AI sadržaj bez „AI ukusa”: Urednički workflow koji čuva glas brenda

Problem nije u tome da li redakcija koristi AI, već da li objavljuje tekst koji nema jasno poreklo, ekspertizu i uredničku odgovornost. Dobar workflow izgleda ovako: brief → AI nacrt → ekspertiza → fact-check → lektura → objava. AI je koristan za strukturu, varijante, istraživačka pitanja i rutinske zadatke, ali ne može pouzdano da zameni novinara, stručnjaka ili urednika koji razume kontekst, posledice i publiku.

AI sadržaj više nije eksperiment u nekoj zatvorenoj marketinškoj laboratoriji. On je već svakodnevni alat u redakcijama, agencijama, startupima, e-commerce timovima, PR službama i malim biznisima koji ne mogu sebi da priušte deset ljudi za sadržaj. Problem je što je brzina često pomešana sa kvalitetom. Tekst je gotov za dva minuta, ima uvod, podnaslove, zaključak i deset „najvažnijih saveta”. Ali kada ga pročitate, ostaje utisak da ga je napisao veoma pristojan, veoma načitan i potpuno bezličan pripravnik.

Tu nastaje ono što publika intuitivno prepoznaje kao „AI ukus”. Rečenice su previše pravilne, opšte tvrdnje se nižu bez dokaza, svaka tema je „revolucionarna”, svaki alat je „moćan saveznik”, a zaključak obavezno poručuje da je „budućnost već stigla”. Tekst možda nije gramatički pogrešan, ali nema autora. Nema iskustvo. Nema stav. Nema lokalni kontekst. Nema razlog zbog kog bi čitalac baš njega zapamtio ili podelio.

Za IT portal to je posebno opasno. Tehnološka publika brzo prepoznaje kada je članak sastavljen iz opštih mesta, kada nema tehničku preciznost ili kada su izvori dekoracija umesto oslonca argumenta. U svetu u kojem je moguće proizvesti hiljade prosečnih članaka dnevno, vrednost uredništva nije da proizvede još jedan tekst. Vrednost je da napravi tekst koji ima tačnost, iskustvo, objašnjenje i odgovornost.

Google pri tome ne zabranjuje upotrebu generativne veštačke inteligencije. Njegove smernice su mnogo jednostavnije i strože: sadržaj mora da bude koristan, tačan, relevantan i originalan za korisnika; masovno generisanje stranica bez stvarne dodatne vrednosti može da krši pravila o zloupotrebi masovno proizvedenog sadržaja (scaled content abuse). Drugim rečima, pretraživaču nije presudno da li je prvi nacrt napisao čovek ili model. Čitaocu, a dugoročno i algoritmu, presudno je da li je sadržaj vredan pažnje.

Za redakcije je zato pravo pitanje sledeće: kako koristiti AI bez pretvaranja brenda u fabriku generičkih rečenica?

AI nije autor, već radni alat

Najveća greška je posmatrati AI kao zamenu za autora. Generativni model nema redakcijsku odgovornost, ne snosi posledice pogrešnog saveta, ne poznaje vaše čitaoce i nema iskustvo sa terena. On predviđa sledeću verovatnu reč na osnovu obrazaca iz podataka na kojima je treniran. To može da bude izuzetno korisno, ali nije isto što i novinarski rad, stručna analiza ili uredničko odlučivanje.

AI dobro radi nekoliko stvari: predlaže strukturu, pravi listu pitanja za intervju, sažima dostupni materijal, nudi više uglova za naslov, pretvara stručnu dokumentaciju u početni nacrt i pomaže pri prilagođavanju formata za različite kanale. To je ozbiljna pomoć kada je tim preopterećen.

Ali AI ne zna automatski šta je važno za publiku ITNetwork-a. Ne zna da li je neki novi alat zaista upotrebljiv u domaćim kompanijama, da li ima smisla za tim od pet ljudi, kakva su ograničenja budžeta, bezbednosti, lokalizacije ili pravne regulative. Ne zna ni da li je tvrdnja koja zvuči samouvereno zapravo zastarela, pogrešno interpretirana ili izmišljena.

Zato je korisnije misliti o AI-ju kao o veoma brzom asistentu na početku karijere: može da pripremi materijal, ali mu ne dajete da samostalno objavi tekst pod imenom redakcije.

