Kako umetna inteligenca spreminja iskanje in brskanje po internetu

Tehnologije umetne inteligence (UI) hitro preoblikujejo način, kako iščemo informacije na spletu. Od osnov SEO do pojava pogovornih UI orodij in multimodalnega iskanja se celoten ekosistem iskanja spreminja. To poročilo ponuja celovit pregled teh sprememb, organiziran po ključnih temah:

1. SEO v dobi umetne inteligence

Optimizacija za iskalnike (SEO) se prilagaja svetu, v katerem ima umetna inteligenca osrednjo vlogo pri iskalnih rezultatih. Tradicionalni SEO se je osredotočal na ključne besede in povratne povezave, sodobni algoritmi iskanja, ki jih poganja UI, pa dajejo prednost razumevanju namena uporabnika in zagotavljanju neposrednih odgovorov. Na primer, Googlova uporaba UI modelov pomeni, da lahko iskalnik razume kontekst poizvedb in jih poveže s pomenljivimi rezultati, ne le s ključnimi besedami blog.google. V praksi to uporabnikom omogoča iskanje v bolj naravnem jeziku in vseeno dobijo ustrezne odgovore – Google je poudaril, da mu je BERT (NLP model) pomagal bolje interpretirati približno 1 od 10 angleških poizvedb, še posebej daljša, pogovorna vprašanja blog.google blog.google.

Eden največjih premikov je porast “ničelnih klikov” in odgovorov, ki jih na vrh rezultatov generira UI. Tako Google kot Bing zdaj pogosto prikažeta UI-generirano povzetek (ki je sestavljen iz več spletnih strani) pred seznamom tradicionalnih povezav. Ti UI povzetki pomembno spreminjajo SEO strategije. Nedavna študija je pokazala, da je do maja 2025 skoraj polovica vseh Googlovih iskanj (49 %) vsebovala UI povzetek na vrhu, kar je več kot podvojitev glede na le 25 % konec 2024 xponent21.com xponent21.com. Povzetki običajno vključujejo jedrnat odgovor z nekaj viri, ki zasedajo najvidnejši del zaslona. Posledično “prvo mesto” v klasičnem smislu ni več zagotovilo za prepoznavnost – vsebina, ki je UI povzetek ne vključi, je lahko popolnoma spregledana xponent21.com. Skratka, “uspeh v UI iskanju je odvisen od tega, kako dobro je vaša vsebina usklajena z načinom, kako modeli UI razumejo relevantnost, namen uporabnika in avtoriteto” xponent21.com.

Spremembe SEO strategij: Da ostanejo vidni, lastniki spletnih strani prilagajajo svoje taktike. Poudarek je zdaj na ustvarjanju kakovostne, avtoritativne vsebine, ki jo algoritmi UI prepoznajo kot zaupanja vredno beepartners.vc. Marketingaši uporabljajo strukturirane podatke (schema markup) in optimizirajo za izpostavljene odlomke (featured snippets), saj UI pogosto povzetke črpa prav iz takšnih vsebin beepartners.vc beepartners.vc. Prav tako se osredotočajo na signale E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness – izkušnje, strokovnost, avtoriteta, zanesljivost), da UI njihovo vsebino prepozna kot verodostojno beepartners.vc. Druga taktika je pisanje v jedrnati, vprašanje-odgovor obliki – torej na način, da je vsebina “prijazna odlomkom” in jo UI povzetki lažje vključijo beepartners.vc. Vse to sovpada z Googlovimi smernicami, da “mora biti vsebina privlačna tako za UI algoritme kot za človeške bralce – uravnotežiti mora tehnično optimizacijo z avtentičnostjo in angažiranostjo” seoteric.com seoteric.com.

Vpliv UI na klike: UI odgovori uporabnikom pogosto ponudijo, kar potrebujejo, takoj – kar pomeni manj klikov na spletne strani. Zgodaj v letu 2025 je ena analiza pokazala, da se, kadar je prisoten Googlov UI povzetek, število klikov na prvo organsko uvrstitev zmanjša za približno 34,5 %, pri 77 % iskanj pa uporabniki ne kliknejo nobenega rezultata adweek.com. To je velika sprememba glede na preteklost, ko je večina iskanj vodila na klik povezave. Strategije SEO morajo zato zdaj poskrbeti za prepoznavnost blagovne znamke znotraj samega UI odgovora in iskati nove načine za pridobivanje prometa (npr. bolj privlačna vsebina ali alternativni kanali).

Povzetek: UI sili SEO, da postaja bolj celovit in kakovosten. Stari pristop zgolj do uvrstitve strani popušča mestu uvrstitvi znotraj UI izpostavljenega odgovora. Blagovne znamke, ki ustvarijo resnično uporabno, dobro strukturirano vsebino, imajo največ možnosti, da jih UI izpostavi uporabnikom xponent21.com xponent21.com.

2. Orodja in platforme za iskanje z umetno inteligenco

Vzporedno s spremembami v tradicionalnih iskalnikih opažamo tudi pojav orodij za iskanje, ki jih poganja UI, ki uporabnikom omogočajo iskanje informacij na nove načine. Pomembni primeri so ChatGPT, Perplexity, Googlov Gemini/Bard in Microsoftov Copilot/Bing Chat. Vsako ponuja drugačno izkušnjo iskanja z umetno inteligenco:

ChatGPT (OpenAI): Prvotno zasnovan kot splošni pogovorni AI, je ChatGPT dobil možnost brskanja po spletu in uporabe vtičnikov za pridobivanje informacij v realnem času. Mnogi ga zdaj uporabljajo kot iskalnega pomočnika z naravnimi vprašanji in pridobijo enoten, sintetiziran odgovor. ChatGPT je postal alternativa iskalniku za kompleksna vprašanja ali raziskave, čeprav virov ne navaja, razen če so uporabljeni posebni vtičniki. Njegova priljubljenost je eksplodirala – obisk ChatGPT se je v začetku 2024 povečal za več kot 180 %, kar kaže, da milijoni uporabljajo ChatGPT za iskanje informacij adweek.com. Kljub temu je v letu 2024 pokrival zgolj majhen delež celotnega iskalnega prometa (približno 2–3 % Googlovega obsega) onelittleweb.com zaradi izjemnega obsega tradicionalnih iskalnikov.
Perplexity Ask: Perplexity.ai je primer povsem novo zasnovanega iskalnika, temelječega na UI. Uporablja velik jezikovni model za odgovarjanje na vprašanja uporabnika, bistveno pa navede vire za vsak del odgovora. Perplexity učinkovito združuje spletno iskanje in UI povzetek, kar lahko poveča zaupanje uporabnikov. Njegova uporaba se je povečala skupaj z rastjo ChatGPT adweek.com. Pristop ponujanja odgovorov z navedenimi viri je vplival tudi na uveljavljene iskalnike (Bing in Googlovi UI povzetki zdaj prav tako povezujejo na vire).
Google Search (Bard in Gemini): Google je v iskanje uvedel generativno UI, poimenovano Search Generative Experience. Chatbot Bard (sprva na modelu PaLM 2, pričakovano pa bo uporabljal naprednejši Gemini model) je na voljo kot samostojno orodje in je integriran z Google Assistant analyticsvidhya.com. Še bolj pa izstopajo Googlovi UI povzetki (AI Overviews), ki se pojavijo na rezultatih: ti so UI-generirani povzetki, ki “združujejo informacije iz več zaupanja vrednih spletnih strani” in ponudijo usklajen odgovor beepartners.vc. Povzetki temeljijo na velikem jezikovnem modelu Gemini beepartners.vc. Google je prav tako predstavil “UI način” v iskanju – namenski pogovorni vmesnik. V UI načinu lahko uporabniki zastavijo nadaljnja vprašanja, dobijo multimodalne rezultate (npr. naložijo sliko in jo komentirajo), z Googlovim iskalnikom pa lahko poteka bogat dialog xponent21.com blog.google. Iskanje se tako iz tipkanja in klikanja spremeni v pogovor. Google poroča, da so UI-poizvedbe dvakrat daljše od klasičnih, saj ljudje zastavljajo podrobnejša vprašanja blog.google.
Bing (Microsoft Copilot): Microsoftov Bing je podprt z OpenAI-jevim modelom GPT-4, imenovanim Bing Chat Copilot. UI je vgrajena v brskalnik Edge in Windows 11 in deluje kot “spletni kopilot.” Copilot na vrhu rezultatov ustvari hiter, pregleden odgovor z navedenimi viri, tako da ni treba iskati po več straneh microsoft.com. Omogoča tudi interaktivni pogovor – iskanje lahko uporabniki natančneje zastavijo z nadaljnjimi vprašanji, UI pa si zapomni kontekst. Microsoft širi kopilot koncept na vse izdelke (Windows, Office itd.), kar pomeni, da se spletno iskanje in osebna produktivnost skozi UI prepletata.

Skratka, orodja za iskanje z UI omogočajo bolj pogovorno in intuitivno iskanje. Uporabniki lahko postavljajo vprašanja v običajnem jeziku in pogosto prejmejo enoten, kontekstualen odgovor (namesto seznama povezav), pogosto tudi z navedenimi viri. V spodnji tabeli so primerjane nekatere od teh UI platform in njihove ključne značilnosti:

AI Iskalno orodje	Ponudnik	Značilnosti in pristop
ChatGPT (z brskanjem)	OpenAI	Vsestanski LLM klepetalnik, uporabljen za vprašanja in odgovore. S pomočjo brskalnega vtičnika lahko preišče splet in povzame ugotovitve. Vendar odgovori niso samodejno citirani z viri. Pogosto se uporablja za kompleksna vprašanja ali iskanje idej.
Perplexity Ask	Perplexity AI	Iskalnik na osnovi umetne inteligence, ki podaja neposredne odgovore z navedbo virov. Uporablja LLM za interpretacijo poizvedb in rezultate v realnem času s spleta, da ustvari kratek in z viri podprt odgovor adweek.com. Poudarja zanesljive odgovore s povezavami na podlage spletnih mest.
Google (Bard & AI Search)	Google	Generativna umetna inteligenca integrirana v iskanje. Bard je Googlov klepetalnik (podoben ChatGPT) za pogovorne poizvedbe. V iskalniku Googlov AI Overviews uporablja svoj Gemini LLM za sestavljanje odgovorov iz več spletnih strani beepartners.vc. Googlov novi AI način ponuja popolnoma pogovorno iskanje (z dodatnimi vprašanji in celo slikovnimi poizvedbami), sintetizirani odgovori pa so prikazani na vrhu strani xponent21.com.
Bing Chat (Copilot)	Microsoft	Bingovo iskanje z GPT-4 (OpenAI). Bing Copilot omogoča odgovore v klepetalnem vmesniku poleg iskalnih rezultatov in pogosto prikaže povzetek z referencami. Omogoča interaktivno prefinjanje poizvedb in je vgrajen v brskalnik Edge. Microsoft ga oglašuje kot AI pomočnika, ki ponuja “jasne odgovore na vrhu” rezultatov microsoft.com, integracijo spletnega iskanja s koristnim dialogom.

Vpliv na uporabnike: Ta orodja uporabnikom omogočajo več možnosti pri načinu iskanja. Ni več treba oblikovati popolne nize ključnih besed – vprašanje lahko postavite v celotni obliki in prejmete takojšnje pojasnilo. To je posebej uporabno pri raziskovalnih poizvedbah (npr. načrtovanje potovanja ali učenje novega pojma), kjer interaktivni dialog pripomore k razjasnitvi potreb. Zgovorno je, da so pri Googlu ugotovili: uporabniki, ki preizkusijo AI povzetke/pogovorno iskanje, imajo tendenco postavljati več nadaljnjih vprašanj in raziskovati globlje, kar poveča njihovo splošno angažiranost pri iskanju business.google.com business.google.com. Hkrati je razpoložljivost neposrednih vprašanj in odgovorov prek ChatGPT in drugih nekoliko načela monopol tradicionalnih iskalnikov – prvič, znaten del informacijskih poizvedb poteka zunaj Googla. (Ta delež je še vedno majhen; na primer od aprila 2024 do marca 2025 je bilo na desetih vodilnih AI klepetalnikih približno 55 milijard obiskov v primerjavi z 1,86 bilijona obiskov desetih največjih iskalnikov onelittleweb.com. Z drugimi besedami: klepetalniki predstavljajo približno 1/34 iskalnega obsega – hitro rastejo, a še ne nadomeščajo iskanja onelittleweb.com onelittleweb.com.)

3. Naravnojezikovno iskanje in procesiranje poizvedb

Eden najglobljih vplivov umetne inteligence na iskanje je zmožnost uporabnikov, da iščejo v naravnem, pogovornem jeziku – in da sistem dejansko razume njihov namen. Zgodovinsko gledano so morali uporabniki pogosto uporabljati kratke poizvedbe na osnovi ključnih besed (včasih šaljivo imenovane “ključebesediščina”), da so dosegli dobre rezultate blog.google. To se spreminja. Sodobni iskalniki uporabljajo napredne modele obdelave naravnega jezika (NLP) – kot sta Googlov BERT in MUM ter različni transformacijski modeli – za obdelavo poizvedb v kontekstu. To pomeni, da iskalnik upošteva celotno frazo, ne le posamezne besede, da bi ugotovil, kaj uporabnik res želi.

