Na poslednjem Masterclass-u pričali smo o promeni koja sve manje liči na prolazni trend, a sve više na trajnu promenu načina rada. Veštačka inteligencija je već ušla u svakodnevni posao, ali veliki broj ljudi je i dalje koristi kao bržu verziju Google-a ili kao pomoćnika za kratke zadatke. Otvore ChatGPT, Copilot ili Claude kada treba preformulisati mejl, objasniti formulu, napisati kratak tekst ili dobiti ideju za prezentaciju.
To je i bio prirodan prvi korak. Svaka nova tehnologija prvo se koristi tamo gde je najlakše videti korist. Kod AI alata, to su bili tekst, prevođenje, objašnjavanje, kraći rezimei i brže dolaženje do informacija. Problem je što se mnogi korisnici zaustave baš tu, pa AI ostane alat koji se otvara povremeno, kada zapne jedan mali deo posla. U međuvremenu, sami modeli se razvijaju u drugom pravcu.
Nova objava kompanije Anthropic o modelima Claude Fable 5 i Claude Mythos 5 pokazuje da se AI pomera prema dužim, složenijim i kontekstualno bogatijim zadacima. Drugim rečima, sve manje govorimo o alatu kojem postavimo jedno pitanje i dobijemo jedan odgovor. Sve više govorimo o sistemu koji može da prati tok rada, zadrži kontekst, poveže više informacija i pomogne korisniku da od neurednog materijala dođe do upotrebljivog zaključka.
To je posebno važno za ljude koji rade u Excelu, finansijama, prodaji, HR-u, administraciji, operacijama i menadžmentu. Njihov posao retko izgleda kao uredno pitanje sa čistim inputom. Mnogo češće izgleda kao kombinacija tabele, starog izveštaja, nekoliko mejlova, beleški sa sastanka, ručno menjanih podataka i roka koji se približava. Ako AI može da pomogne u takvom okruženju, onda njegova vrednost nije u tome što brže piše tekst, nego u tome što skraćuje put od sirovih informacija do poslovne odluke.
Šta je Claude Fable 5
Claude Fable 5 je model koji je Anthropic namenio široj upotrebi. U njihovoj objavi, Fable 5 se opisuje kao najsposobniji javno dostupan Claude model do sada, posebno za softversko inženjerstvo, rad sa znanjem, vizuelne zadatke, naučna istraživanja i duže kompleksne zadatke. Za nekoga ko ne prati AI industriju svakodnevno, ovo može da zvuči kao još jedna standardna najava novog modela. Svaka kompanija će za svoj novi model reći da je snažniji, brži i bolji od prethodnog.
Važniji deo priče je vrsta zadataka za koje Anthropic ističe Fable 5. Model nije predstavljen samo kao bolji sagovornik u chatu, već kao sistem koji bolje radi kada zadatak traje duže, kada ima više koraka i kada zahteva povezivanje različitih informacija. U objavi se posebno pominju dokument-based reasoning, tumačenje tabela i grafikona, rešavanje problema, vizuelni zadaci i sposobnost modela da duže ostane fokusiran kroz kompleksan rad.
To je pravac koji poslovni korisnici treba da primete. Kada model bolje čita dokumente, bolje tumači tabele i bolje prati kontekst, to odmah dodiruje svakodnevni rad u firmama. Izveštaji, analize, prezentacije, prodajne tabele, finansijski pregledi i planovi nisu samo gomila podataka. Oni su materijal iz kojeg treba izvući smisao. Tu AI počinje da pravi razliku ako ga korisnik ne tretira kao generator teksta, već kao saradnika u analitičkom procesu.