Ovaj princip se podudara sa preporukama za rad: generativni AI može pomoći pri istraživanju, planiranju i uređivanju, ali se ne sme tretirati kao primarni izvor, a svaki podatak i referencu treba nezavisno proveriti.

Šta zapravo stvara „AI ukus”

„AI ukus” nije samo pitanje stila. On je posledica lošeg procesa. Kada se od modela traži da iz nule napiše gotov članak, rezultat često dobije iste prepoznatljive slabosti.

• Prazna opštost: Tekst govori da AI „menja poslovanje”, da su podaci „nova nafta” ili da firme „moraju da prate trendove”, a ne objašnjava šta konkretno treba uraditi u ponedeljak ujutru. Nema brojeva, ograničenja, primera neuspeha ni odluke koju čitalac može da primeni.

• Lažna ravnoteža: Modeli često pokušavaju da zvuče bezbedno i neutralno, pa izbegavaju jasan zaključak. Umesto da napišu da je određeni alat loš izbor za regulisanu industriju ili da je neka praksa neodgovorna, nude fraze poput „važno je pažljivo razmotriti sve opcije”. To zvuči pristojno, ali urednički ne znači mnogo.

• Uniformisan ritam: Rečenice približno iste dužine, pasusi iste građe i podnaslovi koji obećavaju „ključne prednosti” daju tekstu osećaj šablona. Čovek prirodno menja tempo: nekad preseče kratkom rečenicom, nekad se zadrži na objašnjenju, a nekad svesno postavi neugodno pitanje.

• Simulacija izvora (Halucinacije): Najopasnija greška nije loš stil, nego tzv. hallucination ili confabulation – kada model iznese netačnu činjenicu, izmisli citat, spoji dva događaja ili navede izvor koji ne postoji. Smernice za generativni AI posebno naglašavaju potrebu za nadzorom koji odgovara nivou rizika primene. U medijskom radu to znači da svaka značajna tvrdnja mora imati proverljiv izvor, a ne samo uverljiv ton.

• Odsustvo stvarnog iskustva: Ako tekst o implementaciji AI alata ne sadrži nijednu konkretnu dilemu iz rada – trošak API-ja, problem sa privatnošću, neuspešan prompt, nedostatak dokumentacije, grešku u integraciji ili vreme potrebno za obuku tima – čitalac sa iskustvom to vidi odmah. Ne zato što je „AI detektor”, već zato što zna kako stvarni posao izgleda.

Workflow koji štiti glas brenda

Najbolji odgovor na generički AI sadržaj nije pokušaj da se tekst „maskira” ili namerno učini nespretnim kako bi prevario neki detektor. To je pogrešan cilj. Cilj je da tekst bude stvarno urednički bolji: tačan, koristan, prepoznatljiv i odgovoran.

Praktičan workflow može da izgleda ovako:

Ovaj proces može da uspori objavu za nekoliko sati ili jedan radni dan. Ali upravo tu nastaje razlika između sadržaja koji samo popunjava kalendar i sadržaja koji gradi poverenje.

Brief: najvažniji dokument koji se preskače

Loš AI rezultat najčešće počinje lošim briefom. Ako je zahtev „napiši članak o AI alatima”, model će vam dati ono što takav zahtev zaslužuje: širok i predvidiv tekst koji može da se primeni na skoro svaku temu i svaki sajt.

Dobar brief nije dugačak, ali mora da reši ključne uredničke dileme pre pisanja:

• Ko je primarna publika: IT men managers, programeri, vlasnici malih firmi, studenti, marketari ili šira javnost?

• Koji problem čitalac pokušava da reši?

• Koja je glavna tvrdnja članka?

• Koji stav zauzimamo i gde su granice tog stava?

• Šta čitalac treba da uradi, proveri ili razume nakon čitanja?

• Koji izvori, intervjui, dokumentacija i domaći primeri su obavezni?

• Koji ton odgovara temi: analitičan, oštar, vodič, polemičan ili objašnjavajući?

• Koje izraze brend koristi, a koje izbegava?

Primer lošeg brifa: „Napiši tekst o korišćenju AI-ja u content marketingu.”

