V okviru Sindikalne pogajalske akademije (SPA) je 27. maja, med 10. in 14. uro, v Domu sindikatov v Ljubljani potekalo testno izobraževanje o umetni inteligenci (UI) za člane in članice sindikatov ZSSS, Na podlagi znanj in izkušenj z uvodnega, februarskega izobraževanja smo oblikovali vsebino, ki bo postala del enega od štirih izobraževalnih modulov v okviru SPA. Odziv udeleženk in udeležencev je bil pozitiven, njihova mnenja in predloge pa bomo upoštevali pri oblikovanju končne različice izobraževanja.

Ključna razlika glede na februarsko izobraževanje je bila v pristopu. Uvodno srečanje je odgovarjalo predvsem na vprašanja, kaj umetna inteligenca je, kako hitro se razvija in kje so etične ter varnostne meje njene rabe, majska delavnica, ki jo je izvedel koordinator Sindikalne akademije Miha Poredoš pa je bila zastavljena bistveno bolj praktično in prilagojena konkretnim sindikalnim potrebam. Teoretični uvod je bil skrajšan na najnujnejše, večino časa pa so udeleženci namenili delu z orodji. Prvi del je bil namenjen osnovam generativne UI in predvsem vprašanju, kako napisati dober zahtevek oziroma prompt, drugi del pa praktični rabi ter izdelavi lastnega agenta v okoljih ChatGPT in Claude.

Kot spremljevalno gradivo je uredništvo Delavske enotnosti maja pripravilo tudi tematsko številko, v kateri so pojasnjene ključne pasti rabe umetne inteligence, pripravljena pa so tudi video navodila za rabo posameznih klepetalnih robotov ter za ustvarjanje in uporabo agentov v okoljih ChatGPT in Claude. Dodatno smo predstavili še CustomGPT Baza kolektivnih pogodb, ki je na voljo vsem članicam in članom in omogoča hitrejše iskanje, primerjanje ter razumevanje določb kolektivnih pogodb.

Od nadomeščanja k transformaciji dela

Predavatelj je uvodoma spomnil, da umetna inteligenca ni novost, saj se razvija že več kot sedemdeset let, prelom pa je prinesla generativnost: sistem ne le napoveduje in razvršča, temveč ustvarja besedilo, slike, zvok in programsko kodo. Hitrost razvoja je ponazoril z zaporednimi različicami orodja za generiranje slik, ki so ob popolnoma enakem zahtevku v treh letih napredovale od neuporabnega izdelka do fotorealistične podobe. Podobno velja za druga področja: dolžina zahtevka se je z nekaj tisoč znakov povečala na več sto tisoč, halucinacije so ob ustreznem kontekstu bistveno redkejše, prevodi dosegajo raven prevajalskih agencij, agenti pa vse bolj samostojno opravljajo daljše in kompleksnejše naloge. Sklep je bil jasen: današnja umetna inteligenca je najmanj zmogljiva umetna inteligenca, ki jo bomo kdajkoli uporabljali, zato se ni smiselno učiti posameznega orodja, temveč načina dela z njim.

Za sindikalno okolje je bila osrednja miselna ločnica razlika med rabo UI za nadomeščanje delavk in delavcev ter rabo UI za preobrazbo organizacije dela. Prva logika išče zgolj hitrejše opravljanje istih nalog in se osredotoča na pomanjkljivosti, druga pa išče priložnosti, boljše rezultate in nove standarde dela. Poudarjeno je bilo, da moramo z načrtnim izobraževanjem sistematično povečevati lastno odpornost in prilagodljivost, saj bomo le tako lahko vplivali na politike v podjetjih in ne bomo prepuščeni toku sprememb. Med ključnimi znanji za prihodnost so bila navedena kritično razmišljanje, radovednost, vrhunsko domensko znanje, razumevanje dejanskih sposobnosti UI ter razumevanje procesa pisanja zahtevkov.

Odgovorna raba: halucinacije, zasebnost in preverjena orodja

Odgovorno uporabo so strnili v štiri sklope: varovanje informacij, avtorske pravice, regulativa ter etika in vpliv na odločanje. Pri halucinacijah je bilo opozorjeno, da so novejše različice sicer natančnejše, so pa njihove napake lahko bolj prefinjene in zato težje zaznavne. Predstavljeni so bili konkretni prijemi: zahteva, naj model odgovori izključno na podlagi priloženega gradiva in naj ob odsotnosti podatka to izrecno pove, zahteva po dobesednem citatu iz izvirnika za vsako trditev, kritičen pregled lastnega osnutka z odstranitvijo nepreverjenih domnev ter navodilo, naj model jasno označi mesta, kjer ni prepričan.

