V okviru Sindikalne pogajalske akademije (SPA) je 12. februarja, med 10. in 14. uro, v Domu sindikatov v Ljubljani potekalo četrto usposabljanje za sindikalistke in sindikaliste ZSSS o umetni2513 inteligenci (UI) ter osnovni rabi različnih orodij UI pri sindikalnem delu. Udeleženci in udeleženke so v prvem delu spoznali osnovna načela UI ter etično in odgovorno rabo različnih orodij ter se v drugem delu izobraževanja spoznali z osnovnimi in tehnikami komunikacije in rabe UI klepetalnikov Copilot in ChatGPT.
Usposabljanje je vodil predavatelj Boštjan Kožuh, ki je uvodoma opozoril, da umetna inteligenca (UI) ni novost, saj je kot znanstvena disciplina stara že približno sedemdeset let, sam pojem robota pa izvira iz literature Karla Čapka in iz besede za delo. Novost zadnjih treh let je njena razširjenost: ocenjuje se, da generativna orodja danes uporablja že okoli desetina svetovne populacije. Predavatelj je poudaril, da so bili nad hitrostjo razvoja presenečeni celo razvijalci sami, saj se jezikovni modeli marsikatere veščine – prevajanja, pisanja programske kode, sklepanja – niso naučili po naročilu, temveč so se te sposobnosti pojavile same od sebe z rastjo modelov. Tem t. i. porajajočim se zmožnostim je pripisal tako navdušenje kot zaskrbljenost, saj po eni strani omogočajo prodore pri odkrivanju zdravil, novih materialov in virov energije, po drugi strani pa razvoja ni mogoče povsem napovedati.
Umetna inteligenca kot geostrateško vprašanje in kot vsakdanje orodje
Predavatelj je razvoj UI umestil v širši kontekst, saj je ta v zadnjih letih postala osrednja geostrateška tema v razmerju med ZDA in Kitajsko, s čimer so povezane tudi trgovinske in carinske napetosti ter naložbe v velikosti več milijard. Ozadje te tekme je pričakovanje, da se približujemo t. i. splošni umetni inteligenci, torej sistemu, ki bi deloval na vseh področjih hkrati. Sicer pa je opozoril, da tehnične definicije niso ključne: tudi evropski akt o umetni inteligenci to razume zelo široko, kot sistem, ki opravlja naloge, za katere je običajno potrebna človeška inteligenca. Razliko med starejšo, napovedno umetno inteligenco (vremenske napovedi, iskanje najhitrejše poti) in novo, generativno UI, ki ustvari nov izdelek (besedilo, sliko, video, pa tudi model beljakovine ali molekule) je predavatelj ponazoril z več primeri hitrega napredka. Med njimi je bil niz slik nemškega ovčarja, ustvarjen z istim, nespremenjenim navodilom v zaporednih različicah istega orodja: prvi rezultati so bili popolnoma neuporabni, po približno devetih mesecih pa je bil rezultat že primeren za oglas. Podobno velja za video, kjer je bila kakovost pred dvema letoma še groteskna, danes pa je po nekaterih ocenah že okoli 40 odstotkov video oglasov vsaj delno narejenih z umetno inteligenco.
»Vedno smo nekje med neuporabnim in dovolj dobrim«
Ključno sporočilo prvega dela je bilo, da se sposobnosti orodij spreminjajo tako hitro, da se ni smiselno učiti posameznega orodja, temveč načina sodelovanja z njim. Predavatelj je udeležence spodbudil, naj na UI gledajo kot na novega sodelavca oziroma pripravnika, ki ga je treba usmerjati, preverjati in mu dati kontekst – uporabnik pa je v vlogi vodje. Če rezultat ni dober, je vzrok pogosteje v pomanjkljivih navodilih kot v nezmožnosti orodja; to je ponazoril z anekdoto o strojnem prevodu nagovora »preljuba žena«, ki ga je prevajalnik razumel v pravnem pomenu prešuštva, saj brez konteksta ni mogel vedeti drugače. Enako velja za omejitve, kot so halucinacije: te so danes bistveno redkejše kot pred leti, pojavljajo pa se še vedno pri kompleksnejših nalogah, zato je treba pri pomembnih vsebinah vprašanje zastaviti večkrat in z različnih zornih kotov, zahtevati vire, uporabiti dve različni orodji ali izrecno naročiti, naj model odgovori le na podlagi priloženega gradiva in naj pove, česa ne ve.
