Вештачка интелигенција | Проширена интелигенција: Зашто машине не замењују људе, већ их оснажују

Заборавите класичну вештачку интелигенцију: Зашто „проширена интелигенција“ мења свет рада и шта се заиста дешава

Годинама је страх од замене машина доминирао дискурсом о вештачкој интелигенцији. Када ће нам машине преузети послове? Али ова нарација је превише поједностављена и структурно мањкава. Уместо да потисне људе, много зрелији концепт све више долази у фокус у пословању, науци и регулативи: проширена интелигенција. Она не циља на потпуну аутоматизацију, већ на симбиозу у којој људи постају моћнији. Машина анализира огромне количине података за неколико секунди, препознаје обрасце и даје прецизне препоруке – али кључна процена, етичка разматрања и последња реч увек остају на људима. Било да је у медицини, правосудном систему или индустрији: они који вештачку интелигенцију виде само као средство за смањење броја радних места превиђају њен прави економски потенцијал и ризикују опасно технолошко сагоревање међу својом радном снагом. Сазнајте зашто је обећани бум ефикасности на макроекономском нивоу још увек у току, како Европски закон о вештачкој интелигенцији легално ставља људе у центар и зашто будућност рада није вештачка, већ хибридна.

Када вештачка интелигенција није конкурент већ катализатор — крај опасне нарације

Шта термин значи — а шта намерно не значи

Годинама је јавна дебата о вештачкој интелигенцији доминирана једним питањем: Када ће машине преузети људске послове? Ово питање није само редуктивно, већ је и фундаментално погрешно. Оно функционише на бинарној логици – или човек или машина – и превиђа концептуално зрелији модел на који се наука, бизнис и регулација све више фокусирају: модел проширене интелигенције.

Проширена интелигенција — често називана „проширеном интелигенцијом“ на немачком — описује интеракцију између људске и вештачке интелигенције, комбинујући снаге оба облика без да један замењује други. Кључна разлика у односу на конвенционалну вештачку интелигенцију није у техничкој архитектури нити у рачунарској снази, већ у концепту ауторитета за доношење одлука: Са проширеном интелигенцијом, одговорност за одлуке увек остаје на људима. Машина анализира, препознаје обрасце и даје препоруке — али не доноси судове.

Америчка компанија за истраживање тржишта Гартнер експлицитно је дефинисала проширену интелигенцију као комбинацију људске и вештачке интелигенције која има за циљ да побољша, а не да замени људски потенцијал. Ова дефиниција није само академски релевантна; ​​она одражава стратешки помак са далекосежним последицама за предузећа, креаторе политике и појединце.

Два концепта, једна фундаментална линија раздвајања

Да бисмо у потпуности схватили значај проширене интелигенције, вреди пажљиво погледати њену концептуалну разлику од класичне вештачке интелигенције. Оба концепта се заснивају на машинском учењу, неуронским мрежама и великим скуповима података – али се њихови циљеви фундаментално разликују.

Вештачка интелигенција у свом најчистијем облику усмерена је ка потпуној аутоматизацији: Машина самостално преузима дефинисану област одговорности без људске интервенције. Ово је разумно и ефикасно за понављајуће, јасно дефинисане задатке великог обима - на пример, у индустријској контроли квалитета, аутоматизованој обради података или откривању превара у банкарству. Проширена интелигенција, с друге стране, концептуално је скромнија и истовремено захтевнија: она долази до изражаја тамо где су људско расуђивање, осетљивост на контекст, емпатија или етичка разматрања незаменљиви.

Разлика се може сумирати у сажетој формули: Вештачка интелигенција пита шта машина може да уради. Проширена интелигенција пита шта човек може боље да уради уз машинску подршку. Доносилац одлука се не мења - он постаје моћнији. Ова промена перспективе има далекосежне последице по дизајн, имплементацију и управљање системима вештачке интелигенције.

Историјски неспоразум — и зашто он и даље постоји

Апокалиптичне наративе о уништавању радних места кроз вештачку интелигенцију имају дугу традицију. Још у доба индустријализације, лудитски покрет се мобилисао против механизованих разбоја, за које су веровали да ће учинити ручне раднике сувишним. Заиста, сваки дубоки талас технологије променио је профиле послова – али ниједан није потпуно елиминисао рад; уместо тога, увек су стварали нова поља деловања.

