Kako umjetna inteligencija mijenja pretraživanje interneta i pregledavanje

AI tehnologije brzo mijenjaju način na koji pronalazimo informacije na internetu. Od osnova SEO-a do pojave AI chatbota i multimodalnog pretraživanja, cijeli ekosustav pretraživanja se razvija. Ovo izvješće pruža sveobuhvatan pregled tih promjena, organiziranih po ključnim temama:

1. SEO u doba umjetne inteligencije

Optimizacija za tražilice (SEO) prilagođava se svijetu u kojem AI ima središnju ulogu u rezultatima pretraživanja. Tradicionalni SEO bio je usmjeren na ključne riječi i povratne poveznice, ali moderni algoritmi pretraživanja vođeni umjetnom inteligencijom daju prednost razumijevanju korisničke namjere i pružanju izravnih odgovora. Na primjer, Googleova upotreba AI modela omogućuje da pretraga shvati kontekst upita i poveže ih sa značajnim rezultatima, a ne samo ključnim riječima blog.google. U praksi to korisnicima omogućuje pretraživanje prirodnim jezikom i još uvijek dobivanje relevantnih odgovora – Google je naveo da je BERT (NLP model) pomogao bolje tumačiti otprilike 1 od 10 pretraga na engleskom jeziku, posebice duže, konverzacijske upite blog.google blog.google.

Jedna od velikih promjena je porast pretraga bez klikanja (“zero-click”) i AI-generiranih odgovora na vrhu rezultata pretrage. I Google i Bing sada često prikazuju AI-generirani sažetak (koji crpi iz više web-mjesta) prije tradicionalnog popisa poveznica. Ovi AI pregledi značajno mijenjaju SEO strategiju. Nedavno istraživanje pokazalo je da je do svibnja 2025. gotovo polovica svih Google pretraga (49%) imala AI pregled na vrhu, u odnosu na samo 25% krajem 2024. xponent21.com xponent21.com. Ovi sažeci obično uključuju kratak odgovor s nekoliko izvornih poveznica i zauzimaju najvažniju poziciju na ekranu. Posljedično, biti “#1” u starom smislu više nije jamstvo vidljivosti – sadržaj koji nije uključen u AI pregled može u potpunosti biti preskočen xponent21.com. Ukratko, “uspjeh u AI pretraživanju ovisi o tome koliko dobro vaš sadržaj odgovara načinu na koji AI modeli razumiju relevantnost, korisničku namjeru i autoritet” xponent21.com.

Promjene SEO strategije: Kako bi ostali vidljivi, vlasnici web-mjesta prilagođavaju svoje taktike. Naglasak je sada na stvaranju kvalitetnog, autoritativnog sadržaja kojem AI algoritam može vjerovati beepartners.vc. Marketinški stručnjaci koriste strukturirane podatke (schema markup) i optimiziraju za izdvojene isječke (“featured snippets”), jer AI za svoje sažetke često koristi upravo takve sadržaje beepartners.vc beepartners.vc. Također se fokusiraju na E-E-A-T (Iskustvo, Stručnost, Autoritativnost, Povjerenje – eng. Experience, Expertise, Authoritativeness, Trustworthiness) signale kako bi AI njihov sadržaj vidio kao vjerodostojan beepartners.vc. Još jedna taktika jest pisanje u sažetom, pitanjâ-i-odgovorâ formatu – čime sadržaj postaje “prikladan za isječke” i ima veće šanse biti uključen u AI pregled beepartners.vc. Ovi koraci slažu se s Googleovim smjernicama da “sadržaj mora privući i AI algoritme i ljudske čitatelje, balansirajući tehničku optimizaciju s autentičnim angažmanom” seoteric.com seoteric.com.

AI utjecaj na klikove: AI odgovori korisnicima trenutno pružaju ono što im je potrebno, što znači manje klikova prema web stranicama. Početkom 2025. jedna je analiza pokazala da kada je Googleov AI pregled prisutan, stopa klikanja na prvi organski rezultat pada za oko 34,5%, a 77% takvih upita ne rezultira nikakvim korisničkim klikom na bilo koji rezultat adweek.com. Ovo je znatna promjena u odnosu na prošlost, kada je većina pretraga završavala klikom na poveznicu. SEO strategije stoga moraju uzeti u obzir vidljivost brenda unutar samog AI odgovora i pronaći nove načine privlačenja prometa (poput zanimljivijeg sadržaja ili alternativnih kanala).

Zaključno, AI potiče da SEO postane sveobuhvatniji i usmjeren na kvalitetu. Stari priručnik rangiranja stranice ustupa mjesto pristupu rangiranja unutar AI-kreiranog odgovora. Brendovi koji se prilagode stvaranjem istinski korisnog, dobro strukturiranog sadržaja imaju najveće šanse da budu prikazani od strane AI-a – te tako otkriveni od korisnika xponent21.com xponent21.com.

2. AI podržani alati i platforme za pretraživanje

Paralelno s promjenama kod tradicionalnih tražilica, pojavio se niz alata za pretraživanje temeljenih na AI-u koji korisnicima omogućuju pretraživanje informacija na nove načine. Istaknuti primjeri uključuju ChatGPT, Perplexity, Googleov Gemini/Bard i Microsoftov Copilot/Bing Chat. Svaki nudi drugačiju verziju pretraživanja uz pomoć umjetne inteligencije:

• ChatGPT (OpenAI): Izvorno osmišljen kao opći konverzacijski AI, ChatGPT je dobio mogućnost pregledavanja weba i korištenja dodataka za dohvat informacija u stvarnom vremenu. Mnogi ga sada koriste kao pomoćnika za pretraživanje, postavljajući pitanja prirodnim jezikom i dobivajući jedinstven, sintetiziran odgovor. ChatGPT se može smatrati alternativom tražilici za složenije upite ili istraživanja, iako izvorno ne navodi izvore osim uz posebne dodatke. Njegova popularnost eksplodirala je – posjeti ChatGPT-u porasli su za više od 180% početkom 2024., što pokazuje da milijuni korisnika traže informacije putem njega adweek.com. Ipak, 2024. obrađivao je tek mali udio ukupnog volumena pretraga (otprilike 2–3% Googleova opsega) onelittleweb.com, zbog ogromnog dosega tradicionalnih tražilica.
• Perplexity Ask: Perplexity.ai je primjer nove AI-native tražilice. Koristi veliki jezični model za odgovore na korisnička pitanja, no što je ključno – navodi citate na izvorne web stranice za svaki dio odgovora. Perplexity učinkovito spaja web pretraživanje s AI sažetkom, što može povećati povjerenje korisnika. Njegova upotreba raste paralelno s popularnošću ChatGPT-a adweek.com. Pristup Perplexityja – pružanje odgovora s pripadajućim izvorima – utjecao je na način predstavljanja AI rezultata kod etabliranih tražilica (npr. Bing i Googleovi AI sažeci sada također povezuju izvore).
• Google pretraživanje (Bard i Gemini): Google je uveo generativnu umjetnu inteligenciju u svoje pretraživanje kroz ono što naziva Generativno iskustvo pretrage. Njegov Bard chatbot (isprva pokretan modelom PaLM 2, a uskoro s naprednijim modelom Gemini) dostupan je kao zaseban alat i integrira se s Google Assistantom analyticsvidhya.com. Vidljiviji su AI pregledi na stranicama s rezultatima – to su AI-napisani sažeci koji “kombiniraju informacije iz više pouzdanih web-stranica” i predstavljaju objedinjeni odgovor beepartners.vc. Ove sažetke podupire Googleov Gemini LLM beepartners.vc. Google je također lansirao “AI način” pretraživanja – posebno sučelje za konverzacijsko pretraživanje. U AI načinu, korisnici mogu postavljati dodatna pitanja, dobivati multimodalne rezultate (npr. prenijeti sliku i pitati o njoj) i općenito voditi interaktivni dijalog s Google tražilicom xponent21.com blog.google. Ovo pretraživanje u osnovi pretvara iz “upiši i klikni” aktivnosti u bogat razgovor. Google navodi da su upiti u AI načinu dvostruko duži od tradicionalnih jer korisnici postavljaju detaljnija pitanja blog.google.
• Bing (Microsoft Copilot): Microsoftov Bing pretraživač nadograđen je OpenAI-jevim GPT-4 modelom, poznatim kao Bing Chat Copilot. Ovaj AI integriran je u Edge preglednik i Windows 11, služeći kao “suvozač za web”. U Bing sučelju tražilice Copilot može generirati lako pregledan odgovor na vrhu rezultata, s navedenim izvorima, tako da korisnici ne moraju tražiti informacije na više stranica microsoft.com. Također podržava interaktivni chat – korisnici mogu usavršavati pretragu dodatnim pitanjima prirodnim jezikom, a AI pamti kontekst. Microsoft širi ovaj copilot koncept kroz cijeli svoj ekosustav (Windows, Office itd.), signalizirajući da će se web pretraga i zadaci osobne produktivnosti ispreplesti kroz AI asistenciju.

Zaključno, AI alati za pretraživanje čine pretragu konverzacijskom i intuitivnom. Omogućuju korisnicima postavljanje pitanja običnim jezikom i često nude jedan, objedinjeni odgovor (umjesto popisa poveznica), s kontekstom i ponekad izvorima. Tablica u nastavku uspoređuje neke od ovih AI platformi za pretraživanje i njihove ključne značajke:

Učinak na korisnike: Ovi alati znače da korisnici imaju više mogućnosti kako pretraživati. Umjesto smišljanja savršenog niza ključnih riječi, sada se može postaviti cijelo pitanje i odmah dobiti objašnjenje. Ovo je osobito korisno za istraživačke upite (npr. planiranje putovanja ili učenje koncepata) gdje interaktivni dijalog može pojasniti potrebe. Znakovito je da je Google otkrio kako korisnici koji isprobaju AI preglede/konverzacijsko pretraživanje obično postavljaju više popratnih pitanja i istražuju dublje, povećavajući cjelokupnu angažiranost u pretraživanju business.google.com business.google.com. Istovremeno, dostupnost izravnih Q&A od ChatGPT-a i drugih lagano je nagrizla monopol tradicionalnih pretraživača – po prvi put, značajan dio informativnih upita odvija se izvan Googlea. (Taj udio još je uvijek mali; primjerice, od travnja 2024. do ožujka 2025., 10 najpopularnijih AI chatbotova zajedno je imalo oko 55 milijardi posjeta, naspram 1,86 bilijuna posjeta na 10 najvažnijih pretraživača onelittleweb.com. Drugim riječima, chatbotovi su činili oko 1/34 volumena pretraživanja – brzo rastu, ali još nisu zamijenili pretraživanje onelittleweb.com onelittleweb.com.)

3. Pretraživanje prirodnim jezikom i obrada upita

Jedan od najdubljih utjecaja AI na pretraživanje je mogućnost da korisnici pretražuju putem prirodnog, konverzacijskog jezika – i da sustav zaista razumije njihovu namjeru. Povijesno gledano, korisnici su često morali koristiti kratke, ključne riječi (ponekad u šali nazivane “keyword-ese”) kako bi dobili dobre rezultate blog.google. To se sada mijenja. Moderni pretraživači koriste napredne modele za obradu prirodnog jezika (NLP) – poput Googleovih BERT i MUM, i raznih transformer modela – kako bi protumačili upite u kontekstu. To znači da pretraživač gleda cijelu frazu, a ne samo pojedinačne riječi, kako bi shvatio što zapravo želite.

Na primjer, Google je pokazao kako mu je BERT pomogao protumačiti upit “2019 brazil traveler to usa need a visa.” Prije AI-a, Google bi mogao previdjeti značenje riječi “to” i vratiti rezultate za američke turiste u Brazilu. S BERT-ovim kontekstualnim razumijevanjem, Google je točno shvatio da se radi o Brazilcu koji putuje u SAD i vratio odgovarajuće informacije blog.google. Općenito, AI modeli sada uzimaju u obzir stop riječi i prijedloge (“to”, “for” itd.) koji su se nekad ignorirali, a mogu drastično mijenjati značenje blog.google. To dovodi do znatno točnijih rezultata za dulje, konverzacijske upite.

