Kako veštačka inteligencija transformiše pretragu i pretraživanje interneta

AI tehnologije brzo menjaju način na koji pronalazimo informacije na internetu. Od osnova SEO-a do pojave AI čatbotova i multimedijalne pretrage, celokupan ekosistem pretrage se razvija. Ovaj izveštaj pruža sveobuhvatan pregled ovih promena, organizovan po ključnim temama:

1. SEO u doba AI-a

Optimizacija za pretraživače (SEO) se prilagođava svetu u kojem AI ima centralnu ulogu u rezultatima pretrage. Tradicionalni SEO je bio fokusiran na ključne reči i povratne linkove, ali moderni AI-driven algoritmi pretrage daju prednost razumevanju korisničke namere i pružanju direktnih odgovora. Na primer, Google-ova upotreba AI modela znači da pretraga može da razume kontekst upita i da ih uporedi sa smislenim rezultatima, a ne samo sa ključnim rečima blog.google. U praksi, ovo omogućava korisnicima da pretražuju prirodnijim jezikom i da i dalje dobijaju relevantne odgovore – Google je istakao da mu je BERT (NLP model) pomogao da bolje protumači otprilike 1 od 10 upita na engleskom, posebno dužih, razgovornih pitanja blog.google blog.google.

Jedna od velikih promena je porast “zero-click” pretraga i AI-generisanih odgovora na vrhu rezultata pretrage. I Google i Bing sada često prikazuju AI-generisani rezime (koji crpi podatke sa više sajtova) pre tradicionalne liste linkova. Ovi AI pregledi značajno menjaju SEO strategiju. Nedavna studija pokazala je da je do maja 2025. skoro polovina svih Google pretraga (49%) sadržavala AI pregled na vrhu, u odnosu na samo 25% krajem 2024. godine xponent21.com xponent21.com. Ovi rezimei obično uključuju sažet odgovor sa nekoliko povezanih izvora, zauzimajući najvidljiviji deo ekrana. Kao rezultat, rangiranje na “#1” mestu u starom smislu više nije garancija za vidljivost – sadržaj koji AI ne uključi u pregled može biti potpuno preskočen xponent21.com. Ukratko, “uspeh u AI pretrazi zavisi od toga koliko dobro vaš sadržaj odgovara načinu na koji AI modeli razumeju relevantnost, nameru korisnika i autoritet” xponent21.com.

Promene SEO strategije: Da bi ostali vidljivi, vlasnici sajtova prilagođavaju svoje taktike. Sada je naglasak na proizvodnji kvalitetnog, autoritativnog sadržaja koji AI algoritmi smatraju pouzdanim beepartners.vc. Marketari koriste strukturirane podatke (schema markup) i optimizuju za prikazane paragrafe (featured snippets), jer AI najčešće koristi upravo takav sadržaj za svoje rezimee beepartners.vc beepartners.vc. Fokusiraju se i na E-E-A-T (Iskustvo, Stručnost, Autoritativnost, Pouzdanost) signale kako bi osigurali da AI vidi njihov sadržaj kao kredibilan beepartners.vc. Druga taktika je pisanje u sažetom, formatu pitanja i odgovora – suštinski, pravljenje sadržaja “snippet-friendly” tako da AI pregled može da ga uključi beepartners.vc. Ovi koraci su u skladu sa Google smernicama da “sadržaj mora biti privlačan i AI algoritmima i ljudskim čitaocima, balansirajući tehničku optimizaciju sa autentičnim angažovanjem” seoteric.com seoteric.com.

Uticaj AI-a na klikove: AI odgovori korisnicima odmah pružaju ono što im je potrebno, što znači manje klikova na veb sajtove. Početkom 2025. jedna analiza je pokazala da, kada je Google AI pregled prisutan, stopa klikova na prvi organski rezultat pada za oko 34,5%, a 77% takvih upita rezultuje time da korisnici uopšte ne kliknu ni na jedan rezultat adweek.com. Ovo je dramatična promena u odnosu na prošlost, kada je većina pretraga vodila korisnika ka kliku na link. SEO strategije sada moraju da računaju na vidljivost brenda unutar AI odgovora i da pronađu nove načine za privlačenje saobraćaja (na primer, kroz zanimljiviji sadržaj ili alternativne kanale).

U zaključku, AI podstiče SEO da postane celovitiji i fokusiran na kvalitet. Stari pristup rangiranju samo stranice zamenjuje strategija rangiranja unutar AI-kuriranog odgovora. Brendovi koji se prilagode i pruže zaista koristan, dobro strukturiran sadržaj imaju najveće šanse da budu prikazani od strane AI – i samim tim otkriveni od korisnika xponent21.com xponent21.com.

2. AI alati i platforme za pretragu

Pored promena u tradicionalnim pretraživačima, pojavili su se AI alati za pretragu koji omogućavaju korisnicima da pretražuju informacije na nove načine. Značajni primeri uključuju ChatGPT, Perplexity, Google-ov Gemini/Bard i Microsoft-ov Copilot/Bing Chat. Svaki nudi drugačiji tip AI-asistirane pretrage:

• ChatGPT (OpenAI): Prvobitno zamišljen kao generalni konverzacijski AI, ChatGPT je dobio mogućnost pregleda interneta i korišćenja dodataka za dobijanje informacija u realnom vremenu. Mnogi ga sada koriste kao asistenta za pretragu, postavljajući pitanja prirodnim jezikom i dobijajući jedinstven sintetizovani odgovor. ChatGPT se može posmatrati kao alternativa pretraživaču za složena pitanja ili istraživanja, iako izvor ne navodi ukoliko se ne koriste posebni dodaci. Njegova popularnost je eksplodirala – broj poseta ChatGPT-u porastao je za više od 180% početkom 2024., što pokazuje da milioni ljudi koriste upravo njega za pretragu informacija adweek.com. Ipak, u 2024. i dalje je zauzimao samo mali deo ukupnog volumena pretraga (oko 2–3% u poređenju sa Google-om) onelittleweb.com, zbog ogromnog obima tradicionalnih pretraživača.
• Perplexity Ask: Perplexity.ai je primer novog AI-native pretraživača. On koristi veliki jezički model za odgovaranje na korisnička pitanja, ali što je posebno važno – navodi izvore sa veb sajtova za svaki deo svog odgovora. Perplexity efikasno kombinuje web pretragu i AI rezime, što može povećati poverenje korisnika. Njegova upotreba takođe raste uporedo sa širenjem ChatGPT-a adweek.com. Perplexity-jev način pružanja odgovora sa pripisanim izvorima uticao je na to kako tradicionalni pretraživači prikazuju AI rezultate (na primer, Bing i Google-ovi AI rezimei sada takođe povezuju izvore).
• Google pretraga (Bard i Gemini): Google je uveo generativni AI u pretragu kroz ono što zove Search Generative Experience. Njegov Bard čatbot (koji je isprva pokretan PaLM 2 modelom, dok se očekuje prelazak na napredniji Gemini model) dostupan je kao poseban alat i integriše se sa Google asistentom analyticsvidhya.com. Vidljivije, Google-ovi AI rezimei se pojavljuju na stranici rezultata: to su AI-napisani sažeci koji „kombinuju informacije sa više pouzdanih sajtova“ i prikazuju objedinjeni odgovor beepartners.vc. Google-ov Gemini LLM leži u osnovi ovih rezimea beepartners.vc. Google je lansirao i poseban „AI režim“ u pretrazi – namenski konverzacijski interfejs za pretragu. U AI režimu korisnici mogu postavljati dodatna pitanja, dobijati multimodalne rezultate (npr. da uploaduju sliku i pitaju o njoj), i generalno voditi interaktivni dijalog sa Google-ovim pretraživačem xponent21.com blog.google. Ovo praktično transformiše pretragu iz aktivnosti ukucavanja i klika u bogatu konverzaciju. Google navodi da su upiti u AI režimu prosečno dvostruko duži od tradicionalnih, jer ljudi postavljaju detaljnija pitanja blog.google.
• Bing (Microsoft Copilot): Microsoft-ov Bing pretraživač je unapređen OpenAI GPT-4 modelom, poznatim kao Bing Chat Copilot. Ovaj AI je integrisan u Edge pregledač i Windows 11, funkcionišući kao „kopilot za internet“. U Bing pretrazi, Copilot može generisati lako pregledan odgovor na vrhu rezultata, sa navedenim izvorima, tako da korisnici ne moraju sami da pretražuju više stranica microsoft.com. Takođe podržava interaktivni čet – korisnici mogu dodatno precizirati svoja pitanja u prirodnom jeziku, a AI pamti kontekst. Microsoft širi koncept kopilota kroz sve svoje proizvode (Windows, Office itd.), šaljući poruku da će web pretraga i lična produktivnost biti objedinjeni kroz AI asistenciju.

Ukratko, AI alati za pretragu čine pretragu konverzacionom i intuitivnijom. Omogućavaju korisnicima da pitaju običnim jezikom i često isporučuju jedan objedinjeni odgovor (umesto liste linkova), uz kontekst i ponekad sa izvorima. Tabela ispod upoređuje nekoliko ovih AI platformi za pretragu i njihove ključne funkcije:

AI alat za pretragu	Pružalac	Funkcije i pristup
ChatGPT (sa pretraživanjem)	OpenAI	LLM četbot opšte namene koji se koristi za pitanja i odgovore. Sa dodatkom za pretraživanje, može da pretražuje internet i sažima otkrivene informacije. Međutim, odgovori nisu automatski navođeni izvorima. Često se koristi za složena pitanja ili razmišljanje.
Perplexity Ask	Perplexity AI	Pretraživač pokretan veštačkom inteligencijom koji daje direktne odgovore sa navođenjem izvora. Koristi LLM za tumačenje upita i rezultate sa interneta u realnom vremenu kako bi generisao sažet, izvorom potkrepljen odgovor adweek.com. Naglašava pouzdanost odgovora povezivanjem sa referentnim veb sajtovima.
Google (Bard i AI pretraga)	Google	Integrisanje generativne AI u pretragu. Bard je Google-ov četbot (sličan ChatGPT-u) za konverzacione upite. U pretrazi, Google-ovi AI pregledi koriste njegov Gemini LLM za sastavljanje odgovora sa više sajtova beepartners.vc. Novi Google-ov AI režim nudi potpuno konverzacijsko iskustvo pretrage (sa nastavcima i čak vizuelnim upitima) i daje sintetizovane odgovore na vrhu stranice xponent21.com.
Bing Chat (Copilot)	Microsoft	Bing pretraga unapređena GPT-4 modelom (OpenAI). Bing Copilot može odgovarati na upite u čet interfejsu uz rezultate pretrage, često prezentujući sažetak sa referencama. Omogućava interaktivno dopunjavanje upita i ugrađen je u Edge pregledač. Microsoft ga promoviše kao AI asistenta koji daje “jasne odgovore odmah na vrhu” rezultata microsoft.com, povezujući veb pretragu sa korisnim dijalogom.

Uticaj na korisnike: Ovi alati znače da korisnici imaju više izbora kako da pretražuju. Umesto formulisanja savršenog niza ključnih reči, može se jednostavno postaviti celo pitanje i dobiti trenutni odgovor. Ovo je posebno korisno za istraživačke upite (npr. planiranje putovanja ili učenje pojma) gde interaktivan dijalog može pojasniti potrebe. Zanimljivo je da je Google otkrio da korisnici koji isprobaju AI preglede/konverzacionu pretragu obično postavljaju više dodatnih pitanja i detaljnije istražuju, što povećava ukupno angažovanje u pretrazi business.google.com business.google.com. Istovremeno, dostupnost direktnih pitanja i odgovora kroz ChatGPT i druge donekle je narušila monopol tradicionalnih pretraživača – po prvi put se primetan deo informativnih upita dešava van Google-a. (Taj deo je i dalje mali; na primer, od aprila 2024. do marta 2025, prvih 10 AI četbotova imalo je oko 55 milijardi poseta, naspram 1,86 triliona poseta prvih 10 pretraživača onelittleweb.com. Drugim rečima, četbotovi su činili oko 1/34 ukupnog broja pretraga – rastu brzo, ali još uvek ne zamenjuju pretragu onelittleweb.com onelittleweb.com.)