Posebej odmevna je bila raziskava iz leta 2023, v kateri so primerjali zdravnike z dostopom do naprednega modela in zdravnike brez njega; razlika v deležu pravilnih diagnoz je bila zanemarljiva (76 proti 74 odstotkom), tretja skupina, torej model sam v rokah nekoga, ki ga zna uporabljati, pa je dosegla okoli 90 odstotkov. Predavatelj je poudaril, da to ni dokaz o premoči strojev nad ljudmi, temveč dokaz, da samo posedovanje orodja še ne pomeni znanja njegove uporabe – glavna omejitev ni bila strokovna, temveč komunikacijska.
Razprava o zaupanju, avtentičnosti in razmerjih moči
Udeleženci in udeleženke so se v razpravi ustavili predvsem pri vprašanju zaupanja. Izpostavljeno je bilo, da si želimo svet, v katerem zaupamo zdravniku, pravniku ali človeku na drugi strani, ne stroju, ter da je izkušnja s podpornimi klepetalniki v spletnih trgovinah pogosto slaba, dokler uporabnik ne najde živega človeka. Predavatelj se je s tem strinjal, hkrati pa opozoril, da primerjava z idealom ni realna primerjava: vprašanje ni, ali je UI boljša od najboljšega možnega človeka, temveč ali je rezultat boljši od tistega, kar bi v danih okoliščinah dejansko dobili – na primer takrat, ko kandidat na razpis sploh ne prejme odgovora, ker za odgovarjanje ni časa. Opozoril je tudi, da preprosti skriptirani klepetalniki na spletnih straneh večinoma sploh niso prava umetna inteligenca in da mešanje obojega otežuje razpravo.
Za sindikalno delo je bila najbolj relevantna ugotovitev, da UI zmanjšuje informacijsko asimetrijo. Delavci, pacienti in potrošniki lahko hitreje pridejo do znanja, ki je bilo doslej rezervirano za stroko, in postanejo bolj kompetentni sogovorniki. Hkrati pa to odpira vprašanja, o katerih se po mnenju predavatelja premalo govori: kaj pomeni za sistemizacijo delovnih mest, za razmerja med plačami, za vrednotenje izobrazbe in za šolstvo, če postaja »inteligenca« vse cenejša. Poudaril je še, da nevarnost praviloma ni v tem, da bi zaposlenega nadomestila umetna inteligenca, temveč v tem, da ga nadomesti nekdo, ki jo zna uporabljati; organizacije, ki se teme ne lotijo sistematično, pa bodo imele težave pri pridobivanju mlajših kadrov.
Zasebnost, varnost in odgovorna raba
Precej pozornosti je bilo namenjene zasebnosti in varnosti. Predavatelj je pojasnil, da akt o umetni inteligenci zahteva jasno označevanje vsebin, ki so v celoti generirane z UI, ter da je bistveno, da vsak posameznik in vsaka organizacija zavzame lastno, informirano stališče. Praktično je opozoril, da je pri brezplačnih in osnovnih plačljivih različicah treba samostojno v nastavitvah izklopiti učenje modela iz uporabnikovih podatkov, medtem ko poslovne in korporativne različice tega ne počnejo; pri poslovni prijavi v Copilot na to opozarja tudi poseben znak zaščite podatkov. Zamisel, da bi vsaka organizacija imela lasten model na svojih strežnikih, je ocenil kot v praksi predrago in premalo zmogljivo. Namesto tega je priporočil sprejem interne politike uporabe, ki določi dovoljena orodja, dovoljene tipe podatkov in odgovornosti, ter dosledno preverjanje pogojev uporabe novih orodij, saj so nekateri izrazito sporni.