Pri zasebnosti je bilo pojasnjeno, da za ponudnika podatek ni le vneseni zahtevek, temveč tudi povratne informacije uporabnika, in da je več organizacij zaradi nepoznavanja delovanja teh sistemov že razkrilo zaupne informacije. Večji ponudniki danes ponujajo razmeroma pregleden nadzor nad uporabo podatkov, kar pa ne velja nujno za številne nove aplikacije in razširitve brskalnikov – od tod jasno priporočilo, naj se uporabljajo izključno odobrena in preverjena orodja.

Kako napisati dober zahtevek?

Osrednji del prvega sklopa je bilo pisanje zahtevkov. Predavatelj je predstavil tri načine: hitri zahtevek brez posebnih navodil in konteksta, načrtovani zahtevek z osnovnimi navodili, kontekstom in strukturo ter promptni inženiring z naprednimi tehnikami, ki ga v praksi uporabljamo redko. Poudaril je, da učinkovit zahtevek ni isto kot zapleten zahtevek in da je ključno uporabnikovo vsebinsko znanje – prihodnost torej ne pripada »ekspertnim zahtevkom«, temveč zahtevkom ekspertov.

Proces pisanja je razčlenil na nalogo (kaj naj orodje naredi), kontekst (vloga, ozadje, primeri, dodatni viri) in navodila (oblika, dolžina, omejitve), ki jim sledijo izboljšave skozi nadaljnji pogovor. Kaj se zgodi, kadar konteksta ni dovolj, je pokazal na primeru izdelave oglasne fotografije za včlanitev v sindikat, kjer si je orodje podrobnosti zamislilo samo in si vzelo »umetniško svobodo«. Med hitrimi nasveti sta bila izpostavljena dva: bodimo konstruktivni v odzivu, saj ta orodje ciljno usmerja, in kadar ne vemo, kako naprej, vprašajmo kar orodje samo, naj nam pomaga izboljšati zahtevek.

Praktični primeri in izdelava lastnega agenta

Drugi del delavnice so sestavljali interaktivni primeri iz dejanskega dela v sindikatih: izdelava interaktivne vizualizacije usklajenosti stališč političnih strank s programskimi usmeritvami ZSSS, analiza vključenosti zaposlenih v izobraževanja v bazi kolektivnih pogodb dejavnosti, razvrščanje daljšega seznama podjetij po standardni klasifikaciji dejavnosti in analiza anket. Prikazane so bile tudi funkcije, ki so za sindikalno delo posebej uporabne: podrobno raziskovanje (Deep Research) z izvozom v Word ali PDF, interpretacija navodil in dokumentov, delo z Excelom ter projekti, ki omogočajo skupna navodila, lastne datoteke z dodatnim znanjem in lasten spomin.

Vrhunec praktičnega dela je bila izdelava lastnega pomočnika. Predstavljeni so bili CustomGPT-ji kot različice ChatGPT-ja z lastnimi navodili, znanjem in dejanji, nato pa še Claude Projekt, ki hrani navodila, dokumente in zgodovino pogovorov ter se prilagodi slogu uporabnika. Med idejami za rabo so bile navedene pravna analiza in primerjava pogodb ter predpisov, pisanje besedil v ustaljenem slogu, podpora pri raziskovanju in priprava analiz. Za prve korake je predavatelj svetoval preprosto vajo: naj si vsak sestavi seznam nalog, ki jih redno opravlja, in si odgovori, katerih ne opravi zaradi pomanjkanja časa ali znanja, katere mu vzamejo nesorazmerno veliko časa in katere bi lahko predal novemu pripravniku, če bi ga zaposlil.

Pozitiven odziv in predlogi za končno različico

Odziv udeleženk in udeležencev je bil večinsko pozitiven, prav tako so vsi izrazili pripravljenost, da se jeseni udeležijo tudi nadaljevalne delavnice o zahtevnejših veščinah rabe UI. Kot najbolj koristno za svoje delo so izpostavili predvsem postavitev agentov in projektov, sposobnosti obdelave dokumentov in izvoza podatkov, hitro oblikovanje dopisov, lažjo izdelavo tabel, analiz in grafikonov, poglobljena navodila za pisanje zahtevkov, pomen osebnih nastavitev zasebnosti ter razlike med posameznimi orodji – med drugim ugotovitev, da je ChatGPT bolj vsestranski, kot so mislili doslej. Nekateri so ob tem pripomnili, da so možnosti tudi zastrašujoče, kar potrjuje, da je poleg praktičnih veščin nujna tudi razprava o etičnih in delovnopravnih posledicah.

Predlogi za izboljšave so bili enotni in konkretni: več časa, več skupnega dela na dejanskih praktičnih primerih ter bolj postopno, korak za korakom vodeno delo, pri katerem bi si udeleženci ogledali, kaj posamezni zahtevek pomeni in kaj naredi, z manj preskakovanja med primeri. Prav te ugotovitve bodo izhodišče za oblikovanje končne različice modula, ki bo predvidoma daljša, z manj prikazi in več vodenimi vajami.

Ljubljana, 29. 5. 2026

Miha Poredoš, koordinator izobraževanj