3. Pretraga prirodnim jezikom i obrada upita

Jedan od najdubljih uticaja AI na pretragu je mogućnost korisnika da pretražuju koristeći prirodan, konverzacijski jezik – i da sistem zaista razume njihovu nameru. Istorijski gledano, korisnici su često morali da koriste šture, ključne reči (ponekad u šali nazvane “keyword-ese”) da bi dobili dobre rezultate blog.google. To se menja. Savremeni pretraživači koriste napredne modele obrade prirodnog jezika (NLP) – kao što su Google-ov BERT i MUM, te različite modele zasnovane na transformatorima – kako bi upite tumačili u kontekstu. To znači da sistem gleda celu frazu, a ne samo pojedinačne reči, kako bi shvatio šta korisnik zaista želi.

Na primer, Google je ilustrovao kako mu je BERT pomogao da interpretira upit „2019 brazil traveler to usa need a visa.“ Pre AI, Google je mogao zanemariti značaj reči „to“ i prikazati rezultate o američkim putnicima za Brazil. Zahvaljujući BERT-ovom razumevanju konteksta, Google je ispravno protumačio ovaj upit kao Brazilca koji putuje u SAD i prikazao relevantne informacije blog.google. Generalno, AI modeli sada razmatraju zaustavne reči i predloge („to“, „for“ itd.) koje su se nekada ignorisale, ali mogu u velikoj meri promeniti značenje blog.google. Ovo dovodi do mnogo tačnijih rezultata za duže, konverzacione upite.

Iz ugla korisnika, pretraga postaje sve više kao razgovor sa poznatim asistentom. Ljudi mogu formulisati upite kao potpuna pitanja ili opise problema. Pretraživački sistem, pogonjen NLP-om, tumači te nijanse. Zapravo, od 2020. godine Google primenjuje AI modele jezika na gotovo svaki upit na engleskom da bi bolje razumeo nameru reddit.com. Ovo je i razlog zašto su funkcije kao što je glasovna pretraga (kada postavite pitanje glasom) postale moguće – AI može da obradi izgovoreno, prirodno formulisano pitanje na isti način kao i kucano.

Konverzacijski upiti: AI je takođe omogućio višetonske razgovore kao način pretrage. Uz alate kao što su Bing Chat ili Google-ov AI režim, možete postaviti pitanje, dobiti odgovor, a zatim postaviti dopunsko pitanje poput “A šta za naredni vikend?” ili “Objasni to jednostavnijim rečima,” i sistem pamti kontekst. Ovo je velika prekretnica u obradi upita. AI održava neku vrstu stanja dijaloga – što stari pretraživači nisu radili. Microsoft-ov Bing Copilot, na primer, podstiče dodatna pitanja i čak nudi predloge za nastavak istraživanja microsoft.com microsoft.com. Rezultat je da pretraga više nije jednokratni upit – ona može biti iterativni proces koji liči na razgovor sa stručnjakom. Kako Microsoft opisuje: “Copilot pretraga se prilagođava vašim potrebama… omogućavajući korisnicima da učestvuju u više konverzacionom obliku, slično interaktivnom dijalogu sa ekspertom.” microsoft.com.

Prednosti pretrage prirodnim jezikom: Ovaj zaokret uveliko snižava prag za pronalaženje informacija. Ljudi ne moraju da znaju napredne operatore pretrage ili tačne ključne reči. Mogu pitati “Kako da popravim slavinu koja stalno curi?” ili “Koji su dobri restorani sa 3 Mišlena u Parizu i zašto su jedinstveni?” – složeni upiti koje AI može analizirati i razumeti. U pozadini, pretraživač može obaviti više pretraga u vaše ime (na primer, Google-ov AI režim koristi tehniku “raspršivanja upita” da šalje mnogo podupita u pozadini blog.google) – ali iz ugla korisnika, to je samo jedno tečno pitanje.

Kapacitet prirodnog jezika takođe je povezan sa glasovnom pretragom i virtuelnim asistentima, o čemu ćemo govoriti kasnije. To je ista ideja: ako pitate svoj pametni zvučnik neko pitanje, očekujete da ga on protumači i da koristan odgovor. Zahvaljujući napretku NLP-a, glasovni upiti se sada odgovaraju znatno preciznije nego pre nekoliko godina, što je podstaklo i popularnost (oko 20% korisnika interneta globalno koristi glasovnu pretragu 2023–2024, što je brojka koja se stabilizovala posle početnog rasta yaguara.co).

Ukratko, AI-pokretani NLP je učinio pretraživače mnogo boljim u razumevanju značenja upita. Korisnici mogu pretraživati prirodnije i dobijati odgovore koji zaista oslikavaju nameru pitanja, a ne samo puko podudaranje ključnih reči. Pretraga je postala konverzaciono i intuitivnije iskustvo, čime se otvara put za glasovno i čet-bazirano pretraživanje koje postaje uobičajeno.

4. Vizuelna, glasovna i multimodalna pretraga

Pored teksta, veštačka inteligencija omogućava pretragu pomoću slika, zvuka i drugih modaliteta. Moderna pretraga nije ograničena na klasično tekstualno polje – možete pretraživati tako što uperite kameru u nešto ili postavite pitanje naglas. Ove multimodalne tehnologije pretrage brzo napreduju:

• Vizuelna pretraga: Prepoznavanje slika zasnovano na AI-u omogućilo je pretragu pomoću fotografija ili ulaza sa kamere. Alati poput Google Lens i Bing Visual Search dozvoljavaju korisnicima da identifikuju objekte, prevedu tekst sa slika, pronađu proizvode i još mnogo toga, samo snimanjem fotografije. Vizuelna pretraga pretvara vašu kameru u upit za pretragu. U pozadini, modeli za računarsko viđenje analiziraju sliku kako bi otkrili objekte, tekst ili znamenitosti, a zatim sistem traži podudaranje ili povezane informacije na internetu. Ovo je postalo izuzetno popularno – Google Lens se sada koristi za više od 20 milijardi vizuelnih pretraga mesečno business.google.com. Ljudi ga koriste za sve, od prepoznavanja biljke ili insekta, do skeniranja menija restorana zbog recenzija, do kupovine (npr. uslikate jaknu koja vam se dopada i pretražujete gde može da se kupi). Google je naveo da je jedna od četiri pretrage putem Lensa povezana sa kupovinom, što pokazuje komercijalni značaj vizuelne pretrage business.google.com. Poboljšanja u AI-u dozvoljavaju Lensu da ne identifikuje samo jedan objekat, već da razume celu scenu. U 2025. Google je najavio multimodalnu AI pretragu u svom AI Modu: možete otpremiti sliku i zatim postaviti pitanja o toj slici – zapravo kombinujući razumevanje slike i jezika. AI (pomoću Gemini modela) može da razume „celu scenu, uključujući odnose između objekata, materijale i oblike” i odgovara na pitanja, pružajući relevantne linkove za više informacija blog.google blog.google. Na primer, možete prikazati sliku rasporeda šahovske table i upitati: „Da li je ovo dobar početak?” i dobiti informisan odgovor analizom slike.
• Glasovna pretraga: Pretraga aktivirana glasom postala je uobičajena zahvaljujući AI sposobnosti za prepoznavanje govora i razumevanje prirodnog jezika. Pametni asistenti na telefonima (Google Assistant, Siri) i pametni zvučnici (Amazon Echo/Alexa, itd.) omogućavaju korisnicima da traže glasovno. Od 2024. godine, otprilike 20–21% ljudi redovno koristi glasovnu pretragu (bar jednom nedeljno) yaguara.co yaguara.co, a taj procenat je još veći na mobilnim uređajima (više od četvrtine korisnika koristi glas). Ljudi često koriste glasovnu pretragu za brze, momentalne upite – npr. za traženje pravca, vremenske prognoze ili jednostavnih pitanja – i za lokalne pretrage („Nađi obližnju kafeteriju”). AI ima dvostruku ulogu: prvo u pretvaranju govora u tekst (kroz napredne modele prepoznavanja govora), a zatim u obradi upita kao što je prethodno objašnjeno. Uticaj glasa je što su upiti duži i češće u razgovornoj formi (Google je primetio da je „80% glasovnih pretraga konverzacijske prirode”, što znači da zvuče kao potpuna pitanja ili komande). Ovo izaziva pretraživače da odgovore na isti način – često tako što naglas pročitaju odgovor. Na primer, ako pitate glasovnog asistenta „Koji je glavni grad Brazila?”, on koristi AI da pronađe odgovor i zatim pretvara tekst u govor kako bi odgovorio: „Glavni grad Brazila je Brazilija.” Glasovna pretraga je naterala provajdere pretrage da svoje rezultate formatišu kao direktne odgovore (često koristeći „featured snippet”/podatke iz grafikona znanja). Prema jednoj studiji, izdvojeni odlomci čine oko 41% rezultata glasovne pretrage – zato što asistent preferira da pročita kratak odgovor yaguara.co. AI takođe poboljšava kvalitet glasovne interakcije – asistenti su sve bolji u praćenju konteksta (npr, možete pitati „Ko je režirao Inception?” pa zatim „Koje još filmove je on režirao?” i asistent zna da se on odnosi na Christophera Nolana).
• Multimodalna i ambijentalna pretraga: Sada ulazimo u eru gde pretraga može da prihvati kombinovane ulaze – tekst, glas i slike – i vrati rezultate koji takođe mogu biti multimodalni. Googleova funkcija „multisearch”, predstavljena 2022. godine, korisnicima dozvoljava da kombinuju sliku i tekst u jednom upitu (npr. slikate haljinu i dodate „u crvenoj boji” da nađete tu haljinu u crvenom) econsultancy.com. Ovo omogućava AI koji može da poveže vizuelne podatke sa jezikom. Šire posmatrano, pojavljuje se koncept ambijentalne pretrage: to je kad je pretraga neprimetno ugrađena u naše okruženje ili rutine i ponekad anticipira šta nam je potrebno. Na primer, sa AR naočarima može vam se pojaviti informacija o znamenitostima na koje gledate ili vaš telefon može proaktivno prikazivati relevantne informacije o kalendaru, putovanju ili obližnjim atrakcijama bez eksplicitnog pretraživanja. Ovo je proširenje multimodalnih sposobnosti u kombinaciji sa kontekstualnom svešću. Googleova vizija ovde, kako je rekao jedan od njihovih potpredsednika, jeste da pretraga postane ambijentalna – „dostupna uvek i svuda, bez eksplicitnih upita”, kao da pitate sveprisutnog sveznajućeg prijatelja 1950.ai. Već su vidljivi prvi znaci: Googleove funkcije Live i Lens sada omogućavaju razgovor u realnom vremenu o onome što kamera vidi (postavite pitanje o živoj sceni) blog.google, a asistenti mogu koristiti kontekst poput lokacije ili vaših e-mailova (ako dozvolite) da prilagode odgovore (na primer, predlože šta raditi tokom putovanja na osnovu vaše potvrde leta e-poštom blog.google).

Ukupan efekat vizuelne, glasovne i multimodalne pretrage jeste intuitivnije korisničko iskustvo. Više niste ograničeni na kucanje reči. Ako nešto vidite, možete to pretražiti. Ako ste zauzeti ili vozite, možete samo pitati naglas. Ako vam treba informacija iz fotografije ili videa, AI može da je pronađe. Ovo smanjuje prepreke i otvara pretragu za mnoge situacije gde kucanje nije praktično (zbog čega su glasovne i kamerne pretrage vrlo korišćene na mobilnim uređajima). Poslovanja se prilagođavaju time što osiguravaju da je njihov sadržaj prijateljski za multimediju – npr. koriste deskriptivni alt tekst na slikama (da bi AI mogao da ih razume) i obezbeđuju da se njihove informacije nalaze u grafikonima znanja kako bi ih glasovni asistenti mogli pronaći.

5. Personalizacija i preporučivački mehanizmi koje pokreće AI

Pretraga i otkrivanje sadržaja su sve više personalizovani, zahvaljujući tome što AI analizira ogromnu količinu korisničkih podataka i prilagođava rezultate i preporuke. Personalizacija u ovom kontekstu znači da dve osobe mogu videti različite rezultate za isti upit ili im biti preporučen drugačiji sadržaj, u zavisnosti od njihovih interesovanja, lokacije, prethodnog ponašanja i drugih faktora. AI je motor koji donosi ove odluke, učeći iz obrazaca u podacima.

