Заблуде о вештачкој интелигенцији у корпоративним документима

Састанак је био заказан за пола четири. У четири и петнаест још нисмо стигли до техничког дела разговора, зато што ми је директор објашњавао нешто што је очигледно већ више пута објаснио неком другом, а вероватно најчешће самом себи.

У фирми ради две стотине педесет људи, а само један правник. Његово преподне изгледа овако: отвори пошту и затекне четрнаест мејлова о годишњим одморима, од којих се дванаест своди на исто питање постављено на дванаест начина. Одговори на осам, јер га коде деветог мејла прекине телефонски позив. Поподне се врати на уговор који је требало да прегледа до петка, прочита две стране и телефон зазвони поново. Нови запослени у фирми, први му је дан на послу, и потпуно оправдано питање о томе када стиже прва плата.

„Није то тежак посао“, рекао је директор. „То су иста питања. Педесет пута иста питања. Он одговоре зна напамет. Само нема кад да их откуца.“

Онда је дошла реченица коју у последње две године чујем на скоро сваком оваквом састанку: „Мора да за то постоји неко решење са том вештачком интелигенцијом.“

Постоји. И ово је готово школски пример за такво решење. Док је он говорио, ја сам у себи већ склапао понуду. Систем претражује документа фирме и на основу њих одговара запосленима. Доступан је двадесет четири сата, без чекања, без телефона и без непријатности коју неки људи осете кад по трећи пут морају да питају исто. Технологија је спремна, мисло сам да ће му цена бити прихватљива, а кад погледам колико документације имају, могу да им дам и реалан рок за завршетак целог посла.

Рекао сам му да ми пошаље документа.

Ту је пројекат стао.

Кад машина сретне „Pravilnici_novo_final2“

Стигао ми је фолдер. У њему: Правилник о раду, скениран као PDF, са печатом и потписом. Затим измена тог правилника из 2023, у Word-у, без потписа. Затим анекс који се позива на члан 27, док у скенираном правилнику члан 27 говори о нечем сасвим трећем, зато што је нумерација у међувремену померена и то нико није ускладио. Затим мејл кадровске службе свим запосленима, послат прошлог марта, који објашњава како се рачунају додатни дани за запослене са дететом млађим од четрнаест година и који по садржини не одговара ни правилнику ни анексу. Фолдер се звао „Pravilnici_novo_final2“.

Не бих да ме погрешно разумете, али ово није прича о неуредној фирми. То је фирма која послује двадесет година, плаћа порезе и плате на време, прошла је инспекцијске надзоре и има уредније папире од већине наших предузећа те величине. Сваки од тих докумената био је исправан и тачан у време када је настао. Проблем се појавио тек кад је требало да их прочита нешто што нема појма који од њих заправо важи.

Направио сам једноставан тест. Након што сам урадио прву верзију апликације, поставио сам питање: колико дана годишњег одмора припада запосленом са дванаест година стажа, који ради у сменама и има дете од једанаест година. Добио сам референцирање на четири документа, а систем ми је дао два различита одговора. Само је један човек у фирми знао који од њих је тачан.

Тај човек је, наравно, био правник. Управо онај кога је цео пројекат требало да растерети.

Никада није било лакше направити систем који претражује документа једне фирме. У исто време, никада није било теже утврдити које верзије докумената су заправо важеће.

Систем који мери сличност

Овде треба објаснити шта овакав систем заправо ради, зато што већина неспоразума око RAG-а (retrieval-augmented generation, генерисање уз претрагу извора) почиње баш ту.

Велики језички модел (LLM) не зна ништа о вашој фирми. Ваш правилник није део његовог знања; видеће само оне делове које му систем у том тренутку достави. Оно што се дешава кад запослени постави питање изгледа овако: систем прво претражи вашу збирку текстова, извуче неколико одломака за које процени да су по значењу најближи питању и подметне их моделу заједно са питањем. Модел онда формулише одговор на основу тог материјала, у реченицама које звуче као да их је написао неко ко у вашој фирми ради годинама.

Цео систем почива на претпоставци да су одломци које је претрага извукла релевантни у односу на питање.

Систем мери сличност. О важењу не зна ништа. Датум измене фајла њему није доказ, јер новији датум често значи само да је неко отворио документ, нешто проверио и поново га сачувао. Печат на скенираном папиру њему је шара. Реч „final“ у називу фајла њему значи тачно колико и нама, а знамо колико.

