjer iz prakse:
Menadžer je prihvatio AI-generirani raspored projekta bez provjere. Raspored je bio tehnički točan, ali nije uzimao u obzir da ključni dobavljač ima rok isporuke od 6 tjedana, ne 2 tjedna kako je AI pretpostavio. Projekt je kasnio mjesec dana.
Poruka 3: “Pitajte AI što nedostaje PRIJE nego što krenete”
Što reći timu:
“Prije nego što date AI-u zadatak, pitajte ga: ‘Koja pitanja trebam postaviti prije nego što krenemo?’ i ‘Koji su potencijalni problemi s ovim pristupom?’ AI neće sam postaviti ta pitanja — vi morate.”
Zašto:
AI modeli ne prakticiraju proaktivno razmišljanje. Neće reći: “Čekaj, nedostaje mi informacija o X.” Umjesto toga, generirat će odgovor na temelju onoga što ima — čak i ako je nepotpuno.
Primjer iz prakse:
Direktor je tražio od AI-a da analizira financijske podatke i predloži optimizaciju troškova. AI je generirao detaljnu analizu. Međutim, kad je direktor pitao “Koje informacije nedostaju za kvalitetniju analizu?”, AI je odgovorio: “Nedostaju podaci o sezonalnosti, regulatornim promjenama i strukturi troškova po odjelima.” Da nije pitao, analiza bi bila nepotpuna.
Poruka 4: “Dijelite velike zadatke na manje dijelove”
Što reći timu:
“Kad koristite AI za složene zadatke, podijelite ih na manje dijelove. Umjesto jednog velikog zahtjeva, napravite 3-5 manjih. Svaki dio provjerite prije nego što prijeđete na sljedeći.”
Zašto:
AI modeli gube fokus kako kontekstni prozor raste. Što je više informacija u kontekstu, to je manja vjerojatnost da će model povezati sve relevantne činjenice. Manji zadatci = fokusiraniji odgovori.
Primjer iz prakse:
Tim je tražio od AI-a da dizajnira kompletnu arhitekturu sustava u jednom zahtjevu. AI je generirao detaljan plan, ali nije uzeo u obzir da postojeća baza podataka nije kompatibilna s predloženim rješenjem. Da su podijelili zadatak na 3 dijela (1. analiza postojećeg sustava, 2. dizajn novih komponenti, 3. integracija), problem bi bio uočen u prvom koraku.
Poruka 5: “Koristite AI za analizu, ne za odluke”
Što reći timu:
“AI je odličan za analizu podataka, generiranje opcija i identificiranje trendova. Ali odluke — osobito one s financijskim, pravnim ili strateškim posljedicama — uvijek donosi čovjek. AI predlaže, vi odlučujete.”
Zašto:
AI model nemaju sposobnost razumijevanja posljedica odluka. Ne mogu predvidjeti kako će tržište reagirati, kako će se klijenti ponašati ili kako će regulatorne promjene utjecati na poslovanje. To zahtijeva ljudsku prosudbu.
Primjer iz prakse:
Tvrtka je koristila AI za optimizaciju cijena. AI je predložio povećanje cijena od 15% na temelju analize potražnje. Međutim, direktor je znao da ključni klijent pregovara o dugoročnom ugovoru i da bi povećanje cijena u ovom trenutku izgubilo ugovor vrijedan 200.000 €. AI nije imao tu informaciju — direktor jest.
Poruka 6: “Redovito provjeravaju li AI odgovori stvarnost”
Što reći timu:
“Napravite naviku: nakon svakog AI-generiranog izvještaja ili prijedloga, provjerite 3 stvari: 1) Je li logički konzistentan? 2) Jesu li uzeti u obzir svi relevantni podaci? 3) Postoje li podaci koji ga demantiraju?”
Zašto:
AI modeli mogu generirati kontradiktorne odgovore u različitim dijelovima istog dokumenta. Mogu “zaboraviti” informacije ranije uvedene u kontekst. Mogu generirati podatke koji ne postoje (tzv. “hallucinacije”).
Primjer iz prakse:
Analitičar je koristio AI za izradu tržišne analize. AI je u uvodu napisao da tržište raste 8% godišnje, a u zaključku da pada 3%. Kontradikcija je prošla nezapažena jer je tekst bio dug i detaljan. Klijent je primijetio grešku — tvrtka je izgubila kredibilitet.
Poruka 7: “Edukacija je investicija, ne trošak”
Što reći timu:
“Uložite vrijeme u edukaciju tima o AI ograničenjima. Ne trebate postati programeri — trebate razumjeti što AI može i ne može. To će vam uštedjeti novac, vrijeme i reputaciju.”
Zašto:
Tvrtke koje ne educiraju zaposlenike o AI ograničenjima riskiraju skupe pogreške. Svaki AI-generirani prijedlog koji prođe bez provjere potencijalna je greška koja može koštati tisuće ili milijune eura.
