U trci za vještačkom inteligencijom više nije ključno samo razviti model – već ga „nahraniti“ pravim podacima. Upravo tu granicu sada pomjera Meta, uvodeći interni sistem koji u realnom vremenu bilježi način na koji zaposleni rade na računarima.
Riječ je o strateškom zaokretu: rad više nije samo rezultat, već postaje sirovina za treniranje AI sistema.
Novi sloj nadzora: svaki klik kao podatak
Prema internim komunikacijama, Meta uvodi softver koji prikuplja:
- pomjeranje miša
- klikove
- pritiske tastera
- povremene snimke ekrana radi konteksta
Sistem se aktivira na odabranim poslovnim aplikacijama i web stranicama, a cilj je jasan – trenirati modele na stvarnim obrascima rada.
Interna poruka zaposlenima to pojednostavljuje:
„Ovo je način na koji svi zaposleni u Meti mogu pomoći modelima da postanu bolji – jednostavno radeći svoj svakodnevni posao.“
Drugim riječima, svakodnevni rad postaje kontinuirani trening za vještačku inteligenciju.
Problem koji AI još nije riješio
Iako modeli vještačke inteligencije napreduju velikom brzinom, i dalje imaju konkretne slabosti – posebno u interakciji sa računarskim interfejsima.
Meta cilja upravo te „slijepe tačke“:
- korišćenje padajućih menija
- navigacija kroz interfejse
- upotreba prečica na tastaturi
To su zadaci koje ljudi obavljaju automatski, ali za AI predstavljaju složene sekvence odluka.
Strategija: od AI alata do autonomnih agenata
Andrew Bosworth, tehnički direktor kompanije, definiše širu viziju:
„Vizija prema kojoj idemo je ona u kojoj naši agenti obavljaju većinu posla, a naša uloga je da ih usmjeravamo, provjeravamo i pomažemo im da se unaprijede.“
Dodaje i ključni element sistema u razvoju:
„Cilj je da stvorimo zatvoreni krug u kojem agenti mogu automatski prepoznati kada smo morali da intervenišemo – kako bi sljedeći put bili bolji.“
Ova logika predstavlja osnov nove inicijative, sada rebrendirane kao Agent Transformation Accelerator (ATA), koja nadograđuje raniji program AI for Work.
Meta: podaci služe isključivo modelima
Portparol kompanije Andy Stone pojašnjava da će prikupljeni podaci biti korišćeni isključivo za razvoj modela:
„Ako gradimo agente koji pomažu ljudima da obavljaju svakodnevne zadatke na računarima, naši modeli moraju imati stvarne primjere kako ih ljudi koriste – poput pomjeranja miša, klikanja i navigacije kroz menije.“
Naglašava i ograničenja: podaci se neće koristiti za procjenu radnog učinka zaposlenih, a uvedeni su i mehanizmi zaštite osjetljivih informacija – iako detalji nijesu precizirani.
AI mijenja strukturu rada
Ovaj potez nije izolovan. Uklapa se u širi trend među velikim tehnološkim kompanijama – redefinisanje radne snage kroz vještačku inteligenciju.
Mark Zuckerberg već mjesecima agresivno gura strategiju integracije AI-a u sve poslovne procese, uz argument da će to povećati efikasnost kompanije.
Posljedice su već vidljive:
- planirano smanjenje oko 10% globalne radne snage
- dodatni rezovi najavljeni tokom godine
- brisanje granica između funkcija kroz novu ulogu „AI buildera“
Paralelno je formiran i novi inženjerski tim za primijenjeni AI (Applied AI), fokusiran na razvoj modela koji mogu samostalno pisati kod, testirati proizvode i upravljati infrastrukturom.
Najbolji softverski inženjeri već se premještaju u taj segment.
Industrijski kontekst: domino efekat
Meta nije izuzetak. Slični potezi već su vidljivi kod drugih velikih igrača:
- Amazon je smanjio oko 30.000 korporativnih radnih mjesta
- kompanija Block gotovo je prepolovila broj zaposlenih
Razlog je isti: AI sistemi sve bolje preuzimaju zadatke koji su do juče zahtijevali ljudski rad.
Ključno pitanje: granica između optimizacije i nadzora
Iako Meta naglašava da je cilj unapređenje modela, ovakav pristup otvara pitanje povjerenja.
Gdje završava optimizacija rada, a počinje nadzor?
Koliko su zaposleni spremni da njihov svakodnevni rad postane podatak?
Za sada, kompanija tvrdi da su zaštitni mehanizmi na mjestu. Ipak, dugoročno će upravo percepcija zaposlenih i regulatora odrediti koliko daleko ovaj model može ići.
Budućnost u kojoj AI uči iz svega
Meta ovim potezom jasno pokazuje smjer: vještačka inteligencija više se ne trenira samo na javnim ili statičkim podacima, već na „živom radu“ unutar kompanije.
Ako taj model uspije, granica između rada i treniranja AI-a gotovo nestaje.
U takvom sistemu, zaposleni više nijesu samo korisnici tehnologije – već njen najvažniji izvor.
(Izvor: Financa.ba)