Кад таквом систему дате четири текста која говоре различите ствари, десиће се једно од следећег: или ће покушати да помири противречности, набрајајући варијанте и остављајући запосленом да бира, што нико не жели и што целу ствар враћа на почетак, на мејл правнику; или ће, чешће, изабрати један одломак и одговорити течно и погрешно.

За тај други исход немамо неко добро име, па предлажем једно: одговор без власника. Реченица која звучи као да иза ње стоји фирма, а иза које заправо не стоји нико. Нико је није написао, нико је није одобрио, а запослени ће по њој испланирати летовање.

Разлика између те две ситуације не зависи од технологије. Технологија је иста, и модел је исти. Разлика је само у томе шта смо му дали да прочита.

Анатомија једног машинског одговора

Између тренутка кад запослени постави питање и тренутка кад добије одговор прође секунда и по. Треба да знате шта се у њој догађа, јер од три корака у том низу два пресудно утичу на то да ли ће одговор бити тачан, а ниједан од та два није сам језички модел.

Прва фаза дешава се много пре него што ико било шта пита, и зове се припрема. Сваки ваш документ се подели на мање делове, обично на пасусе или групе од неколико реченица, зато што систем не претражује документа већ одломке. Затим се сваки одломак обради посебним, мањим моделом чији је једини задатак да текст претвори у низ бројева. Тај низ се зове embedding, а најближи превод на нашем језику јесте математички отисак значења. Сви ти отисци заврше у векторској бази, складишту у којем се текстови могу проналазити по сличности значења, а не само по наслову, кључним речима или датуму.

Можда се питате, какву то сличност значења помињем? Реченица „како да откажем претплату“ и реченица „поступак раскида корисничке услуге“ немају ниједну заједничку реч, а њихови отисци леже један уз други, зато што је мали модел на огромној количини текста научио да се те две реченице односе на веома сличну ствар, па отуда и сличност значења. То претрагу по отисцима чини употребљивом у фирми: запослени пита својим речима, а правилник је писан речима правника, и та два речника се више не морају поклапати.

Друга фаза наступа у тренутку питања. Питање се обрађује истим моделом и добија свој отисак, систем упоређује тај отисак са свим отисцима у бази и извлачи неколико најближих. Обично извуче између три и десет одломака. Углавном не цео документ, јер је база направљена тако да претражује његове делове, а не документ као једну целину.

Трећа фаза је она коју корисник види. Извучени одломци се невидљиво залепе испред питања које је поставио корисник и тако спојен текст оде главном моделу. Он одговара на основу материјала који му је у том тренутку „пред очима“, користећи реченице које звуче као да их је писао неко ко у фирми ради десет година.

Из овога се види нешто што се на презентацијама обично не наглашава. Језички модел се у цео поступак укључује тек на крају, и то на материјалу који је претходно одабрао систем за претрагу. Ако је друга фаза извукла погрешан одломак, модел ће на основу њега саставити беспрекорно формулисан и погрешан одговор. Квалитет одговора зависи од претраге, претрага зависи од припреме, а припрема зависи од стања у којем сте предали документа.

Вратимо се сад на онај фолдер. Скенирани правилник са печатом за машину није текст већ слика текста. Да би уопште ушао у базу, мора да прође кроз програм за оптичко препознавање текста (OCR), који може погрешно да прочита делове преко којих су печат или потпис, као и табеле са распоредом смена. Те грешке нико неће приметити, зато што ту препознату верзију нико никада неће прочитати. Она ће живети у бази као једини траг тог документа.

Подела целокупног текста на мање одломке је још тежа. Правилник је писан као целина: члан 27 говори о нечему што је уведено у члану 24, а изузетак од тога стоји у члану 32. Кад тај текст поделите на пасусе, свака од те три одредбе остаје сама, одсечена од онога што јој претходи и што је допуњује. На питање о сменама претрага ће најпре понудити изузетак, зато што у изузетку реч „смена“ стоји три пута, а у основној одредби једном. Одломак који је најсличнији питању често је онај који описује ретку ситуацију, јер се ретке ситуације обично описују опширније.

Ту је и анекс. Он мења члан 27, али је за систем засебан документ и има сопствени отисак, без иједне речи која га везује за правилник осим броја члана. За систем су то два неповезана текста који о истој ствари говоре различито, а извући ће онај чија је формулација сличнија питању. Да ли је тај документ и даље на снази, систем не зна, јер у његовој представи текста не постоји појам правног важења.

