Kada softver prestane da čeka komandu i počne da predviđa naše potrebe, pitanje više nije koliko AI može da pomogne, već koliko duboko mora da nas posmatra.
Do sada smo se nekako navikli na ideju da AI funkcioniše kao digitalni sagovornik. Otvorimo aplikaciju, postavimo pitanje, dobijemo odgovor. Loš, dobar, koristan, preopširan, ponekad iznenađujuće precizan, ponekad samouvereno pogrešan. Ali logika je uglavnom bila poznata: čovek inicira, mašina odgovara.
TechCrunch intervju sa Cat Wu iz Anthropica pokazuje da tehnološka industrija već gleda korak dalje. Wu je šefica proizvoda za Claude Code i Cowork, a u razgovoru objavljenom 13. maja 2026. govorila je o tome da sledeća velika promena nije samo bolji model, već proaktivnost. Drugim rečima, AI koji razume na čemu radite i sam postavlja automatizacije koje bi vam mogle biti korisne.
Na prvi pogled, to zvuči razumno. Ko ne bi želeo manje rutine, manje ponavljanja, manje sitnih administrativnih zadataka? Problem je u tome što se iza te jednostavne rečenice krije mnogo ozbiljnije pitanje: koliko softver mora da zna o nama da bi mogao da predvidi šta nam treba?
Od chatbota do digitalnog kolege koji se sam uključuje
Claude Code se već ne predstavlja kao običan chatbot. Anthropic ga opisuje kao alat koji radi direktno u kodnoj bazi, kroz terminal, IDE, Slack ili web, sa mogućnošću da pomaže u izgradnji, debagovanju i isporuci softvera.
To je važan pomak. AI više nije samo kutija za tekst u koju ubacujemo pitanje. AI se seli u radni prostor. U developerskom svetu to znači pristup repozitorijumima, komandnoj liniji, problemima, pull requestovima i rutinama. U kancelarijskom svetu to će značiti pristup mejlovima, dokumentima, kalendarima, prezentacijama, tabelama i internim sistemima.
Anthropic već ima koncept “routines”, odnosno sačuvanih konfiguracija koje se mogu pokretati automatski, po rasporedu, preko API poziva ili kao reakcija na događaje iz GitHub repozitorijuma. Takve rutine mogu raditi i kada korisnikov laptop nije uključen, jer se izvršavaju na Anthropic infrastrukturi.
Dakle, ovo više nije pomoćnik koji čeka da ga neko pita: “Možeš li da mi središ ovaj tekst?” ili sl. To je sistem koji može biti podešen da periodično gleda, proverava, poredi, reaguje i predlaže. Danas u developerskom okruženju, sutra u svakoj digitalnoj kancelariji.
Proaktivnost zvuči lepo dok ne shvatimo cenu
Proaktivni AI je prodajno veoma zahvalna ideja. Softver koji ne čeka, nego pomaže unapred. Ne morate da se setite. Ne morate da tražite. Ne morate ni da znate da vam nešto treba. On će znati.
Upravo tu počinje neprijatni deo priče.
Da bi AI mogao da “predvidi” vaše potrebe, AI mora da prati obrasce. Kada odgovarate na mejlove. Kako pišete. Koje fajlove otvarate. Koje zadatke odlažete. Koje sastanke izbegavate. Na šta trošite previše vremena. Šta stalno ponavljate. Koje teme ignorišete. Koji klijenti vam stvaraju pritisak. Koji kolega šalje poruke u najgorem trenutku.
Naravno, sve to može biti upakovano u bezazlen rečnik produktivnosti. “Pametna pomoć”, “automatizacija”, “personalizovani radni tok”, “manje trenja”. Ali suštinski, da bi digitalni asistent bio zaista proaktivan, on mora postati posmatrač.
I to ne posmatrač koji povremeno baci pogled na ekran, već sistem koji gradi model našeg ponašanja.
Tehnološka industrija opet preskače društveno pitanje
Već smo videli ovaj obrazac. Prvo nam se tehnologija predstavi kao pogodnost. Zatim postane standard. Onda se od korisnika očekuje da prihvati novu normalnost.
Pametni telefoni su prvo bili zgodan džepni računar. Društvene mreže su prvo bile način da ostanemo u kontaktu. Notifikacije su prvo bile korisno obaveštenje. Algoritamski feed je prvo bio pomoć da lakše nađemo zanimljiv sadržaj.
Danas veliki deo svakodnevnog digitalnog iskustva izgleda kao borba sa viškom signala. Previše obaveštenja, previše preporuka, previše sadržaja koji nije tražen, ali je “relevantan”. Sada se ista logika seli na radne obaveza.
Razlika je u tome što će proaktivni AI imati ozbiljniji alibi. Neće nam nuditi samo video koji nismo tražili. Nudiće nam urađen zadatak, pripremljen odgovor, automatsku proveru, skicu dokumenta, listu prioriteta, možda i odluku koju bi trebalo doneti.
To je korisno. Ali korisno nije isto što i bezopasno.
Menadžeri agenata ili ljudi koji nadgledaju automatizaciju?
Cat Wu je u TechCrunch intervjuu govorila i o budućnosti rada u kojoj ljudi upravljaju grupama AI agenata. Po njenom viđenju, osoba koja vodi agente i dalje mora da razume posao, jer mora da zna zašto je AI pogrešio, da li je instrukcija bila nejasna i kako se greška ispravlja.