Personalizacija pretrage: Google već godinama omogućava blagu personalizaciju (npr. daje prednost lokalnim rezultatima ili koristi vašu istoriju pretrage za sugestije). AI to sada podiže na viši nivo. Na primer, Googleova nadolazeća poboljšanja AI pretrage omogućiće korisnicima da prihvate lični kontekst, gde AI može koristiti podatke iz vaših prethodnih pretraga i čak drugih aplikacija (poput Gmaila, uz dozvolu) za kreiranje prilagođenih odgovora blog.google. Ako tražite „događaji ovog vikenda” i dali ste pristup svom mejlu i lokaciji, AI može dati veoma personalizovane predloge: npr. „Postoji muzički festival na 8 km, a restoran koji ste ranije rezervisali nalazi se u blizini i u subotu ima koncert na otvorenom.” Ovo je Google ilustrovao ovako: „AI Mod može da prikaže restorane sa baštom na osnovu vaših prethodnih rezervacija i pretraga i predloži događaje blizu vašeg smeštaja (na osnovu podataka o vašem letu i hotelskim rezervacijama).” blog.google. Sve se to odvija privatno na vašem nalogu, a Google naglašava da je pod korisničkom kontrolom (morate sami pristati, i uvek možete prekinuti vezu sa podacima) blog.google blog.google.

Čak i bez tako duboke integracije, AI konstantno prilagođava ono što vidite. Preporučivački mehanizmi na platformama (setite se YouTube predloga videa, Netflix preporuka serija ili članaka u Google Discover news feed-u) klasičan su primer. Oni koriste modele mašinskog učenja da predvide u šta će korisnik sledeće poželeti da se uključi. Analiziraju vaše prethodno ponašanje (gledane videe, kliknute linkove, vreme provedeno, itd.) i porede ga sa obrascima miliona drugih korisnika da bi predložili sadržaj koji bi vam mogao biti zanimljiv. AI omogućava ovim sistemima da pronađu suptilne obrasce – na primer, može prepoznati da ljudi koji pročitaju članak A i B često vole i članak C, pa će tako preporučiti C nekome ko je čitao A i B. Ova kolaborativna filtracija na ogromnoj skali ne bi bila moguća bez AI-a koji sortira podatke.

Prednosti: Personalizacija često znači da dobijate rezultate koji su relevantniji za vas. Ako uvek tražite vegetarijanske recepte, pretraga pokretana veštačkom inteligencijom može rangirati vegetarijanski sadržaj više, jer uči vaše preference. Ako navikli klikćete na određeni izvor vesti, sistem preporuka vam može prikazivati više sadržaja iz tog izvora. E-komerc intenzivno koristi AI preporuke: Amazonova sekcija „Možda će vam se svideti“ ili „Često kupljeno zajedno“ su primjeri koje pokreće AI, kao i redosled proizvoda koji se prikazuju. Zapravo, kompanije poput Amazona sada koriste generativnu veštačku inteligenciju da personalizuju opise proizvoda i preporuke u realnom vremenu (na primer, ističući različite karakteristike proizvoda u zavisnosti od onoga što AI misli da je važno za određeni segment korisnika) aboutamazon.com.

Rizici i razmatranja: Iako personalizacija može poboljšati korisničko iskustvo, postoje i zabrinutosti. Jedna od njih je efekat „filter balona“ – ako vam AI stalno prikazuje sadržaj sličan onome koji već konzumirate, možda nećete biti izloženi različitim perspektivama ili novim informacijama. Na primer, personalizovani feed vesti mogao bi nenamerno da pojača nečiju političku pristrasnost prikazivanjem uglavnom članaka sa kojima se osoba slaže. Platforme su svesne ovoga i pokušavaju da izbalansiraju relevantnost sa raznovrsnošću, ali to ostaje etički izazov. Još jedna briga je privatnost – personalizacija se oslanja na prikupljanje i analizu ličnih podataka. I korisnici i regulatori postavljaju pitanja kao što su: Koji podaci se koriste? Da li je pristanak dobijen? Koliko su podaci sigurni? O privatnosti ćemo više govoriti u sledećem odeljku.

Iz poslovne perspektive, personalizacija ima veliku moć. Ona povećava angažman (veća je verovatnoća da će ljudi kliknuti na stvari koje su im prilagođene) i može poboljšati konverzije (u kupovini, preporuka „pravog“ proizvoda može dovesti do prodaje). Postoji čitava industrija AI sistema za preporuke (na primer, Google Cloud nudi Recommendation AI servis za trgovce). Ovi AI modeli kontinuirano usavršavaju svoje sugestije koristeći tehnike kao što je „reinforcement learning“ – oni „uče“ na osnovu toga da li ste kliknuli na predlog ili ga ignorisali, postajući vremenom sve bolji.

Personalizacija u realnom vremenu i prediktivna personalizacija: Noviji trend je da AI pokušava da predvidi vaše potrebe čak i pre nego što ih tražite. Na primer, vaš telefon može prikazivati „procenjeno vreme putovanja do kuće“ oko 17 sati bez da ste pitali, jer zna da tada obično idete kući – ovo je jednostavan oblik ambijentalne personalizacije. Ili Google Discover može prikazati teme povezane sa onim što ste nedavno pretraživali, pretpostavljajući da vas to interesuje. Ove prediktivne funkcije zamagljuju granicu između pretrage i preporuke: AI praktično pretražuje u vaše ime, na osnovu vašeg ličnog konteksta.

Ukratko, AI personalizacija znači da je web iskustvo sve više jedinstveno za svakog korisnika. Rezultati pretrage, preporuke i feedovi sadržaja se filtriraju kroz AI modele koji uče na osnovu našeg ponašanja. Cilj je da otkrivanje informacija postane efikasnije – da provodite manje vremena pretražujući nebitne stvari, a više na onome što vas zanima. S druge strane, važno je da se to radi transparentno i fer, bez narušavanja privatnosti ili stvaranja eho-komora – izazovi sa kojima se društvo aktivno suočava.

6. Uloga AI u filtriranju, rangiranju i tumačenju web rezultata

AI ima ključnu ulogu iza scene u tome kako pretraživači filtriraju spam, rangiraju najbolje rezultate i čak tumače šta ti rezultati znače za korisnike. Ove funkcije su manje vidljive korisnicima, ali su ključne za isporuku kvalitetnih rezultata pretrage.

Filtriranje i smanjenje spama: Moderni pretraživači koriste AI sisteme za detektovanje niskokvalitetnog ili zlonamernog sadržaja i njegovo sprečavanje u rangiranju. Google-ov vlasnički SpamBrain je AI sistem dizajniran za prepoznavanje spam sajtova, prevarantskog sadržaja i ostalog „otpada“ koji korisnici ne bi trebalo da vide developers.google.com. On koristi mašinsko učenje za prepoznavanje obrazaca spama (na primer, „link farmi“ ili automatski generisanog besmislenog teksta) mnogo efikasnije nego ručna pravila. Prema Google-u, napredak SpamBrain-a je pomogao da preko 99% Google pretraga bude bez spama developers.google.com. Samo 2022. godine, SpamBrain je detektovao 200 puta više spam sajtova nego kada je pokrenut 2018 seroundtable.com. To znači da je, kada pretražujete, AI verovatno već filtrirao ogromnu količinu otpada, osiguravajući da dobijeni rezultati dolaze sa legitimnih i relevantnih sajtova. Slično, AI pomaže u filtriranju neprimerenog sadržaja (kao što su nasilje, mržnja ili sadržaj za odrasle) iz predloga za pretragu ili rezultata, sprovodeći politiku i lokalne zakone.

Algoritmi za rangiranje: Odlučivanje koji će rezultati biti prvi je složen zadatak koji najbolje rešava AI. Google-ov algoritam za rangiranje, na primer, uključuje signale iz mašinskog učenja – kao što je RankBrain, uveden 2015. godine, koji koristi AI da prilagođava rangiranje na osnovu toga kako korisnici interaguju sa rezultatima (uči koji rezultati zadovoljavaju korisnike) i bolje povezuje rezultate sa dvosmislenim upitima. Kasnije su integrisani Neural Matching i BERT kako bi pretraživač bolje povezivao pojmovno povezane termine i razumevao kontekst. Do 2020. godine, Google je naveo da se BERT koristi na skoro svakom upitu na engleskom jeziku radi poboljšanja rangiranja i relevantnosti reddit.com. To znači da kad pretražujete, AI ne pronalazi samo stranice sa tačno unetim ključnim rečima, već i stranice koje semantički odgovaraju na vaše pitanje. Na primer, ako pretražujete „najbolji način za brzo učenje gitare“, nijedna od tih reči nije „vežbajte skale svakog dana“, ali AI pretraživač zna da stranica koja to kaže može biti dobar rezultat jer razume da je to savet o brzom učenju gitare.

Korišćenje neuronskih mreža u rangiranju takođe pomaže kod razumevanja sinonima ili ukupne teme stranice. Ako stranica ne sadrži tačnu ključnu reč, ali jasno odgovara na nameru upita, AI može da je izvede u prvi plan. To dovodi do korisnijih rezultata pretrage.

Tumačenje i sažimanje rezultata: Novo polje za AI je da ne samo pronalazi i rangira rezultate, već i da ih tumači za korisnika. To se vidi kroz generisanje proširenih isečaka ili direktnih odgovora. Na primer, ako tražite činjenično pitanje, Google može da prikaže isečak koji direktno odgovara. Tradicionalno, taj isečak je bio samo tačan odlomak sa veb-stranice. Sada, sa generativnom AI, pretraživač može dati sintetisani odgovor (kako je pomenuto, AI Overviews). Pri tome, on tumači više rezultata i kombinuje njihove informacije.

Međutim, ovo tumačenje donosi izazove. Veliki jezički modeli (LLM) skloni su halucinacijama – ponekad generišu informacije koje zvuče verodostojno, ali su lažne ili nisu direktno podržane izvorima. U kontekstu pretrage, to može dovesti do AI sažetaka koji nenamerno uključuju greške ili pogrešne prikaze. Studija istraživača Univerziteta Vašington (Center for an Informed Public) daje upečatljiv primer: kada su pitali generativni pretraživač o izmišljenom konceptu („Dževinova teorija društvenih odjeka“), AI je samouvereno izneo detaljno objašnjenje sa citatima – ali su i objašnjenje i citati bili izmišljeni cip.uw.edu. Sistem je praktično „sanjao“ odgovor jer LLM nije želeo da kaže da nije pronašao ništa. AI stručnjak Andrej Karpathy šaljivo konstatuje: „LLM 100% sanja i ima problem halucinacije. Pretraživač 0% sanja i ima problem kreativnosti.“ cip.uw.edu. Drugim rečima, tradicionalna pretraga ništa ne izmišlja (prikazuje ono što postoji), ali nema sposobnost AI da da lep sažet odgovor; dok AI može da sastavi lep odgovor, ali može izmisliti činjenice ako nije ukotvljen u stvarne izvore.

Kako bi to ublažili, pretraživači usvajaju hibridne pristupe kao što je generisanje uz prošireno pretraživanje (RAG). Kod RAG-a, pre nego što AI pokušava da odgovori, vrši se neuronska pretraga relevantnih dokumenata, a onda LLM „prisiljava“ da odgovor bazira na njima (često ih čak i citira). Ovaj pristup koriste Bing chat i Google SGE kako bi odgovori ostali vezani za stvarni sadržaj. To značajno smanjuje halucinacije, ali ne u potpunosti. Kako primećuju istraživači iz CIP-a, čak i sa pronađenim dokumentima, AI može izvući informacije iz konteksta – na primer, navodeći nešto van izvornog značenja ili pogrešno spajajući činjenice cip.uw.edu cip.uw.edu. Fino podešavanje AI da precizno sažima i pripisuje informacije je oblast koja se stalno razvija.