Око ових проблема развио се читав низ инжењерских поступака, и они заиста брзо напредују. Одломци се данас праве тако да им се придружи и наслов одељка из ког су преузети. Претрага по значењу комбинује се са класичном претрагом по речима, како би систем поуздано проналазио и бројеве чланова, јер сам број 27 нема корисно „значење“ које embedding може да ухвати. Изнад свега тога додаје се још један модел који пронађене одломке поново рангира пре него што оду главном језичком моделу. Свака од тих техника помаже, и свака кошта.

Ниједна од њих не може да утврди који је од два противречна документа на снази. То не одређује ни сличност текста него одлука која иза документа стоји. А на тој одлуци, на крају, стоји нечији потпис.

Колико машина сме да погреши?

Већина понуда оваквих RAG система почиње тврдњом да овај приступ уклања халуцинације. У стварности RAG ради нешто скромније, и важно је тачно знати шта.

Истраживачи са Станфорда мерили су учесталост нетачних тврдњи у комерцијалним правним алатима заснованим управо на овој архитектури. Реч је о производима намењеним адвокатским канцеларијама, са уредним базама судске праксе и буџетима какве фирма из наше приче нема. Удео нетачних или неутемељених тврдњи кретао се између седамнаест и тридесет три одсто, у зависности од алата и врсте питања. У добро осмишљеним системима број халуцинација пада за седамдесет до деведесет одсто у односу на основни модел, што јесте озбиљан помак, али помак који у најтежој категорији питања и даље оставља сваки шести до сваки трећи одговор под сумњом.

Већ смо видели зашто се то дешава. Ако је систем за претрагу вратио погрешан одломак, модел то не примећује, зато што нема са чиме да га упореди. Њему је стигао текст, а текст је за њега извор. Стари рачунарски принцип „ако убациш ђубре, добићеш ђубре“ овде добија нову димензију: ђубре излази обучено у глатко срочену, љубазну реченицу, са бројем члана и понекад са цитатом.

За нашу фирму то је питање одговорности. Ако систем тридесет пута тачно каже колико дана одмора неко има, а тридесет први пут омаши, ко сноси последице? Запослени који је, ослањајући се на погрешан одговор, купио авио-карте нема много разумевања за проценат, а правник ће, кад се то једном деси, чути да је AI систем који је он одобрио погрешио. Тог тренутка се пројекат или брани или укида, а исход зависи од тога да ли сте унапред јасно одредили ко за шта одговара.

Зато се у овакве системе, пре него што их пустимо у употребу, уграђују две ствари. Прва је да уз сваки одговор стоји извор: назив документа, члан и датум верзије, тако да човек који сумња може да провери за десет секунди. Друга је теже изводљива, а важнија: систем мора да ћути кад нема покриће. Модели су обучени да одговарају, а не да ћуте, и потребно је доста рада да се натерају да кажу да у документима то не пише. У фирми у којој сам такав систем видео на делу, поштено признање незнања смањило је број мејлова правнику више него било која друга измена, зато што су запослени почели да верују систему кад одговори. И овде је „не знам“ вредније од „мислим да знам“.

Дугачак контекст и кратко памћење

На овом месту обично почиње расправа која је ове године можда највише заокупила струку. Од пролећа се на свакој другој конференцији чује да је RAG мртав, да су контекстни прозори порасли толико да више нема потребе ништа претраживати, да агенти сами нађу шта им треба и да је цела архитектура из 2023. заостатак из времена када су модели памтили колико и златна рибица.

Расправа и даље траје, а обе стране имају добре аргументе. Бенчмарк LaRA, представљен на конференцији ICML 2025, обухватио је више од две хиљаде случајева и једанаест модела, али није дао јасног победника: ни RAG претрага ни дуги контекст нису бољи у свим случајевима; исход зависи од корпуса и врсте питања. Произвођачи који продају претрагу тврде да је она за типична оптерећења вишеструко јефтинија од трпања свега у контекст, што је процена коју треба читати са резервом, јер долази од заинтересоване стране, али се њен ред величине поклапа са оним што виђам колико то заиста кошта. Кад је Anthropic-у у априлу грешком доспео у јавност изворни код њиховог алата за програмере, показало се да систем памћења тамо почива на индексу показивача и фајловима по темама који се учитавају кад затребају, без икакве векторске базе.

За фирму из наше приче та расправа је сасвим споредна. Изаберите било коју од три архитектуре: RAG, дугачак контекст или AI агент. Све три полазе од претпоставке да негде постоји текст који важи.