Zamisli da imaš Excel fajl sa prodajom za poslednjih šest meseci, PowerPoint prezentaciju iz prethodnog kvartala i nekoliko komentara menadžmenta iz mejlova. Stari način rada podrazumeva da sve to ručno pregledaš, uporediš, prepišeš važne delove, izdvojiš odstupanja i na kraju napišeš zaključak. AI model koji može da prati duži kontekst menja taj proces. On ne donosi odluku umesto tebe, ali može da ubrza pripremu materijala, pokaže gde su promene i pomogne da se brže dođe do verzije koju čovek može da proveri.
Zašto je Mythos 5 važan, iako ga većina korisnika neće koristiti
Claude Mythos 5 je druga strana iste objave. Prema Anthropic-u, Mythos 5 je zasnovan na istom osnovnom modelu kao Fable 5, ali sa skinutim zaštitama u pojedinim oblastima. Zbog toga nije dostupan široj javnosti. Namenjen je ograničenoj grupi proverenih korisnika, pre svega iz oblasti cyber odbrane, infrastrukture i kasnije odabranih biomedicinskih istraživanja.
Za većinu poslovnih korisnika, Mythos 5 neće biti alat koji će otvoriti i koristiti za izveštaj, tabelu ili prezentaciju. Ipak, njegovo postojanje je važan signal. Anthropic praktično pokazuje da modeli ove klase imaju dovoljno snažne mogućnosti da se mora pažljivo odlučivati ko sme da dobije pristup punoj verziji i pod kojim uslovima. Kada se oko jednog modela uvodi ovakav nivo kontrole, jasno je da se AI pomerio daleko od faze u kojoj je glavna tema bila pisanje lepših mejlova.
Mythos 5 je važan jer pokazuje koliko su ove tehnologije postale ozbiljne u specijalizovanim zadacima. U Anthropic objavi se pominju cyber odbrana, razvoj terapija, naučne hipoteze i genomika. To nisu zadaci u kojima je dovoljno da model zvuči ubedljivo. To su oblasti u kojima mora da se radi sa komplikovanim materijalom, kroz duži tok rada, uz veliki rizik ako se sposobnosti daju pogrešnim korisnicima.
Za Excel korisnika, finansijskog analitičara ili menadžera, poruka nije da će sutra koristiti Mythos 5. Poruka je da se AI sposobnosti razvijaju prema kompleksnijem radu. Ono što se danas vidi u kontrolisanim istraživačkim i tehničkim okruženjima, vrlo brzo se spušta u alate za svakodnevni posao. Modeli prvo pokazuju da mogu da rade kroz zahtevne naučne, tehničke i bezbednosne procese, a onda se ta logika prenosi na dokumente, tabele, izveštaje i poslovne odluke.
Zašto primer sa Pokémon FireRed nije samo zabavan demo
Jedan od najzanimljivijih primera iz Anthropic objave je situacija u kojoj Claude Fable 5 uspeva da završi Pokémon FireRed koristeći samo vizuelne informacije iz igre. Na prvi pogled, to deluje kao simpatičan AI eksperiment za društvene mreže. Igra, screenshotovi, model koji se snalazi bez dodatnih mapa i posebnih alata. Lako je preći preko tog primera kao preko zanimljivosti koja nema mnogo veze sa poslom.
Ali taj primer je važan baš zato što pokazuje novu vrstu sposobnosti. Da bi model prošao kroz igru na osnovu vizuelnih informacija, mora da razume šta vidi, pamti šta se ranije desilo, prati cilj, donosi odluke i prilagođava se promenama. To nije jedan odgovor na jedno pitanje. To je rad kroz duži proces u kojem informacije dolaze postepeno, nisu savršeno objašnjene i zavise od prethodnih odluka.
Poslovni rad često izgleda slično. Naravno, niko ne vodi firmu kroz Pokémon mapu, ali način na koji informacije stižu jeste uporediv. Jedan deo konteksta je u tabeli, drugi u mejlu, treći u beleškama sa sastanka, četvrti u staroj prezentaciji, a peti u nečijem komentaru koji nije formalno dokumentovan. Koristan AI mora da se snađe u takvom okruženju, jer se stvarni posao retko dešava u idealno pripremljenom fajlu.