Na primer, Google je prikazal, kako je BERT pomagal razložiti poizvedbo »2019 brazil traveler to usa need a visa.« Pred umetno inteligenco je Google morda spregledal pomembnost besede »to« in bi prikazal rezultate o ameriških turistih v Braziliji. S kontekstualnim razumevanjem prek BERT-a je Google pravilno zasnoval poizvedbo kot Brazilca, ki potuje v ZDA, in prikazal ustrezne informacije blog.google. Na splošno AI modeli upoštevajo stop besede in predloge (“to”, “for” in podobno), ki so bili včasih prezrti, a lahko bistveno spremenijo pomen blog.google. To vodi do precej natančnejših rezultatov pri daljših in pogovornih poizvedbah.

Z vidika uporabnika postaja iskanje podobno pogovoru s podkovanim asistentom. Ljudje lahko poizvedbe oblikujejo kot cela vprašanja ali kot opise problema. Iskalni sistem, podprt z NLP, bo tolmačil tudi nianse. Pravzaprav je Google že od leta 2020 za vse angleške poizvedbe vključil AI jezikovne modele za boljše razumevanje namena reddit.com. To je tudi razlog, da je funkcija glasovnega iskanja (z uporabo glasu za vprašanje) postala mogoča – AI lahko razume govorjena, naravno sestavljena vprašanja enako kot tipkana.

Pogovorne poizvedbe: AI je omogočila tudi več-zaporedne pogovore kot način iskanja. Z orodji, kot sta Bing Chat ali Googlov AI način, lahko postavite vprašanje, prejmete odgovor in nato vprašate, na primer, “Kaj pa naslednji vikend?” ali “Razloži to enostavneje”, sistem pa si zapomni kontekst. To je velik premik v procesiranju poizvedb, saj AI ohranja stanje pogovora (dialog state) – nekaj, česar stari iskalniki niso mogli. Microsoftov Bing Copilot na primer spodbuja nadaljnja vprašanja in ponuja predloge za nadaljevanje raziskave microsoft.com microsoft.com. Rezultat je, da iskanje ni več enkratna poizvedba, ampak stalen, več-stopenjski postopek, ki deluje kot pogovor s strokovnjakom. Kot pravi Microsoft: »Copilot Search se prilagodi vašim potrebam … in uporabnikom omogoča bolj pogovorno izkušnjo, podobno interaktivnemu dialogu s strokovnjakom.« microsoft.com.

Prednosti naravnojezikovnega iskanja: Ta sprememba bistveno znižuje ovire pri iskanju informacij. Ljudje ni jim treba poznati naprednih iskalnih operaterjev ali točnih ključnih besed. Zastavijo lahko vprašanja, kot je “Kako popravim puščajočo pipo, ki ne neha kapljati?” ali “Katere 3-zvezdične Michelin restavracije v Parizu so dobre in zakaj so posebne?” – zapletene poizvedbe, ki jih AI zna razčleniti in razumeti. V ozadju bo iskalnik morda za vas opravil več poizvedb (Googlov AI način na primer uporablja tehniko “query fan-out”, s katero sproži več podpoizvedb v ozadju blog.google) – a z vidika uporabnika gre za eno samo tekočo vprašanje.

Zmožnost razumevanja naravnega jezika je povezana tudi z glasovnim iskanjem in virtualnimi asistenti, o čemer bomo govorili kasneje. Princip ostaja enak: če vprašate pametni zvočnik, pričakujete, da bo razumel vaše vprašanje in vrnil uporaben odgovor. Zaradi izboljšav NLP so glasovna vprašanja veliko natančneje odgovorjena kot pred nekaj leti, zato se ta način iskanja širi (približno 20 % svetovnih uporabnikov interneta uporablja glasovno iskanje v letih 2023–2024, ta delež po začetni rasti ostaja stabilen yaguara.co).

Povzetek: AI-podprti NLP je iskalnike precej izboljšal v razumevanju semantike poizvedb. Uporabniki iščejo bolj naravno in prejemajo odgovore, ki odražajo resničen namen vprašanja – ne zgolj skladnost ključnih besed. Iskanje je postalo bolj pogovorna in intuitivna izkušnja, kar pripravi podlago za vse pogostejše glasovne in klepetalne interakcije.

4. Vizualno, glasovno in multimodalno iskanje

Poleg besedila omogoča umetna inteligenca iskanje prek slik, zvoka in drugih modalitet. Sodobno iskanje ni omejeno na klasično vnosno polje – iskati lahko začnete tako, da usmerite kamero na nekaj ali pa vprašanje izgovorite na glas. Te multimodalne tehnologije iskanja so se hitro razvile:

Vizualno iskanje: Iskanje s pomočjo umetne inteligence za prepoznavanje slik omogoča iskanje s sliko ali kamero. Orodja, kot sta Google Lens in Bing Visual Search, uporabnikom omogočajo prepoznavanje predmetov, prevajanje besedila na slikah, iskanje izdelkov in še več, vse to samo s posnetkom fotografije. Vizualno iskanje vašo kamero spremeni v iskalno poizvedbo. V ozadju računalniški vizualni modeli analizirajo sliko za prepoznavanje predmetov, besedila ali znamenitosti, nato pa sistem išče ujemanja ali sorodne informacije na spletu. To je postalo izjemno priljubljeno – Google Lens se zdaj uporablja za več kot 20 milijard vizualnih iskanj na mesec business.google.com. Ljudje ga uporabljajo za vse, od prepoznavanja rastlin ali žuželk, do skeniranja menija v restavraciji za ocene ali za spletno nakupovanje (npr. fotografirajo jakno, ki jim je všeč, in poiščejo, kje jo lahko kupijo). Google je navedel, da je ena od štirih poizvedb prek Lens povezana z nakupovanjem, kar prikazuje komercialni pomen vizualnega iskanja business.google.com. Napredki umetne inteligence omogočajo, da Lens ne prepozna le enega objekta, ampak razume celotno sceno. Leta 2025 je Google napovedal multimodalno AI iskanje v načinu AI: uporabnik lahko naloži sliko in nato zastavi vprašanja o tej sliki – torej kombinira razumevanje vizije in jezika. Umetna inteligenca (z modelom Gemini) razume »celotno sceno, vključno z odnosi med predmeti, materiali in oblikami« in odgovori na vprašanja ter ponudi ustrezne povezave za več informacij blog.google blog.google. Denimo, pokažete sliko šahovske postavitve in vprašate: »Ali je to dobra otvoritev?«, umetna inteligenca pa analizira sliko in poda informiran odgovor.
Glasovno iskanje: Glasovno aktivirano iskanje je postalo splošno zaradi zmožnosti umetne inteligence za prepoznavanje govora in naravnega jezika. Asistenti na pametnih telefonih (Google Assistant, Siri) in pametni zvočniki (Amazon Echo/Alexa itd.) omogočajo podajanje poizvedb z glasom. Od leta 2024 približno 20–21 % ljudi redno uporablja glasovno iskanje (vsaj tedensko) yaguara.co yaguara.co, še več pa na mobilnih napravah (več kot četrtina uporabnikov mobilnih naprav uporablja glas). Ljudje običajno posežejo po glasovnem iskanju za hitre poizvedbe na poti – npr. za iskanje poti, vremenske informacije ali preprosta znanja – ter za lokalna iskanja (»Najdi kavarno v bližini«). Umetna inteligenca ima tu dvojno vlogo: prvo je pretvorba govora v besedilo (z naprednimi modeli za prepoznavanje govora) in drugo je obdelava jezika iskanja, kot že omenjeno. Posledica glasovnega iskanja so daljše in bolj pogovorne poizvedbe (Google opaža, da je »80 % glasovnih poizvedb pogovorne narave«, torej zvenijo kot celotna vprašanja ali ukazi). To predstavlja izziv za iskalnike, da enako odgovarjajo – pogosto tako, da odgovor preberejo na glas. Če na primer vprašate glasovnega asistenta »Katero je glavno mesto Brazilije?«, umetna inteligenca poišče odgovor in nato z govorom odgovori: »Glavno mesto Brazilije je Brasilia.« Glasovno iskanje spodbuja ponudnike iskanja, da rezultate prikazujejo v obliki neposrednih odgovorov (pogosto z uporabo izbranih izsekov/znanostnih podatkov). Ena študija navaja, da izbrani izseki tvorijo okoli 41 % rezultatov glasovnih iskanj – ker asistent raje prebere jasen, strnjen odgovor yaguara.co. Umetna inteligenca izboljšuje tudi kakovost glasovne interakcije – asistenti so vedno boljši v ohranjanju konteksta (npr. lahko vprašate »Kdo je režiral film Inception?« in nato »Katere druge filme je on režiral?«, asistent pa ve, da se on nanaša na Christopherja Nolana).
Multimodalno in ambientalno iskanje: Vstopamo v obdobje, ko iskanje sprejema mešane vhodne podatke – besedilo, glas in slike – ter ponuja rezultate, ki so lahko tudi multimodalni. Googlova funkcija »multisearch«, predstavljena leta 2022, uporabnikom omogoča, da združijo sliko in besedilo v eni poizvedbi (npr. fotografirajo obleko in dodajo »v rdeči barvi«, da najdejo to obleko v rdeči barvi) econsultancy.com. To omogoča umetna inteligenca, ki lahko poveže vizualne podatke in jezik. Širše pa se pojavlja koncept ambientalnega iskanja: to pomeni, da je iskanje neopazno vključeno v naše okolje ali rutino, včasih celo predvideva, kaj bi utegnili potrebovati. Tako lahko z AR očali prejmete podatke o znamenitostih, na katere gledate, ali pa telefon samodejno prikaže informacije o vašem koledarju, potovanju ali bližnjih zanimivostih, brez da bi izrecno iskali. To je razširitev multimodalnih zmogljivosti s kontekstualno zavednostjo. Googlova vizija, kot jo izraža eden izmed njihovih podpredsednikov, je, da iskanje postane ambientalno – »dostopno kjerkoli, kadarkoli, brez izrecnih pozivov«, kot bi vprašali vseprisotnega, vsevednega prijatelja 1950.ai. Prve znake že vidimo: Googlovi funkciji Live in Lens omogočata pogovore v realnem času o tem, kar kamera beleži (zastavljate vprašanja o živi sceni) blog.google, asistenti pa lahko uporabijo kontekst, kot je lokacija ali vaša e-pošta (če dovoljujete) za prilagojene odgovore (npr. predlagajo aktivnosti med potovanjem glede na potrditvena e-sporočila za let ali hotel blog.google).

Kombinacija vizualnega, glasovnega in multimodalnega iskanja pomeni bolj intuitivno uporabniško izkušnjo. Niste več omejeni na tipkanje besed. Če nekaj vidite, lahko to iščete. Če ste zaposleni ali vozite, lahko vprašate na glas. Če iščete podatke znotraj fotografije ali videa, jih lahko umetna inteligenca pridobi. To zmanjša trenja in odpira iskanje številnim situacijam, kjer tipkanje ni primerno (zato so glasovno in kamerno iskanje tako pogosto uporabljeni na mobilnih napravah). Podjetja se prilagajajo z zagotavljanjem, da je njihova vsebina prijazna večpredstavnim medijem – denimo uporabljajo opisni alternativni tekst za slike (tako da jih AI lahko interpretira) in skrbijo, da so njihovi podatki vključeni v znanostne grafe, da jih glasovni asistenti lahko najdejo.

5. Personalizacija in priporočilni sistemi na osnovi umetne inteligence

Iskanje in odkrivanje vsebin sta vse bolj personalizirana, saj umetna inteligenca analizira velike količine uporabniških podatkov in tako prilagaja rezultate in priporočila. Personalizacija v tem kontekstu pomeni, da lahko dva uporabnika za isto poizvedbo prejmeta različne rezultate ali priporočila za različne vsebine, glede na njune interese, lokacijo, zgodovino iskanj in druge dejavnike. Umetna inteligenca je motor teh odločitev, saj se uči iz vzorcev v podatkih.