Ако тог текста нема, модел са дугим контекстом ће без трунке колебања прочитати сва четири противречна документа и од њих склопити одговор који не постоји ни у једном. Агент ће исто то урадити спорије и скупље, уз траг који нико неће читати. Ниједна количина рачунарске снаге не производи ред тамо где га нема.

Парадокс превише информација

Постоји налаз због којег је цела расправа о дугом контексту још занимљивија. Група истраживача је 2024. испитивала како положај релевантне информације у дугачком тексту прослеђеном моделу утиче на његов одговор, а резултат је била крива у облику слова U. Оно што стоји на почетку материјала модел уочи. Оно што стоји на крају такође. Оно што се затекне негде у средини често превиди. Тачност уме да падне за више од двадесет процентних поена само због положаја једне реченице у гомили.

Последица је супротна ономе што нам здрав разум говори. Више материјала не значи бољи одговор. Директор који чује да модел прима милион речи одједном природно закључи да је најсигурније послати му све што фирма има, а тим потезом гура пресудну одредбу право у средину, тамо где је највећа вероватноћа да ће је модел превидети. Осећај сигурности расте, а тачност пада. Што је најгоре, ништа у интерфејсу то не показује.

Тај налаз објашњава зашто раст контекстних прозора неће завршити расправу онако како се очекује. Претрага служи томе да модел добије мало материјала, али управо оног који му је потребан, у облику у којем га неће лако превидети. Што више трпате, то више личите на студента који пред испит преписује цео уџбеник ситним словима на две странице и онда се чуди што ништа не може да пронађе и прочита.

За фирму из наше приче то значи да би најгоре могуће решење било оно које изгледа најједноставније: узети сва четири противречна документа, послати их моделу одједном и пустити га да се сналази. Он ће се снаћи. Формулисаће одговор који ће помирити неспојиво, и тај одговор ће звучати одлично.

Продаја инфраструктуре уместо решења

Хајде да погледамо ко има интерес да вам прода AI систем заснован на RAG-у.

Тржиште решења заснованих на овој архитектури процењено је 2025. на близу две милијарде долара. Расте по стопи већој од тридесет осам одсто годишње, а очекује се да ће до краја деценије достићи десет милијарди. Између тридесет и шездесет одсто корпоративних пројеката са вештачком интелигенцијом данас почива на некој варијанти претраге на сопственим документима. Реч је о озбиљној индустрији у којој раде озбиљни стручњаци, и највећи део тог новца одлази на инфраструктуру: векторске базе, системе за унос и обраду докумената, моделе за поновно рангирање, контролне табле, лиценце по кориснику.

Ниједна ставка у тој индустрији не зове се „ред у папирима ваше фирме“. Уз то, тај посао мора да обави неко из ваше фирме, јер нико споља не може да га уради уместо њега, а фирме радо купују баш оно што спољни сарадник може да уради сам.

Нећу рећи да ће вас продавци оваквих система обманути. Они продају оно што умеју да испоруче и то по правилу и испоруче. Неспоразум настаје у глави купца, који поверује да је купио решење проблема, док је заправо купио инфраструктуру која претпоставља да је основни проблем већ решен. Кад систем после три месеца почне да даје чудне одговоре, добављач ће сасвим искрено показати да његов део ради беспрекорно, и биће у праву.

Постоји једно питање које на таквом састанку разоткрије све. Питајте човека преко пута: шта се дешава ако вам дам два документа која о истој ствари говоре различито? Ако вам у одговору наброји технике, добићете техничко побољшање које ће за неколико процената повећати шансу да систем да добар одговор. Ако вам, уместо тога, узврати питањем ко у вашој фирми одлучује који документ важи, онда разговарате с неким ко разуме посао у који улазите.

Неформална моћ и неписана правила

Постоји део ове приче који се не види из техничког описа, а у нашим фирмама је често пресудан.

У свакој организацији коју сам водио или саветовао постојала је особа која зна. То је она код које се стварно иде кад нешто треба да се реши. „Питај Милицу из кадровске.“ Милица зна како се то радило прошли пут, зна ко ће потписати без питања и ко ће правити проблем. Зна и која верзија обрасца пролази.

На том знању почива њен положај у фирми. Мали, али стваран део моћи, стечен годинама и сачуван управо зато што то знање нигде није записано. Кад дође неко и каже да ће се то знање сада уписати у документ који ће читати машина, Милица неће рећи да је против. Рећи ће да сада има гужву, да ће то средити после празника, да ти документи ионако морају прво да се провере, да треба времена за то. Њен отпор је статусни, и из њеног угла сасвим је разумљив.