Primjer iz prakse:
Tvrtka je uvela AI za generiranje ugovora. Pravni tim nije educiran o AI ograničenjima. AI je generirao ugovor s klauzulom koja nije bila u skladu s lokalnim zakonodavstvom. Klauzula je prošla nezapažena jer je “zvučala profesionalno”. Tvrtka je izgublila pravni spor vrijedan 150.000 €.
DIO 2: Pravilo 3 provjere — jednostavan framework za svakodnevni rad
Kad god vaš tim koristi AI, neka prođe kroz 3 provjere:
PROVJERA 1: Kontekst
“Je li AI imao SVE relevantne informacije?” Ako niste sigurni, pitajte AI: “Koje informacije nedostaju za kvalitetan odgovor?”
PROVJERA 2: Logika
“Je li odgovor logički konzistentan?” Provjerite: Jesu li svi dijelovi odgovora međusobno kompatibilni? Postoje li kontradikcije?
PROVJERA 3: Posljedice
“Koje su posljedice ako implementiramo ovaj prijedlog?” Zamislite najgori scenarij. Ako AI nije razmotrio rizike, pitajte: “Koji su potencijalni problemi s ovim pristupom?”
DIO 3: Česta pitanja direktora o AI-u
P1: “Trebamo li uopće koristiti AI ako je toliko nepouzdan?”
Odgovor: Da, ali s očekivanjima. AI je izuzetno koristan za analizu podataka, generiranje sadržaja, automatizaciju rutinskih zadataka i ubrzavanje istraživanja. Nije pouzdan za donošenje strateških odluka, pravne procjene ili financijsko planiranje bez ljudske verifikacije. Ključ je: koristite AI za ono što radi dobro, ne za ono što ne može.
P2: “Kako znam kad mogu vjerovati AI odgovoru?”
Odgovor: Kad je odgovor jednostavan, činjeničan i lako provjerljiv. Na primjer: “Koja je populacija Hrvatske?” ili “Sumiraj ovaj dokument.” Ne vjerujte kad je odgovor složen, zahtijeva kontekst ili ima posljedice. Na primjer: “Koju strategiju da odaberem?” ili “Je li ovaj ugovor ispravan?”
P3: “Koliko trebamo uložiti u edukaciju tima?”
Odgovor: Dovoljno da svaki zaposlenik koji koristi AI razumije osnovna ograničenja. To je 2-3 sata edukacije po osobi — ne trebate certifikate, trebate razumijevanje. Investicija se vraća kroz izbjegavanje jedne velike greške.
P4: “Može li AI zamijeniti ljude u našem timu?”
Odgovor: AI može zamijeniti repetitivne zadatke — unos podataka, generiranje izvještaja, pretraživanje informacija. Ne može zamijeniti kreativno razmišljanje, empatiju, pregovaranje, strateško planiranje i odnose s klijentima. Koristite AI za ubrzavanje rada, ne za zamjenu ljudi.
P5: “Što ako AI napravi grešku koja nas košta novca?”
Odgovor: To je realan rizik. Zato je ključno imati proces verifikacije. Svaki AI-generirani prijedlog koji ima financijske, pravne ili strateške posljedice mora proći ljudsku provjeru. Trošak provjere je minimalan u usporedbi s troškom greške.
P6: “Kako odabrati pravi AI alat za našu firmu?”
Odgovor: Fokusirajte se na specifične probleme, ne na tehnologiju. Pitanje nije “Koji AI alat da koristimo?” nego “Koji problem želimo riješiti?” Kad definirate problem, izbor alata postaje jednostavniji. Testirajte 2-3 opcije na konkretnom zadatku prije nego što se obvežete.
P7: “Kako pratiti AI performanse u firmi?”
Odgovor: Definirajte mjerne pokazatelje prije implementacije: koliko vremena štedi, koliko grešaka proizvodi, koliko košta verifikacija. Mjerite mjesečno. Ako AI troši više vremena na ispravljanje grešaka nego što štedi, prilagodite proces ili smanjite opseg korištenja.
Zaključak
AI je moćan alat — ali je alat, ne čarobni štapić. Tvrtke koje to razumiju i implementiraju odgovarajuće procese verifikacije imat će značajnu konkurentsku prednost. Tvrtke koje slijepo vjeruju AI-u riskiraju skupe pogreške.
Ključna poruka za vaš tim: Koristite AI pametno. Provjeravajte. Pitajte. Educirajte se. I nikad ne zaboravite — vi ste donositelj odluka, AI je alat koji vam pomaže.
Izvori:
• Anthropic (2025.) — Effective context engineering for AI agents
• Apple Research (2025.) — The Illusion of Thinking
• MIT News (2025.) — Researchers discover a shortcoming that makes LLMs less reliable
• ArXiv (2025.) — Why Reasoning Fails to Plan
• McKinsey Global Institute (2025.) — The state of AI in 2025