Hoće li AI stvoriti generaciju ljudi koji znaju sve, a ne znaju ništa?

Zamislimo studenta koji uči finansije. Dobije zadatak da objasni zašto rast kamatnih stopa utiče na vrijednost obveznica.

Umjesto da razmisli, pogriješi, pročita nekoliko stranica i pokuša ponovo, on pita AI. Dobije savršeno strukturirano objašnjenje. Ako ga profesor zatim pita da preda rad, rezultat može izgledati odlično.

Ali šta se zapravo dogodilo u njegovoj glavi? Možda je naučio koncept. A možda je samo naučio gdje da pronađe odgovor.

Ta razlika postaje jedno od najvažnijih pitanja obrazovanja u eri generativne vještačke inteligencije.

I nije riječ samo o teoriji. Jedno randomizirano istraživanje na 120 studenata, objavljeno 2025. godine, pokazalo je da su studenti koji su koristili ChatGPT kao pomoć pri učenju ostvarili slabiji rezultat na testu znanja 45 dana kasnije od grupe koja je učila bez AI-ja, 57,5 posto naspram 68,5 posto.

Autori rezultate povezuju sa smanjenjem kognitivnog napora potrebnog za dugoročno zadržavanje znanja.

Ipak, ovdje treba biti oprezan. To ne znači da ChatGPT ljude čini glupljima.

Naprotiv, druga istraživanja pokazuju da AI može poboljšati akademski učinak. Meta analiza eksperimentalnih studija objavljena 2025. godine zaključila je da ChatGPT u prosjeku može poboljšati akademski učinak i određene složenije kognitivne sposobnosti. Još novija meta analiza iz 2026. godine također je pronašla pozitivan prosječan uticaj na ishode učenja kod studenata.

Dakle, kontradikcija je samo prividna. AI može pomoći čovjeku da bolje riješi zadatak, a istovremeno mu omogućiti da manje nauči.

Upravo je to problem koji obrazovanje tek treba riješiti.

Rezultat nije isto što i sposobnost

Kada kompanija uvede AI, produktivnost može porasti. Ali ako ljudi više ne razumiju proces koji AI obavlja, pojavljuje se nova vrsta rizika, organizacija postaje zavisna od sistema koji njeni zaposlenici možda više ne mogu kvalitetno provjeriti.

U obrazovanju je situacija slična. Student može napisati bolji esej, napraviti bolju prezentaciju, riješiti više matematičkih zadataka ili brže programirati.

Ali nijedna od tih stvari sama po sebi ne dokazuje da je nešto zaista naučio. To je ključna promjena koju moramo razumjeti.

Godinama smo obrazovanje uglavnom gradili oko rezultata, ispita, eseja, prezentacije, projekta i ocjene. AI sada može proizvesti dio tog rezultata.

Zato ćemo morati mnogo ozbiljnije početi procjenjivati ono što je prethodilo rezultatu, kako je student došao do zaključka, šta je odbacio, šta je provjerio, šta je pogrešno pretpostavio, može li isto znanje primijeniti u potpuno novoj situaciji i, možda najvažnije, može li prepoznati kada je AI pogriješio.

Najveća opasnost možda nije AI halucinacija

Kada govorimo o AI-ju u obrazovanju, često se govori o tome da modeli mogu dati netačan odgovor.

To jeste problem. Ali postoji još veći problem, šta ako student dobije tačan odgovor, ali ga nije sam razumio? Pogrešan odgovor možemo provjeriti. Nerazumijevanje je mnogo teže primijetiti.

Jedan od zanimljivijih nalaza istraživanja o korištenju generativne AI u obrazovanju upravo pokazuje da način korištenja alata pravi ogromnu razliku.

U eksperimentu sa srednjoškolcima koji su učili matematiku, učenici koji su koristili osnovni GPT sistem ostvarili su znatno bolje rezultate na zadacima za vježbu. Međutim, na kasnijem ispitu, koji su radili bez pomoći AI-ja, imali su 17 posto lošiji rezultat od kontrolne grupe.

Kada je AI bio dizajniran kao tutor koji je učenike usmjeravao da razmišljaju umjesto da im jednostavno daje rješenja, taj negativni efekat je nestao.

To je možda najvažnija lekcija. Nije pitanje hoće li djeca koristiti AI. Pitanje je šta će AI raditi umjesto njih.