Iz korisničke perspektive, pretraživanje sve više nalikuje razgovoru s upućenim asistentom. Ljudi mogu formulirati upite kao cijela pitanja ili opise problema. Sustav za pretraživanje, pogonjen NLP-om, protumačit će nijanse. Zapravo, od 2020. godine Google primjenjuje AI modele jezika na gotovo svaki upit na engleskom kako bi bolje shvatio namjeru reddit.com. Zbog toga su i značajke poput glasovnog pretraživanja (korištenje glasa za postavljanje pitanja) postale izvedive – AI može uzeti izgovoreno, prirodno formulirano pitanje i s njim se nositi jednako kao i s upisanim.

Konverzacijski upiti: AI je također omogućio višestruke uzastopne razgovore kao način pretraživanja. Uz alate poput Bing Chata ili Googleovog AI načina rada, možete postaviti pitanje, dobiti odgovor, a zatim postaviti naknadno pitanje poput “Što je sa sljedećim vikendom?” ili “Objasni to jednostavnije”, a sustav pamti kontekst. Ovo je velika promjena u obradi upita. AI održava oblik stanja dijaloga – nešto što stari pretraživači nisu radili. Na primjer, Bing Copilot potiče dodatna pitanja i čak nudi prijedloge za nastavak istraživanja microsoft.com microsoft.com. Rezultat je da pretraživanje više nije samo jedan upit već može biti iterativan proces koji nalikuje razgovoru s ekspertom. Kako Microsoft opisuje: “Copilot Search prilagođava se vašim potrebama… omogućujući korisnicima konverzacijski pristup, nalik interaktivnom dijalogu s ekspertom.” microsoft.com.

Prednosti pretraživanja prirodnim jezikom: Ova promjena uvelike smanjuje prepreku za pronalazak informacija. Ljudi ne trebaju znati napredne operatore pretraživanja ili točne ključne riječi. Mogu pitati “Kako popraviti kapajuću slavinu koja ne prestaje curiti?” ili “Koji su neki dobri Michelin restorani s 3 zvjezdice u Parizu i zašto su posebni?” – složene upite koje AI može razložiti i razumjeti. U pozadini, pretraživač možda obavlja više pretraživanja u vaše ime (primjerice, Googleov AI način rada koristi tehniku “query fan-out” za zadavanje više podupita u pozadini blog.google) – no iz korisničke perspektive, to je samo jedno tečno pitanje.

Mogućnost pretraživanja prirodnim jezikom povezana je i s glasovnim pretraživanjem i virtualnim asistentima, o čemu ćemo više kasnije. Ideja je ista: ako svom pametnom zvučniku postavite pitanje, očekujete da ga on razumije i da koristan odgovor. Zahvaljujući poboljšanjima u NLP-u, na glasovna pitanja odgovara se znatno točnije nego prije nekoliko godina, a to je potaknulo njihovo prihvaćanje (oko 20% korisnika interneta u svijetu koristi glasovno pretraživanje u 2023.–2024., brojka koja se stabilizirala nakon početnog rasta yaguara.co).

Ukratko, tražilice pokretane AI-om i NLP-om sada su znatno bolje u razumijevanju semantike upita. Korisnici mogu pretraživati prirodno i dobiti rezultate koji odražavaju pravu namjeru njihovog pitanja, a ne samo podudaranje ključnih riječi. Pretraživanje je postalo razgovornije i intuitivnije iskustvo, što otvara put interakcijama glasom i putem chata koje postaju sve uobičajenije.

4. Vizualno, glasovno i multimodalno pretraživanje

Osim teksta, AI omogućuje pretraživanje putem slika, zvuka i drugih modaliteta. Suvremeno pretraživanje više nije ograničeno na klasično tekstualno polje – možete pretraživati tako da uperite kameru u nešto ili izgovorite pitanje naglas. Ove multimodalne tehnologije pretraživanja brzo su napredovale:

• Vizualno pretraživanje: AI za prepoznavanje slika omogućio je da pretražujemo koristeći slike ili unos kamere. Alati poput Google Lens i Bing Visual Search korisnicima omogućuju prepoznavanje objekata, prevođenje teksta sa slika, pronalaženje proizvoda i više – samo fotografiranjem. Vizualno pretraživanje vašu kameru pretvara u upit za pretragu. U pozadini, računalni modeli za viziju analiziraju sliku kako bi otkrili objekte, tekst ili znamenitosti, a zatim sustav traži podudaranja ili povezane informacije na internetu. Ovo je postalo iznimno popularno – Google Lens se sada koristi za više od 20 milijardi vizualnih pretraga mjesečno business.google.com. Ljudi ga koriste za sve – od prepoznavanja biljaka ili insekata, skeniranja menija restorana radi recenzija, pa do kupovine (npr. fotografirati jaknu koja vam se sviđa i pretražiti gdje je možete kupiti). Google je naveo da je 1 od 4 pretrage putem Lens-a vezana uz kupovinu, što pokazuje komercijalnu važnost vizualnog pretraživanja business.google.com. Poboljšanja AI-a omogućuju Lensu ne samo prepoznavanje jednog objekta, već i razumijevanje cijelih scena. Godine 2025. Google je najavio multimodalno AI pretraživanje u svom AI Mode-u: možete prenijeti sliku i zatim postavljati pitanja o toj slici – čime se spajaju vizualno i jezično razumijevanje. AI (s Gemini modelom) u stanju je razumjeti “cijelu scenu, uključujući odnose između objekata, materijale i oblike” i odgovoriti na pitanja, uz davanje poveznica za više informacija blog.google blog.google. Na primjer, možete pokazati sliku šahovske ploče i upitati: “Je li ovo dobar otvaranje?” i dobiti informirani odgovor na temelju analize slike.
• Glasovno pretraživanje: Pretraživanje aktivirano glasom postalo je uobičajeno zahvaljujući AI-ovoj sposobnosti prepoznavanja govora i razumijevanja prirodnog jezika. Asistenti na pametnim telefonima (Google Assistant, Siri) i pametni zvučnici (Amazon Echo/Alexa, itd.) korisnicima omogućuju postavljanje upita glasom. Od 2024. otprilike 20–21% ljudi redovito koristi glasovno pretraživanje (barem tjedno) yaguara.co yaguara.co, a taj je broj još veći na mobilnim uređajima (više od četvrtine korisnika koristi glasovno pretraživanje). Ljudi često koriste glasovno pretraživanje za brza, usputna pitanja – npr. traženje uputa, vremensku prognozu ili jednostavna znanstvena pitanja – i za lokalne pretrage (“Nađi obližnju kavanu”). AI ovdje igra dvostruku ulogu: prvo pretvara govor u tekst (korištenjem naprednih modela za prepoznavanje govora), a zatim obrađuje jezični upit, kao što je prethodno opisano. Utjecaj glasa je u tome što upiti obično budu duži i razgovorni (Google je uočio da je “80% glasovnih pretraga razgovorne prirode”, što znači da zvuče kao potpuna pitanja ili naredbe). Ovo izaziva tražilice da odgovaraju na sličan način – često čitanjem odgovora naglas. Na primjer, ako upitate glasovnog asistenta “Koji je glavni grad Brazila?”, koristi se AI za pronalazak odgovora, a zatim AI za pretvaranje teksta u govor odgovara: “Glavni grad Brazila je Brasilia.” Glasovno pretraživanje natjeralo je davatelje pretrage da rezultate formatiraju kao izravne odgovore (često koristeći istaknute isječke/podatke iz knowledge graph-a). Prema jednoj studiji, istaknuti isječci čine oko 41% rezultata glasovnog pretraživanja – jer asistent preferira čitanje sažetog odgovora yaguara.co. AI također poboljšava kvalitetu glasovnih interakcija – asistenti sve bolje prate kontekst (npr. možete pitati “Tko je režirao Inception?” pa zatim “Koje još filmove je on režirao?” i asistent zna da se on odnosi na Christophera Nolana).
• Multimodalno i ambijentalno pretraživanje: Ulazimo u eru gdje pretraživanje može koristiti mješovite inpute – tekst, glas i slike – te dati rezultate koji mogu također biti multimodalni. Googleova “multisearch” funkcija, pokrenuta 2022., omogućuje korisnicima kombiniranje slike i teksta u jednom upitu (npr. fotografija haljine, pa dodavanje “u crvenoj boji” za pronalazak iste haljine takve boje) econsultancy.com. Ovo pokreće AI koji može povezati vizualne podatke s jezikom. Šire gledano, pojavljuje se koncept ambijentalnog pretraživanja: to je kad je pretraživanje besprijekorno integrirano u našu okolinu ili rutine, ponekad unaprijed prepoznajući što nam može zatrebati. Na primjer, s AR naočalama mogli biste automatski dobivati informacije o znamenitostima u koje gledate, ili bi vam telefon mogao proaktivno prikazivati relevantne informacije o vašem kalendaru, putovanju, obližnjim atrakcijama itd., čak i bez eksplicitnog pretraživanja. Ovo je nastavak multimodalnih mogućnosti uz kontekstualnu osviještenost. Googleova vizija ovdje, kako je izrazio jedan od njihovih dopredsjednika, je da pretraživanje postaje ambijentalno – “dostupno uvijek, svugdje, bez eksplicitnog upita”, poput sveprisutnog, sveznajućeg prijatelja 1950.ai. Već sada vidimo prve znakove: Googleove Live i Lens funkcije omogućuju realno vremensko razgovaranje o onome što kamera vidi (postavljanje pitanja o uživo prikazanoj sceni) blog.google, a asistenti mogu koristiti kontekst poput lokacije ili vaših emailova (ako dopustite) za prilagođavanje odgovora (npr. predlažući aktivnosti na vašem putovanju na temelju e-mail potvrde leta blog.google).

Konačan rezultat vizualnog, glasovnog i multimodalnog pretraživanja je intuitivnije korisničko iskustvo. Više niste ograničeni na upisivanje riječi. Ako nešto vidite, možete to pretražiti. Ako ste zauzeti ili vozite, možete samo upitati naglas. Ako trebate informacije unutar fotografije ili videa, AI ih može pronaći. Time se smanjuje trenje i pretraživanje otvoreno za mnoge situacije u kojima upisivanje nije praktično (zato su glasovno i kamerno pretraživanje često korišteni na mobitelima). Poslovni subjekti se prilagođavaju tako što svoj sadržaj čine prijateljskim za multimediju – primjerice, koriste opisni alt tekst na slikama (da bi ih AI mogao interpretirati) i osiguravaju da su njihove informacije prisutne u knowledge graph-ovima kako bi ih glasovni asistenti mogli pronaći.

5. Personalizacija i preporučivački sustavi pokretani AI-jem

Pretraživanje i otkrivanje sadržaja sve su više personalizirani zahvaljujući AI analiziranju ogromnih količina korisničkih podataka za prilagodbu rezultata i preporuka. Personalizacija u ovom kontekstu znači da dvoje ljudi može vidjeti različite rezultate za isti upit, ili im se mogu preporučivati različiti sadržaji, na temelju njihovih interesa, lokacije, prethodnog ponašanja i drugih faktora. AI je pokretač tih odluka, učeći iz obrazaca u podacima.

Personalizacija pretrage: Google već dugi niz godina provodi blagu personalizaciju (npr. davanje prednosti lokalnim rezultatima ili korištenje povijesti pretrage za prijedloge). AI to sada podiže na novu razinu. Primjerice, nadolazeća Googleova poboljšanja AI pretrage omogućit će korisnicima da odaberu uključivanje osobnog konteksta, pri čemu AI može uključiti podatke iz vaših prošlih pretraga pa čak i drugih aplikacija (poput Gmaila, uz dopuštenje) kako bi davao prilagođene odgovore blog.google. Ako pretražujete “događaji ovog vikenda” i dali ste pristup svom e-mailu i lokaciji, AI bi mogao dati vrlo personalizirane prijedloge: npr. “Udaljeno 5 milja održava se glazbeni festival, a restoran koji ste ranije rezervirali u blizini ima koncert na otvorenom u subotu.” Google je naveo primjer: “AI Mode može vam pokazati restorane s vanjskim sjedenjem na temelju prošlih rezervacija i pretraga te predložiti događanja blizu mjesta gdje odsjedate (prema vašim potvrdama leta i hotela).” blog.google. Sve se to odvija privatno na vašem računu, a Google naglašava da je pod korisničkom kontrolom (morate se odlučiti za povezivanje, a vezu možete prekinuti u bilo kojem trenutku) blog.google blog.google.

