Kada naš par koji želi da kupi stan od 200.000 evra dođe u banku kako bi uz pomoć kredita pribavio nedostajući novac, prvi filter nije nekretnina, već radni status onoga ko traži ta sredstva. Kada želite da uzmete stambeni kredit, većina banaka zahteva od vas da ste zaposleni na neodređeno vreme, sa najmanje šest do 12 meseci staža kod istog poslodavca. Ugovor na određeno vreme drastično sužava prostor.

Sledi procena kreditne sposobnosti. Narodna banka Srbije (NBS) postavlja generalni okvir, a banke u praksi primenjuju pravilo da ukupna mesečna rata ne bi trebalo da pređe oko polovine, u nekim slučajevima i do 60 odsto vaših neto primanja. Ali, pre nego što primeni taj procenat, banka od plate odbija relevantne svote koje direktno utiču na iznos raspoloživih sredstava. Svaka kreditna kartica, dozvoljeni minus, keš kredit, pa i jemstvo za tuđi kredit, umanjuju iznos koji možete da usmerite na stambenu ratu. Broj izdržavanih članova ulazi u istu računicu, a izveštaj Kreditnog biroa banci pokazuje celu sliku vašeg dosadašnjeg finansijskog ponašanja.

Za naš par to je i prednost. Pošto se prihodi dvoje ljudi sabiraju kada su sudužnici, njihova zajednička kreditna sposobnost veća je nego kod pojedinca koji sam kupuje stan. Kada se odbije njihovo učešće, potrebno im je ukupno 160.000 evra. Uz kamatu od pet odsto i rok otplate od 30 godina, njihova mesečna rata iznosi oko 860 evra.

Paušalci i preduzetnici: isti san, teži dokaz

Zaposleni na neodređeno lakše dokazuju prihod, jer banka vidi redovnu uplatu zarade. Preduzetnici, paušalci i poljoprivrednici prolaze zahtevniji put. Oni stabilnost prihoda dokazuju kroz poreske prijave za poslednjih 12 do 24 meseca, a banka gleda prijavljeni, a ne stvarni promet.

Kod paušalaca je prijavljena osnovica često niska, pa i kreditna sposobnost ispadne manja nego što realno zarađuju. To ne znači da su isključeni. I preduzetnici i poljoprivrednici imaju pravo na subvencionisani kredit za mlade, a Zakon o zaštiti korisnika finansijskih usluga izričito ih svrstava u korisnike sa svim pravima koja iz toga proističu.

Zato je pametno urediti knjige i priliv na račun nekoliko meseci pre nego što se uopšte zakuca na vrata banke. U idealnim okolnostima, paušalci će imati dugoročne ugovore sa svojim klijentima, pa i na taj način pokazati da su siguran izbor u očima banke.

Veće učešće, manji kredit

Učešće je deo cene koji plaćate iz sopstvenih sredstava, i ono presudno oblikuje ceo kredit. U klasičnom stambenom kreditu banke po pravilu traže najmanje 20 odsto učešća, što u primeru našeg stana koji se prodaje za 200.000 evra iznosi 40.000 evra. Ako date manje, kredit se dodatno obezbeđuje – tradicionalno kroz osiguranje kod Nacionalne korporacije (NKOSK), uz jednokratnu premiju koja raste što je učešće manje.

Poslednjih godina, međutim, sve više banaka odustaje od obaveznog NKOSK osiguranja i procenu rizika vezanu za vašu konkretnu situaciju ugrađuje u sopstvene uslove za odobravanje stambenog kredita. Zato je pre kupovine vredno proveriti kako konkretna banka tretira učešće ispod 20 odsto.

Subvencionisani program za mlade obara granicu učešća na samo jedan odsto vrednosti nepokretnosti, a umesto NKOSK-a stoji državna garancija koja bankama pokriva 40 odsto kredita u prvih 10 godina. Ali tu je kvaka – taj kredit je ograničen na 100.000 evra. Za stan od 200.000 evra ta suma pokriva tek polovinu, pa preostalih 100.000 evra morate obezbediti sami, iz ušteđevine, od porodice ili kroz drugi, klasičan kredit sa sopstvenim učešćem i kamatom.

Logika iza visine učešća je jednostavna. Veće učešće znači manji kredit, nižu ratu, lakše odobrenje i manje ukupne kamate, uz izbegavanje premije osiguranja. Manje učešće ostavlja vam gotovinu u džepu, ali poskupljuje kredit na dugi rok.

Fiksna ili promenljiva kamata: opklada na budućnost

Sledi odluka da li ćete odabrati fiksnu ili promenljivu kamatu. Promenljiva se vezuje za referentnu stopu, najčešće šestomesečni EURIBOR, uvećanu za fiksnu maržu banke. Kada EURIBOR raste, raste i vaša rata, i obrnuto. Fiksna kamata je najčešće nešto viša na početku, ali vam garantuje istu ratu i kada kamate na tržištu počnu da rastu.

Suština izbora je opklada na budućnost. Ko veruje da će kamate padati, bira promenljivu kamatu; ko želi mir i predvidiv budžet, plaća malo više za fiksnu. Nijedno rešenje nije samo po sebi bolje, jer sve zavisi od toga koliko dugo planirate da otplaćujete kredit i koliko oscilacija u rati možete da podnesete. Uvek tražite da vam banka uporedi ponude po efektivnoj (EKS), a ne samo po nominalnoj kamatnoj stopi, jer EKS uključuje i prateće troškove.

Gde mladi najčešće zaglave

Dve zamke se ponavljaju kod mladih kupaca. Prva je vezana za subvencionisani kredit i njegov najprivlačniji deo, kamatu od 1,5 odsto. Ta stopa važi samo prvih šest godina. Posle toga, kredit prelazi na promenljivu kamatu (EURIBOR uvećan za dva procentna poena), pa se kamata koju plaćate više nego udvostruči u odnosu na subvencionisani period, a raste i mesečna rata. Koliko tačno, zavisi od toga kako će se EURIBOR kretati te godine. Kupac koji je ratu skrojio taman prema početnoj kamati, sedme godine se suoči sa obavezom koju nije planirao.

Druga zamka je preterano zatezanje budžeta, jer najveći deo pratećih troškova stiže pre nego što banka isplati kredit, a starogradnja gotovo uvek traži adaptaciju. Onaj ko na učešće da i poslednji dinar, useli se u prazan stan bez sredstava za njegovo opremanje, pa zdrava računica zahteva novčanu rezervu i za period posle useljenja.

Od odobrenja do ključeva, i mogućnost prevremene otplate

Kada banka odobri kredit, sledi procena vrednosti, upis hipoteke na stan i tek na kraju isplata prodavcu, po pravilu poslednja karika u lancu. Otplata teče kroz anuitete, jednake mesečne rate u kojima je na početku najveći deo kamata, a tek kasnije glavnica.

Upravo tu leži mogućnost koju mnogi kupci ne koriste dovoljno – prevremena otplata. Po Zakonu o zaštiti korisnika finansijskih usluga, u svakom trenutku možete delimično ili u celosti da vratite dug i tako smanjite ukupnu kamatu. Kod stambenih kredita banka sme da naplati naknadu, ali najviše jedan odsto vraćenog iznosa ako je do kraja ostalo više od godinu dana, odnosno pola odsto ako je manje.

Važno je znati da naknada ne sme biti veća od stvarne štete banke, pa ako su u međuvremenu kamate porasle, banka nema pravo da je naplati. Uz to, do milion i dvesta hiljada dinara godišnje možete uplatiti na glavnicu u potpunosti bez naknade, jednokratno ili kroz više uplata.

Subvencionisani kredit za mlade ide korak dalje, jer se kod njega prevremena otplata, i delimična i potpuna, obavlja bez ikakve naknade. Ovo je jedna od stvari o kojima možete i pregovarati sa bankom, pa i u potpunosti ukloniti naknade za prevremenu otplatu ukoliko to ide u korist vašim ciljevima.

Pažljivo birajte uslove pre potpisivanja ugovora, posle je kasno

Vratimo se našem paru. Njihov kredit od 160.000 evra nije samo pitanje brojki, već je to obaveza koja će trajati decenijama. Ono što na početku izgleda kao jedna odluka, u stvari je niz odluka koje oni moraju da donesu u vezi kredita: visina učešća, dužina roka, izbor između fiksne i promenljive kamate i mogućnost da glavnicu skraćuju kad god im budžet dozvoli.

Banka procenjuje njih, ali i oni biraju uslove pod kojima ulaze u verovatno najdužu finansijsku obavezu svog života. Poruka je ista kao i kod ostalih troškova – sve uslove pod kojima se odobrava kredit morate da razumete pre nego što stavite svoj potpis na ugovor, a ne tek kada stigne prva rata.

Nemanja Ostojić, osnivač besplatnog internet vodiča za kupovinu prvog stana u Srbiji PrviKvadrat.rs

Biznis i finansije 249, septembar 2026.

Prethodni tekst ovog autora bavi se troškovima na koje niko ne računa kada kupuje stan i nalazi se na ovom linku. 

Tekst o tome da li je isplativije plaćati kiriju ili ratu stambenog kredita pročitajte na ovom linku.

Foto: oleksandrpidvalnyi, Pixabay

Чланак Presudne odluke kada uzimate kredit za stan се појављује прво на Biznis i Finansije.

Naš mladi par je raskrstio sa dilemom kirija ili rata i čvrsto reši da kupi stan. U pitanju je starogradnja u Beogradu, 60 kvadrata, uredni papiri, cena 200.000 evra. Seli su za sto, sabrali svoju ušteđevinu sa novcem koji mogu da dobiju od roditelja, razmotrili koliko bi koštalo ako uzmu kredit, i izračunali sve do poslednjeg evra. Bili su uvereni da je to krajnji iznos u njihovoj računici. Međutim, za kupce prvog stana, to je u stvari polazna tačka. Od prve overe ugovora do poslednje stolice u stanu, čak i kada cifra iz oglasa ostane ista, stan na kraju po pravilu košta osetno više.

To nije izuzetak, već pravilo. Cena u oglasu je ulaznica, a ne konačan račun. Za kupca koji kroz ceo proces prolazi prvi put, najskuplje je upravo ono što se ne vidi odmah. Zato, pre nego što se zaljubite u kvadraturu, vredi upoznati sve finansijske „rupe“ za curenje novca koje idu uz nju.

Porez na prenos: pitanje od pet hiljada evra

Kod starogradnje se plaća porez na prenos apsolutnih prava, i to 2,5 odsto od ukupne vrednosti. Ovaj porez, po dogovoru najčešće plaća kupac, iako je zakonski obveznik prodavac. To znači da na iznos od 200.000 evra, taj porez je 5.000 evra.