To je možda najrealniji deo cele priče. AI neće magično ukloniti potrebu za znanjem. Naprotiv, može se desiti da poveća razliku između ljudi koji razumeju posao i ljudi koji samo klikću na predloge.
U teoriji, svako će moći da uradi više. U praksi, najkorisniji će biti oni koji znaju da kontrolišu proces, prepoznaju grešku i zaustave automatizaciju pre nego što napravi štetu. To važi za programere, urednike, advokate, knjigovođe, marketare, profesore i sve druge koji će dobiti “pametnog pomoćnika”.
Ovde je ključno pitanje: da li će AI zaista osloboditi ljude dosadnog posla, ili će im dodati novi sloj nadzora nad mašinskim radom?
Jer neko mora da proveri ono što je AI predložio. Neko mora da proceni da li je automatizacija dobro podešena. Neko mora da odgovara kada sistem pogreši. A to “neko” će, naravno, uglavnom biti čovek.
Proaktivni AI u medijima i web produkciji
Za ljude koji se bave webom, sadržajem, SEO-om i digitalnim medijima, ova tema nije apstraktna. Proaktivni AI će vrlo brzo nuditi predloge tema, naslova, internih linkova, objava za društvene mreže, odgovora na komentare, analiza trendova i automatskih izmena starog sadržaja.
To može biti ozbiljna pomoć. U redakciji koja ima ograničene resurse, AI koji sam primeti da neki stari tekst može da se osveži novim kontekstom zvuči korisno. AI koji uoči da neka tema raste na društvenim mrežama može biti dobar signal. AI koji predloži bolji opis slike ili tehničku ispravku u WordPressu može uštedeti vreme.
Ali postoji i druga strana. Ako svi koriste slične AI sisteme, svi će dobijati slične predloge. Slične teme, slične naslove, slične uvode, slične zaključke. Internet koji je već dovoljno zatrpan generičkim sadržajem mogao bi da dobije novu količinu uredno formatirane prosečnosti.
Najveća vrednost urednika tada neće biti u tome da prihvati ono što AI predloži, nego da zna šta treba odbiti.
Privatnost neće biti fusnota, već centralno pitanje
U ovoj fazi razgovora o AI-ju, privatnost se često pominje tek kada nešto pođe po zlu. Curenje podataka, loša podešavanja, sporan trening modela, nejasna pravila korišćenja. Ali kod proaktivnog AI-ja privatnost nije dodatna tema. Ona je temelj proizvoda.
Ako sistem treba da zna vaše potrebe pre nego što ih vi jasno formulišete, onda mora imati pristup kontekstu. A kontekst je sve. Mejlovi, dokumenti, istorija rada, poruke, projekti, kontakti, rokovi, navike i ponavljajuće greške.
Zato će poverenje postati važnije od same brzine modela. Korisnici neće pitati samo da li AI zna dobro da napiše mejl. Pitaće gde su podaci, ko ih vidi, da li se koriste za trening, da li administrator firme može da vidi automatizacije, šta se čuva, šta se briše i da li se odluke mogu rekonstruisati.
Bez toga, proaktivni AI lako može da se pretvori u najsofisticiraniji oblik kancelarijskog nadzora do sada.
Najveća opasnost nije da AI zna previše, nego da mu previše verujemo
Postoji jedna zamka u celoj priči o predviđanju potreba. Kada sistem dovoljno često pogodi, korisnik počinje da mu veruje i kada nije proverio. To se već dešava sa navigacijom, preporukama, pretragom i algoritamskim feedovima. Ako deset puta pomogne, jedanaesti put ćemo lakše prihvatiti i loš predlog.
Kod proaktivnog AI-ja to može biti još izraženije, jer će predlozi dolaziti u trenutku kada smo zauzeti, umorni ili pod pritiskom. Tada je najlakše kliknuti “odobri”.
Zato budućnost AI-ja neće zavisiti samo od toga koliko je model pametan. Zavisiće od toga koliko su dobro postavljene kočnice. Da li korisnik razume šta sistem radi? Da li ima jasan pregled automatizacija? Da li može lako da ih isključi? Da li AI objašnjava zašto nešto predlaže? Da li postoje granice koje ne može sam da pređe?
Proaktivnost bez jasnih granica nije pomoć. To je samo automatizovana samouverenost.
Vraćamo se na staro pitanje: ko upravlja svakodnevicom?
Najzanimljivije u izjavi Cat Wu nije sama tehnologija. Zanimljivo je to što ona pokazuje pravac u kojem industrija ide. AI više neće biti samo alat koji koristimo kada nam zatreba. Postaće sloj između nas i svakodnevnih digitalnih obaveza.
To može biti korisno. Može nas osloboditi dela rutine. Može ubrzati posao. Može pomoći ljudima da se bave važnijim stvarima. Ali može i tiho promeniti odnos između čoveka i softvera.
Do sada smo mi uglavnom govorili računaru šta da radi. Nova generacija AI alata želi da zaključi šta ćemo verovatno želeti, pre nego što to izgovorimo.
To nije mala promena. To je prelazak sa komande na predviđanje.
A kada tehnologija počne da predviđa naše potrebe, treba se setiti jednog jednostavnog pitanja: da li ona zaista radi za nas, ili nas samo dovoljno dobro poznaje da bi nas lakše vodila kroz unapred podešen tok?