Тренутна истраживања приказују нијансиранију слику него што јавни дискурс сугерише. Анализа заснована на лонгитудиналним подацима о односу послодаваца и запослених из Скандинавије и Португала показује да компаније са већом изложеношћу вештачкој интелигенцији не доживљавају пад укупне запослености, већ прелазак на висококвалификоване улоге. Компаније преусмеравају своју радну снагу ка аналитичким и концептуалним улогама, док се понављајући административни задаци смањују. Често помињани широко распрострањени губици радних места још увек нису емпиријски поткрепљени.

Немачки економски институт (IW) долази до сличног закључка: вештачка интелигенција ће заиста заменити радна места, али ће створити скоро исти број нових, тако да нето запосленост остаје практично стабилна — али ће се природа посла дубоко променити. Ово је кључна тачка: Није у питању обим запослености, већ њен квалитет, потребне вештине и низ компетенција које запослени морају да поседују.

Како ова интеракција изгледа у пракси — секторска перспектива

Медицина: Лекар има последњу реч

Медицина је можда најилустративнија област за проширену интелигенцију јер су последице погрешних одлука најнепосредније видљиве. Системи подржани вештачком интелигенцијом већ постижу изванредне резултате у радиологији: анализирају стотине хиљада појединачних слика са МРИ скенирања, препознају статистичке обрасце и израчунавају вероватноће за одређене болести – задатак који људски радиолози једноставно не могу да обаве овом брзином и доследношћу. Ипак, дијагноза, терапијска одлука и комуникација са пацијентом остају одговорност лекара.

У својој публикацији о вештачкој интелигенцији у здравству, Немачко лекарско удружење (Bundesärztekammer) је експлицитно нагласило да је вештачка интелигенција вредна када подржава лекаре у доношењу бољих одлука, а не када их замењује. У онкологији, алгоритми помажу у идентификацији тумора са високом прецизношћу коришћењем техника снимања, омогућавајући брже почетне дијагнозе које се затим потврђују кроз клиничку процену и интервјуе са пацијентима. Рана дијагноза неуролошких болести попут Алцхајмерове или Паркинсонове болести је још једно подручје примене где системи вештачке интелигенције, на основу података магнетне резонанце, могу да открију ране промене које би људско око тек касније опажало, међутим, одлука о лечењу остаје одговорност медицинског стручњака.

Закон и усклађеност: Машина као почетни рецензент, човек као судија

У правној области, системи вештачке интелигенције сада прегледају десетине хиљада уговорних докумената за неколико минута због правних ризика, недоследности и потенцијално неповољних клаузула. Оно што је раније захтевало стотине сати правног саветовања, машина постиже за делиће времена — али не разуме шта чита у смислу контекста, намере и друштвене вредности. Адвокат остаје тумач, преговарач и етички одговорна страна. Систем вештачке интелигенције је његов веома ефикасан почетни прегледач.

Индустрија и интралогистика: Интелигентна помоћ за сложене системе

Проширена интелигенција такође добија на значају у индустријској производњи и интралогистици. Предиктивни системи одржавања анализирају податке сензора са машина и предвиђају кварове пре него што се догоде — али техничар за одржавање одлучује када и како да интервенише, на основу оперативног знања које није у потпуности обухваћено ниједном базом података. Роботи за складиштење и прикупљање оптимизују руте и искоришћење капацитета, али изузетне ситуације, преговори са купцима и стратешка прилагођавања асортимана остају у људским рукама.

Парадокс продуктивности — зашто се обећани бум ефикасности није остварио

Свако ко прати економску дебату о вештачкој интелигенцији неизбежно се сусреће са непријатним запажањем: инвестиције у инфраструктуру и софтвер вештачке интелигенције попеле су се на историјски ниво последњих година, али резултирајући пораст укупне економске продуктивности једва је видљив у макроекономским подацима. Крајем фебруара 2026. године, Голдман Сакс је дошао до отрежњујућег закључка да милијарде долара потрошене на вештачку интелигенцију у 2025. години нису допринеле „практично нула“ расту САД са становишта продуктивности. Док је сама потрошња деловала као економски стимуланс – вођена изградњом капацитета – обећани добици ефикасности у целој економији остали су невидљиви у подацима.