Ovde leži i najveća poluga za uštedu u celoj računici – poresko oslobođenje za kupca prvog stana. Ako ste punoletan državljanin Srbije sa prebivalištem u zemlji i od 1. jula 2006. niste imali nepokretnost za stanovanje u vlasništvu ni suvlasništvu, oslobođeni ste poreza na stambeni prostor do 40 kvadrata, uz još po 15 kvadrata za svakog člana domaćinstva koji ispunjava uslove. U slučaju mladog para koji smo naveli kao primer, to je 55 kvadrata bez poreza.

Porez se plaća samo na višak kvadrata iznad propisane granice, što za stan od 60 kvadrata znači da je oporezivo preostalih pet kvadrata. Naš par će za tih pet kvadrata platiti oko 420 evra poreza, ali da njih dvoje nisu ispunjavali uslove, platili bi punih 5.000 evra.

Učešće i kredit: koliko košta pozajmljeni novac

Banke po pravilu traže učešće od 20 odsto, dakle 40.000 evra na primeru našeg stana, koje morate imati ukoliko ste prethodno ispunili sve uslove za kredit. Ako date manje novca za učešće, pojedine banke zajam osiguravaju kod Nacionalne korporacije (NKOSK), uz jednokratnu premiju koja se meri hiljadama evra. Ovaj slučaj nije najčešći, ali se dešava i pritom košta, pa ga vredi imati na umu.

Za mlade postoji i povoljnija mogućnost. Subvencionisani kredit za kupce prvog stana, starosti od 20 do 35 godina, traži učešće od svega jedan odsto, bez osiguravanja zajma kod NKOSK-a, uz kamatu fiksiranu na 1,5 odsto prvih šest godina, jer država pokriva dva procentna poena. Rok otplate traje do 40 godina ali ne preko 70. godine života, uz mogući grejs period do godinu dana.

Postoje, međutim, i ograničenja. Kredit je limitiran na 100.000 evra, stan ne može da se kupi od bliskih srodnika, a tokom prvih šest godina ne sme da se proda niti da se izdaje. U slučaju našeg stana koji košta 200.000 evra, ovaj kredit pokriva tek polovinu potrebne sume. I to može biti najveća prepreka za kupce prvog stana, jer u većim gradovima u Srbiji cene nekretnina daleko prevazilaze maksimalan iznos koji kredit može da pokrije. Zato je ovaj program za kupovinu prvog stana pogodniji u manjim sredinama.

Lako se previdi i činjenica da prodavci često traže isplatu u evrima. Kada banka vaš iznos kredita konvertuje u evre da bi isplatila prodavca stana, konverzija ide po bankarskom, a ne po srednjem kursu, pa tu razliku snosite vi. Kod većih iznosa kao što su oni za kupovinu stana, ta razlika nije zanemarljiva, a najbolja opcija za kupce je isplata kredita po srednjem kursu u dinarima. Ovim putem izbegavate bespotrebnu proviziju.

Notar, procena, katastar: sitnina koja se sabira

Nijedna od pomenutih stavki ne obara budžet sama, ali u zbiru lako premaše 1.000 evra. Overa kupoprodajnog ugovora kod notara je zakonski uslov i vezana je za vrednost posla, pa za stan od 200.000 evra izdvajate za tu uslugu 450 evra. Tu je i overa predugovora, koja nije zakonski obavezna, ali se često radi da bi se stan rezervisao i osigurala kapara, pa dolazi kao dodatni trošak za plaćanje notara.

Procena vrednosti za banku je oko 100 do 150 evra. Obrada kredita ide od nule do oko jedan odsto iznosa. Tu su i upis hipoteke, list nepokretnosti, menice i izveštaj kreditnog biroa, kao i obavezno osiguranje nepokretnosti vinkulirano u korist banke. Neke od ovih troškova banke preuzimaju na sebe, naročito u programu za mlade, pa se isplati pitati unapred i porediti ponude po efektivnoj, a ne samo po nominalnoj kamati.

Agencija i adaptacija: gde odlazi najviše

Dve najveće stavke se uopšte ne nalaze u ugovoru o kupovini. Prva je provizija agencije za nekretnine. Ako stan kupujete preko agencije, provizija je najčešće oko dva odsto, dakle 4.000 evra za naš stan. Druga, i po pravilu najskuplja stavka od svih, jeste adaptacija. Starogradnja retko ne zahteva renoviranje. Prvo instalacije, struja i vodovod, koji se u starijim zgradama često menjaju iz temelja, pa kupatilo, stolarija i podovi, a onda nameštaj, bela tehnika i selidba.

Raspon ovih troškova može biti ogroman, od nekoliko hiljada evra za „kozmetičko“ osveženje stana, do preko 30.000 za temeljnu adaptaciju sa opremanjem. Upravo tu zaglave kupci koji su na učešće dali i poslednji dinar. Oni se usele u prazan stan i shvate da nemaju novca da taj prostor pretvore u dom.

Redosled troškova je druga zamka

Problem nije samo u količini novca koju ćete potrošiti na nepredviđene troškove, već i redosled kojim ti izdaci pristižu. Najveći deo ovih troškova postaje aktuelan i pre nego što banka isplati odobreni kredit. Kapara ide uz predugovor, izdaci za notara i porez uz overu, a procena pre odobrenja kredita.

Kredit u stvari stiže poslednji. To znači da morate imati ozbiljnu gotovinu na strani, i pored učešća, da biste finansijski premostili period do trenutka kada banka isplati prodavcu pun iznos.

Prateći troškovi su predvidivi kada su vam poznati

Vratimo se našem paru sa početka ovog teksta. Oni su odlučili da kupe stan koji je u oglasu koštao 200.000 evra. Kad se dodaju troškovi za papirologiju, provizija za agenciju a kupci ispune uslov za poresko oslobođenje, oni su već stigli do iznosa od 207.000 evra – i to pre nego što su u stan uneli i jednu jedinu stvar.

Dodajte na to izdatke za adaptaciju, pa početnih 200.000 naraste na 215.000 do 235.000 evra, a uz temeljno renoviranje i više. I dok je učešće i dalje 40.000 evra u našem primeru, ukupan novac potreban na početku lako može da pređe 50.000 evra zbog velike uloge koju igraju propratni troškovi i adaptacija.

Poruka nije da odustanete, nego da planirate ukupan iznos, a ne da se rukovodite cifrom iz oglasa. Taj jaz između početne i krajnje cene je gotovo uvek predvidiv, pod uslovom da znate da postoji.

Nemanja Ostojić, osnivač besplatnog internet vodiča za kupovinu prvog stana u Srbiji PrviKvadrat.rs

Prethodni tekst ovog autora o tome da li je isplativije plaćati kiriju ili ratu stambenog kredita pročitajte na ovom linku.

Biznis i finansije 249, septembar 2026.

Foto: rfphoto, Depositphotos

Чланак Troškovi na koje niko ne računa kada kupuje prvi stan се појављује прво на Biznis i Finansije.

Zamislite mladi par koji već pet godina plaća kiriju od 600 evra mesečno za stan od četrdesetak kvadrata u Beogradu. Njih dvoje namerno žive u manjem stanu nego što bi im odgovaralo, jer štede svaki dinar za kupovinu sopstvene nekretnine. Trenutno imaju ušteđevinu od 40.000 evra, a želeli bi da kupe stan od 60 kvadrata koji se u oglasu prodaje za 200.000 evra. To znači da bi ostatak sredstava morali da pribave uz pomoć kredita.

Ako prikupljenih 40.000 evra daju kao učešće, kredit bi iznosio 160.000 evra. Rata za taj kredit, koji se trenutno odobrava po kamatama od pet odsto i u roku od 30 godina, iznosi oko 860 evra mesečno.

Njihova računica je jednostavna: svakog meseca za kiriju daju 600 evra, a rata bi izašla 860, dakle 260 evra više mesečno. Skoro svaki prvi kupac stana u Srbiji polazi od ovakvog poređenja, ali ono je pogrešno.

Da bi računica imala smisla, potrebno je izračunati koliko bi koštalo da taj isti stan od 60 kvadrata iznajme. Prema podacima, prosečna tražena cena zakupa u Beogradu u martu 2026. iznosila je 14,45 evra po kvadratu. To za 60 kvadrata iznosi oko 870 evra mesečno, a u pojedinim opštinama i više, 1.000 do 1.200 evra. Kirija za stan koji žele, dakle, nije niža od rate, naprotiv, ona je viša. Onih 260 evra nije cena vlasništva. To je cena dvadesetak kvadrata više.

Zašto su visina kirije i rate približne?

Podudarnost rate i kirije nije slučajna. Stanodavci cenu ne formiraju prema tome koliko podstanar može da izdrži, nego prema prinosu koji očekuju od uloženog kapitala. Bruto ciljani prinos od izdavanja stanova u Beogradu kreće se između četiri i šest odsto godišnje, a posrednici otvoreno objašnjavaju logiku iza te kalkulacije: vlasnik stana od 100.000 evra računa na oko 5.000 evra prihoda godišnje i zato traži oko 400 evra mesečno.

Po tom prinosu, stan od 200.000 evra izdaje se za nešto preko 800 evra, praktično za iznos rate.

Kirija i rata, dakle, nisu dve nezavisne opcije između kojih birate, već dve cene istog stana, obe izvedene iz njegove tržišne vrednosti. Kada cena kvadrata poraste na tržištu, uporedo rastu obe računice i zato odlaganjem kupovine stana za još neku godinu ne rešavate ništa.

Gde zapravo nestaje novac?

Ustaljeno je mišljenje da kirija predstavlja bačen novac. Ono je tačno u zaključku, ali je pogrešno u obrazloženju, jer podrazumeva da onaj ko plaća ratu za stan ne baca ni dinar.

Kredit za koji svakog meseca otplaćujete isti iznos napravljen je tako da je na početku otplate najveći deo rate kamata, a tek kasnije glavnica. Od oko 10.300 evra, koliko bi naš par uplatio tokom prve godine, svega 2.360 evra zaista smanjuje dug. Ostatak, blizu 7.950 evra, odlazi banci na ime kamate. Mesečno, to je oko 660 evra koji nestaju isto kao i kirija, a samo 197 evra se pretvaraju u imovinu.

Uporedimo to sa 600 evra, koliko naš par trenutno plaća kiriju. U prvoj godini vlasništva, oni bi mesečno bacali više novca nego kao podstanari, samo bi za taj novac dobili dvadesetak kvadrata više i skroman prirast imovine. Tokom celog roka otplate, banci bi na ime kamate platili blizu 149.000 evra, gotovo koliko iznosi i sam kredit.