AI se takođe koristi za tumačenje korisničke namere, a ne samo pojmova u upitu. Na primer, Google-ovi sistemi pokušavaju da utvrde da li je vaš upit vezan za kupovinu (komercijalna namera), da li je lokalnog karaktera (želi rezultate u blizini), ili je vezan za vesti, itd., i zatim prilagođavaju prikaz rezultata (prikazuju linkove za kupovinu, mapu, vesti, itd.). Ova klasifikacija se vrši AI modelima koji analiziraju i upit i širi korisnički kontekst.

Ukratko, uloga veštačke inteligencije u filtriranju, rangiranju i tumačenju rezultata može se videti kao mozak pretraživača:

• Ona pročišćava unos (filtrira spam i štetan sadržaj),
• pametno uređuje izlaze (rangirajući najkorisnije i najpouzdanije informacije više),
• a sve češće objašnjava ili sumira te izlaze (čini rezultate pretrage odmah korisnijim kroz isječke ili AI odgovore).

Za korisnike, ovo znači bolje rezultate uz manje truda – ali zahteva i poverenje da AI pravilno obrađuje informacije. Održavanje tog poverenja je razlog zašto kompanije postupaju oprezno: na primer, Google postepeno uvodi generativne sažetke i naglašava da su eksperimentalni, upravo zbog tih izazova interpretacije. Transparentnost (poput pružanja linkova ka izvorima) je jedno od rešenja da bi korisnici mogli da provere AI-om generisane odgovore microsoft.com microsoft.com. Kako AI nastavlja da se poboljšava, možemo očekivati još pametnije filtriranje (npr. prepoznavanje dezinformacija ili kontradiktornih informacija), nijansiranije rangiranje (možda personalizovano, prilagođeno onome što svaki korisnik smatra korisnim) i bogatiju interpretaciju (možda AI koja sumira čitave teme ili nudi više pogleda uporedo).

7. Uticaj veštačke inteligencije na digitalno oglašavanje i kreiranje sadržaja za prepoznatljivost

Pojava pretrage koju pokreće veštačka inteligencija menja ekonomiju interneta – naročito digitalno oglašavanje (industrija teška preko 200 milijardi dolara, koja se uglavnom oslanja na saobraćaj putem pretrage) i načine na koje se sadržaj stvara kako bi privukao publiku.

Oglašavanje u svetu AI pretrage: Pretraživači poput Google-a tradicionalno zarađuju novac prikazivanjem oglasa pored rezultata pretrage. Ako korisnici kliknu na te oglase, Google ostvaruje prihod. Ali šta se dešava kada AI odmah pruži odgovor? Manje klikova na rezultate može značiti i manje pregleda i klikova na oglase. Zapravo, rani podaci uzbunjuju oglašivače: sa AI odgovorima na vrhu stranice, organski klikovi su značajno opali i mnoge pretrage se završavaju bez ijednog klika na bilo koji rezultat (kao što je pomenuto, do 77% pretraga sa AI odgovorima završi bez klika adweek.com). Ako korisnike zadovolji AI sažetak, oni možda uopšte neće skrolovati do oglasa ili organskih linkova.

Google je toga vrlo svestan i aktivno eksperimentiše sa načinima da integriše oglase u AI iskustvo. Sundar Pičai (izvršni direktor Google-a) uverava investitore da imaju “dobre ideje za native oglasne koncepte” u AI chat rezultatima adweek.com. U trenutnom Search Generative Experience-u, Google već uključuje oglase – obično nekoliko sponzorisanih linkova ili rezultata za shopping – unutar ili odmah ispod AI okvira sa pregledom, jasno označene kao oglasi. Pokušavaju da ovi oglasi budu što prirodnije uklopljeni, tako da čak i ako korisnik ne klikne na standardni plavi link, možda vidi relevantni sponzorisani predlog. Na primer, ako je AI sažetak o najboljim budžetskim pametnim telefonima, sponzorisani oglas za određeni model može biti prikazan upravo u tom kontekstu.

Ipak, ovo je delikatan balans. AI-jev posao je da korisniku pruži ono što želi; suviše upadljivo umetanje oglasa može pogoršati iskustvo. Google-ovi rukovodioci veruju da ako ispravno postave korisničko iskustvo sa AI, rešiće deo sa oglasima vremenom adweek.com – što implicira da je usvajanje kod korisnika na prvom mestu, a monetizacija tek posle. Zanimljiva je mogućnost da AI pretraga omogući ciljanije oglase. Ako AI bolje razume nijanse korisnikovog upita, moguće je plasirati oglas koji je veoma relevantan za pravu potrebu korisnika. Recimo, tokom AI razgovora o planiranju planinarenja, oglas za određenu opremu može biti prikazan upravo u trenutku kada korisnik razmišlja šta mu treba. Ovo je oblik kontekstualnog oglašavanja unapređenog AI razumevanjem razgovora.

Neki stručnjaci za oglase čak prognoziraju da tradicionalni način kupovine oglasa preko ključnih reči možda gubi značaj. Ako korisnici ne kucaju ključne reči već postavljaju pitanja, kako oglašivači da se “ubace”? Bivši Google-ov direktor oglašavanja predvideo je, “prvi put za 20 godina zaista verujem da su ključne reči mrtve” adweek.com – sugerišući da bi industrija mogla preći na targetiranje prema temama ili nmerama koje AI može prepoznati, a ne prema određenim terminima.

Za sada, Google-ov posao sa oglasima iz pretrage je i dalje ogroman, ali pod pritiskom. Konkurenti poput Amazona preuzimaju deo tržišta oglasa (za pretrage proizvoda), a ako AI smanji ukupni volumen pretraga koje je lako monetizovati, Google-ova dominacija bi mogla oslabiti. Istraživanje tržišta citirano u Adweek-u predviđa da će Google-ov udeo u prihodima od oglasa iz pretrage u SAD pasti sa 64% pre deset godina na oko 51,5% do 2027. adweek.com, zbog ovih promena i konkurencije. Ipak, ako AI pretraga donese više angažovanja (korisnici postavljaju više pitanja), mogu se otvoriti nove mogućnosti za prikazivanje oglasa tokom duže sesije, čak i ako svaki upit donosi manje klikova. Bing, na primer, takođe postavlja oglase u svom chat interfejsu i beleži solidnu stopu klikova kada su relevantni.

Kreiranje sadržaja i prepoznatljivost: Sa druge strane jednačine su kreatori sadržaja – novinski sajtovi, blogeri, firme sa svojim veb-sajtovima – koji se tradicionalno oslanjaju na pretraživače da im šalju saobraćaj (bilo putem SEO-a ili korisnika koji klikću na oglase). AI pretraga ovaj balans remeti na dva načina:

1. Manji saobraćaj za izdavače: Ako se odgovori dobijaju direktno na stranici pretrage, korisnici možda neće kliknuti do izvora. Izdavači se brinu da će izgubiti saobraćaj i prihode. Videli smo ranije da su takozvane zero-click pretrage još 2023. prešle 65%, a očekuje se da će uskoro preći i 70% 1950.ai. Neki izdavači AI isječke vide kao “featured snippet” problem podignut na novi nivo – AI može uzeti sadržaj sa mnogih sajtova da odgovori na pitanje, a korisnici tako dobijaju odgovor bez ikada posetili te sajtove. Ovo dovodi u pitanje tradicionalni balans web ekosistema, gde su pretraživači dovodili posetioce na sajtove, a ovi monetizovali putem oglasa ili pretplata. Ako AI postane glavno sučelje, kreatori sadržaja možda neće dobiti ni zasluge ni klikove. Vode se rasprave o novim okvirima – na primer, neki predlažu da AI odgovori moraju imati jasne citate ili čak kompenzaciju za originalne autore (što je produžetak debata još iz vremena Google News isječaka). Regulativa prati: EU i drugi ispituju da li korišćenje sadržaja izdavača u AI odgovorima potencijalno krši autorska prava ili zahteva raspodelu prihoda u nekim slučajevima 1950.ai.
2. Poplava AI generisanog sadržaja: Samo kreiranje sadržaja je transformisano AI-em. Marketari i autori sada imaju alate poput GPT-4 da masovno generišu blogove, opise proizvoda, postove za društvene mreže i drugo. Ovo može biti pozitivno za produktivnost – mala firma može da pravi više sadržaja i poboljša vidljivost sajta i bez velikog tima pisaca. Međutim, to vodi i do zasićenja sadržajem. Ako svi mogu štancovati na desetine AI članaka, web bi mogao biti preplavljen ponavljajućim ili nekvalitetnim sadržajem. Pretraživači tada moraju biti još bolji u filtriranju (kao što je to sa helpful content update-ima koji favorizuju sadržaj “prvo za ljude”). Google je izjavio da AI-generisan sadržaj nije protiv pravila sam po sebi, ali sadržaj napravljen primarno radi manipulacije rangiranjem (spam) biće kažnjen, bilo da ga je stvorio čovek ili AI seo.ai. Dakle, gura se kvalitet ispred količine. Ovo zapravo podiže standarde za kreatore: prosek kvaliteta generičkog sadržaja može porasti (jer AI lako radi “osrednji” sadržaj), tako da – da biste se istakli i bili prepoznatljivi – ljudski pečat, originalnost, iskustvo i stručnost postaju još važniji. U SEO zajednici se priča da E-E-A-T postaje važniji u AI eri – ako recimo, imate lično iskustvo ili originalno istraživanje u svom sadržaju, veća je šansa da će ga pretraživač ili AI prepoznati kao vredno u odnosu na AI rezime onoga što već postoji beepartners.vc.

Sa druge strane, AI može pomoći kreatorima da optimizuju sadržaj. Može analizirati podatke iz pretrage i predložiti koje teme da obradite ili čak pomoći da optimizujete sadržaj za pojavljivanje u isječcima (npr. tako što će tekst biti strukturiran kao pitanja i odgovori, jer AI i glasovni asistenti favorizuju koncizne Q&A forme). Algoritmi za preporuku sadržaja (kao što su oni na YouTube-u ili TikTok-u) takođe koriste AI za plasiranje radova kreatora potencijalnoj novoj publici. Ovo može biti korisno ako AI dobro spoji sadržaj sa zainteresovanim korisnicima. Sada postoji i cela oblast “SEO-a u AI eri” gde kreatori razmišljaju ne samo “Kako da rangiram na Google-u?” već i “Kako da postanem izvor koji AI asistenti preferiraju da citiraju ili linkuju?”. Tehnike tu mogu uključivati garantiranje tačnosti podataka (da bi postali pouzdan izvor), korišćenje šema i metapodataka (da AI lako pročita sadržaj) i izgradnju autoriteta brenda (ako AI prepozna vaš sajt kao autoritativan, veća je verovatnoća da će povući info baš sa njega).

Kreiranje reklamnog sadržaja: Oglašivači sami koriste veštačku inteligenciju za kreiranje sadržaja – na primer, generišući mnogo varijanti reklamnog teksta i dozvoljavajući platforminoj veštačkoj inteligenciji da odabere onu koja najbolje funkcioniše. Google Ads je počeo da uvodi AI alate koji mogu da generišu naslove i opise oglasa na osnovu sadržaja sa sajta. Dakle, veštačka inteligencija pojednostavljuje kreiranje reklama, potencijalno čineći oglašavanje efikasnijim. Takođe, može automatski da prilagodi oglase različitim publikama (dinamična personalizacija, kao prikazivanje različitih slika različitim demografijama). U oglašavanju na društvenim mrežama, AI pomaže u targetiranju i kreativnim optimizacijama (poput Facebook algoritama koji uče koji kreativni oglasi ostvaruju najveću angažovanost kod kojih korisnika).

Zaključno, AI promenjuje podsticaje i metode u digitalnom oglašavanju i kreiranju sadržaja. Oglašivači moraju da se prilagode novim formatima (kao što je ubacivanje svoje poruke u AI “chat” odgovor ili obezbeđivanje prisustva kada AI daje preporuke). Izdavači i kreatori sadržaja traže nove strategije za održavanje vidljivosti i prihoda – bilo da je to optimizacija da bi bili izvor citiran od strane AI, diverzifikacija izvora saobraćaja ili korišćenje AI kako bi sami kreirali upečatljiv sadržaj. Ovo je oblast koja se brzo menja, a industrija pomno prati kako će se ravnoteža između AI odgovora i referalnog saobraćaja razvijati. Možda ćemo videti nove modele partnerstva ili kompenzacije (na primer, 2023. OpenAI je lansirao dodatak za pretraživač koji zapravo preuzima sadržaj sa sajtova i prikazuje ga korisniku, potencijalno sa reklamama sa sajta – jedan od načina da se izdavačima pruži vrednost, dok se koristi AI). Jedino što je izvesno jeste da se pravila digitalnog marketinga pišu iznova.