Zato ovaj primer ne treba posmatrati kao igru, već kao dokaz da modeli sve bolje rade kada moraju da prate širi tok. Upravo to je ranije bio veliki problem kod AI alata. Korisnik je morao da piše dugačke promptove, da stalno vraća kontekst, da objašnjava isto više puta i da proverava da li je model usput izgubio ključnu informaciju. Novi modeli ne uklanjaju potrebu za proverom, ali sve bolje nose duge zadatke u kojima ima više signala, više koraka i više prostora za grešku.
Šta ovo znači za ljude koji rade sa Excelom
Najvažnija posledica ove promene nije u tome što ćemo dobiti još jedan model koji piše bolji tekst. Za poslovne korisnike, posebno za ljude koji rade sa Excelom, važnije je to što AI postaje sposobniji da učestvuje u analitičkom delu rada. Excel nije samo program za formule. U firmama je Excel često mesto gde se podaci pretvaraju u odluku. U njemu se vide prodaja, troškovi, plan, realizacija, odstupanja, trendovi, kašnjenja i rizici.
Kada AI bolje razume tabele, grafikone, dokumente i kontekst, menja se način na koji možemo da radimo sa tim materijalom. Umesto da ga pitamo samo kako se piše neka formula, možemo ga uključiti u širi zadatak: da pomogne u čišćenju podataka, pronalaženju anomalija, poređenju perioda, pripremi komentara za menadžment ili razumevanju zašto neki broj odstupa od očekivanog. To ne znači da AI preuzima odgovornost za izveštaj, već da čovek više ne mora svaki put da kreće od prazne strane.
Recimo da pripremaš mesečni izveštaj prodaje. U tabeli imaš rezultate po proizvodima, regijama i prodavcima. U starom fajlu imaš prethodni mesec, u prezentaciji imaš prošli komentar menadžmenta, a u mejlovima imaš napomene za neke klijente koji kasne sa porudžbinama. Klasičan rad znači da sve to ručno spajaš u glavi. AI model koji bolje radi sa dužim kontekstom može da pomogne da se taj materijal poveže, da izdvoji šta se promenilo i da napravi prvu verziju zaključka.
Tu se vidi prava razlika između površnog i zrelog korišćenja AI-ja. Površno korišćenje je kada neko traži od alata da “napiše komentar”. Zrelo korišćenje je kada korisnik objasni šta tabela predstavlja, kome je izveštaj namenjen, šta treba uporediti, koje odstupanje je važno i kakav zaključak je potreban. Što je model bolji, to bolje reaguje na ovakav zadatak. Ali početna odgovornost ostaje na korisniku koji mora da razume posao.
Dobar AI zadatak ne počinje promptom, nego kontekstom
Mnogo se priča o promptovima, ali u poslovnom radu prompt nije najvažniji deo priče. Prompt je samo vidljivi deo zadatka. Ono što se nalazi iza njega mnogo je važnije: razumevanje procesa, cilja, publike i kriterijuma za dobar rezultat. Ako korisnik ne zna šta želi da dobije, AI može da napiše nešto što zvuči uredno, ali nema stvarnu vrednost.
Zahtev “analiziraj ovu tabelu” može dati koristan početak, ali retko daje rezultat koji je spreman za posao. Model ne zna automatski da li analiza ide direktoru, timu prodaje, finansijama ili klijentu. Ne zna da li treba tražiti najveći rast, najveći pad, odstupanje od plana, rizik za naplatu ili problem u unosu podataka. Ne zna ni koliko detaljan komentar treba da bude ako mu korisnik to ne objasni.
