Every: Kako GPT-5.6 menja intelektualni rad

Shipperov tekst iz jula 2026. u Every-jevom newsletteru Chain of Thought radi nešto neobično za pisanje o AI alatima: potpuno odbacuje okvir koji se bavi pojedinim zadacima. Umesto da pita šta GPT-5.6 može da uradi — sažme dokument, napiše strukturu, odgovori na pitanje — Shipper pita šta to omogućava na sistemskom nivou, za ljude koji se bave dugotrajnim intelektualnim radom.

Argument je da je GPT-5.6 dovoljno brz i pristupačan da se od njega mogu izgraditi ono što on naziva petljama: stalni sistemi koji kontinuirano prikupljaju relevantne informacije, iznose odluke pred čoveka koji ih donosi i izvršavaju odobrene akcije dok akumuliraju kontekst iz prethodnih rundi. Zadatak čoveka koji vodi petlju nije da direktno obavi svaki zadatak, već da neguje sistem koji to radi — pregleda šta je stiglo, odobrava ili preusmerava šta izlazi, i vraća povratnu informaciju o tome šta je funkcionisalo kako bi se sistem poboljšavao.

Shipper prolazi kroz oblasti u kojima on i njegov tim u Every primenjuju ovo: kanali za zapošljavanje gde model proverava kandidate i priprema brifinge pre nego što ih čovek pregleda, uredničko planiranje gde sistem predlaže teme na osnovu ponašanja čitalaca i traži smernice, istraživanje korisnika gde se intervjui obrađuju i klasteruju pre nego što čovek sintetiše nalaze. U svakom slučaju čovek je prisutan i donosi odluke, ali jaz između sirovog unosa i odluci-spremnog rezultata zatvara petlja, a ne ručna obrada.

Za pisce i sadržajne timove, tekst je koristan na nekoliko konkretnih načina. Shipperov opis izgradnje uredničke petlje — gde AI sistem kontinuirano vuče iz signala čitalaca, prethodnih tekstova i podataka o pretrazi da predloži šta sledeće pisati — je verodostojan model za svaku publikaciju koja pokušava biti dosledna bez reaktivnosti. Ključno ograničenje koje imenuje takođe vredi zapamtiti: petlje brzo degradiraju kada prozor konteksta modela počne da se puni zastarelom ili loše strukturiranom istorijom, pa njihovo održavanje zahteva povremeno čišćenje, a ne samo početno podešavanje.

Tekst takođe predstavlja Tend, alat otvorenog koda koji je tim Every izgradio kako bi izgradnju petlji učinio pristupačnijom. Dizajniran je da se poveže sa Gmail-om, Slack-om i drugim izvorima informacija i da akumulira povratne informacije tokom vremena kako bi se predlozi modela poboljšavali dok uči šta određena osoba ili tim zapravo odobrava.

Okvir koji Shipper nudi — prelaz iz „ekonomije znanja” u „ekonomiju alokacije” — više je od fraze. Opisuje promenu u tome gde zapravo leži stručnost: manje u činu stvaranja rezultata, više u prosuđivanju koji rezultat zadržati, izmeniti ili odbaciti. Za pisce koji osećaju da alati počinju da pretiču njihov proces, ovaj tekst daje konkretan model kako izgleda biti ispred krivulje, a ne iza nje.