8. Etička i privatnosna razmatranja u pretraživanju uz pomoć veštačke inteligencije

Integracija AI u pretragu i pregledanje interneta donosi ne samo poboljšanja, već i etičke i privatnosne izazove koji moraju biti pažljivo razmotreni:

Dezinformacije i pristrasnost: Kao što je pomenuto, AI sistemi ponekad mogu pružiti netačne informacije sa velikom sigurnošću. Ovo izaziva etička pitanja – korisnike može zavarati AI odgovor koji zvuči autoritativno, a zapravo je pogrešan. Na primer, ako AI netačno odgovori na medicinsko ili pravno pitanje, posledice mogu biti ozbiljne. Etički gledano, pružaoci AI pretrage moraju da minimizuju ove “halucinacije” i jasno saopšte stepen neizvesnosti. Primećujemo napore u tom pravcu: AI interfejsi za pretragu često uključuju odricanja odgovornosti (npr. “Generativna AI je eksperimentalna i možda nije tačna”) blog.google i podstiču korisnike da provere navedene izvore. Tu je i pitanje pristrasnosti u AI. Ovi modeli uče iz podataka sa interneta, koji mogu sadržati društvene predrasude ili iskrivljena gledišta. Bez ublažavanja, AI može, na primer, da pokaže rodnu ili rasnu pristrasnost u odgovorima (poput povezivanja određenih poslova sa određenim polom) ili da previše istakne većinske stavove, zapostavljajući druge. Etički, kompanije rade na usklađivanju – tehnikama za pravičnije i tačnije AI odgovore – ali ovo je stalni izazov koji zahteva transparentnost i raznovrsne procene.

Transparentnost: Kada AI pruži odgovor, da li bi trebalo da otkrije kako je do odgovora došlo? Mnogi smatraju da da. Zato su navođenja izvora važna – korisnici imaju pravo da znaju “Po čijem mišljenju?” je odgovor tačan. Jedna od kritika ranih zatvorenih AI sistema bila je nedostatak transparentnosti (problem “crne kutije”). Davanjem izvora ili makar objašnjenja (npr. “Ove informacije sam pronašao na Vikipediji i Britanici”), AI pretrage mogu biti transparentnije i omogućiti korisnicima da potvrde podatke microsoft.com microsoft.com. Takođe se teži tome da AI sistemi priznaju neizvesnost, umesto da izmišljaju odgovore. Tradicionalni pretraživač bi jednostavno rekao “nema rezultata” za neku veoma retku pretragu. AI ima tendenciju da odgovori na sve, čak i kad mora da izmisli podatke. Etički posmatrano, možda je bolje da AI ponekad odgovori, “Nisam siguran” ili “Nisam pronašao informacije o tome”. Trenutno su mnogi AI četboti podešeni da odbiju odgovor na određene zahteve ili izraze neizvesnost (na primer, ChatGPT može reći “Nemam informacije o tome” ako ih zaista nema). Ovo ponašanje je bolje od dovođenja korisnika u zabludu, iako može biti manje zadovoljavajuće.

Privatnost korisnika: Pretraživanje uz pomoć AI obično znači da se više korisničkih podataka obrađuje radi personalizacije i poboljšanja rezultata. Ovo otvara pitanja privatnosti: kako se ti podaci skladište? ko ima pristup? mogu li biti zloupotrebljeni ili procuriti? Zapažen incident dogodio se početkom 2023. godine kada je italijanski organ za zaštitu podataka privremeno zabranio ChatGPT zbog brige o privatnosti reuters.com. Regulator je naveo da OpenAI nema pravni osnov za prikupljanje ogromnih količina ličnih podataka za obučavanje svog modela, kao i da korisnici nisu adekvatno informisani o tome kako se njihovi podaci (uključujući i razgovore) mogu skladištiti i koristiti reuters.com reuters.com. Kao odgovor, OpenAI je uveo mere: veću transparentnost u svojoj politici privatnosti, alat za proveru godina korisnika (jer je briga bila i zaštita maloletnika), kao i opciju da korisnici isključe korišćenje svojih čet logova za obuku modela reuters.com. Ovaj slučaj naglašava da AI alati moraju poštovati zakone o zaštiti podataka. Opšta uredba EU o zaštiti podataka (GDPR) i slični zakoni zahtevaju jasne svrhe za prikupljanje podataka i omogućavaju korisnicima pravo da traže brisanje ili isključenje iz obrade. Servisi poput ChatGPT-a sada omogućavaju korisnicima da isključe čuvanje istorije razgovora (što znači da se ti razgovori ne koriste za dodatnu obuku AI).

Dodatno, kada AI agenti za pretragu pretražuju internet u vaše ime, postavlja se pitanje koliko vašeg konteksta biva podeljeno. Na primer, ako AI pomaže da rezervišete let, može koristiti vašu lokaciju ili druge lične podatke. Važno je osigurati da ti podaci ne budu nenamerno otkriveni trećim stranama. Dizajneri AI često moraju da implementiraju zaštitne mere: kako bi sprečili otkrivanje osetljivih podataka u rezultatima i zaštitili ih sa “pozadinske” strane. Jednostavan primer: ako pitate AI “Gde se trenutno nalazim?”, AI bi trebalo da odbije da odgovori, iz razloga zaštite privatnosti (i zaista, većina asistenta to neće otkriti osim ako to nije inicirano od strane korisnika uz dozvolu).

Bezbednost podataka: Kako AI rukuje sve više podacima, njihova zaštita postaje prioritet. AI modeli mogu nenamerno da zapamte informacije iz trening podataka, uključujući lične podatke. Bio je slučaj kada su ljudi otkrili da je ranija verzija GPT-2 ponekad mogla da “izbaci” delove podataka za obuku rečima identično kao u izvoru (npr. delove zaštićenih članaka ili kôda). Ovaj rizik je razlog zašto kompanije nastoje da iz podataka za obuku uklone podatke koji omogućavaju identifikaciju ličnosti (PII) i zašto je korišćenje korisničkih razgovora za trening sporno. Poslovni korisnici su posebno oprezni – mnoge firme su zabranile zaposlenima da unose poverljive podatke u ChatGPT, plašeći se da mogu procureti. (Na primer, zaposleni iz Samsunga su navodno unosili poverljiv kôd u ChatGPT, što je završilo u podacima za obuku OpenAI-ja, stvarajući potencijalni bezbednosni rizik). Kao odgovor, poslovne verzije ovih AI servisa daju garancije da podaci korisnika neće biti korišćeni za trening modela i nude enkripciju i revizijske logove kako bi zadovoljile zahteve bezbednosti velikih preduzeća.

Etika korišćenja sadržaja: Još jedan etički aspekt tiče se i strane kreatora sadržaja – da li je fer da AI koristi sav veb sadržaj za generisanje odgovora? Neki smatraju da je to transformativna upotreba i da koristi društvu sintetizovanjem znanja. Drugi (kao što su određeni umetnici ili pisci) smatraju da AI koristi njihove kreacije bez priznanja ili naknade. To vodi do debata, pa čak i sudskih tužbi (na primer, neki autori tuže OpenAI što je njihova dela koristio za trening bez dozvole). Ishod toga može oblikovati politiku o izvorima trening podataka. Već sada, nacrt AI zakona u EU može zahtevati otkrivanje zaštićenih materijala koje AI koristi u obuci reuters.com. Možda ćemo videti da pretraživači izdavačima daju opciju za isključenje (npr. poseban tag “ne koristi moj sadržaj za AI rezimea”), slično kao kad se sa sajtova može isključiti indeksiranje putem robots.txt. Zapravo, Google je nagovestio “NoAI” meta tag koji bi sajtovi mogli da koriste kako bi rekli njegovim “crawlerima” da ne upotrebljavaju sadržaj za AI obuku ili rezimee – ideja koja će se sigurno razvijati u bliskoj budućnosti.

Autonomija korisnika i zavisnost: Etički gledano, postavlja se i pitanje kako AI može oblikovati ponašanje i mišljenje korisnika. Ako AI asistenti postanu glavni “čuvari kapija” informacija, da li će korisnici postati previše zavisni od jednog izvora? Da li bi to olakšalo zloupotrebe, gde bi neko mogao pokušati da utiče na AI i tako obmane milione? To daje veliku moć onome ko kontroliše AI modele. Društvo će verovatno zahtevati nadzor i odgovornost – možda i nezavisne revizije AI sistema zbog pravičnosti i tačnosti. Sa druge strane, AI može demokratizovati pristup informacijama onima koji se teško snalaze sa tradicionalnim interfejsima – npr. ljudi koji ne znaju da čitaju ili imaju invaliditet sada mogu pitati glasovno i dobiti pročitan odgovor. To je etička prednost: unapređenje inkluzije i pristupa znanju.

Kompenzacija između privatnosti i personalizacije: Kao što je pomenuto u delu 5, visoko personalizovane AI usluge mogu nuditi veliku korist, ali zahtevaju korišćenje ličnih podataka. Ključ je pronaći pravu ravnotežu. Verovatan pristup je davanje kontrole korisnicima – omogućite im da pristanu na personalizaciju i jasno ih obavestite koji podaci će biti korišćeni (kao što je to uradio Google dozvolivši integraciju Gmail-a u AI pretragu, ali samo ako korisnik da pristanak blog.google). Takođe, izgradnja robusne anonimizacije – upotreba podataka u zbiru ili obrada na uređaju – može pomoći u zaštiti privatnosti (na primer, neke AI funkcije mogu raditi lokalno na vašem uređaju tako da sirovi podaci nikada ne napuštaju uređaj).

U zaključku, etički i privatnosni pejzaž AI u pretraživanju vrti se oko poveranja. Korisnici moraju verovati da im AI daje tačne, nepristrasne informacije i da čuva njihove lične podatke. Ovo zahteva konstantna poboljšanja u transparentnosti AI (prikaži izvore, priznaj neizvesnost, dozvoli revizije), upravljanju podacima (poštovanje zakona o privatnosti, davanje korisnicima kontrole nad sopstvenim podacima) i etici sadržaja (poštovanje intelektualnog vlasništva i truda kreatora sadržaja). Kompanije koje implementiraju AI u pretrazi pod snažnim su nadzorom da ovo urade ispravno. Verovatno ćemo videti nastavak unapređenja ponašanja AI (na primer, manje netačnih informacija kako se modeli unapređuju), nove funkcije privatnosti (kao što su granularnija isključivanja podataka i kontrole zadržavanja informacija) i moguće regulatorne okvire (vlade koje pišu pravila za AI usluge, slično kao što su to radile za zaštitu podataka i online sadržaja ranije).