Mnogo bolji zadatak bi zvučao ovako: “Ponašaj se kao finansijski analitičar. Pregledaj ovu tabelu prodaje, uporedi rezultate sa prethodnim mesecom, pronađi najveća odstupanja, objasni moguće razloge promene i napiši komentar koji mogu da ubacim u izveštaj za direktora.” Takav zahtev nije dobar zato što je duži. Dobar je zato što ima ulogu, cilj, kriterijume i krajnju upotrebu rezultata.
Upravo zato nova generacija Claude modela ne smanjuje potrebu da ljudi razumeju posao. Ona je povećava. Ako neko ne razume šta je dobar zaključak, AI mu neće magično dati poslovno rasuđivanje. Ako neko zna proces, zna šta treba proveriti i zna kome je rezultat namenjen, AI može da mu skine veliki deo ručnog rada i ostavi više prostora za ono što čovek treba da radi: tumačenje, proveru i odluku.
Zašto je Claude posebno zanimljiv za duže dokumente i analitički rad
Claude je već duže vreme prepoznat kao alat koji dobro radi sa dužim tekstovima, dokumentima i složenijim pisanjem. Sa Fable 5, Anthropic taj pravac dodatno naglašava kroz rad sa znanjem, tabelama, grafikonima, vizuelnim materijalom i dugim zadacima. Za korisnike koji rade sa poslovnim dokumentima, to je važna kombinacija, jer veliki deo posla ne živi samo u Excelu, već i u objašnjenjima oko Excel fajlova.
Tabela sama po sebi retko govori celu priču. Potreban je komentar, zaključak, poređenje sa prethodnim periodom, objašnjenje promene i predlog šta uraditi sledeće. Upravo zato su modeli koji bolje drže kontekst korisni za poslovne korisnike. Oni mogu da pomognu da se dokument, tabela i tekstualno objašnjenje spoje u jednu celinu, umesto da korisnik sve radi ručno kroz više odvojenih koraka.
To je naročito važno kada se radi sa većim materijalima. Na primer, kvartalni izveštaj se često ne sastoji od jedne tabele. Tu su mesečni fajlovi, komentari timova, stare prezentacije, planovi, ciljevi, korekcije i napomene koje su stizale tokom perioda. Ako AI može da zadrži više konteksta i bolje prati vezu između tih delova, korisnik može brže da dođe do strukture izveštaja i jasnijeg objašnjenja.
Naravno, to ne znači da Claude ili bilo koji drugi AI alat treba koristiti bez provere. Brojevi moraju da se provere, zaključci moraju da imaju smisla, a finalna odgovornost ostaje na čoveku. Ali razlika je u tome što čovek više ne mora da troši isti broj sati na pripremu materijala. Umesto da sve ručno skuplja, sređuje i preformuliše, može da koristi AI kao prvi sloj obrade koji zatim kontroliše i unapređuje.
Šta se menja za timove i kompanije
Za pojedinca, napredniji AI model može značiti brže završavanje svakodnevnih zadataka. Za tim, vrednost je mnogo veća ako se AI uklopi u zajednički proces. Kada svako koristi AI nasumično, firma dobija nekoliko malih dobitaka. Neko brže napiše mejl, neko lakše razume formulu, neko dobije bolji draft prezentacije. To pomaže, ali ne menja način rada na nivou tima.
Prava promena počinje kada tim prepozna koji se zadaci stalno ponavljaju i kako AI može da pomogne baš u tim koracima. Finansijski tim može definisati kako se koristi AI za pripremu mesečnih komentara. Prodajni tim može koristiti AI za analizu pipeline-a i pripremu follow-up poruka. HR može ubrzati obradu internih dokumenata i komunikacije. Menadžment može dobiti bolju pripremu materijala pre sastanaka.
Kod ovakvog pristupa, AI nije dodatak koji svako koristi kako mu padne na pamet. Postaje deo načina rada. Tim zna koji podaci se koriste, kako se postavlja zadatak, šta AI sme da uradi, šta čovek mora da proveri i kako izgleda dobar finalni rezultat. To je mnogo ozbiljnije od toga da zaposleni nauče nekoliko zanimljivih promptova koje će zaboraviti posle nedelju dana.