Primer boljeg brifa: „Napiši vodič za vlasnike IT firmi i marketing timove u Srbiji o tome zašto AI nacrt ne sme direktno u objavu. Glavna poruka: AI ubrzava produkciju, ali bez ekspertske provere proizvodi reputacioni i SEO rizik. Uključi primer za B2B SaaS kompaniju, objasni fact-check proces i razlikuj pisanje nacrta od automatske proizvodnje sadržaja. Ton je direktan, praktičan i bez tehnološkog eufemizma.”

U tom trenutku AI dobija zadatak, ali uredništvo zadržava pravac. To je razlika između alata i autopilota.

AI nacrt: koristite ga za momentum, ne za presudu

Kada je brief dobar, AI može brzo da predloži strukturu članka, listu potpitanja, više uvoda i radni nacrt. Ova faza štedi vreme, naročito kod tema koje imaju mnogo podtema ili zahtevaju objašnjenje tehničkih pojmova široj publici.

Međutim, nacrt mora ostati nacrt. Ne tekst koji je samo „malo prepravljen”. Praktično pravilo za redakciju može biti: nijedan važan pasus ne sme da ostane zato što zvuči dobro; mora da ostane zato što je tačan, potreban i u skladu sa glasom brenda.

To znači da autor treba da uradi tri stvari odmah nakon AI nacrta:

1. Da izbaci sve fraze koje mogu stajati u bilo kom tekstu na internetu.

2. Da unese sopstvene primere, podatke, iskustva i objašnjenja.

3. Da preispita teze koje model iznosi kao očigledne.

Ako AI napiše: „AI alati drastično povećavaju produktivnost”, urednik mora da pita: za koga, na kom zadatku, uz koje troškove, kako je produktivnost merena i šta se dešava sa kvalitetom? Bez toga, tvrdnja je samo marketinška magla.

Dobar autor neće pokušavati da svaku AI rečenicu spasava. Često je brže da zadrži strukturu, a prepiše pasuse od nule. Nije poraz ako se 60 ili 80 odsto nacrta izbaci. Ako je AI pomogao da se brže stigne do kvalitetne konstrukcije teksta, već je odradio koristan deo posla.

Ekspertiza: mesto gde sadržaj postaje vredan

Ekspertiza je deo koji AI najteže imitira, a publika najviše ceni. Ne mora svaki članak imati formalan intervju, ali mora imati neki oblik stvarnog znanja koje nije samo prepakovana javno dostupna informacija.

To može biti:

• komentar programera koji je integrisao određeni model preko API-ja;

• iskustvo administratora koji je rešavao problem privatnosti ili pristupa podacima;

• primer marketinškog tima koji je testirao više formata sadržaja;

• stav pravnika o obavezama u vezi sa sintetičkim medijima;

• analiza konkretne dokumentacije, istraživanja ili zvanične politike platforme;

• uredničko iskustvo o tome koje greške se najčešće pojavljuju u AI nacrtima.

Upravo zato su tekstovi sa terena dugoročno otporniji od generičkih vodiča. AI može da objasni šta je Retrieval-Augmented Generation (RAG), ali ne može da zna kako je konkretan domaći tim rešio problem loših odgovora, zastarele interne baze znanja ili prevelikog računa za infrastrukturu – osim ako mu čovek te informacije ne dostavi.

Ekspert ne treba da „overi” gotov tekst jednom rečenicom. Njegova uloga je da ospori loše pretpostavke, doda ograničenja i kaže ono što promotivni tekstovi prećute. Ako je rešenje preskupo, nestabilno ili previše rizično za prosečnu firmu, to mora da stoji u članku. Tu nastaje glas brenda. Ne u pridevima, već u spremnosti da se zauzme argumentovan stav.

Fact-check: AI ne sme da bude izvor

Fact-check nije poslednji kozmetički korak. To je zasebna urednička faza. Posebno kod AI tema, gde se proizvodi, modeli, cene, licence, pravila i mogućnosti menjaju iz meseca u mesec.

Prvo napravite listu svih proverljivih tvrdnji u tekstu:

• statistike i procenti;

• datumi i rokovi;

• nazivi proizvoda i verzija;

• cene i planovi pretplate;

• pravne obaveze;

• bezbednosne tvrdnje;

• citati;

• poređenja sa konkurentima;

• tvrdnje da nešto „radi”, „ne radi” ili „podržava” određenu funkciju.