Personalizacija iskanja: Google je že dolga leta uporabljal blago personalizacijo (na primer daje prednost lokalnim rezultatom ali uporablja zgodovino iskanja za predloge). Umetna inteligenca to dviguje na novo raven. Na primer, napovedane nadgradnje Googlovega AI iskanja bodo uporabnikom omogočile, da aktivno vključijo osebni kontekst, tako da AI lahko vključi podatke iz vaših preteklih iskanj in celo drugih aplikacij (kot Gmail, z dovoljenjem) ter poda prilagojene odgovore blog.google. Če npr. iščete »dogodki ta vikend« in ste dovolili dostop do svoje e-pošte in lokacije, lahko AI poda zelo personalizirane predloge: npr. »Pet milj stran je glasbeni festival, blizu je tudi restavracija, kjer ste bili že prej, z glasbenim večerom na prostem v soboto.« Google je to predstavil: »AI Mode vam lahko pokaže restavracije z zunanjimi mizami glede na pretekle rezervacije in iskanja ter predlaga dogodke v bližini kraja, kjer bivate (na podlagi letalske in hotelske potrditve).« blog.google. Vse to je zasebno na vašem računu, pri čemer Google poudarja, da imate nadzor (morate aktivno potrditi, povezavo lahko kadar koli prekinete) blog.google blog.google.

Tudi brez tako globoke integracije umetna inteligenca nenehno prilagaja, kaj vidite. Priporočilni sistemi na platformah (na primer predlogi videov na YouTubu, priporočila za oddaje na Netflixu ali novice v Google Discover feedu) so klasični primeri. Ti uporabljajo modele strojnega učenja za napovedovanje, kaj bo uporabnika verjetno zanimalo naslednje. Analizirajo vaše pretekle aktivnosti (ogledani videi, kliknjene povezave, čas, preživet na vsebini ipd.) ter jih primerjajo z vzorci milijonov drugih, da izpostavijo vsebino, ki vas bo zanimala. AI omogoča tak sistem, da zazna subtilne vzorce – lahko npr. ugotovi, da tisti, ki preberejo članek A in B, radi preberejo tudi članek C, zato bo bil C predlagan uporabniku, ki je prebral A in B. Takšno sodelovalno filtriranje v ogromnem obsegu ne bi bilo možno brez umetne inteligence, ki razvršča podatke.

Prednosti: Personalizacija pomeni, da pogosto prejmete rezultate, ki so za vas bolj relevantni. Če vedno iščete vegetarijanske recepte, bo iskanje z umetno inteligenco morda uvrstilo vegetarijanske vsebine višje, saj si zapomni vašo preferenco. Če redno klikate določen vir novic, vam bo priporočilni sistem prikazal več vsebin iz tega vira. E-trgovina močno uporablja priporočilne sisteme na osnovi umetne inteligence: Amazonova priporočila “Morda vam bo všeč tudi” ali “Pogosto kupljeno skupaj” so podprta z umetno inteligenco, prav tako vrstni red prikazanih izdelkov. Podjetja, kot je Amazon, sedaj uporabljajo generativno umetno inteligenco za personalizacijo opisov izdelkov in priporočil v realnem času (na primer izpostavijo različne značilnosti izdelka glede na to, kaj umetna inteligenca meni, da zanima določeno skupino uporabnikov) aboutamazon.com.

Tveganja in pomisleki: Čeprav lahko personalizacija izboljša uporabniško izkušnjo, odpira tudi vprašanja. Eno od tveganj je “filter bubble” učinek – če vam umetna inteligenca vedno ponuja vsebine, podobne že zaužitim, niste izpostavljeni raznolikim pogledom ali novim informacijam. Na primer, personaliziran vir novic lahko nehote okrepi politično pristranskost nekoga, saj prikazuje predvsem članke, s katerimi se strinja. Platforme se tega zavedajo in skušajo uravnotežiti relevantnost z raznolikostjo, a to ostaja etični izziv. Drug pomislek je zasebnost – osnova personalizacije je zbiranje in analiziranje osebnih podatkov. Uporabniki in regulatorji se sprašujejo: Kateri podatki se uporabljajo? Ali je pridobljeno soglasje? Kako varno so podatki shranjeni? O zasebnosti več v naslednjem poglavju.

Iz poslovnega vidika je personalizacija izjemno močna. Poveča angažiranost (ljudje pogosteje kliknejo vsebine, prilagojene njim) in lahko izboljša konverzijo (v trgovini priporočilo “pravega” izdelka vodi v nakup). Obstaja celotna industrija AI priporočilnih storitev (na primer Google Cloud ponuja Recommendation AI storitev za trgovce). Ti AI modeli stalno izboljšujejo svoja priporočila z metodami, kot je učenje z okrepitvijo – “učijo” se iz tega, ali ste na priporočilo kliknili ali ga prezrli, in so sčasoma vse boljši.

Personalizacija v realnem času in napovedni AI: Nov trend je, da umetna inteligenca poskuša napovedati vaše potrebe še preden jih vpišete v iskalnik. Na primer, vaš telefon lahko okoli 17. ure sam prikaže “ocenjena pot do doma”, četudi niste ničesar vprašali, ker ve, da se običajno takrat odpravljate domov – to je preprost primer ambientalne personalizacije. Ali pa vam Google Discover prikaže teme, povezane z nedavno iskanimi stvarmi, saj predvideva vaše zanimanje. Te napovedne funkcije meglijo mejo med iskanjem in priporočilom: AI v bistvu išče v vašem imenu, glede na osebni kontekst.

Za zaključek: AI-podprta personalizacija pomeni, da je spletna izkušnja vse bolj unikatna za vsakega uporabnika. Iskalni rezultati, priporočila in viri vsebin so filtrirani skozi AI modele, ki se učijo iz našega vedenja. Cilj je učinkovitejše odkrivanje – manj časa za nepomembne informacije, več za vsebine, ki vas zanimajo. Temna stran so izzivi poštenosti in transparentnosti, predvsem glede zasebnosti ali ustvarjanja ideoloških mehurčkov – in to so vprašanja, s katerimi se družba trenutno aktivno ukvarja.

6. Umetna inteligenca pri filtriranju, rangiranju in interpretaciji spletnih rezultatov

Umetna inteligenca igra ključno, a pogosto nevidno vlogo v tem, kako iskalniki filtrirajo spam, razvrščajo najboljše rezultate in celo interpretirajo, kaj ti rezultati pomenijo za uporabnika. Te funkcije so manj opazne, a bistvene za zagotavljanje kakovostnih rezultatov iskanja.

Filtriranje in zmanjšanje spama: Sodobni iskalniki uporabljajo sisteme umetne inteligence za zaznavanje nizkokakovostnih ali zlonamernih vsebin in preprečevanje njihove uvrstitve med rezultate. Googlov lastniški sistem SpamBrain je AI-sistem, namenjen prepoznavanju spletnih strani s spamom, zavajajočih ali “smeti” vsebin, ki jih uporabniki ne bi smeli videti developers.google.com. Uporablja strojno učenje za prepoznavanje vzorcev spama (na primer mreža povezav ali avtomatsko ustvarjeno nesmiselno besedilo) veliko bolj učinkovito kot ročna pravila. Po podatkih Googla so napredki SpamBraina pomagali ohraniti več kot 99 % iskanj na Googlu brez spama developers.google.com. Samo leta 2022 je SpamBrain zaznal 200-krat več spam spletnih mest kot ob začetku delovanja leta 2018 seroundtable.com. To pomeni, da je pri vsakem vašem iskanju umetna inteligenca verjetno že odstranila ogromno nesnage, s čimer zagotavlja, da med rezultati ostanejo le legitimna in relevantna spletna mesta. Prav tako umetna inteligenca pomaga filtrirati neprimerne vsebine (kot so nasilje, sovraštvo ali vsebine za odrasle) iz predlogov za iskanje ali rezultatov, s čimer izvaja politike in lokalne zakone.

Algoritmi za razvrščanje: Odločanje o tem, kateri rezultati se prikažejo najprej, je kompleksna naloga in jo najbolj obvlada umetna inteligenca. Googlova rangirna formula na primer uporablja signale strojnega učenja – na primer RankBrain, predstavljen leta 2015, ki z AI prilagaja razvrstitve glede na to, kako uporabniki komunicirajo z rezultati (uči se, kateri rezultati zadovoljijo iskalne namene) in bolje poveže rezultate z dvoumnimi poizvedbami. Kasneje so dodali Neural Matching in BERT, ki pomagata iskalniku povezovati konceptualno sorodne izraze in razumeti kontekst. Do leta 2020 je Google navedel, da je pri skoraj vsaki iskalni poizvedbi v angleščini uporabljen BERT za boljše rangiranje in relevantnost reddit.com. To pomeni, da umetna inteligenca ne išče le strani z natančnimi ključnimi besedami, ki ste jih vnesli, temveč tudi tiste, ki semantično odgovorijo na vaše vprašanje. Če na primer iščete “najhitrejši način učenja kitare”, med temi besedami ni “vsakodnevno vadite lestvice”, toda umetna inteligenca prepozna, da je stran z nasvetom “vsak dan vadite lestvice” primeren rezultat, ker razume, da je to nasvet za hitro učenje kitare.

Uporaba nevronskih mrež za razvrščanje pomaga tudi pri razumevanju sopomenk ali splošne teme strani. Če stran ne vsebuje natančne ključne besede, a jasno odgovarja na namen poizvedbe, jo AI lahko vseeno izpostavi višje. To prinaša uporabnejše rezultate iskanja.

Interpretacija in povzemanje rezultatov: Nova vloga umetne inteligence ni le iskanje in rangiranje rezultatov, ampak tudi njihova interpretacija za uporabnika. To se kaže pri ustvarjanju bogatih izrezkov ali neposrednih odgovorov. Če npr. iščete dejansko vprašanje, lahko Google prikaže izsek, ki neposredno odgovarja. Tradicionalno je bil tak izsek le prepis s spletne strani. Z generativno umetno inteligenco pa lahko iskalnik ustvari sintezo odgovora (kot opisano – AI pregled). Pri tem interpretira več virov in združuje informacije.

A tovrstna interpretacija ima izzive. Veliki jezikovni modeli (LLM-ji) so nagnjeni k halucinacijam – včasih ustvarijo podatke, ki zvenijo verjetno, a so lažni ali nimajo podlage v virih. V iskalnem kontekstu lahko to pomeni, da AI povzetki nehote vsebujejo napake ali napačne interpretacije. Raziskava raziskovalcev Univerze v Washingtonu (Center for an Informed Public) je podala nazoren primer: ko so generativni iskalnik povprašali o izmišljenem pojmu (“Jevinova teorija družbenih odmevov”), je umetna inteligenca suvereno vrnila podroben opis s citati – a sta bila tako razlaga kot citati izmišljena cip.uw.edu. Sistem je v bistvu “sanjaril” odgovor, ker LLM “noče” priznati, da ni ničesar našel. Kot je duhovito pripomnil AI strokovnjak Andrej Karpathy: “LLM je 100 % sanjanje in ima problem halucinacij. Iskalnik je 0 % sanjanje in ima problem kreativnosti.” cip.uw.edu. Z drugimi besedami – tradicionalni iskalnik ne izmišljuje (prikaže, kar obstaja), a ne zna ustvariti urejenega odgovora; umetna inteligenca zmore elegantno povzeti, a lahko izmišlja, če se ne drži virov.

Za omejevanje tega iskalniki uvajajo hibridne pristope kot je Retrieval-Augmented Generation (RAG). Pri RAG najprej umetna inteligenca izvede nevralno iskanje ustreznih dokumentov, nato sili LLM, da odgovarja izključno na podlagi teh dokumentov (pogosto jih tudi navaja). Takšen pristop uporabljata Bingov klepetalnik in Google SGE, da so odgovori bolj vezani na resnično vsebino. Tako se močno zmanjša število halucinacij, a ne popolnoma. Kot še poudarjajo raziskovalci CIP, tudi s pridobljenimi dokumenti lahko umetna inteligenca izvzame podatke iz konteksta – na primer napačno citira ali poveže podatke cip.uw.edu cip.uw.edu. Natančno urjenje umetne inteligence, da pošteno povzame in pravilno pripiše informacije, je še vedno v razvoju.

Umetna inteligenca se uporablja tudi za razumevanje uporabniškega namena v ozadju poizvedb. Na primer, Googlov sistem skuša ugotoviti, ali vaš poizvedba pomeni željo po nakupu (komercialni namen), je lokalna (hoče rezultate v bližini), je novičarska ipd., ter ustrezno oblikuje prikaz rezultatov (prikaz nakupovalnih povezav, zemljevida, novic itd.). Za tovrstno klasifikacijo uporabljajo AI modele, ki upoštevajo poizvedbo in širši uporabniški kontekst.

Povzemimo, vloga umetne inteligence pri filtriranju, razvrščanju in interpretiranju rezultatov se lahko vidi kot možgani iskalnika:

Ta prečisti vhodne podatke (izloči neželeno pošto in škodljivo vsebino),
pametno razvrsti izpise (najbolj uporabne in zaupanja vredne informacije razvrsti višje),
in vse bolj pojasni ali povzame te izpise (naredi rezultate iskanja bolj uporabne z izrezki ali AI-odgovori).

