Kako se tehnologije ubrzano šire u našu svakodnevicu, raste i pitanje što doista utječe na to hoćemo li ih prihvatiti ili im se opirati. Nedavno objavljeno istraživanje u časopisu Telematics and Informatics pokazuje da način na koji su zadovoljene tri temeljne psihološke potrebe – autonomija, kompetencija i povezanost – oblikuje naše stavove prema tehnologijama poput onoga što obuhvaća umjetna inteligencija. Kada osobe osjećaju da same odlučuju, da su učinkovite i da pripadaju zajednici, veća je vjerojatnost da će im umjetna inteligencija djelovati smisleno i korisno, a ne prijeteće ili udaljeno. Ova perspektiva pomaže razumjeti zašto ista tehnologija kod nekoga izaziva entuzijazam, a kod nekoga nelagodu: u pozadini je uvijek pitanje ljudskih potreba, a ne samo tehničkih mogućnosti koje umjetna inteligencija donosi.

Zašto su autonomija, kompetencija i povezanost presudne

Temelj razumijevanja čini teorija samoodređenja – Self-Determination Theory – koja polazi od uvida da se ljudi najbolje razvijaju i funkcioniraju kada su zadovoljene tri univerzalne potrebe. Autonomija znači da imamo osjećaj izbora i kontrole nad svojim postupcima. Kompetencija je doživljaj vlastite učinkovitosti, uvjerenje da možemo savladati zadatak. Povezanost je osjećaj pripadnosti i kvalitetnih odnosa s drugima. Kada su ove potrebe podržane, raste unutarnja motivacija, znatiželja i otpornost – a upravo su te crte presudne kada prvi put susrećemo novu tehnologiju kakva je umjetna inteligencija.

U praksi, ako nam okruženje daje jasne mogućnosti izbora, omogućuje postepeno učenje i povezuje nas s ljudima s kojima možemo dijeliti iskustva, tada umjetna inteligencija lakše postaje saveznik. Ako se, pak, doživljava nametnutom, nerazumljivom i usamljujućom, veća je vjerojatnost da će izazvati otpor. Drugim riječima, isti algoritam može biti doživljen kao prijetnja ili kao potpora – ovisno o tome jesu li naše osnovne psihološke potrebe uvažene. Upravo zato rasprave o tome hoće li umjetna inteligencija „preuzeti” poslove često promašuju bit: ključ je u tome kako osmisliti kontekst u kojem se ona koristi.

Što otkrivaju novije studije

Istraživanje koje je potaknulo ovu raspravu provelo je dva komplementarna koraka: prvo je, u više europskih zemalja, analiziralo kako razina zadovoljenja potreba predviđa stavove prema tehnologiji; zatim je, na uzorku iz jedne zemlje, ispitalo kako promjene u iskustvu autonomije i povezanosti mijenjaju procjene. Obrazac je jasan: kada ljudi doživljavaju veću kompetenciju i povezanost, a često i autonomiju, pozitivnije ocjenjuju tehnologiju koju predstavlja umjetna inteligencija. Posebno se istaknulo da osjećaj da možemo koristiti alate pod vlastitim uvjetima – a ne zato što „moramo” – potiče radoznalost i smisleno eksperimentiranje.

Važno je naglasiti i da se utjecaj autonomije može razlikovati među kontekstima. U nekim sredinama upravo je autonomija presudan okidač za pozitivan stav, dok u drugima kompetencija i povezanost imaju stabilniji učinak. Ta razlika podsjeća da nije dovoljno uvoditi funkcije ili procese za koje pretpostavljamo da su „intuitivni” – nužno je sustavno graditi iskustvo korisnika tako da umjetna inteligencija ne djeluje kao zatvorena kutija, nego kao prozirni, prilagodljivi alat.

Sažetak nalaza istraživanja

• Osobe koje se osjećaju sposobno, povezano i u kontroli sklonije su pozitivnim stavovima prema tehnologiji kakvu predstavlja umjetna inteligencija.
• Kompetencija i povezanost dosljedno podržavaju povoljne stavove, dok utjecaj autonomije varira ovisno o okruženju i kulturi korištenja.
• Kada su potrebe sustavno podržane, smanjuje se negativnost i rastu spremnost na učenje te osjećaj smisla koji nudi umjetna inteligencija.

