Smashing Magazine: Organizacione greške koje usporavaju usvajanje AI
Paul Boag, autor knjige Digital Adaptation (2014), objavio je ovaj tekst u Smashing Magazineu 16. oktobra 2026. U njemu se vraća istim greškama koje su organizacije pravile tokom digitalne transformacije i otkriva da se sada ponavljaju gotovo identično — samo ovoga puta s AI.
O čemu je članak
Boagova teza je da je usvajanje AI kulturni i kadrovski problem, a ne pre svega tehnološki. Većina organizacija pristupa mu kao IT projektu: IT odeljenje distribuira licence, šalje generičke materijale za obuku i proglašava projekat završenim. Rezultat je nisko usvajanje, visoka anksioznost i zaposleni koji eksperimentišu kroz lične naloge umesto odobrenih korporativnih alata.
Članak se oslanja na Boagovо konsultantsko iskustvo s dizajnerskim i produktnim timovima i počinje primerom UX tima koji je hteo da izgradi istraživački repozitorijum i AI persone. Njihov zvanični alat to nije mogao. Dobijanje odobrenja za drugi alat podrazumevalo je ulazak u proces upravljačkog odbora. Entuzijazam tima je jenjavao.
Ključne greške
Ignorisanje koristi za zaposlene. AI pre svega povećava produktivnost, što znači da zaposleni rade više u isto vreme za istu platu. Bez konkretne koristi za pojedinca — napredovanje u karijeri, slobodnije vreme, manje dosadnog posla — usvajanje ostaje nisko.
Potcenjivanje razmera promene. Zamena godinama uspostavljenih rutina zahteva vreme, namensku obuku kalibrisanu prema specifičnim ulogama i zaštićen prostor za eksperimentisanje i greške. Organizacije koje ovo tretiraju kao jednonedjeljnu obuku otkrivaju da se veštine ne zadržavaju.
Kažnjavanje eksperimentisanja. Ako KPI i ocene ostaju nepromenjeni, neuspeh u AI eksperimentu ima realnu cenu. Jedan primer u članku uključuje zaposlenog koji je dobio ukore zbog korišćenja previše API tokena tokom učenja. Učenje zahteva greške; sistemi koji kažnjavaju greške blokiraju učenje.
Upravljanje zabranom. Dugački spiskovi onoga što AI ne sme da se koristi stvaraju strah i čine nedelovanje putanjom najmanjeg otpora. Ovo gura zaposlene ka „shadow AI” — ličnim nalozima koji se koriste za poslovne zadatke — što stvara tačno one rizike za podatke koje je upravljanje trebalo da spreči.
Preuranjeno zaključavanje odobrenih alata. Različite uloge trebaju različite alate. Definisanje odobrenog steka pre nego što se pojave stvarni obrasci korišćenja znači blokiranje pravih alata i nametanje pogrešnih. Boag preporučuje da se timovima najpre dozvoli široko eksperimentisanje, a da se kontrole zategnu tek kada se razumeju stvarne potrebe.
Šta Boag preporučuje
Počnite pitanjem koji su delovi posla dizajnera ili pisca zaista dosadni i da li bi AI mogao da ih preuzme. Izgradite argument za usvajanje oko tog odgovora. Pronađite zaposlene koji već eksperimentišu kroz lične naloge i dozvolite im da demonstriraju kolegama šta funkcioniše — primeri od ravnopravnih kolega ubedljiviji su od direktiva menadžmenta. Prilagodite kriterijume ocenjivanja tako da eksperimentisanje nije eksplicitno kažnjavano tokom definisanog perioda učenja.
Kome je korisno
Vodjama dizajnerskih timova, operativnim menadžerima i svima koji su odgovorni za uvođenje AI alata u kreativne ili uredničke timove. Dijagnoza — da je ljudska strana promene važnija od tehnologije — nije specifična za dizajn, ali su primeri i okvir uzeti iz UX i produktnog rada.