Zatim svaku tvrdnju vežite za izvor. Prednost imaju primarni izvori: zvanična dokumentacija, originalna studija, zakonski tekst, regulator, tehnički standard, finansijski izveštaj ili direktna izjava kompanije. Sekundarni izvori su korisni za kontekst, ali ne bi trebalo da budu jedini oslonac za važnu činjenicu.

Google otvoreno navodi da generativni AI može pomoći pri istraživanju i strukturiranju originalnog sadržaja, ali upozorava da automatski proizveden sadržaj mora ostati tačan, kvalitetan i relevantan – uključujući naslov, meta opis, strukturirane podatke i alt tekst. To je važna poruka za SEO timove: loš sadržaj nije manje loš zato što je tehnički optimizovan.

Za ITNetwork je posebno relevantno da se u svakom AI članku razlikuju tri nivoa izvora:

1. Primarni izvor: dokumentacija proizvođača, standard, zakon, istraživanje.

2. Stručna interpretacija: analiza istraživača, inženjera ili nezavisnog eksperta.

3. Urednički zaključak: stav autora zasnovan na preth defense dva nivoa.

Čitalac mora da vidi gde se završava činjenica, a gde počinje procena. To nije slabost teksta. To je znak profesionalnosti.

Lektura: glas brenda nije samo „stil”

Lektura se često pogrešno svodi na pravopis, interpunkciju i tipografske greške. Sve to jeste važno, ali kod AI sadržaja lektura ima širi zadatak: da ukloni sintetički ritam i vrati tekstu ljudsku jasnoću.

Dobar lektor ili urednik treba da postavi nekoliko neugodnih pitanja:

• Da li ovaj pasus stvarno nešto govori ili samo zvuči ubedljivo?

• Da li se ista ideja ponavlja pod drugim naslovom?

• Da li je termin objašnjen kada se prvi put pojavi?

• Da li naslov obećava više nego što tekst isporučuje?

• Da li je ton usklađen sa publikom?

• Da li su rečenice prirodne na srpskom jeziku ili zvuče kao bukvalan prevod?

• Da li tekst ima stav ili se krije iza fraza?

• Da li je jasna razlika između činjenice, prognoze i mišljenja?

U tehničkim tekstovima ima smisla zadržati stručne termine na engleskom kada su standardizovani i opšteprihvaćeni, uz srpsko objašnjenje pri prvom pominjanju. Na primer: prompt engineering (inženjering upita), fine-tuning (dodatno prilagođavanje modela), human-in-the-loop (čovek u procesu odlučivanja) ili fact-check (provera činjenica).

Ali ne treba engleskim izrazima glumiti stručnost. Ako domaća reč jasno radi posao, treba je koristiti. Publika ne traži terminološki performans; traži razumevanje.

Objava: SEO nije zamena za uredničku vrednost

SEO, SGE, AEO i GEO danas imaju smisla samo ako se posmatraju kao način da kvalitetan odgovor bude pronađen i razumljiv, a ne kao trik za gomilanje pregleda.

SEO i dalje zahteva jasnu strukturu, precizne naslove, interne linkove, opisne URL-ove, relevantne meta podatke i dobro povezane izvore. AEO, odnosno optimizacija za answer engines (sisteme za direktne odgovore), traži da tekst jasno odgovori na konkretna pitanja. GEO, ili optimizacija za generativne pretraživače, zahteva još više: proverljive tvrdnje, dobru strukturu, jasno autorstvo, kredibilne izvore i originalan doprinos koji sistemi mogu da citiraju.

Ali nijedna od tih oznaka ne sme postati razlog da tekst bude neprirodan. Ako u svakoj drugoj rečenici ponavljate istu ključnu reč, to nije optimizacija. To je loš sadržaj sa lošom namerom.

Google je kroz ažuriranja sistema kvaliteta naglasio borbu protiv neoriginalnog i nekorisnog sadržaja, kao i protiv stranica napravljenih prvenstveno radi rangiranja, a ne radi pomoći korisnicima. Zato je najrealnija SEO strategija i dalje najdosadnija: objavite tekst koji rešava konkretan problem bolje od drugih.