Čak i bez tako duboke integracije, AI neprestano prilagođava ono što vidite. Preporučivački sustavi na platformama (npr. YouTubeovi prijedlozi videa, Netflixove preporuke serija ili članci u Google Discover news feedu) klasični su primjeri. Oni koriste modele strojnog učenja za predviđanje sadržaja s kojim će pojedini korisnik sljedeći puta najvjerojatnije stupiti u interakciju. Analiziraju vaše prethodno ponašanje (gledane videe, kliknute poveznice, vrijeme provedeno itd.) i uspoređuju ga s obrascima milijuna drugih korisnika kako bi istaknuli sadržaj koji bi vam mogao biti zanimljiv. AI omogućuje tim sustavima otkrivanje suptilnih obrazaca – na primjer, može prepoznati da ljudi koji pročitaju članak A i B često uživaju i u članku C te će tako članku C preporučiti nekome tko je čitao A i B. Ova kolaborativna filtracija na masovnoj skali ne bi bila moguća bez AI-a koji obrađuje te podatke.

Prednosti: Personalizacija znači da često dobivate rezultate koji su relevantniji za vas. Ako uvijek tražite vegetarijanske recepte, pretraga temeljena na AI-u može rangirati vegetarijanski sadržaj više, učeći vaše preferencije. Ako navikli klikate na određeni izvor vijesti, sustav preporuka može vam pokazivati više iz tog izvora. E-trgovina uvelike koristi AI preporuke: Amazonove „Možda vas zanima i” ili „Često kupljeno zajedno” sugestije pokreće AI, kao i redoslijed proizvoda koji vam se prikazuju. Zapravo, tvrtke poput Amazona sada koriste generativnu umjetnu inteligenciju za personalizaciju opisa proizvoda i preporuka u stvarnom vremenu (na primjer, ističući različite značajke proizvoda ovisno o tome što AI misli da je važno određenom segmentu korisnika) aboutamazon.com.

Rizici i razmatranja: Iako personalizacija može unaprijediti korisničko iskustvo, ona otvara određene brige. Jedna od njih je učinak „filter balona” – ako vam AI uvijek prikazuje sadržaj sličan onome što ste već konzumirali, mogli biste biti izloženi manjku različitih perspektiva ili novih informacija. Primjerice, personalizirani izvor vijesti mogao bi nesvjesno pojačati nečiju političku pristranost prikazujući uglavnom članke s kojima se osoba slaže. Platforme su svjesne ovog izazova i pokušavaju uravnotežiti relevantnost s raznovrsnošću, ali to je stalan etički izazov. Druga briga je privatnost – personalizacija se temelji na prikupljanju i analizi osobnih podataka. Korisnici i regulatori postavljaju pitanja poput: Koji se podaci koriste? Je li pristanak dobiven? Koliko su sigurno pohranjeni? O privatnosti ćemo više govoriti u sljedećem odjeljku.

Iz poslovne perspektive, personalizacija je snažan alat. Povećava angažman (ljudi će vjerojatnije kliknuti na stvari prilagođene njima) i može poboljšati konverzije (u kupovini preporuka „pravog” proizvoda može dovesti do prodaje). Postoji cijela industrija AI preporuka (primjerice, Google Cloud nudi uslugu Recommendation AI za trgovce). Ovi AI modeli kontinuirano usavršavaju svoje preporuke koristeći tehnike poput učenja pojačanjem – „uče” iz toga jeste li kliknuli prijedlog ili ga ignorirali te postaju precizniji s vremenom.

Personalizacija u stvarnom vremenu i prediktivna personalizacija: Novi trend je pokušaj AI-a da predvidi potrebe i prije nego što postavite upit. Na primjer, vaš telefon vam može prikazati „procijenjeno vrijeme 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 prikazivati teme povezane s onim što ste nedavno pretraživali, pretpostavljajući interes. Ove prediktivne značajke brišu granicu između pretraživanja i preporuka: AI zapravo pretražuje u vaše ime na temelju osobnog konteksta.

U sažetku, personalizacija pokretana umjetnom inteligencijom znači da je web iskustvo sve više jedinstveno za svakog korisnika. Rezultati pretrage, preporuke i izvori sadržaja filtrirani su kroz AI modele koji uče iz našeg ponašanja. Cilj je unaprijediti učinkovitost otkrivanja – da manje vremena provodite pretražujući nebitne informacije, a više na onome što vas zanima. Negativna strana jest osigurati da se to radi transparentno i pravedno, bez narušavanja privatnosti ili stvaranja zatvorenih krugova mišljenja – izazovi s kojima se društvo aktivno suočava.

6. AI u filtriranju, rangiranju i interpretaciji rezultata na webu

Umjetna inteligencija igra ključnu pozadinsku ulogu u načinu na koji tražilice filtriraju neželjeni sadržaj, rangiraju najbolje rezultate pa čak i interpretiraju što ti rezultati znače za korisnike. Ove funkcije manje su vidljive korisnicima, ali su presudne za kvalitetne rezultate pretrage.

Filtriranje i smanjenje spama: Moderne tražilice koriste AI sustave za otkrivanje nekvalitetnog ili zlonamjernog sadržaja i sprječavanje njihova rangiranja. Googleov vlastiti sustav SpamBrain je AI sustav osmišljen za identifikaciju spam web-stranica, prijevarnog sadržaja i drugog „smeća” koje korisnici ne bi trebali vidjeti developers.google.com. Koristi strojno učenje za prepoznavanje obrazaca spama (na primjer, link farmi ili automatski generiranog besmislenog teksta) daleko učinkovitije nego ručna pravila. Prema Googleu, SpamBrainovi napreci pomogli su održati preko 99% Google pretraga bez spama developers.google.com. Samo 2022. godine, SpamBrain je detektirao 200 puta više spam stranica nego kad je započeo 2018. seroundtable.com. To znači da je, kad pretražujete, AI već filtrirao golemu količinu smeća, osiguravajući da rezultati dolaze s legitimnih i relevantnih stranica. Slično, AI pomaže u filtriranju neprimjerenog sadržaja (poput nasilja, govora mržnje ili pornografije) iz prijedloga i rezultata pretrage, čime se provode politike i lokalni zakoni.

Rangirajući algoritmi: Odlučiti koji će se rezultati prikazati prvi iznimno je kompleksan zadatak prikladan umjetnoj inteligenciji. Googleov algoritam rangiranja, primjerice, uključuje signale strojnog učenja – poput RankBrain sustava predstavljenog 2015., koji koristi AI za prilagođavanje rangiranja prema interakcijama korisnika s rezultatima (uči koji rezultati zadovoljavaju korisnike) i za bolje podudaranje rezultata kod nejasnih upita. Kasnije su integrirani Neural Matching i BERT kako bi sustav bolje povezivao konceptualno slične pojmove i razumio kontekst. Do 2020. Google je tvrdio da koristi BERT za gotovo svaki upit na engleskom jeziku kod rangiranja i relevantnosti reddit.com. To znači da, kad pretražujete, umjetna inteligencija ne pronalazi samo stranice koje sadrže točno one riječi koje ste unijeli, već i stranice koje semantički odgovaraju na vaš upit. Primjerice, ako tražite „najbolji način za brzo učenje gitare”, nijedna od tih riječi nije „vježbajte ljestvice svakodnevno”, ali AI može prepoznati da bi stranica koja to savjetuje bila dobar rezultat jer razumije da je to savjet za brzo učenje gitare.

Korištenje neuronskih mreža u rangiranju omogućuje i bolje razumijevanje sinonima ili osnovne teme web stranice. Ako stranica ne sadrži točnu ključnu riječ, ali jasno odgovara na svrhu upita, AI je može istaknuti. To dovodi do korisnijih rezultata pretrage.

Interpretacija i sažimanje rezultata: Nova uloga za AI nije samo dohvat i rangiranje rezultata, već i interpretacija za korisnika. To vidimo u generiranju atraktivnih isječaka ili izravnih odgovora. Primjerice, ako postavite činjenično pitanje, Google može prikazati isječak s izravnim odgovorom. Tradicionalno je taj isječak bio samo doslovni isječak sa web-stranice. Sada, s generativnim AI-jem, tražilica može proizvesti sintetizirani odgovor (kao što su opisani AI pregledni odgovori). Time zapravo interpretira više rezultata i kombinira njihove informacije.

No, ova interpretacija donosi izazove. Veliki jezični modeli (LLM-ovi) skloni su halucinacijama – ponekad generiraju informacije koje zvuče uvjerljivo, ali su netočne ili koje izvori ne podržavaju izravno. U kontekstu pretraživanja, to može dovesti do AI sažetaka koji nenamjerno uključuju pogreške ili netočne interpretacije. Istraživanje znanstvenika Centra za informirano javno mišljenje Sveučilišta Washington daje jasan primjer: kad su generativnu tražilicu upitali o izmišljenom pojmu („Jevinova teorija društvenih odjeka”), AI je samouvjereno isporučio detaljno objašnjenje s citatima – ali su i objašnjenje i citati bili izmišljeni cip.uw.edu. Sustav je zapravo „sanjao” odgovor jer je LLM „radije izmišljao” nego priznao da nema podatke. Kao što je jedan AI stručnjak, Andrej Karpathy, duhovito rekao: „LLM 100% sanjari i ima problem halucinacije. Tražilica 0% sanjari, ali ima problem kreativnosti.” cip.uw.edu. Drugim riječima, tradicionalna pretraga neće izmišljati informacije (prikazuje što postoji), ali joj nedostaje AI sposobnost da da jedinstven uredan odgovor; dok AI može proizvesti lijep odgovor, ali bi mogao izmisliti činjenice ako nije prizemljen u izvorima.

Kako bi to ublažili, tražilice uvode hibridne pristupe poput Retrieval-Augmented Generation (RAG). U RAG-u, prije nego što AI pokuša odgovoriti, najprije obavi neuronsku pretragu relevantnih dokumenata i zatim „prisiljava” LLM da svoj odgovor temelji na tim dokumentima (često ih čak i navodi kao izvore). Ovakav pristup koriste Bing chat i Googleov SGE kako bi odgovori ostali povezani sa stvarnim sadržajem. Znatno smanjuje halucinacije, ali ne u potpunosti. Kako su primijetili istraživači CIP-a, čak i s preuzetim dokumentima, AI može dekontextualizirati informacije – primjerice, citirajući nešto izvan konteksta ili pogrešno spajajući činjenice cip.uw.edu cip.uw.edu. Precizno treniranje AI-a za točno sažimanje i atribuciju informacija i dalje je područje razvoja.

AI se koristi i za interpretaciju namjere korisnika izvan samih riječi upita. Na primjer, Googleovi sustavi pokušavaju odrediti radi li se vaš upit o kupovini (komercijalna namjera), je li lokalnog karaktera (traži obližnje rezultate) ili je vijest, itd., te prilagoditi izgled rezultata (prikazujući linkove za kupnju, kartu, članke itd. sukladno tome). Ovu klasifikaciju provode AI modeli koji analiziraju i upit i širi korisnički kontekst.

Sve u svemu, AI-ova uloga u filtriranju, rangiranju i interpretaciji rezultata može se smatrati mozgom tražilice:

• Ona pročišćava unos (filtrira neželjeni sadržaj i štetni sadržaj),
• inteligentno uređuje izlazne rezultate (rangira najkorisnije i najpouzdanije informacije više),
• i sve više objašnjava ili sažima te rezultate (čini rezultate pretraživanja odmah korisnima putem isječaka ili AI odgovora).

Za korisnike to znači bolje rezultate s manje napora – ali također zahtijeva povjerenje da AI ispravno rukuje informacijama. Održavanje tog povjerenja je razlog zašto su tvrtke oprezne: primjerice, Google postupno uvodi svoje generativne sažetke i naglašava da su eksperimentalni, upravo zbog tih izazova interpretacije. Transparentnost (poput davanja poveznica na izvore) jedno je od rješenja koje omogućuje korisnicima da provjere AI-odgovore microsoft.com microsoft.com. Kako AI nastavlja napredovati, možemo očekivati još pametnije filtriranje (npr. prepoznavanje dezinformacija ili proturječnih informacija), sofisticiranije rangiranje (možda personalizirano prema korisnikovim preferencijama), i bogatiju interpretaciju (možda će AI sažimati čitave teme ili nuditi usporedne poglede).