Stavke sa obe strane računa

Vlasništvo nosi i izdatke koje podstanar nema. To je porez na imovinu, koji se za stan u kome vlasnik ima prijavljeno prebivalište umanjuje za polovinu, ali ne više od 20.000 dinara godišnje. Tu je i osiguranje nepokretnosti vinkulirano u korist banke, kao i investiciono održavanje zgrade, koje u starogradnji nije retkost. Ne treba zaboraviti ni održavanje nekretnine, koje godišnje iznosi oko 1 odsto vrednosti.

Za podstanare, najveća a najmanje vidljiva stavka jeste propušteni prinos na učešće, koji bi za onih 40.000 evra na oročenoj deviznoj štednji, po stopama koje trenutno idu do 3,5 odsto i uz porez na kamatu od 15 odsto, iznosio oko 1.200 evra godišnje. Sa druge strane računa, podstanar ne plaća notara, procenu, obradu kredita ni adaptaciju, a ti troškovi kod kupovine lako premaše 7.000 evra pre nego što se u stan unese ijedna stvar. Takođe, sve eventualne popravke kvarova u stanu snosi stanodavac.

Trenutak u kojem se račun okreće

Ako je mesečna razlika kirije i rate mala, a početna cifra za kupovinu stana ogromna, zašto podstanari uopšte razmišljaju o nekretnini u svom vlasništvu? Zato što se tokom vremena menjaju dve ključne stvari i to u suprotnim smerovima.

Prva je struktura rate. Udeo kamate opada svake godine, pa u desetoj godini otplate od iste rate od 860 evra na kamatu odlazi oko 550 evra, a ostatak se pretvara u imovinu. Druga je kirija, koja ide naviše. Čak i uz umeren rast od tri odsto godišnje, kirija od 870 evra za deset godina prelazi 1.100 evra.

Do desete godine, naš par bi dug prema banci smanjio za oko 30.000 evra i imao stan čija vrednost, ako se rast cena nastavi tempom koji Republički geodetski zavod (RGZ) beleži poslednjih godina, znatno premašuje preostali dug. Da su ostali pod kirijom u stanu iste veličine, za isto vreme bi isplatili blizu 120.000 evra i ne bi imali ništa.

Prelomna tačka nije, dakle, u mesečnom budžetu nego u vremenskom horizontu. Kupovina se isplati onome ko u stanu ostaje dovoljno dugo da amortizuje ulazne troškove i da glavnica preuzme prevagu nad kamatom. Onome kome je horizont kratak ili neizvestan, zakup nije rasipanje nego racionalan izbor.

Zašto zakup u Srbiji nije jednostavna opcija

Problem je, međutim, u tome što tržište zakupa u Srbiji nije dovoljno uređeno. To je jedan od razloga za kasnije osamostaljivanje mladih kod nas, koji prema podacima Eurostata napuštaju roditeljski dom tek posle tridesete, dok njihovi vršnjaci u EU to čine u proseku sa oko 26 godina.

Najteža posledica nedovoljno uređenog tržišta zakupa je pravna nesigurnost za podstanare. Zakon propisuje obaveznu pisanu formu ugovora, otkazni rok koji ne može biti kraći od 90 dana i pravo zakupca da ne prihvati povećanje zakupnine. U praksi ta prava najčešće ostaju na papiru: prijavljen zakup nosi porez od efektivno oko 15 odsto kirije, pa veliki deo tržišta funkcioniše bez ugovora, a podstanar bez ugovora nema čime da dokaže nijedno od tih prava.

Razlika između oglašenih i stvarno plaćanih kirija to najbolje pokazuje. Ove godine, oglašene kirije u Beogradu su u padu, stopa slobodnih stanova porasla je na oko pet odsto, a u centralnim naseljima cene su niže nego na vrhuncu iz 2023. Uprkos tome, Republički zavod za statistiku (RZS) beleži da su kirije u maju 2026. bile oko 11 odsto skuplje nego godinu dana ranije, a kod jednosobnih i jednoiposobnih stanova 13,5 odsto, uz međugodišnju inflaciju od 3,5 odsto. To znači da se podstanaru koji ostaje u istom stanu kirija ne smanjuje, nego povećava.

Odluka koja se ne donosi na osnovu mesečnog budžeta

Vratimo se našem paru. Njihovih 260 evra razlike nije cena vlasništva nego cena prostora, a prava razlika između kirije i rate skrivena je tamo gde je mesečni budžet ne pokazuje: u 40.000 evra koje su morali da sakupe na ime učešća za kredit i u broju godina koje planiraju da provedu na istoj adresi. Da je sve više kupaca spremno na ove uslove potvrđuju podaci Republičkog geodetskog zavoda iz prvog kvartala 2026. godine – oko 33 odsto svih kupljenih stanova u Srbiji plaćeno je uz pomoć kredita prema 25 odsto godinu dana ranije. Najveći udeo stanova kupljenih na kredit zabeležen je u Beogradu (39,8 odsto).

Kupci prvog stana, koji ispunjavaju uslove za subvencionisani stambeni kredit za mlade, plaćaju svega jedan odsto učešća i fiksnu kamatu od 1,5 odsto prvih šest godina, ali je iznos kredita ograničen na 100.000 evra.

Sve navedeno, međutim, ne znači da je kirija obavezno gubitak, a kupovina stana uvek dobitak. Suština je da razlika između ova dva izdatka ne leži tamo gde je većina traži. Ona nije u visini rate, nego u kapitalu koji morate imati pre nego što rata stigne na plaćanje i u broju godina koje ste spremni da provedete iza istih vrata.

Nemanja Ostojić, osnivač besplatnog internet vodiča za kupovinu prvog stana u Srbiji PrviKvadrat.rs

Biznis i finansije 249, septembar 2026.

Foto: alphaspirit, Depositphotos

Чланак Kirija ili rata: Dve cene istog krova nad glavom се појављује прво на Biznis i Finansije.

Nova pravila, međutim, otvaraju pitanje koje prevazilazi način označavanja sadržaja. Portali jesu registrovani i posluju u konkretnim državama, ali njihova publika nije ograničena državnim granicama. Tekst objavljen u Srbiji može istog trenutka da čita neko u Nemačkoj ili Francuskoj, kao što američki portal može imati veliki broj čitalaca u Evropskoj uniji. Zato se postavlja pitanje čija pravila medij mora da poštuje: države u kojoj je registrovan, mesta na kom je sadržaj proizveden, tržišta kom je namenjen ili države iz koje mu čitalac pristupa?

Kada upotreba AI mora da bude označena

Upotreba veštačke inteligencije u redakciji ne znači nužno da je AI napisala tekst. Može se koristiti za transkripciju intervjua, proveru gramatike, prevođenje, sažimanje dokumentacije ili predlaganje naslova, ali i za gotovo potpuno automatizovano stvaranje i objavljivanje vesti.

Član 50 ne zahteva da medij prijavi svaku upotrebu AI alata. AI-generisan ili manipulisan tekst kojim se javnost informiše o pitanjima od javnog interesa mora biti jasno označen. Ipak, postoji važan izuzetak: ova obaveza ne važi ukoliko je sadržaj prošao ljudsku proveru ili uredničku kontrolu i ukoliko fizičko ili pravno lice preuzima uredničku odgovornost za njegovo objavljivanje.

Zato nije isto da li AI samostalno proizvodi i objavljuje vest, ili novinar koristi generativni sistem za nacrt koji zatim proverava i uređuje. Još više se razlikuje situacija kada se AI koristi za jezičku korekciju ili druge pomoćne poslove. Presudno, dakle, nije samo to da li je korišćena AI, već i kakvu je ulogu imala u nastanku sadržaja, kao i da li je konačni rezultat prošao ljudsku ili uredničku kontrolu.

Član 50 predviđa i tehnički nivo transparentnosti. Pružaoci AI sistema koji generišu sintetički tekst, audio, slike ili video moraju omogućiti da takvi rezultati budu označeni u mašinski čitljivom formatu i tehnički prepoznatljivi kao veštački generisani ili manipulisani.

Posebna pravila važe za deepfake: kada AI stvara ili manipuliše slikom, zvukom ili video-zapisom koji predstavlja deepfake, mora biti navedeno da je sadržaj generisan putem veštačke inteligencije ili izmenjen. Izuzetak predviđen za sadržaj koji je prošao ljudsku proveru ili uredničku kontrolu ne bi trebalo automatski primenjivati na ove vrste sadržaja.

Kako se AI sadržaj reguliše širom sveta

Dok Evropska unija primenjuje jedinstven regulatorni okvir, u ostatku sveta ne postoji zajednički standard za označavanje AI sadržaja u medijima. Negde je transparentnost zakonska obaveza, negde je uređena profesionalnim kodeksima, dok pojedine države još razmatraju buduća pravila.

Kina ima jedan od najširih sistema označavanja AI-generisanog sadržaja. Pravila koja se primenjuju od septembra 2025. obuhvataju tekst, slike, audio i video zapise i predviđaju vidljive oznake i tehničke podatke za identifikovanje porekla sadržaja. Južna Koreja je takođe zakonski uredila transparentnost generativne AI, uz obaveze koje zavise od vrste sadržaja i načina njegove upotrebe.

Sjedinjene Američke Države imaju fragmentisaniji pristup. Na federalnom nivou ne postoji opšta obaveza označavanja AI-generisanih novinskih tekstova, dok savezne države donose sopstvene propise, naročito za deepfake sadržaje, političko oglašavanje i izbore. Do avgusta 2026. godine 29 saveznih država regulisalo je AI-generisane deepfake sadržaje u izbornom kontekstu. Kalifornija ima i posebna pravila o transparentnosti AI-generisanih slika, video i audio sadržaja, ali ona nisu ekvivalent evropskom pravilu za tekstove o pitanjima od javnog interesa.

Velika Britanija nema opšti ekvivalent članu 50 i još raspravlja o budućem sistemu označavanja. Kanada je u julu 2026. otvorila konsultacije o transparentnosti AI sistema i njihovih rezultata, dok se Australija uglavnom oslanja na smernice i preporuke za označavanje AI-generisanog sadržaja.

Srbija za sada nema zakonski ekvivalent članu 50 AI Act-a, ali Kodeks novinara i novinarki Srbije reguliše upotrebu veštačke inteligencije u medijima. On zahteva transparentnu i odgovornu upotrebu AI alata, jasno označavanje sadržaja u čijoj je obradi veštačka inteligencija imala značajnu ulogu, kao i zadržavanje pune uredničke kontrole nad takvim sadržajem.