Što to znači za pojedince koji uče i rade s tehnologijom

Za mnoge ljude najteži je korak preobraziti apstraktni strah u konkretno iskustvo. Umjesto da se pitamo hoće li nas umjetna inteligencija zamijeniti, korisnije je pitati: na koji način mogu vratiti osjećaj izbora, ojačati vlastitu učinkovitost i ostati povezan s drugima dok učim nove alate? Prvi korak može biti vrlo praktičan – odabir jednog zadatka koji već radimo, a koji bismo mogli unaprijediti. Primjerice, umjesto da tražimo savršen sustav, možemo krenuti s jednostavnim scenarijem: sažimanje bilješki sa sastanka, izrada skice e-pošte ili organizacija popisa ideja. Kada taj mali slučaj upali, raste osjećaj kompetencije i smanjuje se dojam da je umjetna inteligencija nedostupna.

Drugi je korak otvoreno komunicirati očekivanja i granice. Ako unaprijed definiramo što želimo – primjerice ton, duljinu, publiku ili kriterije kvalitete – vraćamo sebi autonomiju. Usto, vrijeme provedeno na promišljanju zahtjeva troši se na ono što doista znamo, a ne na nagađanje. I treći, često podcijenjen korak, jest njegovanje zajednice. Kratke razmjene u timu, zajednička biblioteka primjera i usuglašeni standardi pomažu da umjetna inteligencija ne ostane privatna improvizacija, nego postane zajednički jezik rada.

U svim tim situacijama vrijedi pravilo malih, učestalih iteracija. Umjesto da očekujemo čarobni prečac, usmjerimo se na male uspjehe koji jačaju uvjerenje „mogu” – i svaki put kada osjetimo taj pomak, lakše je uočiti gdje još umjetna inteligencija može pomoći. Takva dinamika mijenja i način na koji mjerimo vrijednost: manje gledamo broj funkcija, a više gledamo osjećaj smislenog napretka.

Kako organizacije mogu poticati angažman oko umjetne inteligencije

Kada timovi uvode nove alate, najviše učinka donosi osmišljavanje iskustva – ne samo kupnja licence. Dvokorak koji se često pokazuje dovoljnom okosnicom jest ulaganje u kompetenciju i povezanost, uz jasne mehanizme za doživljaj izbora. U nastavku je pristup koji se može primijeniti u malim i velikim sustavima, pri čemu ostaje središnje pitanje: kako da umjetna inteligencija djeluje kao podrška, a ne kao naredba.

1. Razvijajte kompetenciju zaposlenika
   • Uvedite mikro-učenja s jasnim ishodima: jedna vještina – jedan zadatak – jedna povratna informacija. Time umjetna inteligencija ulazi u svakodnevicu bez preplavljivanja.
   • Ugradite „sigurna igrališta” za isprobavanje alata na neosjetljivim podacima, kako bi ljudi mogli istraživati bez straha od pogreške.
   • Standardizirajte kvalitetu putem primjera: biblioteka kratkih uzoraka prije/poslije pomaže da umjetna inteligencija bude povezana s jasnim kriterijima, a ne s apstraktnim očekivanjima.
   • Povežite učenje s poslom: odaberite stvarne procese gdje je usko grlo – primjerice izrada nacrta dokumenata ili priprema sadržaja – i pokažite gdje umjetna inteligencija skraćuje vrijeme do prvog nacrta.
2. Stvarajte okruženje povezanosti među korisnicima
   • Formirajte male zajednice prakse s redovitim razmjenama – petnaest minuta tjedno dovoljno je da se iskustva preliju iz pojedinaca u tim.
   • Uvedite laganu mentorstvo-rotaciju: svaki mjesec netko demonstrira „svoj” slučaj upotrebe, dok ostali komentiraju. Tako umjetna inteligencija postaje zajedničko vlasništvo, a ne privilegija eksperata.
   • Nagradite dijeljenje naučenog, ne samo broj napravljenih zadataka. Vidljivost znanja povećava vjerojatnost da će se nova praksa održati.
   • Ojačajte autonomiju kroz jasne okvire: definirajte što je preporučeno, što obvezno, a što prepušteno izboru – kada granice postoje, lakše je eksperimentirati.