Иза тога је још нешто, наше и старије од сваке технологије. Код нас се писана процедура пише за ISO стандарде или за инспекцију, а посао се обавља мимо ње. Записано важи за спољни свет, договорено важи унутар фирме, и иза договореног стоји нечији образ, што многима делује као јача гаранција од потписа. Отуда неповерење према сваком покушају да се пракса пренесе на папир: папир трпи све, а човек који ти је нешто обећао на ходнику неће моћи да те гледа ако не одржи реч.

Систем чита оно што пише. Фирма живи по оном другом. Отуда реакција коју сам више пута виђао на презентацијама: машина „лаже“, иако она уредно цитира документа саме фирме. Не лаже она. Само нам чита оно што смо о себи написали, а нисмо мислили озбиљно.

Судар машинске логике и људског тумачења

Има још једна последица овог пројекта коју нико не узима у обзир и на коју нико није спреман.

Ваша интерна акта до сада је читао само човек, и то човек који већ зна где ради. Кад у правилнику наиђе на реченицу да запослени остварује право на увећање зараде у складу са законом и општим актом послодавца, референткиња у кадровској зна на који закон се то односи, зна који је општи акт, зна и то да се у пракси примењује онај проценат који је усвојен на колегијуму пре четири године и никада нигде записан. Реченица је непотпуна, а функционише годинама, зато што је читалац допуњава својим знањем.

Од тренутка када укључите RAG систем, тај текст добија другог читаоца. Он нема колегијум иза себе, нема четири године стажа, нема додатно знање и нема појма шта се подразумева. Има само оно што пише. Реченице које су деценијама пролазиле јер их је неко у себи довршавао, одједном доводе до одговора који су формално тачни, а практично бескорисни, а запослени који добије такав одговор не закључује да је правилник лоше писан. Закључује да машина не ваља.

Ово је прилика какву фирме ретко добију. Први пут постоји непосредна, свакодневна казна за нејасно писање, и то казна коју виде обични људи, не само правна служба. Одредба која се лоше чита сама себе пријави, и то у року од недељу дана од дана увођења у систем. Ниједан интерни пројекат унапређења докумената који сам видео није тако брзо показивао шта у њима не ваља.

Постоји и опасна страна те исте медаље, и о њој се готово не говори. Кад једном осетите да јасније написана одредба даје боље одговоре, следећи корак се намеће сам од себе: уклонити сваку неодређеност. Обрисати сваку формулацију која оставља простор за двосмисленост, свести сваки члан на једнозначно правило, направити правилник који машина чита без грешке.

Тај потез уме да буде скупљи од свих грешака које исправља. Део тих отворених формулација можда ту стоји намерно. Правник их је оставио да би остао простор за маневар кад наиђе ситуација коју нико није предвидео, а такве стижу редовно, обично петком поподне. Дискреција директора да некоме изађе у сусрет јесте инструмент управљања, и код нас вреди више него у уређенијим системима, зато што често надокнађује оно што прописи и институције нису успели да уреде. Фирма која се сама разоружа зарад уредног понашања софтвера схвати шта је урадила тек кад јој та слобода затреба, а тада више нема простора за маневар.

Видео сам обе грешке. Прву, чешћу, када се систем повеже са текстовима које нико није ни прочитао од усвајања, па се после два месеца гаси уз објашњење да технологија још није зрела. Другу, ређу и скупљу, када се крене у темељно сређивање свих аката и фирма из њега изађе са савршено читљивим правилником по којем нико не сме ништа да одобри без седнице или колегијума.

Оно што се овде тражи стаје у једну реченицу: нека у сваком акту буде јасно где дискреција почиње и коме припада. Одредба сме да остане отворена, али онда мора да каже да одлуку доноси конкретно радно место, и систем то онда може јасно да каже кориснику. Одговор да о томе одлучује директор на предлог непосредног руководиоца користан је запосленом исто колико и број дана, а понекад и више, зато што му каже коме да се обрати.

Систем који не зна колико греши

Постоји податак који ми се у овој области чини најкориснијим, а најмање се цитира: око седамдесет посто оваквих система који су већ у употреби нема никакав начин да измери сопствену тачност.