Gde prestaje domaća, a počinje strana jurisdikcija?

Za tradicionalne medije teritorijalna pripadnost bila je relativno jednostavna: novine su se distribuirale na određenom tržištu, a radio i televizija emitovali program na području za koje su imali dozvolu. Internet je tu vezu promenio. Portal registrovan u Srbiji može imati veliki broj čitalaca u Nemačkoj, Austriji ili Francuskoj, dok američki portal namenjen srpskoj dijaspori mogu istovremeno pratiti ljudi iz Srbije i Evropske unije.

Sama dostupnost sadržaja u nekoj zemlji, međutim, ne znači automatski da je on namenjen tom tržištu. Činjenica da je neko u Nemačkoj otvorio članak objavljen na američkom ili srpskom portalu sama po sebi ne znači da je izdavač tog portala obavezan da primenjuje nemačka ili evropska pravila. Kada bi sama dostupnost bila dovoljna, svaki portal bi potencijalno morao da proverava propise svih država iz kojih mu se može pristupiti.

Granica postaje manje jasna kada medij aktivno usmerava svoj sadržaj ili poslovanje ka određenom tržištu – na primer, kroz posebnu verziju sajta na jeziku te zemlje, sadržaj namenjen tamošnjoj publici ili poslovnim aktivnostima na tom tržištu. Tada veza sa drugom jurisdikcijom može postati znatno čvršća.

Upravo takve situacije obuhvataju propisi sa eksteritorijalnim dejstvom, koji se pod određenim uslovima primenjuju i na subjekte izvan teritorije na kojoj su doneti. Takav pristup postoji i u evropskom AI Act-u. Član 2 predviđa da se određene odredbe mogu primenjivati i na pružaoce i korisnike AI sistema iz trećih zemalja kada se rezultat koji proizvodi AI sistem koristi u Evropskoj uniji, dok Recital 22 govori o situacijama u kojima je rezultat proizveden izvan EU namenjen korišćenju u Uniji.

To ipak ne znači da svaki strani portal koji ima čitaoce u EU automatski potpada pod AI Act. Formulacija da se rezultat AI sistema „koristi u Uniji“ ne znači da je svaka internet stranica dostupna iz EU obuhvaćena evropskim propisom, a Recital 22 upućuje na nameravanu upotrebu rezultata u Uniji. Zato nije dovoljno utvrditi gde je portal registrovan ili odakle dolaze njegovi čitaoci, već kakva stvarna veza postoji između izdavača, načina upotrebe AI, sadržaja i evropskog tržišta.

Između zakona, kodeksa i internih pravila

Isti novinski sadržaj zato može biti povezan sa više regulatornih i profesionalnih sistema. Na njega mogu uticati zakoni države u kojoj izdavač posluje, novinarski kodeksi, propisi druge jurisdikcije ako postoji dovoljna veza sa njenim tržištem, ali i pravila platformi preko kojih se sadržaj distribuira.

Društvene mreže, video-platforme, pretraživači i drugi posrednici mogu imati i sopstvene zahteve za AI-generisani ili manipulisani sadržaj. Oni nisu zakoni, ali mogu uticati na to kako će članak biti označen, prikazan, preporučen ili distribuiran. Zato se na pitanje da li medij mora da označi upotrebu AI ne može uvek odgovoriti samo na osnovu toga u kojoj državi je registrovan.

Transparentnost kao zajednički imenitelj

Različiti pristupi država pokazuju da ne postoji jedinstveno pravilo o označavanju AI sadržaja u medijima. Problem dodatno komplikuje to što se AI može koristiti u gotovo svakoj fazi novinarskog rada, od transkripcije i jezičke obrade do stvaranja fotografija, pisanja i automatskog objavljivanja, pa sama oznaka da je „korišćena AI“ često ne govori šta je tehnologija zaista uradila.

Buduća pravila zato moraju da odgovore na dva pitanja: kako publici pružiti dovoljno informacija o poreklu sadržaja i čiji propisi važe kada sadržaj prelazi granice? Ovo drugo je znatno složenije: države donose propise unutar svojih jurisdikcija, dok objavljeni sadržaj gotovo trenutno postaje dostupan širom sveta. Pravo je i dalje teritorijalno. Informacija više nije.

Autor: Milena Šović, AI Implementation Specialist & Content Trainer

Foto: AndrewLozovyi, Depositphotos

Чланак AI i mediji: Šta nam stvarno donosi član 50 AI Act-a се појављује прво на Biznis i Finansije.

Tema je privukla pažnju nakon što je portal 404 Media otkrio da je kompanija ISBNdb nudila AI laboratorijama uslugu masovne nabavke štampanih knjiga, dok su sudski dokumenti u sporu protiv kompanije Anthropic pokazali da je ona već kupovala velike količine knjiga, digitalizovala ih i koristila za obuku svojih modela.

Na prvi pogled, to deluje nelogično. Ako se na internetu nalazi ogromna količina teksta, zašto AI kompanije kupuju štampane knjige? Odgovor je jednostavan: problem više nije nedostatak podataka, već nedostatak pouzdanog, kvalitetnog teksta napisanog ljudskom rukom.

Internet je postao zagađen sopstvenim proizvodom

Internet je nekada bio glavni izvor tekstova za obuku velikih jezičkih modela. Knjige, naučni radovi, novinski članci, blogovi i forumi predstavljali su ogroman korpus sadržaja koji su pisali ljudi. Međutim, od pojave generativne veštačke inteligencije krajem 2022. godine, na internetu sve više sadržaja čine tekstovi koje su napisali sami AI modeli.

Istraživači ovaj talas automatski generisanog sadržaja često nazivaju AI slop (AI-generisani sadržaj niskog kvaliteta). Problem nije samo u tome što takav tekst može biti netačan ili površan, već i što nove generacije modela sve češće uče na sadržaju koji su stvorili njihovi prethodnici. Taj rizik u naučnoj literaturi poznat je kao postepeno urušavanje modela (model collapse), odnosno postepeno opadanje kvaliteta modela usled obučavanja na sintetičkim podacima.

Zbog toga kompanije sve više traže izvore za koje mogu biti sigurne da su nastali pre masovne upotrebe generativne veštačke inteligencije i da su taj sadržaj napisali ljudi. Upravo su zato štampane knjige ponovo postale jedan od najvrednijih izvora podataka za razvoj savremenih AI sistema.

Zašto su baš štampane knjige idealan izvor?

Za obuku velikih jezičkih modela nije dovoljno samo to da je tekst napisao čovek. On mora biti kvalitetan, raznovrstan i pouzdan. Upravo zato su štampane knjige postale jedan od najvrednijih izvora podataka.

Za razliku od većeg dela sadržaja na internetu, knjige prolaze kroz uređivanje, lekturu i korekturu, a obuhvataju različite oblasti – od književnosti i istorije do medicine, prava i tehničkih nauka. Osim kvalitetnog teksta, one sadrže i pouzdane metapodatke, poput godine izdanja, autora, jezika i oblasti kojoj pripadaju.

Posebno su tražena izdanja objavljena pre kraja 2022. godine, jer je verovatnoća da sadrže AI-generisani tekst praktično zanemarljiva. Istovremeno, milioni naslova i dalje postoje isključivo u štampanom obliku, pa biblioteke, antikvarnice i prodavci polovnih knjiga postaju važan izvor visokokvalitetnog teksta napisanog ljudskom rukom za razvoj savremenih AI sistema.

Kako je otkriven novi posao vredan milione dolara

Javnost je za ovu praksu saznala u julu 2026. godine, kada je portal 404 Media objavio istraživanje o kompaniji ISBNdb. Pored svoje baze bibliografskih podataka, kompanija je na sajtu nudila uslugu masovne nabavke štampanih knjiga za AI laboratorije – od hiljadu do čak milion naslova po narudžbini.

Klijenti su mogli da biraju knjige prema godini izdanja, jeziku, žanru ili oblasti, a ISBNdb je nudio i potpisivanje ugovora o poverljivosti (NDA), uz obećanje da identitet kupca nikada neće biti otkriven. U marketinškom materijalu kompanija je čak priznala da bi ovakva praksa mogla izazvati negativne reakcije javnosti, ako bi se saznalo da AI kompanije uništavaju velike količine knjiga.

Nakon objavljivanja teksta, stranice sa ovom ponudom su uklonjene, a ISBNdb je saopštio da su želeli samo da tastiraju interesovanje tržišta i da kompanija nikada nije kupovala niti prodavala knjige za obuku modela veštačke inteligencije. Ipak, arhivirane verzije sajta pokazuju da je takva ponuda zaista postojala.

Šta je i kako izgleda destruktivno skeniranje

Da bi što brže digitalizovale velike količine knjiga, AI kompanije koriste postupak poznat kao destruktivno skeniranje. On je brži i jeftiniji od klasičnih metoda, ali podrazumeva trajno uništavanje knjige.

Proces počinje sečenjem poveza, nakon čega se razdvojene stranice propuštaju kroz industrijske skenere velikih kapaciteta, koji brzo mogu da skeniraju veliku količinu materijala. Zatim se pomoću OCR tehnologije fotografije stranica pretvaraju u mašinski čitljiv tekst koji se može koristiti za obuku modela.

Pošto je povez uništen, knjiga se više ne može vratiti u prvobitno stanje i najčešće završava u reciklaži. Kod savremenih izdanja to obično nije veliki problem, ali ako se na ovakav način digitalizuju retke ili vantiražne knjige, svaki uništeni primerak predstavlja trajan gubitak kulturnog nasleđa.

Iako postoje nedestruktivne metode skeniranja, one su znatno sporije i skuplje. Zato se sve češće postavlja pitanje da li ekonomska efikasnost treba da ima prednost nad očuvanjem knjiga, posebno kada je reč o retkim i teško dostupnim izdanjima.

Anthropic je pokazao da ovo nije samo teorija

Dok se nakon otkrića 404 Media raspravljalo da li je ponuda ISBNdb-a ikada zaživela u praksi, sudski postupak protiv kompanije Anthropic pokazao je da ovakva praksa već postoji. Interna dokumenta otkrila su da je kompanija u okviru projekta Project Panama nabavljala velike količine novih i polovnih knjiga, slala ih na destruktivno skeniranje, a dobijene digitalne kopije koristila za obuku svojih modela.

Kako bi organizovao ovaj proces, Anthropic je angažovao Toma Turvija, nekadašnjeg rukovodioca projekta Google Books. Prema internim dokumentima, kompanija je smatrala da je kupovina i skeniranje legalno nabavljenih knjiga pravno sigurniji pristup od oslanjanja na piratske digitalne biblioteke.