Za internu mrežu linkova, ovaj tekst prirodno može da se poveže sa već objavljenim ITNetwork vodičem o istraživanju i pisanju uz generativnu AI (ubaciti link ovde), koji insistira na proveri informacija, očuvanju stila i ručnoj reviziji finalnog nacrta. Relevantan kontekst daje i tekst o AI alatima za kreatore sadržaja i preduzetnike (ubaciti link ovde), jer pokazuje da alati za proizvodnju sadržaja postaju svakodnevni deo poslovanja, a ne retka tehnološka novost.

Kako izgleda kontrolna lista pre objave

Pre nego što članak dobije status „spreman za objavu”, urednik bi trebalo da može da odgovori potvrdno na sledeća pitanja:

• Da li tekst ima jasan problem koji rešava?

• Da li prva trećina članka odmah daje vrednost čitaocu?

• Da li je glavna tvrdnja argumentovana, a ne samo izrečena?

• Da li su značajne činjenice proverene u pouzdanim izvorima?

• Da li su izvori zaista otvoreni i relevantni?

• Da li su citati provereni u originalu?

• Da li je jasno šta je činjenica, a šta procena ili mišljenje?

• Da li smo dodali ekspertizu, iskustvo ili originalnu analizu?

• Da li se u tekstu čuje prepoznatljiv ton brenda?

• Da li naslov odgovara sadržaju bez clickbait-a?

• Da li bi čitalac imao razlog da ovaj tekst pošalje kolegi?

• Da li bismo mogli da stanemo iza svake rečenice i za šest meseci?

Ako je odgovor na poslednje pitanje „ne znamo”, članak nije završen.

Transparentnost neće uništiti poverenje

Mnogi brendovi strahuju da će priznanje da je AI korišćen umanjiti poverenje publike. U stvarnosti, veći rizik nastaje kada publika zaključi da je brend pokušao da sakrije automatizaciju, a objavio netačan ili bezličan sadržaj.

Transparentnost ne mora da znači napadnu oznaku na svakom tekstu. Može značiti internu politiku: AI se koristi za istraživanje, strukturiranje i radne nacrte; sve objavljene tekstove pregledaju autor i urednik; činjenice se proveravaju iz nezavisnih izvora; sadržaj sa velikim rizikom prolazi dodatnu stručnu recenziju.

Kod vizuelnog i multimedijalnog sadržaja pitanje porekla postaje još važnije. C2PA i Content Credentials su standardi i mehanizmi koji omogućavaju kriptografski proverljive podatke o poreklu medijskog fajla, korišćenim alatima i naknadnim izmenama. Takvi sistemi ne odlučuju da li je sadržaj „istinit” ili „lažan”, ali mogu da pomognu da se razume kako je nastao i da li je istorija izmene očuvana.

Za medije i tehnološke portale to je najava šire promene: u budućnosti neće biti dovoljno samo napisati dobar tekst. Biće sve važnije da se zna ko stoji iza njega, kako je nastao, na kojim izvorima počiva i ko preuzima odgovornost za njegove tvrdnje.

Budućnost: manje sadržaja, više uredništva

Paradoks generativne AI ere je jednostavan: što je lakše proizvoditi sadržaj, to je teže proizvesti sadržaj koji vredi.

Internet će biti preplavljen pristojnim, čitljivim i zaboravljivim tekstovima. Biće sve više članaka sa savršenom strukturom i nula originalnih zapažanja. To znači da će redakcijska disciplina postati konkurentska prednost.

Pobednici neće biti mediji koji objavljuju najviše AI tekstova. Biće to oni koji najbrže kombinuju automatizaciju sa odgovornošću: AI za dosadne i ponovljive poslove, ljudi za iskustvo, proveru, odluku i stav.

Za ITNetwork i slične portale to je prilika, ne samo rizik. Tehnološka publika ne traži da joj se AI romantizuje. Ona traži da joj se objasni gde alat stvarno štedi vreme, gde pravi problem, gde je bezbedan, gde nije i ko odgovara kada pogreši.

Najgora redakcijska politika glasi: „Objavimo sada, ispravićemo kasnije.” Kod AI sadržaja ta rečenica je posebno opasna, jer brzina umnožava i grešku. Dobra politika glasi: „Automatizujmo pripremu, ali nikada odgovornost.”

AI može da napiše prvu verziju. Ne može da izgradi reputaciju brenda umesto vas.

Kako izgleda proces kreiranja sadržaja u vašem timu? Da li ste već uspostavili jasna pravila za korišćenje AI alata ili se i dalje oslanjate na intuiciju?