9. Predviđanja za budućnost: AI agenti, “ambient” pretraga i virtuelni asistenti

Gledajući unapred, granica između “pretraživača”, “pregledača” i “asistenta” nastaviće da se briše. AI agenti koji autonomno izvršavaju zadatke na internetu su na pomolu, a pretraga će postati još integrisanija u svakodnevne kontekste (ambient computing). Evo nekoliko ključnih predviđanja i trendova za budućnost pretraživanja/pregledanja:

• Autonomni AI agenti za zadatke: Umesto da samo prikupljaju informacije, budući AI sistemi moći će da preduzimaju radnje u ime korisnika. Već vidimo rane primere kroz Google-ove AI “agentičke sposobnosti” u pretrazi. Google je demonstrirao AI koji, kada je upitan da pronađe karte za koncert, može pretražiti više sajtova za karte, uporediti opcije pa čak početi da popunjava obrasce za kupovinu – ostavljajući konačnu odluku korisniku blog.google. Drugim rečima, AI nije samo tražio informacije (“koje karte su dostupne”) nego je i izvršio delove procesa transakcije (“unesi broj karata, proveri cene na različitim sajtovima”). Ovo ukazuje na budućnost u kojoj bi AI mogao biti lični “konsijerž”. Zamislite da kažete: “AI, rezerviši mi sedmodnevni odmor na plaži za budžet do 2.000 dolara” – i AI pretražuje letove, hotele, možda čak čita recenzije, zatim vam prezentuje plan ili automatski bukira nakon vaše potvrde. Microsoft takođe ide u ovom pravcu, sa svojom vizijom kopilota koji pomažu ne samo da pronađete informacije, već i da uradite stvari (Windows Copilot može već da podešava parametre ili sažima dokument; buduće verzije možda će automatski upravljati vašim kalendarom ili mejlovima). Ovi agenti će se oslanjati na web pretragu ali i integrisane servise i API-je. U suštini, oni tretiraju web ne samo kao bazu informacija, već i kao bazu radnji. Na primer, AI agent može koristiti OpenTable API za rezervaciju restorana ili “skrejpovati” podatke za popunjavanje formulara na manje strukturisanim sajtovima. Ovo otvara zanimljiva pitanja: Da li će sajtovi morati da imaju AI-prijateljske interfejse (API-je ili strukturirane podatke) kako bi agenti mogli da ih koriste? Vrlo verovatno. Već servisi poput Google Duplex-a (koji može telefonom da rezerviše restoran) nagoveštavaju ovu “agentsku” budućnost. U SEO i marketingu, spekuliše se o “AI lejcima” – gde više ne optimizujete put korisnika kao čoveka, već za AI agente koji biraju proizvode ili sadržaj umesto korisnika. Važno: ako AI agent odlučuje koji brend proizvoda da kupi umesto vas, firme će morati da osiguraju da ih AI uzima u obzir. To može dovesti do novog tipa optimizacije: opitimizacija za AI agente, analogno SEO-u. Jedan SEO stručnjak kaže: “AI sistemi će birati koje brendove da preporuče, a vaš posao je da osigurate da izaberu baš vas.” xponent21.com. To može uključivati odlične podatke o proizvodu, dobre cene i pouzdan brend – jer AI agent koji deluje u ime korisnika verovatno će biti obučen da maksimizuje zadovoljstvo korisnika (npr. možda će preferirati brendove sa boljim recenzijama ili garancijama). Zbog toga firme moraju da “osvoje” AI procenitelje, a ne samo krajnje korisnike.
• Ambient pretraga i kontinuirana asistencija: Koncept ambient pretrage znači da pretraga funkcioniše “u pozadini našeg života” i spremna je proaktivno da pruži informacije. Već se pomeramo ka sveprisutnom računarstvu – pametni uređaji svuda oko nas. U budućnosti, vaše AR naočare bi mogle konstantno prepoznavati šta gledate i nuditi informacije (nazivi objekata, uputstva, prevodi) bez da vi išta eksplicitno tražite. To je vid implicitne pretrage, pokrenute kontekstom. Na primer, hodate ulicom i AR naočare pokazuju ocene restorana kraj kojih prolazite – to je ambient pretraga, kombinacija lokacije, vida i AI-ja. Drugi primer su: glasovni asistenti svesni konteksta koji “slušaju” signale oko vas. Ako vodite razgovor (i pristanete na to), vaš pomoćnik može neprimetno pronaći relevantne informacije za temu o kojoj pričate, spreman da uskoči kad ga pitate. Ili, AI u vašem automobilu može proaktivno upozoriti: “Imate malo goriva, a postoji jeftina benzinska pumpa na 2 milje odavde” – zapravo pretražuje cene i lokacije goriva jer predviđa potrebu. Ambient computing često uključuje prediktivni AI: predviđanje potreba korisnika. Google-ova potpredsednica pretrage, Elizabeth Reid, opisuje cilj kao da pitate Google lako kao “da pitate prijatelja koji sve zna”, prirodno integrisanog u vaše okruženje 1950.ai. Praktično, možemo stići do faze gde retko kucate upite; već je kombinacija senzora (slika, lokacija, zdravlje itd.) i AI-ja dovoljna da zna kada da vam ponudi korisne informacije. Privatnost će ovde biti ključna – ambient pretraga mora se strogo kontrolisati od strane korisnika (niko ne želi pomoćnika koji “prisluškuje” ili deli informacije bez pristanka). Verovatno će budući uređaji imati režime koje korisnik može uključiti/isključiti za ovakvu asistenciju, slično kao što sada uključujete/isključujete “Hey Siri” ili “OK Google” aktivaciju.
• Naredna generacija virtuelnih asistenata: Digitalni asistenti poput Siri, Google Assistant, Alexa itd. postaće mnogo moćniji integracijom velikih jezičkih modela. Google je već najavio Assistant with Bard, praktično spajajući svog glasovnog asistenta sa Bard-om (njegov LLM) analyticsvidhya.com. Ovo znači da umesto unapred definisanih odgovora, asistent može generisati bogate, konverzacijske odgovore i izvršavati kompleksnije zadatke. Možemo očekivati asistente koji tečno rešavaju zadatke u više koraka (npr. „Pomoćniče, organizuj vikend-reunion: pronađi lokaciju, pošalji mail svima da vidiš kad mogu, i sastavi raspored“). Takođe, oni će biti više “ličnosti” i sposobni za duže razgovore (možda konačno ostvarujući naučno-fantastičnu viziju pravog AI pomoćnika). Vrlo je moguće da će u bliskoj budućnosti imati „AI sekretara“ biti uobičajeno – agenta koji upravlja vašim danom (čita i sumira mailove, automatski zakazuje sastanke, podseća vas na zadatke, itd). Microsoft 365 Copilot već ide u ovom pravcu za kancelarijski rad. Za lični život, pojaviće se slični agenti.
• Integracija sa IoT i drugim izvorima podataka: Buduća pretraga može biti povezana i s vašim ličnim tokovima podataka – zamislite pretragu svog ličnog “životnog dnevnika”. Ako imate pametne uređaje koji prate vaše zdravlje, možete pitati “Kada sam poslednji put trčao više od 5 km?” i AI može odgovoriti koristeći podatke sa pametnog sata. Ili: “Nađi recept koji sam kuvao prošlog meseca s pečurkama” i AI pretražuje log vaše pametne rerne ili lične beleške. Suštinski, pretraga će se proširiti izvan javnog weba ka ličnim i senzorskim podacima, a AI će sve povezati. Ovo je i moćno i osetljivo (opet privatnost!), pa će primena biti oprezna.
• Neuralni interfejsi i novi modaliteti: Dugoročno, neke tehnološke firme eksperimentišu sa direktnim interfejsima mozak-računar. Ako to postane moguće, “pretraga” bi mogla biti brza kao misao. To je još u domenu nagađanja, ali pokazuje smer tehnološkog razvoja ka minimalizaciji trenja. Na realnijem nivou, multimodalni AI modeli (kao što su buduće verzije GPT ili Google Gemini) obradiće ujednačeno tekst, slike, zvuk, pa čak i video. Tako možete imati AI koji može gledati video umesto vas i odgovarati na pitanja o snimku. Na primer: “AI, preleti ovaj sat vremena dug snimak sastanka i reci mi koje su ključne odluke.” To je kao pretraga unutar audio-vizuelnog sadržaja. Ili – prevod i kontekst u realnom vremenu – slušalice koje ne samo da prevode govor već i izvlače relevantne informacije (npr. neko pominje kompaniju, a slušalica ti šapuće najnovije vesti o toj firmi).
• Društvene i poslovne promene: Kako AI agenti budu preuzimali sve više zadataka pretrage i pregledanja, određena zanimanja će se menjati ili nestajati. Na primer, uloga putničkog agenta ili korisničke podrške može se svesti na nadgledanje AI agenata koji rade veći deo posla. Industrija marketinške pretrage (SEO/SEM) transformisaće se u nešto novo (neki tvrde da će postati više Optimizacija za odgovorne motore – Answer Engine Optimization, ili pokušaj da se nečiji podaci/veštine integrišu u AI asistente). Firmama će možda trebati da direktno isporučuju podatke u te ekosisteme (kroz API-je ili fidove) kako bi ostale vidljive. Možemo očekivati nove partnerske odnose, gde kompanije direktno pružaju sadržaj AI platformama u zamenu za zagarantovano uvrštavanje (neke medijske kuće već pregovaraju o davanju sadržaja Microsoftovom Bing AI-ju, na primer).

Sa korisničke strane, ako AI postane potpuno integrisan, digitalna pismenost moraće da uključuje razumevanje AI: na primer, znanje kako postaviti pravo pitanje (veštine promptovanja) i kako proveriti AI odgovore. Obrazovni sistemi mogu uključiti korišćenje AI-ja kao alata, ali i učiti kritičkom mišljenju, kako se AI rezultat ne bi uzimao zdravo za gotovo.

У суштини, будућност прегледавања и претраге иде ка AI-посредованом искуству где се корисникова намера испуњава са минималним препрекама, могуће чак и без традиционалних веб-сајтова у ланцу за многе задатке. Претрага ће бити више усмерена ка деловању (не само проналажење информација, већ и извршавање радњи) и свесна контекста. Традиционално веб прегледавање може постати нишна активност за оне који желе дубинско истраживање или уживање у ручном истраживању – док ће многе свакодневне упите („пронађи ово, купи оно, покажи ми како, реци ми сада“) обрађивати AI кроз гласовне или друге интерфејсе.

Импликације су огромне: информације постају приступачније, али и више посредоване од стране AI-а. Компаније које управљају овим AI посредницима (попут Google-а, Microsoft-а, OpenAI, Apple-а, Amazon-а) могу добити још већу моћ, што подвлачи важност конкуренције и отворених екосистема. Постоји и надајућа страна: AI агенти могу помоћи да се премосте јазови у приступачности (за оне који раније нису могли ефикасно да користе интернет) као и да преузму досадне задатке, ослобађајући људе за креативније активности.

Укратко, идемо ка епохи амбијенталног, агентивног и конверзационог рачунара. То је попут поседовања супер-паметног сапутника који може да управља дигиталним светом у ваше име. Основни принципи претраге – пронађи најбоље информације – остају, али како се те информације проналазе и испоручују драстично ће се променити, постајући дубоко интегрисане у наше животе захваљујући AI-у.

10. Технички темељ: LLM-ови, неурална претрага и векторске базе података

AI трансформације у претрази су покренуте напретком у основним технологијама. Разумевање ових темеља даје увид у то како функционише AI претрага:

• Велики језички модели (LLMs): Ово су гигантски неурални мрежни модели (као што су GPT-4, PaLM или Google-ов Gemini) тренирани на огромним корпусима текста. LLM-ови представљају мозак конверзационе и генеративне претраге – они генеришу одговоре сличне људским и могу да разумеју сложене језичке улазе. Технички, LLM је дубоки transformer модел који је научио статистичке обрасце језика „читајући“ милијарде реченица. Не преузима чињенице из базе података у традиционалном смислу; уместо тога, у својим параметрима је имплицитно кодирао велики део знања. Када га питате питање, он у суштини предвиђа вероватан одговор на основу образаца које је видео током тренинга cip.uw.edu. На пример, научио је из многих докумената да „престоница Француске је Париз“ често следи реченицу „престоница Француске“, тако да може да одговори на то. LLM-ови су веома добри у задацима везаним за језик (резимирање, превођење, резоновање у тексту, итд.), због чега су кључни за интерпретацију упита и генерисање одговора. Међутим, пошто LLM-ови нису базе података, они немају гарантовану чињеничну тачност или најсвежије знање осим ако нису повезани са једном. Велики део недавног рада са AI претрагом је управо у интегрисању LLM-ова у тандему са индексима претраге – тако да добијате флуентност LLM-а плус чињенично увезивање са базом података или веб-сајтом.
• Неурална претрага и векторске репрезентације: Традиционални претраживачи користе инверзне индексе и поклапање кључних речи. Супротно томе, неурална претрага представља речи и документе као векторе (низови бројева) у вишедимензионалном простору. Ово омогућују неуралне мреже које стварају ембединг – нумеричке репрезентације текста (или слике, звука итд.) тако да је сличан садржај смештен у близини у том простору. На пример, речи „пас“ и „куче“ могу имати векторе који су близу један другом, иако су различите речи, јер се јављају у сличном контексту. Ово омогућава семантичку претрагу: ако тражите „савети за дресуру штенета“, неурална претрага може пронаћи чланак са насловом „Како дресирати новог пса“ чак и ако не садржи реч „штене“, јер је „пас“ семантички сличан „штенету“. Ове ембединг репрезентације производе неурални модели (често такође transformer базирани) и они су постали окосница AI претраге. Google користи моделе попут BERT-а за ембединг упита и докумената, побољшавајући поклапање. Bing ради слично. Када користите AI чет претрагу, систем често ради векторску претрагу: ембедује ваш упит и проналази најближе векторе докумената у векторском индексу. Ово превазилази тачно поклапање кључних речи и тражи концептуалну сличност infoworld.com. Векторске базе података: Да би се неурална претрага омогућила у великом обиму, развијене су специјализоване базе података за складиштење и брзо преузимање вектора. Векторска база података (као што су Pinecone, Milvus или Facebook-ова FAISS библиотека) може чувати милионе или милијарде ембединг вектора и брзо враћати најближе за дати вектор упита infoworld.com infoworld.com. Ово је кључно за AI претрагу – тако AI проналази релевантно знање које поткрепљује своје одговоре. На пример, када питате Bing AI „Које су предности рециклаже пластике?“, систем ће ембедовати тај упит, претражити свој индекс ембедованих веб страница за сличан садржај (нпр. стране које дискутирају о предностима и манама рециклаже пластике), преузети најрелевантније пасусе и предати их LLM-у који синтетизује одговор. Векторска претрага је посебно добра за рад са неструктурираним подацима и упитима на природном језику, као и за мултимодалне податке. Није ограничена само на текст: слике се такође могу ембедовати у векторе (преко модела рачунарског вида), омогућавајући „претрагу по слици“ по сличности вектора. Аудио и видео се такође могу векторизовати. У суштини, векторске базе података и претрага ослобађају могућност претраживања на људски начин – по значењу – уместо дословног поклапања стрингова infoworld.com. Ово чини резултате претраге релевантнијим и представља велики разлог зашто модерна претрага делује паметније.
• Retrieval-Augmented Generation (RAG): Комбиновањем LLM-ова и векторске претраге добијамо приступ RAG, који смо раније поменули. Технички, RAG систем има два главна дела: проналазач (често векторски претраживач који проналази најрелевантније N докумената за упит) и генератор (LLM који узима те документе + упит и ствара коначан одговор). На овај начин, систем компензира недостатак ажурног или детаљног знања код LLM-а тако што увлачи стварне изворе cip.uw.edu. Резултат је одговор који је и флуентан и (надајмо се) утемељен у реалним подацима. Овај приступ покреће ствари попут Bing Chat-а, Google SGE и читав низ AI асистената којима требају најсвежије информације. Са техничке стране, RAG зависи од добрих ембединга (да пронађе праве информације) и „prompt engineering“-а (како ефикасно поднети пронађени текст LLM-у). Често се пронађени текст спаја са промптом попут: „Користи следеће информације за одговор на питање…“, па затим следи питање корисника. LLM потом спаја одговор користећи ту инфомацију.
• Неурално рангирање и учење појачањем: Поред проналажења, AI се користи за рангирање и унапређивање резултата. Компаније за претрагу већ неко време користе машинско учење (learning-to-rank алгоритме), тренирајући моделе на подацима о кликовима да би предвиделе који резултати треба да буду више. Сада то раде и дубоки неурални модели (попут Google-овог RankBrain-а или transformer модела). Поред статичког рангирања, системи попут Bing-овог чет-а користе итеративни приступ: могу генерисати више могућих одговора или користити учење појачањем са људском повратном информацијом за фино подешавање стила одговарања. (OpenAI је чувено користио учење појачањем уз људску повратну информацију – RLHF – да би одговори ChatGPT били усклађенији и кориснији.) Поред тога, пошто AI генерише одговоре, потребно је да се прати да ли поштује одређене смернице (без говора мржње, итд.). Ово укључује AI моделе за модерацију – класификаторе који проверавају садржај AI излаза и могу да филтрирају или измене одговоре који крше политику. Ово је још један темељ: сваки пут када питате нешто AI, обично ради и безбедносни модел у паралели који процењује и захтев и одговор.
• Инфраструктура (рачунарска снага и латенција): Технички, обезбеђивање AI претраге у великом обиму је изазов у смислу инфраструктуре. LLM-ови су веома захтевни за процесоре – покретање GPT-4 за један упит кошта далеко више CPU/GPU ресурса него обична претрага кључних речи. Слично, векторска претрага над огромним индексима захтева специјализован хардвер (GPU или TPU акцелераторе, пуно RAM меморије или алгоритме за приближно најближе суседе ради убрзања). Компаније улажу у оптимизацију овога. Google, на пример, користи TPU чипове у својим дата центрима посебно за покретање BERT модела за брзу претрагу blog.google. Microsoft има нешто што зове „Orchestrator“ за Bing, који одлучује када да позове велики GPT модел и како да кешира резултате, итд., да би управљао трошковима и брзином. Латенција је велики проблем – људи очекују одговор у секунду-две. LLM-у обично треба неколико секунди да генерише одговор. Пуно инжењерског рада иде у то да ово изгледа неприметно (нпр. стримовање одговора по токену, тако да делује као да почиње да одговара тренутно, иако пуна генерација траје дуже). Временом, видећемо ефикасније моделе (дистилиране моделе, квантизоване моделе) који могу брже радити, можда чак и неке који се покрећу на уређају ради персонализације или рада офлајн.
• Графови знања и хибридни системи: Иако су LLM-ови и вектори „нова врућа ствар“, претрага и даље у многим случајевима користи традиционалне структуриране податке. Google-ов граф знања – база података о чињеницама о ентитетима (људи, места, ствари и њихови односи) – користи се за одговарање на многе чињеничне упите са брзом фактоидном кутијом. AI то није заменио; напротив, може га надопунити (на пример, ако граф има податак, AI ће то приоритизовати ради тачности). Многи резултати претраге комбинују више система: панел са знањем са стране (структурирани подаци), неколико класичних плавих линкова и сада AI резиме на врху. То је хибридни приступ ради најбољег од сваког.
• Отворени код и прилагођени модели: Важно је напоменути да неће сва AI претрага бити у рукама великих неколико компанија. Постоје LLM-ови и векторске базе података отвореног кода које организације могу користити да направе специјализована претраживачка решења – на пример, компаније које имплементирају AI претрагу над својим интерним документима. Векторске базе као FAISS или Weaviate могу се инсталирати локално, а мањи LLM-ови (или већи accessed via API) могу радити Q&A. Ова демократизација значи да технички темељи о којима смо причали нису само закључани у Big Tech; они постају стандардни алати приступачни програмерима. То ће довести до појаве специјализованих претраживача – нпр. претраживач за медицинска истраживања који користи LLM прилагођен медицинским радовима и векторски индекс најновијих студија, да да лекарима брзу синтезу доказа на неко питање. Или пословна претрага која може да претражи све документе компаније и одговори запосленом на упит „Да ли наша компанија има политику о X?“

Укратко, технички темељ AI-покренуте претраге комбинује неуралне мрежне моделе за разумевање и језик (LLM-ови, трансформери) са неуралним репрезентацијама података (ембединг и векторска претрага). Први обезбеђују мозак за разумевање и генерисање језика; други дају меморију за ефикасно складиштење и проналажење знања infoworld.com infoworld.com. Заједно, уз технике попут RAG cip.uw.edu, омогућавају паметна претраживачка искуства о којима смо причали. Како истраживање напредује, можемо очекивати да ће ови модели постати способнији (нпр. мултимодални модели који заједно разумеју текст+слику) и ефикаснији. Континуирана унапређења алгоритама (боље методе сличности у претрази, бољи тренинг за мање халуцинација, итд.) и даље ће усавршавати iskustvo AI претраге – чинећи га бржим, прецизнијим и временом поузданијим.

11. Poslovne i društvene implikacije AI-dominirane pretrage interneta

Uspon veštačke inteligencije u pretrazi ne menja samo tehnologiju – on ima široke implikacije na poslovanje, društvo i globalni pejzaž informacija:

Poslovne implikacije:

• Promena dinamike saobraćaja i moći: Veb sajtovi koji su nekada napredovali zahvaljujući saobraćaju sa pretraživača mogu zabeležiti pad, jer AI odgovori preusmeravaju klikove. Onlajn izdavači (vesti, sajtovi sa uputstvima i sl.) izražavaju zabrinutost jer se njihov sadržaj koristi kako bi se dali odgovori, a da posetioci uopšte ne dolaze na njihov sajt (i bez prikaza oglasa ili prihoda za njih). Ovo bi moglo da natera promenu u poslovnim modelima interneta. Neke mogućnosti: izdavači bi mogli da traže kompenzaciju (slično kao što su novinske kuće tražile od Google News u nekim zemljama), ili da optimizuju sadržaj kako bi postali izabrani izvor u AI sažecima, ili da se diverzifikuju i ne oslanjaju isključivo na saobraćaj sa pretrage (korišćenjem newsletter-a, društvenih mreža i sl. za direktno dosezanje publike). Podaci pokazuju da organski saobraćaj već opada – sa procenama da bi do 2025. godine, najveći sajtovi mogli dobijati znatno manje saobraćaja sa pretrage nego nekoliko godina ranije 1950.ai. To stavlja finansijski pritisak na izdavače da se prilagode ili konsoliduju. Mogli bismo očekivati više paywall-ova ili modela pretplate ako prihodi od oglasa oslabe.
• Prilike za nove igrače: Poremećaj postojećeg stanja u pretrazi otvara vrata. Do skoro je „Google pretraga“ praktično bila sinonim za pronalaženje informacija. Sada postoji šansa za novopridošle (OpenAI, Neeva pre nego što je ugašena, Brave Summarizer, mnoštvo startap asistenata za pretragu) da pridobiju korisnike koji teže iskustvima vođenim AI-jem. Zaista, alternativni servisi poput ChatGPT i Perplexity zabeležili su ogromnu ekspanziju u korišćenju, iako sa male baze adweek.com. Iako je Google i dalje dominantan, zapaženo je da je u aprilu 2023. globalni Google pretraživački saobraćaj blago opao (za 1% u odnosu na godinu ranije), dok su posete ChatGPT-u i Perplexity-ju skočile za 180% adweek.com. To sugeriše da neki korisnici delimično prelaze na AI za određene upite. Da Google nije odgovorio sopstvenim AI rešenjem, rizikovao bi da bude zaobiđen u promeni paradigme. Sada praktično imamo tehnološku trku: Google, Microsoft (sa OpenAI), i drugi (možda Meta, Amazon, Apple sa svojim AI planovima) bore se da definišu sledeću generaciju pretrage. Poslovna implikacija je ogromna: koja god kompanija ponudi najbolje AI iskustvo u pretrazi, može preuzeti veliki tržišni udeo. Google-ova višegodišnja dominacija u pretrazi nije zagarantovana u AI-prvom svetu (iako mu ogromna skala i količina podataka daju prednost za obuku AI-ja i održavanje tržišta).
• Monetizacija i novi modeli oglašavanja: Već smo spomenuli kako oglašavanje biva pogođeno. To će naterati na inovacije u oglasnim modelima. Možda ćemo videti konverzacione oglase, gde AI asistent obelodanjuje, na primer, „Mogu pronaći proizvod za to – pogledajte ovu sponzorisanu sugestiju.“ Ili brendirane AI pomoćnike (zamislite AI agenta na e-commerce sajtu koji suptilno promoviše proizvode te prodavnice). Oglasi u pretrazi možda će se sa nadmetanja za ključne reči prebecivati na nadmetanje za namere ili teme upita, pa čak i za poziciju unutar AI odgovora (na primer, biti jedan od navedenih izvora u AI sažetku može postati dragoceno – slično SEO-u, ali potencijalno i nešto što se može platiti, iako to nosi rizik narušavanja poverenja ako nije jasno istaknuto). Dugoročno se postavlja pitanje: ako AI pretraga smanji ukupan broj klikova, a time i potpuno raspoloživo mesto za oglase, da li će cena preostalih oglasa rasti? Moguće – nestašica može podići cenu po oglasu (neki analitičari smatraju da bi manje, ali targetiranijih oglasa, moglo doneti isti ili veći prihod). Alternativno, ako firmama bude teže da se efikasno oglašavaju, možda će budžete prebacivati na druge kanale (kao što su influenser marketing ili platforme poput Amazona, koji je i prodavnica i oglasna platforma).
• Nove usluge i tržišta: AI pretraga može otvoriti potpuno nove industrije. Na primer, lični AI asistenti kao usluga – možda ćemo jednog dana svi imati AI u oblaku prilagođen nama, a firme bi mogle prodavati premium AI sa određenim veštinama (AI specijalizovan za finansijske savete, recimo). Ili vertikalni AI pretraživači koji se monetizuju pretplatom – kao AI alat za pravna istraživanja koji advokatske firme plaćaju. Granice između pretrage i drugih sektora (obrazovanje, zdravstvo, korisnička podrška) će se zamagliti kako AI postaje univerzalni interfejs. Poslovanja treba da se pripreme za ekonomiju AI agenata: da svoje informacije i usluge učine dostupnim AI-ju (preko API-jeva, itd.), ali i da možda upotrebe sopstveni AI za rad sa korisnicima.
• Zapošljavanje i veštine: U sektoru pretraživanja i marketinga radne uloge će evoluirati. SEO stručnjaci će možda morati da postanu više kao kreatori sadržaja i AI treneri, fokusirani na kreiranje autoritativnog sadržaja i metapodataka koje AI algoritmi favorizuju. Sa druge strane, poslove niže vrednosti (pisanje velikog broja osnovnih tekstova radi SEO-a) može zamijeniti AI; akcenat će se prebaciti na kvalitetniji sadržaj i jedinstvenu ekspertizu. U korisničkoj podršci, kako AI obrađuje više upita (uključujući i čet podršku ili glasovne pozive), priroda tih poslova se menja – manje potrebe za agentima na prvoj liniji, više za onima koji rešavaju kompleksne slučajeve ili nadgledaju AI. Sve u svemu, AI može učiniti neke poslove efikasnijim, ali zahteva i nove veštine (npr. kako pravilno promptovati AI, proveriti AI odgovore, itd.).

