Skip to content
Članak Every avg 2026.

Every: kako izgleda ljudski rad posle automatizacije

Objavljen u avgustu 2026. kao uvod u Every-jevu kolekciju teza, tekst Dana Shippera prikuplja predviđanja od 100 praktičara — osnivača kompanija, istraživača i pisaca — o tome kako izgleda ljudski rad kada AI preuzima generisanje u velikom obimu. Kolekcija se zove “Thesis: 2027” i dizajnirana je da se predviđanja mogu proveriti na stvarnosti kako budu starela.

O čemu govori članak

Shipper formuliše kolekciju kao odgovor na specifičan problem: diskurs o AI teži ka ili totalnom prihvatanju ili paušalnom odbijanju — ni jedno ni drugo nije korisno za ljude koji pokušavaju da shvate kako se njihov rad zapravo menja. Sto predviđanja dolaze od ljudi koji svakodnevno koriste frontalne modele u svom stvarnom radu, a ne od analitičara koji pišu o tehnologiji spolja.

Kontekst

Predviđanja pokrivaju širok spektar uloga i disciplina. Shipper bira i uvodi doprinose osnivača kompanija, istraživača i praktičara koji su objavili svoja razmišljanja o tome šta AI menja u kreativnom i intelektualnom radu konkretno. Kolekcija je vezana za mogućnosti 2026. godine — modele koji mogu pisati koncepte, analizirati, sintetizovati i zaključivati — a ne za spekulativne buduće sisteme.

Ključni zaključak ili metoda

Kroz predviđanja provlači se nekoliko ponavljajućih tema. Pitanja postaju vrednija kako odgovori postaju dostupni — formulacija koja se pojavljuje u različitim oblicima kod više autora. Anne-Laure Le Cunff, osnivačica Ness Labs-a, direktno kaže: “Odgovori će postati dostupni, a pitanja će postati teški deo.” Za pisce, ovo reformuliše zadatak. Ako AI može da producira prihvatljiv tekst na bilo koju temu prema promptu, šta je doprinos pisca? Predviđanja se slažu ka: postavljanje okvira, odlučivanje o čemu vredi pisati i održavanje perspektive odgovorene za stvarno iskustvo, a ne za trening podatke.

Karri Saarinen, CEO Linear-a, tvrdi da dizajn — a u širem smislu i kreativna procena — postaje primarni izazov za AI. Za pisanje je zaključak sličan: teži ljudski doprinos nije izvršavanje formata, već prosuđivanje o tome šta treba reći i kako to treba odjeknuti kod konkretnog čitaoca.

Drugi saradnici naglašavaju da nezahvalan temeljni rad — tačni izvori, jasna argumentacija, uredničko preuzimanje odgovornosti za ono što se objavljuje — može postati više, a ne manje diferencirajuć, jer AI sve ostalo čini jeftinijim i bržim. Pitanje šta ostaje ljudima stalno dolazi do istih odgovora: ispitivanje, kuriranje i odgovornost za ono što se objavljuje.

Kome je koristan članak

Piscima, urednicima i content strategistima koji razmišljaju o tome kako da pozicioniraju svoj rad dok AI preuzima proizvodni sloj. Članak je više za postavljanje okvira nego taktički vodič — konkretne workflowe i alate ne opisuje. Dobro odgovara timovima koji pokušavaju da artikulišu kako izgleda ljudska uloga u AI-asistovanoj redakciji, i zašto određene uredničke sposobnosti zadržavaju vrednost kada pisanje koncepta postane jeftino.