7. Utjecaj AI-a na digitalno oglašavanje i kreiranje sadržaja radi vidljivosti

Pojava pretrage pogonjene umjetnom inteligencijom potresa ekonomiju interneta – osobito digitalno oglašavanje (industriju vrijednu više od 200 milijardi dolara uvelike izgrađenu na prometu s tražilica) i načine na koje se kreira sadržaj da bi privukao publiku.

Oglašavanje u svijetu AI pretrage: Tražilice poput Googlea tradicionalno zarađuju prikazivanjem oglasa uz rezultate pretrage. Ako korisnik klikne na oglas, Google ostvaruje prihod. Ali što se događa kad vam AI odgovori izravno? Manje klikova na rezultate može značiti i manje pojavljivanja oglasa i klikova na njih. Zapravo, rana analiza izaziva zabrinutost među oglašivačima: s AI odgovorima pri vrhu stranice, organski klikovi su znatno pali i mnoge pretrage završavaju bez da korisnik klikne na išta (kao što smo već raspravili, do 77% “no-click” pretraga za AI-odgovore adweek.com). Ako je korisnik zadovoljan AI sažetkom, možda neće uopće doći do oglasa ili organskih rezultata.

Google je toga svjestan i aktivno eksperimentira s načinima integracije oglasa u AI iskustvo. Sundar Pichai (izvršni direktor Googlea) uvjerio je ulagače da imaju “dobre ideje za nativne koncepte oglasa” za AI chat rezultate adweek.com. U trenutačnom Search Generative Experience, Google doista uključuje oglase – obično nekoliko sponzoriranih poveznica ili rezultata za kupovinu – unutar ili neposredno ispod AI okvira za pregled, jasno označeno kao oglas. Trude se da ti oglasi djeluju prirodno, tako da čak i ako korisnik ne klikne na standardnu plavu poveznicu, možda ugleda relevantan sponzorirani prijedlog. Primjerice, ako je AI sažetak o najboljim povoljnim pametnim telefonima, u tom kontekstu mogao bi se pojaviti sponzorirani rezultat za određeni model mobitela.

Ipak, to je delikatna ravnoteža. Zadatak AI-a je dati korisniku ono što želi; previše nametljivo umetanje oglasa može narušiti korisničko iskustvo. Iz Googlea su izrazili uvjerenje da ako ispravno postave korisničko iskustvo s AI-em, s vremenom će dokučiti i dio oko oglašavanja adweek.com – implicirajući da je prvo važno privući korisnike, a tek potom monetizirati. Jedna zanimljiva mogućnost je da AI pretraga može omogućiti ciljanije oglase. Ako AI bolje razumije nijansu korisničkog upita, može prikazati oglas koji je iznimno relevantan stvarnoj potrebi korisnika. Na primjer, u AI razgovoru o planiranju planinarenja, oglas za određenu opremu mogao bi se prikazati baš kad korisnik razmišlja o onome što mu treba. To je oblik kontekstualnog oglašavanja, unaprijeđen AI-evim razumijevanjem razgovora.

Neki oglasni stručnjaci idu toliko daleko da tvrde kako će tradicionalni način kupnje oglasa prema ključnim riječima gubiti smisao. Ako korisnici ne upisuju ključne riječi, već postavljaju pitanja, kako se oglašivači uopće mogu pojaviti? Jedan bivši Googleov oglasni direktor predvidio je: “prvi put u 20 godina, zapravo vjerujem da su ključne riječi mrtve” adweek.com – sugerirajući kako će se industrija možda usmjeriti na ciljanje prema temama ili namjerama koje AI prepoznaje, umjesto prema specifičnim pojmovima za pretragu.

Za sada je Googleov oglasni posao iz pretrage još uvijek ogroman, ali pod pritiskom. Konkurenti poput Amazona uzimaju dio tržišta oglasa za pretrage proizvoda, a ako AI smanji ukupan broj lako unovčivih pretraživanja, Googleova dominacija mogla bi oslabiti. Prema istraživanju tržišta navedenom u Adweeku, predviđa se da će Googleov udio u prihodima od oglasa na američkom tržištu pasti sa 64% prije deset godina na oko 51,5% do 2027. adweek.com, zbog navedenih promjena i konkurencije. S druge strane, ako AI pretraga dovede do veće angažiranosti (ljudi postavljaju više pitanja), mogu se otvoriti nove prilike za prikaz oglasa tijekom duljih sesija, čak i ako svaki upit donosi manje klikova. Bing, primjerice, također smješta oglase u svoj chat sučelje i izvještava o solidnom postotku klikova na relevantne oglase.

Kreiranje sadržaja i vidljivost: S druge strane jednadžbe su kreatori sadržaja – informativni portali, blogeri, poslovne web stranice – koji su tradicionalno ovisili o prometu s tražilica (bilo kroz SEO, bilo kroz klikove na oglase). AI pretraga ovo mijenja na dva načina:

1. Manji promet za izdavače: Ako AI odgovore daje izravno na stranici pretrage, korisnici ne klikaju dalje, već ostaju na tražilici. Izdavači su zabrinuti zbog gubitka posjetitelja i prihoda. Već smo vidjeli da je udio “zero-click” pretraga u 2023. bio iznad 65% i očekuje se da će uskoro premašiti 70% 1950.ai. Neki izdavači uspoređuju AI isječke s ranijom “featured snippet” situacijom – ali sada AI može povući sadržaj s više stranica i korisnik dobije odgovor a da nikad ne posjeti taj izvor. To mijenja tradicionalnu ravnotežu web ekosustava, gdje su tražilice dovodile posjete stranicama, a one monetizirale kroz oglase ili pretplate. Ako AI postane glavno sučelje za korisnika, kreatori sadržaja možda neće dobiti zaslugu ni posjete. Raspravlja se o novim rješenjima – primjerice, neki predlažu da AI odgovori uvijek moraju jasno citirati izvor ili čak nadoknaditi originalnim kreatorima (nadogradnja rasprava iz vremena Google News isječaka). I regulatorna tijela na to paze: EU i druge zemlje ispituju bi li korištenje sadržaja izdavača u AI odgovorima moglo kršiti autorska prava te zahtijevati podjelu prihoda u određenim slučajevima 1950.ai.
2. Nadolazeći val AI-generiranog sadržaja: Samo kreiranje sadržaja AI je revolucionirao. Marketinški stručnjaci i autori sad raspolažu alatima poput GPT-4 koji omogućuju izradu blogova, opisa proizvoda, objava na društvenim mrežama – i toga svega u velikim količinama. To može biti poticajno za produktivnost – mala tvrtka može podići vidljivost stranice bez velikog tima autora. No to vodi i do zasićenja sadržajem. Ako svatko može plasirati desetke AI-članaka, web se može preplaviti ponavljajućim ili niskokvalitetnim materijalom. Tražilice tada moraju još bolje filtrirati (kako je spomenuto uz “helpful content” nadogradnje koje guraju sadržaj pisan za ljude). Google je naveo da AI-generirani sadržaj nije automatski protiv pravila, ali sadržaj napravljen isključivo radi manipulacije rangiranjem (spam) bit će kažnjen, bez obzira na to je li ga izradio čovjek ili AI seo.ai. Dakle, forsira se kvaliteta ispred kvantitete. Zapravo, to podiže razinu za autore: prosječna kvaliteta generičkog sadržaja može rasti (jer AI brzo nudi “pristojan” tekst), pa da bi se istaknuli i ostali vidljivi, ljudski pečat, originalnost, iskustvo i stručnost postaju presudni. U SEO zajednici se sve više govori da je E-E-A-T važniji nego ikad u AI eri – primjerice, imate li izvorno iskustvo ili vlastito istraživanje u sadržaju, veća je šansa da će vaš sadržaj AI prepoznati kao vrijedniji od AI-sažetka već objavljenih i poznatih informacija beepartners.vc.

S druge strane, AI može pomoći kreatorima sadržaja da optimiziraju rad. Može analizirati podatke o pretragama i predložiti teme o kojima treba pisati ili čak pomoći optimizirati sadržaj za uključivanje u AI isječke (npr. strukturiranjem teksta u Q&A formatu, jer AI i glasovni asistenti preferiraju sažete formate pitanja i odgovora). Algoritmi za preporuku sadržaja (kao kod YouTubea ili TikToka) također koriste AI za prikazivanje radova kreatora novoj publici. To može biti korisno ako AI dobro spaja sadržaj i interese korisnika. Danas postoji nova niša “AI-era SEO”, gdje autori razmišljaju ne samo “Kako se rangirati na Googleu?” već i “Kako postati izvor kojeg AI asistenti žele citirati ili linkati?” Tehnike uključuju jamčenje točnosti (da postanete pouzdan izvor), korištenje schema metapodataka (da AI lakše razumije sadržaj), te izgradnju brenda (ako AI zna da je vaša stranica autoritet, vjerojatnije je da će uzimati informacije upravo s nje).

Izrada oglasnog sadržaja: Oglašivači sami koriste AI za kreiranje sadržaja – na primjer, generiraju mnogo varijanti oglasnog teksta i dopuštaju da AI platforme odabere onu koja najbolje prolazi. Google Ads je počeo uvoditi AI alate koji mogu generirati naslove i opise oglasa na temelju sadržaja web stranice. Tako AI pojednostavljuje izradu oglasa i potencijalno čini oglašavanje učinkovitijim. Također može automatski prilagoditi oglase različitim publikama (dinamična personalizacija, poput prikazivanja različitih slika različitim demografskim skupinama). U oglašavanju na društvenim mrežama, AI pomaže kod ciljanja i optimizacije kreativnih rješenja (poput Facebookovih algoritama koji uče koji vizuali oglasa postižu najviše angažmana kod kojih korisnika).

Zaključno, AI iz temelja mijenja poticaje i metode u digitalnom oglašavanju i sadržaju. Oglašivači se moraju prilagoditi novim formatima (poput unošenja svog brenda u AI odgovore iz čavrljanja ili osiguranja prisutnosti kad AI daje preporuke). Izdavači i kreativci traže nove strategije za održavanje vidljivosti i prihoda – bilo da optimiziraju za prepoznavanje kao izvor kojeg AI citira, diverzificiraju izvore prometa ili i sami koriste AI za stvaranje iznimnog sadržaja. Ovo je područje koje se brzo razvija, a industrija pažljivo prati kako će se izbalansirati odnos između AI odgovora i referral prometa. Možemo očekivati nove oblike partnerstva ili modele kompenzacije (na primjer, 2023. godine OpenAI je lansirao dodatak za web preglednik koji zapravo dohvaća sadržaj sa stranica i prikazuje ga korisniku, potencijalno zajedno sa stranicinim oglasima – jedan način kako izdavačima osigurati vrijednost dok se koristi AI). Jedino što je sigurno je da se priručnici za digitalni marketing moraju iznova pisati.

8. Etička i privatnosna pitanja kod AI-asistiranog pretraživanja

Integracija AI-a u pretraživanje i pregledavanje weba donosi ne samo napredak, već i etičke i privatnosne izazove koji zahtijevaju pažljivu razradu:

Dezinformacije i pristranost: Kao što je već spomenuto, AI sustavi ponekad mogu pružiti netočne informacije sa snažnom uvjerljivošću. To otvara etička pitanja – korisnici mogu biti dovedeni u zabludu AI odgovorom koji zvuči vrlo autoritativno, a zapravo je netočan. Primjerice, ako AI netočno odgovori na medicinsko ili pravno pitanje, posljedice mogu biti ozbiljne. Etički gledano, pružatelji AI pretraživanja moraju svesti ovakve “halucinacije” na minimum i jasno komunicirati neizvjesnost. Opažamo napore u tom smjeru: AI sučelja za pretraživanje često uključuju odricanja od odgovornosti (npr. “Generativni AI je eksperimentalan i možda nije točan”) blog.google i potiču korisnike da provjere citirane izvore. Prisutna je i tema pristranosti u AI-ju. Ti modeli uče iz web podataka, koji mogu sadržavati društvene predrasude ili iskrivljena stajališta. Bez korekcije, AI može, primjerice, reflektirati rodnu ili rasnu pristranost u svojim odgovorima (poput povezivanja određenih zanimanja s jednim spolom) ili dati preveliku težinu mišljenju većine, dok manjine ostaju podzastupljene. Etički gledano, tvrtke rade na usklađivanju – tehnikama kako bi AI odgovori bili pravičniji i činjenicama primjereniji – no to je stalni izazov koji traži transparentnost i raznovrsne analize.