Za uporabnike to pomeni boljše rezultate z manj truda – a hkrati zahteva zaupanje, da AI pravilno upravlja z informacijami. Ohranjanje tega zaupanja je razlog, da so podjetja previdna: na primer, Google postopoma uvaja generativne povzetke in poudarja, da so eksperimentalni, prav zaradi teh interpretacijskih izzivov. Transparentnost (na primer z zagotavljanjem povezav do virov) je ena od rešitev, da lahko uporabniki preverijo odgovore, ki jih poda AI microsoft.com microsoft.com. Ker se AI še naprej izboljšuje, lahko pričakujemo še pametnejše filtriranje (npr. zaznavanje dezinformacij ali nasprotujočih si informacij), bolj niansirano razvrščanje (morda personalizirane razvrstitve, prilagojene posameznemu uporabniku), ter bogatejše interpretacije (morda bo AI povzemal cele teme ali zagotavljal vzporedno več pogledov).

7. Vpliv umetne inteligence na digitalno oglaševanje in ustvarjanje vsebine za prepoznavnost

Pojav AI-pogonjenega iskanja pretresa ekonomijo spleta – še posebej digitalno oglaševanje (industrijo, vredno več kot 200 milijard dolarjev, ki temelji predvsem na iskalnem prometu) in načine, kako se ustvarja vsebina za pritegnitev občinstva.

Oglaševanje v svetu AI iskanja: Iskalniki, kot je Google, tradicionalno služijo z oglaševanjem ob rezultatih iskanja. Če uporabniki kliknejo oglas, Google zasluži. Kaj pa, ko vam AI ponudi odgovor neposredno? Manj klikov na rezultate lahko pomeni tudi manj prikazov in klikov na oglase. Pravzaprav zgodnji podatki vzbujajo alarm med oglaševalci: ker AI-odgovori zasedejo vrh strani, so organski kliki občutno upadli in veliko iskanj se konča brez enega samega klika (kot omenjeno, tudi do 77% brez klika pri AI-odgovorih adweek.com). Če uporabnika zadovolji AI povzetek, morda sploh ne bo drsel do oglasov ali organskih povezav.

Google se tega zelo dobro zaveda in aktivno preizkuša načine, kako oglase vključiti v AI izkušnjo. Sundar Pichai (izvršni direktor Googla) je vlagateljem zagotovil, da imajo “dobre ideje za naravne oblike oglaševanja” znotraj AI klepetalnih rezultatov adweek.com. V trenutni Search Generative Experience Google že vključuje oglase – običajno nekaj sponzoriranih povezav ali nakupovalnih rezultatov – znotraj ali tik pod oknom AI-povzetka, ki so označeni kot oglasi. Ti oglasi naj bi se čim bolj naravno prilegali kontekstu, tako da če uporabnik ne klikne standardne modre povezave, vseeno vidi relevantno sponzorirano ponudbo. Če na primer AI povzetek govori o najboljših cenovno dostopnih pametnih telefonih, se lahko v tem kontekstu pojavi sponzoriran oglas za določeno ponudbo telefona.

Vendar gre za občutljivo ravnovesje. Glavna naloga AI je, da uporabniku da, kar želi; preveč vsiljivo oglaševanje pa lahko pokvari izkušnjo. Vodilni v Googlu so izrazili zaupanje, da bodo če bodo naredili uporabniško izkušnjo z AI pravilno, oglaševalski del rešili kasneje adweek.com – kar nakazuje, da je pomembno najprej pridobiti uporabnike, monetizacija pa pride kasneje. Ena zanimiva možnost je, da bi AI-pogonjeno iskanje omogočalo bolj ciljno usmerjene oglase. Če AI bolje razume nianse uporabnikovega vprašanja, lahko postreže oglas, ki je res relevanten za uporabnikovo potrebo. Na primer, če je AI pogovor o načrtovanju pohodniškega izleta, se lahko prikaže oglas za opremo točno v trenutku, ko uporabnik razmišlja, kaj potrebuje. To je oblika kontekstualnega oglaševanja, izboljšanega z razumevanjem pogovora s strani AI.

Nekateri strokovnjaki za oglase celo napovedujejo, da bo tradicionalni način nakupa oglasov na podlagi ključnih besed izumrl. Če uporabniki ne vpisujejo več ključnih besed, ampak postavljajo vprašanja, kako se lahko oglaševalci vključijo? Nekdanji vodja oglaševanja pri Googlu ocenjuje, da “prvič v 20 letih verjamem, da so ključne besede mrtve” adweek.com – kar pomeni, da se bo industrija morda preusmerila v ciljanje po temah ali namenih, ki jih zna zaznati AI, namesto po iskalnih izrazih.

Zaenkrat je Googlov iskalni oglaševalski posel še vedno ogromen, vendar pod pritiskom. Konkurenti, kot je Amazon, že prevzemajo delež oglaševalskega kolača (pri iskanju izdelkov), in če AI zmanjša celotni obseg poizvedb, s katerimi se da enostavno zaslužiti, lahko Googlov prevladujoč položaj oslabi. Tržna raziskava, povzeta v Adweeku, napoveduje, da se bo Googlov delež prihodkov od oglaševanja pri iskanju v ZDA znižal iz 64 % pred desetletjem na približno 51,5 % do leta 2027 adweek.com, zaradi teh sprememb in konkurence. Vseeno pa če AI iskanje prinese več vključenosti (ljudje več sprašujejo), so lahko nove priložnosti, da se oglasi prikažejo med daljšimi seansami, čeprav vsaka poizvedba ima manj klikov. Tudi Bing denimo vključuje oglase v svojem chat vmesniku in poroča o solidni stopnji klikov, kadar so ti relevantni.

Ustvarjanje vsebine in prepoznavnost: Na drugi strani enačbe so ustvarjalci vsebin – novičarski portali, blogerji, podjetja z lastnimi spletnimi stranmi – ki tradicionalno računajo na promet iz iskalnikov (prek SEO ali prek klikov na oglase). AI iskanje to ruši na dva načina:

Manj prometa za založnike: Če odgovore prejmeš neposredno na strani z rezultati, uporabniki morda ne bodo kliknili do vira. Založnike skrbi izguba prometa in prihodkov. Videli smo že, da je bilo iskanj z nič kliki v 2023 nad 65%, v bližnji prihodnosti pa naj bi preseglo 70% 1950.ai. Nekateri založniki primerjajo AI izrezke s problemom “izpostavljenega izrezka” na steroidih – AI lahko vzame vsebino iz več strani, da odgovori na vprašanje, uporabniki pa odgovor dobijo, ne da bi kdaj obiskali te strani. To ogroža tradicionalno ravnovesje spletnega ekosistema, kjer so iskalniki pošiljali obiskovalce na spletne strani, ki so nato monetizirale z oglasi ali naročninami. Če AI postane glavni vmesnik, ustvarjalci vsebin morda ne bodo prejeli omembe ali klikov. Potekajo razprave o novih okvirih – na primer, nekateri predlagajo, da bi morali AI izpisi vključevati jasne navedbe virov ali celo plačilo izvirnim ustvarjalcem vsebine (nadgradnja razprav iz obdobja Googlovih News izrezkov). Regulativni organi to budno spremljajo: EU in drugi preučujejo, ali uporaba založniške vsebine v AI rezultatih morda krši avtorske pravice ali zahteva delitev prihodkov 1950.ai.
Poplava AI-generirane vsebine: AI je popolnoma preoblikovala tudi ustvarjanje vsebin. Marketingarji in pisci imajo zdaj orodja, kot je GPT-4, da množično ustvarjajo bloge, opise izdelkov, objave za družbena omrežja in drugo. To lahko pozitivno vpliva na produktivnost – majhno podjetje lahko izboljša vidnost svoje strani brez velike ekipe piscev. A to vodi do prenasičenosti z vsebino. Če lahko vsak izda desetine AI-pisanih člankov, je splet lahko preplavljen s ponavljajočo ali nizkokakovostno vsebino. Iskalniki morajo zato postati še boljši v filtriranju (kot omenjajo tudi posodobitve o “koristni vsebini”, ki dajejo poudarek na vsebini narejeni za ljudi). Google je izjavil, da AI-generirane vsebine same po sebi niso v nasprotju s smernicami, a vsebina ustvarjena zgolj za manipulacijo rangiranja (spam) bo kaznovana, ne glede na to, ali jo je ustvaril človek ali AI seo.ai. Zato je vse večji poudarek na kakovosti namesto količine. Pravzaprav dviguje letvico za ustvarjalce: povprečna kakovost generične vsebine je zdaj višja (ker AI zlahka ustvari “solidno” besedilo), zato so izvirnost, izkušnje in strokovno znanje še pomembnejši, če želiš izstopati. Med SEO strokovnjaki velja, da E-E-A-T (izkušnja, strokovnost, avtoriteta, zanesljivost) še bolj šteje v dobi AI – na primer, če imaš v vsebini resnične izkušnje ali originalne raziskave, je večja verjetnost, da jo bo AI prepoznal kot vredno, kot pa če je tvoja vsebina le AI-povzetek obstoječega beepartners.vc.

Po drugi strani pa lahko AI pomaga ustvarjalcem pri optimizaciji vsebine. Analizira lahko podatke o iskanjih za predlog tem, o katerih naj pišejo, ali celo pomaga optimizirati vsebino za prikaz v izrezkih (npr. s strukturo Q&A, saj AI in glasovni asistenti dajejo prednost jedrnatim vprašanjem in odgovorom). Priporočilni algoritmi (kot pri YouTubu ali TikToku) prav tako uporabljajo AI za prikaz del ustvarjalcev novemu občinstvu. To je lahko koristno, če AI pravilno poveže vsebino z zainteresiranimi uporabniki. Danes obstaja celo področje “SEO za AI dobo”, kjer ustvarjalci razmišljajo ne samo “Kako se uvrstim na Google?”, ampak tudi “Kako postanem vir, ki ga AI asistenti najraje citirajo ali mu naredijo povezavo?”. Tehnike lahko vključujejo zagotavljanje dejstev (da postaneš zaupanja vreden vir), uporabo shematskih metapodatkov (da AI lažje prebavi tvojo vsebino) in grajenje ugleda blagovne znamke (če AI ve, da je tvoja stran avtoriteta, bo bolj verjetno črpal podatke od tam).

Ustvarjanje oglaševalskih vsebin: Oglaševalci sami uporabljajo AI za ustvarjanje vsebin – na primer tako, da generirajo več različic oglasnega besedila in pustijo, da AI platforme izbere, katera deluje najbolje. Google Ads je začel uvajati AI orodja, ki lahko ustvarjajo naslove in opise oglasov na podlagi vsebine spletnih strani. Tako AI poenostavlja ustvarjanje oglasov, kar lahko naredi oglaševanje bolj učinkovito. Avtomatsko lahko tudi prilagaja oglase različnim ciljnim skupinam (dinamična personalizacija, kot je prikazovanje različnih slik različnim demografskim skupinam). Pri oglaševanju na družbenih omrežjih AI pomaga pri ciljanju in ustvarjalnih optimizacijah (kot so Facebookovi algoritmi, ki se učijo, katere kreative prinašajo največ angažiranosti pri določenih uporabnikih).

Za zaključek, AI preoblikuje vzvode in metode v digitalnem oglaševanju in vsebini. Oglaševalci se morajo prilagoditi novim formatom (kot je vključitev svojega sporočila v AI klepet odgovor ali zagotovitev prisotnosti, ko AI daje priporočila). Izdajatelji in ustvarjalci vsebin iščejo nove strategije za ohranjanje vidnosti in prihodkov – bodisi z optimizacijo, da jih AI navaja kot vir, razpršitvijo virov prometa ali z lastno uporabo AI za izstopajočo vsebino. To je hitro razvijajoče se področje, industrija pa pozorno spremlja, kako se bo uravnotežilo med AI odgovori in napotitvenim prometom. Morda bomo videli nova partnerstva ali modele nagrajevanja (na primer je OpenAI leta 2023 lansiral vtičnik za spletni brskalnik, ki je vsebino s spletnih strani dejansko prikazoval uporabniku, potencialno tudi z oglasi spletnih strani – na ta način daje vrednost izdajateljem, a še vedno uporablja AI). Edina stalnica je, da se priročniki digitalnega marketinga pišejo na novo.

8. Etična in zasebnostna vprašanja pri brskanju s pomočjo AI

Integracija AI v iskanje in brskanje ne prinaša le napredka, ampak tudi etične in zasebnostne izzive, ki potrebujejo skrbno premislek:

Dezinformacije in pristranskost: Kot že omenjeno, lahko AI sistemi včasih z veliko samozavestjo podajo napačne informacije. To odpira etična vprašanja – uporabniki so lahko zavedeni z zelo avtoritativnim AI odgovorom, ki pa je v resnici napačen. Če AI na primer napačno odgovori na medicinsko ali pravno vprašanje, so lahko posledice resne. Etično gledano morajo ponudniki AI iskanja te “halucinacije” zmanjšati in jasno komunicirati negotovost. V tej smeri že potekajo prizadevanja: AI vmesniki pogosto vsebujejo izjave o omejitvah (npr. “Generativni AI je eksperimentalen in morda ni natančen”) blog.google ter spodbujajo uporabnike k preverjanju navedenih virov. Tu je tudi vprašanje pristranskosti v AI. Ti modeli se učijo iz spletnih podatkov, ki lahko vsebujejo družbene predsodke ali pristranske poglede. Če ni protivrednosti, bi lahko AI na primer odražal spolne ali rasne predsodke v svojih odgovorih (denimo povezoval določene poklice le z enim spolom) ali pretirano poudarjal večinska mnenja, medtem ko manjšinska prikazuje slabše. Etično podjetja razvijajo metode usklajevanja – tehnike, da so AI odgovori pravičnejši in bolj dejanski – a to ostaja trajen izziv, ki zahteva transparentnost in raznoliko evalvacijo.