Ово запажање запањујуће подсећа на „парадокс продуктивности“ компјутерске револуције, који је формулисао економиста Роберт Солов крајем 1980-их: Рачунари су свуда – осим у статистици продуктивности. Тада је било потребно отприлике две деценије да ширење компјутерске технологије у токове рада, управљачке праксе и организационе структуре довољно напредује да би постало мерљиво у макроекономском смислу. Нешто слично ће вероватно важити и за вештачку интелигенцију.

Међутим, на нивоу компаније, појављује се нијансиранија слика. Студија IBM-а из јесени 2025. године, заснована на анкетама спроведеним међу 3.500 руководилаца у десет земаља, открила је да две трећине компанија у Немачкој већ доживљавају значајно повећање продуктивности захваљујући употреби вештачке интелигенције. Око једне од пет компанија је већ остварило своје циљеве поврата инвестиције кроз иницијативе вођене вештачком интелигенцијом. Студија компаније Deloitte „Стање GenAI у предузећу“, објављена почетком 2025. године, показује да три четвртине анкетираних компанија широм света извештавају да њихова најсофистициранија GenAI решења не само да испуњавају већ и превазилазе очекивања поврата инвестиције. Студија компаније SAP истиче овај тренд: вештачка интелигенција би могла повећати повраћај инвестиције до 31 одсто до 2027. године, при чему 79 одсто компанија очекује да ће постићи позитиван повраћај инвестиције у року од три године.

Напетост између стагнирајуће макропродуктивности и растућих микро успеха може се објаснити једноставном, али значајном чињеницом: компаније купују алате за вештачку интелигенцију, али их још увек нису довољно дубоко интегрисале у своје токове рада, вештине и организационе структуре да би приметно повећале продуктивност по радном сату. Ово није неуспех технологије – то је недостатак у имплементацији. И то директно указује на суштину концепта проширене интелигенције: Без људског елемента који би смислено интегрисао, користио, преиспитивао и даље развијао технологију, вештачка интелигенција остаје скуп алат без утицаја.

Људска супериорност — оно што машине структурно не могу да ураде

Најинтелектуално најискренија дискусија о проширеној интелигенцији не може се обавити без пажљиве анализе онога што структурно разликује људску интелигенцију и онога што машинско учење још није успело да реплицира. Ова тачка се често прерано разматра у јавном дискурсу јер извештаји о системима вештачке интелигенције који побеђују на тестовима и надмашују људске перформансе у одређеним бенчмарковима редовно доминирају насловима.

Емпатија, како је симулира вештачка интелигенција, није исто што и емпатија какву људи доживљавају и комуницирају. Студије које показују да ChatGPT реагује емпатичније од људи на објаве на Reddit-у о личним проблемима заправо мере способност машине да имитира понашање слично машини у стандардизованим текстуалним контекстима – а не дубину људске везе која произилази из личне историје, физичког присуства и заједничке рањивости. Оквир је мањкав, а не исход.

Креативност је још једно подручје где системи вештачке интелигенције дају импресивне резултате — али колаборативна креативност, која настаје из трења између људи са различитим искуствима, перспективама и емоционалним контекстима, је квалитативно другачија. Захтев да тимови генеришу идеје појединачно у експериментима смањује утицај тимског рада, који је кључан за иновације — и структурно фаворизује машину, која се не умара, не осећа нелагодност и не преузима друштвене ризике.

МекКинзијева студија из децембра 2025. године бележи да се више од 70 процената данашњих важних људских вештина користи и у аутоматизованим и у неаутоматизованим задацима – њихова релевантност остаје, само се њихова примена мења. Потражња за „течношћу вештачке интелигенције“ – способношћу ефикасног рада са системима вештачке интелигенције – повећала се седам пута у огласима за посао у САД за само две године, брже него за било коју другу вештину. Ово није знак да се људи замењују, већ промена у захтевима који се пред њих постављају.

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Управљана AI платформа

Парадокс сагоревања - када ефикасност води до исцрпљености

Проширена интелигенција није сигурна ствар. Истраживања све више пружају доказе о кључној напетости: оно што изгледа као повећање ефикасности на макроекономском нивоу може довести до преоптерећења на индивидуалном нивоу. Такозвани принцип „човек у петљи“ – то јест, стално људско праћење и накнадна обрада садржаја генерисаног вештачком интелигенцијом – троши очекиване уштеде времена у многим компанијама.