Transparentnost: Treba li AI, kada pruži odgovor, otkriti kako je do njega došao? Mnogi smatraju da da. Zato su citirani izvori važni – korisnici imaju pravo znati “Prema kome?” je odgovor točan. Zapravo, jedna od zamjerki ranim zatvorenim AI sustavima bio je izostanak transparentnosti (problem “crne kutije”). Pružanjem izvora ili barem objašnjenjem (npr. “Ove informacije pronašao sam na Wikipedia i Britannica”), AI pretraživači mogu biti transparentniji i omogućiti korisnicima provjeru informacija microsoft.com microsoft.com. Također postoji tendencija da AI sustavi priznaju neizvjesnost umjesto da izmišljaju odgovore. Tradicionalni pretraživač bi na vrlo neobični upit mogao jednostavno reći “nema pronađenih rezultata”. AI je sklon odgovoriti na sve, čak i ako mora izmisliti. Etički gledano, možda je bolje da AI ponekad odgovori “Nisam siguran” ili “Nisam pronašao podatke o tome”. Danas su mnogi AI chatboti podešeni da odbiju odgovoriti na određena pitanja ili izraze nesigurnost (primjerice, ChatGPT može reći “Nemam podatke o tome” ako ih zaista nema). Takvo je ponašanje bolje od toga da korisnika dovede u zabludu, iako je možda manje zadovoljavajuće.

Privatnost korisnika: AI-asistirano pregledavanje najčešće znači da se više korisničkih podataka obrađuje radi personalizacije i poboljšanja rezultata. To otvara pitanje privatnosti: kako se ti podaci pohranjuju? Tko im ima pristup? Mogu li biti procureni ili zloupotrijebljeni? Značajan incident dogodio se početkom 2023. godine kada je talijanska agencija za zaštitu podataka privremeno zabranila ChatGPT zbog zabrinutosti za privatnost reuters.com. Regulator je naveo kako OpenAI nema pravnog temelja za prikupljanje ogromnih količina osobnih podataka za trening modela, i da korisnici nisu bili pravilno obaviješteni kako se njihovi podaci (uključujući razgovore) mogu pohranjivati i koristiti reuters.com reuters.com. Kao odgovor, OpenAI je implementirao mjere: veću transparentnost u politici privatnosti, alat za verifikaciju dobi (pošto je bilo zabrinutosti za podatke maloljetnika) i opciju da korisnici isključe mogućnost korištenja njihovih chat zapisa za trening modela reuters.com. Ova epizoda naglašava da AI alati moraju biti u skladu sa zakonima o zaštiti podataka. Opća uredba o zaštiti podataka (GDPR) u EU i slični zakoni zahtijevaju opravdane svrhe za prikupljanje podataka i korisnicima omogućuju zahtjev za brisanje ili isključenje. Usluge poput ChatGPT-a sad omogućavaju korisnicima isključivanje povijesti razgovora (što znači da se njihovi razgovori ne koriste za daljnje treniranje AI-ja).

Dodatno, kad AI agenti za pretraživanje pregledavaju web u vaše ime, postavlja se pitanje koliko vašeg konteksta se dijeli. Na primjer, ako AI pomaže kod rezervacije leta, moguće je da koristi vašu lokaciju ili druge osobne podatke. Važno je osigurati da ti detalji ne budu nenamjerno izloženi trećim stranama. Dizajneri AI rješenja često moraju implementirati zaštitne mjere: i da spriječe otkrivanje osjetljivih podataka u izlazima i da ih zaštite u pozadini. Jednostavan primjer, ako pitate AI “Koja je moja trenutna lokacija?” najčešće će to odbiti iz razloga privatnosti (zapravo, mnogi asistenti to neće odati osim ako nije zahtjev sa svjesnim dopuštenjem korisnika).

Sigurnost podataka: S više povjerenih podataka, sigurnost tih podataka postaje ključna. AI modeli mogu nenamjerno zapamtiti podatke iz trening skupa, uključujući i osobne podatke. Bilo je slučajeva gdje je starija verzija GPT-2 povremeno izbacivala dijelove svog podučnog skupa doslovno (poput dijelova zaštićenih članaka ili koda). Ovakvi rizici jedan su od razloga zašto se tvrtke trude ‘izčistiti’ skupove za učenje od osobnih podataka (PII), a korištenje korisničkih razgovora za trening je kontroverzno. Posebno su oprezni poslovni korisnici – mnoge kompanije zabranile su zaposlenicima unošenje povjerljivih informacija u ChatGPT, iz straha da bi to moglo procuriti. (Primjer: neki zaposlenici Samsunga su navodno kopirali osjetljivi kod u ChatGPT, koji je tada postao dijelom podataka za trening OpenAI-ja, što je dovelo do moguće kompromitacije). Kao odgovor, poslovne verzije ovih AI usluga nude jamstva da se podaci neće koristiti za učenje modela, te nude enkripciju i audit logove kako bi zadovoljili korporativne sigurnosne zahtjeve.

Etička uporaba sadržaja: Još jedan etički aspekt odnosi se na sadržajnu stranu – je li pošteno da AI koristi sav web sadržaj za generiranje odgovora? Neki tvrde da je to transformativna uporaba i doprinosi društvu sintetiziranjem znanja. Drugi (poput određenih umjetnika ili pisaca) smatraju da AI koristi njihova djela bez nadoknade ili priznanja. Zbog toga dolazi do rasprava, pa čak i tužbi (npr., neki autori tuže OpenAI jer je njihova djela koristio pri treniranju modela bez dopuštenja). Ishod može oblikovati pravila prikupljanja podataka za trening. Već se u EU prijedlogu Zakona o AI-u možda zahtijeva navođenje zaštićenih materijala korištenih za učenje generativnog AI-ja reuters.com. Možda ćemo vidjeti pretraživače koji nude izdavačima opcije isključivanja (primjerice, poseban tag “nemoj koristiti moj sadržaj u AI sažetcima”), slično kao što se isključuje iz indeksacije putem robots.txt. Ustvari, Google je najavio “NoAI” meta oznaku kojom bi stranice mogle zabraniti njihovim crawlerima korištenje sadržaja za AI trening ili izvatke – ideja koja će se vjerojatno brzo razvijati.

Autonomija i ovisnost korisnika: Etički gledano, nameće se i pitanje kako AI može oblikovati ponašanje i stavove korisnika. Ako AI asistenti postanu glavni “vratari” informacija, hoće li korisnici postati previše ovisni o jednom izvoru? Može li to olakšati zlonamjernicima pokušaj utjecaja na AI i tako dovesti milijune u zabludu? Time se puno moći koncentrira u ruke vlasnika AI modela. Društvo će vjerojatno zahtijevati nadzor i odgovornost – primjerice, neovisne provjere AI sustava radi pravičnosti i točnosti. S druge strane, AI bi mogao demokratizirati pristup informacijama za one koji teško koriste tradicionalne načine – primjerice, osobe s teškoćama u čitanju ili pisanju mogu sada postavljati pitanja glasom, a odgovori im se čitaju naglas. To je etička korist: veća inkluzivnost i dostupnost znanja.

Trgovina između privatnosti i personalizacije: Kao što je spomenuto u odjeljku 5, visoko personalizirane AI usluge mogu ponuditi veliku korisnost, ali zahtijevaju korištenje osobnih podataka. Ključ je pronaći pravu ravnotežu. Vjerojatan pristup je davanje kontrole korisnicima – neka sami odluče žele li personalizaciju i jasno ih informirati o tome koji će se podaci koristiti (kao što je Google napravio dopuštajući integraciju Gmaila u AI pretragu, ali samo uz korisnikov pristanak, blog.google). Također, izgradnja snažnih metoda anonimizacije – korištenje podataka u agregatu ili obrada podataka na uređaju – može pomoći u zaštiti privatnosti (na primjer, neke AI funkcionalnosti mogu se izvršavati lokalno na vašem uređaju tako da sirovi podaci nikada ne napuštaju uređaj).

U sažetku, etički i privatni pejzaž AI-a u pregledavanju vrti se oko povjerenja. Korisnici trebaju vjerovati da im AI pruža točne i nepristrane informacije te čuva njihove osobne podatke. To zahtijeva stalna poboljšanja u transparentnosti AI-ja (prikazivanje izvora, priznavanje nesigurnosti, dopuštanje revizija), praksi postupanja s podacima (usklađenost sa zakonima o privatnosti, davanje korisnicima kontrole nad podacima) i etike sadržaja (poštivanje intelektualnog vlasništva i truda stvaratelja sadržaja). Tvrtke koje uvode AI u pretragu pod posebnim su povećalom da to izvedu kako treba. Vjerojatno ćemo vidjeti daljnje nadogradnje AI ponašanja (npr. manje izmišljanja podataka kako se modeli poboljšavaju), nove privatnosne značajke (poput detaljnijih odjava od obrade podataka i kontrole zadržavanja podataka) te moguće regulatorne okvire (vlade koje pišu pravila za AI usluge, slično kao što su donijele pravila o zaštiti podataka i online sadržaju u prošlosti).

9. Predviđanja budućnosti: AI agenti, ambijentalna pretraga i virtualni asistenti

Gledajući unaprijed, granica između “tražilice”, “preglednika” i “asistenta” nastavit će se mutiti. AI agenti koji mogu autonomno izvršavati zadatke online su na pomolu, a pretraga će postajati sve integriranija u svakodnevne kontekste (ambijentalno računanje). Evo nekih ključnih predviđanja i trendova za budućnost pregledavanja/pretrage:

• Autonomni AI agenti za zadatke: Umjesto samog dohvaćanja informacija, budući AI sustavi moći će izvršavati radnje u ime korisnika. Već sada vidimo prve primjere poput Googleovih AI “agentskih mogućnosti” u pretrazi. Google je demonstrirao AI koji, kad ga pitate da pronađe ulaznice za koncert, može pretražiti više web stranica s kartama, usporediti opcije pa čak i započeti popunjavanje obrazaca za kupovinu – ostavljajući konačan izbor korisniku blog.google. Drugim riječima, AI nije samo tražio informacije (“koje su ulaznice dostupne”), nego i izvršio dijelove transakcijskog toka (“upiši broj ulaznica, provjeri cijene na raznim stranicama”). To upućuje na budućnost u kojoj bi AI mogao biti concierge za sve. Zamislite da kažete: “AI, rezerviraj mi tjedan dana odmora na nekom otočkom odredištu s budžetom od 2.000 dolara” – a AI pretražuje letove, hotele, možda čak i čita recenzije, zatim vam predstavi plan ili ide u realizaciju nakon vašeg odobrenja. Microsoft ide u istom smjeru sa svojom vizijom “copilota” koji pomaže ne samo u pronalasku informacija nego i u izvršavanju zadataka (Windows Copilot već sada može podešavati postavke ili sažeti dokument za vas; buduće verzije bi možda mogle automatski upravljati vašim kalendarom ili e-mailovima). Ovi agenti će se oslanjati na web pretragu, ali i na integrirane usluge i API-je. Oni doslovno tretiraju web kao bazu podataka radnji kao i informacija. Primjerice, AI agent bi mogao koristiti OpenTable API za rezervaciju restorana ili koristiti scraping tehniku za popunjavanje obrazaca na manje strukturiranim stranicama. Ovo otvara zanimljiva pitanja: Hoće li web stranice morati imati AI-prijateljska sučelja (API-je ili strukturirane podatke) kako bi ih agenti mogli koristiti? Vrlo moguće. Već sada, usluge poput Googleovog Duplexa (koji može zvati restorane za rezervacije) nagovještavaju ovu agentsku budućnost. U SEO-u i marketingu neki već nagađaju o “AI lijevcima” – gdje se više ne optimizira samo za ljudski korisnički put, već za AI agente koji biraju proizvode ili sadržaje za korisnika. Važno: ako AI agent bira koji brend proizvoda da kupi za vas, tvrtke će morati osigurati da ih AI uzima u obzir. To bi moglo iznjedriti novu vrstu optimizacije – optimizaciju za AI agente, analogno SEO-u. Kako je jedan SEO stručnjak rekao, “AI sustavi birat će brendove koje će preporučivati, a vaš zadatak je osigurati da izaberu vas.” xponent21.com. To podrazumijeva izvrsne metapodatke proizvoda, dobre cijene i povjerenje u brend – jer AI u ulozi zastupnika korisnika vjerojatno je podučen maksimiziranju korisničkog zadovoljstva (primjerice, mogao bi favorizirati brendove s boljim recenzijama ili duljom garancijom). Dakle, tvrtke bi u budućnosti možda morale “osvajati” AI evaluatore, a ne samo direktno ljudske potrošače.
• Ambijentalna pretraga i kontinuirana asistencija: Koncept ambijentalne pretrage znači da se pretraga zbiva u pozadini naših života, spremna pružiti informacije proaktivno. Već se krećemo prema sveprisutnom računanju – pametni uređaji su posvuda oko nas. U budućnosti vaše naočale za proširenu stvarnost (AR) možda će stalno prepoznavati što gledate i automatski nuditi informacije (oznake, upute, prijevode) čak i kad eksplicitno ne postavljate upit. To je oblik pretrage, pokrenut implicitno kontekstom. Na primjer, dok šetate ulicom, AR naočale prikazuju ocjene restorana pored kojih prolazite – to je iskustvo ambijentalne pretrage, kombinirajući lokaciju, viziju i AI. Ili pak, glasovni asistenti svjesni konteksta koji slušaju tragove. Ako vodite razgovor (uz vašu privolu), vaš asistent bi mogao u pozadini pronalaziti činjenice relevantne za temu i ponuditi ih kad zatražite. Ili, AI asistent u vašem automobilu mogao bi vas proaktivno upozoriti: “Niska vam je razina goriva, a 2 km dalje je najpovoljnija benzinska postaja” – praktički pretražujući cijene goriva i lokacije jer je prepoznao potrebu. Ambijentalno računanje često uključuje prediktivni AI: predviđanje potreba. Googleova potpredsjednica za pretragu, Elizabeth Reid, opisuje cilj kao da je traženje Googlea lako poput postavljanja pitanja svemogućem prijatelju, prirodno integriranom u vašu okolinu 1950.ai. U praksi, mogli bismo doći do točke kad gotovo nikad ne tipkate upite; kombinacija senzora (vida, lokacije, zdravlja itd.) i AI-ja zna kad treba prikazati korisne informacije. Povjerljivost ovdje mora biti ključna – ambijentalna pretraga trebala bi biti pod strogom korisničkom kontrolom (nitko ne želi jezivog asistenta koji prisluškuje ili drugima prikazuje vaše podatke bez pristanka). Najvjerojatnije će budući uređaji imati posebne načine rada koje korisnik uključuje/isključuje za ambijentalnu asistenciju, kao što danas možete aktivirati/deaktivirati “Hej Siri” ili “OK Google” slušanje.
• Nove generacije virtualnih asistenata: Digitalni asistenti poput Siri, Google Assistant, Alexa itd. postat će mnogo moćniji integriranjem velikih jezičnih modela. Google je već najavio Assistant with Bard, praktički spajajući svoj glasovni asistent s Bardom (svojim LLM-om) analyticsvidhya.com. To znači da asistent, umjesto predefiniranih odgovora, može generirati bogate, konverzacijske odgovore i izvršavati kompleksnije zadatke. Možemo očekivati asistente koji tečno obavljaju višekorakne zahtjeve (npr. “Asistentu, pomozi mi organizirati vikend okupljanje: pronađi mjesto, pošalji svima mail s upitom o raspoloživosti i sastavi raspored”). Također će vjerojatno biti osobniji i bolji u održavanju duljih razgovora (možda napokon ostvarujući SF viziju pravog razgovornog AI pomoćnika). Sasvim je moguće da će za nekoliko godina imati “AI tajnicu” biti normalno – agenta koji upravlja vašim danom (čita i sažima emailove, zakazuje sastanke koje smatra potrebnima, podsjeća vas na zadatke itd.). Microsoft 365 Copilot već ide u tom smjeru za uredski rad. Za osobni život pojavit će se slični agenti.
• Integracija s IoT uređajima i drugim izvorima podataka: Pretraga budućnosti mogla bi biti povezana s vašim osobnim podacima – razmislite o pretrazi vlastite digitalne prošlosti. Ako imate pametne uređaje koji prate vaše zdravlje, mogli biste pitati: “Kad sam zadnji put imao trening na kojem sam trčao više od 5 km?” i AI bi odgovorio koristeći podatke vaše pametne narukvice. Ili “Pronađi onaj recept koji sam spremao prošli mjesec s gljivama” pa AI pretražuje zapisnik vaše pametne pećnice ili osobnih bilješki. U biti, pretraga će nadmašiti javni web i pokrivati ​​osobne i podatke senzora, s AI-jem kao vezivnim tkivom. To je i moćno i vrlo osjetljivo (opet, privatnost!), pa će implementacija biti oprezna.
• Neuralna sučelja i novi modaliteti: U daljoj budućnosti, neke tehnološke kompanije istražuju izravna sučelja mozak-računalo. Ako bi ona postala izvediva, “pretraživanje” bi bilo brzo poput misli. To je za sada spekulativno, ali prikazuje trend smanjenja trenja u korištenju tehnologije. Na pragmatičnoj razini, multimodalni AI modeli (poput nadolazećih verzija GPT-a i Googleovog Geminija) neprimjetno će obrađivati tekst, slike, zvuk, pa čak i video. Tako ćete možda imati AI koji može pregledati video umjesto vas i odgovoriti na pitanja o njemu. Primjerice: “AI, pregledaj ovaj 1-satni snimak sastanka i reci mi ključne odluke.” To je kao pretraga unutar audiovizualnog sadržaja. Ili prijevod i kontekst u stvarnom vremenu – nosite slušalice koje ne samo da prevode govor, već i iznose relevantne informacije o onome što se spominje u razgovoru (npr. netko spomene tvrtku, AI vam šapne najnovije vijesti o toj tvrtki).
• Društvene i poslovne promjene: Kako AI agenti preuzimaju sve više zadataka pretrage i pregledavanja, mogli bismo vidjeti promjene ili nestajanje nekih zanimanja. Npr., uloga ljudskog turističkog agenta ili korisničke podrške mogla bi se preoblikovati u nadgledanje AI agenata koji odrađuju teške zadatke. Industrija marketinga za pretrage (SEO/SEM) pretvorit će se u nešto novo (neki kažu da će to postati više poput optimizacije za odgovorne mehanizme, pa čak i pokušaja da se vlastiti podaci/vještine integriraju u AI asistente). Tvrtke će možda morati izravno davati podatke tim ekosustavima (putem API-ja, feedova) kako bi ostale vidljive. Možda ćemo svjedočiti novim partnerstvima, gdje tvrtke izravno dostavljaju svoj sadržaj AI platformama za zajamčeno uključivanje (neke novinske organizacije već pregovaraju oko pružanja sadržaja Microsoftovom Bing AI-ju, na primjer).

S korisničke strane, ako AI postane duboko integriran, digitalna pismenost morat će uključivati razumijevanje AI-ja: npr., znati kako postaviti prava pitanja (vještine promptanja) i kako provjeriti AI odgovore. Obrazovni sustavi mogli bi uključiti korištenje AI-ja kao alata, ali i učiti kritičkom mišljenju – ne prihvaćati AI odgovore zdravo za gotovo.

U suštini, budućnost pretraživanja i pregledavanja interneta kreće se prema iskustvu posredovanom umjetnom inteligencijom (AI) gdje se korisnikova namjera može ostvariti uz minimalno trenje, moguće čak i bez tradicionalnih web-stranica za mnoge zadatke. Pretraživanje će postati više usmjereno na akciju (ne samo pronaći informacije, nego nešto i obaviti) i svjesno konteksta. Tradicionalno surfanje internetom moglo bi postati više nišna aktivnost, rezervirana za dubinsko istraživanje ili uživanje u ručnom istraživanju – dok će mnoge svakodnevne upite (“pronađi ovo, kupi ono, pokaži mi kako, reci mi sad”) obrađivati AI putem glasovnih ili drugih sučelja.

Implikacije su ogromne: informacije postaju pristupačnije, ali i više posredovane AI-em. Tvrtke koje upravljaju tim AI posrednicima (poput Googlea, Microsofta, OpenAI-a, Applea, Amazona) mogle bi imati još veći utjecaj, što naglašava važnost konkurencije i otvorenih ekosustava. Tu postoji i optimističan kut gledanja: AI agenti mogli bi pomoći premostiti jaz u pristupačnosti (za one koji prije nisu mogli učinkovito koristiti internet), a mogli bi preuzeti i dosadne zadatke, oslobađajući ljude za kreativnije pothvate.

Ukratko, ulazimo u eru ambijentalnog, agenskog i konverzacijskog računarstva. To je kao da imate super-pametnog pratitelja koji za vas može navigirati digitalnim svijetom. Temeljna načela pretraživanja – pronađi najbolje informacije – ostaju, ali kako se te informacije pronalaze i isporučuju dramatično će se promijeniti, postajući duboko integrirane u naše živote putem AI-a.

10. Tehnička osnova: LLM-ovi, neuronsko pretraživanje i vektorske baze podataka

AI transformacije u pretraživanju pokreću napretci u osnovnim tehnologijama. Razumijevanje tih temelja daje uvid u to kako funkcionira AI pretraživanje:

• Veliki jezični modeli (LLM-ovi): Ovo su golemi modeli neuronskih mreža (poput GPT-4, PaLM-a ili Googleovog Geminija) trenirani na masivnim korpusima teksta. LLM-ovi čine mozak konverzacijskog i generativnog pretraživanja – oni generiraju odgovore nalik ljudskim i mogu razumjeti složeni jezični unos. Tehnički, LLM je duboki “transformer” model koji je naučio statističke obrasce jezika “čitajući” milijarde rečenica. Ne dohvaća činjenice iz baze podataka u tradicionalnom smislu; umjesto toga, implicitno je kodirao mnoštvo znanja u svojim parametrima. Kad mu postavite pitanje, u biti predviđa vjerojatan odgovor temeljen na obrascima koje je vidio tijekom treninga cip.uw.edu. Primjerice, iz brojnih dokumenata je naučio da “glavni grad Francuske je Pariz” često slijedi frazu “glavni grad Francuske”, pa može odgovoriti na to. LLM-ovi su vrlo dobri u jezičnim zadacima (sažimanje, prevođenje, zaključivanje u tekstu itd.), zbog čega su središnji za interpretaciju upita i generiranje odgovora. Međutim, jer LLM-ovi nisu baze podataka, nemaju zajamčenu činjeničnu točnost ni ažurirano znanje osim ako ih se spoji na takvu bazu. Veliki dio nedavnog rada na AI pretraživanju odnosi se na povezivanje LLM-ova i pretraživačkih indeksa – kako bi se dobila fluentnost LLM-a i činjenična utemeljenost baze podataka/weba.
• Neuronsko pretraživanje i vektorske reprezentacije: Tradicionalni pretraživači koriste obrnute indekse i podudaranje ključnih riječi. Suprotno tome, neuronsko pretraživanje predstavlja riječi i dokumente kao vektore (nizove brojeva) u višedimenzionalnom prostoru. To omogućuju neuronske mreže koje kreiraju ugradnje (embeddings) – brojčane prikaze teksta (ili slike, zvuka itd.) tako da je sličan sadržaj smješten blizu u tom prostoru. Primjerice, riječi “pas” i “štene” mogle bi imati vektore blizu jedan drugome, iako su to različite riječi, jer se pojavljuju u sličnim kontekstima. To omogućuje semantičko pretraživanje: ako tražite “savjeti za dresuru šteneta”, neuronski pretraživač može pronaći članak pod nazivom “Kako dresirati svog novog psa” čak i ako ne sadrži riječ “štene”, jer je “pas” semantički sličan “štenetu”. Te ugradnje proizvode neuronski modeli (često također temeljeni na transformerima) i postale su okosnica AI pretraživanja. Google u pretraživanju koristi modele kao što je BERT za ugradnju upita i dokumenata, poboljšavajući podudaranje. Bing radi slično. Kad koristite AI chat pretraživanje, sustav često u pozadini radi vektorsko pretraživanje: ugrađuje vaše pitanje i pronalazi najbliže vektore dokumenata iz vektorskog indeksa. Ovo nadilazi točno podudaranje ključnih riječi i traži konceptualnu sličnost infoworld.com. Vektorske baze podataka: Za podršku neuronskom pretraživanju na velikoj skali, razvijene su specijalizirane baze za pohranu i dohvat vektora. Vektorska baza podataka (poput Pinecone-a, Milvusa ili Facebookove FAISS biblioteke) može pohraniti milijune ili milijarde vektora ugradnje i brzo vratiti najbliže onima iz upitnog vektora infoworld.com infoworld.com. Ovo je presudno za AI pretraživanje – na taj način AI pronalazi relevantno znanje za potkrijepiti svoje odgovore. Primjerice, kada AI na Bingu pitate “Koje su prednosti recikliranja plastike?”, sustav će ugraditi taj upit, pretražiti indeks vektora web-stranica za povezani sadržaj (npr. stranice koje raspravljaju o prednostima/nedostacima recikliranja plastike), dohvatiti najrelevantnije odlomke i proslijediti ih LLM-u kako bi sintetizirao odgovor. Vektorsko pretraživanje je posebno dobro u obradi nestrukturiranih podataka i upita na prirodnom jeziku, kao i multimodalnim podacima. Nije ograničeno na tekst: slike se također mogu ugraditi u vektore (putem računalnih vizijskih modela) što omogućuje “pretraživanje slikom” putem vektorske sličnosti. Zvuk i video mogu se slično vektorizirati. U suštini, vektorske baze podataka i pretraživanje omogućili su pretraživanje na način sličan ljudskom – putem značenja – umjesto doslovnog podudaranja znakova infoworld.com. Zbog toga su rezultati pretrage relevantniji, a to je i velik razlog zašto moderno pretraživanje djeluje pametnije.
• Dohvatom pojačana generacija (RAG): Kombiniranjem LLM-ova i vektorskog pretraživanja dobivamo pristup RAG koji smo ranije spomenuli. Tehnički, RAG sustav ima dvije glavne komponente: dohvatitelj (često vektorski pretraživač koji za upit izvlači N najrelevantnijih dokumenata) i generator (LLM koji uz te dokumente + upit proizvodi konačan odgovor). Ovime sustav nadoknađuje LLM-ov nedostatak ažurnih ili detaljnih znanja tako što povlači stvarne izvore cip.uw.edu. Rezultat je odgovor koji je i tečan i (nadamo se) utemeljen na stvarnim podacima. Ovakav pristup pokreće Bing Chat, Google SGE i niz AI asistenata koji trebaju najnovije informacije. Tehnički gledano, RAG ovisi o dobrim ugradnjama (za pronalazak pravih informacija) i o inženjeringu upita (kako efektivno LLM-u dati dohvaćeni tekst). Često se dohvaćeni tekst konkatinira s upitom poput: “Koristi sljedeće informacije za odgovor na pitanje…” a zatim s korisnikovim pitanjem. LLM tada koristi taj info za sastavljanje odgovora.
• Neuronsko rangiranje i učenje pojačanjem: Osim dohvaćanja, AI se koristi za rangiranje i fino podešavanje rezultata. Pretraživačke tvrtke već neko vrijeme koriste strojno učenje (algoritmi za učenje rangiranja), trenirajući modele na klikovima korisnika kako bi predvidjeli koji bi rezultati trebali biti više. Danas, duboki modeli učenja (poput Googleovog RankBrain-a ili transformer modela s učenjem) rade to. Osim statičkog rangiranja, sustavi poput Bing chata koriste iterativni pristup: mogu proizvesti više potencijalnih odgovora ili koristiti učenje pojačanjem s ljudskim povratnim informacijama za fino podešavanje stila odgovaranja. (OpenAI je poznato koristio učenje pojačanjem iz ljudske povratne informacije – RLHF – kako bi ChatGPT odgovori bili usklađeniji i korisniji.) Dodatno, budući da AI generira odgovore, treba osigurati da slijede određene smjernice (bez govora mržnje itd.). U to su uključeni AI modeli moderacije – klasifikatori koji provjeravaju sadržaj AI izlaza i mogu filtrirati ili mijenjati odgovore koji krše pravila. To je još jedna osnova: svaki put kada pitate nešto AI, obično paralelno radi sigurnosni model koji procjenjuje upit i odgovor.
• Infrastruktura (računalna snaga i latencija): Tehnički, pružanje AI pretraživanja na velikoj skali izazovno je u smislu infrastrukture. LLM-ovi su računski zahtjevni – pokretanje GPT-4 za jedan upit košta daleko više CPU/GPU resursa nego obična pretraga po ključnim riječima. Isto tako, vektorska pretraživanja na golemim indeksima zahtijevaju specijalizirani hardver (GPU ili TPU akceleratore, puno RAM-a ili algoritme za aproksimaciju najbližeg susjeda radi ubrzanja). Tvrtke ulažu u optimizaciju ovog procesa. Google je, primjerice, implementirao TPU čipove u svojim podatkovnim centrima baš radi brzog izvođenja BERT modela za pretraživanje blog.google. Microsoft ima nešto što zove “Orchestrator” za Bing, koji odlučuje kada pozvati veliki GPT model, kako keširati rezultate itd., radi kontrole troškova i brzine. Latencija je velik problem – ljudi očekuju odgovore u sekundi ili dvije. LLM-u za odgovor često treba nekoliko sekundi. Puno inženjeringa ulaže se kako bi to bilo neprimjetno (npr. emitiranje odgovora “token po token”, tako da se čin djelomičnog odgovaranja vidi odmah, iako cijeli odgovor traje dulje). Vremenom, vidjet ćemo učinkovitije modele (distilirani modeli, kvantizirani modeli) koji mogu raditi brže, možda čak i neki koji rade lokalno zbog personalizacije ili offline korištenja.
• Grafovi znanja i hibridni sustavi: Iako su LLM-ovi i vektori novi hit, pretraživanje se u mnogim slučajevima i dalje oslanja na tradicionalne strukturirane podatke. Googleov graf znanja – baza podataka činjenica o entitetima (osobe, mjesta, stvari i njihovi odnosi) – koristi se za odgovor na brojna faktualna pitanja kratkim informativnim okvirom. AI to nije zamijenio; umjesto toga, AI ga može dopuniti (npr. ako graf znanja ima podatak, AI ga može prioritetno koristiti radi točnosti). Mnogi rezultati pretraživanja kombiniraju više sustava: informacijski panel sa strane (strukturirani podaci), nekoliko klasičnih plavih linkova i sada AI sažetak na vrhu. To je hibridni pristup za postizanje najboljeg od svega.
• Otvoreni kod i prilagođeni modeli: Vrijedi napomenuti da svi AI pretraživači neće biti u vlasništvu velikih tvrtki. Postoje LLM-ovi otvorenog koda i vektorske baze podataka koje organizacije mogu koristiti za izgradnju specijaliziranih rješenja pretraživanja – primjerice, tvrtke koje uvode AI pretraživanje nad vlastitom internom dokumentacijom. Vektorske baze poput FAISS-a ili Weaviata mogu se implementirati lokalno, a manji LLM-ovi (ili veći putem API-ja) mogu raditi Q&A. Ova demokratizacija znači da tehničke osnove o kojima govorimo nisu zaključane u “velikim tehnološkim” kompanijama, već postaju standardni alati za programere. To će dovesti do specijaliziranih aplikacija pretraživanja – npr. pretraživač medicinskih istraživanja koji koristi LLM posebno treniran na medicinskim radovima i vektorski indeks najnovijih studija, kako bi liječnicima dao brzu sintezu dokaza za neko pitanje. Ili korporativno pretraživanje koje može pretraživati po svim dokumentima tvrtke i odgovoriti zaposleniku na upit “Ima li naša tvrtka politiku o X?”

Ukratko, tehnička osnova AI vođenog pretraživanja kombinira neuronske mrežne modele za jezik i razumijevanje (LLM-ovi, transformeri) s neuronskim prikazima podataka (ugradnje i vektorsko pretraživanje). Prvi pružaju mozak za razumijevanje i generiranje jezika; potonji daju memoriju za učinkovito pohranjivanje i dohvat znanja infoworld.com infoworld.com. Zajedno, uz dopunu tehnikama poput RAG-a cip.uw.edu, omogućuju pametna iskustva pretraživanja o kojima smo govorili. Kako se istraživanja razvijaju, očekujemo da će ti modeli postati sposobniji (npr. multimodalni modeli koji istovremeno razumiju tekst i slike) i učinkovitiji. Kontinuirana poboljšanja algoritama (kao što su bolji metodi za traženje sličnosti, bolje metode treniranja radi manje halucinacija i dr.) nastavit će usavršavati AI iskustvo pretraživanja – čineći ga bržim, točnijim i pouzdanijim s vremenom.

11. Poslovne i društvene implikacije pretraživanja weba pod dominacijom umjetne inteligencije

Uspon umjetne inteligencije u pretraživanju ne mijenja samo tehnologiju – ima široke implikacije za poslovanje, društvo i globalni informacijski krajolik:

Poslovne implikacije:

• Pomak u prometu i dinamici moći: Web stranice koje su nekad uživale velik promet putem pretraživača mogu osjetiti pad posjeta dok AI odgovori preuzimaju klikove. Internetski izdavači (news portali, „how-to“ stranice itd.) izražavaju zabrinutost da se njihov sadržaj koristi za generiranje odgovora bez dolazaka korisnika na njihovu stranicu (i bez prikaza oglasa, odnosno prihoda za njih). To bi moglo natjerati promjenu poslovnih modela na webu. Neke mogućnosti: izdavači bi mogli tražiti naknadu za korištenje sadržaja (kao što su novinske kuće tražile od Google Newsa u nekim državama), ili bi mogli optimizirati sadržaj kako bi baš oni bili izvor koji AI odabire u sažecima, ili diverzificirati kanale i ne oslanjati se isključivo na promet s pretraživača (korištenje newslettera, društvenih mreža itd. za izravni doseg). Podaci već pokazuju pad organskog prometa – s procjenama da bi do 2025. najpoznatije web stranice mogle imati znatno manje posjeta iz pretraživanja nego nekoliko godina ranije 1950.ai. To financijski pritišće izdavače da se prilagode ili konsolidiraju. Možemo očekivati više paywalla ili pretplatničkih modela ako prihodi od oglašavanja oslabe.
• Prilike za nove igrače: Poremećaj dosadašnjeg poretka u pretraživanju otvara vrata novim sudionicima. Do nedavno je „Google pretraživanje“ bilo praktički sinonim za pronalaženje informacija. Sad postoji prilika za novopridošle (OpenAI, Neeva prije gašenja, Brave Summarizer, mnoštvo startup asistenta za pretraživanje) da pridobiju korisnike koji traže iskustva vođena AI-em. Zapravo, alternativi poput ChatGPT-a i Perplexityja bilježe ogroman rast korištenja, iako sa male početne baze adweek.com. Google i dalje dominira, ali je zanimljivo da je u travnju 2023. globalni promet Google pretraživača blago pao (1% manje na godišnjoj razini), dok su posjete ChatGPT-u i Perplexityju skočile 180% adweek.com. To pokazuje da neki korisnici donekle prelaze na AI za određene upite. Da Google nije odmah uzvratio vlastitim AI-om, mogao je zaostati u ovoj promjeni paradigme. Sada imamo tehnološku utrku: Google, Microsoft (s OpenAI-jem) i drugi (možda Meta, Amazon, Apple sa svojim AI planovima) natječu se za definiciju pretraživanja sljedeće generacije. Poslovna implikacija je značajna: tvrtka koja ponudi najbolje AI pretraživanje mogla bi osvojiti velik tržišni udio. Googleov višegodišnji monopol više nije zajamčen u AI-prvom svijetu (iako njegova veličina i količina podataka pružaju prednost u treniranju AI-ja i održavanju tržišne pozicije).
• Monetizacija i novi reklamni modeli: Već smo spomenuli utjecaj na oglašavanje. To će prisiliti na inovacije u oglasnim modelima. Možda ćemo vidjeti konverzacijske oglase, gdje AI asistent izravno predlaže, primjerice, „Mogu pronaći proizvod za vas – evo sponzoriranog prijedloga.“ Ili brendirane AI pomoćnike (zamislite da AI agent e-trgovca istakne njihove proizvode pri odgovoru). Oglasi u pretraživanju mogli bi se pomicati od nadmetanja za ključne riječi prema nadmetanju za namjere ili teme upita, ili čak položaje unutar AI odgovora (npr. biti naveden kao izvor u AI sažetku može postati vrijedno – slično SEO-u ali možda i uz plaćanje, što bi moglo narušiti povjerenje ako nebude jasno označeno). Dugoročno se postavlja i pitanje: ako AI smanji ukupan broj klikova i tako količinu oglasnog prostora, hoće li cijena oglasnog mjesta porasti? Moguće – manjak prostora mogao bi digati cijene pojedinih oglasa (neki analitičari misle da bi manje ali bolje ciljanih oglasa moglo i dalje donositi jednako ili više prihoda). S druge strane, ako firme teže pronalaze učinkovito oglašavanje, mogu buđete preusmjeriti na druge kanale (kao što su influenceri ili platforme poput Amazona, koji je i webshop i oglasna platforma).
• Nove usluge i tržišta: AI pretraživanje moglo bi stvoriti sasvim nove industrije. Primjer: osobni AI asistenti kao usluga – možda jednog dana svi imamo svog cloud AI-ja prilagođenog nama, a tvrtke prodaju premium AI s posebnim vještinama (npr. AI specijaliziran za financijsko savjetovanje). Ili vertikalni AI pretraživači koji se naplaćuju kroz pretplatu – primjerice AI alat za pravna istraživanja koji koriste odvjetnička društva. Granice između pretraživanja i drugih sektora (obrazovanje, zdravstvo, korisnička podrška) brisat će se kako AI postaje univerzalno sučelje. Tvrtke se trebaju pripremiti za ekonomiju AI agenata: osigurati da im informacije i usluge budu dostupne AI-ju (preko API-ja itd.) i možda koristiti vlastite AI-je za kontakt s klijentima.
• Zapošljavanje i vještine: Sektor pretraživanja i marketinga vidjet će promjenu radnih uloga. SEO stručnjaci možda će više postati kreatori strategije sadržaja i treneri AI-ja, fokusirani na izradu autoritativnog sadržaja i metapodataka koje AI algoritmi favoriziraju. Suprotno tome, niskokvalificirani „output“ sadržaj (pisanje stotina jednostavnih članaka radi SEO-a) vjerojatno će nestajati jer to može automatizirati AI; naglasak će biti na kvalitetnijem sadržaju i unikatnoj ekspertizi. U korisničkoj podršci, kako AI preuzima sve više upita (uključujući web chat i pozive), mijenja se i priroda tih poslova – manje ljudi koji odgovaraju na osnovna pitanja, više onih koji rješavaju kompleksne slučajeve ili nadgledaju AI. Općenito, AI može učiniti neka radna mjesta učinkovitijima, ali traži i nove vještine (npr. kako ispravno postaviti upit AI-ju, kako provjeriti AI odgovore i sl.).