Kako dizajnirati zadatke da podrže potrebe

Dizajn svakodnevnih zadataka presudan je za doživljaj smisla. Ako je cilj da se umjetna inteligencija koristi odgovorno i s povjerenjem, vrijedi početi od triju pitanja: gdje je prostor za izbor, kako mjerimo napredak i tko sve sudjeluje. U nastavku su smjernice koje se u praksi pokazuju primjenjivima bez obzira na veličinu tima.

• Autonomija: ponudite više putova do ishoda – predlošci, ručni unos, ili poluautomatizirani tijek – kako korisnici ne bi imali dojam da ih umjetna inteligencija gura u jednu jedinu proceduru.
• Kompetencija: osigurajte brzu i jasnu povratnu informaciju. Kratke validacije, uvidi o tome „zašto je rezultat takav” i mogućnost korigiranja povećavaju vještinu i osjećaj kontrole koji donosi umjetna inteligencija.
• Povezanost: omogućite jednostavno dijeljenje uvida, promptova i primjera unutar tima – zajednički repozitorij i kratki komentari ubrzavaju učenje i čine da umjetna inteligencija bude društveno iskustvo.

Primjeri iz svakodnevice

Zamislimo obrazovni kontekst u kojem nastavnici žele rasteretiti pripremu sadržaja. Ako smiju birati format i težinu materijala, ako dobiju brzu povratnu informaciju o tome kako prilagoditi tekst dobi učenika i ako imaju kolege s kojima razmjenjuju primjere, umjetna inteligencija više nije „napad na autonomiju”, nego alat koji jača nastavni stil. U poslovnom razvoju, kad se timovi dogovore o kriterijima kvalitete prije nego što uključe automatizaciju, lakše je prihvatiti da prvi nacrt napravi sustav – a završnu riječ čovjek. U kreativnim industrijama, timske radionice u kojima se zajednički vrednuju varijante pomažu da umjetna inteligencija postane katalizator ideja, a ne zamjena za autorski glas.

U javnom sektoru, uvođenje transparentnih obrazaca upotrebe smanjuje neizvjesnost i jača povjerenje građana. Ako je jasno objašnjeno kada se i zašto primjenjuje određeni model, koje su mogućnosti prigovora i kako se čuvaju podaci, raste osjećaj da je umjetna inteligencija usmjerena na opće dobro, a ne samo na učinkovitost. U zdravstvu, postupno uvoditi pomoćne alate – primjerice provjere konzistentnosti dokumentacije – može rasteretiti rutinske zadatke i ostaviti više vremena za kontakt s pacijentima, pa umjetna inteligencija biva doživljena kao produžetak brige, a ne kao barijera.

Alati i prakse koje smanjuju otpor

Otpor je često znak da je neka potreba ostala nepodržana. Ako zaposlenik kaže da „nema vremena za učenje”, vjerojatno mu nedostaje osjećaj kompetencije; ako kaže da „mora tako jer je naređeno”, nedostaje autonomije; ako se osjeća „sam u tome”, nedostaje povezanosti. Pristup koji je osjetljiv na te nijanse rješava uzrok, a ne simptom. Kratke sesije usmjerene na jednu vještinu jačaju kompetenciju; jasne granice slobode izbora vraćaju autonomiju; redovite razmjene i vidljivost primjera grade povezanost. Kroz takve poteze umjetna inteligencija prestaje biti povod za defanzivu i pretvara se u poligon za profesionalni rast.

Konačno, vrijedi podsjetiti da je osobni doživljaj temelj svake promjene. Dovoljno je nekoliko dobrih iskustava – mali uspjesi, jasna korist, podrška kolega – da se preokrene narativ o tome što umjetna inteligencija jest. Kada ljudi osjete da imaju riječ, da mogu naučiti i da nisu sami, tehnologija postaje jedan od načina da se učini nešto smisleno. Upravo u tom spoju potreba i prakse leži najveća snaga s kojom umjetna inteligencija može olakšati, a ne otežati, velike promjene koje živimo.