Извештај Института за развој менаџмента (IMD) из почетка 2026. године приказује алармантну слику: Док 96% руководилаца очекује повећање продуктивности од вештачке интелигенције, стварност за запослене је сасвим другачија: 77% пријављује повећано оптерећење, а 71% симптоме прегоревања. Парадокс је следећи: Што више вештачка интелигенција постиже, то се од људи захтева више надзорног посла, који не могу и не би требало слепо да прихвате овај учинак.

Студија IW из јануара 2025. године потврђује да, док 45% запослених који већ неко време раде са апликацијама вештачке интелигенције примећује повећање свог радног учинка, око 15% корисника вештачке интелигенције са новоуведеним апликацијама верује да је њихов радни учинак имао тенденцију смањења. Време имплементације је кључно: чини се да је неопходна одређена фаза обуке и адаптације пре него што се вештачка интелигенција може ефикасно користити. Закључак је очигледан: проширена интелигенција повећава продуктивност само ако се пажљиво размотри дизајн интеракције човек-машина.

Хибридна интелигенција — организациони концепт будућности

Паралелно са концептом проширене интелигенције, у науци о менаџменту развио се концепт хибридне интелигенције, која ставља већи нагласак на организациону димензију. Хибридна интелигенција настаје из преплитања људске и вештачке интелигенције, при чему хибридни актери – то јест, склопови људи и вештачке интелигенције – фундаментално мењају логику поделе рада, компетенција и процеса доношења одлука.

Професорка Емили Лохнер и професор Стефан Кајзер са Универзитета Бундесвер, пишући у часопису „Journal for Organization“ (2025), истраживали су импликације ове симбиозе човека и машине на организациону културу, развој кадрова и праксу лидерства. Хибридни актери не само да мењају оно што се производи, већ и начин на који се доносе одлуке, како се додељује одговорност и како се лидерство редефинише када неки когнитивни рад преузму системи који нити захтевају плату нити се разбољевају, али такође не могу да преузму моралну одговорност.

Ово питање додељивања одговорности није филозофска вежба, већ практични правни изазов који ће интензивно окупирати компаније, судове и регулаторе у наредним годинама. Ако вештачка интелигенција да погрешну препоруку за медицинску дијагнозу, а лекар је следи, ко је одговоран? Концепт проширене интелигенције даје јасан одговор: Људи одлучују, људи сносе одговорност.

Регулаторни оквир — Закон ЕУ о вештачкој интелигенцији као структурна снага

Законом ЕУ о вештачкој интелигенцији, Европа је створила први свеобухватни регулаторни оквир за вештачку интелигенцију на свету. Закон је ступио на снагу 1. августа 2024. године, а од 2. августа 2025. године на снази су кључне обавезе, укључујући правила GPAI, структуре управљања и оквир санкција са казнама до 35 милиона евра или седам процената глобалног годишњег прихода.

Закон о вештачкој интелигенцији експлицитно кодификује принцип људске контроле и надзора над системима вештачке интелигенције у областима високог ризика, чиме се структурно учвршћује основни концепт проширене интелигенције у европском праву. За системе вештачке интелигенције у осетљивим областима као што су медицина, финансије, спровођење закона или образовање, то значи да морају гарантовати обавезну процену ризика, потпуну документацију и људски надзор. Овај законски захтев одражава концептуално срж проширене интелигенције: машина може да препоручује, анализира и оптимизује, али процена и доношење одлука морају остати код људи.

Пуна примена Закона о вештачкој интелигенцији заказана је за 2. август 2026. године. Ово ставља европске компаније под значајан притисак у погледу имплементације и, истовремено, конструктиван услов: они који желе да користе вештачку интелигенцију на законски усклађен начин морају је дизајнирати према принципу проширене интелигенције. Регулаторни оквир и концептуални модел стога нису супротстављене силе, већ међусобно појачавајуће императиве.

Вештине у транзицији — шта људи треба да науче за еру вештачке интелигенције

Концептуална потражња за проширеном интелигенцијом поставља конкретне захтеве на развој вештина запослених, као и на образовне системе и компаније. Студија компаније McKinsey из децембра 2025. године процењује да би до 2030. године вештачка интелигенција, роботика и аутоматизација могле да створе око 2,9 билиона долара економске вредности у САД - али само ако компаније прилагоде своје процесе у складу са тим и инвестирају у даљу обуку својих запослених.