Claude Fable 5 je dobar povod za ovu temu jer pokazuje da modeli sve bolje rade sa dužim i kompleksnijim zadacima. Ali vrednost za firmu neće doći sama od sebe. Doći će tek kada se sposobnosti modela povežu sa konkretnim procesima: izveštavanjem, analizom, komunikacijom, dokumentacijom, planiranjem i donošenjem odluka.
Zašto smo u AI kurs dodali Claude
Zbog svega ovoga, kurs AI u poslovanju smo osvežili i proširili tako da sada obuhvata i Claude. To nije urađeno zato što je važno trčati za svakim novim alatom, već zato što se jasno vidi da različiti AI alati imaju različite prednosti. Poslovni korisnik ne treba da traži jedan “najbolji” alat za sve, već treba da razume koji alat ima smisla za koji tip zadatka.
ChatGPT je odličan za razmišljanje, pisanje, strukturiranje i rešavanje problema korak po korak. Copilot ima posebnu vrednost za korisnike koji rade u Microsoft okruženju. Claude je posebno zanimljiv kada zadatak traži duži kontekst, rad sa dokumentima, analizu, pažljivo pisanje i povezivanje više informacija. Kada korisnik razume ove razlike, prestaje da bira alat po popularnosti i počinje da ga bira prema poslu koji treba da završi.
U praksi, to znači da AI edukacija ne treba da se svodi na teoriju. Mnogo je korisnije učiti kroz zadatke koje ljudi već imaju: kako očistiti podatke, kako spojiti mesečne podatke u kvartalne, kako analizirati prodaju, kako pripremiti dashboard, kako napisati komentar za menadžment i kako proveriti da li zaključak ima smisla. Tu Claude može imati važnu ulogu, posebno kada oko tabele postoji mnogo dodatnog konteksta u dokumentima i tekstualnim objašnjenjima.
Cilj nije da korisnik zna ime svakog modela i svaku novu AI vest. Cilj je da razume kako da AI uvede u posao koji već radi. Kada se to desi, AI prestaje da bude igračka koju otvorimo kada imamo višak vremena. Postaje praktična poslovna veština koja skraćuje ručni rad i pomaže da se brže dođe do kvalitetnog rezultata.
Najvažnija promena nije u modelu, nego u načinu rada
Claude Fable 5 i Mythos 5 su važne vesti za AI industriju, ali za poslovne korisnike su još važnije kao signal. Pokazuju da modeli postaju sposobniji za duže zadatke, veći kontekst, rad sa dokumentima, tabelama, vizuelnim materijalom i kompleksnim procesima. To je pravac koji direktno utiče na ljude koji svaki dan rade sa izveštajima, analizama i poslovnim odlukama.
U narednom periodu neće biti dovoljno znati da se otvori AI alat i postavi kratko pitanje. Prednost će imati ljudi koji razumeju svoj posao dovoljno dobro da mogu AI-ju da objasne kontekst, cilj, kriterijume i očekivani rezultat. To je razlika između korišćenja AI-ja kao povremene pomoći i korišćenja AI-ja kao dela poslovnog procesa.
Za Excel korisnike, poruka je vrlo konkretna. AI više ne treba posmatrati samo kao alat za formule ili tekstualne komentare. Treba ga posmatrati kao pomoć u celom putu od podataka do odluke. Ako model može da pročita širi kontekst, razume tabelu, poveže informacije i pripremi osnovu za zaključak, onda korisnik može više vremena da posveti proveri, razumevanju i donošenju bolje odluke.
To je suština promene. AI neće biti vredan zato što zna da napiše još jedan lep odgovor. Biće vredan kada ga ljudi nauče da uključe u posao koji stvarno rade. Claude Fable 5 je još jedan jasan znak da idemo baš u tom pravcu.
