U utrci za umjetnom inteligencijom više nije ključno samo razviti model – nego ga nahraniti pravim podacima. Upravo tu granicu sada pomiče Meta, uvodeći interni sustav koji u stvarnom vremenu bilježi način na koji zaposlenici rade na računalima.
Riječ je o strateškom zaokretu: rad više nije samo output, nego postaje sirovina za treniranje AI sustava.
Novi sloj nadzora: svaki klik kao podatak
Prema internim komunikacijama, Meta uvodi softver koji prikuplja:
- pomake miša
- klikove
- pritiske tipki
- povremene snimke zaslona radi konteksta
Sustav se aktivira na odabranim poslovnim aplikacijama i web stranicama, a cilj je jasan – trenirati modele na stvarnim obrascima rada.
Interna poruka zaposlenicima to pojednostavljuje:
„Ovo je način na koji svi zaposlenici Mete mogu pomoći modelima da postanu bolji – jednostavno radeći svoj svakodnevni posao.“
Drugim riječima, svakodnevni rad postaje kontinuirani trening za umjetnu inteligenciju.
Problem koji AI još nije riješio
Iako modeli umjetne inteligencije napreduju velikom brzinom, i dalje imaju konkretne slabosti – posebno u interakciji s računalnim sučeljima.
Meta cilja upravo te “slijepe točke”:
- korištenje padajućih izbornika
- navigacija kroz sučelja
- korištenje tipkovničkih prečaca
To su zadaci koje ljudi obavljaju automatski, ali za AI predstavljaju kompleksne sekvence odluka.
Strategija: od AI alata do autonomnih agenata
Andrew Bosworth, tehnički direktor kompanije, definirao je širu viziju:
„Vizija prema kojoj idemo je ona u kojoj naši agenti obavljaju većinu posla, a naša uloga je usmjeravati ih, pregledavati i pomagati im da se poboljšaju.“
Dodaje i ključni element sustava u razvoju:
„Cilj je stvoriti zatvoreni krug u kojem agenti mogu automatski prepoznati kada smo morali intervenirati – kako bi sljedeći put bili bolji.“
Ova logika predstavlja temelj nove inicijative, sada rebrendirane kao Agent Transformation Accelerator (ATA), koja nadograđuje raniji program AI for Work.
Meta potvrđuje: podaci služe isključivo modelima
Glasnogovornik Andy Stone pojašnjava kako će prikupljeni podaci biti korišteni:
„Ako gradimo agente koji pomažu ljudima obavljati svakodnevne zadatke na računalima, naši modeli trebaju stvarne primjere kako ih ljudi koriste – poput pomicanja miša, klikanja i navigacije kroz izbornike.“
Naglašava i ograničenja:
prikupljeni podaci neće se koristiti za procjenu radnog učinka zaposlenika, a uvedene su zaštite za osjetljive informacije – iako detalji nisu precizirani.
AI mijenja strukturu rada
Ovaj potez nije izoliran. On se uklapa u širi trend među velikim tehnološkim kompanijama – redefiniciju radne snage kroz umjetnu inteligenciju.
Mark Zuckerberg već mjesecima agresivno gura strategiju integracije AI-a u sve poslovne procese, uz argument da će to povećati učinkovitost kompanije.
Posljedice su već vidljive:
- planirano smanjenje oko 10% globalne radne snage
- dodatni rezovi najavljeni kasnije tijekom godine
- brisanje granica između funkcija kroz novu ulogu “AI buildera”
Paralelno, formiran je i novi inženjerski tim za primijenjeni AI (Applied AI), fokusiran na razvoj modela koji mogu samostalno pisati kod, testirati proizvode i upravljati infrastrukturom.
Najbolji softverski inženjeri već se premještaju u taj segment.
Industrijski kontekst: domino efekt u tehnologiji
Meta nije iznimka. Slični potezi već su vidljivi kod drugih velikih igrača:
- Amazon smanjio je oko 30.000 korporativnih radnih mjesta
- fintechAko želimo nekome na jednostavan način objasniti što je f... kompanija Block gotovo je prepolovila broj zaposlenih
Razlog je isti: AI sustavi sve bolje preuzimaju zadatke koji su do jučer zahtijevali ljudski rad.
Ključno pitanje: granica između optimizacije i nadzora
Iako Meta naglašava da je cilj unaprijediti modele, ovakav pristup otvara i pitanje povjerenja.
Gdje završava optimizacija rada, a počinje nadzor?
Koliko su zaposlenici spremni da njihov svakodnevni rad postane podatak?
Za sada, kompanija tvrdi da su zaštitni mehanizmi na mjestu. No dugoročno, upravo će percepcija zaposlenika i regulatora odrediti koliko daleko ovaj model može ići.
Budućnost u kojoj AI uči iz svega
Meta ovim potezom jasno pokazuje smjer: umjetna inteligencija više se ne trenira samo na javnim ili statičkim podacima, nego na živom radu unutar kompanije.
Ako taj model uspije, granica između rada i treniranja AI-ja gotovo nestaje.
U takvom sustavu, zaposlenici više nisu samo korisnici tehnologije – nego njezin najvažniji izvor.