Društvene implikacije:

• Pristup informacijama: Ako AI pretraživanje ispuni svoj potencijal, moglo bi izjednačiti pristup znanju. Ljudi koji su se borili s pretraživanjem (zbog jezičnih barijera, pismenosti itd.) mogu jednostavno pitati i dobiti odgovor. Također može sažeti kompleksne informacije u jednostavnijem jeziku, smanjujući jaz u znanju. Na primjer, pacijent može koristiti AI za pojašnjenje liječničkog nalaza svakodnevnim jezikom. Ovo osnaživanje je pozitivno. No, istovremeno centralizira tok informacija. Ako svi počnu oslanjati na nekoliko AI sustava za odgovore, ti sustavi postaju čuvari pristupa. Time se otvaraju pitanja tko kontrolira AI i koje pristranosti oblikuju odgovore. Vjerojatno će društvo trebati mehanizme (regulaciju, neovisne revizije ili pluralizam izvora) da se osigura da nijedna naracija ili agenda nije nametnuta AI-em.
• Kritičko razmišljanje i obrazovanje: Lako dostupni odgovori mogu imati pozitivan i negativan učinak. S jedne strane, brzi faktografski odgovori oslobađaju nas za dublje promišljanje – nije potrebno pamtiti sitnice kad AI može sve pružiti. S druge, ako korisnici prestanu istraživati izvore i nekritički prihvaćaju AI, mogu previdjeti nijanse ili biti pogrešno informirani ako je odgovor netočan. Obrazovni sustavi mogu se prilagoditi s naglaskom na medijsku pismenost i provjeru činjenica („AI je rekao ovo, ali kako to potvrditi?“). Možda ćemo vidjeti i alate za provjeru AI informacija – npr. dodatak pregledniku koji automatski naglašava izvore činjenica koje nudi AI.
• Diverzitet informacija: Klasično pretraživanje često prikazuje više rezultata i korisnik bira koji link otvara – vidi više perspektiva. AI može sve sažeti u jedan narativ. Hoće li taj narativ biti raznolik i reprezentativan? Za sporne teme, u idealnom slučaju AI bi pokazivao više gledišta („O ovom pitanju neki stručnjaci kažu X, drugi Y“). Na tome se aktivno radi – primjerice, AI sažeci nude nijansirane odgovore. Ali postoji rizik od monokulture znanja ako se pravilno ne uredi. S druge strane, AI može razbiti filter bubble davanjem odgovora koji sintetizira različite izvore, dok si je korisnik možda uvijek birao isti link. Ishod za raznolikost informacija ovisi o dizajnu AI algoritama.
• Pristranost i pravičnost: Društvena je briga da AI može pojačati pristranosti prisutne u podacima na kojima je treniran. Ako se pažljivo ne upravlja, AI pretraga može reflektirati društvene predrasude ili zanemariti manjinske stavove. Time može nenamjerno oblikovati javno mišljenje ili marginalizirati određene grupe. Osiguranje pravičnosti AI odgovora – npr. biranjem uravnoteženih izvora i pažnjom na osjetljive teme – predmet je stalnog istraživanja i debate. Kad netko pita, recimo, „Zašto su ljudi iz grupe X takvi i takvi?“, AI mora oprezno pristupiti odgovoru kako ne bi iznio stereotip ili neprikladnu generalizaciju iz trening podataka. Možda treba ispraviti samu premisu upita ili pružiti podatke koji razbijaju pristranost.
• Regulacija i upravljanje: Kako AI ima sve centralniju ulogu, vlade sve više prate što se događa. Spomenuli smo talijansku odluku oko ChatGPT-a. EU-ov AI zakon, koji će uskoro stupiti na snagu, uvodi obveze za „visokorizične AI sustave“ – vjerojatno uključujući one koji utječu na javno mnijenje (pretraživanje bi moglo spadati u tu kategoriju). To može zahtijevati veću transparentnost u načinu generiranja AI odgovora ili čak algoritamski nadzor. Razmatraju se i antimonopolska pitanja: ako nekoliko tvrtki dominira AI-jem, može li to izazvati probleme za tržišno natjecanje? Već postoji zamijećena koncentracija AI znanja u velikim tvrtkama. No, open-source inicijative mogu to uravnotežiti, a regulatori poticati otvorene ekosustave (kao što je interoperabilnost – npr. dopuštanje vanjskim servisima da se priključe AI asistentima, analogno kao što svaka stranica može biti prikazana na Google pretraživanju).
• Društvene interakcije i ponašanje: Ako virtualni asistenti postanu izuzetno kompetentni suputnici, mogući su i sociološki učinci – ljudi mogu više tražiti informacije ili čak društvo od AI-ja, a manje od stručnjaka ili bližnjih. Primjerice, umjesto da pita prijatelja ili učitelja, korisnik može uvijek pitati AI. To utječe na način kako se znanje prenosi među ljudima. Može dovesti i do izolacije ako nije uravnoteženo – ali s druge strane, AI može pomoći određenim osobama (npr. na autističnom spektru, ili socijalno anksioznima) vježbati komunikaciju bez pritiska. Konačni društveni učinak teško je predvidjeti, ali kako AI asistenti postaju sveprisutni, razvijat će se i norme oko njihove upotrebe (npr., je li pristojno koristiti AR asistenta za informacije tijekom razgovora uživo? Saznat ćemo, kao i s pametnim telefonima).
• Globalna ravnopravnost: Pozitivna strana je što AI modeli mogu biti višejezični i približiti veći dio svijeta internetu. Već sad Bing i Google AI podržavaju mnoge jezike. Netko u ruralnom području s ograničenim obrazovanjem, ali sa smartfonom, može pristupiti znanju glasovnim upitom na svom jeziku i dobiti odgovor – dok mu je pretraživanje weba na engleskom možda bilo nemoguće. To može ubrzati razvoj i obrazovanje. Postoje inicijative raznih tvrtki za treniranje modela na više jezika, uključujući one s malo dostupnih resursa. No pritom treba paziti da informacije na tim jezicima budu kvalitetne i ne predstavljaju samo prijevode jedne perspektive.

Ukupno gledano, poslovne i društvene implikacije pretraživanja pod dominacijom AI-ja su duboke. Suštinski mijenjamo način na koji ljudi pristupaju cjelokupnom zabilježenom znanju. Poslovanja će se morati prilagoditi novim modelima otkrivanja i konkurencije, vjerojatno više surađivati s AI platformama ili razvijati vlastite AI mogućnosti. Društvo će morati prilagoditi norme, obrazovanje, pa možda i regulative kako bi ova nova paradigma donosila dobrobit svima i umanjila štetne posljedice. Pred nama je uzbudljiva budućnost – pomalo nalik prekretnici kad je sam internet postao masovan, samo što je sada posrednik umjetna inteligencija.

Zaključak:

Budućnost internetskog pretraživanja i pregledavanja, koju pokreće umjetna inteligencija, obećava osobnije, razgovornije i integriranije iskustvo. SEO strategije se pomiču prema usklađivanju s načinom razmišljanja AI-a; pojavljuju se novi alati temeljeni na umjetnoj inteligenciji koji izravno odgovaraju na naša pitanja; pretrage prirodnim jezikom i multimodalne pretrage postaju standard; a naši digitalni asistenti postaju sve sposobniji i proaktivniji. U pozadini svega toga, veliki jezični modeli i neuronsko vektorsko pretraživanje su tehnologije koje omogućuju ovu promjenu.

Iako su koristi u pogledu praktičnosti i pristupačnosti ogromne, ovi razvojni trendovi također prisiljavaju na ponovno promišljanje poslovnih modela, etičkih normi i načina na koji vrednujemo informacije. Web kakav poznajemo evoluira iz statičnog indeksa stranica u dinamičnu, AI-kuriranu platformu za znanje i obavljanje zadataka. Tijekom ove tranzicije, održavanje zdravog otvorenog weba – gdje su informacije vjerodostojne, raznolike i gdje su kreatori nagrađeni – bit će ključni izazov.

Stojimo na početku ove transformacije pretrage pokretane umjetnom inteligencijom. Sljedeće godine vjerojatno će donijeti inovacije koje jedva možemo predvidjeti, kao i lekcije naučene iz početnih pogrešaka. Fokusiranjem na potrebe korisnika, pravičnost i suradnju između dionika (tehnoloških tvrtki, izdavača, regulatora, korisnika), budućnost pretrage može biti ona u kojoj AI osnažuje svakoga da pronađe točno ono što treba – i to s povjerenjem i lakoćom.

Izvori:

• Search Engine Land (2025), Kako AI mijenja 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), Boljeg razumijevanja pretraga nego ikad blog.google blog.google
• Bee Partners (2025), Optimizacija SEO-a za AI-preglede beepartners.vc beepartners.vc
• Adweek (2025), Googleova era AI pretrage adweek.com adweek.com adweek.com adweek.com
• Onelittleweb Studija (2025), AI chatbotovi naspram tražilica onelittleweb.com onelittleweb.com
• Yaguara (2025), Statistika pretrage glasom yaguara.co yaguara.co
• Think with Google (2024), Koliko dobro poznajete Google pretragu? business.google.com
• Google Product Blog (2025), Donošenje multimodalne pretrage u AI način blog.google blog.google
• CIP, UW (2024), Pouzdanost generativne AI pretrage cip.uw.edu cip.uw.edu cip.uw.edu
• Google Developers Blog (2023), Izvješće o web neželjenoj pošti 2022. developers.google.com
• InfoWorld (2023), Vektorske baze podataka u pretrazi infoworld.com infoworld.com
• 1950.ai (2023), AI pregledi i Ambient Internet 1950.ai 1950.ai 1950.ai
• Reuters (2023), Italija vraća ChatGPT nakon zabrane reuters.com reuters.com