Transparentnost: Ko AI poda odgovor, bi moral razkriti, kako je do njega prišel? Mnogi so mnenja, da da. Zato so navedbe virov pomembne – uporabniki imajo pravico vedeti “Po kom?” je ta odgovor pravilen. Ena od kritik zgodnjih zaprtih AI sistemov je bila prav pomanjkanje transparentnosti (t.i. “črna škatla”). Če AI iskalniki ponujajo citate ali vsaj pojasnilo (npr. “To informacijo sem našel na Wikipediji in Britanici”), so bolj pregledni in omogočajo uporabniku, da preveri informacije microsoft.com microsoft.com. Prav tako si prizadevajo, da AI prizna negotovost, namesto da si podatke izmišljuje. Tradicionalni iskalnik lahko preprosto pove “ni najdenih rezultatov” za zelo nenavadno poizvedbo. AI pa je nagnjen k temu, da odgovori na vse, tudi če si mora odgovor izmisliti. Etično bi bilo bolje, če AI kdaj odgovori “Nisem prepričan” ali “Za to nisem našel podatkov”. Trenutno je veliko AI klepetalnic nastavljenih tako, da določene stvari zavrnejo ali izrazijo negotovost (na primer ChatGPT lahko pove “O tem nimam informacij”, če res ne ve). Takšno vedenje je boljše od tega, da bi zavajal uporabnika, četudi je morda manj zadovoljivo.

Zasebnost uporabnikov: Brskanje s pomočjo AI pogosto pomeni obdelavo več uporabniških podatkov za personalizacijo in izboljšanje rezultatov. Tu se pojavljajo vprašanja zasebnosti: kako se ti podatki shranjujejo? kdo ima dostop do njih? ali jih je mogoče zlorabiti ali pride do izteka? Zanimiv primer se je zgodil v začetku leta 2023, ko je italijanski organ za varstvo podatkov začasno prepovedal ChatGPT zaradi skrbi glede zasebnosti reuters.com. Regulator je izpostavil, da OpenAI nima pravne podlage za zbiranje ogromne količine osebnih podatkov za učenje svojega modela, in da uporabniki niso bili dovolj obveščeni o tem, kako se njihovi podatki (vključno s pogovori) shranjujejo in uporabljajo reuters.com reuters.com. Kot odziv je OpenAI uvedel ukrepe: večjo transparentnost v svoji politiki zasebnosti, orodje za preverjanje starosti (ker so bili podatki mladoletnikov posebej skrb vzbujajoči) ter možnost, da uporabniki izklopijo uporabo svojih pogovorov za učenje AI modelov reuters.com. Ta dogodek je poudaril, da morajo AI orodja spoštovati zakone o varstvu podatkov. Splošna uredba EU o varstvu podatkov (GDPR) in podobni zakoni zahtevajo namen zbiranja podatkov ter omogočajo uporabnikom zahtevanje izbrisa ali izključitev. Storitve, kot je ChatGPT, tako sedaj omogočajo izklop zgodovine pogovorov (kar pomeni, da se ti ne uporabljajo za nadaljnje učenje AI-ja).

Poleg tega, ko agencije AI brskajo po spletu v vašem imenu, je vprašanje, koliko vaše kontekstualne informacije se deli. Če AI pomaga rezervirati letalo, lahko uporabi vašo lokacijo ali druge osebne podatke. Poskrbeti, da ti podatki ne uidejo nenamerno tretjim osebam, je pomembno. Oblikovalci AI pogosto implementirajo zaščitne ukrepe: tako za preprečevanje razkritja občutljivih podatkov v izhodih kot za varnost v ozadju. Preprost primer: če vprašate AI “Kje sem zdaj?”, bi moral to zaradi zasebnosti zavrniti (in v resnici mnogi asistenti tega podatka ne razkrijejo, razen če gre za uporabnikovo aktivno privolitev).

Varnost podatkov: Z več podatki v upravljanju AI-ja je njihova zaščita ključnega pomena. AI modeli lahko nenamerno ‘zapomnijo’ informacije iz učnih podatkov, vključno z osebnimi podatki. Znano je, da je starejša različica GPT-2 včasih kar neposredno izpisala dele svojih učnih podatkov (npr. odlomke avtorsko zaščitenih člankov ali programsko kodo). Zaradi takšnih tveganj podjetja poskušajo iz učnih podatkov odstraniti osebno določljive podatke (PII) in je uporaba uporabniških pogovorov za učenje zahtevna tema. Podjetja so zato še posebej previdna – mnoga so zaposlenim prepovedala vnos zaupnih podatkov v ChatGPT, saj bi lahko tako ti podatki ‘ušli’. (Denimo, nekateri zaposleni v Samsungu so v ChatGPT prilepili občutljivo programsko kodo, ki je končala v učnih podatkih OpenAI in tako predstavljala mogoče tveganje uhajanja informacij). Odziv je, da poslovne verzije teh AI storitev ponujajo zagotovila, da podatki ne bodo uporabljeni za učenje in omogočajo šifriranje in revizijske sledi, da izpolnijo varnostne potrebe podjetij.

Etična raba vsebin: Druga etična plat je na strani ustvarjalcev vsebin – je pošteno, da AI za odgovore uporablja ves splet? Nekateri trdijo, da gre za transformativno rabo, ki koristi družbi s sintezo znanja. Drugi (npr. umetniki ali pisatelji) menijo, da AI ‘črpa zastonj’ iz njihovih stvaritev brez priznanja ali nadomestila. Tako potekajo razprave in tudi tožbe (npr. nekateri avtorji tožijo OpenAI zaradi uporabe njihovih knjig pri učenju brez dovoljenja). Razplet bo morda oblikoval pravila o virih učnih podatkov. Že osnutek evropskega AI zakona bi lahko zahteval razkritje uporabe avtorsko zaščitenega gradiva pri generativnem AI reuters.com. Morda bodo iskalniki omogočili založnikom ‘opt-out’ (na primer s posebno oznako “ne uporabljaj moje vsebine v AI povzetkih”), podobno kot lahko izključijo svoj indeks v iskalnikih z robots.txt. Pravzaprav je Google namignil na meta oznako “NoAI”, ki bi stranem omogočila, da povedo njegovim robotom, naj njihove vsebine ne uporabljajo za učenje AI ali povzetke – to se bo verjetno kmalu razvijalo dalje.

Avtonomija in odvisnost uporabnika: Etično je tudi vprašanje, kako AI oblikuje vedenje in mnenja uporabnikov. Če AI pomočniki postanejo glavni ‘vratarji informacij’, bodo uporabniki morda preveč odvisni od enega vira? Bi to slabim akterjem olajšalo, da vplivajo na AI in tako zavedejo milijone? S tem dobi veliko moč tisti, ki nadzira AI model. Družba bo verjetno zahtevala nadzor in odgovornost – morda neodvisne preglede AI sistemov za pravičnost in točnost. Po drugi strani pa lahko AI demokratizira dostop do informacij tistim, ki imajo težave s tradicionalnimi vmesniki – na primer nepismeni ali osebe z oviranostmi lahko zdaj sprašujejo z govorom in dobijo odgovore izrečene na glas. To je etična pozitivna stran: večja vključenost in dostop do znanja.

Kompenzacija med zasebnostjo in personalizacijo: Kot omenjeno v poglavju 5, visoko personalizirane storitve z umetno inteligenco ponujajo veliko uporabnosti, vendar zahtevajo uporabo osebnih podatkov. Ključno je najti pravo ravnotežje. Verjeten pristop je, da uporabnikom damo nadzor – omogočiti jim, da se sami odločijo za personalizacijo in jih jasno obvestiti, kateri podatki bodo uporabljeni (tako kot je Google to storil z Gmail integracijo pri iskanju z AI, a le, če je uporabnik podal soglasje blog.google). Prav tako je pomembno graditi robustno anonimizacijo – uporaba podatkov v agregirani obliki ali obdelava na napravi – kar lahko pomaga zaščititi zasebnost (na primer, nekatere AI funkcije bi lahko delovale lokalno na vaši napravi, tako da surovi podatki nikoli ne zapustijo vaše naprave).

Povzetek: etična in zasebnostna pokrajina AI v brskalnikih se vrti okoli zaupanja. Uporabniki morajo zaupati, da jim AI podaja točne, nepristranske informacije in varuje njihove osebne podatke. To zahteva stalne izboljšave pri transparentnosti AI (prikaz virov, priznavanje negotovosti, dovoljevanje revizij), politikah ravnanja s podatki (skladnost z zakonodajo o zasebnosti, omogočanje nadzora uporabnikom nad njihovimi podatki) in etiki vsebine (spoštovanje intelektualne lastnine in truda ustvarjalcev vsebin). Podjetja, ki uvajajo AI v iskanje, so pod drobnogledom, da to izpeljejo pravilno. Verjetno bomo videli nadaljnje posodobitve vedenja umetne inteligence (npr. manj halucinacij z izboljšanimi modeli), izboljšane funkcije zasebnosti (na primer bolj natančne možnosti izključevanja in nadzor nad hrambo podatkov) in morda tudi regulatorne okvire (vlade pripravljajo pravila za AI storitve, podobno kot v preteklosti za varstvo podatkov in spletne vsebine).

9. Napovedi za prihodnost: AI agenti, ambientalno iskanje in virtualni asistenti

Če pogledamo naprej, se bo meja med „iskalnikom“, „brskalnikom“ in „asistentom“ še naprej zabrisovala. Na obzorju so AI agenti, ki bodo lahko samostojno opravljali naloge na spletu, iskanje pa se bo bolj integriralo v vsakdanje kontekste (ambientalno računalništvo). Tukaj je nekaj ključnih napovedi in trendov za prihodnost brskanja/iskanja:

Avtonomni AI agenti za naloge: Namesto da bi zgolj iskali informacije, bodo bodoče AI rešitve lahko izvajale dejanja v imenu uporabnikov. Prve primere že vidimo v funkcijah, kot so „agenske zmožnosti“ AI v Googlovem Iskanju. Google je prikazal AI, ki lahko, ko zahtevaš vstopnice za koncert, preišče več prodajnih strani, primerja možnosti in celo začne izpolnjevati obrazce za nakup – končna odločitev pa ostane pri uporabniku blog.google. Z drugimi besedami, AI ne le poišče informacije („katere vstopnice so na voljo“), ampak izvede tudi dele postopka („vnesi število vstopnic, preveri cene na različnih straneh“). To nakazuje prihodnost, kjer bi AI lahko postal vsi-v-enem koncierge. Predstavljajte si, da rečete: „AI, rezerviraj mi tedenski dopust ob morju z največjim proračunom 2.000 evrov“ – AI poišče lete, hotele, morda celo prebere ocene in ti predstavi načrt ali pa po potrditvi že opravi rezervacijo. Tudi Microsoft gre v to smer s svojim vizijo „copilotov“, ki ti pomagajo ne samo poiskati podatke, ampak tudi kaj opraviti (Windows Copilot že lahko nastavi nastavitve ali povzame dokument; prihodnje verzije bodo morda upravljale tvoj koledar ali elektronsko pošto samodejno). Ti agenti bodo uporabljali spletno iskanje, ampak tudi integrirane storitve in API-je. Splet bodo obravnavali kot podatkovno bazo dejanj in informacij. Na primer, AI agent bi lahko uporabil OpenTable API za rezervacijo restavracije ali tehniko scrape-anja za izpolnitev obrazca na manj strukturirani strani. To odpira zanimiva vprašanja: Bodo morale spletne strani začeti ponujati vmesnike prijazne do AI (API-ji ali strukturirani podatki), da jih agenti lahko uporabijo? Verjetno. Že sedaj storitve kot Google Duplex (ki lahko kliče restavracije za rezervacijo) nakazujejo to agentsko prihodnost. V SEO-ju in marketingu nekateri že ugibajo o „AI lijakih“ – kjer ne optimiziraš zgolj za človeško uporabniško izkušnjo, ampak za AI agente, ki izbirajo izdelke ali vsebine za uporabnika. Ključno: če AI agenti izbirajo, katero blagovno znamko kupiti zate, bodo podjetja morala poskrbeti, da jih AI upošteva. To bi lahko spodbudilo nov tip optimizacije: optimizacija za AI agente, podobno kot SEO danes. Kot je rekel en SEO strokovnjak: „AI sistemi bodo izbirali, katero znamko priporočiti, tvoja naloga pa je, da izberejo tvojo.“ xponent21.com. To bo zahtevalo odlične metapodatke o izdelkih, dobre cene in zaupanje v blagovno znamko – kajti AI, ki deluje v imenu uporabnika, bo verjetno optimiziran za zadovoljstvo uporabnika (npr. lahko daje prednost znamkam z boljšimi mnenji ali garancijo). Podjetja bodo tako morala prepričati AI ocenjevalce, ne zgolj ljudi kot neposredne potrošnike.
Ambientalno iskanje & nenehna asistenca: Koncept ambientalnega iskanja pomeni, da iskanje poteka v ozadju našega vsakdana in nam proaktivno ponuja informacije. Že zdaj prehajamo v obdobje vseprisotnega računalništva – pametne naprave povsod okoli nas. V prihodnosti bodo vaše AR (obogatena resničnost) očala neprestano prepoznavala, kaj gledate, in ponujala informacije (oznake, navodila, prevode) brez vaše izrecne zahteve. To je oblika iskanja, ki jo sproži kontekst. Na primer, med hojo po ulici AR očala prikazujejo ocene restavracij, mimo katerih greste – to je ambientno iskanje, ki združi lokacijo, vid in AI. Drug primer: glasovni asistenti, občutljivi na kontekst, ki poslušajo za namige. Če imate pogovor (in v to privolite), bo vaš asistent tiho poiskal dejstva, ki so relevantna za pogovor, in pripravljen pomaga, če vprašate. Ali vaš avtomobilski AI asistent – lahko vas proaktivno opozori: „Imate malo goriva, 2 km naprej je poceni bencinska črpalka“ – v bistvu išče cene in lokacije goriva, ker je sklepal, kaj potrebujete. Ambientalno računalništvo pogosto vključuje prediktivno AI: predvideva potrebe. Googlov podpredsednik za Iskanje, Elizabeth Reid, je cilj slikovito opisala: iskanje naj bo tako preprosto, kot da vprašaš vsevednega prijatelja, ki se naravno vključi v tvoje okolje 1950.ai. V praksi bi lahko kmalu skoraj ne tipkali več poizvedb; kombinacija senzorjev (vida, lokacije, zdravja itd.) in AI bo vedela, kdaj je treba izpostaviti koristne informacije. Zasebnost bo tu ključnega pomena – ambientalno iskanje mora biti strogo pod nadzorom uporabnika (nihče noče vsiljivega pomočnika, ki prisluškuje ali deli vaše informacije brez soglasja). Najverjetneje bodo prihodnje naprave imele načine, ki jih lahko uporabniki preklapljajo za ambientalno asistenco, podobno kot danes omogočite/onemogočite „Hej Siri“ ali „OK Google“ poslušanje.
Naslednja generacija virtualnih asistentov: Digitalni asistenti kot Siri, Google Assistant, Alexa itd. bodo z integracijo velikih jezikovnih modelov postali veliko zmogljivejši. Google je že napovedal Assistant with Bard, s čimer združuje svojega glasovnega pomočnika z zmožnostmi Barda (svojega LLM) analyticsvidhya.com. To pomeni, da asistent ne bo več dajal le vnaprej pripravljenih odgovorov, ampak bo ustvarjal bogate, konverzacijske odgovore in opravljal bolj kompleksne naloge. Pričakujemo lahko asistente, ki bodo tekoče izvajali večstopenjske zahteve (npr. „Asistent, pomagaj mi organizirati vikend srečanje: najdi prostor, pošlji vsem e-mail z možnostmi terminov in pripravi osnutek urnika“). Postali bodo tudi bolj osebni in sposobni dolgih pogovorov (morda končno uresničili znanstvenofantastično vizijo resnično konverzacijskega AI pomočnika). Čez nekaj let bi bilo povsem običajno imeti „AI tajnika“ – agenta, ki upravlja vaš dan (bere in povzema vaše maile, sam predlaga termine, na katere vas opozori, ipd.). Microsoftov Copilot v M365 gre že v to smer pri pisarniškem delu, za osebno življenje pa bodo nastali podobni agenti.
Integracija z IoT in drugimi viri podatkov: Prihodnje iskanje bo morda povezano z vašimi osebnimi podatkovnimi tokovi – predstavljajte si iskanje po vašem „dnevniku življenja“. Če imate pametne naprave, ki spremljajo vaše zdravje, lahko vprašate: „Kdaj sem nazadnje tekel več kot 5 km?“ in AI bo odgovorila z uporabo podatkov iz vaše pametne ure. Ali: „Najdi recept, ki sem ga kuhal prejšnji mesec z gobami“ in AI poišče po zapisu vaše pametne pečice ali osebnih zapiskih. Iskanje se bo torej razširilo tudi izven javnega spleta na osebne in senzorske podatke, AI pa bo most med vsemi temi viri. To je zelo zmogljivo, a tudi občutljivo (spet zasebnost!), zato bo implementacija še posebej previdna.
Nevralni vmesniki in nove modalitete: Dalje v prihodnosti nekatera tehnološka podjetja raziskujejo neposredne vmesnike med možgani in računalnikom. Če bodo ti postali izvedljivi, bo „iskanje“ lahko hitro kot misel. To je za zdaj spekulativno, a kaže smer zmanjševanja trenja. Na bolj realnih tleh pa multimodalni AI modeli (kot naslednje generacije GPT in Google Gemini) že brez težav obvladujejo tekst, slike, zvok in celo video. Tako boste morda imeli AI, ki lahko namesto vas pogleda video in odgovori na vprašanja o njem. Na primer: „AI, preleti to 1-urno snemanje sestanka in mi povej ključne odločitve.“ To je kot iskanje znotraj avdio-vizualne vsebine. Ali pa sprotno prevajanje in kontekst – nosite slušalke, ki ne prevajajo le govora, ampak tudi prikličejo relevantne informacije glede vsebine pogovora (če nekdo omeni podjetje, vam prišepne zadnje novice o tem podjetju).
Družbeni in poslovni premiki: Ko bodo AI agenti prevzemali več nalog iskanja in brskanja, lahko pričakujemo, da se bodo nekatera delovna mesta spremenila ali celo zmanjšala. Na primer, vloga človeškega turističnega agenta ali podpore strankam se lahko preseli v nadzor nad AI agenti, ki opravijo glavno delo. Industrija iskalnega marketinga (SEO/SEM) se bo preoblikovala v nekaj novega (nekateri pravijo, da se bo to približalo optimizaciji za odgovore, morda pa gre celo za to, da poskuša podjetje vdelati svoje podatke/veščine v AI asistente). Podjetja bodo morala svoja podatkovja ponuditi tem ekosistemom (prek API-jev, feedov), če želijo ostati vidna. Pričakujemo lahko nove partnerstva, v katerih bodo podjetja neposredno priključevala svojo vsebino AI platformam za zagotovljeno vključitev (nekateri mediji že pogajajo o zagotavljanju vsebine Microsoftovem Bing AI, na primer).

Na uporabniški strani bo, če bo AI zelo integrirana, digitalna pismenost morala vsebovati razumevanje AI: na primer, kako zastaviti prava vprašanja (veščine priprave vprašanja – prompting) in kako preveriti AI odgovore. Izobraževalni sistemi bodo morda AI uvedli kot orodje, a hkrati učili kritično razmišljanje, da dosežemo, da ljudje ne sprejemajo AI rezultatov kot edino resnico.

Bistvo prihodnosti brskanja in iskanja je pomik k izkušnji, posredovani z umetno inteligenco (UI), kjer je uporabnikova namera izpolnjena z minimalnim trenjem, pogosto celo brez tradicionalnih spletnih strani vmes pri mnogih opravilih. Iskanje bo postalo bolj akcijsko usmerjeno (ne le najdi informacije, temveč nekaj naredi) in kontekstno ozaveščeno. Tradicionalno brskanje po spletu bo morda postalo bolj nišna dejavnost za čas, ko nekdo želi opraviti poglobljene raziskave ali uživati v ročnem raziskovanju – medtem ko bodo mnoga vsakodnevna vprašanja (“najdi to, kupi ono, pokaži mi, kako, povej mi zdaj”) obravnavana prek UI z glasovnimi ali drugimi vmesniki.

Posledice so obsežne: informacije postanejo bolj dostopne, a tudi bolj posredovane prek UI. Podjetja, ki upravljajo te vmesnike UI (kot so Google, Microsoft, OpenAI, Apple, Amazon), bi lahko pridobila še večji vpliv, kar poudarja pomen konkurence in odprtih ekosistemov. Obstaja pa tudi upoštevanja vreden pozitiven vidik: agenti UI bi lahko pomagali zapolniti vrzeli v dostopnosti (za tiste, ki prej niso mogli učinkovito uporabljati interneta) in bi lahko prevzeli dolgočasna opravila, ter tako ljudem omogočili več časa za ustvarjalna prizadevanja.

Za povzetek: prihajamo v obdobje ambientnega, agentnega in pogovornega računalništva. Kot bi imeli izjemno pametnega spremljevalca, ki se zna premikati po digitalnem svetu namesto vas. Ključna načela iskanja – najdi najboljše informacije – ostajajo, toda kako bodo te informacije najdene in dostavljene, se bo močno spremenilo in postalo globoko vgrajeno v naša življenja prek UI.

10. Tehnične osnove: LLM, nevronsko iskanje in vektorske baze podatkov

Pretvorbe UI v iskanju temeljijo na napredku temeljnih tehnologij. Razumevanje teh osnov nudi vpogled, kako deluje iskanje z UI:

Veliki jezikovni modeli (LLM): To so ogromni modeli nevronskih mrež (kot so GPT-4, PaLM ali Googlov Gemini), trenirani na velikanskih korpusih besedil. LLM predstavljajo možgane pogovornih in generativnih iskalnikov – ustvarjajo človeško podobne odgovore in razumejo zapletene jezikovne vnose. Tehnično gledano je LLM globok transformacijski model, ki se je naučil statističnih vzorcev jezika z “branjem” milijard stavkov. Ne pridobiva dejstev iz baze podatkov v tradicionalnem pomenu, temveč ima implicitno kodirano ogromno znanja v svojih parametrih. Ko mu zastavite vprašanje, v bistvu napoveduje verjeten odgovor na podlagi vzorcev, ki jih je videl med treningom cip.uw.edu. Na primer, iz mnogih dokumentov se je naučil, da “Glavno mesto Francije je Pariz” pogosto sledi frazi “glavno mesto Francije”, zato zna na to odgovoriti. LLM so zelo dobri pri jezikovnih nalogah (povzemanje, prevajanje, logično sklepanje v besedilu itd.), zato so ključni za razumevanje poizvedb in generiranje odgovorov. Vendar pa LLM niso baze podatkov, zato nimajo zagotovljene dejanske točnosti in ažurnega znanja, razen če so povezani z eno. Velik del sodobnega razvoja UI v iskanju je ravno to, da LLM delujejo v tandemu z iskalnimi indeksi – tako dobite tekočnost LLM in dejstveno utemeljenost baze podatkov/spleta.
Nevronsko iskanje in vektorske reprezentacije: Tradicionalni spletni iskalniki uporabljajo obrnjene indekse in ujemanje ključnih besed. Nasprotno pa nevronsko iskanje predstavlja besede in dokumente kot vektorje (niz števil) v visokodimenzionalnem prostoru. To omogočajo nevronske mreže, ki ustvarijo vdelave (embeddings) – numerične predstavitve besedil (ali slik, zvoka ipd.), tako da je podobna vsebina predstavljena s točkami, ki so blizu ena drugi v tem prostoru. Na primer, besedi “pes” in “mladiček” bosta imeli vektorja, ki sta si blizu, čeprav gre za različni besedi, saj se pogosto pojavljata v podobnem kontekstu. To omogoča semantično iskanje: če iščete “nasveti za treniranje mladička”, lahko nevronski iskalnik najde članek z naslovom “Kako trenirati novega psa”, čeprav ta ne vsebuje besede “mladiček”, ker je “pes” semantično podoben “mladičku”. Te vdelave nastajajo z nevronskimi modeli (pogosto tudi transformatorji) in so postale hrbtenica iskanja z UI. Googlov iskalnik uporablja modele, kot je BERT, za vdelavo poizvedb in dokumentov ter tako izboljša ujemanje. Bing počne podobno. Pri iskanju prek klepetalnikov UI sistem pogosto v ozadju izvede vektorsko iskanje: vašo poizvedbo pretvori v vektor in v vektorskem indeksu poišče najbližje dokumente. To presega iskanje po natančnih ključnih besedah in išče konceptualno podobnost infoworld.com. Vektorske baze podatkov: Za podporo nevronskemu iskanju v velikem obsegu so razvili specializirane baze podatkov, ki omogočajo učinkovito shranjevanje in iskanje vektorjev. Vektorska baza podatkov (kot so Pinecone, Milvus ali Facebookova knjižnica FAISS) lahko shrani milijone ali milijarde vektorjev in zelo hitro vrne tiste, ki so najbližje poizvedbenemu vektorju infoworld.com infoworld.com. To je ključno za iskanje z UI – tako AI pridobi relevantno znanje za utemeljitev odgovorov. Na primer, ko Bingova UI vprašate: “Kakšne so prednosti recikliranja plastike?”, bo sistem to poizvedbo vdelal, poiskal ustrezne vsebine v svojem vektorskem indeksu (npr. strani, ki obravnavajo prednosti in slabosti recikliranja plastike), pridobil najrelevantnejše odlomke in jih posredoval LLM za sintezo odgovora. Vektorsko iskanje je posebej učinkovito pri obravnavi nenestrukturiranih podatkov in poizvedb v naravnem jeziku, pa tudi ob večmodalnih podatkih. Ni omejeno le na besedilo: tudi slike je mogoče pretvoriti v vektorje (s pomočjo modelov za računalniški vid) in tako omogočiti “iskanje po sliki” po vektorski podobnosti. Prav tako je mogoče vektorizirati zvok in video. Skratka, vektorske baze podatkov in iskanje so omogočili iskanje na človeški način – po pomenu in ne le po dobesednem nizu infoworld.com. Tako so rezultati iskanja relevantnejši, kar je eden ključnih razlogov, da je sodobno iskanje “pametnejše”.
Pridobivanjem podprta generacija (RAG): Kombinacija LLM in vektorskega iskanja vodi do pristopa RAG, ki smo ga omenili že prej. Tehnično ima sistem RAG dva glavna dela: pridobivalnik (pogosto gre za vektorski iskalnik, ki za poizvedbo najde najbolj relevantne dokumente) in generator (LLM, ki te dokumente + poizvedbo združi in ustvari končni odgovor). S tem sistem kompenzira pomanjkanje ažurnega ali zelo podrobnega znanja LLM s tem, da vključi dejanske vire cip.uw.edu. Rezultat je odgovor, ki je tekoč in (upamo) utemeljen na resničnih podatkih. Tak način poganja Bing Chat, Google SGE in številne pomočnike UI, ki potrebujejo aktualne informacije. Tehnično RAG temelji na dobrih vdelavah (da najdejo prave informacije) ter na priklicnem inženirstvu (prompt engineering), torej na tem, kako pridobljeno besedilo predati LLM. Pogosto pridobljeno besedilo združijo z navodilom, kot je: “Uporabite spodnje informacije za odgovor na vprašanje …” in nato sledi uporabnikovo vprašanje. LLM potem iz tega sestavi odgovor.
Nevronsko rangiranje in učenje s krepitvijo: Poleg pridobivanja UI uporablja tudi sistem za rangiranje in izpopolnjevanje rezultatov. Iskalni ponudniki že dolgo uporabljajo strojno učenje (algoritme učenja za razvrščanje) ter modele trenirajo na klikih uporabnikov, da napovejo, kateri rezultati naj bodo višje. Sedaj to počnejo globoki modeli (kot Google RankBrain ali transformerji). Poleg statične razvrstitve sistemi kot Bing chat uporabljajo tudi iterativni pristop: generirajo lahko več potencialnih odgovorov ali pa uporabijo učenje s krepitvijo na podlagi človeške povratne informacije za prilagajanje odgovarjanja. (OpenAI je znamenito uporabil učenje s krepitvijo na podlagi človeške povratne informacije – RLHF – da so odgovori ChatGPT bolj usklajeni in koristni.) Poleg tega je treba ob generiranju odgovorov UI poskrbeti, da so skladni z določenimi smernicami (brez sovražnega govora ipd.). Za to so odgovorni moderatorkski modeli UI – klasifikatorji, ki preverjajo vsebino izhodov UI in lahko filtrirajo ali preoblikujejo odgovore, ki kršijo pravila. Tudi to je pomembna osnova: vsakič, ko vprašate UI nekaj, običajno v ozadju deluje tudi varnostni model, ki ocenjuje zahtevek in odgovor.
Infrastruktura (računska zmogljivost in zakasnitve): Tehnično gledano je zagotavljanje iskanja z UI na veliki skali zahtevno s stališča infrastrukture. LLM so računsko zelo zahtevni – za posamezno poizvedbo GPT-4 potrebuje bistveno več CPE/GPU kot klasično iskanje po ključnih besedah. Podobno hitro vektorsko iskanje v ogromnih indeksih zahteva posebno strojno opremo (GPU ali TPU pospeševalnike, veliko RAM-a ali pristope za približno določevanje najbližjih sosedov). Podjetja veliko vlagajo v optimizacijo tudi tega. Google je na primer v svojih podatkovnih centrih uporabil TPU čipe posebej za hitro izvajanje BERT modelov za iskalnik blog.google. Microsoft ima za Bing posebno “Orchestrator” plast, ki odloča, kdaj priklicati velik GPT model, kako predpomniti rezultate ipd., za upravljanje stroškov in hitrosti. Zakasnitev je velik izziv – ljudje pričakujejo odgovor v eni ali dveh sekundah. LLM običajno potrebuje nekaj sekund za generiranje odgovora. Veliko inženirskega znanja je vloženega v to, da vse skupaj deluje brezhibno (npr. prikaz odgovora po delih, tako da se odgovarjanje začne takoj, četudi se celoten odgovor še generira). Sčasoma bomo videli učinkovitejše modele (destilirane, kvantizirane), ki bodo lahko tekli hitreje, morda celo na samih napravah za personalizirano ali brez povezave rabo.
Grafi znanja in hibridni sistemi: Čeprav so LLM in vektorji trenutno vroča tema, se iskanje še vedno pogosto opira na tradicionalno strukturirane podatke. Googlov graf znanja – podatkovna baza dejstev o entitetah (ljudeh, krajih, predmetih in njihovih odnosih) – se uporablja za hiter prikaz dejstev v iskalniku. UI tega ni nadomestila; lahko pa jo dopolnjuje (če so podatki v grafu znanja, jih UI lahko prednostno uporabi za večjo pravilnost). Veliko rezultatov iskanja danes združuje več sistemov: informacijsko ploščo na robu (strukturirani podatki), klasične modre povezave in zdaj UI povzetek na vrhu. Gre za hibridni pristop za izkoristek najboljšega iz vsakega sveta.
Odprtokodni in lastni modeli: Vredno je omeniti, da vseh iskalnikov UI ne bodo poganjala zgolj največja podjetja. Obstajajo odprtokodni LLM in vektorske baze podatkov, ki jih lahko organizacije uporabijo za izgradnjo specializiranih rešitev – na primer podjetja, ki uvajajo UI iskanje po interni dokumentaciji. Vektorske baze, kot sta FAISS ali Weaviate, je mogoče poganjati lokalno, manjše LLM (ali večje, dostopne prek API) pa izvajajo vprašanja in odgovore. Ta demokratizacija pomeni, da omenjene tehnične osnove niso le v domeni velikanov, temveč postajajo standardno orodje. To bo vodilo v specializirane aplikacije iskanja – npr. iskalnik medicinske literature, ki uporablja na medicinskih člankih prilagojen LLM in vektorski indeks najnovejših študij za hitro sintezo dokazov. Ali pa podjetniško iskanje, ki pregleda vse dokumente podjetja in odgovori zaposlenemu na vprašanje “Ali imamo politiko podjetja glede X?”

Na kratko – tehnična podlaga iskanja, ki ga poganja UI, združuje nevromrežne modele za jezik in razumevanje (LLM, transformatorji) z nevronskimi predstavitvami podatkov (vdelave in vektorsko iskanje). Prvi zagotavljajo “možgane” za razumevanje in generiranje jezika; drugi nudijo “spomin” za učinkovito shranjevanje in priklic znanja infoworld.com infoworld.com. Skupaj, z dopolnitvami, kot je RAG cip.uw.edu, omogočajo pametno iskanje, kakršnega smo opisovali. Z nadaljevanjem razvoja lahko pričakujemo, da bodo ti modeli vse sposobnejši (npr. multimodalni modeli, ki razumejo besedilo+skozi sliko skupaj) in učinkovitejši. Stalne izboljšave algoritmov (boljše metode iskanja po podobnosti, boljše tehnike učenja za manj haluciniranja itd.) bodo naprej izpopolnjevale izkušnjo UI iskanja – naredile jo bodo hitrejšo, natančnejšo in sčasoma bolj zaupanja vredno.

11. Poslovne in družbene posledice iskanja po spletu, ki ga prevladuje umetna inteligenca

Vzpon umetne inteligence pri iskanju ne spreminja le tehnologije – ima široke posledice za podjetja, družbo in globalno informacijsko krajino:

Poslovne posledice:

Premik v prometu in razmerju moči: Spletne strani, ki so uspevale zaradi iskalnega prometa, lahko doživijo upad, saj odgovori umetne inteligence preusmerjajo število klikov. Spletni založniki (novice, strani z navodili itd.) izražajo skrb, da se njihova vsebina uporablja za odgovore, brez da bi obiskovalci prišli na njihovo stran (in brez oglasnih prikazov ali prihodkov zanje). To bi lahko prisililo k spremembi poslovnih modelov spleta. Nekatere možnosti: založniki bi lahko iskali dogovore o kompenzaciji (podobno kot nekateri založniki novic v sporu z Google News v določenih državah), ali pa bi optimizirali vsebino, da bi prav oni postali izbran vir v AI povzetkih, ali pa bi se razpršili in ne bi več zanašali le na iskalni promet (uporabili bi novice prek e-pošte, družbena omrežja itd., da bi dosegli občinstvo neposredno). Podatki že kažejo upad organskega prometa – ocene so, da bi lahko do leta 2025 največje spletne strani prejele bistveno manj prometa iz iskanja kot nekaj let prej 1950.ai. To ustvarja finančni pritisk na založnike, da se prilagodijo ali konsolidirajo. Če se prihodki od oglasov zmanjšajo, bi lahko videli več plačnih zidov ali naročniških modelov.
Priložnosti za nove igralce: Motnje v ustaljenem načinu iskanja odpirajo vrata novim akterjem. Do nedavnega je bil “Google Search” praktično sinonim za iskanje informacij. Zdaj so vrata odprta za novince (OpenAI, Neeva preden je zaprla svoja vrata, Braveov Summarizer, številni startup asistenti za iskanje), da pritegnejo uporabnike, ki iščejo izkušnje, ki jih omogoča umetna inteligenca. Pravzaprav so alternative, kot sta ChatGPT in Perplexity, beležile ogromno rast uporabe, čeprav z majhne začetne baze adweek.com. Medtem ko Google še vedno prevladuje, je opazno, da je aprila 2023 svetovni promet iz iskanja z Google rahlo upadel (za 1 % v primerjavi z letom prej), medtem ko sta obisk ChatGPT in Perplexity poskočila za 180 % adweek.com. To nakazuje, da nekateri uporabniki deloma preklapljajo za določena vprašanja. Če Google ne bi odgovoril s svojo AI, bi tvegali, da jih paradigmatski premik prehiti. Danes imamo v bistvu tehnološko dirko: Google, Microsoft (z OpenAI) in drugi (morda Meta, Amazon, Apple s svojimi AI načrti) tekmujejo za to, kdo bo opredelil iskanje naslednje generacije. Poslovna posledica je velika: katero podjetje bo ponudilo najboljšo izkušnjo AI iskanja, si lahko zagotovi velik tržni delež. Dolgoleten Googlov monopol v iskanju ni več zagotovljen v svetu, kjer prevladuje umetna inteligenca (čeprav mu obsežni podatki in infrastruktura nudijo prednost za učenje AI in ohranjanje tržnega položaja).
Monetizacija in novi oglaševalski modeli: Dotaknili smo se že, kako oglaševanje vpliva na spremembe. To bo prisililo k inovacijam v oglaševalskih modelih. Morda bomo dočakali konverzacijske oglase, kjer AI asistent razkrije na primer: “Lahko vam najdem izdelek za to – tukaj je sponzoriran predlog.” Ali pa brendirane AI pomočnike (predstavljajte si, da prosite AI agenta spletne trgovine za pomoč in ta nežno promovira lastne izdelke). Oglasi v iskanju bi se lahko premaknili iz licitiranja po ključnih besedah v licitiranje za namene ali teme poizvedb, ali celo za mesta v AI odgovoru (na primer, biti eden od virov, navedenih v AI povzetku, postane dragoceno – podobno kot SEO, vendar nekaj, za kar bi v določenih primerih morda lahko plačali – če pa ni jasno razvidno, lahko to spodkoplje zaupanje). Dolgoročno se pojavlja vprašanje: če AI zmanjša skupno število klikov in posledično skupno oglasno zalogo, ali bo cena preostalih oglasnih mest narasla? Morda – redkost bi lahko zvišala cene na oglas (nekateri analitiki menijo, da bi manj oglasov, a bolj tarčno usmerjenih, še vedno lahko prineslo enak ali višji prihodek). Po drugi strani pa, če bo podjetjem težko učinkovito oglaševati, lahko proračune preusmerijo na druge kanale (kot je vplivnostni marketing ali platforme kot Amazon, ki je hkrati trgovec in oglaševalska platforma).
Nove storitve in trgi: Zmožnosti AI pri iskanju lahko povzročijo nastanek povsem novih industrij. Na primer, osebni AI asistenti kot storitev – morda bomo imeli vsi v oblaku svoj AI, prilagojen našim potrebam, podjetja pa bi lahko prodajala premijske AI z določenimi znanji (na primer AI, specializiran za finančno svetovanje). Ali vertikalni iskalniki z umetno inteligenco z naročniškim modelom – na primer pravni AI, za katerega bi odvetniške pisarne plačevale. Meje med iskanjem in drugimi sektorji (izobraževanje, zdravstvo, uporabniška podpora) se bodo zabrisale, saj bo AI postal univerzalni vmesnik. Podjetja naj se pripravijo na t. i. ekonomijo AI agentov: zagotoviti, da so njihove informacije in storitve dostopne AI (prek API-jev ipd.), morda pa bodo tudi sama uporabljala lastne AI za stik s strankami.
Zaposlovanje in veščine: Sektor iskanja in marketinga bo doživel razvoj delovnih vlog. SEO strokovnjaki bodo morda morali postati bolj kot stratege vsebin in učitelje AI, osredotočene na ustvarjanje avtoritativnih vsebin in metapodatkov, ki jih AI algoritmi favorizirajo. Po drugi strani se bo zmanjšala potreba po manj zahtevnem pisanju (množično ustvarjanje osnovnih člankov za SEO), saj to delo preprosto zmore že AI; poudarek se bo premaknil k vsebinam višje kakovosti in edinstvenemu strokovnemu znanju. V podpori strankam, kjer bo AI reševal več vprašanj (tudi v spletnih pogovorih ali telefonskih klicih), se bo narava teh služb spremenila – manj bo linijskih odgovornih, več bo agentov, ki rešujejo zahtevnejše primere ali nadzorujejo AI. Celostno gledano bo AI nekatera delovna mesta naredil učinkovitejša, hkrati pa zahteval nova znanja (kako učinkovito izpisati navodila AI, kako preveriti AI izhode ipd.).