Posebej je opozoril na tveganja agentnih orodij, torej sistemov, ki v našem imenu samostojno delujejo, brskajo, se prijavljajo in izvajajo naloge. Pri agentnih brskalnikih obstaja možnost, da zlonamerna spletna stran vsebuje skrita navodila, ki agenta preusmerijo, da namesto povzetka strani posreduje uporabnikove datoteke ali gesla. Njegovo priporočilo je bilo nedvoumno: ne nameščati in ne preizkušati orodij, ki niso preverjena in odobrena, saj se tveganje bistveno poveča v trenutku, ko sistem namesto nas nekaj izvede, ne le napiše.
Kako napisati dober zahtevek (prompt): naloga, kontekst, navodila
Drugi del usposabljanja je bil praktično naravnan. Predavatelj je razlikoval med hitrim navodilom, ki zadošča za enostavne naloge, načrtovanim navodilom za zahtevnejše naloge in naprednim promptnim inženirstvom, ki je namenjeno predvsem razvoju. Za vsakdanje delo je predstavil tri elemente: nalogo (kaj naj se naredi), kontekst (zakaj, za koga, kakšne so omejitve in izhodišča) in dodatna navodila glede oblike, dolžine in sloga. Kontekst je označil za najpomembnejši del; ponazoril ga je z vprašanjem o »treh najboljših pasmah psov«, na katero ni enega pravilnega odgovora, dokler uporabnik ne pove, kaj zanj pomeni najboljše. Poudaril je, da dober zahtevek ni tehnično zahteven, temveč vsebinsko bogat, in da je zato najboljše rezultate sposoben doseči prav strokovnjak za svoje področje.
Med konkretnimi nasveti so bili: naj se pogovor razume kot pogovor in ne kot enkraten ukaz; naj bo povratna informacija konstruktivna in konkretna, ne zgolj »ni v redu«; naj uporabnik, kadar ne ve, kako začeti, orodje sam prosi, naj mu postavlja vprašanja, in sicer eno po eno; ter naj pri zahtevnejših nalogah izrecno zahteva navedbo virov in priznanje negotovosti. Predstavljene so bile tudi razlike med orodji, saj Copilot in ChatGPT v osnovi ponujata primerljive funkcionalnosti, se pa razlikujeta pri naprednejših možnostih, kot so projekti, poglobljeno raziskovanje in generiranje videa, zato je pri zahtevnejših nalogah smiselno preizkusiti alternativo.
Šest skupin uporabe in prvi koraki
Sposobnosti orodij je predavatelj strnil v šest skupin uporabe: generiranje vsebin (dopisi, slike, seznami idej), strnjeno izražanje in pojasnjevanje (povzetki, infografike, razlage), procesiranje podatkov (razvrščanje, urejanje, dopolnjevanje seznamov), analize in pojasnila; pri čemer je posebej izpostavil analizo nestrukturiranih podatkov, kot so ankete, mnenja članstva in prosta besedila, kar je bilo doslej izredno zamudno –, razvoj preprostih programskih rešitev ter virtualni coaching oziroma sogovornik pri razmišljanju o izzivih. Za ponavljajoče se naloge je predstavil možnost izdelave lastnih pomočnikov (v ChatGPT poimenovanih GPT-ji, v Copilotu agenti), ki jih je mogoče shraniti in deliti znotraj organizacije, ne da bi se pri tem delila vsebina ali podatki, temveč zgolj navodila.
Kot prvi praktični korak je udeležencem svetoval, naj si nekaj tednov ali mesecev preprosto zapisujejo, kaj vse počnejo, in si nato pri vsaki nalogi zastavijo vprašanje, ali bi jo zaupali novemu pripravniku. Pri tem je treba upoštevati, da različni primeri uporabe nosijo različne stopnje tveganja – napaka v obvestilu stranki ni isto kot napaka v vlogi na sodišču – in da o sprejemljivi meji tveganja presoja uporabnik sam, na podlagi svojega strokovnega znanja. Sklenil je s poudarkom, da se ta preobrazba ne bo zgodila čez noč in da prikazani primeri služijo kot navdih, ne kot recept.
Ljubljana, 13. 4. 2026
Miha Poredoš, koordinator izobraževanj