Slučaj Anthropic pružio je prvi konkretan dokaz da fizičke knjige ponovo postaju jedan od najvažnijih izvora podataka za razvoj velikih jezičkih modela.

Da li je sve po zakonu?

Da li AI kompanije smeju da kupuju knjige, digitalizuju ih i koriste za obuku svojih modela? Jedan od najvažnijih odgovora do sada dao je savezni sudija Vilijam Alsap u predmetu Bartz v. Anthropic.

U junu 2025. godine sud je zaključio da digitalizacija legalno kupljenih štampanih knjiga i njihovo korišćenje za obuku velikih jezičkih modela može predstavljati fair use, odnosno dozvoljenu upotrebu prema američkom autorskom pravu. Istovremeno je napravljena jasna razlika u odnosu na piratske digitalne biblioteke, poput LibGen-a, čije korišćenje nije obuhvaćeno ovom odlukom.

Ipak, ova presuda ne znači da je pitanje konačno rešeno. Odnosi se na konkretan slučaj, dok se pred američkim sudovima i dalje vode brojni sporovi protiv AI kompanija zbog načina na koji su prikupljale podatke za obuku svojih modela.

Sledeća bitka za razvoj veštačke inteligencije vodiće se oko podataka

U prvim godinama razvoja generativne veštačke inteligencije najveća prednost bile su računarska snaga i specijalizovani procesori. Danas, sve veću vrednost imaju kvalitetni podaci na kojima se modeli obučavaju.

Zato AI kompanije sve češće sklapaju ugovore sa medijima, izdavačima i drugim vlasnicima velikih kolekcija tekstova, dok štampane knjige ponovo postaju jedan od najtraženijih izvora sadržaja koji su napisali ljudi. Slučajevi ISBNdb-a i Anthropic-a pokazuju da je trka za kvalitetnim podacima već počela.

Istovremeno, ostaju otvorena pitanja gde su granice dozvoljene upotrebe autorskih dela i kako sačuvati retke knjige. Jasno je, međutim, da će budućnost veštačke inteligencije sve manje zavisiti samo od procesora, a sve više od pristupa najkvalitetnijim tekstovima koji su produkt ljudskog razmišljanja i rada.

Autor: Milena Šović, AI Implementation Specialist & Content Trainer

Foto: Pixabay

Чланак Zašto su štampane knjige postale važan resurs za razvoj veštačke inteligencije? се појављује прво на Biznis i Finansije.

Veliki jezički modeli kao što su Grok, GPT, Claude ili Llama ne “prepoznaju“ i „razumeju“ jezik kao ljudi. Oni ne poseduju svest o tome šta je srpski, engleski ili francuski jezik, niti imaju konceptualno razumevanje jezika kao sistema značenja. Princip rada im je zasnovan na osnovu statističkog predviđanja sledećeg tokena/reči u rečenici. Tokom treninga na trilionima tekstova, model uči obrasce i predviđa koja reč najverovatnije dolazi sledeća u nizu, odnosno rečenici. Ukoliko je tokom treninga češće viđao određene obrasce, kombinacije ili grupe reči, njih će i uključivati u odgovor.

Kada su ti obrasci slični, kao kod srodnih jezika iz iste jezičke grupe, prostor za grešku postaje veći; ako za neki jezik nema dovoljno podataka, sistem će često „preći“ na najbliži jezik koji prepoznaje, bukvalno će prevesti sa engleskog jezika ili će samo englesku reč ili frazu napisati po pravopisnim pravilima drugog jezika.

Šta to znači u praksi?

Slovenski jezici, među kojima su i naši južnoslovenski (srpski, hrvatski, makedonski i bugarski), dele veliki broj reči i imaju sličnu gramatiku i strukturu. Za model, to znači da se ti jezici delimično „preklapaju“. Kada ulaz nije dovoljno jasan, odnosno kada modelu nije jasno na kom jeziku je postavljeno pitanje, on ne „bira“ jezik, već nastavlja u pravcu koji mu deluje najverovatniji.

Zato se u praksi dešavaju situacije da pitanje postavimo na srpskom, odgovor stiže na mešavini srpskog i hrvatskog ili samo hrvatskog ili odgovor počinje jednim jezikom, a završava se drugim.

Sličan problem postoji i kod pisama (čak i u okviru istog jezika) ili korišćenja ijekavice i ekavice. Srpski koristi ćirilicu i latinicu, ali i neformalne varijante bez dijakritika. Za model, svaka od tih varijanti je drugačiji „signal“. Što je tekst „nečistiji“ (mešano pismo ili „ošišana“ latinica), veća je verovatnoća da će sistem pogrešno proceniti kontekst i dati pogrešan ili neodgovarajući odgovor.

Greške su češće ako korisnik postavlja kraća ili dvosmislena pitanja, ili kada piše neformalno ili u slengu. Ne postoji jedinstvena stopa greške, ali je jasno da se one značajno povećavaju upravo u ovakvim situacijama. Usled navedenog se kvalitet ne meri time da li sistem može da odgovori na nekom jeziku, već da li ostaje dosledan, tačan i razumljiv u različitim kontekstima.

Hoće li veštačka inteligencija izbaciti prevodioce „iz igre“?

Veliki jezički modeli ne polaze od gramatičkih pravila niti od direktnog „prevođenja“ reči, već na osnovu velikih količina podataka uče kako se značenje najčešće prenosi sa jednog jezika na drugi. Umesto da traže tačan ekvivalent za neku reč, modeli procenjuju koji je najverovatniji niz reči u ciljnom jeziku, uzimajući u obzir širi kontekst rečenice.

Taj pristup daje najbolje rezultate kod prevođenja sa engleskog i na engleski jezik. Kako engleski dominira internetom, modeli imaju daleko više primera na osnovu kojih uče, pa su i rezultati stabilniji. Kod prevođenja između manje zastupljenih jezika (recimo sa srpskog na litvanski), sistemi često posredno „prolaze“ kroz engleski (prevode srpski na engleski jezik, a zatim sa engleskog na litvanski), što može dovesti do gubitka nijansi i pojednostavljivanja značenja.

U većini situacija, kod prevođenja jednostavnih tekstova ili novinskih sadržaja, prevodi su u velikoj meri kvalitetni. Greške se najčešće javljaju kod idioma, kulturno specifičnih izraza i stručne terminologije. Posebno su osetljive oblasti kao što su pravo, medicina ili finansije, gde i najmanja greška u prevodu može značajno promeniti značenje i kontekst.

Dodatni rizik je to što su greške često teško uočljive. Sistem može da generiše gramatički, pravopisno i stilski pravilan prevod koji deluje uverljivo, ali je suštinski netačan. Za korisnika koji ne razume originalni tekst, takva greška ostaje neprimećena.

U praksi veštačka inteligencija može da posluži služi kao prvi korak u prevođenju, da pruži „grub prevod“ a prevodilac ima glavnu reč i prilagođava prevod kontekstu.

Veličina je bitna

Ključni faktor koji određuje kvalitet odgovora je količina podataka. Jezici koji dominiraju internetom imaju ogromne korpuse. Engleski je ubedljivo najzastupljeniji i samim tim ga modeli veštačke inteligencije favorizuju, dok je srpski jezik značajno manje prisutan. Kada su u pitanju dijalekti, njihova zastupljenost u podacima je minimalna, pa su u praksi gotovo neprepoznatljivi ili nedovoljno zastupljeni u modelima.

Posledica je jasna: model je stabilniji na engleskom nego na srpskom, a još nestabilniji na dijalektima. To nije pitanje „kvaliteta modela veštačke inteligencije“, već strukture podataka.

Istaknuta pojava naziva se jezička pristrasnost. Ona nije rezultat namere, već neravnomerne zastupljenosti jezika u trening podacima. Što su jezik i korpus „veći“, to su odgovori pouzdaniji; što je „manji“, to model više improvizuje.

Najveći problem nastaje kod dijalekata: ako dijalekat nije prisutan u podacima, model ga ne prepoznaje kao zaseban jezički oblik već ga tretira kao varijaciju ili grešku. U praksi, to znači da korisnik piše na dijalektu ili nekoj varijanti, a sistem odgovara na standardnom jeziku ili ga delimično (i to vrlo loše) „prevodi“.

Od tehničkog i lingvističkog do političkog i ekonomskog pitanja

To više nije samo tehničko i lingvističko pitanje. Ako digitalni sistemi sistematski ignorišu „male“ jezike i nestandardne govore, oni direktno utiču na to ko je vidljiv u digitalnom prostoru, a ko nije. Jezici koji nisu podržani postaju manje upotrebljivi u obrazovanju, poslovanju i javnom diskursu, što postepeno dovodi do njihove marginalizacije.

Drugim rečima, nije reč samo o tome kako veštačka inteligencija „govori“, već o tome čiji se glas čuje. Ako sistemi bolje razumeju i reprodukuju velike jezike, onda njihovi govornici imaju prednost u pristupu informacijama, dok su govornici manjih jezika u podređenom položaju. U tom smislu, pitanje jezika u sistemima veštačke inteligencije postaje pitanje digitalne ravnopravnosti: ko ima pristup tehnologiji, a ko je iz nje praktično isključen?

Za kompanije koje uvode veštačku inteligenciju u svoje poslovanje, navedena neravnomerna zastupljenost jezika ne predstavlja samo lingvistički, već i ozbiljan poslovni problem. Ukoliko četbot ne prepoznaje jezik korisnika ili daje nestabilne odgovore, pada kvalitet usluge, raste broj žalbi i klijenti gube poverenje u kompaniju.

Gдјe je reшenje?

Zato pravo pitanje nije da li veštačka inteligencija „govori vaš jezik“, već koliko pouzdano funkcioniše u različitim kontekstima, od neformalne do stručne komunikacije. Formalna podrška za jezik sama po sebi nije dovoljna. Sistemi obučeni na više jezika (kao što su Grok, ChatGPT ili DeepSeek) mogu da rade na malim jezicima, ali nisu za njega optimizovani.

Rešenje postoji, ali zahteva sistematičan pristup. Prvi korak je kuriranje kvalitetnih korpusa malih jezika, odnosno prikupljanje, uređivanje i označavanje tekstova. Drugi korak je specijalizovani fine-tuning, odnosno dodatno prilagođavanje modela na takvim podacima, kako bi sistem naučio konkretne jezičke obrasce, a ne samo standardni oblik jezika.