Najgori profesor je onaj koji uvijek daje odgovor

Zamislimo dva AI asistenta. Prvi kaže: „Evo rješenja.“ Drugi kaže: „Pokušaj prvo sam. Koju bi hipotezu postavio?“ Kada student pogriješi, drugi mu ne daje odmah tačan odgovor. Postavlja novo pitanje.

Kada student dođe do zaključka, traži od njega da ga obrazloži. Kada student dobije odgovor od AI-ja, traži da pronađe njegove slabosti.

Oba sistema mogu biti zasnovana na istoj tehnologiji. Ali obrazovni rezultat može biti potpuno drugačiji.

Zbog toga je sve važnije razlikovati AI kao prečicu od AI-ja kao učitelja. Pregled empirijskih dokaza koji je objavio Microsoft Research upravo naglašava tu razliku, studenti prvo trebaju savladati osnove, zatim razumjeti sposobnosti i ograničenja AI-ja, koristiti ga kao dopunu tradicionalnom učenju i imati nastavu koja ih tjera na aktivno učešće i kritičko razmišljanje.

Drugim riječima, najbolji AI tutor možda neće biti onaj koji najbrže daje odgovor. Možda će biti onaj koji zna kada da ga ne da.

Šta onda treba učiti na fakultetu?

Ovo je područje u kojem će obrazovni sistem morati da se mijenja. Ako AI može napisati prosječan esej, sposobnost pisanja prosječnog eseja više nije dovoljna.

Ako AI može napraviti prezentaciju, sama sposobnost izrade prezentacije više nije velika prednost. Ako AI može napisati kod, diploma koja dokazuje samo poznavanje sintakse programskog jezika postaje slabiji signal.

Ali to ne znači da znanje postaje nevažno. Dešava se upravo suprotno. Što je AI sposobniji, to postaje važnije da čovjek razumije oblast u kojoj ga koristi.

Ne možete kvalitetno procijeniti finansijsku analizu ako ne razumijete finansije. Ne možete prepoznati loš medicinski zaključak ako ne razumijete medicinu. Ne možete kvalitetno upravljati AI modelom ako ne razumijete problem koji pokušavate riješiti. Vještačka inteligencija zato ne eliminiše potrebu za znanjem. Ona povećava vrijednost razumijevanja.

Od „znam odgovor“ do „znam šta da radim s odgovorom“

Možda je upravo tu budućnost obrazovanja. U prošlosti je bilo logično pitati studenta: „Koji je odgovor?“

U budućnosti ćemo sve češće morati pitati: „Zašto vjeruješ da je to odgovor?“ I još važnije: „Šta bi te uvjerilo da nije?“ To je mnogo zahtjevniji oblik obrazovanja.

Zahtijeva pamćenje, ali ga ne stavlja u centar. Zahtijeva tehničko znanje, ali i sposobnost njegove primjene. Zahtijeva AI pismenost, ali i dovoljno znanja da čovjek može osporiti AI.

I upravo bi to mogao biti jedan od rijetkih održivih odgovora na pitanje šta će se dogoditi s diplomama u eri generativne AI.

Diploma neće nužno izgubiti vrijednost. Ali diploma kao dokaz da je neko zapamtio određenu količinu informacija postaje sve slabiji signal.

Vrijednost će se sve više pomjerati prema sposobnosti čovjeka da razumije problem, postavi pravo pitanje, procijeni odgovor i preuzme odgovornost za odluku.

Generacija koja zna sve?

Možda ćemo za deset godina imati studente koji mogu objasniti gotovo bilo koju temu. To zvuči kao pobjeda. Ali postoji jedno pitanje koje će biti mnogo važnije, hoće li znati razmišljati kada AI pogriješi?

Jer u svijetu u kojem je odgovor udaljen samo jedan prompt, prednost više neće nužno imati onaj ko najbrže dolazi do odgovora.

Prednost će imati onaj ko zna koje pitanje postaviti, koji odgovor odbaciti i za koju odluku je spreman preuzeti odgovornost. Možda zato AI neće stvoriti generaciju ljudi koji znaju sve, a ne znaju ništa.

Možda će stvoriti nešto mnogo neobičnije, generaciju koja može dobiti odgovor na gotovo svako pitanje i obrazovni sistem koji će morati naučiti te ljude zašto odgovor još uvijek nije isto što i znanje.