Страх од недостатка вештина је реалнији од страха од масовне незапослености. Стручњаци процењују да ће око 83 милиона радних места нестати широм света до 2027. године, док ће бити створено приближно 69 милиона нових. Прави проблем није у броју изгубљених радних места, већ у нескладу између тренутних људских вештина и захтева нових технологија. Они чије су вештине обезвређене вештачком интелигенцијом често немају вештине за нове улоге.

Дебата око „дескилинга“ – постепеног губитка компетенција због прекомерног ослањања на вештачку интелигенцију – посебно је вредна пажње у овом контексту. Ако људи задрже ауторитет доношења одлука у моделу проширене интелигенције, морају такође одржати интелектуалну дубину неопходну за доношење тих одлука. Аналитичар који препушта сву анализу података вештачкој интелигенцији без разумевања методологије не може критички проценити резултате – и стога концепт људске контроле губи своју суштину. „Учење како учити“ – способност брзог, индивидуалног и континуираног прилагођавања сопствених вештина – постаје кључна компетенција у доба вештачке интелигенције.

Поверење као економски ресурс — зашто је транспарентност важнија од ефикасности

Често потцењени аспект проширене интелигенције је њена економска димензија која превазилази метрику продуктивности: изградња поверења. У економији у којој се системи вештачке интелигенције све више интегришу у осетљиве процесе доношења одлука – од кредитирања до медицинске дијагнозе – поверење није мека категорија, већ чврст предуслов за прихватање, скалирање и друштвени легитимитет.

Извештај компаније Deloitte „Немачка у парадоксу вештачке интелигенције“ из марта 2026. године показује да се, упркос интензивној употреби вештачке интелигенције, ретко постиже стратешка додата вредност – структурни проблем који није техничке, већ организационе и културне природе. Компаније које користе вештачку интелигенцију као црну кутију, без објашњења запосленима како се генеришу препоруке, улажу у неповерење. Проширена интелигенција захтева супротно: транспарентност у вези са логиком вештачке интелигенције, објашњивост препорука и људске контролне тачке у процесу доношења одлука.

Према студији компаније SAP, две трећине компанија у Немачкој кажу да још увек нису сигурне да ли вештачка интелигенција у потпуности остварује свој потенцијал. Ова несигурност није знак технолошког неуспеха – то је знак недовољне интеграције у људске радне рутине и управљачке структуре. Вредност проширене интелигенције ће се открити само када људско расуђивање не буде замењено машинском анализом, већ када се буде стално унапређивало.

Економска логика проширених људи

Дугорочна економска логика јасно фаворизује модел проширене интелигенције. Потпуна аутоматизација је ефикасна за јасно дефинисане, стабилне задатке — али економијом будућности доминираће сложени, динамични и друштвено укорењени изазови који захтевају људско расуђивање, етичку осетљивост и контекстуално разумевање. Климатске промене, геополитичка нестабилност, демографске промене — ови системски изазови не могу се решити аутоматизацијом; већ захтевају доносиоце одлука које подржавају, али не и замењују, моћне машине.

МекКинзијева процена економске вредности од 2,9 билиона долара, коју је могуће постићи кроз вештачку интелигенцију и роботику до 2030. године, не треба да се тумачи као претња, већ као област могућности – иако експлицитно условљена улагањем компанија у обуку запослених и неговањем културе сарадње између човека и машине. Ово није само стање – то је стање.

Проширена интелигенција, упркос свој својој концептуалној елеганцији, није технички производ који се може купити и укључити. То је организациони принцип, филозофија дизајна и културни императив. Она захтева лидере који разумеју где се завршава машинска анализа, а почиње људско просуђивање. Она захтева запослене који доводе у питање резултате вештачке интелигенције уместо да им слепо верују. И захтева регулаторе који стварају оквире у којима људски ауторитет за доношење одлука није празна фраза већ постаје жива пракса – утемељена у процесима, ревизијама и корпоративној култури.

Питање није да ли ће машине једног дана бити паметније од људи у одређеним димензијама. Значајније питање је: Које одлуке ми, као друштво, желимо да поверимо машинама, а које не? Проширена интелигенција пружа јасан, економски и етички исправан одговор на ово питање: Важне остају на људима.

Било би ми драго да вам будем лични саветник.

Можете ме контактирати на wolfenstein∂xpert.digital или

Само ме позовите на +49 7348 4088 965 .

ЛинкедИн