Dugoročno, najpouzdaniji rezultati mogu doći iz razvoja nacionalnih ili regionalnih jezičkih modela koji od početka uzimaju u obzir jezičku raznovrsnost. Inicijative poput CLASSLA već razvijaju resurse za južnoslovenske jezike, dok se u Srbiji sve češće govori o nacionalnom jezičkom modelu. Ukoliko se takvi projekti realizuju, njihova uloga neće biti samo tehnološka, već i kulturna, u očuvanju jezika i njegovih dijalekata u digitalnom prostoru.

Autor: Milena Šović AI Implementation Specialist & Content Trainer

Foto: unsplash

Чланак Izgubljeni u prevodu: Govori li veštačka inteligencija vašim jezikom? се појављује прво на Biznis i Finansije.

U poslovnom svetu veštačka inteligencija više nije samo alat za ubrzanje poslovnih procesa ili smanjenje troškova, ona postaje strateški resurs u donošenju odluka, analizi tržišta i upravljanju rizicima. Kompanije sve više koriste AI za predviđanje potražnje, procenu kreditnog rizika, optimizaciju investicija ili kreiranje marketinških sadržaja.

Obični korisnici veštačku inteligenciju više ne upotrebljavaju samo za pisanje mejlova ili prevode tekstova. Ona postaje lični savetnik kojem se obraćaju za pomoć u donošenju najvažnijih i najosetljivijih odluka u životu, od tumačenja simptoma bolesti i zdravstvenog stanja, preko finansijskih saveta, pa sve do ličnih i pravnih pitanja.

Dakle, i u privatnom i u poslovnom životu, odgovori veštačke inteligencije nam pomažu da donosimo bitne odluke. Zato je jako važno da znamo koja su njena ograničenja, da budemo svesni rizika njene upotrebe i da znamo kako da se zaštitimo od potencijalne manipulacije.

Kako je jedan novinar nadmudrio veštačku inteligenciju

Nedavni eksperiment britanskog novinara Tomasa Džermejna, objavljen na BBC-ju pokazao je koliko je lako manipulisati savremenim AI sistemima.

Za samo dvadeset minuta Džermejn je na svom sajtu kreirao potpuno lažni blog-post. U njemu je izmislio nepostojeće takmičenje pod nazivom „Najbolji tehnološki novinari u jedenju hot-dogova“. Napravio je detaljnu rang-listu, dodelio „svetske rekorde“, postavio sebe na prvo mesto i ubacio imena nekoliko stvarnih, poznatih novinara, među kojima je bio i Dru Harvel iz Vašington Posta. Tekst je bio napisan u klasičnom novinarskom stilu, sa uvodom, podacima, „statistikama“ i linkovima koji su izgledali autentično. Sve je delovalo kao ozbiljan i kredibilan sadržaj.

Za manje od 24 sata kasnije usledio je šokantan rezultat. Google AI Overview, Gemini i ChatGPT su već citirali taj lažni blog kao pouzdan izvor informacija. Modeli su ponavljali izmišljene podatke kao da su činjenice. Navodili su „svetske rekorde“ u jedenju hot-dogova, precizno pominjali imena stvarnih novinara i pozicionirali Džermejna kao apsolutnog pobednika takmičenja koje nikada nije ni održano.

Još više zabrinjava to što manipulacija nije prestala ni nakon intervencije. Kada je autor ažurirao post i jasno napisao da je reč o eksperimentu, da je sve izmišljeno i da „ovo nije satira“, AI sistemi nisu promenili ponašanje. Čak i nakon eksplicitnog upozorenja, oni su i dalje tretirali lažni sadržaj kao verodostojnu informaciju i nastavili su da ga uključuju u svoje odgovore.

Ovaj slučaj nije rezultat sofisticiranog hakovanja ili tehničkog upada u sisteme. Reč je o klasičnoj SEO manipulaciji, jednostavnom postavljanju lažnog sadržaja na internetu, kojim se AI modeli hrane i na osnovu kojeg formulišu svoje odgovore.

Međutim, problem je mnogo dublji od širenja pojedinačnih i nasumičnih lažnih vesti. Verovatno i ptičice na grani znaju da savremeni veliki jezički modeli (Large Language Models – LLM) ne razlikuju istinu od laži. Oni su sofisticirani prediktori sledeće reči u nizu, odnosno, veoma napredni sistemi koji na osnovu statističkih obrazaca naučenih iz ogromnih količina podataka samo procenjuju koja reč najverovatnije treba da dođe na sledećem mestu u rečenici. Zbog toga su ranjivi na dve ključne vrste manipulacije: kontradiktorne informacije u izvorima i namerno dizajnirane sistemske instrukcije (promptove).

Ali, tu priči nije kraj…

Autorka ovog teksta, koja se bavi razvojem veštačke inteligencije i četbotova, sprovela je pre nekoliko meseci dva eksperimenta kako bi ilustrovala ove ranjivosti u praksi.

U prvom slučaju, četbot je treniran na podacima dve različite biografije istog izmišljenog istoričara. Biografije su sadržale brojne kontradiktornosti. U jednoj biografiji bili su navedeni jedna godina, mesto rođenja i jedno ime supruge, a u drugoj su bili drugačiji podaci. Rezultat je bio očekivan ali i uznemirujući.

Naime, u različitim sesijama isti model je davao različite odgovore. Ponekad je birao informacije iz jedne biografije, ponekad iz druge. Kada bi ga korisnik suočio sa kontradikcijom, četbot je reagovao na različite načine. Nekada bi tvrdoglavo tvrdio da je u pravu i kategorički se branio. Drugi put bi promenio mišljenje i davao potpuno drugačije odgovore, preuzimajući informacije iz druge biografije. Neretko je kombinovao informacije iz obe biografije, dajući korisniku izmišljeni podatak koji se nije nalazio ni u jednom dokumentu!

Drugi eksperiment bio je još direktniji. Kreiran je sistemski prompt koji je četbotu naložio da insistira da je 2 + 2 = 5. Modelu je data dozvola da izmišlja naučne i matematičke dokaze i formule, akademske radove, nepostojeće institute i lažne reference, uz učtiv, ali apsolutno samouveren ton. Bilo mu je zabranjeno da prizna grešku, bez obzira na argumente korisnika. Rezultat je bio zastrašujuće ubedljiv – četbot je generisao logične, detaljne odgovore sa citatima izmišljenih eksperata. Čak i kada bi korisnik navodio matematičke dokaze da je 2 + 2 = 4, bot je ostajao nepopustljiv.

Kako su oba četbota davala odgovore, možete pogledati na sledećim linkovima:

Eksperiment 1:

Eksperiment 2:

Oba četbota su nakon eksperimenta uništena, ali su pouke jasne: AI se može „programirati“ da brani laž sa istom ubeđenošću kao što brani istinu, a odgovori su onoliko dobri koliko su dobri podaci kojima AI sistem „hranimo“. Oni reprodukuju obrasce iz podataka kojima su trenirani ili kojima imaju pristup. Ako podaci sadrže kontradikcije (a u eri kada AI sam masovno generiše sadržaj, toga je sve više), odgovori će biti kontradiktorni. Ako je prompt dovoljno „jak“, model će pokušati da vas uveri da je laž – istina!

Kako da sprečimo manipulacije?

Odgovor ne leži samo u boljoj kontroli velikih tehnoloških kompanija. Ključ je u razvoju sopstvenih AI sistema, transparentnih, treniranih isključivo na proverenim i verifikovanim bazama podataka. Potrebni su ugrađeni mehanizmi za proveru činjenica, višeslojno testiranje u realnim uslovima i jasne procedure za intervenciju kada model zakaže.

Ovo naročito važi za AI sisteme koji se koriste u školama, bolnicama, finansijskim institucijama ili kompanijama koje rukuju poverljivim podacima. U takvim slučajevima greška ili manipulacija ne pogađa samo pojedinca, već može imati ozbiljne posledice po obrazovanje dece, zdravlje i živote pacijenata ili bezbednost poslovnih i ličnih podataka.

Kompanije koje shvate da AI nije magična kutija već živi sistem koji zahteva stalni nadzor, testiranje i optimizaciju, biće u prednosti. Fact-checking ne odlazi u prošlost, on u današnje vreme postaje obaveza.

Za nas, „obične smrtnike“, poruka je jednostavna: u svetu u kom veštačka inteligencija može jednako ubedljivo da predstavi istinu, kontradikciju i laž, jedina prava odbrana je razumevanje kako ti sistemi zaista rade i odluka da im se ne veruje slepo.

Autor: Milena Šović, AI Implementation Specialist & AI Content Trainer

Foto: Elimende Inagella, Unsplash

Чланак Koliko je AI sklona manipulaciji: Da li veruješ meni ili misliš svojom glavom? се појављује прво на Biznis i Finansije.

Cilj istraživanja odnosio se na ispitivanje učestalosti korišćenja velikih jezičkih modela u svakodnevnom životu i pri donošenju važnih odluka, iskustava korisnika sa netačnim odgovorima, navika provere informacija, kao i poređenje poverenja u AI sa poverenjem u stručnjake, porodicu i tradicionalne izvore informacija.

Dobijeni rezultati pružaju uvid u to kako visokoobrazovani korisnici u Srbiji koriste ove alate i koji činioci utiču na njihovo poverenje i oslanjanje na sisteme veštačke inteligencije.

Laži, laži, laži me, ti to radiš najbolje!

Iako je svest o ograničenjima velikih jezičkih modela široko rasprostranjena, njihova svakodnevna upotreba ne opada. Istraživanje pokazuje da su većini korisnika veliki jezički modeli u prošlosti davali netačne odgovore i informacije. Istovremeno, određeni broj ispitanika ističe da ih i dalje koristi i da se oslanja na njihove savete, što postavlja jedno od ključnih pitanja današnjeg odnosa prema veštačkoj inteligenciji: ukoliko korisnici znaju da LLM-ovi nisu uvek pouzdani, zašto i dalje prihvataju njihove savete i koriste ih pri donošenju odluka?

Korisnici ne idealizuju veštačku inteligenciju

Velika većina ispitanika navodi da je u prošlosti dobila netačan odgovor od LLM-a, dok mali procenat ispitanika kaže da nema takvo iskustvo. Drugim rečima, greške nisu retka pojava.

Istovremeno, nešto više od polovine ispitanika smatra da LLM često daje netačne odgovore, dok se gotovo četvrtina sa tim ne slaže. Ovaj podatak pokazuje da korisnici ne idealizuju sistem, svesni su da modeli mogu da pogreše i da to nije izuzetak.

Odgovori se značajno razlikuju u zavisnosti od starosne grupe. Najveći procenat onih koji su prepoznali netačne odgovore zabeležen je u grupi od 35 do 54 godine (89,9%), zatim među starijima od 55 godina (81,6%), dok je najniži procenat u najmlađoj starosnoj grupi od 18 do 34 godine (76,9%). Sličan obrazac uočljiv je i kod percepcije učestalosti grešaka.