Društvene implikacije:

• Pristup informacijama: Ako AI pretraga ispuni obećanje, može postati veliki izjednačivač u pristupu znanju. Ljudi koji su imali poteškoće sa pretragom (zbog jezičke barijere, pismenosti itd.) mogu postavljati pitanja prirodno i dobijati odgovore. Takođe, može sažeti kompleksne informacije na jednostavan način, pomažući u premošćavanju jaza u znanju. Na primer, pacijent može koristiti AI da mu objasni lekarski izveštaj prostim jezikom. Ovo osnaživanje je pozitivno. Ipak, istovremeno centralizuje tok informacija. Ako svi počnu da se oslanjaju na nekoliko AI sistema za odgovore, ti sistemi postaju čuvari pristupa. To otvara pitanja o kontroli nad AI i o pristrasnostima koje oblikuju odgovore. Verovatno će društvo morati da razvije mehanizme (kroz regulative, nezavisne revizije ili pluralizam AI izvora) koji će osigurati da AI nenamerno ne nameće jedan narativ ili agendu.
• Kritičko mišljenje i obrazovanje: Laki odgovori su dvosjekli mač. S jedne strane, brzi odgovori oslobađaju vreme za dublje razmišljanje – ne morate pamtiti trivijalne činjenice kad vam AI može pružiti podatke. S druge strane, ako korisnici prestanu da proveravaju izvore i uzimaju AI odgovore zdravo za gotovo, mogu propustiti nijanse ili biti obmanuti ako je AI pogrešio. Obrazovni sistemi možda će morati dati veći akcenat medijskoj pismenosti i veštinama provere informacija („AI je rekao ovo, ali kako to potvrditi?“). Moguće je i da se pojave alati za proveru AI informacija – možda ekstenzije za pretraživače koje automatski naglašavaju poreklo činjenica koje daje AI.
• Diverzitet informacija: Tradicionalna pretraga često prikazuje više rezultata, pa korisnici mogu da biraju koji link da otvore i vide različite perspektive iz različitih izvora. AI može sve kondenzovati u jedan narativ. Da li će taj narativ biti raznovrstan i reprezentativan? Za kontroverzna pitanja, idealno bi bilo da AI predstavi više gledišta („O ovom pitanju, neki eksperti smatraju X, dok drugi kažu Y“). Aktivno se radi na tome – na primer, da odgovori budu nijansirani. Ali postoji rizik od monokulture znanja ako se to ne uradi kako treba. Sa druge strane, AI može pomoći da izađemo iz filter mehura, ukoliko pruži odgovor sintetizovan iz širokog spektra izvora, dok bi korisnik sam možda otvorio samo jedan preferirani link. Stvarni efekat na raznovrsnost informacija zavisiće od dizajna AI algoritama.
• Pristrasnost i pravičnost: Na društvenom nivou postoji bojazan da AI može pojačati pristrasnosti prisutne u podacima za obuku. Ako se ne upravlja pažljivo, AI pretraga može, na primer, reflektovati društvene predrasude ili nedovoljno predstavljati manjinske perspektive. To može nenamerno oblikovati javno mnjenje ili marginalizovati grupe. Obezbeđivanje pravičnosti u AI odgovorima – na primer, pažljivim izborom uravnoteženih izvora i obraćanjem pažnje na osetljive osobine – predmet je stalnog istraživanja i rasprave. Na primer, kada korisnik pita „Zašto su ljudi grupe X takvi i takvi?“, AI mora pažljivo da odgovori kako ne bi izneo stereotipe ili uvredljive generalizacije iz svog skupa podataka. Možda će morati da ispravi sam upit ili predstavi činjenice koje razbijaju predrasudu.
• Regulativa i upravljanje: Kako AI postaje sve centralniji, vlade počinju da obraćaju pažnju. Spomenuli smo italijansku akciju protiv ChatGPT-a. EU AI Act, koji će verovatno stupiti na snagu za nekoliko godina, nametnuće obaveze „AI sistemima visokog rizika“ – moguće i onima koji utiču na javno mnjenje (tu bi pretraga mogla da spada). To može zahtevati veću transparentnost u načinu na koji se AI odgovori generišu, pa čak i algoritamski nadzor. Takođe, postavljaju se antimonopolska pitanja: ako nekoliko kompanija dominira AI-em, može li to ugroziti konkurenciju? Već se beleži koncentracija AI znanja u velikim firmama. Ipak, inicijative otvorenog koda mogu predstavljati kontratežu, a regulatori mogu podsticati otvorene ekosisteme (npr. zahtevajući interoperabilnost – da treće strane mogu biti ugrađene u AI asistente, slično kao što je svaki sajt mogao da se pojavi u Google pretrazi).
• Društvena interakcija i ponašanje: Ako virtuelni asistenti postanu izuzetno sposobni saputnici, mogu nastupiti i sociološki efekti – ljudi bi mogli češće komunicirati sa AI za informacije ili čak društvo, a manje sa ljudskim ekspertima ili poznanicima. Na primer, umesto da pitate prijatelja ili nastavnika, neko bi uvek pitao AI. To može promeniti način prenosa znanja među ljudima. Može takođe dovesti do problema izolacije ako se ne uspostavi balans – mada, sa druge strane, AI može pomoći nekim osobama (kao osobama iz autističnog spektra ili anksioznim ljudima) da vežbaju komunikaciju u manje stresnom okruženju. Ukupan društveni efekat je teško predvideti, no kako AI asistenti postaju sve prisutniji, razviće se i novi običaji (npr. da li je pristojno koristiti AR asistenta za informacije tokom razgovora uživo? To ćemo tek saznati, baš kao i sa pametnim telefonima).
• Globalna ravnopravnost: Jedan pozitivan aspekt je što AI modeli mogu biti višejezični i pomoći da više delova sveta ima pristup internetu. Već Bing i Google-ov AI podržavaju mnoge jezike. Neko iz ruralnog kraja sa ograničenim formalnim obrazovanjem, ali osnovnim pametnim telefonom, može pristupiti znanju uz glasovne upite na maternjem jeziku i dobiti odgovor – nešto što bi mu pretraga na engleskom onemogućila. Ovo može ubrzati razvoj i obrazovanje. Postoje inicijative firmi da obuče modele na što više jezika, uključujući one malih resursa. Ipak, potrebno je voditi računa da informacije na tim jezicima budu robusne, a ne samo prevod jedne perspektive.

U celini, poslovne i društvene implikacije AI-dominirane pretrage su duboke. Suštinski, menjamo način na koji ljudi pristupaju celokupnom zabeleženom znanju. Poslovanja će morati da se prilagode novim načinima otkrivanja i konkurencije, verovatno kroz partnerstva sa AI platformama ili razvijajući sopstvene AI kapacitete. Društvo će morati da razvije nove norme, obrazovanje i možda regulative, kako bi ova nova paradigma donela korist svima i umanjila moguće štete. Budućnost je uzbudljiva – podseća na prekretnicu kada je sam internet postao dominantan, ali sada je posrednik AI.

---

Zaključak:

Budućnost pretrage interneta i pretraživanja, koju pokreće veštačka inteligencija, obećava ličnije, razgovornije i integrisanije iskustvo. SEO strategije se pomeraju ka usklađivanju sa razumevanjem AI; pojavljuju se novi alati zasnovani na veštačkoj inteligenciji koji direktno odgovaraju na naša pitanja; pretraga prirodnim jezikom i multimodalna pretraga postaju standard; a naši digitalni asistenti postaju sve sposobniji i proaktivniji. Iza svega ovoga, veliki jezički modeli i neuronske vektorske pretrage su tehnologije koje omogućavaju ovu promenu.

Dok su koristi za praktičnost i pristupačnost ogromne, ovaj razvoj takođe tera na ponovno razmatranje poslovnih modela, etičkih normi i samog načina na koji vrednujemo informacije. Veb kakav poznajemo evoluira iz statičnog indeksa stranica u dinamičnu platformu znanja i ispunjavanja zadataka, kuriranu od strane AI. U ovoj tranziciji, održavanje zdravog otvorenog veba – gde su informacije kredibilne, raznovrsne i gde su kreatori nagrađeni – predstavljaće ključni izazov.

Stojimo na početku ove transformacije pretrage vođene AI-jem. Sledeće godine će verovatno doneti inovacije koje jedva možemo da predvidimo, kao i lekcije iz ranih grešaka. Usmeravajući se na potrebe korisnika, pravičnost i saradnju između svih aktera (tehnoloških kompanija, izdavača, regulatora, korisnika), budućnost pretrage može biti takva da AI osnažuje sve da pronađu baš ono što im je potrebno – i to sa poverenjem i lakoćom.

Izvori:

• Search Engine Land (2025), Kako veštačka inteligencija menja SEO seoteric.com seoteric.com
• Xponent21 (2025), AI Pregledi dominiraju rezultatima pretrage xponent21.com xponent21.com xponent21.com xponent21.com
• Microsoft Bing Blog (2023), Predstavljamo Copilot Search microsoft.com microsoft.com
• Google Blog (2019), Bolje razumevanje pretrage nego ikada blog.google blog.google
• Bee Partners (2025), Optimizacija SEO za AI preglede beepartners.vc beepartners.vc
• Adweek (2025), Googleova AI era pretrage adweek.com adweek.com adweek.com adweek.com
• Onelittleweb Studija (2025), AI četbotovi vs Pretraživači onelittleweb.com onelittleweb.com
• Yaguara (2025), Statistika glasovne pretrage yaguara.co yaguara.co
• Think with Google (2024), Koliko dobro poznajete Google pretragu? business.google.com
• Google Product Blog (2025), Uvođenje multimodalne pretrage u AI mod blog.google blog.google
• CIP, UW (2024), Pouzdanje generativne AI pretrage cip.uw.edu cip.uw.edu cip.uw.edu
• Google Developers Blog (2023), Izveštaj o veb spamu 2022 developers.google.com
• InfoWorld (2023), Vektorske baze podataka u pretrazi infoworld.com infoworld.com
• 1950.ai (2023), AI pregledi i ambijentalni internet 1950.ai 1950.ai 1950.ai
• Reuters (2023), Italija vratila ChatGPT posle zabrane reuters.com reuters.com