Систем ради, одговара људима, пројекат се води као завршен, а нико у фирми не зна у ком проценту греши. Кад искрсне погрешан одговор, решава се као инцидент. Неко га пријави, неко исправи документ, и проблем је решен. Ниједан од тих појединачних случајева не улази у статистику, па се систем годинама процењује по утиску, а утисак у оваквим стварима вреди мало: добар систем и лош систем изгледају потпуно исто док не наиђе питање на којем ће се појавити разлика.

Мерење није ни компликовано ни скупо. Треба да саставите списак од осамдесет до сто питања са унапред дефинисаним тачним одговорима, заједно са документом и чланом на који се сваки од тих одговора позива. После сваке измене векторске базе, систем се поново тестира на списку тих питања и добије се проценат тачних одговора. Кад неко дода нови анекс, проценат покаже да ли систем ради боље или не. Свака озбиљна фирма то може да направи за недељу дана.

Разлог зашто се то ретко ради је људски. Мерењем ћете добити број, из тог броја настаће нека обавеза, а та обавеза на крају стигне на нечији сто. Док броја нема, пројекат се сматра успешним и сви су задовољни. Први пут кад видите да систем греши у једанаест одсто случајева, морате да одлучите да ли је једанаест прихватљиво, а та одлука има име и презиме испод себе. Многи директори то интуитивно осећају и зато не питају.

За фирму из наше приче предложио сам да тај списак напише правник, паралелно са оним првим документом. Испоставило се да је то, у ствари, исти посао: питања која најчешће добија, тачни одговори на њих, и документ на који се сваки од тих одговора позива. Човек који годинама одговара на исте мејлове све то већ има у глави. Требало је само да то пребаци на папир у формат питање - одговор.

Где ова логика не важи

Треба поштено рећи и следеће, зато што би без тога овај текст личио на проповед.

Ипак постоји граница испод које све ово престаје да буде прави проблем. Ако имате педесет запослених, један правилник од осамдесет страна и два анекса, читав материјал данас може да стане у контекст језичког модела. Не треба вам ни припрема документације, ни претрага, ни посебна векторска база, ни озбиљан технички пројекат. Ко вам у таквој ситуацији нуди сложену RAG архитектуру, вероватније продаје своје услуге него што решава ваш проблем. То треба проверити пре него што потпишете понуду за увођење AI-ја.

С друге стране, ни савршено сређена документација не значи да ће систем моћи да одговори на свако питање. „Колико дана одмора имам?“ јесте питање за претрагу. „Могу ли да узмем слободан дан за сахрану ујака?“ већ није. Ту треба протумачити правило, познавати праксу фирме и понекад проценити да ли човеку у том тренутку треба изаћи у сусрет. Зато правник остаје потребан, и то је добро. Циљ никада није био да он нестане, него да му се врати преподне, како би могао да ради на захтевнијим радним задацима.

А понекад је најбоље решење да се технологија уопште не уводи. Постоје фирме у којима је документација у таквом стању да је разумније одложити цео пројекат за годину дана и прво средити папире. Тај савет сам дао неколико пута. Приметио сам да није нарочито омиљен: људи дођу по технологију, а оду са домаћим задатком. Али понекад је управо то најкориснији одговор који можете да им дате.

Прва ставка у понуди

Понуда коју сам послао имала је на првом месту ставку која није софтвер.

Био је то документ на једној страни: списак од дванаест тема о којима запослени најчешће имају дилему и постављају питања, име особе која за сваку тему својим потписом потврђује да је приложена верзија важећа, место на којем та верзија стоји, и датум до ког све то мора да постоји. Ништа паметно. Списак који је свака озбиљна фирма требало да има и пре него што је чула за вештачку интелигенцију.

Директор га је прочитао и питао оно што сви питају: „Ово је посао за нашег правника, зар не?“

Јесте. За истог оног човека кога смо хтели да растеретимо. То је улазница за AI, и плаћа се само једном.

Пројекат ће, ако све буде како треба, бити готов до краја јесени. Запослени ће на питања о својим данима одмора добијати одговоре у року од пар секунди, а онај неуредни фолдер са почетка приче коначно ће добити некакав смисао.

Ипак, не гајим илузије да смо овим решили све. Машина ће беспрекорно познавати слово правилника, али неће знати тежину тренутка. Када буде требало проценити да ли запосленом у тешкој животној ситуацији треба дати више него што пише на папиру, ниједан језички модел то неће умети да преломи. Ту престаје технологија и почиње управљање. Правник и директор неће више морати да троше своје време на пребројавање слободних дана, али ће им то време бити и те како потребно да остану људи онда када правилник није довољан.