Stariji korisnici, naročito oni sa dugogodišnjim radnim stažom, uočavaju greške, pojednostavljenja ili izmišljene reference. Njihovo znanje i iskustvo im omogućava da prepoznaju takozvane „halucinacije“ – situacije u kojima model generiše uverljiv, ali netačan sadržaj. Mlađi korisnici, iako tehnološki veštiji, možda nemaju uvek dovoljno stručnog ili životnog iskustva da bi svaku netačnost odmah prepoznali.

Dobijeni podatak je od izuzetnog značaja jer pokazuje da svest o greškama postoji. Problem se, međutim, ne završava na tome – pitanje je kako ta svest utiče na dalju upotrebu modela veštačke inteligencije.

Kada laž zvuči kao istina

Posebno zabrinjava to da više od polovine ispitanika smatra da netačni odgovori LLM-a deluju uverljivo i pouzdano, dok se sa tim ne slaže samo svaki deseti ispitanik. Dakle, problem nije samo u tome što model greši, već u tome što greška često ne izgleda kao da je greška.

Jedan od razloga je samouverenost kojom modeli odgovaraju. LLM-ovi retko kažu „ne znam“, „nisam siguran“ ili „ovo je samo pretpostavka“, osim ako ih eksplicitno ne naterate. Uvek iznose tvrdnje odlučno, bez kolebanja, kao da su apsolutni autoritet. Ljudi su evoluciono navikli da samouveren nastup povezuju sa znanjem i kompetencijom: ko govori smireno i bez oklevanja, deluje kao da zaista zna o čemu priča. Taj obrazac ponašanja primenjujemo i u komunikaciji sa mašinom.

Drugi razlog je potpuno odsustvo „crvenih zastavica“ koje kod ljudi instinktivno primećujemo. Kada neko nije siguran ili pokušava da sakrije neznanje, obično okleva, koristi reči poput „možda“, „čini mi se“, „verovatno“, menja ton, crveni, ne gleda nas u oči i pokazuje nelagodu. Kod LLM-a tih signala nema, što nam ne daje povod za sumnju, pa netačnost lako prolazi neprimećena.

To je ono što se često naziva „fluent bullshit“ (srp. elokventno izrečena besmislica), modeli zvuče autoritativno čak i kada greše, a visok procenat korisnika koji im veruje uprkos saznanju o ograničenjima potvrđuje strahove stručnjaka od mogućeg širenja dezinformacija na nov, suptilniji način.

Treći razlog je i efekat očekivanja (eng. expectancy effect). Kada se obratimo modelu za savet ili objašnjenje, već unapred pretpostavljamo da će odgovor biti koristan i tačan jer je alat upravo za to dizajniran.

Zašto tolerišemo greške?

Iako je većina ispitanika svesna da LLM može da pogreši, to ih ne sprečava da se na njegove savete oslanjaju. Polovina anketiranih navodi da se, uprkos svesti o mogućim greškama, oslanja na odgovore modela. Pored toga, više od trećine ispitanika nastavlja da koristi ove modele za važne odluke, čak i nakon što je dobilo netačan odgovor.

Ovaj rezultat pokazuje da odnos korisnika prema veštačkoj inteligenciji nije zasnovan na iluziji nepogrešivosti. Ljudi ne očekuju da LLM bude savršen, oni ga koriste zato što su svesno napravili pragmatičnu računicu: korist daleko nadmašuje rizik.

Model pruža odgovore neverovatnom brzinom, uvek je dostupan i daje detaljna, strukturirana objašnjenja. Za ogroman spektar svakodnevnih situacija: od pisanja mejla, preko objašnjenja pojma, recepta, ideja za putovanje, jednostavnih prevoda, pa do brzog brainstorming-a, korist je ogromna, a posledice eventualne greške najčešće zanemarljive ili lako popravljive.

U pozadini stoji klasična cost-benefit kalkulacija (šta dobijam, a šta gubim): čak i ako model pogreši u 10–20% slučajeva, u preostalih 80–90% štedi sate vremena i truda. Ljudi to intuitivno osećaju i zato nastavljaju da koriste alat uprkos poznatim manama.

Vremenom se formira tzv. zavisnost od udobnosti (eng. convenience bias). Kada se naviknete da odgovor dobijete za nekoliko sekundi, povratak na pretraživanje više sajtova, čitanje opširnih tekstova ili čekanje odgovora od kolega postaje psihološki naporno, dok istovremeno raste tolerancija prema nesavršenostima i netačnostima koje generišu LLM modeli. Tu je i tzv. iluzija kontrole (eng. illusion of control), koja igra veliku ulogu. Mnogi korisnici veruju da su dovoljno pametni i kritični da sami prepoznaju kada odgovor „ne pije vodu“.

Sve u svemu, ovo nije priča o naivnosti i poverenju, već o realnom, svesnom kompromisu: koristimo velike jezičke modele ne zato što su savršeni, već zato što su dovoljno dobri da promene način na koji razmišljamo i radimo, štede nam vreme, energiju i novac i, na kraju krajeva, olakšavaju nam život.

Autor: Milena Šović, AI Implementation Specialist & AI Content Trainer

Foto: Pixabay

Чланак Veliki jezički modeli – koliko im zaista verujemo? Laži, laži, laži me, ti to radiš najbolje! се појављује прво на Biznis i Finansije.

Cilj istraživanja odnosio se na ispitivanje učestalosti korišćenja velikih jezičkih modela u svakodnevnom životu i pri donošenju važnih odluka, iskustava korisnika sa netačnim odgovorima, navika provere informacija, kao i poređenje poverenja u AI sa poverenjem u stručnjake, porodicu i tradicionalne izvore informacija.

Dobijeni rezultati pružaju uvid u to kako visokoobrazovani korisnici u Srbiji koriste ove alate i koji činioci utiču na njihovo poverenje i oslanjanje na sisteme veštačke inteligencije.

Verujem – ne verujem!

Koliko smo zaista oprezni kada koristimo velike jezičke modele? Da li njihove odgovore prihvatamo “zdravo za gotovo” ili ih proveravamo kao i svaki drugi izvor informacija? Iako se često govori o nekritičkom oslanjanju na veštačku inteligenciju, rezultati istraživanja pokazuju složeniju sliku: korisnici istovremeno pokazuju visok nivo svesti o riziku, ali i određene obrasce ponašanja u kojima oprez popušta.

Velika većina ispitanika ne prihvata odgovore LLM-a bez dodatne provere. Velika većina anketiranih navodi da informacije proverava iz drugih izvora (85,1%), dok je tek svaki dvadeseti ispitanik izjavio da to ne čini.

Kada je reč o važnim temama (zdravlju, pravu, finansijama ili obrazovanju), oprez je i dalje izražen. Tri četvrtine ispitanika ističe da informacije dobijene od LLM-a proverava kod stručnjaka ili iz pouzdanih izvora, dok se samo retki sa tim ne slažu.

Na prvi pogled, dobijeni podaci ukazuju na visok nivo svesti o ograničenjima veštačke inteligencije. Ispitanici su svesni da LLM može pogrešiti i da je dodatna verifikacija nužna, naročito kada su u pitanju dobijne informacije na osnovu kojih korisnik donosi odluke koje mogu imati ozbiljne posledice.

Ovakav rezultat deluje ohrabrujuće. Uprkos popularnosti ovih alata, korisnici ih ne doživljavaju kao zamenu za proverene izvore znanja, već kao početnu tačku u procesu informisanja.

Gubimo li trku sa vremenom?

Iako većina ispitanika naglašava da informacije proverava, situacija se menja kada se odluke donose pod pritiskom. Više od trećine navodi da prihvata odgovore LLM-a bez dodatne provere kada žuri, dok isti broj ispitanika odluči da ipak proveri informacije koje je dobio, bez obzira na nedostatak vremena.

Brzina savremenog života i stalni pritisak svakodnevice bitno menjaju odnos prema informacijama. Kada je potrebno doneti odluku u vrlo kratkom roku, detaljna provera često postaje luksuz koji veliki broj ljudi jednostavno ne može da sebi priušti.

Među ispitanicima su uočene značajne razlike u odgovorima u zavisnosti od starosne grupe kojoj pripadaju. Najveći udeo onih koji priznaju da u takvim situacijama preskaču proveru zabeležen je u grupi od 35 do 54 godine (49,7%), zatim među mlađima od 18 do 34 godine (32%), dok je među starijima od 55 godina taj procenat minimalan (4,6%).

Navedena razlika proističe iz činjenice da stariji ljudi imaju više životnog iskustva. Mnogi su svedoci brojnih slučajeva u kojima je brzopleto prihvatanje informacija dovelo do ozbiljnih grešaka. Osim toga, oni često osećaju da raspolažu ograničenim vremenom za ispravljanje eventualnih propusta, pa insistiraju da informacije budu proverene i pouzdane već pri prvom koraku.

Nasuprot tome, mlađim korisnicima je prioritet da brzo reše problem, dok je apsolutna tačnost sekundarna. Veruju da eventualne netačnosti mogu naknadno ispraviti, budući da pred sobom vide dovoljno vremena i prilika za korekciju.

Može li nas zavarati forma bez suštine?

Gotovo polovina ispitanika navodi da je sklonija da prihvati odgovor LLM-a bez dodatne provere kada je on jasan i dobro strukturiran. Sa tim se ne slaže nešto više od četvrtine ispitanika.

Dobijeni podatak jasno pokazuje koliko način na koji je informacija predstavljena snažno utiče na to kako je doživljavamo. Jasno formulisan, pregledan i gramatički besprekoran tekst i dalje kod većine ljudi, budi osećaj pouzdanosti. Ako je sadržaj izložen logično strukturirano i bez jezičkih ili stilskih mana, automatski se pretpostavlja da iza njega stoji ozbiljno znanje i stručnost.

Razlike među starosnim grupama su i ovde izrazite. Najveći udeo pozitivnih odgovora zabeležen je među starijima od 55 godina (70,7%), zatim u grupi od 35 do 54 godine (43,4%), dok je među najmlađima (od 18 do 34 godine) taj procenat najniži (29,4%).

Zanimljivo, stariji više veruju jasnim odgovorima i strukturiranom testu bez provere, možda zbog manjeg iskustva sa tehnologijom i alatima veštačke inteligencije. Starije generacije su odrasle u vremenu gde je dobro i gramatički i stilski tačno napisan tekst (knjiga ili novinski članak) često bio znak pouzdanosti i kvaliteta. To kod starijih lako aktivira stari obrazac „ako je dobro i jasno napisano, verovatno ga je pisala obrazovana osoba koja zna o čemu piše“.