Družbene posledice:

Dostop do informacij: Če bo AI iskanje izpolnilo svojo obljubo, bi lahko močno izenačilo dostopnost do informacij. Ljudje, ki so imeli težave z iskanjem (zaradi jezikovnih preprek, pismenosti ipd.), lahko vprašajo na naraven način in dobijo odgovore. Prav tako lahko AI povzema kompleksne informacije v preprostejšo obliko, kar pomaga premostiti vrzeli v znanju. Na primer, pacient lahko uporabi AI, da mu preprosto razloži zdravniško poročilo. To opolnomočenje je pozitivno. Vendar pa centralizira tok informacij. Če se vsi začnejo zanašati le na nekaj AI sistemov za odgovore, ti sistemi postanejo skrbniki vrat. To odpira vprašanja o tem, kdo nadzira AI in kakšna pristranskost lahko vpliva na odgovore. Družba bo verjetno potrebovala mehanizme (naj bo to regulativa, neodvisne revizije ali pluralnost AI virov), ki naj preprečijo, da bi le ena narativa ali agenda nezaželeno prevladala prek AI.
Kritično mišljenje in izobraževanje: Hitri odgovori imajo dvorezen učinek. Po eni strani nas hitra dejstva osvobodijo za poglobljen razmislek – ni nam treba več pomniti malenkostnih podatkov, če jih lahko AI ponudi na zahtevo. Po drugi strani pa, če uporabniki prenehajo sami raziskovati vire in brez premisleka samo verjamejo AI, lahko spregledajo pomembne nianse ali pa jih AI zavede, če napačno odgovori. Izobraževalni sistemi bodo morda morali dosti več pozornosti namenjati medijski pismenosti in preverjanju dejstev (“AI je to povedal – toda kako to preverimo?”). Lahko se bodo razvila tudi orodja za preverjanje informacij AI – na primer vtičniki za brskalnik, ki samodejno označijo izvor AI podatkov.
Raznovrstnost informacij: Klasično iskanje pogosto prikaže več rezultatov in uporabnik sam izbere povezavo – s tem vidi različne poglede iz različnih virov. Umetna inteligenca lahko vse povzame v eno samo narativo. Bo ta narativa raznolika in reprezentativna? Za sporna vprašanja bi AI moral podati več pogledov (“O tej temi eni strokovnjaki menijo X, drugi Y”). Na tem področju je veliko napredka – na primer pri dajanju niansiranih odgovorov. Vendar obstaja nevarnost monokulture znanja, če ne bo pravilno zasnovano. Po drugi strani pa lahko AI tudi pomaga prebijati filtre (t. i. “filter bubbles”), saj poda odgovor, povzet iz številnih virov, medtem ko bi uporabnik sam morda kliknil le eno najljubšo povezavo. Dejanski učinek na raznovrstnost informacij bo odvisen od zasnove AI algoritmov.
Pristranskost in pravičnost: Na družbeni ravni obstaja zaskrbljenost, da bi AI lahko utrjeval pristranskosti iz podatkov, na katerih se uči. Če ne bomo pazljivo upravljali, bi AI pri iskanju lahko na primer odražal družbene predsodke ali premalo zastopal manjšinska mnenja. To bi lahko nehote oblikovalo javno mnenje ali marginaliziralo skupine. Zagotavljanje pravičnosti AI odgovorov – na primer črpanje iz uravnoteženega nabora virov in ozaveščenost o občutljivih atributih – je tema nenehnih raziskav in razprav. Na primer, ko uporabnik vpraša “Zakaj so skupina X ljudje takšni kot Y?”, mora AI izredno pazljivo odgovoriti, da ne poda stereotipnega ali žaljivega posploševanja iz svojih učnih podatkov. Lahko mora popraviti predpostavko ali podati dejstva, ki pristranskost ovržejo.
Regulativa in upravljanje: Ko AI prevzame tako pomembno vlogo, so se začele odzivati tudi vlade. Omenili smo primer Italije in ChatGPT. Evropski akt o umetni inteligenci, ki naj bi začel veljati v nekaj letih, bo nalagal zahteve za “visoko tvegane sisteme AI” – morda tudi za tiste, ki vplivajo na javno mnenje (v kar bi lahko šteli tudi iskanje). To bi lahko zahtevalo večjo preglednost pri nastajanju AI odgovorov ali celo algoritemski nadzor. Prisotni so tudi konkurenčni vidiki: če bo umetno inteligenco obvladovalo le nekaj podjetij, to predstavlja vprašanje konkurence. Že zdaj je opazna koncentracija AI strokovnjakov v velikih podjetjih. Vendar bi lahko odprtokodni projekti to uravnotežili, regulatorji pa bi lahko spodbujali odprte ekosisteme (npr. zahteva interoperabilnosti – da lahko storitve tretjih oseb priključimo v AI asistente, podobno kot lahko katerakoli spletna stran nastopa v Google iskanju).
Družbena interakcija in vedenje: Če bodo virtualni pomočniki postali izjemno sposobni sopotniki, lahko pride do socioloških posledic – ljudje se bodo za informacije ali celo druženje večkrat obrnili k umetni inteligenci kot k človeškim strokovnjakom ali vrstnikom. Namesto da vprašamo prijatelja ali učitelja, bi se lahko vsi samo še obračali na umetno inteligenco. To lahko vpliva na to, kako se znanje prenaša izmenjalno med ljudmi. Lahko vodi tudi v večjo osamitev, če ne bo ravnotežja – po drugi plati pa AI lahko pomaga določenim posameznikom (denimo tistim na avtističnem spektru ali socialno anksioznim) vaditi komunikacijo na način brez pritiska. Celoten družbeni učinek je težko napovedati, vendar bodo z razširitvijo AI asistentov nastajale nove norme njihove uporabe (npr. ali je vljudno uporabljati AR asistenta za podatke med pogovorom iz oči v oči? Odgovor bomo šele ugotovili, kot smo že pri pametnih telefonih).
Globalna enakost: Ena pozitivna lastnost je, da so lahko AI modeli večjezični in pomagajo približati splet večjemu delu sveta. Že zdaj Bing in Googlova AI podpirata mnogo jezikov. Nekdo na podeželju z omejeno formalno izobrazbo, a osnovnim pametnim telefonom, lahko do znanja dostopa prek glasovnih vprašanj v maternem jeziku in dobi odgovore, ki so mu prebrani – kar bi mu iskanje po spletu v angleščini onemogočilo. To lahko pospeši razvoj in izobraževanje. Več podjetij usposablja modele za več jezikov, tudi za manj razširjene. Vendar je pomembno tudi, da so informacije v teh jezikih kakovostne in ne samo prevodi enega vidika.

Na splošno so poslovne in družbene posledice iskanja, ki ga prevladuje umetna inteligenca, izjemno globoke. Pravzaprav spreminjamo način, kako ljudje dostopajo do celotnega zapisa človeškega znanja. Podjetja se bodo morala prilagoditi novim načinom odkrivanja in konkurence, verjetno z večjim partnerstvom z AI platformami ali z razvojem lastnih AI zmogljivosti. Družba bo morala prilagoditi norme, izobraževanje in morda tudi predpise, da bo nova paradigma koristila vsem in sproti omejevala tveganja. Prihodnost je vznemirljiva – spominja na prehod, ko je splet prvič postal mainstream, le da je tokrat posrednik umetna inteligenca.

Zaključek:

Prihodnost iskanja in brskanja po internetu, ki jo poganja umetna inteligenca, obeta bolj personalizirano, pogovorno in integrirano izkušnjo. SEO strategije se premikajo v skladu z razumevanjem umetne inteligence; pojavljajo se nova orodja na osnovi umetne inteligence, ki odgovarjajo na naša vprašanja neposredno; iskanje z naravnim jezikom in multimodalno iskanje postajata običaj; naši digitalni pomočniki pa postajajo vse bolj zmogljivi in proaktivni. V ozadju vsega tega so veliki jezikovni modeli in nevronsko vektorsko iskanje tehnologije, ki omogočajo te spremembe.

Čeprav so koristi v smislu udobja in dostopnosti ogromne, te spremembe hkrati zahtevajo ponovni premislek poslovnih modelov, etičnih standardov in vrednotenja informacij. Splet, kot ga poznamo, se razvija iz statičnega indeksa strani v dinamično, z umetno inteligenco kurirano platformo za znanje in izvajanje nalog. V tem prehodu bo ključen izziv ohranjanje zdravega odprtega spleta – kjer so informacije verodostojne, raznolike in so ustvarjalci za svoje delo nagrajeni.

Stojimo na začetku te s strani umetne inteligence vodene preobrazbe iskanja. V prihodnjih letih lahko pričakujemo inovacije, ki jih komaj lahko napovemo, pa tudi lekcije, pridobljene iz zgodnjih spodrsljajev. Če bomo ohranjali osredotočenost na potrebe uporabnikov, pravičnost in sodelovanje med deležniki (tehnološkimi podjetji, založniki, regulatorji, uporabniki), je lahko prihodnost iskanja takšna, kjer umetna inteligenca vsakomur omogoči, da zlahka in z zaupanjem najde točno tisto, kar potrebuje.

Viri:

Search Engine Land (2025), Kako umetna inteligenca preoblikuje SEO seoteric.com seoteric.com
Xponent21 (2025), AI pregledi prevladujejo v rezultatih iskanja xponent21.com xponent21.com xponent21.com xponent21.com
Microsoft Bing Blog (2023), Predstavljamo Copilot Search microsoft.com microsoft.com
Google Blog (2019), Boljše razumevanje iskanj kot kadarkoli prej blog.google blog.google
Bee Partners (2025), Optimizacija SEO za AI-preglede beepartners.vc beepartners.vc
Adweek (2025), Googlov čas umetne inteligence v iskanju adweek.com adweek.com adweek.com adweek.com
Onelittleweb Study (2025), AI klepetalniki proti iskalnikom onelittleweb.com onelittleweb.com
Yaguara (2025), Statistika glasovnega iskanja yaguara.co yaguara.co
Think with Google (2024), Kako dobro poznate Google Iskanje? business.google.com
Google Product Blog (2025), Večmodalno iskanje v načinu z umetno inteligenco blog.google blog.google
CIP, UW (2024), Zanesljivost generativnega iskanja z umetno inteligenco cip.uw.edu cip.uw.edu cip.uw.edu
Google Developers Blog (2023), Poročilo o spletnem spamu za leto 2022 developers.google.com
InfoWorld (2023), Vektorske baze podatkov v iskanju infoworld.com infoworld.com
1950.ai (2023), AI pregledi in ambientalni internet 1950.ai 1950.ai 1950.ai
Reuters (2023), Italija ponovno dovolila uporabo ChatGPT po prepovedi reuters.com reuters.com