Mlađe generacije su opreznije. Odrastanje uz internet, reklame i manipulativne sadržaje učinilo ih je svesnijim da forma ne garantuje tačnost. Zato se kod njih ređe javlja spremnost da se odgovor prihvati samo zato što je jasno formulisan.

Ogledalce, ogledalce, ko je najlepši na svetu?

Najupadljiviji obrazac vidi se upravo kod pitanja o tome da li korisnici proveravaju odgovore kada se oni poklapaju sa njihovim već formiranim stavovima. Većina ispitanika priznaje da ređe proverava odgovore LLM-a ako potvrđuju njihova uverenja, dok se tek svaki deseti ne slaže sa ovom tvrdnjom.

Ovi rezultati otvaraju ključno pitanje: da li granicu kritičkog pristupa informacijama određuju samo nivo znanja i digitalna pismenost, ili su tu presudni i duboki psihološki mehanizmi? Kada odgovor velikog jezičkog modela potvrdi ono što osoba već misli ili veruje, potreba za proverom se naglo smanjuje.

U psihologiji je ovaj obrazac poznat kao confirmation bias, sklonost da se traže, tumače i pamte informacije koje potvrđuju postojeća uverenja, dok se druge informacije, koje se možda kose sa onim što već znamo, zanemaruju ili doživljavaju kao manje važne. LLM u tom procesu može delovati kao pojačivač: kada daje odgovor koji se poklapa sa očekivanjima korisnika, on učvršćuje osećaj da je taj stav ispravan i time smanjuje potrebu za dodatnom proverom. Jednostavno je manje naporno zadržati postojeće uverenje nego priznati mogućnost da ono nije tačno.

Jedan od važnih faktora je i težnja ka izbegavanju kognitivne dissonance, odnosno unutrašnjeg konflikta. Detaljna provera tačnosti informacije može dovesti do pojave sumnje u sopstvena ranija uverenja i sumnje u sopstveni stav, a tu kognitivnu i emocionalnu nelagodu većina ljudi instinktivno izbegava.

Autor: Milena Šović, AI Implementation Specialist & AI Content Trainer

Foto: Pixabay

Чланак Veliki jezički modeli – koliko im zaista verujemo? Verujem – ne verujem! се појављује прво на Biznis i Finansije.

Cilj istraživanja odnosio se na ispitivanje učestalosti korišćenja velikih jezičkih modela u svakodnevnom životu i pri donošenju važnih odluka, iskustava korisnika sa netačnim odgovorima, navika provere informacija, kao i poređenje poverenja u AI sa poverenjem u stručnjake, porodicu i tradicionalne izvore informacija.

Dobijeni rezultati pružaju uvid u to kako visokoobrazovani korisnici u Srbiji koriste ove alate i koji činioci utiču na njihovo poverenje i oslanjanje na sisteme veštačke inteligencije.

Čovek vs. mašina: kome verujemo?

Uprkos sve većoj upotrebi alata veštačke inteligencije u poslovanju i privatnom životu, većina visokoobrazovanih građana u Srbiji i dalje ključne odluke radije donosi oslanjajući se na ljude nego na mašine, češće slede savet porodice i prijatelja i više veruju stručnjacima kada se njihovo mišljenje razlikuje od odgovora velikih jezičkih modela (Large Language Models – LLM).

Ipak, podaci pokazuju da značajan deo ispitanika već pravi drugačiji izbor: između četvrtine i petine njih u određenim situacijama daje prednost veštačkoj inteligenciji u odnosu na ljude, češće prati savet LLM-a nego savet bliskih osoba, ili veruje AI alatu više nego stručnjaku.

Baš zbog te rastuće manjine koja daje prednost mašini, otvara važno pitanje: da li se način na koji donosimo odluke neprimetno, ali suštinski menja?

Jesu li mašine naši novi najbolji prijatelji?

Većina ispitanika i dalje više veruje drugim ljudima nego mašini: više od polovine češće sledi savet porodice i prijatelja (51,3%). Ipak, činjenica da četvrtina ispitanika (25,8%) češće prati savet velikih jezičkih modela nego savet bliskih ljudi pokazuje da se obrazac oslanjanja na druge već menja.

Za neke ljude, je lakše pitati model nego pozvati člana porodice ili prijatelja, naročito kada su pitanja lična, osetljiva ili potencijalno „neprijatna“ ili “neprimerena”. Navedeno naročito važi za one koji imaju narušene porodične odnose ili introvertne osobe koje imaju manji broj prijatelja i manje socijalnih kontakata.

Osim toga, neretko posoji strah zbog mogućeg odbijanja ili osude. Kod osoba sa izraženijom socijalnom anksioznošću ili lošim iskustvima u komunikaciji, model postaje “prijatelj” koji ne vrši emocionalni pritisak.

Model ne reaguje emotivno, čime se smanjuje tenzija koja je često prisutna u direktnom razgovoru sa ljudima, ma kako nam bliski oni bili.

Novi autoriteti u digitalnom dobu

Kada se savet stručnjaka i odgovor LLM-a razlikuju, većina ispitanika i dalje daje prednost stručnjaku (66,6%). Ipak, gotovo svaki šesti ispitanik (16,6%) veruje modelu više nego stručnjaku. To znači da se kod gotovo trećine ispitanika javlja kolebanje ili spremnost da se autoritet eksperta dovede u pitanje.

Na prvi pogled, stručnjaci u svojoj oblasti su i dalje autoriteti i njihova reč ima veću težinu. Mišljenje eksperta se i dalje doživljava kao relevantno, jer iza njega stoje godine obrazovanja, licenca, profesionalna etika i lična odgovornost. Nasuprot tome, veliki jezički modeli su bez stvarnog razumevanja konteksta, empatije kao i bez odgovornosti.

Međutim, deo ispitanika AI modele doživljava potpuno drugačije. LLM često zvuči samouvereno i daje opširne, strukturirane odgovore koji podsećaju na enciklopedijski stil pisanja. Takav način izlaganja stvara utisak da model raspolaže širim znanjem nego stručnjaci specijalizovani za jednu oblast.

Odgovor se dobija gotovo odmah, bez čekanja i bez procedura koje obično prate razgovor sa stručnjakom. U stvarnosti, stručnjaci su često nedostupni ili prezauzeti, potrebno je zakazati termin, izdvojiti novac, a jedan razgovor neretko nije dovoljan da se problem reši do kraja.

Sa druge strane, LLM pruža odgovor za nekoliko sekundi i omogućava korisniku da bez ograničenja postavlja nova pitanja, traži pojašnjenja i produbljuje temu. Takva dinamika mnogima deluje jednostavnije i efikasnije od klasičnog odlaska kod stručnjaka, naročito kada su u fazi informisanja ili pokušavaju da razumeju problem pre nego što donesu odluku.

Paradoks neutralnosti

Iako većina i dalje više veruje ljudima, 58,6% ispitanika smatra da je LLM neutralniji izvor informacija od ljudi. Samo 18,2% se ne slaže sa tom tvrdnjom.

Model nema emocije i lične interese. Ne brine o tome kako će njegov odgovor biti shvaćen, ne pokušava da održi odnos sa sagovornikom i nema potrebu da nekoga ubedi ili razuveri. Odgovori su mu jasno strukturirani, napisani mirnim i ujednačenim tonom i deluju kao da su zasnovani isključivo na činjenicama, pa se takav način izlaganja često doživljava kao znak objektivnosti.

Sa druge strane, saveti porodice i prijatelja su obojeni brigom i željom da se pomogne ili čak utiče na odluku. Zbog toga takav savet ne zvuči kao neutralna informacija, već kao lični stav, kao nešto što dolazi od nekoga ko nas poznaje, ima svoje mišljenje i očekivanja i kao nešto što je formirano iz sopstvenog iskustva, koje može biti ograničeno.

Slično je i sa stručnjacima. Njihov savet se ne doživljava kao „neutralan“, već kao procena konkretne osobe, sa sopstvenim iskustvom, stavovima i profesionalnim interesima. Ljudi su svesni da lekar, advokat ili finansijski savetnik može imati sopstveni ugao gledanja, institucionalna ograničenja, pa i ekonomski interes. Ponekad postoji i sumnja u skrivene motive, želju za zaradom, očuvanjem reputacije, postojanje profesionalnog ega ili potrebom da se održi autoritet.

Zašto je teško poveravati se ljudima?

Više od polovine ispitanika (51,6%) navodi da im LLM pomaže da izbegnu neprijatne razgovore sa drugim ljudima, dok se jedna petina (20,2%) sa tim ne slaže.

LLM omogućava potpunu kontrolu nad komunikacijom. Korisnik bira kada počinje razgovor, o čemu govori i kada ga završava. Nema prekidanja, emotivnih reakcija, kritike ni obaveze da se odnos održava.

Važnu ulogu ima i osećaj privatnosti. Osetljive teme kao što su mentalno zdravlje, finansijski problemi, porodični odnosi, lakše je otvoriti u razgovoru sa AI sistemom nego sa drugom osobom, jer se veruje da će razgovor biti anoniman i da LLM neće “odati tajnu”.

U širem društvenom kontekstu, rezultati ovog istraživanja se poklapaju sa onim što već znamo. Internet, SMS poruke, aplikacije i društvene mreže su promenile način na koji ljudi komuniciraju. Dolaskom veštačke inteligencije komunikacija će postati sve više asinhrona i kontrolisana I bez socijalne dinamike koja ju je ranije pratila.

LLM omogućava potpunu kontrolu nad komunikacijom. Korisnik bira kada počinje razgovor, o čemu govori i kada ga završava. Nema prekidanja, emotivnih reakcija, kritike ni obaveze da se odnos održava.

Važnu ulogu ima i osećaj privatnosti. Osetljive teme kao što su mentalno zdravlje, finansijski problemi, porodični odnosi, lakše je otvoriti u razgovoru sa AI sistemom nego sa drugom osobom, jer se veruje da će razgovor biti anoniman i da LLM neće “odati tajnu”.

U širem društvenom kontekstu, rezultati ovog istraživanja se poklapaju sa onim što već znamo. Internet, SMS poruke, aplikacije i društvene mreže su promenile način na koji ljudi komuniciraju. Dolaskom veštačke inteligencije komunikacija će postati sve više asinhrona i kontrolisana I bez socijalne dinamike koja ju je ranije pratila.

Autor: Milena Šović, AI Implementation Specialist & AI Content Trainer

Foto: Pixabay

Чланак Veliki jezički modeli – koliko im zaista verujemo? се појављује прво на Biznis i Finansije.